Associa의 문서 분류 자동화를 위한 GenAI IDP Accelerator와 Amazon Bedrock 성공 사례

Associa의 문서 분류 자동화를 위한 GenAI IDP Accelerator와 Amazon Bedrock 활용 사례

서론
오늘날 방대한 문서 데이터를 다루는 기업에서는 효율적인 문서 분류 및 검색 시스템이 필요합니다. 특히 다양한 양식과 형식으로 구성된 문서를 기존 방식대로 수작업으로 분류할 경우, 업무 생산성이 크게 저하되고 오류 가능성 또한 높아집니다. 이러한 문제 해결을 위해 North America 최대 커뮤니티 관리 기업 Associa는 Amazon Bedrock과 Generative AI 기반의 Intelligent Document Processing Accelerator(GenAI IDP Accelerator)를 활용하여 문서 분류 자동화 시스템을 구축했습니다. 본 포스팅에서는 Associa의 실제 구축 사례를 중심으로 자동 문서 분류의 활용 방법, 최적화 방식, 모델 비교 평가, 자동화 전략 등을 살펴봅니다.

본론
Associa는 7.5백만명의 주택 소유자를 관리하는 15,000여 직원과 300개 이상의 지사를 보유한 대형 기업으로, 연간 4천8백만여 건, 총 26TB 이상의 다양한 문서를 관리하고 있습니다. 하지만 수작업 분류 방식은 시간 소모가 크고 오류가 빈번하며, 운영 효율성을 저하시키는 요소로 작용하고 있었습니다. 이를 해결하기 위해 AWS Generative AI Innovation Center와 협업해 GenAI IDP Accelerator를 기반으로 한 자동 문서 분류 솔루션을 구축했습니다.

해당 시스템은 OCR 및 생성형 AI를 활용하여 비정형 문서를 구조화된 데이터로 전환하고, Amazon Bedrock을 통해 각 문서 유형별로 자동 분류합니다. 또한 Amazon CloudFormation을 활용한 모듈형 아키텍처로 다양한 처리 패턴에 대응할 수 있도록 설계되었습니다. Associa는 이 중 핵심 구성으로 '패턴 2' 방식(OCR + Classification)을 선택했습니다.

문서 분류 정확도 및 비용 절감을 위한 평가
Associa는 다양한 평가 항목을 통해 최적 구성을 도출했습니다.

① 전체 PDF vs. 첫 페이지만 활용 비교
풀 PDF 문서를 입력값으로 사용한 경우 평균 91%의 정확도를 달성하고, 문서당 1.10센트 비용이 발생했습니다. 반면 첫 페이지만 사용하는 방식은 95%라는 더 높은 분류 정확도와 0.55센트라는 절반 수준의 비용으로 효율성이 크게 향상되었습니다.

② OCR + 이미지 vs. 이미지 단독 프롬프트 비교
OCR과 이미지 데이터를 동시에 활용한 방식은 95%의 전체 정확도와 85%의 미분류(Unknown) 문서 분류 정확도를 보였습니다. 반면 이미지 단독 방식은 비용은 낮아졌지만, Unknown 정확도가 50%로 떨어져 결과적으로 OCR+이미지 조합이 가장 균형 잡힌 결과를 제공했습니다.

③ 모델 성능 비교
가장 우수한 분류 정확도(96%)는 Amazon Nova Premier 모델이 제공했지만 문서당 비용이 1.12센트로 높았습니다. Anthropic의 Claude Sonnet 4는 Unknown 문서 분류 정확도가 가장 높지만, 역시나 비용 측면에서 부담이 컸습니다. Associa는 최종적으로 정확도(95%)와 비용(0.55센트)의 균형을 고려하여 Amazon Nova Pro를 채택했습니다.

활용 효과 및 자동화 가치
Associa는 자동 분류 시스템 구축을 통해 95% 이상의 정확도, 절반 수준의 단가, 빠른 문서 처리 속도를 확보했습니다. 이에 따라 수작업 부담을 획기적으로 줄이고, 직원 생산성도 크게 향상되었습니다. 특히 Unknown 카테고리 정확도를 효과적으로 관리함으로써, 후속 검토와 업무 흐름에도 긍정적인 파급 효과를 만들어냈습니다.

결론
Amazon Bedrock과 GenAI IDP Accelerator를 활용한 Associa의 문서 자동 분류 사례는, 문서 유형이 다양한 대규모 운영 기업이 어떻게 생성형 AI를 실질적인 운영 도구로 전환할 수 있는지를 잘 보여줍니다. 프롬프트 설계, 입력 전략, 모델 성능, 비용 비교 등 다양한 측면에서 체계적으로 접근한 사례는 향후 유사 솔루션을 도입하고자 하는 기업에게 유용한 배포 가이드로 활용될 수 있습니다. 특히 업무 자동화 기반의 AI 도입 방식에 관심 있는 조직이라면 Associa의 방식이 우수한 비교 기준이 될 수 있습니다.

https://aws.amazon.com/blogs/machine-learning/how-associa-transforms-document-classification-with-the-genai-idp-accelerator-and-amazon-bedrock/