5만 2천건의 인증 심사 문서, 어떻게 AI 지식베이스로 구축했을까?

인증 심사 업무의 부담은 단순히 많은 문서를 읽는 데서 끝나지 않습니다.

신청서와 심사 자료, 과거 이력, 인증기준 등 서로 다른 위치에 분산된 정보를 함께 확인해야 하고, 필요한 내용을 찾기 위해 여러 문서를 반복해서 탐색해야 합니다.

문서가 계속 쌓일수록 정보는 많아지지만, 정작 업무에 필요한 지식을 빠르게 찾아 활용하기는 어려워지는 구조입니다.

한 국내 공공기관 역시 약 5만 2천여 개의 인증 심사 문서를 보유하고 있었지만, 단계별로 분산된 자료와 이력을 추적하는 데 많은 시간이 소요되고 있었습니다.

5만 2천여 개 문서를 ‘검색 가능한 파일’이 아닌 ‘업무 지식’으로

해당 기관의 인증 심사 업무에서는 신청서와 심사 과정에서 생성되는 다양한 문서를 함께 검토해야 했으며, 확인해야 하는 인증기준도 100여 개에 달했습니다.

지식베이스 구축 대상은 약 5만 2천여 개 문서, 문서당 평균 약 20페이지 규모였습니다.

이 정도 규모에서는 단순히 파일을 한곳에 모으거나 검색 기능을 추가하는 것만으로는 충분하지 않습니다.

핵심은 문서가 어떤 심사 업무와 연결되어 있고, 어떤 기준과 맥락에서 다시 활용돼야 하는지를 함께 구조화하는 것​입니다.

이번 프로젝트 역시 문서를 새로운 저장소로 이전하는 것이 아니라, 기존 문서를 실제 심사 과정에서 다시 활용할 수 있는 업무 지식베이스로 전환하는 데 초점을 맞췄습니다.

문서 검색에서 업무 질의로

기존 문서 검색은 사용자가 파일명이나 키워드를 어느 정도 알고 있다는 것을 전제로 합니다.

하지만 실제 심사 업무에서는 다음과 같은 질문이 더 중요합니다.

• 특정 인증기준과 관련해 과거에는 어떤 내용이 검토됐는가

• 현재 심사 건과 유사한 이전 사례는 무엇인가

• 여러 문서에 흩어진 정보 중 지금 확인해야 할 내용은 무엇인가

이를 위해 약 5만 2천여 개의 심사 문서를 지식베이스로 구축하고, 인증 업무와 관련된 내용을 자연어로 질의할 수 있는 환경을 구현했습니다.

사용자가 먼저 적절한 파일을 찾는 방식에서, 업무 질문을 기준으로 관련 정보를 탐색하는 방식으로 전환한 것입니다.

지식베이스 품질을 결정하는 문서 구조 인식

대규모 문서를 AI에 연결할 때 또 하나의 핵심은 원천 문서를 얼마나 정확하게 이해하느냐입니다.

기업과 공공기관의 실제 업무 문서에는 단순 텍스트뿐 아니라 표, 병합 셀, 중첩 테이블처럼 문서 구조 자체가 의미를 갖는 정보가 많습니다.

텍스트를 정확하게 추출하더라도 항목과 값의 관계가 깨지면 이후 검색과 질의응답의 정확도 역시 낮아질 수 있습니다.

이번 프로젝트에서는 표와 병합 셀 등 복잡한 문서에 대해 95% 이상의 인식 정확도를 확보했습니다.

Worktro DocuOps 역시 VLM 기반 Document Intelligence를 활용해 단순 문자 인식을 넘어 병합 셀, 중첩 테이블, 항목 간 관계 등 문서의 구조와 맥락을 함께 인식할 수 있도록 설계되어 있습니다.

따라서 문서 AI를 검토할 때는 OCR 정확도뿐 아니라 “업무에 필요한 문서 구조와 데이터 간 관계까지 보존할 수 있는가?”도 함께 확인해야 합니다.

심사 문서 검토 시간 70% 단축

지식베이스 구축 이후 가장 큰 변화는 심사에 필요한 정보를 찾고 검토하는 시간이 줄었다는 점입니다.

기존에는 담당자가 여러 문서와 시스템을 직접 오가며 필요한 내용을 확인해야 했지만, 구축 이후에는 관련 문서를 지식베이스에서 통합적으로 탐색할 수 있게 됐습니다. 그 결과 심사 문서 검토 시간은 기존 대비 70% 단축됐습니다.

복잡한 표와 병합 셀이 포함된 문서에서도 95% 이상의 인식 정확도를 확보했습니다. 또한 공공기관의 보안 환경을 고려해 온프레미스와 망분리 환경에서도 운영할 수 있도록 구축했습니다.

결과적으로 이번 프로젝트는 단순히 문서 검색 속도를 높인 것이 아니라, 분산된 심사 문서를 하나의 업무 지식으로 연결해 필요한 정보를 더 빠르게 확인할 수 있는 환경을 만든 사례라고 볼 수 있습니다.

※ 성과 수치는 해당 프로젝트 기준입니다.

대규모 문서 지식베이스 구축 전 확인해야 할 5가지

수만 건의 내부 문서를 AI 지식베이스로 구축하려면 기술 도입보다 먼저 업무와 데이터 구조를 확인해야 합니다.

1. 문서는 어떤 업무 단계에서 생성되는가

같은 문서라도 생성 시점과 활용 단계에 따라 의미가 달라집니다. 문서 목록보다 먼저 실제 업무 흐름을 정의해야 합니다.

2. 문서 간 관계를 어떻게 연결할 것인가

대규모 지식베이스에서는 개별 파일 검색보다 동일 심사 건, 프로젝트, 고객, 업무 기준 등 문서 사이의 맥락을 연결하는 구조가 중요합니다.

DocuOps는 여러 문서를 프로젝트 단위의 지식으로 구성해 문서 간 관계와 맥락을 함께 관리할 수 있도록 지원합니다.

3. AI가 참고해야 할 업무 기준은 무엇인가

심사와 검토 업무에서는 문서 내용뿐 아니라 규정, 심사기준, 내부 정책 등 판단 기준이 되는 지식도 함께 정의해야 합니다.

4. 복잡한 문서 구조를 정확하게 이해할 수 있는가

표, 병합 셀, 복잡한 레이아웃이 많은 환경에서는 단순 텍스트 추출만으로 충분하지 않습니다. 문서 구조가 무너지면 이후 검색과 질의응답 품질에도 직접적인 영향을 줍니다.

5. 실제 보안 환경에서 운영할 수 있는가

공공·금융처럼 외부 클라우드 사용이 제한되는 환경에서는 성능뿐 아니라 데이터 처리 위치, 접근 권한, 망분리 및 온프레미스 지원 여부까지 함께 검토해야 합니다.

DocuOps는 문서와 업무 데이터를 고객 내부 인프라에서 처리할 수 있는 온프레미스 환경을 지원합니다.

문서가 많다고 지식이 되는 것은 아닙니다

기업과 기관에는 이미 방대한 문서와 업무 데이터가 축적되어 있습니다.

문제는 문서의 양이 아니라, 필요한 순간에 정보를 찾고 실제 업무에 다시 활용할 수 있는 구조가 마련되어 있는가입니다.

이번 프로젝트에서는 약 5만 2천여 개의 인증 심사 문서를 AI 지식베이스로 구축해, 기존 문서를 단순 보관 대상에서 업무에 재사용할 수 있는 지식 자산으로 전환했습니다.

대규모 내부 문서를 AI에 연결하려 한다면 모델 선정에 앞서 먼저 확인해야 합니다.

우리 조직의 문서는 어떤 업무 맥락과 기준으로 연결되어야 하는가?

Worktro DocuOps는 비정형 문서를 이해하고 구조화해 문서 데이터를 지식베이스와 AI 업무 자동화로 연결하는 Document Intelligence 환경을 지원합니다.

대규모 문서 검토·심사 업무를 운영하고 있다면, 현재 보유한 문서와 업무 프로세스를 기준으로 어떤 영역부터 AI를 적용할 수 있는지 문의해보세요. 실제 업무 환경에 적합한 적용 범위와 구축 방향을 안내해드리겠습니다.