초과 담보의 종말: AI 기반 신용 점수가 DeFi의 자본 효율성 문제를 해결하는 방법

은행에 가서 $ 100 를 빌리기 위해 $ 150 의 현금을 먼저 맡겨야 하고 — 그리고 그 돈을 대출 기간 내내 묶어두어야 한다는 말을 들었다고 상상해 보십시오. 아마 바로 나갔을 것입니다. 하지만 이것이 바로 탈중앙화 금융 (DeFi) 이 시작된 이래로 운영되어 온 방식입니다. DeFi 의 과담보 모델은 프로토콜을 채무 불이행으로부터 보호해 왔지만, 수십억 달러의 잠재적 대출자를 차단하고 수조 달러의 자본을 유휴 상태로 묶어두었습니다. 이제 그 공식이 바뀌고 있습니다. 금융 역사상 가장 풍부한 행동 데이터 세트인 퍼블릭 블록체인을 기반으로 하는 AI 기반 신용 점수는 저담보 DeFi 대출을 미래의 약속이 아닌 실질적인 현실로 만들기 시작했습니다.

DeFi 의 담보 요건이 기능이자 결함인 이유

DeFi 과담보의 논리는 타당합니다. 대출자의 신원, 소득 또는 신용 기록을 확인할 수 없는 경우 대출금보다 가치가 높은 담보를 요구합니다. Aave, Compound 및 MakerDAO 는 종종 130 % 에서 200 % 사이의 담보 비율로 이 모델을 개척했습니다 — 즉, 대출자는 빌린 $ 1.00 당 $ 1.50 이상을 예치해야 합니다.

이 설계는 신뢰 문제를 우아하게 해결했습니다. KYC 도, 신용 조회도, 법적 강제력도 필요 없으며 수학적 원리만 존재합니다. 가격이 하락하면 프로토콜은 자동으로 담보를 청산합니다. 이 모델은 여러 차례의 시장 폭락 속에서도 견고함을 입증하며, DeFi 에 신뢰가 필요 없는 보안이라는 명성을 안겨주었습니다.

하지만 DeFi 를 안전하게 만드는 바로 그 기능이 신용이 우수한 참가자들에게는 경제적으로 불합리합니다. 5 년간의 깨끗한 실적과 검증 가능한 온체인 기록을 보유한 헤지 펀드도 익명의 첫 지갑 사용자만큼이나 150 % 의 담보 장벽에 직면합니다. 생산적으로 배치될 수 있는 자본이 대신 과담보로 동결됩니다. 추정치에 따르면, 자격이 있는 대출자에 대한 담보 요건을 제거하거나 줄이면 DeFi 프로토콜 전반에 걸쳐 수천억 달러의 자본 효율성을 실현할 수 있습니다 — 이는 현재 대출 보호가 필요하지 않은 사람들의 대출을 보증하면서 아무런 수익도 내지 못하고 있는 자본입니다.

아이러니하게도 금융 포용을 전제로 구축된 DeFi 가 금융권에서 가장 자본 배타적인 대출 환경 중 하나를 구축하게 된 것입니다.

FICO 에서 MACRO 까지: 블록체인에 신용 기록 구축하기

FICO 와 같은 전통적인 신용 점수는 수년간의 지불 이력, 미결제 잔액, 신용 조합 및 계좌 개설 기간을 집계하여 세 자리 숫자를 산출합니다. 이 시스템은 작동하지만, 중앙 집중식 보관 기관, 신원 확인 및 법적 프레임워크가 필요합니다. 또한 전 세계적으로 신용 기록이 전혀 없는 약 14 억 명의 금융 소외 계층을 배제합니다.

온체인 신용 점수는 다른 접근 방식을 취합니다. 지갑이 수행한 모든 트랜잭션은 공개적으로 표시되고 불변하며 타임스탬프가 찍힙니다. 분석가에게 지갑의 기록은 어떤 신용 기관 보고서보다 더 많은 것을 보여줍니다. 대출금이 상환된 시기, 담보가 청산된 적이 있는지, 시장 폭락 시 지갑이 어떻게 행동했는지, 그리고 수년간 어떤 프로토콜과 상호 작용했는지 정확히 확인할 수 있습니다.

Spectral Finance 는 이러한 통찰력을 점수 제품으로 공식화한 최초의 기업 중 하나였습니다. 이 회사의 MACRO Score (Multi-Asset Credit Risk Oracle) 는 온체인 행동을 주택 담보 대출을 신청해 본 사람이라면 누구나 익숙한 300 ~ 850 점 척도로 매핑합니다. 이 점수는 지불 이력, 청산 이력, 미결제 및 상환 금액, 프로토콜 간 신용 조합, 온체인 신용 기록 기간의 다섯 가지 핵심 범주를 포함합니다. FICO 와의 유사성은 의도된 것입니다 — 목표는 DeFi 프로토콜과 궁극적으로 기관 대출 기관이 모두 이해할 수 있는 신용 언어를 만드는 것입니다.

RociFi 는 보완적인 경로를 택하여 지갑이 프로토콜 간에 소지할 수 있는 온체인 신용 증명서로 대체 불가능한 토큰 (NFT) 을 사용했습니다. 이전의 X-Margin 인 Credora 는 영지식 증명 (Zero-Knowledge Proofs) 을 사용하여 기본 포트폴리오 데이터를 공개하지 않고 대출자의 신용도를 평가함으로써 기관 영역으로 더 깊이 들어갔습니다 — 이는 포지션 노출을 꺼리는 헤지 펀드와 트레이딩 회사에 중요한 혁신입니다.

저담보 대출이 가능하다는 것을 증명하는 프로토콜들

이론보다는 실적이 중요하며, 이제 DeFi 는 저담보 대출 분야에서 유의미한 판단을 내릴 수 있을 만큼 충분한 역사를 가지고 있습니다.

TrueFi 는 2020 년 이후 $ 17 억 이상의 대출을 실행했습니다. 누적 채무 불이행률은 1 % ~ 4 % 로, 전통 금융의 하위 등급 고수익 채권과 비슷한 수준입니다 — 기본적으로 신용 인프라 없이 시작한 프로토콜치고는 나쁘지 않은 수치입니다. TrueFi 의 모델은 순수 알고리즘 점수보다는 DAO 승인 대출자 화이트리스트와 풀 관리자의 전문성에 의존하며, 이는 순수 온체인 자동화보다 더 내구성이 있음을 입증한 하이브리드 접근 방식입니다.

Maple Finance 는 2022 년 Three Arrows Capital 의 붕괴 및 광범위한 암호화폐 신용 위기와 관련하여 $ 5,400 만 규모의 고통스러운 채무 불이행 사태를 겪었습니다. 프로토콜은 리스크 관리 프레임워크를 전면 개편하고 대출자에 대한 투명성 요구 사항을 강화하는 방식으로 대응했습니다. 2024 년까지 Maple 은 TVL 이 16 배 확장되는 기록을 세웠는데 — 이는 리스크 인프라가 신뢰할 수 있을 때 기관 대출 기관이 온체인으로 이동할 것임을 보여주는 DeFi 의 가장 인상적인 회복 사례 중 하나입니다.

Goldfinch 는 다른 가설을 추구했습니다. DeFi 에 접근할 수 없는 신흥 시장의 실물 비즈니스에 신용을 제공하는 것이었습니다. 그 결과는 엇갈렸습니다 — 프로토콜은 약 $ 1,800 만 의 손실을 초래한 세 번의 채무 불이행을 기록했지만, 12 개 이상의 대출을 성공적으로 상환하기도 했습니다. Goldfinch 의 과제는 핵심적인 한계를 부각시킵니다. 온체인 신용 기록은 전적으로 오프체인에서 운영되는 비즈니스를 평가할 수 없다는 점입니다. 이 두 세계를 연결하는 것은 여전히 해결되지 않은 문제입니다.

Clearpool 은 DeFi 의 개방형 유동성 풀과 Credora 와의 통합을 통한 기관급 신용 평가를 결합하여 기관용 무담보 대출 시장을 개척했습니다. 최근 PayFi 금고, USDX 재무부 상품 및 토큰화된 신용 인프라로의 확장은 Clearpool 을 전통 금융 (TradFi) 신용과 DeFi 레일 간의 융합을 노리는 야심 찬 프로젝트 중 하나로 자리매김하게 했습니다.

AI가 방정식을 바꾸는 지점

위의 프로토콜들은 모두 주로 신용 위원회, 풀 매니저, 거버넌스 투표와 같은 인간의 판단에 의존합니다. 이들은 150% 의 담보를 요구하지 않고 신용을 제공한다는 점에서 과소 담보 (under-collateralized) 방식이지만, 신용 평가 프로세스는 여전히 느리고 주관적이며 복잡한 화이트리스트 절차를 통과할 수 있는 차입자로 제한됩니다.

AI는 진정으로 새로운 가능성을 제시합니다. 바로 대규모의 자동화된 실시간 신용 평가입니다.

온체인 AI 신용 모델이 활용할 수 있는 데이터는 전통적인 기준에서 볼 때 매우 놀랍습니다. 모델은 지갑이 모든 프로토콜에서 수행한 모든 트랜잭션, 연체 없이 제때 이루어진 상환 기록, 모든 청산 이벤트, 거버넌스 메커니즘과의 상호작용, 스테이킹 패턴 및 오라클 쿼리를 분석할 수 있습니다. 대출 담당자가 파악하는 데 수개월이 걸릴 행동 신호들을 단 몇 밀리초 만에 확인할 수 있습니다.

Kava와 같은 플랫폼은 이미 DeFi 대출을 위해 온체인 행동 분석과 동적 리스크 가격 책정을 결합한 AI 신용 점수 시스템을 도입하고 있습니다. 그 비전은 전통적인 신용 인수 (underwriting) 가 할 수 없는 일을 해내는 모델입니다. 즉, 리스크를 실시간으로 평가하고, 온체인 행동의 변화에 따라 점수를 동적으로 업데이트하며, 현재 과담보 프로토콜에서 제외된 차입자들에게 대출을 제공할 수 있을 만큼 정확하게 가격을 책정하는 것입니다.

또한 AI는 더 정교한 동적 담보화를 가능하게 합니다. 고정된 150% 비율 대신, AI 기반 프로토콜은 실시간 시장 상황, 차입자의 이력 및 포트폴리오 상관관계 리스크에 따라 담보 요건을 조정할 수 있습니다. 변동성이 낮은 시장 환경에서 5년간 깨끗한 상환 이력을 가진 지갑이 보유한 Aave 포지션은 105% 의 담보만 필요할 수 있는 반면, 변동성이 높은 시기에 대출을 받는 새로운 지갑은 175% 가 필요할 수 있습니다. 리스크는 일률적인 방식이 아닌 동적인 방식으로 관리됩니다.

어느 쪽도 충분히 이야기하지 않는 법적 장애물

과소 담보 AI 대출은 가장 큰 제약이 될 수 있는 규제적 도전에 직면해 있으며, 이는 대부분의 DeFi 논평가들이 집중하는 부분과는 다릅니다.

2026년 8월 2일에 고위험 AI 시스템에 대한 가장 중요한 조항이 발효되는 EU AI 법 (EU AI Act) 은 신용 점수 산정에 사용되는 AI 시스템을 '고위험' 으로 명시적으로 분류합니다. 이 법에 따라 이러한 시스템은 설명 가능성 (explainability) 을 제공해야 합니다. 즉, AI는 블랙박스 프로세스를 통해 단순히 신용 신청을 거부하거나 승인해서는 안 됩니다. 차입자는 신용 결정에 대해 평이한 언어로 된 설명을 들어야 합니다.

이 요구 사항은 딥러닝 모델의 통계적 특성과 근본적인 대립을 일으킵니다. 가장 정확한 신용 점수 모델은 종종 가장 해석하기 어렵습니다. 점수를 산출하기 위해 200개의 온체인 변수를 가중치로 두는 그래디언트 부스팅 (gradient boosting) 모델은 단순한 로지스틱 회귀 모델보다 성능이 뛰어날 수 있지만, 왜 특정 지갑이 680점이 아닌 620점을 받았는지 평이한 언어로 설명하는 것은 정말 어려운 일입니다.

미국에서도 신용 기회 균등법 (ECOA) 이 유사한 의무를 부과합니다. 부정적인 신용 결정에는 구체적인 설명 이유가 수반되어야 합니다. 표면적으로 탈중앙화된 프로토콜을 통해서라도 미국 관련 차입자에게 서비스를 제공하는 모든 AI 대출 시스템은 이러한 요구 사항을 준수해야 합니다.

아이러니하게도 블록체인의 극단적인 투명성이 여기서 자산이 될 수 있습니다. 온체인 신용 점수의 모든 입력 변수는 그 자체로 공개 감사가 가능합니다. 프로토콜은 특정 트랜잭션, 특정 상환 이벤트 및 특정 청산을 신용 결정의 사실적 근거로 제시할 수 있으며, 이는 전통적인 신용 조사 기관이 필적할 수 없는 수준의 문서화입니다. 규제 당국이 이 논리를 수용할지는 지켜봐야 하겠지만, 규제 준수를 위한 기반은 겉보기보다 더 탄탄합니다.

진정한 AI 신용 점수가 주류가 되기 위해 필요한 것

AI 기반의 과소 담보 대출이 유의미한 규모를 달성하기 위해서는 몇 가지 기술적 및 제도적 전제 조건이 남아 있습니다.

크로스체인 신용 이력 통합. 차입자의 신용 이력은 Ethereum, Solana, Sui, Aptos, BNB Chain 및 수십 개의 레이어 2 네트워크에 파편화되어 있습니다. 지갑의 Ethereum 이력만 확인하는 신용 점수는 전체 그림의 절반을 놓치게 됩니다. 탈중앙화 식별자 (DID), 소울바운드 토큰 (SBT) 또는 영지식 증명 (ZKP) 을 통한 크로스체인 신원 솔루션은 필수적인 인프라입니다.

채무 불이행 회수 메커니즘. 과담보 방식이 작동하는 이유는 회수가 자동적이기 때문입니다. 즉, 담보를 청산하는 것입니다. 과소 담보 대출에는 온체인 채무 불이행에 대한 상응하는 안전망이 없습니다. 프로토콜에는 신뢰할 수 있는 회수 위협을 가하기 위해 법적 프레임워크, 온체인 평판 슬래싱 (slashing) 메커니즘 또는 현실 세계의 집행 파트너십이 필요합니다. 이 지점에서 TradFi–DeFi 브릿지는 선택이 아닌 필수가 됩니다.

대규모 학습 데이터. AI 신용 모델은 더 많은 과거 데이터가 있을 때 개선됩니다. DeFi의 대출 이력은 성장하고는 있지만, 수십 년간의 소비자 신용 조사 기관 데이터에 비하면 여전히 빈약합니다. 현재 배포되고 있는 모델들은 제한된 데이터 세트로 학습되어 예측 정확도에 한계가 있습니다. DeFi 대출 이력이 쌓임에 따라 모델 성능도 향상되겠지만, 이 분야에는 인내심이 필요합니다.

탈중앙화 오라클의 신뢰성. 신용 점수 모델에는 자산 가격, 프로토콜 TVL 및 시장 상황에 대한 신뢰할 수 있는 실시간 데이터가 필요합니다. 조작 가능하거나 오래된 오라클 데이터는 신용 점수를 조작하거나 부적절한 청산을 유발하는 데 악용될 수 있습니다.

이 문제를 해결하느냐에 달려 있는 DeFi 성장 가설

DeFi의 총 예치 자산 (TVL)은 시장 상황에 따라 대략 500억 달러에서 1,800억 달러 사이를 오갔습니다. 이 수치는 주로 이미 상당한 자본을 보유한 참여자들에게 주로 서비스를 제공하는 프로토콜들을 나타냅니다. 초과 담보 요건은 사실상의 부의 필터 역할을 합니다.

저담보 대출 (Under-collateralized lending)이 안전하고 확장 가능하게 구현될 수 있다면, DeFi는 전혀 다른 범주의 참여자들에게 문을 열어줄 것입니다. 바로 온체인 활동을 통해 신용도를 입증했지만, 빌리는 금액보다 더 많은 자본을 묶어둘 여력이 없는 기업과 개인들입니다. 이는 전통 금융에서 생산적인 경제 활동의 대부분을 차지하지만, 현재 DeFi에서는 거의 찾아볼 수 없는 영역입니다.

AI 신용 평가, 크로스 체인 신원 확인, 법적으로 방어 가능한 설명 가능성을 결합하여 저담보 문제를 해결하는 프로토콜은 단순히 틈새 시장을 점유하는 데 그치지 않을 것입니다. 이들은 효율적인 자본 배분이라는 전통 금융 시스템의 본거지에서 DeFi가 글로벌 은행 시스템과 금융적으로 경쟁할 수 있게 만드는 인프라를 구축하게 될 것입니다.

150% 의 담보 요건은 결코 원칙이 아니었습니다. 그것은 신뢰 인프라의 부재를 보완하기 위한 임시방편이었습니다. 금융 역사상 가장 풍부한 행동 데이터셋으로 학습된 AI가 이제 그 인프라를 제공하기 시작했습니다. 초과 담보에서 신용 기반 DeFi 대출로의 전환은 하루아침에 일어나지는 않겠지만, 기술적 토대는 마련되었으며 초기 프로토콜들은 실제 시장의 스트레스를 견뎌냈습니다. 또한 규제 프레임워크는 아무리 까다롭더라도 이를 고려하여 설계할 수 있을 만큼 명확해지고 있습니다.

이미 자본을 가진 사람들만을 위한 전용 시스템으로서의 DeFi 시대는 끝나가고 있을지도 모릅니다.

BlockEden.xyz는 Ethereum, Sui, Aptos 및 20개 이상의 블록체인 네트워크를 위한 엔터프라이즈급 RPC 및 API 인프라를 제공합니다. 이는 차세대 DeFi 신용 프로토콜이 의존하는 신뢰할 수 있는 온체인 데이터 계층입니다. API 마켓플레이스 탐색하기를 통해 지속 가능한 토대 위에 신용 인프라를 구축해 보세요.