Rexera의 비정형 부동산 문서 처리

verified-case · 공개 출처 사례

문제

부동산 거래에는 관리조합 계약, 부동산 기록처럼 길고 형식이 일정하지 않은 문서가 많다. 필요한 사실을 놓치지 않고 찾는 수작업 검토는 시간이 오래 걸리고 거래 지연과 오류 위험을 만든다.

공개된 접근

AWS가 공개한 고객 사례에 따르면 Rexera는 다음 방식을 사용했다.

• 특정 부동산 문서를 컨텍스트로 사용하는 RAG 기반 추출 도구
• 작업 특성에 따라 여러 모델을 선택하는 방식
• 문서에서 핵심 정보를 추출하고 장애 요인을 표시하는 업무 흐름
• 단순 사례는 자동 처리하고 복잡·예외 사례는 사람 개입을 유지하는 운영

원출처는 월 500만 페이지 처리, 수작업 문서 검토 업무량 99% 감소, 거래당 평균 4시간 절감, 단순 사례에서 95% 이상의 정확도를 발표한다. 이는 AWS와 Rexera가 발표한 고객 사례 수치이며 독립 평가나 모든 문서 유형에 대한 보편 성능으로 해석하면 안 된다.

AI-Ready Data 관점의 교훈

1. 문서 검색이 아니라 업무 판단 단위로 좁혔다

“모든 부동산 문서를 이해”하는 대신 거래 문서에서 필요한 세부사항과 잠재 장애를 찾는 반복 업무에 집중했다. 우리 조직도 질문, 필드, 예외, 후속 행동을 먼저 정의해야 한다.

2. 비정형은 무구조가 아니다

문서 형식은 다양해도 거래에서 확인할 계약 당사자, 날짜, 의무, 제한, 누락과 같은 업무 구조는 있다. 이 구조를 추출 스키마와 검토 기준으로 만드는 일이 모델 선택보다 먼저다.

3. 정확도만으로 자동화 범위를 정하지 않는다

단순 사례와 예외를 구분하고 사람 검토로 라우팅해야 한다. 낮은 신뢰도, 충돌, 누락, 새 문서 유형, 고위험 조항을 자동 승인하지 않는 규칙이 필요하다.

그대로 가져오면 안 되는 것

• 이 사례는 클라우드 서비스 구조이며 외부 반출 금지 조직의 참조 아키텍처가 아니다.
• 발표 정확도의 표본, 정답 정의, 문서 유형별 분산은 공개 페이지에서 충분히 설명되지 않는다.
• 법률 문서의 효력 판단을 AI 추출과 동일시하면 안 된다.
• 비용 절감 수치를 자체 문서량·검토 비용·예외율 없이 사업계획에 복사하면 안 된다.

우리 조직에 적용할 실험

1. 문서 유형 하나와 추출할 업무 필드 10개 이내를 고른다.
2. 정상·누락·충돌·스캔·표·수기 사례를 포함해 100건을 표본화한다.
3. 필드별 정답과 허용 오차, “검토 필요” 조건을 사람이 작성한다.
4. 파싱, 검색, 추출, 인용을 각각 평가한다.
5. 자동 처리율보다 치명 오류와 사람 검토 시간을 함께 측정한다.

출처와 수치는 AWS 고객 사례 및 Rexera 진술에 기반한다. 제품 추천이나 독립 검증을 의미하지 않는다.