금융 서류 위조 탐지 스타트업 인스크라이브(Inscribe)가 아마존웹서비스(AWS)의 생성형 AI 서비스 베드록(Bedrock)을 활용해 대출 신청 서류의 위조 여부를 90초 이내에 판별하는 에이전트형 AI 시스템을 구축했다고 밝혔다. 인스크라이브가 최근 발표한 ‘2026 문서 사기 실태 보고서’에 따르면 제출 서류 16건 중 1건꼴로 사기가 발견되고 있으며, 2025년 4월부터 12월 사이 AI로 생성된 위조 서류는 5배 급증했다. 은행이나 대출기관이 사람 손으로 서류를 검토하는 데 건당 평균 30분이 걸려 늘어나는 신청 물량을 감당하기 어려운 상황에서, 인스크라이브는 이번 시스템으로 검토 시간을 기존 대비 20배 단축했다고 설명했다.
인스크라이브의 시스템은 은행 명세서, 급여명세서, 세금 서류, 신분증 등 여러 서류를 교차 대조하고 위변조 흔적과 딥페이크 가능성까지 살피는 작업을 사람 분석가처럼 단계적으로 수행한다. 서류가 업로드되면 아마존 S3에 저장되고 아마존 SQS 대기열을 거쳐 자동으로 처리 작업이 시작된다. 문서 텍스트 추출은 아마존 텍스트랙트(Textract)와 베드록의 파운데이션 모델을 함께 활용하며, 이후 여러 AI 모델이 순차적으로 서류를 분석하는 구조다. 인스크라이브 최고기술책임자(CTO) 코너 버크는 이번 시스템이 단일 모델이 아니라 작업 성격에 맞는 여러 모델을 조합하는 방식으로 설계됐다고 설명했다.
모델 배치 전략도 눈에 띈다. 앤트로픽의 클로드 하이쿠(Haiku) 4.5는 서류 파싱과 필드 추출, 초기 분류처럼 빠르게 처리해야 하는 대량 작업에 투입돼 클로드 소네트(Sonnet) 대비 추론 비용을 약 40% 절감했다. 메타의 라마(Llama) 3.1과 라마4는 거래 내역 정리와 개체명 추출에 쓰이는데, 인스크라이브 엔지니어링 매니저 이보는 라마가 해당 작업에서 고비용 모델과 성능 차이가 크지 않아 비용 절감 효과가 컸다고 밝혔다. 반면 클로드 소네트4와 4.5는 여러 서류에 걸친 사기 패턴을 찾아내고 고용주 정보를 웹에서 검증하며 감사 가능한 보고서를 작성하는 가장 복잡한 조정 작업을 맡는다. 이와 별도로 인스크라이브가 자체 개발해 아마존 세이지메이커(SageMaker)에서 운영하는 전용 머신러닝 모델은 이미지 위변조 탐지와 알려진 사기 서류 패턴 매칭 등 범용 언어모델이 놓치는 신호를 잡아낸다.
실제 도입 사례에서 성과도 공개됐다. BHG 파이낸셜은 인스크라이브 도입 후 서류 검토 시간을 90% 이상 줄이며 수백만 달러 규모의 사기 손실을 막았고, 로직스 연방신용조합은 도입 8개월 만에 300만 달러 이상의 대출 사기를 예방했다고 밝혔다. 신용조합 BCU는 여러 건의 신청서를 동시에 제출하는 조직적 사기단을 초기에 적발해 560만 달러의 손실을 막았다고 전했다. 인스크라이브 측은 이 시스템이 처리 물량이 하루 10건이든 1만 건이든 일관된 성능을 유지하도록 설계됐으며, 향후 에이전트형 AI를 활용한 다른 기업용 워크플로에도 유사한 다중 모델 조합 방식이 참고 사례가 될 수 있다고 덧붙였다.
