한국딥러닝이 문서 AI를 보험 심사와 제조 품질 업무로 넓히는 전략을 공식 채널에서 구체화했다. 회사 홈페이지는 DEEP Agent를 복잡한 문서의 구조화, 정보 추출, 검수, 시스템 연동을 한 흐름으로 처리하는 문서 AI 에이전트로 소개한다. 보험금 청구 심사 사례를 전면에 배치하고, 한 생명보험사의 업무 소요 시간을 50% 줄였다고 밝혔다. 단순히 문자를 읽는 OCR(광학문자인식)을 넘어 여러 서류를 한 건으로 묶고 결과를 검증한 뒤 기존 업무 시스템으로 넘기는 과정까지 자동화 범위에 포함한 것이다.
보험 업무에서는 진단서, 영수증, 진료비 세부내역서처럼 형식이 다른 자료를 분류하고 필요한 정보를 뽑은 뒤 문서 사이의 값이 맞는지 확인하는 과정이 핵심이다. 회사가 2025년 AI EXPO KOREA 현장에서 공개한 사례에서도 금융 담당자들은 신청서와 동의서, 약관이 섞인 문서를 즉석에서 처리하는 시연을 확인했다. 다만 처리 시간 단축 수치는 회사가 제시한 사례이므로 적용 문서의 종류와 평가 기준, 사람이 맡는 최종 승인 범위를 함께 확인해야 실제 도입 효과를 판단할 수 있다.
제조 분야에서는 도면과 BOM(부품명세서), CMM(3차원 측정기) 보고서, PPAP(생산부품 승인 절차) 문서를 함께 읽고 품번과 측정값, 개정 이력, 승인 항목을 대조하는 방식이 제시됐다. 한국딥러닝의 2026년 5월 공식 자료는 AI가 문서 값을 먼저 비교하고 공차 이탈이나 누락 가능성을 표시하면 담당자가 예외를 판단하는 구조를 설명한다. 문서가 PDF, 이미지, 엑셀, 프레젠테이션으로 흩어진 제조 현장에서는 검색 가능한 데이터로 바꾸는 단계와 최신 버전을 구분하는 관리가 함께 필요하다.
| 적용 영역 | 문서 AI 역할 | 도입 전 확인 항목 |
|---|---|---|
| 보험 심사 | 서류 분류·정보 추출·문서 간 검증 | 평가 기준·예외 처리·최종 승인 |
| 제조 품질 | 도면·BOM·측정 보고서·개정 이력 대조 | 공차 규칙·최신본 관리·재검수 이력 |
두 영역의 공통점은 AI가 최종 결정을 대신하기보다 반복 확인을 줄이고 사람이 볼 예외를 좁힌다는 데 있다. 보험금 지급과 제조 품질 판정은 오류 비용이 큰 만큼 온프레미스 구축 여부, 접근 권한, 처리 기록, 모델 업데이트와 재검수 절차를 함께 설계해야 한다. 한국딥러닝의 확장 전략이 현장 성과로 이어지는지는 고객별 문서 구성과 기존 ERP(전사적자원관리)·CRM(고객관계관리) 연동 조건, 장기 운영 중 발생하는 오분류를 얼마나 투명하게 관리하는지에 달려 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
