NH농협은행 (STR)

NH농협은행 (STR)

최원석 2026.10.01

프로젝트 정보

고객사명NH농협은행
프로젝트명생성형 AI 기반 의심거래보고(STR) 보고서 작성 자동화
산업군금융데이터 포맷이상거래 탐지 데이터(정형 거래 데이터, 텍스트)
연동이상거래 탐지 시스템(API)클라우드Azure
LLMGPT-4o, GPT-3.5솔루션 버전CXP 1.0

이상거래 탐지 데이터로 의심거래보고(STR) 보고서 초안을 자동 생성하는 Agent

이상거래 탐지 시스템이 전달한 거래 패턴, 추정 범죄, 기업 정보를 사례 탐색과 근거 도출로 나누어 추론하고, 거래 정황과 특이사항부터 의심판단과 보고사유까지 STR 보고서 5개 항목 전체의 초안을 작성한 뒤, 상반된 두 관점의 판단 근거를함께 제시하여 최종 보고 여부는 담당자가 판단하는 환경 구현

Challenge

의심거래보고(STR)는 이상거래 탐지 시스템이 걸러낸 건을 담당자가 다시 검토해, 거래 정황과 특이사항을 정리하고 추정 혐의를 도출한 뒤 보고 여부와 보고사유까지 작성하는 업무입니다. 탐지 데이터는 수백 건 규모로 누적되는 반면 판단과 서술은 전적으로 사람의 수작업에 의존해, 업무 강도가 높을 뿐 아니라 정상 거래를 혐의로 오판하거나 실제 혐의 거래를 누락하는 리스크를 체계적으로 관리하기 어려운 구조였습니다.
탐지부터 보고서 작성까지 전 과정에 소요되는 시간과 리소스
의심거래 추출, 의심도 판정, 최종 보고서 작성으로 이어지는 전 과정이 담당자의 수작업에 의존
보고사유를 서술하기 위해 유사한 과거 보고 사례와 근거 자료를 찾는 검색 비용이 건별로 반복 발생
정상 거래를 혐의로 오판하거나 비정상 거래를 누락하는 리스크에 대한 체계적 관리 부족
수백 건 규모의 탐지 데이터에 대한 수기 작업
반복적이고 표준화된 STR 보고서 작성 업무가 지속적으로 누적되어 업무 강도 급증
거래 정황과 특이사항 파악, 추정 혐의 도출, 보고 여부 판단, 보고사유 작성에 이르는 전 단계를 일관된 품질로 처리해야 하는 부담
담당자별 경험과 판단 기준의 차이로 보고서 내용의 일관성 저하
금융범죄 유형별 특성을 반영해야 하는 업무 프로세스
보이스피싱, 불법도박, 탈세, 자금세탁 Layering 등 추정 전제범죄에 따라 기술해야 할 정황과 근거가 상이
현금 특이 거래, 수표 특이 거래, 경유 계좌 이용 거래, 법인 거래 등 거래 패턴별로 맞춤형 보고사유 서술이 요구됨
유형별 서술 방식이 담당자의 경험에 축적되어 있을 뿐, 시스템에서 참조할 수 있는 기준으로 정리되어 있지 않음

Solution

이상 거래 탐지 이후 반복되던 사례 검색과 보고서 서술은 AI가 지원하고, 최종 보고 여부 판단은 담당자가 유지하도록 업무 흐름을 재구성했습니다. 이를 위해 사례 탐색과 근거 도출을 분리한 다단계 추론과 항목별 생성 기준을 정의했습니다.
이상거래 탐지 데이터의 자동 분석
이상거래 탐지 시스템에서 거래 패턴, 추정 범죄, 기업 정보를 API로 전달받아 AI Agent가 자동 분석
관련 사례 탐색과 의심판단 근거 도출을 각각 별도의 LLM 호출로 분리하고, AI 추론 엔진이 호출 순서와 결과를 종합 관리
검색(Retrieval), 프롬프트 구성(Augmentation), 보고서 생성(Generation) 순으로 처리하여, 앞 단계에서 확보한 과거 사례와 근거를 다음 단계 프롬프트에 반영되도록 구성
STR 보고서 양식을 기준으로 한 초안 작성
정의된 규칙별 보고서 문장 패턴을 반영해 STR 보고서 양식에 맞는 초안을 작성
거래자 정보, 거래 정황 및 특이사항, 의심판단 및 보고사유 등 항목별로 프롬프트를 분리해 각 항목 성격에 맞는 서술을 생성한 뒤, 전체를 종합해 최종 의심판단과 보고사유를 작성
추정 전제 범죄와 거래 패턴에 해당하는 문장 패턴을 선택해 보고사유를 작성하여, 담당자의 작업이 초안 검토와 최종 판단으로 이동
의사결정 지원을 위한 상반된 관점의 이중 분석 제공
동일한 거래 데이터를 자금세탁 의도가 불명확한 관점과 명확한 관점 두 가지로 분석해 각각의 결과를 별도 답변으로 출력
보수적 관점 분석은 혐의로 단정하기 어려운 근거를, 적극적 관점 분석은 혐의를 뒷받침하는 근거를 제시
하나의 결론을 제시하는 대신 두 해석을 나란히 두어, 보고자가 반대 근거까지 확인한 뒤 보고 여부를 판단하도록 구성
지속적인 성능 개선을 위한 피드백 루프
업무 담당자가 키워드, 사용자 질문, 봇 답변 형태로 모범사례를 직접 등록해 답변 방식을 지시
답변에 대한 사용자 피드백을 UI로 수집하고, 수집된 의견 중 필요한 내용을 AI가 탐색해 이후 생성에 반영

Impact

실무자 테스트로 검증된 답변 품질
실무자 5명, 62회 테스트에서 5점 만점 중 4점 기록
STR 보고서 작성 3단계 중 2단계인 AML부서 모니터링 직원의 최초 보고 여부 검토 및 보고서 작성 수준을 검증 기준으로 적용
AI Agent 작성 대상 항목 1개에서 5개로
당초 보고사유 1개 항목 자동 작성에서 STR 보고서 5개 항목 전체 자동 작성으로 확대
담당자별 서술 편차 축소
유형별 보고 사유 서술 방식이 개인의 경험에 남아 있던 상태에서, 규칙별 문장 패턴을 기준으로 초안이 작성되는 구조로 전환
과거 보고 사례를 건별로 찾아 참고하던 작업을 Agent의 사례 탐색 단계가 대체

How we work

기존 STR 사례를 유형별 서술 규칙으로 구조화
보이스피싱, 불법도박, 탈세, 자금세탁 Layering 등 추정 전제 범죄와 현금, 수표, 경유 계좌 등 거래 패턴을 축으로 기존 STR 보고 사례를 분류하고, 유형별 문장 패턴을 규칙으로 정의
빈번한 유형부터 검증 후 적용 범위 확대
모든 유형을 한 번에 다루지 않고 현금 거래처럼 자주 발생하는 유형부터 적용한 뒤 실무자 테스트 결과를 근거로 대상 유형 확대
STR 보고서 항목별 서술 요건 분석
거래자 정보, 거래 정황 및 특이사항, 의심판단 및 보고사유 등 보고서 항목을 구분하고 각 항목이 요구하는 서술 성격과 필요 정보를 정의

뉴스레터(TX Insight) 신청하기

랭코드에서는 매월 셋째 주 수요일에 뉴스레터(TX Insight)를 발행합니다.
랭코드의 소식과 함께 최신의 IT 트렌드 및 인사이트를 획득하시려면 아래의 신청하기 버튼을 눌러주세요.