earticle

영어

Digital transformation is reshaping the financial industry and redefining operational risk. Traditional static KRI systems face inherent limits—detection errors, weak predictive power, and data silos—that hinder proactive risk control. To address this, we propose PORM-F (Proactive Operational Risk Management Framework), which integrates anomaly detection, Explainable AI (XAI), and federated learning. PORM-F dynamically monitors time-series KRIs to detect latent risks early, ensures transparency and regulatory compliance via XAI, and enables secure cross-institution collaboration. We qualitatively compare three cases— P-COLD in China, Predict360 in the U.S., and OperationGPT in Korea—to highlight PORM-F’s advantages and feasibility. Finally, we outline regulator and industry roles in building a trustworthy AI ecosystem and propose a stepwise roadmap. This study thus provides comprehensive guidance for an AI-driven paradigm shift in operational risk management.

한국어

디지털 전환이 금융 산업의 구조를 빠르게 재편하며 운영리스크의 양상도 변화하고 있다. 전통적인 정적 KRI 기반 관리체계는 탐지 오류와 예측력 저하, 기관 간 데이터 단절 등의 문제로 선제적 리스크 대응을 어렵게 한다. 본 연구에서는 이상 탐지, 설명 가능한 AI(XAI), 연합학습 기반 협업 구조를 유기적으로 결합한 PORM-F(Proactive Operational Risk Management Framework)를 제안한다. PORM-F는 시계열 기반 동적 KRI 모니터링으로 잠재 리 스크를 조기에 식별하고, XAI 모듈을 통해 탐지 결과의 투명성과 규제 수용성을 확보하며, 민감 데이터 공유 없이도 기관 간 협업 학습을 가능케 함으로써 대응의 통합성과 실효성을 동시에 높인다. 중국 P-COLD, 미국 Predict360, 국내 운영GPT의 구현 사례를 질적 비교 분석하여 PORM-F가 갖는 전략적 우위와 실무 적용 가능성을 입증하고, 규제기관과 금융기관이 신뢰할 수 있는 AI 생태계 구축과 단계적 실행 방안을 모색하였다. 본 연구는 AI 기반 선제 적 운영리스크 관리의 개념 설계부터 정책·실무 로드맵 제시에 이르기까지 포괄적 지침을 제공함으로써 향후 운영리 스크 관리 패러다임 전환의 토대를 마련한다.