기관들이 이미 운영 중인 인프라 위에서, 국가적 규모의 실질적인 보호를 실현합니다.
부정 수급과 부적절한 지급으로 인해 매년 수천억 달러의 연방 지원금 예산이 낭비되고 있으며, 이는 메디케어(Medicare), 메디케이드(Medicaid), 재난 구호, 학자금 지원, 식품 지원, 실업 보험 등 수많은 공공 프로그램에 영향을 미치고 있습니다. 미국 회계감사원(GAO)은 연간 연방 부정 수급 피해액을 2,330억 달러에서 5,210억 달러 사이로 추정하며, 2025 회계연도 한 해에만 약 1,860억 달러의 부적절한 지급이 보고되었습니다.
이는 감독의 소홀 때문이 아닙니다. 현실적인 딜레마가 낳은 결과입니다. 이러한 지원 프로그램은 대규모의 지원을 신속하게 제공하도록 설계되었습니다. 이처럼 막대한 규모에서는 자금이 지급되기 전에 모든 거래를 철저히 심사하는 것이 실제로 지원이 필요한 사람들에게 전달되는 시간을 지연시키지 않고서는 거의 불가능합니다. 따라서 전통적으로 탐지는 사후에 이루어지는 "선지급 후추적(pay and chase)" 모델을 따랐습니다. 하지만 일단 부정 지급이 발생하면 자금을 회수하는 과정은 느리고 비용이 많이 들며 성공하는 경우도 드뭅니다. 실시간 부정 수급 차단이 그토록 중요한 이유가 바로 여기에 있습니다. 사기범들은 페이퍼 컴퍼니, 명의 도용, 허위 청구 등을 통해 바로 이 허점을 악용하며, 수법이 차단되는 즉시 새로운 전술로 전환합니다.
다행히도 이제 기관들은 신속한 지원과 더 나은 의사 결정 사이에서 고민할 필요가 없습니다. AI, 실시간 분석의 발전, 그리고 더 완전한 데이터에 대한 접근성 덕분에 지원금 지급 속도를 늦추지 않고도 거래가 발생하는 즉시 평가할 수 있게 되었습니다. 사후 조사에 주로 의존하는 대신, 기관들은 지능형 위험 평가(risk scoring), 개체 식별(entity resolution), 행동 분석, 머신러닝을 활용하여 자금이 지급되기 전에 의심스러운 활동을 식별할 수 있습니다. Databricks는 이러한 시스템을 구축하고 운영할 수 있는 데이터 및 AI 플랫폼을 제공하여, 기관들이 실시간으로 더 빠르고 정확한 의사 결정을 내리는 동시에 실제 수혜자들에게 불필요한 지연 없이 중요한 지원을 제공할 수 있도록 돕습니다.
Databricks는 실시간 부정 탐지 분야에 대해 매우 잘 알고 있습니다. 저희는 은행, 보험사, 온라인 소매업체를 위한 부정 탐지 시스템을 구축하여 정상적인 거래는 신속하게 처리하면서도 부정 거래는 실시간으로 평가하고 차단해 왔습니다. 이러한 시스템은 매년 수십억 건의 거래를 일상적으로 평가하며, 대개 불과 수십 밀리초(ms) 만에 의사 결정을 내립니다. 승인되기 전에 의심스러운 결제가 차단되었다는 문자 메시지를 받아보신 적이 있다 면, 이미 이 기술의 작동 과정을 경험하신 것입니다.
동일한 기술을 연방 정부 지원금 보호에도 적용할 수 있습니다. 청구서가 제출되는 즉시 위험도를 평가하고, 단 1달러라도 지급되기 전에 보류할 수 있습니다.
가장 효과적인 시스템은 단순한 단계부터 정교한 단계까지 다층적으로 구성됩니다.
단일 플랫폼에서 실행되므로, 이러한 계층들은 서로 단절된 도구로 작동하는 대신 상호 보완하며 시너지를 냅니다.
룰 엔진 출력, 개체 식별(entity resolution), 그래프 분석 시각화: 단일 제공업체를 6개의 개별 기관 데이터 세트에 매핑하여 부정 행위 경보를 유발하는 기관 간 연결 고리를 보여줍니다. 여러 기관의 데이터를 통합함으로써 단일 기관에서는 파악할 수 없는 숨겨진 수법을 드러낼 수 있습니다. 표시된 모든 이름, 기관 및 수치는 데모용 가상 데이터입니다.
오늘날 U.S. 연방 행정 부처의 80% 이상이 이미 Databricks를 사용하고 있으므로, 까다로운 데이터 엔지니어링 작업은 이미 완료되어 있는 경우가 많습니다.
하지만 플랫폼 선택이 중요한 더 근본적인 이유는 부정 행위의 특성상 기관의 경계가 없기 때문입니다. 동일한 악성 행위자가 다른 기관이나 심지어 동일한 기관 내의 다른 프로그램에 접근할 때 처음 신청하는 위험도가 낮은 신청자처럼 보일 수 있습니다. 사기범들은 이미 여러 프로그램을 유연하게 넘나들며 활동하는 반면, 이들을 추적하는 기관들은 서로 단절된 사일로(silo)에 갇혀 있습니다.
단일 기관에서 모델을 개선하는 것만으로는 부분적인 해결책에 불과합니다. 가장 단순한 규칙부터 가장 고도화된 신경망에 이르기까지, 탐지 시스템의 모든 계층은 학습하는 데이터의 품질과 양에 비례하여 정교해집니다. 각 기관이 전체 활동 중 자신의 영역만 보게 된다면, 모든 계층은 불완전한 그림을 바탕으로 작동할 수밖에 없습니다.
기관 간 정보 공유는 이러한 공백을 메워줍니다. 모든 기관이 실시간으로 부정 행위 신호를 공유함으로써 규칙을 정교화하고, 모델을 고도화하며, 탐지율을 높일 수 있습니다. 더 많은 기관이 참여할수록 전체 시스템은 더욱 스마트해지며, 단일 기관으로서는 포착할 수 없었던 수법을 잡아낼 수 있게 됩니다.
Databricks는 데이터 프라이버시나 소유권을 침해하지 않으면서 바로 이러한 방식의 공유를 지원하도록 설계되었습니다. OpenSharing은 데이터를 복사하지 않고도 실시간 데이터를 교환하며, 데이터 마스킹을 통해 분석적 가치를 유지하면서도 개인정보를 보호합니다. 또한 Clean Rooms를 통해 기관들은 서로 원시 데이터를 노출하지 않고도 철저한 거버넌스 및 액세스 제어 하에 보호된 레코드에 대해 협업할 수 있습니다.
데이터를 복사하지 않고도 기관 간에 실시간으로 이동하는 모습입니다. OpenSharing과 Clean Rooms를 통해 각 기관은 철저한 거버넌스 하에 원시 데이터를 보호하면서도 공동 부정 조사에 레코드를 제공할 수 있습니다.
탐지는 조치로 이어질 때만 의미가 있습니다. 통합 플랫폼에서는 악성 행위자를 플래그하는 동일한 시스템이 후속 대응까지 지원할 수 있습니다. 의심스러운 지급을 보류하고, 확인된 사기범을 지급 금지(Do Not Pay) 목록에 추가하며, 각 위반 사항을 관련 법령에 매핑한 기소용 증거 패키지, AI 요약본, 디지털 서명된 감사 추적 기록을 구성할 수 있습니다. 어떠한 조치가 취해지기 전에 사람이 직접 플래그된 사례를 확인하는 Human-in-the-loop 방식이 유지됩니다.
모든 위반 사항이 특정 법률에 연계되고 암호화 서명된 이력으로 검증된, 재판에 바로 사용할 수 있는 증거 파일의 즉각적인 생성 화면입니다. 송치 패키지 작성을 자동화함으로써 조사관들은 수동 문서 작업 대신 법 집행에 집중할 수 있습니다.
모든 의사 결정은 사람의 감독 하에 유지됩니다. 지정된 담당자가 공식 승인을 한 후에만 송치 건이 취합 및 전송되며, 각 단계는 영구적인 감사 이력에 기록됩니다.
Databricks를 통해 과거에는 불가능했던 일이 이제 대규모 환경에서 입증되었습니다. 연간 1,600억 건의 카드 결제를 심사하고 각 결제의 부정 여부를 밀리초 단위로 평가하는 동일한 기술을, 기관들이 이미 보유한 데이터 및 AI 플랫폼을 활용하여 연방 정부 지원금에도 적용할 수 있습니다. 부정 수급은 발생하는 즉시 차단되고, 정당한 지원은 계속 원활하 게 제공되며, 마침내 국가적 규모에서 실시간 보호가 작동하게 됩니다. 이는 먼 미래의 기술이 아닙니다. 지금 바로 도입할 준비가 되어 있습니다.
Databricks가 정부 기관의 실시간 부정 탐지 및 차단을 어떻게 지원하는지 확인해 보세요. 공공 부문 솔루션과 실시간 부정 탐지 솔루션 액셀러레이터(Solution Accelerator)를 살펴보거나, 저희 팀에 문의하여 파일럿 프로젝트 범위를 논의해 보세요.
(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)
블로그를 구독하고 최신 게시물을 이메일로 받아보세요.