핵심 요약
NumbyAI는 클라우드 전송 없이 로컬 환경에서 은행 거래 내역을 자동으로 분류하고 관리하는 도구이다. Ollama를 활용하여 다양한 은행의 CSV 형식을 스스로 감지하며, 규칙 엔진과 LLM을 결합하여 높은 정확도의 카테고리 분류를 수행한다. 사용자의 데이터가 외부로 유출되지 않는 로컬 퍼스트 아키텍처를 채택하여 보안성을 극대화했다. 대시보드를 통해 소비 패턴 분석 및 예산 관리가 가능하며, Docker를 통한 간편한 배포를 지원한다.
배경
Python 3.11+, Node.js 18+, Ollama, Docker (선택 사항)
대상 독자
개인 금융 데이터를 안전하게 관리하고 싶은 개발자 및 로컬 LLM 활용 사례에 관심 있는 엔지니어
의미 / 영향
이 프로젝트는 민감한 개인 데이터를 다루는 애플리케이션에서 로컬 LLM이 클라우드 AI의 실질적인 대안이 될 수 있음을 보여준다. 특히 규칙 기반 시스템과 LLM의 하이브리드 설계는 비용 효율적인 AI 서비스 구축의 모범 사례를 제시한다.
섹션별 상세

OLLAMA_MODEL=qwen3.5:9b
CATEGORIZATION_BATCH_SIZE=20
CATEGORIZATION_MAX_WORKERS=2LLM 모델 설정 및 배치 처리 성능 최적화를 위한 환경 변수 설정 예시


실무 Takeaway
- 프라이버시가 중요한 금융 데이터 처리를 위해 Ollama와 같은 로컬 LLM을 활용하여 클라우드 비용과 데이터 유출 위험을 동시에 해결할 수 있다.
- 모든 데이터를 LLM으로 처리하는 대신 휴리스틱 엔진과 규칙 기반 시스템을 전처리 단계에 배치하여 추론 비용과 응답 속도를 최적화했다.
- 병렬 배치 처리 구조를 통해 로컬 환경에서도 대량의 거래 내역을 빠르게 분류할 수 있는 성능을 확보했다.
언급된 리소스
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.