DEEP Ops
Change the rules, not the system.
법령이나 양식이 바뀌어도 다시 구축하지 않습니다. 담당자가 추출 기준을 직접 고치고, 같은 문서로 검증한 뒤, 승인한 버전만 운영에 올립니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
본인은 위 내용을 확인하였으며, 기재 사항이 사실과 다를 경우 대출이 취소될 수 있음을 확인합니다. 대출 실행 후 신용상태가 개선된 경우 금리 인하를 요구할 수 있음을 안내받았습니다.
Why document AI stalls
Accuracy wasn't the problem. Change was.
법령이나 고시 개정, 심사 기준 변경, 거래처의 새 양식
2년
잘 쓰던 문서 AI가 새 항목 하나 앞에서 멈추기까지
2년 가까이 잘 쓰던 문서 AI도 고시가 개정돼 새 항목이 생기면 그 항목 앞에서 멈춥니다. 정확도가 떨어진 게 아니라, 그 항목을 읽으라고 배운 적이 없기 때문입니다.
새 항목 하나를 옛날 방식으로 반영하면
5단계
고객사와 개발사를 오가는 동안 현업은 손으로 처리합니다
바뀐 양식의 문서를 모아 정답을 달고, 개발사에 요청해 견적과 품의를 거치고, 모델을 고쳐 다시 배포합니다. 그동안 그 항목은 사람이 직접 입력합니다.
새 항목 하나가 반영되기까지
8주
몇 주에서 두 달
도입 성과는 한 번 나오고 끝나지만, 변경 비용은 업무가 바뀔 때마다 다시 나갑니다.
How DEEP Ops works
Operate it. Don't rebuild it.
AI를 바꿀 때마다 개발을 다시 할 필요는 없습니다. 현업 담당자가 직접 기준을 수정하고, 성능을 검증하며, 안정적으로 운영합니다.
- 01
Dashboard
템플릿별 평가 결과와 처리 추이를 한 화면에서 봅니다. 최근 평가에서 정답 일치가 떨어진 템플릿부터 손봅니다.
- 02
Templates
문서 유형마다 뽑을 항목과 조건을 자연어로 정합니다. 개발 요청서를 쓰는 대신 담당자가 기준 문장을 직접 고치고, 고친 내용은 새 버전으로 저장됩니다.
- 03
Version compare
바꾸기 전 버전과 바꾼 버전을 같은 문서에 돌려 결과를 나란히 봅니다. 새 항목이 잘 나오는지, 기존 항목이 깨지지 않았는지 배포 전에 확인합니다.
- 04
Audit log
스키마가 실제로 바뀔 때만 새 버전이 생기고, 이전 버전은 덮어쓰지 않고 남습니다. 언제 누가 무엇을 왜 바꿨는지 남고, 문제가 생기면 이전 버전으로 되돌립니다.
In production
Straight-through, in production.
실제 고객 업무에서 달성한 AI 자동 처리율입니다.
92%
Life insurer
Retirement pension payouts
퇴직연금 지급 심사, 월 15,000건. 건당 12분 넘게 걸리던 전수 검산을 예외 8%만 검토하는 구조로 바꿔 검산은 92% 줄고 리드타임은 66% 짧아졌습니다.
89%
Financial group, overseas unit
Loan document review
현지어 여신 서류 심사, 월 18,000건. 건당 21분 넘게 걸리던 심사에서 이제 예외 11%만 사람이 봅니다.
94%
Metropolitan government
Administrative documents for generative AI
행정 문서를 생성형 AI가 쓸 수 있는 구조 데이터로 바꿨습니다. 구조 요소 302개를 모두 검출했고 텍스트 유사도는 98.8%입니다.
90%
Government agency
Tax correction claims
경정청구서 33개 문서에서 361개 문항을 정확도 95% 이상으로 추출했습니다.
88%
Public investment institution
Portfolio company records
투자기업 사후관리 DB를 만들기 위해 법인등기부등본 9,410건을 구조화했습니다.
Workflow
Your process, run block by block.
팀이 하던 순서를 블록으로 잇습니다. 사람이 확인할 단계는 블록마다 정하고, 업무 흐름은 필요한 만큼 다시 구성합니다.
- 사용자 행위
- 사용 중사용자 행위
Reuse
Prove it once. Reuse it across teams.
한 업무에서 검증이 끝난 조합을 자산으로 저장해 다른 부서와 다른 업무에 가져다 씁니다. 현장의 평가 결과와 검수 피드백은 다시 품질 개선에 들어갑니다.
01
Model
어떤 VLM을 쓰는가
02
Prompt
무엇을 어떻게 읽으라고 지시했는가
03
Extraction schema
어떤 항목을 어떤 형식으로 뽑는가
04
Quality bar
어디까지를 통과로 보는가
Works alongside your MLOps
MLOps가 관리하는 건 모델이고, 문서 AI에서 바뀌는 건 업무 기준입니다. 모델 학습과 서빙은 기존 파이프라인이 맡고 DEEP Ops는 스키마, 프롬프트, 품질 기준을 맡아 함께 씁니다.
| Practice | Manages | Changed by |
|---|---|---|
| DevOps | Code | Developers |
| MLOps | Models and training data | ML engineers |
| LLMOps | Prompts and context | AI engineers |
| VLM Ops | Extraction schema and business rules | Business owners |
What would you hand off first?
도움을 받고 싶은 업무를 공유해주세요. 문의를 남겨주시면 담당 엔지니어가 직접 확인 후 연락드립니다.