테크니컬 튜즈데이: AI 에이전트와 LLM이 지능형 문서 처리(IDP)를 혁신하다

에이전틱 자동화가 모멘텀을 얻으면서, 조직들은 지능형 문서 처리(IDP)가 에이전틱 세계에서 어디에 위치하는지, 그리고 AI 에이전트가 단순히 IDP를 대체할 수 있는지 점점 더 묻고 있습니다.

짧은 답은 아니오지만, 더 흥미로운 답은 왜냐입니다.

대규모 언어 모델(LLM)로 구동되는 AI 에이전트는 텍스트를 읽고, 문서를 요약하고, 질문에 인상적인 유창함으로 답할 수 있습니다. 하지만 엔터프라이즈급 에이전틱 자동화는 언어 이해 이상의 것을 의존합니다. 속도, 정확성, 구조, 추적성, 대량의 문서와 커뮤니케이션 전반에 걸친 일관성이 필요합니다.

그런 렌즈로 볼 때, IDP의 역할이 더 명확해집니다. 대체되는 것이 아닙니다. 진화하고 있습니다. LLM과 에이전트는 문서 처리의 필요성을 제거하지 않습니다. 그것에 대한 기준을 높입니다. 조직이 개별 작업 자동화에서 엔드투엔드 프로세스 결과 주도로 이동함에 따라, 문서를 안정적으로 해석하는 능력이 더욱 중요해짐은 물론, 그 해석이 어떻게 일어나는지 거버넌스하고 통제하는 능력도 중요해집니다.

이 포스트에서는 실제 에이전틱 문서 처리 접근법이 어떻게 보이는지, 왜 문서 처리가 여전히 기초적인지, 그리고 에이전트와 유아이패스 IXP가 어떻게 협력해 새로운 유스케이스를 지원하고 의미 있는 비즈니스 결과를 제공하는지 살펴보겠습니다.

왜 문서 처리가 그 어느 때보다 중요한가

자동화에 대한 기대가 변했습니다. 조직은 더 이상 개별 작업 자동화에 만족하지 않습니다. 전체 프로세스를 자동화하고 비즈니스 결과로 성공을 측정하길 원합니다.

그리고 그런 프로세스들(송장 처리, 클레임 처리, 계약 검토, 직원 온보딩, 대출 발급, 주문 관리, 고객 서비스)을 자세히 보면, 모두 한 가지 공통점이 있습니다: 문서, 커뮤니케이션, 비정형 또는 반정형 데이터를 중심으로 돌아갑니다.

문서는 자동화의 입력일 뿐이 아닙니다. 우리가 변혁하려는 프로세스의 결합 조직(connective tissue)입니다. 프로세스를 시작하는 경우가 많습니다:

• 송장이 매출채권 개시

• 구매 요청 또는 PO가 조달-지급 시작

• 대출 패키지가 심사 트리거

• 계약 수정이 검토 주기 개시

일부 문서는 구조화되거나 반구조화되어 있지만, 상당 부분은 그렇지 않습니다. 맥킨지는 조직 데이터의 90%가 비정형이라고 추정합니다. 장문 계약, 이메일, 첨부파일, 정책 문서, 주고받는 커뮤니케이션은 안정적으로 자동화하기 가장 어려운 것들에 속합니다.

이것이 조직이 역사적으로 고전한 지점이며, 문서 처리가 그렇게 중요한 이유입니다. 문서 주도 프로세스(대부분의 프로세스)에서 문서는 진실의 운반체(carrier of truth)입니다. 우리가 그것을 오해하면 다운스트림 모든 것이 손상됩니다.

송장의 지급 조건이나 총액을 잘못 해석하는 것은 단순히 재작업을 만드는 게 아닙니다. 지급 지연, 분쟁 유발, 현금 흐름 영향, 고객 관계 손상을 초래할 수 있습니다. 에이전틱 AI에서는 판돈이 더 커집니다. AI 에이전트는 주어진 데이터를 기반으로 추론하고 행동합니다. 그 데이터가 불완전하거나 틀리면, 에이전트는 자신 있게 잘못된 결정을 내릴 수 있습니다.

이것이 IDP가 에이전틱 세계에서도 여전히 중요한 빌딩 블록이지, 선택적 애드온이 아닌 이유입니다. AI 에이전트는 주어진 데이터만큼만 신뢰할 수 있습니다. LLM은 언어를 해석할 수 있지만, 지저분한 입력을 안정적이고 거버넌스 가능한 출력으로 자동 변환하지는 않습니다. 그래서 프로덕션급 문서 처리를 단순히 '프롬프트'로 해결할 수 없습니다.

현대 IDP가 제공해야 할 것

AI 에이전트가 결정을 내리고 행동을 취하려면, 문서 계층은 텍스트 추출 이상을 해야 합니다. 프로덕션에서 버틸 수 있는 구조화되고 검증 가능한 증거를 생성해야 합니다. IDP 접근법(유아이패스 IXP 포함)을 평가할 때, CIT와 IT 의사결정자에게 가장 중요한 네 가지 기준이 있습니다:

1. 비즈니스 속도에 맞는 신뢰할 수 있는 정확성
"데모에서 좋은" 게 아니라, 실제 문서 변동성(포맷, 스캔, 필기, 표, 이메일 첨부파일, 예외 케이스)에서 신뢰할 수 있어야 합니다. 시스템은 복잡한 구조(표, 계층, 관계)를 처리하면서 볼륨과 서비스 수준 협약(SLA) 압박 하에서도 수행해야 합니다.

2. 설명할 수 없는 답변이 아닌 감사 가능한 증거
에이전틱 워크플로에서 "모델이 그렇게 말했다"는 거버넌스 전략이 아닙니다. 현대 IDP는 내장된 추적성이 필요합니다: 추출된 필드와 해석을 소스 내 출처와 명확히 연결하고, 시스템이 증거로 사용한 것을 검토하고 검증할 수 있는 능력.

3. 프로토타입에서 프로덕션으로의 빠른 경로
문서 자동화는 노트북과 일회용 스크립트에 살 때 실패합니다. 팀이 검사, 관찰, 거버넌스할 수 있는 공유 환경이 필요합니다. 스키마 검토, 실제 문서 대비 출력 평가, 추출 필드 뒤 증거 검사, 시간 경과에 따른 성능 모니터링이 가능한 중앙 집중식 공간. 검사, 검증, 거버넌스가 내장되면 프로토타입에서 프로덕션으로의 이동이 통제 가능하고 반복 가능해집니다. 취약하고 불투명하지 않게.

4. 확장 시 리스크를 줄이는 수명 주기 통제
문서 이해를 장기 실행 프로세스에 임베딩한다면, 배포 규율이 필요합니다: 버전 관리, 롤백, 통제된 릴리스, 명확한 변경 이력. 그게 "작은 모델 조정"이 대규모 운영 인시던트가 되는 것을 막습니다.

이것들이 문서 처리를 에이전틱 워크플로에 안전하게 임베딩할 수 있게 하는 역량들입니다. 문서 이해를 측정 가능하고, 거버넌스 가능하고, 반복 가능한 것으로 만들기 때문입니다. 그리고 일단 그 기반이 마련되면, AI 에이전트는 가장 잘하는 일을 할 수 있습니다: 문서에서 파생된 증거를 시스템 전반의 결정과 행동에 연결하는 것.

AI 에이전트가 문서 워크플로에서 가치를 더하는 지점

IDP 시장은 꾸준히 성장 중이고, 에이전틱 AI 시장은 폭발 중입니다. 그 모든 에이전트들의 공통점은 문서를 올바르게 이해해야 한다는 필요성입니다.

유아이패스 IXP는 문서에서 구조화되고 신뢰할 수 있는 데이터를 언락(unlock)합니다. 에이전트는 그 데이터를 사용해 시스템과 문서 전반에서 추론, 검증, 결정, 행동합니다.

대출 발급 프로세스를 고려해 보세요. 에이전틱 문서 처리 전에는 분석가가:

• 대출 패키지의 문서를 수동으로 인덱싱

• 각 문서를 열고 필수 정보 추출

• 문서를 올바른 폴더에 분류 및 저장

• 문서 데이터를 대출 시스템 및 체크리스트와 비교

• 시스템 업데이트 및 심사용 케이스 제출

이는 느리고, 수동적이며, 오류 발생하기 쉽습니다.

에이전틱 문서 처리 후:

• AI 에이전트가 대출 패키지를 접수하고 대출 컨텍스트 식별

• 문서가 IXP와 LLM을 사용해 전체적으로 분류, 추출, 해석

• 에이전트가 문서와 시스템 전반에서 추론, 정책과 체크리스트 대비 검증

• 불일치 플래그 지정, 다음 액션 결정, 예외 인간 검토 라우팅

• 레코드 시스템 업데이트 및 완전한 감사 준비 케이스 자동 제출

차이는 단순한 자동화가 아닙니다. 의사결정입니다.

아키텍처 수준에서 이는 일반적으로 다음과 같습니다:

• 유아이패스 IXP가 스트림 기반 분류와 높은 신뢰도 추출 처리

• LLM이 비정형 언어 해석, 컨텍스트 종합, 복잡한 문서 전반의 추론 지원

• AI 에이전트가 비즈니스 로직 적용, 추론, 검증, 크로스 시스템 액션 수행

• 유아이패스 마에스트로™, 프로세스 오케스트레이션 계층이 장기 실행 프로세스와 예외 조정

각 계층은 고유한 역할을 수행하며, 함께 새로운 유스케이스 패턴을 언락합니다:

1. 처리 유형: 스트림 vs 코퍼스(corpus)

2. 상호작용 모델: 어텐디드(attended) vs 언어텐디드(unattended)

3. 이해 수준: 추출 vs 추론

전통적 IDP는 주로 한 조합에서 탁월했습니다: 스트림 처리, 언어텐디드, 추출. 이는 송장, 클레임, 양식에 여전히 중요합니다.

AI 에이전트와 LLM은 복잡하고 비정형 문서 및 커뮤니케이션 유스케이스를 커버하게 해줍니다:

• 계약 Q&A: 스트림, 어텐디드, 추론

• 고객 지원 문서: 코퍼스, 어텐디드, 추론

• 규제 요약: 스트림, 언어텐디드, 추론

• 실사 추출: 코퍼스, 언어텐디드, 추출

변화는 "어떤 데이터를 추출할 수 있는가?"에서 "이 문서가 어떤 결정이나 행동을 유발해야 하는가?"로의 이동입니다.

추출에서 결과로

IDP는 사라지지 않습니다. 확장되고 있습니다.

유아이패스 IXP, AI 에이전트, LLM이 함께 사용될 때, 문서 처리는 필드 추출을 넘어 문서-투-결정(document-to-decision) 워크플로로 이동합니다. IXP는 신뢰할 수 있는 구조화된 데이터를 제공합니다. LLM은 복잡하고 비정형 콘텐츠 전반에 걸친 맥락적 이해를 더합니다. 에이전트는 둘 다를 사용해 시스템과 프로세스 전반에서 추론, 검증, 행동합니다.

이 조합은 조직이 문서 집약적 프로세스를 더 높은 정확성, 적응성, 통제로 자동화할 수 있게 합니다. 문서는 자동화의 입력일 뿐 아니라, 지능형 에이전틱 프로세스의 기초가 됩니다.

이 아이디어를 더 자세히 탐구하려면, "AI 에이전트 시대의 지능형 문서 처리" 웨비나에 참여하세요. 문서 처리 유스케이스 패턴, 아키텍처, 에이전틱 문서 처리 실제 사례를 다룹니다.