본 논문은 P2P 대출 플랫폼에서 발생하는 정보 비대칭 문제를 해결하기 위해 BERT를 활용한 신용 위험 평가 모델을 제시합니다. 대출자의 대출 설명을 BERT로 분석하여 위험 점수를 생성하고, 이를 기존 XGBoost 기반 신용 평가 모델에 추가적인 특징으로 통합합니다. Lending Club 데이터셋을 사용하여 실험한 결과, 균형 정확도와 AUC가 향상되었으며, BERT 점수가 기존 변수들의 활용 방식에 영향을 미치는 것을 확인했습니다. 특히, 대출 목적에 따라 BERT 점수의 영향이 다르게 나타났습니다. 이는 BERT가 대출 설명에서 차용자 특징, 대출 목적, 언어적 특성 등 의미있는 패턴을 파악함을 시사합니다. 하지만, LLM의 불투명성과 잠재적 편향성에 대한 문제점도 지적하며, 투명성 확보 및 규제 준수를 위한 노력의 필요성을 강조합니다.
