은행, 보험사, 카드사 등 금융기관에는 약관, 상품설명서, 보험금 지급 기준, 대출 심사 지침, 계약서, 신청서처럼 다양한 문서가 축적되어 있습니다. 문서마다 형식과 작성 방식이 다르고, 하나의 업무에 필요한 정보가 여러 파일과 페이지에 나뉘어 있는 경우도 많습니다.
많은 금융 기업은 AI 도입 과정에서 OCR로 문자를 추출하고, 추출된 텍스트를 RAG에 연결해 질문과 관련된 문서를 검색하고 답변을 생성합니다. OCR은 문서에 어떤 글자가 있는지 확인하는 데 활용할 수 있고, RAG는 관련 내용을 빠르게 찾는 데 유용합니다.
하지만 금융 업무에서 필요한 질문은 관련 문장을 찾는 것만으로 해결하기 어렵습니다. 검색된 정보가 어떤 조건과 업무 기준에 해당하는지, 여러 문서의 내용이 어떻게 연결되는지 함께 확인해야 합니다.
금융 AI가 실제 업무에서 활용되려면 문서에 담긴 정보가 금융 업무에서 다시 사용할 수 있는 형태로 정리되어야 합니다. 이를 위해 먼저 금융 문서가 어떤 구조와 관계를 갖고 있는지 살펴볼 필요가 있습니다.
금융 문서에서 필요한 정보를 찾기 어려운 이유
금융 문서는 텍스트뿐 아니라 표, 각주, 조항 번호, 그래프, 수식, 이미지가 함께 사용됩니다. 문서의 배치와 읽는 순서가 정보의 의미를 결정하는 경우도 많습니다.
보험 상품 문서를 예로 들면 하나의 상품에 관한 정보가 표준사업방법서, 상품요약서, 약관에 나뉘어 있을 수 있습니다. 상품요약서에는 주요 보장 내용이 정리되어 있고, 약관에는 지급 조건과 면책 사항이 포함되며, 별도의 문서에는 가입 조건이나 특약 내용이 기록될 수 있습니다.
표의 한 셀에 적힌 금액은 특정 연령, 가입 기간, 보장 조건과 연결될 수 있고, 본문에 삽입된 각주는 해당 조건의 예외를 설명할 수 있습니다. 페이지를 넘겨 이어지는 표나 여러 문서에 분산된 조건도 함께 확인해야 상품의 전체 내용을 파악할 수 있습니다.
문자의 위치와 내용만 추출하면 이러한 읽기 순서와 정보 간 관계가 사라질 수 있습니다. 금융 문서의 업무 활용을 위해서는 문서의 구조와 조건을 보존하는 파싱 과정이 필요합니다.
Enhans의 비정형 문서 파서는 금융 문서의 구조와 관계를 보존합니다
Enhans는 금융 문서를 파일 형식과 저장 방식에 따라 인식하고, 사람이 문서를 읽는 순서에 맞춰 내용을 복원합니다. 다단으로 구성된 본문은 읽는 순서를 정리하고, 표는 머리글과 본문, 주석의 관계를 구분합니다. 페이지를 넘겨 이어지는 표는 하나의 구조로 연결하며, 조항과 각주, 수식과 이미지 정보도 문서의 맥락 안에서 보존합니다.
예를 들어 보험 가입 연령과 보험금 지급 기준이 가로와 세로로 병합된 표에 함께 담겨 있다면, 각 금액이 어떤 연령과 조건에 해당하는지 확인할 수 있어야 합니다. 시간의 흐름과 조건을 화살표로 표현한 도식은 이미지로 저장하는 데서 끝나지 않고, 단계와 순서가 업무 데이터로 활용될 수 있도록 해석되어야 합니다.
추출된 내용은 상품, 특약, 보장 항목, 지급 금액, 가입 조건, 적용 기간처럼 금융 업무에서 반복적으로 조회되는 정보와 연결됩니다. 각 정보가 어느 문서와 페이지, 표와 조항에서 추출되었는지도 기록합니다.
결과적으로 문서는 금융 업무에서 조회하고 비교할 수 있는 데이터 구조를 갖추게 됩니다. 구조화된 결과가 실제 업무에 활용되는지는 다음 단계에서 업무 질문을 통해 확인할 수 있습니다.
파싱 결과는 실제 금융 업무 질문으로 검증해야 합니다
문서 파싱 결과가 실제 업무에 활용될 수 있는지는 추출된 텍스트의 양보다 업무 질문에 답할 수 있는지로 확인해야 합니다. 예를 들어 다음과 같은 질문을 생각해볼 수 있습니다.
40세 고객이 가입할 수 있고, 특정 질병에 대해 1,000만 원 이상 보장하며, 갱신 주기가 1년인 보험 상품을 알려주세요.
이 질문에 답하려면 고객의 가입 연령 조건, 상품과 특약의 관계, 질병별 보장 항목, 지급 금액과 단위, 갱신 기간을 함께 확인해야 합니다. 각 정보가 어느 문서와 페이지에 명시되어 있는지도 추적할 수 있어야 합니다.
구조화된 파싱 결과는 특정 조건을 충족하는 상품을 찾고, 여러 상품의 보장 내용과 금액을 비교하며, 연령과 기간을 기준으로 데이터를 필터링하는 데 활용할 수 있습니다. 실무자는 AI가 제시한 결과와 원문 근거를 함께 확인할 수 있습니다. 업무 질문에 답할 수 있는 결과를 만들려면 데이터의 정확성, 문서의 구조와 출처, 이후 활용 가능성까지 확인해야 합니다. 다음 네 가지 기준으로 파싱 결과를 평가할 수 있습니다.
금융 문서 파싱의 품질은 네 가지 기준으로 확인됩니다
금융 문서 파싱 결과는 문자가 정확하게 인식되었는지만으로 평가하기 어렵습니다. 문서에 있는 정보가 실제 금융 업무에서 조회, 비교, 검토, 승인에 활용되려면 내용 정확성, 구조 보존, 후속 활용성, 근거 추적성을 함께 확인해야 합니다.
내용 정확성은 문서의 숫자, 날짜, 상품명, 조항, 단위가 원문과 일치하는지 확인하는 기준입니다. 예를 들어 보험금 지급 금액의 단위가 원문과 다르게 추출되거나, 계약 적용일과 문서 작성일이 혼동되면 지급 검토나 고객 안내에 잘못된 정보가 사용될 수 있습니다. 대출 상품의 금리, 한도, 상환 기간처럼 숫자에 기반한 조건도 같은 방식으로 확인해야 합니다.
구조 보존은 본문과 표, 머리글과 값, 조항과 각주, 여러 페이지에 걸친 항목의 관계가 유지되는지 확인하는 기준입니다. 대출 심사 지침에서는 승인 조건과 예외 조항, 적용 대상이 서로 다른 표와 본문에 나뉘어 있을 수 있습니다. 이 관계가 유지되어야 AI가 특정 고객이나 상품에 어떤 심사 기준을 적용해야 하는지 판단할 수 있습니다.
후속 활용성은 추출된 결과가 실제 업무 질문과 후속 처리에 사용될 수 있는지 확인하는 기준입니다. 상품 비교에 사용된 데이터가 보험금 청구 검토, 고객 계약 조회, 여신 심사와 같은 다른 업무에서도 활용될 수 있는지 확인해야 합니다. 특정 문서의 요약에 그치지 않고 여러 업무에서 같은 데이터를 조회하고 비교할 수 있을 때 파싱 결과의 활용 가치가 커집니다.
근거 추적성은 AI가 제시한 결과가 어떤 문서와 페이지, 표와 조항에서 비롯되었는지 확인할 수 있는지를 의미합니다. 보험금 지급 기준이나 대출 승인 조건처럼 담당자의 검토와 승인이 필요한 업무에서는 결과만 제시하는 방식으로 충분하지 않습니다. 담당자가 원문 근거를 확인하고, 어떤 조건이 적용되었는지 검토할 수 있어야 오류 수정과 감사 대응, 내부 승인 절차를 이어갈 수 있습니다.
구조화된 비정형 문서는 온톨로지와 연결되어 업무 기반이 됩니다
금융 문서에서 추출한 데이터가 여러 업무에서 재사용되려면 문서 안의 정보가 금융기관의 업무 개념과 연결되어야 합니다. 상품, 계약, 고객, 계좌, 거래, 보장 조건, 규정처럼 조직이 실제로 사용하는 객체와 관계를 기준으로 문서 데이터를 정리하는 과정이 필요합니다.
온톨로지는 문서에서 추출한 정보를 금융 업무의 객체, 속성, 관계, 규칙과 연결합니다. 이를 통해 AI는 문서 안의 문장을 찾고, 어떤 상품과 계약이 연결되어 있는지, 어떤 조건이 적용되는지, 어떤 근거를 참조해야 하는지 확인할 수 있습니다.
담당자는 AI가 조회한 결과와 원문 근거를 검토하고, 승인된 판단은 이후 업무에서 활용할 수 있는 데이터로 축적할 수 있습니다.
금융기관의 AI 도입에서는 모델의 답변 성능과 함께 문서 데이터가 어떤 구조로 준비되어 있는지 확인해야 합니다. 문서의 내용과 구조, 업무 관계, 원문 근거가 연결될 때 금융 AI는 실제 금융 업무의 조회와 검토를 지원할 수 있습니다.
in solving your problems with Enhans!
We'll contact you shortly!