미래에셋증권
증권미래에셋증권은 사내 AI 서비스의 핵심 기술로 RAG(검색 증강 생성)를 운영 중이었으나, 커버하는 데이터 규모가 증가함에 따라 검색량이 기하급수적으로 늘어나고 검색 속도가 이를 따라가지 못하면서 종합 성능이 하락하는 문제에 직면하였습니다.
현업 전문가(고객센터 직원, PB, 마케팅 부서, 상품 관리 직원) 의견 수렴 결과, 유사어·카테고리 그룹 검색, 상품 추천 사유 제공, 복합 조건 자연어 검색, 반복 질문 자동 응답 등 다양한 니즈가 확인되었으나 기존 시스템으로는 충족이 어려웠습니다.
미래에셋증권은 사내외 마켓 데이터를 수집·정제·가공하여 지식 DB화하고, 이를 표준 검색 인터페이스로 제공하는 AI 레디 데이터 전략을 수립하였습니다. 이를 실현하기 위한 기술로 그래프 RAG(Graph RAG) 를 채택하고, AWS와의 EBA(Engagement-Based Acceleration) 프로그램을 통해 금융상품 지식 DB 구축 프로젝트를 본격 추진하였습니다.
ETF, 공모펀드, 국내 채권 3개 상품 도메인에 대해 그래프 RAG 기반 상품 지식 DB를 성공적으로 구축하였으며, 자연어 질의를 통한 복합 금융상품 검색이 가능한 프로덕트를 완성하였습니다.
표·그림·그래프가 많은 금융 비정형 문서에 대해 Docling 기반 파싱 방법론의 정확도와 신뢰성을 검증하였으며, 향후 파싱 파이프라인의 표준 방법론으로 확정하였습니다.
이 유스케이스에 대해 궁금한 점을 질문해 보세요.