[금융 DX 리포트] DEEP Agent로 기업여신 심사 '논타이핑(Non-Typing)' 워크플로우 구현한 사례

금융권의 의사결정권자와 실무진이 가장 갈증을 느끼는 지점은 결국 ‘보안을 지키면서도 어떻게 이 지겨운 반복 업무(타이핑)를 없앨 것인가’입니다.

한국딥러닝(KDL)의 프로덕트 DEEP Agent에 속한 두 핵심 서비스인 DEEP OCR과 DEEP Parser를 결합하여, 금융권의 폐쇄망 환경에서도 완벽한 ‘논타이핑(Non-typing) 워크플로우’를 구현한 심층 분석 리포트를 소개합니다.

금융권의 디지털 전환(DX)은 단순히 종이를 없애는 것이 아니라, ‘입력의 종말’을 선언하는 것에서 시작됩니다. 대한민국의 시중은행인 A은행은 매일 쏟아지는 수만 장의 기업 금융 서류와 외환 서류를 처리하기 위해 기존의 단순 OCR 기술을 넘어선 한국딥러닝의 통합 문서 지능 솔루션을 전격 도입했습니다. 기술적 정확도와 금융권 특유의 폐쇄망 보안이라는 두 마리 토끼를 모두 잡은 A은행의 혁신 사례를 통해, 미래 금융의 표준 워크플로우를 살펴봅니다.

금융권이 직면한 'OCR의 역설' (The OCR Paradox)

그동안 금융사들은 막대한 예산을 들여 AI OCR을 도입해 왔습니다. 하지만 아이러니하게도 실무자들의 업무 시간은 크게 줄어들지 않았습니다. 이를 ‘OCR의 역설’이라 부릅니다.

• 읽기만 하고 이해하지 못하는 AI: 기존 OCR은 이미지 속 글자를 텍스트로 바꾸는 데 그칩니다. 재무제표의 숫자가 '단기차입금'인지 '장기부채'인지 AI가 구분하지 못하면, 결국 심사역이 다시 보고 시스템에 타이핑해야 합니다.

• 비정형 서류의 파편화: 외환 L/C(신용장)나 기업 재무제표는 발행 국가나 기관마다 양식이 천차만별입니다. 양식이 조금만 바뀌어도 기존 OCR은 먹통이 됩니다.

• 보안 규제의 장벽: 최신 생성형 AI나 클라우드 OCR을 쓰고 싶어도, '망분리 규제'와 '개인정보보호법'이라는 거대한 벽에 부딪혀 현장 도입이 좌절되곤 합니다.

A은행은 이러한 '역설'을 해결하기 위해, 단순히 글자를 읽는 '눈(OCR)'뿐만 아니라 문맥을 이해하는 '뇌(Parser)'를 동시에 탑재하기로 결정했습니다.

통합 솔루션: DEEP OCR(눈) + DEEP Parser(뇌)의 시너지

한국딥러닝의 통합 솔루션은 문서를 사람이 처리하는 방식과 동일한 메커니즘으로 작동합니다.

① DEEP OCR: 어떤 열악한 환경에서도 정확한 '인식'

먼저 DEEP OCR이 문서의 모든 텍스트를 읽어냅니다.

• 수기 인식(HWR): 고객이 직접 손으로 쓴 사고 경위서나 신청서의 흘려 쓴 필기체까지 높은 확률로 인식합니다.

• 저품질 대응: 흐릿한 팩스본, 모바일로 촬영된 왜곡된 이미지도 딥러닝 보정 기술을 통해 선명하게 복원 후 인식합니다.

② DEEP Parser: 문서의 구조와 의미를 파악하는 '해석'

읽어낸 텍스트에 생명력을 불어넣는 단계입니다. VLM(Vision-Language Model) 기반의 DEEP Parser는 다음과 같은 고차원적인 업무를 수행합니다.

• 레이아웃 분석(Layout Analysis): 문서 내의 제목, 본문, 각주, 표, 서명란의 위치와 관계를 완벽히 파악합니다.

• 구조화 데이터 생성: 복잡하게 병합된 재무제표의 셀(Cell) 구조를 엑셀이나 JSON 형태의 Machine-Readable 데이터로 변환합니다. 이는 사람이 다시 타이핑할 필요가 없는 상태를 의미합니다.

금융 보안의 마지노선: 완벽한 온프레미스(On-Premise) 구현

금융 업무 자동화에서 보안은 기술력보다 우선합니다. 한국딥러닝은 A은행의 엄격한 보안 요구사항을 다음과 같이 충족했습니다.

✅ 외부 접촉 차단: Air-gap 환경 지원

모든 AI 모델과 엔진은 은행 내부 서버(On-Premise)에 물리적으로 설치됩니다. 외부 인터넷망과의 연결이 차단된 에어갭(Air-gap) 환경에서도 AI 모델의 추론과 데이터 처리가 독립적으로 이루어집니다.

✅ 실시간 민감 정보 마스킹 (PII Masking)

문서가 인식되는 즉시 주민등록번호, 계좌번호, 주소 등 민감 정보를 탐지하여 실시간으로 가립니다. 이는 데이터 활용 시 발생할 수 있는 내부 보안 사고를 원천 차단하는 핵심 기술입니다.

✅ 데이터 거버넌스 및 감사 추적

모든 문서 처리 이력은 암호화되어 기록됩니다. 누가, 언제, 어떤 서류를 처리했는지에 대한 완벽한 로그를 제공하여 금융감독원의 보안 가이드라인과 내부 감사 규정을 100% 준수합니다.

[Case Study] A은행 기업여신 심사 자동화 사례

A은행은 기업 대출 심사 시 발생하는 '재무제표 전산 입력' 업무에 본 솔루션을 적용했습니다.

워크플로우 혁신 전/후 비교

1. 기존 방식: 기업이 제출한 3개년치 재무제표(PDF/스캔본)를 심사역이 출력 → 주요 항목을 눈으로 확인 → 내부 시스템(LMS)에 수십 개의 숫자를 손으로 직접 타이핑 → 오타 검수 (평균 소요 시간: 건당 45분)

2. 논타이핑 방식: 서류 업로드 → DEEP OCR+Parser가 구조 분석 및 데이터 추출 → AI가 추출한 데이터와 원본 이미지를 나란히 띄워 심사역이 확인 → '전송' 버튼 클릭 → 시스템 필드 자동 입력 완료 (평균 소요 시간: 건당 5분 미만)

성과 지표 (Business Impact)

지능형 금융의 시작: 데이터 자산화와 RAG 연계

이번 도입의 가장 큰 수확은 단순히 속도가 빨라진 것이 아닙니다. 그동안 이미지로만 존재해 활용할 수 없었던 '비정형 금융 데이터'를 살아있는 지식 자산으로 바꿨다는 점입니다.

구조화된 데이터는 향후 다음과 같은 고도화된 서비스로 확장됩니다.

• 금융 특화 RAG(검색 증강 생성): "최근 3년간 부채 비율이 급격히 늘어난 기업 리스트와 그 사유를 알려줘"라는 질문에 AI가 내부 서류를 분석해 답합니다.

• AI 신용 평가 고도화: 더 세밀한 재무 지표를 실시간으로 분석하여 대출 한도와 금리를 정교하게 산정합니다.

결론: "타이핑은 AI에게, 판단은 금융인에게"

금융 혁신은 기술이 사람을 대신하는 것이 아니라, 사람이 ‘더 가치 있는 일’을 할 수 있도록 돕는 것입니다.

한국딥러닝의 DEEP OCR과 DEEP Parser 통합 솔루션은 금융권의 가장 고질적인 문제였던 ‘보안’과 ‘비정형 데이터 처리’를 동시에 해결했습니다. 이제 실무자는 숫자를 입력하는 노동에서 벗어나, 데이터 속에 숨겨진 리스크를 판단하고 고객과의 상담에 더 집중할 수 있습니다.

지금, 귀사의 금융 시스템에서 ‘타이핑’을 삭제하십시오. 그것이 진정한 금융 지능화의 시작입니다.

금융권 도입 관련 FAQ

Q1. 기존에 구축된 레거시(Legacy) 시스템과 연동이 복잡하지 않나요?

A. 아닙니다. 표준 API와 RPA 연동 커넥터를 제공하므로, 기존 시스템의 대대적인 수정 없이도 수 주 내에 연동이 가능합니다.

Q2. 재무제표 외에 영문으로 된 수출입 서류(L/C 등)도 처리가 가능한가요?

A. 네. 다국어 모델을 탑재하고 있어 영문뿐만 아니라 다국어 서류의 구조화도 완벽히 지원하며, 외환 업무 자동화에도 이미 다수 적용되어 있습니다.

Q3. 온프레미스 설치 시 하드웨어 사양이나 관리 부담은 어떤가요?

A. KDL의 모델은 경량화 최적화를 거쳐 효율적인 리소스 관리가 가능합니다. 설치부터 유지보수까지 금융 전문 엔지니어링 팀이 전 과정을 지원합니다.

본 내용은 다수의 유사 프로젝트 수행 경험을 바탕으로, 한국딥러닝 솔루션의 실제 적용 방식을 재구성한 예시입니다. 산업별 맞춤형 AI 적용 가능성을 확인해보세요.

같이 읽어보면 좋은 글

기존 AI OCR이 멈추는 지점, 왜 DEEP OCR은 시장에서 승리했는가

기존 Parser가 멈추는 지점, DEEP Parser는 왜 시장에서 승리했는가