광고심의, 왜 자동화가 어려운가?
금융 상품 광고 하나가 세상에 나오기까지는 보이지 않는 검토 작업이 반복됩니다.
광고안(이미지/PDF), 상품약관, 상품설명서. 이 세 가지 문서를 규정집과 대조하며 항목별로 통과/불통과를 판정하고, 근거를 원문에서 찾아 기록해야 합니다. 숙련된 담당자도 건당 수십 분이 걸리는 작업입니다.
AI를 도입하면 어떤 일이 생길까요? 많은 팀이 처음에는 낙관적입니다. PoC 단계에서 챗봇이 규정 질의에 꽤 잘 답하는 것을 확인하기 때문입니다. 그런데 운영 확장을 시작하면 예상치 못한 곳에서 막힙니다.
- "광고안이 이미지라서 텍스트 추출이 안 됩니다."
- "약관 PDF 안에 표가 중첩돼 있어서 RAG가 의도와 다른 문단을 가져옵니다."
- "통과/불통과 판정은 하는데, 근거 조항을 못 찾습니다."
이 세 문장은 결국 하나의 문제로 이어집니다. 데이터를 제대로 읽어내지 못하는 '전처리 단계'입니다.
전처리가 무너지면, 그 위의 모든 것이 흔들린다.
AI 광고심의 파이프라인은 다음과 같은 단계로 구성됩니다.
AI-OCR → 규정 RAG 검색 → 체크리스트 자동 생성 → 광고안 정합성 검토 → Evidence 매핑 → Guardrail
첫 번째 단계인 AI-OCR(DocumentParse)에서 광고 시안 내 구조와 시각적 정보를 분석하고, 이미지를 텍스트로 변환해 핵심 정보를 추출합니다. Heading, Table, Index 등 HTML 요소로 변환되어 다음 단계로 넘어갑니다.
이 단계가 불완전하면 이후 과정은 정확도를 보장할 수 없습니다. 이 지점을 해결하기 위해 업스테이지는 Document Parse 기반의 전처리 구조를 제공합니다. 이미지·PDF 형태의 광고안에서 텍스트를 추출하는 것을 넘어, 문서의 레이아웃과 구조(Heading, Table, Multi-column 등)를 인식해 RAG와 에이전트가 실제로 이해할 수 있는 형태로 재구성합니다. 단순한 OCR이 아니라, AI 에이전트가 '읽을 수 있는 데이터'를 만드는 단계까지 포함된 전처리입니다.
규정 RAG 검색에서 금소법·매뉴얼을 Top-K 매칭하고, sLLM이 체크리스트 항목을 도출하고, 규정 대 광고안 비교 판정을 내리더라도, 입력 자체가 잘못됐다면 결과는 신뢰하기 어렵습니다.
운영 환경의 현실은 이렇습니다.
- 표 안의 표 — 구조 붕괴, 셀 데이터 누락
- 이미지 속 텍스트 — 텍스트 추출 불가
- 이중 컬럼 레이아웃 — 문단 순서 혼재
- 중첩 PDF — RAG 검색 오류
전처리가 충분하지 않으면, 그 위에 어떤 모델을 올려도 RAG 정확도는 흔들리고, 결국 사람의 재검토가 반복됩니다.
구조가 갖춰지면 무엇이 달라지는가?
전처리 안정성이 확보된 파이프라인은 다른 결과를 만들어냅니다.
광고심의 에이전트가 최종적으로 만들어내는 것은 단순한 통과/불통과 판정이 아닙니다. Evidence Pack이라 불리는 구조화된 문서입니다.
- 체크리스트 기반 심의 결과
- 항목별 통과/불통과 판단
- 판정 근거 원문 인용
- 출처 문서 하이라이트
- 개선 권고사항
이 결과물이 의미 있는 이유는 '자동화가 됐다'는 것이 아닙니다. 담당자가 결과를 신뢰하고 업무에 실제로 쓸 수 있다는 것입니다.
근거 없이 답하지 않는 것. 그것이 운영 단계에서 AI 에이전트에게 요구되는 핵심 조건입니다.
운영 확장을 위해 함께 설계해야 할 3가지 조건
광고심의 사례에서 확인되는 운영 확장의 조건은 세 가지입니다.
① 문서를 끝까지 읽는 전처리 구조
비정형 PDF, 이미지, 복잡한 표 구조까지 처리할 수 있는 Document AI 파이프라인이 선행되어야 합니다.
② 근거 추적이 가능한 파이프라인
RAG 검색 결과가 어느 조항에서 왔는지, Evidence 매핑이 정확한지를 검증할 수 있어야 합니다. Guardrail이 민감정보 마스킹과 할루시네이션 검증을 담당하는 구조도 여기에 포함됩니다.
③ 에이전트 간 맥락이 끊기지 않는 연결
단일 챗봇이 아니라 여러 에이전트가 협업하는 구조에서는, 중간 단계에서 컨텍스트가 끊기면 전체 성과에 직접적인 영향을 미칩니다. 업무 서비스 영역, 데이터 저장 구조, AI 모델 계층이 유기적으로 연결되어야 합니다.
이 3가지 조건은 도입 초기보다 운영 6개월 이후에 더 큰 차이를 만듭니다.
AX는 모델이 아니라 파이프라인이 답입니다
에이전트 자동화의 성패는 모델이 아니라, 전처리 안정성과 파이프라인 설계에서 결정됩니다.
좋은 모델은 필요조건입니다. 그러나 그것만으로는 충분하지 않습니다. 파이프라인 설계가 탄탄하더라도 실제로 작동하는 모델의 정확도가 받쳐주지 않으면 구조는 껍데기가 됩니다. 반대로, 모델이 아무리 뛰어나도 전처리가 무너지면 결과는 신뢰할 수 없습니다.
결국 선택 기준은 단순합니다.
정확하게 읽고, 일관되게 처리하고, 실제 운영 경험이 있는가.
.png)
.avif)
.avif)