기존의 서사는 핀테크가 인간 신용 담당자를 머신러닝 모델로 대체함으로써 대출을 혁신했다는 것입니다. 그 프레이밍은 보도자료와는 맞지만, 현장에서 우리가 보는 것과는 맞지 않습니다. 베트남 사례는 유용한 반례입니다. 내부 기술이—솔직히 말해서—그다지 흥미롭지 않기 때문입니다. 흥미로운 것은 누가 데이터를 보유하는지입니다.

18개월 전 주요 국내 슈퍼앱들이 가맹점 결제 도구에 운전자본 신용 상품을 묶어 제공하기 시작했습니다. 그 상품은 서류상으로는 시중은행의 중소기업 한도와 거의 동일하게 보였습니다: 회전 한도, 월별 검토, 유사한 가격 책정. 차이는 심사 인풋이었습니다. 은행들이 항상 사용해 온 인풋(세금 신고서와 은행 명세서)에 의존하는 대신, 슈퍼앱들은 앱 내 14개월간의 현금흐름—모든 결제, 모든 환불, 모든 차지백, 모든 분쟁을 네이티브로 캡처한 것—을 심사 인풋으로 사용했습니다.

경쟁 해자는 모델이 아니다. 모델에 공급되는 데이터다.

현장에서 들은 것

우리는 호치민시와 하노이에서 여러 결제 채널을 사용하는 가맹점들과 대화했습니다. 일관된 패턴: 은행이 더 깊은 관계 이력을 보유하고 있음에도 불구하고, 슈퍼앱 한도에서 주거래 은행 대비 승인율이 2~3배 높습니다. 의사결정 처리 시간이 두 번째 일관된 시그널이었습니다—슈퍼앱 한도에서는 24~72시간, 동등한 은행 상품에서는 2~4주.

두 수치 모두 같은 방향을 가리킵니다. 슈퍼앱들은 극적으로 품질이 낮은 신용을 인수하는 것이 아니라 차입자를 더 정확하게 보고 있는 것입니다. 그들이 보유한 데이터는 중소기업이 일반적으로 은행에 제출하는 것보다 정밀도가 높고 실시간입니다. 차입자의 현금흐름을 깔끔하게 읽을 수 있게 되면, 심사 모델은 거의 범용재가 됩니다.

기존 금융기관에 대한 시사점

표준적인 기존 사업자 대응—"우리도 AI 모델을 구축하면 된다"—은 실제 문제를 해결하지 못합니다. 문제는 모델 품질이 아닙니다. 데이터 보유에 있습니다. 이 시장 구조를 바라보는 은행들에게는 이제 두 가지 현실적인 선택지가 있습니다:

  • 데이터 레이어를 확보한다 (결제 플랫폼과의 파트너십; 데이터 공유 권한)
  • 슈퍼앱이 아직 데이터를 보유하지 않은 세그먼트에서 경쟁한다 (크로스보더, 프로젝트 파이낸스, 담보 대출)

작동하지 않는 것은 격차가 기술적이라고 가정하는 것입니다. 지난 12개월 동안 최소 세 곳의 은행이 그 실수를 범했고 그 결과 시장점유율을 잃었습니다.

방법론 주석:

이 현장 노트는 2026년 2월부터 4월까지 베트남 중소기업 사업자를 대상으로 한 애널리스트 인터뷰를 바탕으로 하며, 2026년 베트남 핀테크 랜드스케이프 리포트로 보완되었습니다. 완전한 출처 정보, 차트, 사업자 단위 비용 분석은 유료 리포트에 수록되어 있습니다.