리볼루트, 금융 전용 AI 연구조직 출범…엔비디아와 만든 PRAGMA로 ‘하나의 두뇌’ 구축

리볼루트 리서치, 왜 만들어졌나

리볼루트가 인공지능(AI) 조직 내에 전담 연구 부문인 **리볼루트 리서치(Revolut Research)**를 출범시켰다. 이 조직은 금융 서비스에 필요한 머신러닝 연구를 실제 제품과 운영 시스템으로 연결하는 역할을 맡는다. 동시에 엔비디아와 공동 개발한 금융 특화 기반 모델 PRAGMA를 발전시키는 연구 엔진이기도 하다. 61013

핵심에는 리볼루트가 내세운 ‘build, don’t bolt on’ 철학이 있다. 이미 만들어진 외부 AI 기능을 업무마다 하나씩 붙이는 대신, 금융 데이터를 바탕으로 자체적인 공통 모델을 만들고 여러 서비스에 재사용하겠다는 뜻이다. 사기 탐지, 신용평가, 고객 세분화, 개인화 상품 추천처럼 각각 별도의 모델과 수작업으로 만든 특성값에 의존하던 영역을 하나의 행동 지능 계층으로 통합하는 구상이다. 610

PRAGMA는 어떤 모델인가

PRAGMA는 **‘PRe-trained Banking Foundation Model’**의 약자로, 여러 출처의 금융 이벤트 이력을 처리하도록 설계된 기반 모델군이다. 일반적인 텍스트 생성 모델과 달리 결제·이체 등 금융 활동의 시간 흐름과 패턴을 읽는 데 초점을 맞춘다.

구조는 **인코더형 트랜스포머(Transformer)**다. 모델은 금융 이벤트 일부를 가린 뒤 이를 예측하는 자기지도 학습 방식의 마스킹 모델링으로 사전 학습된다. 이 과정을 통해 특정 업무의 정답표를 일일이 제공하지 않아도 고객의 금융 행동과 이벤트 간 관계를 폭넓게 학습할 수 있다. 공개된 PRAGMA 모델군의 규모는 1,000만 개에서 10억 개 파라미터에 이른다. 1

사전 학습이 끝난 공통 백본은 업무별로 가볍게 조정할 수 있다. 따라서 신용위험 평가나 사기 탐지처럼 목적이 다른 작업에도 매번 완전히 새로운 모델을 구축하는 대신, 같은 기반 모델 위에 필요한 기능을 추가하는 방식이 가능하다. 13

어떤 데이터를 학습했나

공개된 설명에 따르면 PRAGMA는 결제, 이체를 비롯한 다양한 상품 이용 및 행동 신호가 담긴 원시 타임스탬프 금융 이벤트를 학습했다. 학습 범위는 약 2,600만 명의 고객 이력, 240억 건의 이벤트, 111개국에 걸친 데이터다. 110

다만 일부 온라인 자료는 학습 규모를 2,500만 명·400억 건 등으로 다르게 소개한다. 이 기사에서는 학술 논문과 엔비디아 사례 연구에서 확인되는 2,600만 고객 이력과 240억 이벤트 수치를 기준으로 삼는다. 110

또한 PRAGMA를 ‘엔비디아가 개발한 모델’이라고만 표현하는 것은 정확하지 않다. 자료상 PRAGMA는 리볼루트와 엔비디아가 공동 개발한 모델이며, 엔비디아의 가속 컴퓨팅 인프라와 소프트웨어 스택을 활용했다. 1013

엔비디아 H100 인프라와 확인되는 범위

엔비디아의 사례 연구는 PRAGMA 사전 학습에 Nebius AI Cloud의 엔비디아 H100 GPU를 사용했다고 설명한다. 긴 금융 이력을 효율적으로 처리하기 위해 시퀀스 패킹과 동적 배칭 같은 기법도 활용됐다. 10

그러나 현재 확인되는 자료만으로는 사용한 H100 GPU의 정확한 대수나 클러스터 구성까지 독립적으로 확인하기 어렵다. 따라서 ‘몇 개의 H100으로 학습했다’는 구체적인 수치는 확정적으로 제시하기보다, H100 기반 가속 컴퓨팅 환경에서 대규모 사전 학습이 진행됐다는 수준으로 이해하는 것이 적절하다. 110

리볼루트가 공개한 성능 개선

엔비디아의 리볼루트 사례 연구는 기존 운영 모델을 기준으로 다음과 같은 개선을 보고했다.

• 신용불이행 위험 식별 정확도 2.3배 향상
• 적발한 사기 건수 65% 증가
• 사기 알림 정밀도 17% 향상
• 상품 추천의 관련성 41% 개선 6

이 수치는 리볼루트와 엔비디아가 제시한 운영 기준선 대비 벤치마크 결과다. 업계 전체를 대상으로 독립 감사된 성능 수치나 제3자 검증 결과를 의미하는 것은 아니다. 6

출범 전 이미 진행된 연구

리볼루트 리서치의 출범은 완전히 새로운 실험의 시작이라기보다, 이미 진행돼 온 연구개발 활동을 공식적인 조직으로 제도화한 조치에 가깝다. PRAGMA의 모델 구조와 사전 학습 방식은 학술 논문으로 공개됐고, 엔비디아는 2026년 6월 사례 연구에서 사기, 신용, 고객 참여, 추천 업무에 나뉘어 있던 시스템을 공통 기반 모델 중심으로 통합하는 과정을 소개했다. 16

즉 이번 조직 출범의 의미는 연구 논문이나 실험용 모델에 머무르지 않고, 금융 업무 전반에서 재사용할 수 있는 모델 개발을 지속할 공식 기반을 마련했다는 데 있다.

연구조직이 내건 외부 활동

리볼루트는 리볼루트 리서치를 통해 연구 결과를 발표하고, 일부 프레임워크를 오픈소스로 공개하며, GTC Berlin과 **ACM International Conference on AI in Finance(ICAIF)**에 참여할 계획이라고 밝혔다. 분기별 과학 밋업을 열어 연구자 커뮤니티와 교류하겠다는 계획도 제시했다.

다만 공개 검색 자료만으로는 일부 임원의 이름이나 발언 전문을 독립적으로 확인하기 어렵다. 확인 가능한 보도에서는 리볼루트 AI 책임자 **파벨 네스테로프(Pavel Nesterov)**가 외부 솔루션에 의존하기보다 자체 금융 기반 모델을 구축하는 전략의 취지를 설명했다. 6

8,000만 명 이상 고객을 향한 확장 전략

리볼루트는 40개가 넘는 시장에서 8,000만 명 이상의 고객을 확보하는 방향으로 사업을 확장하고 있다. 고객과 상품이 늘어날수록 국가별 규제 환경에 맞춘 위험 평가, 사기 방지, 맞춤형 서비스의 일관성을 유지하는 일이 중요해진다. 리볼루트 리서치와 PRAGMA는 이런 규모 확대를 뒷받침할 공통 AI 기반으로 기획됐다. 34

사업 측면에서는 프랑스 법인이 프랑스 금융감독당국 ACPR과 유럽중앙은행(ECB)의 승인 절차를 거쳐 정식 은행 라이선스를 취득한 것도 같은 확장 흐름에 놓여 있다. 프랑스에서 서비스를 시작한 뒤 서유럽 시장으로 단계적으로 확대할 수 있는 기반을 마련한 것이다. 34

결국 리볼루트가 만들려는 것은 업무별로 따로 작동하는 AI 도구 모음이 아니다. 폭넓은 금융 행동을 학습한 하나의 공통 모델을 여러 규제 대상 의사결정과 고객 경험에 맞게 조정하는 구조다. 리볼루트 리서치는 그 구조를 연구하고, PRAGMA는 이를 실제 금융 서비스에 적용하는 핵심 기반이 될 전망이다. 610