연간 15,000시간의 수동 작업을 유발하는 대출 문서 처리 병목

미국 모기지 시장은 MBA 모기지 금융 예측에 따라 연간 약 400만에서 600만 건의 대출을 실행한다. ICE 모기지 테크놀로지의 보고서에 따르면 평균 대출 실행 완료까지는 44일이 소요되며, 모기지 은행 협회는 대출 한 건당 발생하는 총비용을 영업, 이행, 생산 지원 및 오버헤드를 포함해 11,000달러 이상으로 추산한다. 이 과정에서 소득 증명서, W-2, 은행 거래 내역서, 운전면허증, 무효 수표, 보험 신청서와 같은 방대한 양의 문서를 분류하고 추출하며 검증하는 작업이 필수적으로 수반된다.

가상 기업인 서밋 모기지(Summit Mortgage)와 같은 중형 대출 기관은 연간 약 50,000건의 대출을 처리한다. 이 기관의 대출 처리 담당자들은 파일 하나당 15분에서 20분의 시간을 들여 문서를 수동으로 분류하고, 누락 여부를 확인하며, 대출 실행 시스템에 데이터를 직접 입력한다. 이러한 수동 처리 방식은 연간 총 15,000시간 이상의 작업 시간을 소모하게 만들며, 처리량이 급증하는 성수기에는 비용이 많이 들고 품질이 일정하지 않은 임시 인력을 추가로 채용해야 하는 운영 리스크를 발생시킨다.

수동 입력 과정에서 발생하는 데이터 오류는 하위 공정에서 재작업을 유발하여 전체 파이프라인의 사이클 타임을 늘린다. 불완전한 서류 패키지는 담당자가 누락 사실을 인지할 때까지 큐에 방치되어 대출 실행 지연의 핵심 원인이 된다. 결국 문서 접수와 처리 단계의 병목 현상은 금융 기관의 운영 효율을 저하시키고 고객의 대출 경험을 악화시키는 결정적인 요인으로 작용한다.

Textract와 Bedrock 기반의 서버리스 데이터 추출 구조

AWS는 문서 처리 병목을 해결하기 위해 GAIIC(AWS Generative AI Innovation Center) IDP Accelerator를 제공한다. 이 솔루션은 오픈 소스 기반의 서버리스 파이프라인으로 설계되어, 관리자가 서버의 사양을 결정하거나 자원을 미리 할당할 필요 없이 처리량에 따라 자동으로 확장된다. 특히 고정 인프라 비용 없이 처리된 문서 건당 비용을 지불하는 Pay-per-document 모델을 적용하여 초기 구축 비용과 유지 관리 부담을 제거했다.

추출 파이프라인의 핵심은 Amazon Textract와 Amazon Bedrock 파운데이션 모델의 결합이다. Amazon Textract는 이미지나 PDF 문서에서 단순 텍스트뿐만 아니라 표의 구조와 양식의 키-값 쌍을 정밀하게 읽어낸다. 이렇게 디지털화된 데이터는 Amazon Bedrock의 대규모 언어 모델(LLM)로 전달되어 문서의 문맥을 분석하고, 사용자가 정의한 특정 정보만을 정확하게 추출하는 과정을 거친다.

전체 공정은 문서 분류, 데이터 추출, 데이터 검증의 자동화 흐름으로 수행된다. 시스템은 입력된 문서가 소득 증명서인지 혹은 은행 거래 내역서인지 유형을 먼저 분류하고, 해당 유형에 최적화된 추출 프롬프트를 적용해 필요한 필드 값을 골라낸다. 마지막으로 추출된 데이터가 지정된 날짜 형식에 맞는지, 필수 항목이 누락되지 않았는지 검증하여 데이터의 신뢰도를 확보한다. 기업은 오픈 소스로 제공되는 이 파이프라인을 통해 자신의 비즈니스 로직에 맞춰 검증 규칙을 추가하거나 세부 설정을 변경할 수 있다.

커스텀 코드 없는 Quick Automate의 워크플로우 오케스트레이션

IDP Accelerator가 추출한 데이터를 실제 하위 시스템으로 전달하고 비즈니스 로직을 실행하는 과정은 Amazon Quick Automate가 담당한다. Quick Automate는 AI 어시스턴트와 비주얼 워크플로우 빌더를 제공하여, 개발자가 커스텀 코드를 작성하지 않고도 API 호출, 의사결정 체인, 시스템 액션을 연결하는 엔드 투 엔드(End-to-End) 프로세스를 구축하게 한다.

서밋 모기지 팀은 Quick Automate를 통해 추출된 데이터의 유형이나 특정 값의 범위에 따라 데이터를 전달할 대상 시스템을 다르게 지정하는 컨텍스트 기반 라우팅을 설정했다. 이를 통해 예외 상황이 발생했을 때 자동으로 처리 경로를 변경하는 체인을 연결하여 운영자의 수동 개입을 최소화했다. 기존의 코드 기반 연동 방식은 조건이 변경될 때마다 코드를 수정하고 다시 배포해야 했으나, 비주얼 빌더 방식은 워크플로우의 논리 구조만 수정하면 즉시 반영되므로 유지보수 효율이 높다.

전체 자동화 흐름은 '문서 도착 $

ightarrow$ IDP Accelerator의 분류 및 추출 $

ightarrow$ Quick Automate의 하위 워크플로우 조율 $

ightarrow$ 담당자의 최종 의사결정' 순으로 진행된다. Quick Automate는 IDP Accelerator가 추출한 원시 데이터를 비즈니스 요구사항에 맞게 가공하여 하위 시스템에 입력함으로써, 데이터 추출 단계와 시스템 입력 단계 사이의 간극을 코드 없이 연결한다. 이를 통해 엔지니어는 API 연결 코드 작성 대신 전체적인 데이터 흐름과 예외 처리 로직 설계에 집중할 수 있는 환경을 갖게 된다.

파일당 처리 시간 6분 미만으로 단축한 실무 성과

서밋 모기지는 GAIIC IDP Accelerator와 Quick Automate를 결합하여 문서 처리 시간을 파일당 15~20분에서 6분 미만으로 단축하는 목표를 달성했다. 자동화 파이프라인 도입을 통해 수동 분류와 데이터 입력에 소요되던 시간이 획기적으로 줄어들었으며, 이는 대출 처리 과정의 고질적인 병목 현상을 해결하는 결과로 이어졌다.

수동 데이터 입력 단계가 자동화되면서 사람이 직접 텍스트를 옮겨 적을 때 발생하는 오타나 누락 같은 휴먼 에러가 차단되었다. 데이터 정확도가 향상됨에 따라 서류 미비나 기재 오류로 인해 고객에게 서류 재제출을 요청하는 빈도가 감소했으며, 결과적으로 대출 실행 완료까지의 전체 사이클 타임이 단축되었다. 이는 대출 신청자에게 더 빠른 실행 완료 시간과 개선된 사용자 경험을 제공하는 실질적인 혜택으로 돌아간다.

대출 처리 담당자의 역할은 단순 데이터 입력자에서 최종 의사결정자로 전환되었다. 연간 15,000시간 이상 소모되던 반복 업무가 자동화되면서, 담당자는 AI가 추출하고 검증한 데이터를 바탕으로 대출 승인 여부를 판단하고 위험 요소를 분석하는 고부가가치 심사 업무에 집중하게 되었다. 이러한 인적 자원의 효율적 배치는 심사자 간의 처리 속도 편차를 줄이고 조직 전체의 운영 안정성을 높이는 효과를 가져왔다.

산업군 확장 전략과 오픈소스 구현 자원

서밋 모기지는 구축된 자동화 파이프라인을 주택담보대출뿐만 아니라 재융자 패키지, 주택 담보 신용 한도(HELOC), 상업 대출 처리까지 확장 적용했다. 인프라를 새로 구축하지 않고 GAIIC IDP Accelerator 내에서 새로운 문서 유형에 대한 설정값만 변경함으로써 빠르게 대응할 수 있었다. 이는 특정 문서 양식에 종속되지 않는 범용 아키텍처를 갖췄기에 가능한 결과이다.

이러한 서버리스 IDP 구조는 금융업 외에도 의료 기록, 보험 청구서, 공공 행정 서류와 같이 반복적인 문서 유형과 엄격한 컴플라이언스 요구사항이 있는 모든 산업군에 적용 가능하다. GAIIC IDP Accelerator가 문서 내용을 분류하고 데이터를 추출하면, Quick Automate가 하위 워크플로우를 조율하여 실무자가 최종 판단에만 집중하게 만드는 구조를 동일하게 구현할 수 있다.

자동화 파이프라인의 실제 구현을 위한 자원은 오픈소스로 공개되어 있다. 개발자는 GAIIC IDP Accelerator GitHub 저장소(https://github.com/aws-samples/gaiic-idp-accelerator)에서 전체 소스 코드를 확인할 수 있으며, 제공되는 컴패니언 워크숍과 기술 문서를 통해 문서 정의 파일 수정부터 배포까지의 과정을 실습할 수 있다.

인프라 고정비 없이 처리량 기반 비용(Pay-per-document)으로 문서 자동화 파이프라인을 구축하려는 조직은 문서의 복잡도와 예상 처리량을 산정한 뒤, 해당 비용 모델의 임계점을 기준으로 도입 여부를 결정해야 한다.