프로젝트 정보
| 고객사명 | NH농협은행 |
| 프로젝트명 | 생성형 AI 기반 의심거래보고(STR) 보고서 작성 자동화 |
| 산업군 | 금융 | 데이터 포맷 | 이상거래 탐지 데이터(정형 거래 데이터, 텍스트) |
| 연동 | 이상거래 탐지 시스템(API) | 클라우드 | Azure |
| LLM | GPT-4o, GPT-3.5 | 솔루션 버전 | CXP 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
수백 건 규모의 탐지 데이터에 대한 수기 작업
금융범죄 유형별 특성을 반영해야 하는 업무 프로세스
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
STR 보고서 양식을 기준으로 한 초안 작성
의사결정 지원을 위한 상반된 관점의 이중 분석 제공
지속적인 성능 개선을 위한 피드백 루프
Impact
실무자 테스트로 검증된 답변 품질
AI Agent 작성 대상 항목 1개에서 5개로
담당자별 서술 편차 축소
How we work
기존 STR 사례를 유형별 서술 규칙으로 구조화
빈번한 유형부터 검증 후 적용 범위 확대
STR 보고서 항목별 서술 요건 분석


