인공지능(AI)의 급속한 발전은 금융 산업에 혁신적인 변화를 가져오고 있다. 신용평가, 로보어드바이저, 사기 탐지, 리스크 관리 등에서 AI는 효율성 제고와 비용 절감을 통해 금융 포용성을 확대하고 있다. 특히 2024년 기준 글로벌 핀테크 시장은 약 3,400억 달러 규모로 성장하면서, 이러한 AI 활용이 금융산업 전반의 혁신을 견인하고 있다. 그러나 이러한 혁신은 심각한 법적·규제적 과제를 동반한다. 데이터 편향은 소수 집단에 대한 차별적 신용평가를 초래할 수 있으며, 알고리즘 불투명성은 소비자 신뢰와 감독기관의 검증을 저해한다. 예를 들어, 아마존의 AI 채용 알고리즘(2018년 폐기)은 데이터 편향으로 여성 지원자를 차별한 사례로, 금융 부문에서도 유사한 위험이 상존한다. 또한, 책임 소재 불명확성과 윤리적 문제는 소비자 재산권과 사생활 보호를 위협하고 있으며, 국경을 초월한 데이터 이동은 데이터 주권과 국제 규범 충돌을 야기하게 된다. 금융 산업의 정보비대칭성과 소비자 신뢰 의존성은 이러한 위험을 증폭시키므로, 혁신과 소비자 보호 간 균형을 위한 강력한 AI 규제의 필요성이 부각되고 있다. 이에 본 연구는 EU, 미국, 중국, 일본, 한국의 금융 부문 AI 규제 체계를 비교법적으로 분석하여, 한국의 정책적 대응 방향을 제시하고자 한다. EU는 AI Act(2024년 8월 발효)를 통해 신용평가를 고위험 AI로 분류하고 사전 적합성 평가와 투명성을 요구하고 있으며, 미국은 FTC Act와 FCRA를 통한 기술중립적 사후 집행을, 중국은 데이터보안법(2021)과 알고리즘추천관리규정(2022)으로 국가 중심 통제를, 일본은 METI 가이드라인과 규제 샌드박스로 민관 협력 중심의 soft-law를, 한국은 인공지능기본법(2026년 1월 시행)과 금융위원회 AI 가이드라인으로 초기 프레임워크를 구축하고 있다. 연구 결과, EU는 예방적 권리 중심, 미국은 시장 주도적 유연성, 중국은 국가 통제, 일본은 실증 중심, 한국은 혼합형 모델을 채택하고 있음이 밝혀졌다. 공통 주제로는 고위험 AI 분류, 설명가능성, 소비자 구제, SupTech, OECD AI 원칙 정합성이 도출되었다. 또한 연구를 통해 얻은 기술중립성, 감독 역량, 윤리적 soft law, 글로벌 협력의 차이점을 비교표로 시각화하였다. 한국에의 시사점은 다음과 같다: (1) 신용평가 등 금융 특화 고영향 AI 정의 정교화, (2) 표준화된 공시로 알고리즘 설명가능성 강화, (3) 규제 샌드박스 제도화 및 사후 피드백 루프 구축, (4) 기관 간 협력과 SupTech 역량 강화, (5) 글로벌 표준 정합성 확보, (6) 개인정보보호법 등 기존 법률과의 조화. 본 연구는 금융 AI 규제의 글로벌 동향과 한국의 제도적 과제를 체계적으로 분석하여, 경제 성장, 안정성, 형평성을 유지하는 신뢰 기반의 AI 규제 체계 구축을 제안한다.

The rapid advancement of artificial intelligence (AI) has brought about transformative changes in the financial industry. In areas such as credit evaluation, robo-advisory services, fraud detection, and risk management, AI has expanded financial inclusion by enhancing efficiency and reducing operational costs. Notably, as of 2024, the global fintech market has reached an estimated USD 340 billion, with the application of AI serving as a major catalyst for innovation across the financial sector as a whole. However, these innovations raise critical legal and regulatory challenges. Data biases, exemplified by Amazon's scrapped AI recruitment tool (2018) that discriminated against women, risk discriminatory outcomes in financial applications like credit scoring. Algorithmic opacity undermines consumer trust and complicates regulatory oversight, while ambiguous accountability and ethical concerns threaten property rights and privacy. Cross-border data flows further exacerbate issues of data sovereignty and conflicts with international norms. Given the financial sector's reliance on information asymmetries and consumer trust, robust AI regulation is essential to balance innovation with risk mitigation. This study conducts a comparative legal analysis of AI regulation in the financial sector across the European Union (EU), United States (US), China, Japan, and Korea. The EU's AI Act (effective August 2024) adopts a risk-based approach, classifying credit scoring as high-risk and mandating pre-market conformity assessments, transparency, and human oversight. The US relies on technology-neutral principles under the FTC Act and FCRA, emphasizing post-hoc enforcement against unfair practices. China's state-centric model, governed by the Data Security Law (2021) and Algorithm Recommendation Regulations (2022), prioritizes data sovereignty and socialist values. Japan employs a soft-law approach via METI guidelines and regulatory sandboxes, fostering public-private collaboration. Korea's nascent framework, under the AI Basic Law (effective January 2026) and FSC AI guidelines, focuses on responsibility, fairness, and transparency. Findings highlight divergent approaches: the EU's preventive, rights-based framework, the US's market-driven flexibility, China's top-down control, Japan's experimental model, and Korea's evolving hybrid approach. Common themes include high-risk AI classification, explainability, consumer redress, supervisory technologies (SupTech), and alignment with OECD AI Principles. Comparative tables visualize differences in technology neutrality, supervisory capacity, ethical soft law, and global cooperation. For Korea, key implications include: (1) refining definitions of high-impact financial AI to address sector-specific risks, (2) enhancing algorithmic explainability through standardized disclosures, (3) institutionalizing regulatory sandboxes with post-test feedback mechanisms, (4) strengthening inter-agency collaboration and SupTech capabilities, (5) ensuring alignment with global standards to support cross-border fintech, and (6) harmonizing with existing laws like the Personal Information Protection Act. By integrating global best practices, Korea can establish a trustworthy AI regulatory framework that promotes economic growth, stability, and equity in the financial sector.