컴플라이언스 팀원에게 한 주 동안 어떤 업무에 시간을 가장 많이 쓰는지 물으면 답은 대체로 같습니다. 검토해 보면 문제가 없는 것으로 드러나는 알림을 처리하는 일입니다. 그러다 어느 시점이 되면 누군가 간단한 해결책을 제안합니다. 매칭 규칙을 더 엄격하게 만들고, 임계값을 높여 시스템이 알림을 더 선별적으로 생성하도록 하자는 것입니다.
하지만 이 방법은 제대로 효과를 내지 못합니다. 규칙을 강화하면 알림 수는 10%나 15% 정도 줄어들 수 있지만, 그중 불필요한 알림이 차지하는 비중은 전혀 달라지지 않습니다. 아무런 문제가 없는 95%가 조금 작아진 알림 집합에 그대로 적용될 뿐입니다. 팀은 여전히 업무에 파묻혀 있고, 그 깊이만 조금 얕아졌을 뿐입니다. 더구나 더 이상 생성되지 않는 알림 중에는 중요한 알림도 하나 있었지만, 문제가 발생하기 전까지는 그것이 무엇이었는지 알 수 없습니다.
오탐으로 인한 부담은 막대합니다. 업계에서 스크리닝 알림 중 오탐이 차지하는 비율은 85~95%에 달합니다. 이는 분석가가 수행하는 업무의 대부분이 실제 위험 발견으로 이어지지 않는다는 뜻입니다. 비용도 상당합니다. 한 기관이 애초에 아무런 문제도 없었을 알림을 처리하는 데 매년 수천만 달러를 지출할 수 있으며, 그 과정에서 담당 팀이 소진될 수 있습니다.
이 문제를 바라보는 관점을 바꾸는 핵심은 다음과 같습니다. 업무에 파묻히는 이유는 너무 많은 대상을 살펴보기 때문이 아닙니다. 대부분의 알림이 맥락을 고려하지 않은 이름 매칭 결과이기 때문이며, 민감도를 낮춰 이를 해결하려는 접근은 방향이 정반대입니다. 오탐은 양의 문제가 아니라 맥락의 문제입니다. 이렇게 바라보면 해결책은 “덜 살펴보기”에서 “더 정확하게 살펴보기”로 바뀝니다.
오탐이 이렇게 많은 이유
오탐은 우연히 운이 나빠서 발생하는 것이 아닙니다. 구체적이고 예측 가능한 몇 가지 원인에서 비롯되며, 대부분은 기존 스크리닝 시스템의 이름 매칭 방식과 관련이 있습니다.
이름을 목록과 대조하는 기능만 있는 시스템은 제재 대상자와 성이 같은 사람을 모두 찾아냅니다. Mohamed Ali라는 이름을 가진 다른 40명도 포함합니다. 하나의 이름을 열두 가지 방식으로 표기할 수 있으므로, 같은 이름의 여러 표기도 모두 포착합니다. 정보가 부족한 상태에서도 작동하기 때문에, 생년월일이나 국가 정보로 대상을 제외할 수 없는 상황에서 이름 일부만으로 사람을 표시합니다. 최근 검토 이력을 기억하지 못하므로 지난달에 이미 문제가 없다고 판단한 항목도 다시 표시합니다. 이는 오작동이 아닙니다. 사람이 몇 초 만에 매칭을 기각할 때 활용하는 맥락 없이, 시스템이 할 수 있는 유일한 기능인 문자열 매칭을 수행하는 것입니다.
바로 이것이 원인입니다. 시스템은 실제 일치와 우연한 일치를 구분할 수 없으므로, 이런 매칭 결과를 모두 표시하는 것이 시스템 입장에서는 맞는 동작입니다. 그리고 그 결과를 모두 팀에 넘겨 직접 구분하도록 합니다. 제재 목록, 정치적 주요 인물(PEP) 데이터베이스, 부정적 언론 보도 피드가 각각 매칭을 수행한다는 점을 고려하면 중복도 그만큼 늘어납니다. 아무런 문제가 없는 같은 고객이 세 곳에 동시에 나타날 수 있는 것입니다.
알림 피로의 실제 비용
이처럼 불필요한 알림이 초래하는 명백한 비용은 시간과 돈입니다. 구체적으로는 분석가가 투입하는 시간, 밀려드는 대기 건수를 감당하기 위해 추가로 채용해야 하는 인력, 그리고 정상 고객이 수백 건의 오탐 뒤에서 기다리는 동안 멈춰 버리는 온보딩 절차입니다. 이는 모두가 고려하는 부분이며, 컴플라이언스 운영의 가장 큰 문제로 늘 꼽힙니다. 수년에 걸쳐 구축한 팀에서 점차 이직을 유발하는 요인이기도 합니다.
불필요한 알림이 탐지에 미치는 영향은 대시보드에 나타나지 않습니다. 하루에 200번째 오탐을 처리하는 분석가의 상태는 첫 번째 오탐을 처리할 때와 다릅니다. 100건 중 99건은 문제가 없다고 종결하는 것이 맞기 때문에, 알림 종결이 반사적인 행동이 됩니다. 문제는 100번째 알림, 즉 실제 위험이 있는 알림입니다. 이 알림도 지친 상태에서 다른 알림과 똑같이 기각됩니다. 알림 피로는 단순히 팀의 업무 속도를 늦추는 데 그치지 않습니다. 점차 중요한 사항을 놓치는 습관을 들이게 하며, 이는 알림을 만든 목적과 정반대입니다.
튜닝의 함정
여기서 다시 간단해 보이는 해결책과 그것이 효과가 없는 이유로 돌아가게 됩니다. 알림이 많이 쌓이면 보통 규칙을 강화해 알림을 유발하는 항목을 줄이려 합니다. 문제는 조절할 수 있는 것이 하나뿐이라는 점입니다. 한쪽에는 오탐이 있고, 다른 쪽에는 일치 대상의 누락이 있습니다. 불필요한 알림을 크게 줄일 만큼 민감도를 낮추면 실제 일치 결과도 억제되기 시작합니다. 시스템이 더 정교해지는 것이 아니라, 단지 덜 민감해질 뿐이기 때문입니다.
임계값을 높이면 불필요한 알림이 사라지는 것이 아니라 탐지 사각지대로 바뀝니다. 업무 부담은 조금 줄어든 것처럼 느껴질 수 있지만, 동시에 눈에 띄지 않게 안전성도 낮아집니다. 규제를 받는 시스템에서 이는 최악의 조합 중 하나입니다. 이 논점은 “커버리지의 오류”에서 더 자세히 다뤘습니다. 시스템이 하는 일이 매칭뿐이라면 탐지 범위와 불필요한 알림은 같은 조절 장치에 의해 결정됩니다.
결국 튜닝으로 생긴 오탐 문제를 해소할 수 없다는 결론에 이르게 됩니다. 필요한 것은 시스템의 작동 방식 자체를 바꾸는 일입니다.
오탐은 맥락의 문제
사람이 오탐을 처리하는 모습을 보면 어떤 방식으로 판단하는지 알 수 있습니다. 많은 시간을 들이지 않습니다. 알림을 보고 생년월일이나 국가가 다른지, 검토 대상은 개인인데 매칭 결과는 기업인지, 지난주에 바로 그 이름을 이미 검토해 문제가 없다고 판단했는지, 또는 기사가 사실은 긍정적인 내용인지 등을 확인합니다. 맥락을 활용하면 몇 초 만에 문제가 없다는 사실을 알아냅니다.
이 모든 판단은 매칭 시스템이 가지고도 무시했던 맥락에 근거합니다. 생년월일과 주소 같은 보조 식별 정보, 관할권, 대상 간 관계, 이미 검토한 내용에 대한 기억 등 같은 맥락을 시스템에 제공하면 불필요한 알림이 사라집니다. 시스템도 분석가처럼 일치하지 않는 가능성을 배제할 수 있기 때문입니다.
이 점은 실무자들이 가장 크게 우려하는 부분을 해소해 줍니다. 이 접근법을 도입한다고 더 큰 위험을 감수하는 것은 아닙니다. 2025년 Federal Reserve 연구 논문은 제재 스크리닝 작업에서 맥락을 반영한 매칭과 기존 퍼지 매칭을 비교했습니다. 그 결과 맥락을 반영한 매칭은 오탐을 약 92% 줄이면서 탐지 건수를 약 11% 늘렸습니다. 불필요한 알림 감소와 실제 일치 결과 증가를 동시에 달성한 것입니다. 오탐이 줄면 누락은 늘 수밖에 없다는 통념은 단순한 매칭 방식의 한계이지, 자연법칙이 아닙니다. 이 사실은 프로젝트의 성격 전체를 바꿉니다. 목표는 검토해야 할 건수를 줄이는 것이 아닙니다. 시스템에 충분한 판단 능력을 부여해 명확한 사례는 스스로 처리하고, 사람은 어려운 사례만 다루도록 하는 것입니다.
불필요한 알림을 실제로 줄이는 방법
튜닝이 답이 아니라면 해결책은 무엇일까요? 실무에서 오탐을 줄이려면 시스템에 맥락과 기억을 제공해야 합니다. 핵심 조치는 다음과 같습니다.
- 이름 문자열만 대조하지 말고 보조 식별 정보로 신원을 확인합니다. 생년월일, 주소, 관할권, 별명이 아닌 전체 이름을 함께 대조해, 성이 같다는 이유만으로 일치 판정이 나지 않도록 합니다.
- 이름 하나를 목록과 대조하는 대신 관련 맥락을 활용합니다. 대상 간 관계와 주변 사실을 고려해, 실제로 일치할 가능성이 있는 결과와 단순한 우연의 일치를 시스템이 구분하도록 합니다.
- 명백히 위험이 없는 사례를 제거합니다. 긍정적인 뉴스, 분명히 관련이 없는 항목, 다른 대상을 잘못 매칭한 결과는 사람에게 검토를 넘기지 않고 자동으로 제외해야 합니다.
- 이미 검토한 내용을 기억하도록 합니다. 지속 모니터링은 이전 검토 주기에 문제가 없다고 판단한 사건에 다시 경고를 보내는 대신, 실제로 새롭게 발생한 변화를 식별해야 합니다. 매달 전체 고객군을 처음부터 다시 검토하는 것은 불필요한 알림의 주요 원인입니다.
- 중요도에 따라 순서를 정합니다. 위험과 심각도를 모두 반영해 알림 점수를 부여하면, 팀은 대기열의 임의적인 순서를 따르는 대신 실제 판단이 필요한 사례에 집중할 수 있습니다.
- 문제가 없다고 판단해 종결한 모든 건을 출처와 연결하고 기록합니다. 알림을 자동 종결한 경우 그 이유와 근거 자료를 남겨야 합니다. 이렇게 하면 기록의 감사 가능성이 낮아지는 것이 아니라 높아집니다.
이는 검토 대상을 줄이는 일이 아닙니다. 각 조치는 사람이 수작업으로 하던 판단을 시스템이 더 많이 맡도록 하는 것입니다. 전체 효과도 점진적인 수준에 머무르지 않습니다. 이러한 조치를 함께 적용하면 탐지망의 범위는 그대로 유지하면서, 수천 건이 쌓이던 대기열을 단 몇 건으로 줄일 수 있습니다.
불필요한 알림 감소와 절차 생략의 차이
컴플라이언스 담당자가 당연히 우려하는 것은 감독 검사입니다. 감독기관이 알림 수 감소를 충분히 면밀하게 살펴보지 않는다는 증거로 받아들이지는 않을까요? 적절히 관리한다면 실제로는 그 반대입니다.
감독기관은 수년간 단순한 업무량 증가보다 실효성을 강조해 왔습니다. FATF 기준이 지향하는 위험 기반 접근법은 가장 많은 알림을 만드는 것이 아니라, 위험이 가장 큰 영역에 노력을 집중하는 것을 뜻합니다. FCA는 대량의 알림을 생성하면서도 실제 탐지는 거의 하지 못하는 거래 모니터링 시스템을 여러 차례 비판했습니다. OFAC 같은 집행기관이 기업에 제재금을 부과하는 이유는 비효율적인 스크리닝이나 마땅히 탐지했어야 할 대상을 놓친 데 있지, 미처리 알림이 없다는 데 있지 않습니다. 불필요한 알림을 줄이면서 탐지율을 높이고 모든 종결 판단과 근거를 기록하는 프로그램은, 수십만 건의 오탐 속에 실제 위험이 묻히는 프로그램보다 정당성을 입증하기 쉽습니다. 검사 담당자가 보고 싶어 하는 것은 건수가 적더라도 품질이 높고 각각에 명확한 설명이 붙은 알림입니다. 핵심은 감사 추적 기록입니다. 판단 이유와 근거 자료의 참조 정보가 문서화된 종결은 정당성을 입증할 수 있는 결정입니다. 반면 기록 없이 억제된 알림은 언젠가 누군가가 설명해야 할 공백일 뿐입니다.
핵심 수치 파악
측정하지 않는 것은 관리할 수 없으므로, 변경 전후의 상황을 수치로 파악하는 것이 중요합니다. 전체 알림 중 실제 위험으로 확인된 비율인 정탐률, 알림 대비 조사 비율, 알림 한 건에 팀이 쓰는 평균 시간을 기록합니다. 알림의 90% 넘게 오탐으로 종결되고 건당 처리에 몇 분씩 걸린다면, 집중해야 할 것은 바로 이 수치입니다. 이 수치의 감소를 통해 프로그램의 활동량이 단순히 줄어든 것이 아니라 성과가 개선되었음을 보여 줄 수 있습니다. 목표는 알림을 0건으로 만드는 것이 아닙니다. 시스템을 꺼 버리면 그것은 쉽게 달성할 수 있습니다. 목표는 유입되는 항목 대부분이 실제로 사람의 검토를 필요로 하는 대기열입니다. 건전한 대기열은 비어 있는 대기열이 아닙니다. 규모가 작고 대부분의 알림이 정확해야 합니다. 이렇게 되면 가장 역량 있는 인력이 불필요한 알림 처리에서 벗어나, 본래 채용 목적에 맞는 업무를 수행하기 시작합니다.
더 적은 검토보다 더 정확한 검토
오탐의 함정을 피하는 팀은 알림을 덜 살펴보는 방식으로 이를 달성하지 않습니다. 시스템에 필요한 맥락을 제공해 불필요한 알림을 스스로 제거하도록 하고, 사람은 소수의 실제 위험 사례에 집중하도록 합니다. 불필요한 알림을 제거하는 궁극적인 목적은 팀의 역할을 알림 처리에서 위험 조사로 바꾸는 것입니다.
Beady는 이러한 방식으로 설계되었습니다. 단순한 임계값에 의존하는 대신, 동일 대상 식별과 맥락을 활용해 다른 사람을 매칭한 결과, 오래된 정보에 대한 반복 알림, 긍정적인 뉴스, 중복 항목 등 불필요한 알림의 약 95%를 팀에 전달되기 전에 제거합니다. 그 결과 실제 검토할 가치가 있는 신호만 간결한 목록으로 제공됩니다. 각 신호는 원출처와 연결되어 있어 팀이 직접 확인할 수 있고, 감사 담당자도 해당 신호가 생성되거나 종결된 이유를 정확히 파악할 수 있습니다. 모든 부정적 언론 보도, 제재 기록, 법적 기록을 한곳에 모아 근거 자료를 유지하면서 불필요한 알림을 줄입니다.
현재 발생하는 알림 중 불필요한 알림이 얼마나 되는지 확인하려면 데모를 예약해 주십시오. 실제 스크리닝 결과를 바탕으로 분석해 드립니다.
