인스크라이브, 아마존 베드록 활용으로 문서 사기 방지를 향상시키다

현대 금융 기관들은 매일 수천 건의 애플리케이션을 처리하며, 문서내 사기는 매 16개 중 1개의 사례로 증가하고 있습니다. 이는 단순한 수작업 검토 만으로는 해결할 수 없는 도전 과제입니다. 인스크라이브는 2017년부터 AI 기반의 문서 사기 탐지 시스템을 개발해 왔으며, 최근에는 아마존 베드록을 활용해 90초 이내에 위조 문서를 탐지하는 시스템을 구축했습니다.

아마존 베드록 기반의 에이전틱 AI 시스템 활용

인스크라이브는 아마존 베드록의 다중 모델을 활용하여 문서 사기 탐지 시스템을 구축했습니다. 이를 통해 기존 수작업 검토에 비해 20배 빠르게 문서를 분석할 수 있으며, 금융 서비스 규제를 준수하는 정확도를 유지합니다. 이 시스템은 다음과 같은 주요 특성을 가지고 있습니다:

1. 다중 모델 선택 및 자동화:
   아마존 베드록은 여러 AI 회사와 협력하여 제공하는 고성능 기초 모델을 선택하여 적절하게 활용할 수 있게 합니다. 이는 개별 인프라 관리의 부담 없이 모델 선택을 가능하게 하여, 구성 선택의 문제로 간주됩니다.

2. 안전한 문서 분석:
   모든 데이터는 이동 중과 보관 중에 암호화되어 있고, 엄격한 데이터 보호 표준을 충족합니다.

3. 확장 가능한 인프라:
   서버리스 확장은 업무 시간 동안의 문서 처리량의 차이를 조절할 수 있으며, 필요 시 자동으로 규모를 조정하여 대기 시간을 최소화합니다.

인스크라이브 시스템 아키텍처

• 문서 섭취 및 저장:
  인스크라이브의 웹 인터페이스나 API를 통해 업로드된 문서는 아마존 S3에 저장되어, 아마존 SQS 큐에 바로 처리 대기목록으로 이어집니다.

• 비동기 처리:
  작업은 아마존 EC2에서 실행되는 Celery 작업자 프로세스로 바로 큐에서 풀링되며, 이는 트래픽 급증 시에도 지연 없이 대응할 수 있도록 합니다.

• 다중 모델 사기 탐지 파이프라인:
  문서가 초기 분류 및 분해된 후, 각 작업에 맞는 적절한 모델이 선택되어, 병렬 포렌식 체크 및 웹 검색이 통합된 최종 사기 점검이 완료됩니다.

결론 및 다음 단계

인스크라이브가 아마존 베드록 기반의 문서 사기 탐지 워크플로우의 결과, 다양한 고객사에서 실질적인 성과를 달성하고 있습니다. 각 금융 기관은 이 시스템을 통해 향상된 사기 탐지율을 경험하고 있으며, 에이전틱 AI 접근법을 기반으로 한 인프라 변화를 통해 최신 사기 기법에도 대응할 수 있습니다.

인스크라이브의 성공적인 사례를 기반으로, 아마존 베드록을 활용한 다모델 아키텍처는 금융 서비스 기관들에게 새로운 지평을 제시할 것입니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-inscribe-uses-amazon-bedrock-to-stop-document-fraud-in-seconds/