Hero FinCorp, AI 맥락 중심으로 대출 구조 재편 — 6개월 만에 신용 비용 15% 감소

인도 PIN 코드의 96% 이상 지역에서 1,300만 명 이상의 고객에게 서비스를 제공하는 Hero 그룹의 비은행 대출 기관 Hero FinCorp는 고객 소싱, 심사, 온보딩, 포트폴리오 모니터링, 서비스, 추심 등 신용 생애주기 전반에 걸친 AI 주도 대출 아키텍처인 프로젝트 드루브 타라(Project Dhruv Tara)를 구축했다. 이 프로젝트가 겨냥한 문제는 다음과 같다. 신용평가사 점수, 상환 이력, 서류를 바탕으로 한 대출 결정은 전체 이야기의 일부만 전달하며, 특히 공식 신용 이력이 부족한 고객의 경우 서류상으로는 실제 위험이 과소평가된다.

이 아키텍처는 단일 점수 관점을 맥락으로 대체한다. 클라우드 데이터 레이크는 신용평가사 및 상환 데이터를 은행 신호, GST 데이터, 계좌 집계 기관 입력, 인구통계, 자산 특성, 지리 정보와 결합한다. 100개 이상의 미시 시장 데이터 포인트와 40개 이상의 API를 통해 대출 기관은 지역 소득 행태부터 자산 규범에 이르기까지 PIN 코드 수준에서 패턴을 읽을 수 있다. 15개의 동적 위험 및 추심 모델이 상환 능력, 안정성, 의도를 점수화하고 예측 추심을 주도하여 모든 차주를 동일하게 대우하는 대신 더 이른 시점에 더 적절하게 개입한다.

회사가 보고한 운영 결과는 다음과 같다. 신용 비용은 2026 회계연도 하반기에 상반기 대비 15% 감소했고, 총 부실채권(NPA)은 같은 기간 약 20% 개선되었다. AI는 최전선에도 진입했다. 챗봇, IVR, 자동화 워크플로, AI 기반 이메일이 이제 고객 문의의 거의 60%를 처리하여 분기마다 40만 분 이상의 인적 시간을 절약하며, 한 온보딩 과정은 90개 필드에서 3개로 축소되었다.

최고운영책임자(COO) 프리야 카시압(Priya Kashyap)은 이 원칙을 다음과 같이 설명한다. 금융 서비스에서 AI의 진정한 가치는 속도만이 아니라 더 나은 의사결정, 즉 개선된 위험 선택, 조기 스트레스 감지, 고객 마찰 감소에 있다. 모델이 대규모로 패턴을 처리하는 동안 인간 팀은 맥락적 판단, 거버넌스, 책임을 유지한다.

2026 회계연도 하반기에 상반기 대비 신용 비용 15% 감소, GNPA 약 20% 개선. AI가 문의의 약 60%를 처리하여 분기당 40만 인적 분 절약. 온보딩이 90개 필드에서 3개로 축소.

신용 이력이 부족한 차주는 데이터 부재를 기준으로 가격이 책정되었으나, 미시 시장 맥락이 신용평가사 파일에 없던 신호를 복원했다.

획일적 추심은 모든 연체 차주를 동일하게 대우했으나, 예측 모델은 행태에 따라 개입 시점과 대상을 정한다.

이 구축은 기존 프로세스 옆에 AI 도구를 추가하는 것이 아니라 지능을 의사결정 경로 자체에 넣었다.

모두가 동일한 신용평가사 파일로 심사할 때, 우위는 같은 점수를 다시 들여다보는 것이 아니라 맥락, 즉 차주가 사는 곳, 지역 소득이 어떻게 움직이는지로 이동한다.

수치는 회사가 보고한 것이며, 자료에는 독립적 감사가 없다. 제시된 다음 단계는 대출 생애주기 전반에 걸친 더 깊은 맥락, 즉 더 이른 위험 식별을 위한 더 풍부한 신호, 고객 마찰 감소, 개인화된 참여이며, 책임이 중요한 결정에는 인간의 판단을 유지한다.