섹션별 상세
Ricoh는 의료 보험 청구와 임상 기록 등 매달 수십만 건의 비정형 문서를 처리하며 고객별 맞춤형 엔지니어링에 의존해 왔습니다. 각 고객마다 고유한 개발과 튜닝이 필요했기에 온보딩 과정에서 심각한 병목 현상이 발생했습니다. 이를 해결하기 위해 생성형 AI와 서버리스 기술을 결합하여 재사용 가능한 지능형 문서 처리 프레임워크를 설계했습니다.
아키텍처의 핵심은 Amazon Textract의 OCR 기능과 Amazon Bedrock의 파운데이션 모델을 결합한 하이브리드 방식입니다. Textract가 문서의 구조와 텍스트를 파싱하면 Bedrock 모델이 이를 바탕으로 지능적인 분류와 데이터 추출을 수행합니다. 이 방식은 대형 언어 모델의 컨텍스트 창 제한을 극복하여 50페이지가 넘는 긴 의료 문서도 안정적으로 처리하게 해줍니다.
시스템은 AWS Lambda와 Amazon S3를 활용한 이벤트 기반 서버리스 구조로 설계되어 트래픽 변화에 유연하게 대응합니다. Amazon SQS를 도입하여 API 호출 속도를 제어하고 안정적인 재시도 메커니즘을 구현했습니다. 각 고객별로 독립적인 대기열을 할당하는 멀티테넌시 구조를 통해 고객 간 간섭을 방지하고 독립적인 확장이 가능하도록 만들었습니다.
의료 데이터 처리에 필수적인 HIPAA, HITRUST, SOC 2 등 글로벌 보안 표준을 철저히 준수했습니다. 데이터는 전송 및 보관 시 모두 암호화되며 IAM 역할을 통해 접근 권한을 엄격히 제한합니다. 상세한 감사 로그와 모니터링 시스템을 구축하여 규제 준수와 보안성을 동시에 확보하면서 AI 혁신을 실현했습니다.
추출된 데이터의 신뢰도를 보장하기 위해 두 가지 추출 방식의 결과를 비교하는 신뢰도 점수 시스템을 도입했습니다. 점수가 낮은 데이터는 자동으로 인간 검토자에게 전달되는 Human-in-the-loop 워크플로를 구성했습니다. 이를 통해 수동 검토 비용을 최대 70% 절감하면서도 의료 산업에서 요구하는 99% 수준의 높은 정확도를 유지하고 있습니다.
인프라 배포 효율성을 극대화하기 위해 AWS SAM과 CloudFormation 기반의 설정 중심 온보딩 방식을 채택했습니다. 새로운 고객 추가 시 복잡한 코드 수정 없이 파라미터 설정만으로 전체 인프라를 배포할 수 있습니다. 이 자동화 덕분에 과거 6주까지 걸리던 온보딩 기간을 2~3일로 단축하고 엔지니어링 투입 시간을 획기적으로 줄였습니다.
기술
- Amazon Bedrock
- Amazon Textract
- AWS Lambda
- Amazon S3
- Amazon SQS
- Amazon DynamoDB
- AWS SAM
활용 사례
- 의료 보험 청구 처리
- 비정형 문서 분류 및 추출
- 규제 준수 문서 관리
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 05.수집 2026. 03. 05.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
