PFCT 이해하기: 왜 대출도 직접 하고, AI 기술도 팔까요?

‘점수는 나를 얼마나 설명할 수 있을까요?’

시험 점수, 학점, 신용점수… 우리는 살아가면서 수많은 점수를 받습니다. 그런데 입시나 취업 준비 때처럼, 그 숫자가 나를 다 설명할 수 없는 순간은 때때로 찾아오곤 하죠. 점수는 분명 나에 대한 정보를 담고 있지만, 그것이 나라는 사람 전체를 설명하기에 충분하지는 않으니까요.

그중에서도 신용점수는 유독 냉정합니다. 금융기관에게는 숫자가 곧 위험으로 직결되기 때문에, 효율적인 의사결정을 위해 신용평가사(CB)의 점수를 핵심 기준으로 삼고, 일정 점수 아래 고객에게는 대출의 문을 닫아버리거든요. 문제는, 이 과정에서 충분히 갚을 능력이 있는 건강한 고객까지 ‘상환 능력을 알 수 없는 위험한 사람’으로 뭉뚱그려진다는 거예요. 오랫동안 이어져 온 구조적 한계죠.

‘신용점수만으로 사람의 상환 능력을 다 알 수 있을까?’ PFCT는 바로 이 질문에서 출발했어요. 그리고 그 답을 찾아가는 과정에서 크플과 에어팩이라는 두 사업이 태어났죠. 그 이야기를, 지금부터 다섯 가지 질문으로 차근차근 풀어볼게요. 🤗

PFCT는 대출 회사일까?

신용점수만으로 상환 능력을 다 파악할 수 없다는 문제의식에서, PFCT(구 피플펀드)는 2015년에 직접 금융에 뛰어들었습니다. 그리고 2021년에 국내 1호 온라인투자연계금융업(온투업: 대출자와 투자자를 잇는, 법으로 인·허가받은 제도권 금융) 사업자로 등록했죠. 그래서 자연히 많은 분들이 PFCT를 ‘대출 회사’라고 생각합니다. 그런데 사실, 이건 절반만 맞는 얘기에요. 😮

PFCT가 진짜 집중하는 건 대출이 아니라, 대출자를 더 정확하게 판단하는 기술이거든요. 대출은 그 기술이 세상에 쓰이는 결과물 중 하나일 뿐이에요. 실제로 PFCT는 대출 서비스를 운영하는 회사임에도, 구성원의 절반 가까이가 AI·기술 인력입니다. 그래서 우리는 스스로를 대출 회사가 아닌, 렌딩테크 회사로 정의하고 있어요.

은행이 거절한 A씨, PFCT는 왜 대출을 승인했을까? – 크플(Cple)

그러면 실제로 ‘대출자를 더 정확하게 판단하는 기술’은 무엇을 의미할까요?

사회초년생 A씨의 사례로 한 번 살펴보겠습니다. 입사 4개월 차 A씨는 첫 자취를 시작하며 보증금이 조금 부족했어요. 그래서 대출을 알아봤는데, 은행 문턱을 넘기가 쉽지 않았죠. 직장 다닌 기간이 짧고, 금융 거래 이력이 많지 않은 사람을 기존 금융에서는 ‘평가할 정보가 충분하지 않다’는 이유로 위험하게 판단하거든요.

A씨는 정말 돈을 못 갚을 사람일까요? 이제 막 일을 시작했을 뿐, 매달 꼬박꼬박 월급이 들어오고, 갚을 의지도 충분한데 말이죠. A씨 같은 사람이 은행에서 거절되면, 남는 선택지는 보통 2금융권 같은 고금리뿐입니다. 은행(저금리)과 2금융권(고금리) 사이, 중금리 구간이 뻥 뚫려 있거든요. 점수가 살짝 모자랐을 뿐인데 곧바로 10% 후반의 금리를 지불해야만 하는 거예요.

PFCT는 여기서 다르게 답했어요. 신용점수나 소득만으로 사람을 판단하는 대신, 데이터를 다시 해석하고, 기술로 위험을 예측하며, 기존 금융이 놓쳤던 A씨 같은 사람들의 가능성을 찾아내는 데 집중하자고요. 그렇게 탄생한 서비스가 PFCT의 B2C 서비스, 크플입니다.

크플이 어떤 서비스냐면

A씨가 크플에서 대출을 신청하면, 이런 일이 벌어져요.

크플이 자체 보유하고 있는 AI 신용평가 기술을 기반으로 A씨의 상환 능력을 면밀히 판단하고, 어떤 조건에 얼마나 대출을 내어줄 지 결정합니다.
크플이 제안한 조건에 투자를 하고 싶은 개인/법인/기관 투자자들이 원하는 액수 만큼 투자를 신청합니다.
그렇게 모인 투자자의 자금으로 A씨에게 대출이 실행됩니다.
A씨가 매달 갚은 이자는 투자자에게 수익으로 제공되며, 만기에는 A씨가 갚은 대출금이 다시 투자자에게 투자금으로 돌아갑니다.

이렇게 돈이 필요한 사람과 투자하고 싶은 사람을 잇는 것이 크플, 바로 온투금융(P2P)의 핵심 개념이에요. 여기서 크플은 대출 이자가 아니라, 양쪽을 잇고 관리하는 수수료로 수익을 내는데요. 대출자의 부실이 투자자의 손실로 직결되기 때문에 양쪽을 모두 만족시키기 위해서는 대출자의 상환 능력을 면밀히 파악하고, 적절한 수준의 대출 조건을 제시하는 역량을 뾰족하게 갈고닦을 수밖에 없답니다.

여기서 포인트 하나 더! 혹시 ‘그게 사채랑 뭐가 다르지?’ 싶다면, 전혀 다릅니다. 온투금융은 법(온투업법)으로 인·허가받은 제도권 금융이고, 고객이 맡긴 돈은 크플이 아니라 외부 은행(전북은행)에 따로 신탁돼 보관되거든요. 회사 자금과 완전히 분리돼 있어서 임의로 쓸 수 없고, 혹시 크플 서비스가 종료되더라도 투자자의 돈은 별개로 법의 보호를 받습니다.

A씨가 크플에서 겪는 여정

기존 금융기관에서 서류 몇 장으로 거절 당했을 A씨. 크플에서는 지점에 갈 필요도, 서류를 들고 뛸 필요도 없습니다. 앱을 열고 몇 분이면 대출 신청이 끝나거든요. 고객에게 더 편한 대출 여정을 선사하게 위해 세심하게 다듬은 제품/기술력 덕분이죠.

또, 기존 금융권이 A씨의 얇은 금융 이력만으로 판단했다면, 크플은 자체 AI 신용평가 시스템으로 A씨의 상환 능력을 훨씬 자세히 들여다봅니다. 데이터를 다시 읽어낸 뒤, A씨에게 맞는 금리와 한도를 정하죠. ‘어떤 데이터로 상환 능력을 더 정확히 볼까, 어디까지 승인하고 얼마의 금리를 줘야 대출자에게도 좋고 투자자의 위험도 낮출 수 있을까’ 하는 판단을 크플에서 매일 다듬고 있어요.

결과적으로, 고금리로 밀려날 뻔했던 A씨가 감당할 수 있는 합리적인 중금리로 첫 대출을 받게 됩니다. 기존 금융권에선 데이터가 부족해 거절됐던 바로 그 사람이, 크플에선 ‘충분히 갚을 수 있는 사람’으로 다시 평가받은 거예요.

놓친 사람을 되찾은 결과

크플은 소매금융(개인신용대출, 주택담보대출) 상품을 주력으로 제공하는데요. 은행이 놓친 사람들을 다시 평가해, 실제로 이런 성과를 쌓아왔어요.

A씨 한 명의 이야기가 아니에요. 크플이 상대하는 고객은 대부분 중저신용자거든요. 그런데도 똑같이 중저신용자를 상대하는 저축은행에 비해 연체율은 4분의 1 수준으로 낮죠. 더 좋은 조건을 제안하면서도, 위험은 낮추는 것. 크플에선 이 일이 실제로 일어나고 있습니다.

더 자세히: [<저축은행-온투업 연계투자 1주년> 1년간 중저신용자에 평균 11.01% 금리로 1,866억원 공급]

크플 팀에 합류하면, 당신이 하게 될 일

크플은 완성된 서비스가 아니라 매일 직접 대출을 굴리며 실험하는 무대예요. 여기선 이런 일들이 주로 벌어집니다.
– 은행에서 거절된 사람을 어떤 기준으로 다시 평가해, 승인·금리·한도를 정할까
– 시장이 바뀔 때, 대출 전략과 상품을 어떻게 실시간으로 다듬을까
– 고객이 앱에서 겪는 대출 여정을, 어떻게 더 쉽고 빠르게 만들까

당신이 내린 판단이 바로 A씨 같은 사람의 삶에 곧장 닿습니다.

왜 은행이 스타트업의 기술을 사갈까? — 에어팩(AIRPACK)

앞서 말한 것처럼, 크플의 성과에 대한 핵심 기반은 AI 신용평가 시스템에서 나옵니다. 그런데, 이 기술력에 대한 소문이 예상치 못한 곳까지 흘러갔어요.

8년 가까이 이 기술을 뾰족하게 다듬어오던 어느 날, 한 은행에 PFCT의 대출비교서비스를 영업하러 갔을 때였죠. ‘우리는 고위험 고객을 미리 걸러내는 신용평가모델을 쓴다’고 설명하던 중, 그 은행 부장님이 이렇게 물으셨어요.

“피플펀드(지금의 PFCT)가 모델 잘 만든다는 소문은 들었다. 그 모델, 우리가 직접 쓸 순 없나?”

생각해 보면 좀 의외의 장면이에요. 보통은 자본도 인력도 넉넉한 대기업이 기술에서 앞서 있고, 스타트업이 그들을 따라가는 쪽이잖아요. 그런데 여기선 반대였어요. 대형 금융기관이, 핀테크 스타트업의 모델을 먼저 찾은 거니까요.

이들이 굳이 밖에서 모델을 찾은 이유는 간단합니다. 보통 금융기관들은 이런 모델 개발을 외부 CB사에 외주 맡기거든요. 관련한 역량을 갖추기 위해 내부 팀을 세팅하는 것보다 외주를 맡기는 게 더 비용 효율적이라고 보는 건데요. 그런 의미에서 우리의 모델을 도입하고 싶다는 건, 외부 CB사에 비해 PFCT가 얼마나 역량을 가지고 있는지 확인해보고 싶다는 물음이었죠.

그렇게, 우리도 예상 못 한 그 물음 하나에서 PFCT의 B2B 사업 AIRPACK(에어팩)이 시작됐습니다.

연구실이 아닌 금융 현장에서 증명한 기술력

사실 우리는 기술력에 대해선 강한 자신이 있었어요. 문제는 ‘어떻게 증명하느냐’였죠.

시장엔 이미 ‘AI로 신용평가를 잘한다’고 말하는 곳이 많았거든요. 그래서 금융권 담당자들은 웬만해선 믿지 않아요. 여러 AI 기업을 만나봤지만 기술력이 부족하거나, 뛰어나도 실무를 몰라 현장에 적용할 수 없는 경우가 대부분이었으니까요.

그래서 PFCT는 기술력을 구체적으로 보여줄 수 있는 방식을 택했어요. 원칙은 두 가지였죠. ‘우리 데이터가 아니라 금융기관의 데이터로 결과를 내자’, ‘담당자가 성능을 현장에서 직접 보게 하자.’

검증 방식은 이랬습니다. 금융기관의 실제 대출 고객 데이터를 비식별화해 제공하면, PFCT가 자체 AI 신용평가 시스템에 넣어, 연체와 회생 가능성을 예측했어요. 금융기관은 이미 그 고객들의 실제 결과를 알고 있으니, 우리 모델의 예측이 얼마나 정확한지 그 자리에서 바로 확인할 수 있었죠.

빠르게 진행된 제품화

결과는 예상보다 훨씬 놀라웠어요. 상대 금융기관이 수년간 써온 모델보다, 연체는 23~48% 낮추고 개인회생 고객은 42~75% 더 잘 걸러냈거든요. 그 금융기관이 부실 날 줄 모르고 내줬던 대출을, PFCT 모델이 미리 짚어낸 거예요. 말이 아니라, 상대의 데이터로 직접 증명해 보인 거죠.

사업 가능성이 너무나도 명백히 보였습니다. 빠르게 파트너십을 확장해 나갔고, 이와 동시에 제품화를 위한 과정도 진행했어요. 그렇게 8년간 쌓은 기술을 하나로 묶어서 시장에 선 보인 게, 바로 AI 리스크 솔루션 패키지, 에어팩(AIRPACK)이에요.

크플이 이 기술로 직접 대출을 해왔다면, 에어팩은 같은 기술을 다른 금융기관도 쓸 수 있게 건네주는 쪽인데요. 그리고 지금, 그 성과는 숫자로 증명되고 있어요. 다양한 금융기관의 대출 의사결정 체계를 혁신하며, 매년 수백억 원 규모의 실질 매출을 만들어내고 있거든요.

더 자세히: [[인터뷰] 이수환 PFCT 대표 “챗봇 아닌 금융기관 수익 만드는 AI 실현”]

모델을 파는 회사에서, 판을 만드는 회사로

에어팩은 지금도 계속 진화하고 있어요. 처음엔 ‘연체를 줄여주는 신용평가 모델’ 하나로 시작했지만, 이제는 데이터 전처리·모델링·전략 설계·실행·실시간 모니터링까지, 여신 의사결정의 전 과정을 하나로 잇는 통합 AI 인프라로 넓어졌거든요.

따로 놀던 데이터·모델·전략·실행을 에어팩 위에서 한 흐름으로 돌릴 수 있게 되면서, 금융기관은 시스템을 통째로 바꾸지 않고도 단계적으로 AI 전환을 할 수 있고, 리스크 관리 의사결정에 걸리던 시간을 최대 80%까지 단축할 수 있게 됐어요. ‘모델 하나’였던 에어팩이, 금융기관의 리스크 관리 방식 전체를 떠받치는 ‘기반’이 된 거죠.

그리고 우리는 여기서 멈추지 않고, 이 기술을 업계 전체와 나누는 자리를 직접 만들고 있어요.

**렌딩테크 아레나(Lending Tech Arena)** — 금융 업계와 최신 여신 AI 기술을 함께 실험하는 자리예요. 첫 회에는 저축은행 등 15개 금융기관의 리스크 담당자 30여 명을 초청해, 에어팩으로 가상의 금융기관을 직접 운영하며 금리·한도·승인 전략을 겨루는 게임(론드컵)을 진행했죠. 아레나는 매 회 주제를 넓혀가는 자리라서, 다음 회차에서는 AI 에이전트(Agentic AI)를 활용한 대출 프로세스 자동화처럼 그때그때 가장 앞선 여신 AI 기술을 새로운 형태로 다뤄갈 예정이에요.

**AI 신용평가 아카데미** — 금융에 특화된 ‘AI 인재’ 자체를 키우는 프로그램이에요. 국내외 대학(원)생이 비식별화된 실제 금융 데이터로 신용평가 모델을 직접 개발하고, 에어팩 제품을 활용해 대출 전략까지 설계해봐요. 우수 수료생에게는 금융기관 AI 프로젝트 인턴십까지 연결되죠.

결국 우리가 만드는 건 ‘더 좋은 모델 하나’가 아니라, 금융 산업 전체가 AI로 리스크를 다루게 되는 흐름 그 자체예요. 기술을 공급하고(에어팩), 업계와 함께 실험하고(아레나), 그 판을 이어갈 사람을 키우는(아카데미) 일까지. 모델을 파는 회사에서, 판을 만드는 회사로 나아가고 있는 거죠.

에어팩 팀에 합류하면, 당신이 하게 될 일

에어팩은 금융기관의 현실적인 문제를 매일 풀어가는 무대예요. 주로 이런 문제들이죠.
– 학계의 최신 AI/ML 연구를, 금융 현장에서 돌아가는 에어팩의 기술력으로 어떻게 발전시킬까
– 금융기관이 현장에서 에어팩을 도입하고 쓰는 경험을 어떻게 매끄럽게 설계할까
– 이 기술을 인도네시아·베트남·호주처럼 서로 다른 나라 환경에 어떻게 이식할까

크플이 ‘A씨 같은 사람’의 삶에 닿는 일이라면, 에어팩은 한 금융기관의 리스크 관리를, 나아가 여러 나라의 금융기관이 안은 같은 문제를 푸는 일이에요. 여기서는 당신이 푼 문제 하나가, 그만큼 멀리 닿을 수 있죠.

두 사업은 어디에서 만날까?

여기까지 보면 눈치채셨을 거예요. 크플과 에어팩은 따로 노는 두 사업이 아니라, 같은 뿌리에서 뻗어 나온 두 갈래라는 걸요. 그 뿌리가 바로 PFCT의 핵심 기술 중 하나인 AI 신용평가 시스템(CSS)입니다.

한 번 잘 우려낸 육수로, 두 가지 메뉴를 낸다

크플과 에어팩을 잇는 CSS를 ‘육수’라고 생각하면 쉬워요. 공들여 만든 육수 하나로 여러 메뉴를 내듯, PFCT는 이 기술 하나를 두 갈래로 씁니다.

➊ 우리 가게에서 직접 판다 → 크플 (직접 대출)
➋ 육수 레시피 자체를 판다 → 에어팩 (기술 공급)

크플(➊)이든 에어팩(➋)이든, 결국 같은 기술을 쓰는 방식만 다를 뿐이죠.

크플이 잘될수록, 에어팩도 강해져요

게다가 이 B2C(크플) B2B(에어팩) 서비스는 서로를 키웁니다. 따로 굴러가는 게 아니라 서로를 더 강하게 만드는 거죠. 크플에서 매일 쌓이는 실전 대출 데이터가 CSS를 더 똑똑하게 만들고, 똑똑해진 그 기술이 에어팩 솔루션의 품질을 높이고, 에어팩을 팔며 만난 다양한 금융기관의 과제에서 나온 연구가 다시 크플에 적용돼요.

즉 사업이 커질수록 기술이 좋아지고, 기술이 좋아질수록 사업이 다시 커지는 선순환이 돌아가는 건데요. 그래서 PFCT의 진짜 경쟁력은 크플이나 에어팩이라는 ‘서비스’가 아니라, 그 밑에서 돌아가는 ‘기술 그 자체’입니다. PFCT에서 일한다는 건, 바로 이 기술을 키우고 갈고 닦는 일이에요.

그 외에도 이런 기술을 만들고 운영해요.

– 자체 코어뱅킹 시스템: 대출자의 이자가 여러 투자자의 수익으로 이어지는 온투금융 특유의 복잡한 거래를, 1원의 오차 없이 처리하는 기반 시스템. 직접 개발했기에 규제·신상품 변화에도 빠르게 대응 가능
– Tabular Foundation Model (TFM): 금융 데이터 대부분을 차지하는 정형 데이터에 특화된 파운데이션 모델을 직접 학습시켜, 신용평가의 정확도와 확장성을 근본부터 끌어올리는 기술
– Explainable AI (XAI): 블랙박스가 아니라 ‘왜 이렇게 판단했는지’ 근거를 설명해, 금융기관이 신뢰하고 쓸 수 있게 하는 기술
– LLM 에이전트: 대출 심사(UW)와 이상거래·사기 탐지(FDS)를 LLM 에이전트가 자동화하고, 사람은 검증과 승인에 집중하게 하는 체계 구축

그래서 PFCT는 어디로 가고 있을까?

이제 PFCT가 어떤 회사인지 어느 정도 그려지시겠죠? 그런데 여기서 가장 중요한 사실은, 크플도 에어팩도 시작일 뿐이라는 거예요. 같은 기술로 풀 수 있는 문제가, 아직 지도 위에 잔뜩 남아 있거든요.

국내에는 여전히 제대로 평가받지 못하는 시장이 남아 있어요. 매출은 꾸준한데 심사에서 밀리는 소상공인, 국내 체류·소득 이력이 있는데도 신용 이력이 얇아 평가 자체가 안 되는 외국인 거주자처럼요. 그리고 이 문제는 한국만의 것이 아니에요. 인도네시아·베트남·호주처럼 같은 고민을 안은 해외 시장에도, PFCT는 이미 기술을 들고 나가고 있어요.

그러니 마지막 질문은 이거예요. 이 문제들 중 하나라도, 당신이 직접 풀어보고 싶은 게 있나요? 만약 있다면, 지금 열려 있는 PFCT의 포지션에서 당신의 자리를 찾아보세요!