01 · PROBLEM & CONTEXT
반복적인 문서 탐색을 검토 가능한 AI 워크플로로.
수주규격 검토는 여러 문서에서 필요한 정보를 찾아 비교하고, 그 결과를 정해진 엑셀 양식으로 옮기는 반복 작업이었습니다. 기존 공개 포트폴리오에는 1만 가지 이상의 데이터 케이스와 건당 평균 약 2시간이 소요되는 업무로 설명되어 있습니다.
02 · ROLE & CONSTRAINTS
팀장으로서 검색 기반과 데이터 파이프라인을 맡았습니다.
프로젝트 팀장을 맡았으며 문서 전처리, 임베딩, 검색 설계를 중심으로 구현했습니다. 핵심 제약은 문서 형식의 이질성, 높은 오류 비용, 기존 엑셀 업무와의 연결, 그리고 결과를 직원이 다시 확인할 수 있어야 한다는 점이었습니다.
- 다양한 문서 형식을 동일한 검색 단위로 변환
- 규격 항목과 근거 문단의 대응 관계 유지
- LLM 출력이 기존 XLSX 검토 양식으로 이어지도록 설계
03 · APPROACH
검색, 비교, 산출을 하나의 파이프라인으로 연결했습니다.
문서 파싱과 정규화
Unstructured 기반으로 문서를 추출하고 항목·표·본문을 검색 가능한 단위로 정리했습니다.
임베딩과 근거 검색
규격 질문과 관련된 문단을 검색하고, 이후 비교 단계에서 원문 근거를 다시 확인할 수 있도록 출처를 유지했습니다.
LLM 기반 항목 비교
검색된 문맥을 바탕으로 요구사항과 기준을 비교하되, 자유로운 서술보다 정해진 출력 스키마를 우선했습니다.
XLSX 산출과 사람 검토
XlsxWriter로 기존 업무 양식에 결과를 기록하고, 최종 판단은 담당자가 근거와 함께 검토하도록 구성했습니다.
04 · OUTCOME
프로토타입의 가치는 ‘자동 답변’보다 반복 업무의 구조화였습니다.
기존 포트폴리오에는 프로젝트 내부 평가에서 80% 정확도를 기록한 것으로 정리되어 있으며, 프로젝트는 세아베스틸 공로상으로 이어졌습니다. 공개 페이지에서는 이 수치를 외부 벤치마크가 아닌 당시 프로젝트의 내부 평가 결과로 명확히 구분합니다.
05 · LEARNINGS
산업 RAG는 검색 정확도보다 검증 경로가 먼저입니다.
이 경험은 이후 연구에서 compact context와 provenance를 함께 보게 된 출발점이었습니다. 문맥을 많이 넣는 것이 안전성을 보장하지 않으며, 사용자가 어떤 근거로 결과가 생성됐는지 되짚을 수 있어야 실제 업무에 적용할 수 있다는 점을 배웠습니다.