금융권의 온톨로지: FIBO·BCBS 239·AML에서 본 쓸모와 비용

금융 데이터는 왜 어렵고, 금융권은 왜 온톨로지에 끌리나

이 글은 '온톨로지의 허와 실' 시리즈의 3편, 금융편이다. 2편에서는 팔란티어 온톨로지가 객체·속성·링크에 액션을 더해 결정을 원천 시스템에 되쓰는 운영 계층이라고 설명했다. 이번 편에서는 같은 생각이 규제가 촘촘한 금융 현장에서 어떤 쓸모를 내고 어떤 비용을 요구하는지 살펴본다.

금융 데이터가 어려운 이유는 크게 셋이다. 첫째, 같은 대상을 시스템마다 다르게 부른다. FIBO를 관리하는 EDM 협회 소개 글글은 한 금융사 안에서도 'counterparty(거래상대방)', 'client', 'customer'가 시스템마다 다른 뜻일 수 있다는 예를 든다. 둘째, 법인은 소유 구조로 얽혀 있다. State Street는 FIBO 개념 증명에서 법인과 그 계층(모회사·자회사 관계) 데이터를 따로 외부 출처에서 받아 썼다글. HSBC도 기업 소유 정보 같은 외부 데이터로 거래상대방 사이의 연결을 찾는다고 밝혔다글. 셋째, 계약 조건이 흩어져 있다. FINOS는 Goldman Sachs Legend 공개 보도자료글에서 통화옵션 같은 복잡한 상품의 구성 요소가 투자은행 프런트·미들·백오피스의 수십, 많게는 수백 개 시스템에 나뉘어 저장될 수 있다고 설명했다.

온톨로지(Ontology, 어떤 개념이 있고 서로 어떻게 관계 맺는지 정한 형식적 지식 모델)가 내놓는 답은 단순하다. 시스템마다 데이터를 고치는 대신 각 시스템을 하나의 공통 개념에 연결(매핑)한다. 그러면 '이 고객과 저 거래상대방이 같은 법인 그룹에 속하는가' 같은 질문을 시스템을 건너 던질 수 있다. 비용도 바로 여기서 생긴다. 매핑을 만들고, 정의를 합의하고, 바뀔 때마다 유지하는 일은 사람이 맡아야 한다. 이 글 전체는 이 맞교환을 따라간다.

구성 요소: FIBO는 무엇을 정의하고, 개념 증명에서 무엇이 드러났나

FIBO(Financial Industry Business Ontology)는 EDM 협회가 업계 실무 전문가들과 함께 개발·관리하는 금융 표준 온톨로지다. 협회 설명글에 따르면 FIBO는 금융 분야를 모듈형 도메인으로 나누고, 도메인마다 개념(예: 채권), 관계(예: '~가 발행함'), 속성(예: 만기일)을 정의한다. 형식은 RDF/OWL이라 다른 형식으로 바꿔 여러 분석·데이터 관리 도구에서 쓸 수 있다. 오픈소스로 공개돼 있으며, 온톨로지 전문가와 금융 실무 전문가로 구성된 팀이 분기마다 검토·갱신한다. 2016년 보도글에 따르면 FIBO는 표준화 단체 OMG와 협력해 2011년부터 개발돼 왔다. FIBO가 하는 일은 데이터를 담는 것이 아니다. 데이터에 붙일 '공통 사전과 문법'을 주는 것이다.

WatersTechnology의 2016년 보도글는 State Street의 FIBO 개념 증명을 자세히 다룬다. State Street는 자사가 처리하는 거래의 다수를 차지하는 금리스와프로 범위를 일부러 좁혔다. 공개된 FIBO를 손대지 않고 그대로 썼고, 운영 시스템에 연결하지 않은 채 데이터 추출본만 사용했다. 진행 단계는 넷이었다. FIBO 모델을 시맨틱 도구에 올리고, 추출 데이터를 FIBO에 매핑하고, 거래를 그래프로 그리고, 그 위에서 분석을 만들었다. 결과로 데이터 웨어하우스를 따로 짓지 않고도 보고서를 만들 수 있었고, 특정 법인이나 지역에 담보가 몰린 곳을 볼 수 있었다고 State Street 측은 말했다.

매핑 부담도 같은 기사에 나온다. 데이터 항목 하나가 매핑되지 않자 처음에는 FIBO가 불완전한 것인지 의심했다. 먼저 개념 증명을 해 본 Wells Fargo에 물어본 뒤에야 FIBO 안에서 엉뚱한 곳을 찾고 있었다는 걸 알았다. State Street의 수석 과학자는 FIBO가 대체로 직관적이지만 커질수록 복잡해져 교육이 필요할 것이라고 말했다. 이 사례는 '표준은 맞다'와 '우리 데이터를 표준에 맞추는 일은 쉽다'가 별개의 문제임을 보여 준다. 또 운영 시스템에 연결하지 않은 개념 증명이었다는 점도 함께 봐야 한다.

규제가 만드는 수요: BCBS 239와 공통 용어·데이터 계보

금융권이 온톨로지를 검토하는 데는 규제의 영향이 크다. 바젤은행감독위원회는 2023년 11월 28일, 은행들이 BCBS 239(효과적인 위험 데이터 집계·보고 원칙)를 얼마나 이행했는지 점검한 보고서를 냈다글. 대상은 2011~21년에 지정된 글로벌 시스템적 중요 은행(G-SIB) 31곳이다. 위원회는 원칙이 처음 나온 지 10년 가까이, 준수 기한이 지난 지 7년이 됐는데도 은행들의 이행 수준이 제각각이며 대부분 상당한 작업이 남았다고 밝혔다.

같은 날 발표된 보도자료글에는 권고가 구체적으로 담겼다. 이사회는 견고한 데이터 거버넌스 체계의 개발·이행·유지를 감독할 책임을 온전히 져야 한다. 은행은 조직 전반에 데이터 품질에 대한 소유 의식과 책임 문화를 키우고, 디지털화 프로젝트의 기반으로 건전한 데이터 품질을 확보해야 한다. 감독 당국에는 오래 해결되지 않은 결함에 더 강한 조치를 쓰라고 권했다. 한편 바젤위원회 스스로 밝히듯 위원회의 결정에는 법적 구속력이 없고, 회원국 당국이 이를 이행해야 효력이 생긴다글.

이 요구가 온톨로지로 이어지는 연결 고리는 두 가지다. 하나는 공통 용어 체계다. 여러 시스템의 위험 데이터를 합치려면 같은 개념을 같은 뜻으로 써야 한다. EDM 협회는 FIBO의 쓰임새로 BCBS 239 같은 규제 보고의 일관성, KYC·AML 위험 분석을 직접 꼽는다글. 다만 이는 표준을 운영하는 쪽의 설명이다. 다른 하나는 데이터 리니지(데이터 계보, 데이터가 어디서 와서 어떻게 바뀌었는지의 기록)다. FINOS는 MiFID II 같은 공통 규제 체계 때문에 정교한 데이터 리니지 도구가 필요해졌다고 설명했다글. 정리하면 규제가 직접 요구하는 것은 '집계·보고할 수 있는 데이터와 그 책임'이다. 온톨로지는 그 요구를 채우는 수단 가운데 하나다.

미국·유럽 사례 정리: 공식 발표와 보도로 본 쓰임새

아래 표는 회사·기관이 공식으로 발표한 내용을 먼저 쓰고, 언론 보도는 보조로 붙였다. 모두 '발표·보도된 내용'이며 성과 수치는 발표한 주체의 주장이다.

| 기관(나라) | 영역 | 방식 | 출처 | |---|---|---|---| | State Street(미국) | 업계 표준 개념 증명 | FIBO를 금리스와프 추출 데이터에 매핑해 그래프로 분석, 운영 시스템 미연결 | 2016년 보도글 | | HSBC(영국) | 무역금융 AML | Quantexa와 함께 만든 '맥락 기반 감시', 거래상대방·거래 연결망 구성 | Quantexa 보도자료, 2019년글 | | Goldman Sachs(미국) | 데이터 모델·거버넌스 공개 | 내부 플랫폼 Legend의 모듈 5개를 FINOS에 오픈소스로 공개 | Linux Foundation 보도자료, 2020년글 | | Societe Generale(프랑스) | 금융범죄 대응(자금세탁·사기) | 팔란티어 Foundry 기반 금융범죄 대응 솔루션을 해외 리테일 사업에 배치 | 팔란티어 보도자료, 2025년글 | | AIG(미국) | 보험 인수 | 자체 개발한 온톨로지와 팔란티어 Foundry로 로이즈 신디케이트 포트폴리오 구성 | 2025년 보도, AIG 발표 인용글 | | Swiss Re(스위스) | 재보험 데이터·AI 플랫폼 | 온톨로지·자동화·거버넌스를 묶은 팔란티어 기반 플랫폼을 전략 중심에 둠 | 2025년 보도, 회사 경영 설명회 기준글 |

세부 내용을 짧게 덧붙인다. HSBC는 영국과 홍콩에서 이 시스템을 가동하고 있으며, 무역금융 거래를 자금세탁 징후를 담은 50개가 넘는 시나리오에 자동으로 대조한다고 밝혔다. 연간 580만 건이 넘는 무역 거래를 심사한다는 수치도 함께 냈다글. Quantexa 측은 이 솔루션이 400억 건이 넘는 금융 거래를 참조하는 Entity Resolution·네트워크 분석 틀이라고 설명했다글. Goldman Sachs Legend는 공개에 앞서 Deutsche Bank, Morgan Stanley, RBC Capital Markets 등이 6개월 동안 시범 사용했다. 이 시범 그룹이 함께 모델링한 FX 옵션 확장안은 ISDA의 공통 도메인 모델(CDM)에 채택됐다글. AIG는 자사가 개발한 온톨로지 덕분에 모델이 업계 데이터 포인트 400만 개 이상에 접근할 수 있다고 밝혔다. 이 구조로 운영되는 Syndicate 2479는 2026년 1월 1일부터 3억 달러 규모의 보험료 인수를 시작한다고 보도됐다글. Swiss Re는 모델 위험을 관리할 부서 횡단 거버넌스가 필요하다는 점도 함께 강조했다글.

국내 사례로는 DB손해보험이 T3Q와 온톨로지 기반 AI로 장기보험 보험금 청구 처리를 자동화하는 개념 증명을 함께 추진하기로 업무협약을 맺었다고 2025년 8월 보도됐다글. 아직 협약 단계라는 점은 감안해야 한다.

세 갈래 비교: 팔란티어형·표준·오픈형·관계망 분석형

사례들을 접근 방식으로 나누면 세 갈래가 된다. 팔란티어형은 운영 플랫폼에 온톨로지를 얹는다. Societe Generale, AIG, Swiss Re가 여기에 해당한다. 강점은 분석에서 끝나지 않고 인수·감시 같은 업무 흐름까지 한 플랫폼에서 다룬다는 점이다. 그 대가로 2편에서 본 전환 비용과 고착을 받아들여야 한다. 온톨로지 정의가 특정 플랫폼 안에 쌓이기 때문이다.

표준·오픈형은 공개된 공통 언어를 쓴다. FIBO 같은 공개 온톨로지글와 Goldman Sachs Legend 같은 공개 데이터 모델 플랫폼글이 여기에 속한다. 강점은 회사 간 상호운용성과 벤더 중립성이다. State Street는 FIBO가 다른 제품에서도 쓰일 수 있다며 특정 벤더를 권하지 않는다고 말했다글. 반면 표준 자체는 업무를 실행하지 않는다. 그래서 매핑과 해석에 필요한 교육은 각 회사가 맡아야 하고, 실제 운영 시스템에 붙이는 일도 따로 해야 한다.

관계망 분석형은 Quantexa처럼 Entity Resolution과 네트워크로 감시하는 방식이다글. 여러 데이터에 흩어진 사람·법인을 하나로 합치고, 그 사이의 연결과 거래 패턴을 본다. AML처럼 '누가 누구와 함께 돈을 옮기는가'가 핵심인 문제에 잘 맞는다. 하지만 전사 개념 체계를 세우는 것이 목적은 아니므로 규제 보고 전반의 용어 통일까지 해결해 주지는 않는다.

실무에서는 셋을 겹쳐 쓰는 구성을 생각할 수 있다. 용어와 개념은 FIBO 같은 표준에 맞춰 두고, 감시가 필요한 영역에는 관계망 분석을 쓰고, 결정을 업무 흐름에 되써야 하는 곳에만 운영 플랫폼을 쓰는 식이다. 표준에 맞춰 둔 정의는 어느 플랫폼으로 옮겨 가도 남는 자산이 된다. 이 점에서 고착 위험을 줄이는 완충 역할도 한다.

금융권 특유의 제약과 흔한 실수

첫째 제약은 설명 가능성과 감사 추적이다. 금융에서는 '왜 이 거래를 의심 거래로 올렸나', '이 위험 수치는 어느 원천 데이터에서 왔나'에 답할 수 있어야 한다. BCBS 239 점검이 데이터 품질에 대한 책임과 거버넌스를 계속 강조하고글, FINOS가 규제 때문에 데이터 리니지 도구가 필요하다고 설명하는글 것도 같은 맥락이다. 온톨로지는 개념과 관계를 명시하기 때문에 이 요구에 유리하다. 하지만 매핑 규칙이 기록되지 않으면 오히려 블랙박스가 하나 더 생긴다.

둘째는 모델 리스크 관리다. AIG는 온톨로지 위에서 LLM이 포트폴리오가 위험 선호에 맞는지 평가하는 구조를 장기 방향으로 밝혔다글. Swiss Re는 AI가 일상 업무에 들어갈수록 모델 위험을 관리할 부서 횡단 거버넌스가 필요하다고 했다글. 온톨로지 정의가 바뀌면 그 위의 모델과 에이전트의 입력도 바뀐다. 그러므로 정의 변경도 모델 변경처럼 검토해야 한다. 개인정보 보호와 국내 망 분리 같은 데이터 규제는 이번 자료 범위에서 구체적으로 다루지 않는다. 다만 외부 데이터 결합과 클라우드 플랫폼 도입 전에 반드시 따로 확인해야 할 항목이다.

셋째는 사람의 최종 책임이다. HSBC 사례에서도 시스템은 의심스러운 연결을 찾아 주고, 판단은 금융범죄 조사관이 그 네트워크를 살펴보며 내린다글. 의심 거래 보고, 보험 인수 거절, 위험 한도 결정처럼 고객에게 직접 영향을 주는 결정은 휴먼 인 더 루프(사람이 검토·승인하는 단계)를 두어야 한다. 바젤위원회가 강조하듯 데이터 거버넌스의 최종 책임도 이사회에 있다글.

흔한 실수도 정리해 둔다. 하나, 개념 증명의 성공을 운영 성공으로 읽는 것이다. State Street 사례는 범위를 좁히고 운영 시스템에 연결하지 않은 실험이었다글. 둘, 표준을 그대로 들여오면 끝난다고 보는 것이다. 매핑 해석에는 경험과 교육이 필요하다글. 셋, 벤더 발표의 성과 수치를 일반적인 기대 효과로 옮기는 것이다. 위 표의 수치는 모두 발표 주체의 주장이다. 넷, 용어 정의의 주인을 정하지 않는 것이다. 정의를 고칠 사람이 없으면 온톨로지는 금방 낡는다.

국내 금융사가 작게 시작하는 순서

아래 순서는 앞의 사례와 BCBS 239 권고를 바탕으로 정리한 권장 흐름이다. 1) 업무 하나, 규제 보고서 하나를 고른다. State Street가 거래 비중이 큰 금리스와프 하나로 시작했듯글, 이해관계가 분명하고 데이터 원천이 몇 개로 한정된 보고서가 좋다. 2) 그 보고서에 나오는 핵심 용어(고객, 거래상대방, 법인 그룹, 익스포저 등)를 뽑고 FIBO 같은 공개 표준의 개념과 대조한다글. 처음부터 자체 체계를 만들면 나중에 다시 맞춰야 할 수 있다.

3) 용어마다 정의 소유자를 지정한다. 바젤위원회가 요구한 데이터 품질 소유 문화글를 실제로 구현하는 단계다. 정의를 바꿀 권한과 책임이 누구에게 있는지 문서로 남긴다. 4) 원천 시스템의 컬럼을 공통 개념에 매핑하고, 데이터 리니지를 연결해 보고서 숫자 하나가 어느 시스템의 어느 값에서 왔는지 따라갈 수 있게 한다. 5) 그 보고서를 실제로 만들어 기존 방식의 결과와 대조한다. 매핑되지 않는 항목이 나오면 표준이 부족한 탓인지, 매핑을 잘못 찾은 탓인지부터 확인한다글.

6) 그다음에야 에이전트를 연결한다. LLM이 공통 개념과 리니지를 도구로 쓰게 하되, 고객에게 영향을 주는 행동은 사람의 승인을 거치게 한다. 7) 두 번째 업무로 넓힐 때는 이미 정의한 개념을 재사용하는지 확인한다. 재사용률이 오르지 않는다면 온톨로지가 아니라 업무별 매핑표를 만들고 있다는 신호다.

점검 목록으로는 다음을 확인한다. 핵심 용어마다 정의 소유자가 있는가, 매핑 규칙이 기록되고 변경 이력이 남는가, 보고서 숫자에서 원천까지 리니지를 따라갈 수 있는가, 개념 증명이 운영 데이터와 운영 시스템에서 다시 검증됐는가, 외부 데이터 결합과 플랫폼 도입이 국내 데이터 규제를 통과하는가, 에이전트의 행동에 사람의 승인 단계가 있는가.

더 공부하려면, 그리고 4편으로

처음 읽을 자료로는 EDM 협회의 FIBO 소개글를 권한다. 개념·관계·속성 구조와 '거래상대방/고객' 예시가 온톨로지의 쓸모를 가장 짧게 보여 준다. 이어서 State Street 개념 증명 기사글를 읽으면 매핑 4단계와 실제 걸림돌을 함께 볼 수 있다. 규제 쪽은 바젤위원회 BCBS 239 점검 보고서 안내글와 권고를 정리한 보도자료글를 보면 된다.

사례 비교에는 공식 발표 세 건이 유용하다. 관계망 분석형은 HSBC–Quantexa 보도자료글, 표준·오픈형은 Goldman Sachs Legend 공개 보도자료글, 팔란티어형은 Societe Generale 보도자료글다. 보험 쪽은 AIG글와 Swiss Re글 보도를 함께 읽되, 회사 발표를 옮긴 기사라는 점을 감안한다.

4편에서는 이번 편에서 본 세 갈래가 시장에서 어떻게 경쟁하는지 정리한다. 그리고 시리즈의 결론인 온톨로지의 '허와 실', 즉 어디까지가 실제 효과이고 어디부터가 기대인지를 따져 본다.