IBK기업은행 여신 승인신청서 작성 업무 효율화

TL;DR

금융권 여신 업무에서 반복적으로 작성되는 승인신청서와 심사보고서 초안을 생성형 AI로 보조하는 RAG 기반 PoC를 구축했습니다. 금융 문서의 수치·근거 정확성을 유지하면서도 실무자가 검토 가능한 형태로 문서 초안을 생성하는 데 초점을 맞췄습니다.

프로젝트 개요

여신 승인신청서와 심사보고서는 다양한 자료를 참고해 작성되는 복합 문서입니다. 사업보고서, 감사보고서, 재무제표, 내부 기준 문서 등 여러 출처를 확인해야 하며, 작성자는 수치와 근거를 놓치지 않으면서 정해진 형식에 맞춰 문서를 구성해야 합니다.

Braincrew는 이 업무를 생성형 AI로 완전히 대체하기보다, 실무자가 검토할 수 있는 초안을 빠르게 만들고 관련 근거를 함께 확인할 수 있는 RAG 기반 업무 보조 시스템을 PoC 형태로 구축했습니다.

주요 수행 내용

1. 금융 문서 기반 RAG 파이프라인 구축

금융 문서 자동화에서 가장 중요한 것은 “그럴듯한 문장”이 아니라 “근거가 있는 문장”입니다. 특히 수치, 표, 기준 문구가 많은 문서에서는 원문 근거와 생성 결과가 연결되어야 합니다.

이를 위해 문서 수집, 파싱, 청킹, 검색, 응답 생성을 하나의 파이프라인으로 구성했습니다.

업무 문서 입력
  → 문서 파싱 및 구조화
  → 검색 가능한 단위로 분할
  → 질의 / 섹션별 관련 근거 검색
  → 승인신청서·심사보고서 초안 생성
  → 실무자 검토

2. 표와 수치 정보 보존을 우선한 전처리

금융 문서에는 표 형태의 정보가 많고, 숫자 하나의 오류가 전체 문서의 신뢰도에 영향을 줄 수 있습니다. 따라서 일반 텍스트 추출만으로 처리하기보다, 표와 수치 정보를 최대한 보존하는 방향으로 전처리 전략을 설계했습니다.

주요 고려사항은 다음과 같습니다.

• 표 구조가 문맥에서 분리되지 않도록 처리
• 수치와 항목명이 함께 검색될 수 있도록 구조화
• 섹션별 근거를 추적할 수 있는 형태로 메타데이터 관리
• 생성 결과에 사용된 근거를 실무자가 확인할 수 있도록 구성

3. 금융 도메인에 맞춘 문서 생성 로직

승인신청서 작성은 단순 요약과 다릅니다. 정해진 문서 구조가 있고, 섹션마다 요구되는 관점이 다르며, 원문 자료를 바탕으로 판단 근거가 드러나야 합니다.

PoC에서는 문서 섹션별로 필요한 근거를 검색하고, 각 섹션의 작성 목적에 맞게 초안을 생성하는 구조를 적용했습니다. 또한 생성된 문장이 근거와 분리되지 않도록 검색 결과와 응답 생성 흐름을 함께 설계했습니다.

4. 엔터프라이즈 환경을 고려한 시스템 구성

금융권 프로젝트에서는 기능 구현만큼 운영 환경과 보안 요구사항이 중요합니다. 외부 서비스 연동, 접근 권한, 문서 보관 방식, 배포 환경 제약 등을 고려해 엔터프라이즈 환경에 맞는 구조로 PoC를 설계했습니다.

구체적인 내부 보안 구성과 운영 세부 사항은 공개하지 않지만, 제한된 환경에서도 RAG 기반 문서 자동화가 동작할 수 있도록 백엔드, 검색 파이프라인, 문서 처리 모듈을 분리해 구성했습니다.

기술 스택

• LangGraph / LangChain
• RAG Pipeline
• LLM API
• FastAPI
• Docker
• 문서 파싱 및 구조화 파이프라인

보안 및 공개 범위

본 글은 공개 가능한 수준의 문제 정의와 접근 방식만 정리했습니다. 실제 고객사 내부 문서 구조, 업무 기준, 평가 결과, 비용 효과, 화면 이미지, 운영망 구성, 상세 성능 수치는 포함하지 않았습니다.

배운 점

금융 문서 자동화에서 LLM의 역할은 단순 생성기가 아니라, 근거 기반 문서 작성 보조자에 가깝습니다. 실무자가 신뢰할 수 있으려면 생성 결과보다 먼저 원문 근거, 수치 보존, 검토 흐름이 설계되어야 합니다.

또한 PoC 단계에서는 자동화율 자체보다 “실무자가 어디까지 믿고 검토할 수 있는가”가 중요합니다. AI가 초안을 만들고, 사람은 근거를 확인하며 최종 판단하는 구조가 엔터프라이즈 문서 자동화의 현실적인 출발점입니다.