AI 이상 거래 탐지 기술: 사람이 CCTV를 지켜보는 것보다 신뢰할 수 있을까

많은 매장 사장님들의 손실 방지 수단은 여전히 "CCTV 몇 대 설치하고 시간 날 때 녹화 영상을 확인하는" 수준에 머물러 있습니다. CCTV는 분명 유용합니다. 계산 직원의 명백한 위반 행위를 확인할 수 있으니까요. 하지만 여기에는 태생적인 한계가 있습니다. CCTV가 보는 것은 '현장 행동'이지 '데이터 이상'이 아니라는 점입니다. 어떤 손실은 육안으로 식별 가능한 수상한 동작으로 나타나지 않고, 거래 데이터의 세부 항목 속에 숨어 있습니다. 대표적인 예를 몇 가지 들어보겠습니다. 계산 직원이 지인에게 몰래 할인을 해 주거나, "시스템 오류" 같은 핑계로 소액 환불을 반복 처리한 뒤 현금을 빼돌리는 경우가 있습니다. 이런 행위는 CCTV 화면상으로는 정상적인 결제 처리와 큰 차이가 없어 보여서, 사람이 영상을 되돌려 본다고 해도 발견하기 어렵습니다. 이런 문제를 식별하려면 거래 데이터 자체에서 접근해야 합니다. 예를 들어 특정 직원의 환불률이 다른 동료의 평균보다 뚜렷하게 높은 경우, 사유 없는 할인이 특정 시간대나 특정 인물에게 비정상적으로 집중되는 경우, 건당 환불 금액이 상급자 승인이 필요한 기준선 바로 아래에서 반복되는 경우(이른바 승인을 피하기 위한 '주문 쪼개기'), 퇴근 시간 이후에도 비정상적인 결제 조작 기록이 남는 경우 등입니다. 이러한 패턴은 규칙 엔진과 통계적 이상 탐지를 결합해 자동으로 표시할 수 있습니다. 시스템은 과거의 정상 거래 분포를 학습해 두고, 특정 거래 혹은 거래 유형이 이 범위에서 뚜렷하게 벗어나면 자동으로 경고를 생성해 점장이 검토하도록 합니다. 수천 건의 거래 내역을 사람이 감으로 뒤지는 방식은 필요하지 않습니다. 다만 분명히 짚어야 할 점은, AI 이상 거래 탐지가 CCTV를 대체하려는 것이 아니라 CCTV가 보지 못하는 위험을 보완하기 위한 것이라는 사실입니다. CCTV는 '현장 행동이 규정에 부합하는가'를 확인하고, AI 거래 분석은 '데이터 차원에서 이상 패턴이 존재하는가'를 확인합니다. 두 수단이 주목하는 차원이 다르기 때문에, 이 둘을 결합해야 손실 방지 시나리오를 보다 온전하게 커버할 수 있습니다. 예를 들어 시스템이 의심스러운 환불 건을 표시하면, 점장은 해당 시점의 CCTV 영상을 확인해 교차 검증할 수 있습니다. 이는 어느 한 가지 수단에만 의존하는 것보다 훨씬 신뢰할 수 있는 방식입니다.