핵심 요약
첫째, Farboodi, Kondor와 Kurlat(2026)은 AI 기반 심사 기술이 도입된 신용시장에서 대출기관 간 경쟁이 어떻게 달라지는지를 이론 모형으로 분석했다.
둘째, 핵심 메커니즘은 오차의 상관이다. 여러 대출기관이 같은 데이터와 유사한 알고리즘을 쓰면 심사 오차가 서로 상관되고, 이 상관이 경쟁의 성격을 바꾼다.
셋째, 상관된 오차 하에서는 금리 스케줄이 ‘하키스틱’ 형태를 띤다. 신호가 일정 수준을 넘기 전까지는 낮은 금리가 유지되다가 그 지점 이후 급격히 올라가고, 시장은 차입자 집단별로 분절된다.
넷째, 심사 기술의 정확도가 높아져도 금융 접근성이 반드시 개선되지 않는다. 오픈뱅킹처럼 데이터 공유 구조를 바꾸는 정책은 오차의 상관 구조를 바꾸기 때문에 접근성에 비직관적인 효과를 가질 수 있다.
이 논문은 NBER 워킹페이퍼(No. 35905)로 동료심사를 거치지 않았다.
배경 및 이론적 맥락
핀테크와 AI는 신용 심사에서 전통적 신용점수를 넘어 대체 데이터와 머신러닝 예측을 확산시켰다. 학계의 초기 관심은 새 기술이 정보 비대칭을 줄여 금융 포용을 넓힐지였고, 상당수 실증 연구는 그런 가능성을 보고했다.
그러나 심사 기술의 경쟁적 효과는 개별 기관의 정확도만으로 결정되지 않는다. 대출기관들이 공통의 가치를 추정하는 환경, 즉 승자의 저주가 작동하는 시장에서는 경쟁의 강도가 정보 구조에 민감하다. 이 논문은 바로 그 지점, 여러 기관이 유사한 AI를 쓸 때 오차가 상관된다는 사실의 경쟁 함의를 형식화한다.
연구 방법론
순수 이론 연구다. 차입자의 상환 능력을 각 대출기관이 새로운 심사 기술을 통해 신호로 관측하는 경쟁 모형을 세우고, 신호 오차의 상관 구조를 명시적으로 모수화한다.
균형 분석에서 대출기관의 입찰(금리 제시) 전략을 유도하고, 심사 정확도와 오차 상관이 균형 금리 스케줄과 시장 배분에 미치는 비교정태를 도출한다.
이어서 오픈뱅킹이나 AI 심사 혁신 같은 환경 변화가 오차 상관 구조를 어떻게 바꾸는지를 모형 안에서 추적해 금융 접근성에 대한 함의를 도출한다.
연구 결과
오차가 상관되면 균형 금리 스케줄이 하키스틱 형태가 된다. 심사 신호가 좋은 구간에서는 경쟁이 금리를 낮게 누르지만, 신호가 나빠지는 임계 이후에는 금리가 급격히 상승하거나 대출 자체가 끊긴다.
시장은 그 결과 집단별로 분절된다. 유리한 신호를 가진 차입자는 치열한 경쟁의 혜택을 보지만, 그렇지 못한 차입자는 오히려 배제가 심화될 수 있다.
심사 기술의 정확도 개선이 금융 접근성을 단조롭게 개선하지 않음을 보인다. 정확도가 높아져도 오차 상관이 유지되거나 커지면 경쟁 압력이 특정 구간에서 오히려 약해진다.
오픈뱅킹과 AI 심사 혁신의 효과는 이 상관 구조를 통해 매개된다. 데이터 공유가 넓어지면 오차 상관이 커질 수 있고, 그 결과 접근성 효과가 직관과 다르게 나타날 수 있다.
결론 및 의의
이 연구의 발견은 세 가지다. 첫째, AI 심사의 시장 효과는 기술 자체의 정확도가 아니라 오차의 상관 구조가 매개한다. 둘째, 균형은 하키스틱 금리 스케줄과 시장 분절이라는 구체적 형태를 가진다. 셋째, 금융 포용 정책은 데이터 공유의 수준뿐 아니라 그 공유가 만드는 오차 상관까지 고려해야 한다.
이론적으로 이 논문은 AI와 금융 포용 논의에 경쟁 구조의 축을 복원한다. ‘더 정확한 심사 = 더 넓은 접근’이라는 직선적 기대가 성립하지 않는 조건을 명확히 보이며, 공통 가치 경쟁 이론을 AI 심사 맥락으로 확장한다.
적용에서, 알고리즘 대출 규제와 오픈뱅킹 설계에 시사점이 있다. 예컨대 모든 기관이 같은 대체 데이터와 유사한 모형을 쓰는 환경에서는 규제 당국이 우려해야 할 것이 개별 모형의 편향만이 아니라 시장 전체의 오차 상관이라는 점을 보여준다. 반면 모형의 예측이 실제 시장에서 어느 정도 강도로 나타나는지는 아직 검증되지 않았다. 이 이론에서 직접 규제 수단을 도출하는 것은 검증되지 않은 적용이다.
한계는 정형화된 경쟁 모형이라는 점, 차입자의 전략적 행동과 기관의 기술 투자 내생성을 충분히 다루지 않는다는 점, 그리고 실증 검증이 후속 과제로 남는다는 점이다. 후속 연구는 오차 상관의 실측, 하키스틱 스케줄의 데이터 검증, 그리고 오픈뱅킹 도입국의 준자연실험이 필요하다.
참고문헌
Farboodi, M., Kondor, P., & Kurlat, P. (2026). Credit markets with new screening technologies (NBER Working Paper No. 35905). National Bureau of Economic Research. https://doi.org/10.3386/w35905
NBER 워킹페이퍼(2026년 10월)로 동료심사를 거치지 않았다. 순수 이론 연구이며 실증 검증은 후속 과제다. 본문은 해당 논문의 연구와 그로부터 도출한 해석만을 다룬다.
AI 활용 내역
이 글은 AI(Instinct AI 어시스턴트)를 활용하여 논문의 핵심 내용을 분석·요약하고, 한국어 리뷰 원고를 작성하였습니다. 최종 검토 및 발행은 블로그 운영자가 수행합니다.