스웨덴금융·보험2026 – 진행 중트러스틀리
결제 사기 탐지를 위한 은행 거래 내역 분류
트러스틀리는 생성형 AI로 사기 탐지 오탐을 43% 줄였다
문제
트러스틀리는 방대한 은행 데이터에서 정상 결제와 사기를 구분해야 했다. 탐지 모델에는 계좌 활동에 관한 더 나은 정보가 필요했다.
접근 방식
트러스틀리는 Amazon SageMaker로 자체 사기 탐지 모델을 만들었다. Trustly Insight 기능에서 Amazon Bedrock을 추가해 이 모델에 쓸 은행 거래 내역을 분류했다. 이 시스템은 미국 결제 사업에서 운영됐다.
주요 수치
43%생성형 AI로 새로운 사기 패턴을 파악해 달성한 오탐 감소폭, AWS 기준
시사점
트러스틀리는 기존 사기 탐지 모델에 들어가는 정보를 개선해 결제 판단에서 오탐을 줄였다.
분류
- 규모
- 중견·성장기업
- 산업
- 금융·보험
- 경영 기능
- 재무·리스크·법무
- 혁신 유형
- 프로세스 혁신
- 도입 방식
- 플랫폼·범용 도구 활용
- 근거
- 공급사 사례
출처
출처 요약
[1]Amazon Web Services2026년 8월 25일
AWS는 트러스틀리의 사기 탐지 모델을 뒷받침하는 생성형 AI 분류 방식을 소개했다. 오탐이 43% 줄어든 것은 생성형 AI가 새로운 사기 패턴을 파악한 덕분이라고 밝혔다. 페이지에는 날짜가 없으며, 인터넷 아카이브가 2026년 8월 25일에 처음 저장했다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일
