Automate Document Processing with Quick Automate and the IDP Accelerator

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

GAIIC 지능형 문서 처리 가속기가 대출 서류를 분류·추출·검증하고 퀵 오토메이트가 후속 업무와 시스템 연계를 조율함으로써, 문서 접수부터 검증된 데이터 전달까지의 전 과정을 자동화한다.

📌 핵심 요약

• 미국 주택담보대출 시장은 연간 약 400만~600만 건의 대출을 취급하며, 평균 대출 종결 기간은 44일이고 건당 총 취급 비용은 1만1000달러를 넘는다. 문서 접수와 처리가 지연되면 전체 대출 처리 기간도 길어진다.
• 가상의 중형 대출사 서밋 모기지는 연간 약 5만 건을 처리하면서 파일마다 문서 분류, 완전성 확인, 데이터 입력에 15~20분을 사용했고, 그 결과 연간 수작업 시간이 1만5000시간을 넘었다.
• GAIIC 지능형 문서 처리 가속기는 원본 문서를 기계 판독 가능한 텍스트로 변환하고 문서 유형을 분류한 뒤, 차주 정보와 소득·잔액·고용 정보를 추출하고 예상 스키마에 따라 누락이나 불일치를 점검한다.
• 퀵 오토메이트는 추출된 데이터를 대출 실행 시스템으로 전달하고 소득 확인을 시작하며, 누락 서류 안내와 예외 사례의 담당자 검토 배정까지 코드 작성 없이 다단계 흐름으로 연결한다.
• 서밋 사례의 예시 결과에서는 파일당 처리 시간이 15~20분에서 6분 미만으로 줄어 최대 70% 개선됐고, 성수기 임시 인력 없이 물량을 처리했으며 수동 입력 오류도 감소했다. 다만 실제 결과는 문서량, 문서 구성, 절차 복잡성, 기존 시스템에 따라 달라진다.

🧩 주요 포인트

1. 문서 분류·정보 추출·검증과 후속 시스템 조율을 서로 다른 솔루션이 담당한다 → 단순한 문서 인식을 넘어 검증 데이터가 실제 업무 시스템에 도달하는 전체 흐름을 자동화할 수 있다.
2. 누락 필드와 수치 불일치 등은 자동으로 탐지하되 예외 사례는 담당자에게 배정한다 → 대출 처리 인력의 역할을 반복적인 입력 작업에서 판단과 검토 중심으로 전환한다.
3. 서버리스 종량제와 문서 유형별 설정 방식을 사용한다 → 고정 인프라나 물량 증가에 비례한 인력 확대 없이 다양한 대출 상품과 문서량 변화에 대응할 수 있다.

🧠 상세 정리

1. 대출 문서 처리의 규모와 병목

주택담보대출 한 건에는 소득 명세서, W-2 양식, 은행 거래명세서, 운전면허증, 무효 처리 수표, 보험 신청서처럼 반복적으로 등장하는 여러 문서가 포함된다. 대출사는 이 문서들을 대량으로 분류하고 필요한 정보를 추출한 뒤 누락과 오류를 검증해야 한다. 미국 시장에서는 매년 약 400만~600만 건의 주택담보대출이 실행되고 평균 종결 기간은 44일이어서, 문서 단계의 작은 지연도 전체 처리 일정에 누적된다. 건당 총 대출 취급 비용도 1만1000달러를 넘으며, 문서 접수와 처리는 이 가운데 상당한 이행 업무를 차지한다. 이러한 문제는 주택담보대출에만 국한되지 않고 은행, 보험, 의료, 공공 부문처럼 반복 문서와 규제 요건을 다루는 분야에도 공통으로 존재한다.

2. 서밋 모기지의 수작업 문제와 목표

서밋 모기지는 연간 약 5만 건의 대출을 처리하는 가상의 중형 대출사이며, 제시된 상황과 수치는 업계의 일반적인 양상을 반영한 예시다. 처리 담당자는 파일마다 15~20분을 들여 문서를 정리하고 구성의 완전성을 확인한 다음 대출 실행 시스템에 데이터를 직접 입력했다. 전체 물량으로 환산하면 문서 취급에만 연간 1만5000시간이 넘는 수작업이 발생했다. 직접 입력한 값의 오류는 후속 재작업을 일으켰고, 불완전한 신청 묶음은 누락 사실을 담당자가 발견할 때까지 대기열에 머물렀다. 성수기에는 임시 인력을 채용해야 했지만 비용, 교육 속도, 작업 품질의 일관성 문제가 뒤따랐다. 이에 경영진은 파일당 처리 시간을 6분 미만으로 줄이고, 입력 오류와 인력 증원 없이 물량 급증을 처리하는 것을 목표로 정했다.

3. GAIIC 지능형 문서 처리 가속기의 역할

GAIIC 지능형 문서 처리 가속기는 대량 문서 처리를 위한 오픈 소스 서버리스 파이프라인이다. 대출 서류가 도착하면 아마존 텍스트랙트와 아마존 베드록 기반 모델을 활용해 원본을 기계 판독 가능한 텍스트로 변환하고, 소득 명세서·W-2·보험 신청서 등 문서 유형을 구분한다. 이어 차주 이름, 소득 금액, 계좌 잔액, 고용주 정보 같은 항목을 구조화된 데이터로 추출한다. 추출 결과는 예상 스키마와 비교되며, 필수 필드 누락, 수치 불일치, 미완성 양식 등의 이상은 담당자 검토 대상으로 표시된다. 서버를 직접 관리하지 않아도 처리량에 맞춰 자동 확장되고, 서밋은 고정 인프라 비용 대신 실제 처리한 문서 단위로 비용을 지불한다.

4. 퀵 오토메이트를 통한 후속 업무 조율

문서에서 데이터를 추출하더라도 그 결과가 실제 업무 시스템과 후속 절차로 전달되지 않으면 자동화의 효용은 제한된다. 퀵 오토메이트는 시각적 흐름 설계 도구와 인공지능 보조 기능을 제공하며, 별도의 맞춤 코드 없이 의사결정, 시스템 호출, 업무 동작을 다단계 절차로 연결한다. 서밋은 추출된 차주 정보를 대출 실행 시스템으로 보내고 소득 확인 절차를 시작하도록 흐름을 구성했다. 서류가 불완전하면 누락된 문서를 구체적으로 알리는 통지를 만들고, 자동 처리가 어려운 예외 사례에는 담당자 검토 업무를 배정한다. 결과적으로 문서 도착, 분류와 추출, 후속 시스템 연계, 예외 처리까지 하나의 연속된 흐름으로 이어지며 대출 처리 담당자는 반복 입력보다 판단이 필요한 업무에 집중하게 된다.

5. 예시 성과와 적용 범위 확대

두 솔루션을 결합한 뒤 서밋의 예시 결과에서는 파일당 문서 처리 시간이 15~20분에서 6분 미만으로 줄어 최대 70% 개선됐다. 자동 추출과 검증은 재작업을 유발하던 수동 입력 오류를 크게 줄였고, 성수기 물량도 임시 인력을 추가하지 않고 처리할 수 있었다. 비용 구조는 고정 인력 중심에서 문서 처리량에 따른 서버리스 종량제로 바뀌었다. 이 수치는 가상의 사례에 기반한 예시이며, 실제 성과는 현재 절차, 문서 종류, 물량, 기존 시스템에 따라 달라질 수 있다. 서밋은 구매 목적의 주택담보대출뿐 아니라 재융자, 주택담보 신용한도, 상업 대출에도 같은 파이프라인을 적용했고, 기반 시설을 다시 구축하지 않은 채 새로운 문서 유형을 설정했다. 차주 입장에서는 대출 종결 시간이 짧아지고 문서를 다시 제출하라는 요청이 줄어드는 효과로 이어진다.

6. 도입 절차와 최종 구조

GAIIC 지능형 문서 처리 가속기는 오픈 소스로 제공되며, 동반 실습 자료를 통해 문서 접수부터 후속 흐름 조율까지 전체 구조를 구현할 수 있다. 실습에서는 사전 구성된 주택담보대출 문서 유형을 포함한 파이프라인을 클라우드포메이션으로 배포한 뒤, 차주의 예제 서류를 올려 분류·추출·평가 과정을 실시간으로 확인한다. 다음 단계에서는 퀵 오토메이트에 후속 전달 규칙을 구성하고 이를 문서 처리 파이프라인과 연결한다. 마지막으로 원본 문서가 들어온 시점부터 검증된 데이터가 후속 시스템에 전달되는 시점까지 전체 절차를 실행한다. 완성된 구조는 별도 서버 관리 없이 처리량에 맞춰 확장되고 실제 처리분에 대해서만 비용이 발생하지만, 도입 효과를 판단할 때는 조직별 문서 구성과 절차 복잡성의 차이를 함께 고려해야 한다.

🧾 핵심 주장 / 시사점

• 이 사례의 핵심은 문서 인식 자체가 아니라 분류·추출·검증 결과를 실제 대출 절차와 연결하는 데 있으며, 두 솔루션의 역할 분리가 종단 간 자동화를 가능하게 한다.
• 자동 검증은 모든 판단을 기계로 대체하지 않고 이상 항목과 예외 사례를 사람에게 넘기도록 설계돼, 반복 작업은 줄이면서 필요한 검토 단계는 유지한다.
• 같은 기반 시설에서 문서 유형을 추가하고 재융자·주택담보 신용한도·상업 대출로 적용 범위를 넓힌 사례는 반복 문서가 많은 다른 산업에도 구조를 조정해 활용할 수 있음을 보여준다.

✅ 액션 아이템

• GAIIC 지능형 문서 처리 가속기로 주택담보대출 원본 문서를 텍스트로 변환·분류하고 누락·불일치를 자동 점검해 후속 전송 정확도를 높인다.
• 퀵 오토메이트를 통해 서밋 모기지 방식으로 추출 데이터를 대출 실행 시스템으로 전달하고 소득 확인·예외 담당자 배정까지 다단계 흐름을 연결한다.
• 서버리스 종량제와 문서 유형별 설정으로 문서량 증가 구간에서도 임시 인력 없이 15~20분 처리 시간을 6분 미만으로 축소할 운영 조건을 정의한다.

❓ 열린 질문

• GAIIC 가속기에서 차주 정보·소득·잔액·고용 데이터 추출 시 누락·불일치가 탐지되면 어떤 기준으로 담당자에게 배정할까?
• 서밋 모기지 사례처럼 연간 약 5만 건 처리량, 파일당 15~20분 투입, 연간 1만5000시간 수작업에서 6분 미만으로 줄인 최대 70% 개선이 다른 대출사는 동일하게 달성할 수 있을까?
• 문서량·문서 구성·절차 복잡성, 그리고 기존 시스템의 차이가 클 때 44일 평균 대출 종결 기간 단축 효과를 어떻게 안정적으로 검증할까?