로켓 클로즈, 아마존 베드록 도입해 모기지 문서 처리 속도 15배 향상

주장로켓 클로즈는 아마존 웹 서비스(AWS)의 생성형 인공지능(AI) 기술을 활용해 복잡한 모기지 문서 처리 과정을 자동화했습니다. 이 기술 혁신으로 회사는 운영 효율성을 높이고 비즈니스 확장성을 확보했습니다.

팩트로켓 클로즈는 매일 약 2,000개의 추상 패키지 파일을 처리하며 각 파일은 평균 75페이지에 달합니다. 기존 수동 방식으로는 패키지당 평균 10시간이 소요되어 업무 병목 현상이 발생했습니다.

팩트아마존 텍스트랙트와 아마존 베드록을 결합한 새로운 솔루션은 기존 대비 처리 속도를 15배 향상했습니다. 문서 분류 및 필드 추출 작업에서 90%의 정확도를 달성했습니다.

교차검증모기지 문서는 서식의 일관성이 부족하고 수기 메모, 표, 서명 등이 혼재되어 자동화가 어렵습니다. 이러한 이질적인 데이터 구조는 자동화 시스템의 오류 가능성을 높이는 주요 요인입니다.

팩트솔루션의 1단계는 아마존 텍스트랙트를 사용해 문서 이미지를 기계가 읽을 수 있는 텍스트로 변환하는 과정입니다. 추출된 내용은 마크다운 형식으로 변환되어 아마존 S3에 저장됩니다.

팩트2단계에서는 아마존 베드록의 파운데이션 모델이 문서를 분석하고 데이터를 추출합니다. 추출된 정보는 표준화된 제이슨(JSON) 형식으로 변환되어 다른 시스템과 원활하게 통합됩니다.

팩트아마존 베드록은 서버리스 방식으로 생성형 AI 애플리케이션을 구축할 수 있는 완전 관리형 서비스입니다. 단일 응용 프로그램 인터페이스(API)를 통해 다양한 AI 기업의 파운데이션 모델을 선택해 사용합니다.

팩트시스템은 모기지 계약서, 소유권 이전 증서, 세금 유치권 통지서 등 60개 이상의 문서 유형을 분류합니다. 각 문서의 법적 상태와 대출 조건을 정확히 파악하는 기능이 핵심입니다.

팩트로켓 클로즈는 연간 50만 건 이상의 문서를 처리하도록 시스템을 설계했습니다. 이는 기술 혁신으로 고객 서비스 속도를 높이고 지속 가능한 성장을 도모하려는 전략입니다.

주장고급 프롬프트 엔지니어링과 도메인 지식 통합은 이 솔루션의 성공 요인입니다. 특정 문서 유형에 맞춘 프롬프트와 업계 용어 사전은 모델의 출력 일관성과 정확도를 높였습니다.

출처아마존 웹 서비스 공식 블로그(https://aws.amazon.com/blogs/machine-learning/rocket-close-transforms-mortgage-document-processing-with-amazon-bedrock-and-amazon-textract/)를 교차 검증했습니다.