【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[연예뉴스]“단어만 찾는 사서는 가라”…미래에셋증권이 AI에 ‘맥락’을 심은 방법

온카뱅크관리자

2026-05-22 05:27:30

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">AWS 서밋 서울 2026에서 ‘그래프 RAG’ 기반 금융상품 DB 구축 사례 공개</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="xnOjNuHlvB">
          <figure class="figure_frm origin_fig" contents-hash="e7ce1e515a3821827cc13c2294c0dc458e3a84ab186fdb2dc85c19e8f76a5b84" dmcf-pid="yy7ZXL6byq" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/22/552796-pzfp7fF/20260522052732771zhfe.jpg" data-org-width="640" dmcf-mid="PVAoL3yOTK" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/22/552796-pzfp7fF/20260522052732771zhfe.jpg" width="658"></p>
          </figure>
          <p contents-hash="e261f0d861b2189713318195cc0dd944e9e7d436d0e8cf5de702bd7842db6b3d" dmcf-pid="WWz5ZoPKlz" dmcf-ptype="general">[디지털데일리 이안나기자] 증권사들이 AI 도입에 속도를 내고 있지만 실무에 쓸 만한 수준의 정확도를 확보하는 일은 여전히 어렵다. AI가 틀린 답을 자신 있게 내놓는 ‘환각(할루시네이션)’ 문제는 수치 하나하나가 중요한 금융 업무에서특히 치명적이기 때문이다. 미래에셋증권이 AWS와 이 문제를 풀어온 과정을 공개했다.</p>
          <p contents-hash="fa5a24733a07bf067ce8e37e781da35440d993efa6fee0089d4d2959d64fe9e5" dmcf-pid="YYq15gQ9T7" dmcf-ptype="general">이우람 미래에셋증권 데이터플랫폼 수석 매니저와 최창균 선임 매니저는 서울 코엑스에서 20~21일 열린 ‘AWS 서밋 서울 2026’에서 그래프 검색증강생성(RAG) 기반 금융상품 DB 구축 프로젝트를 소개했다. 직원이 ETF, 공모펀드, 채권 같은 금융상품을 자연어로 물어보면 관련 정보를 정리해 답해주는 시스템이다.</p>
          <p contents-hash="3c3f40fdceb8d97e2354a9bbf8b033625ead9248ef00cf886ac7208233ce91d6" dmcf-pid="GGBt1ax2hu" dmcf-ptype="general">강인호 AWS 솔루션즈 아키텍트는 “기업 AI 서비스 중 시범 운영에서 실제 운영으로 넘어가지 못하는 비율이 90%에 달하는데 그 원인은 모델 성능이 아니라 데이터 준비에 있다”고 짚었다. 그는 “AI가 데이터를 이해하려면 데이터가 먼저 AI를 이해할 수 있는 구조로 준비돼야 한다”고 덧붙였다.</p>
          <p contents-hash="52da752d0f832dc048fea14c302274dfb8557fe9d925ebda2d9f2872acefbb99" dmcf-pid="HHbFtNMVvU" dmcf-ptype="general">미래에셋증권은 RAG 기반 AI 서비스를 운영하던 중 새로운 문제에 부딪혔다. RAG는 AI가 답변을 생성하기 전에 관련 문서를 먼저 찾아보게 하는 방식으로 오답을 줄이는 데 효과적이다. 그런데 커버하는 데이터 범위를 넓혀가면서 검색량이 기하급수적으로 늘자 응답 속도가 따라가지 못했다. 비슷한 단어를 찾는 데는 능숙하지만 데이터 사이 관계나 맥락, 수치 정확도에서는 한계가 있었다.</p>
          <p contents-hash="8d0eb74261bb1a2dac98ada71e76f1c0f72a7272fa7c46098660204141c2026f" dmcf-pid="XXK3FjRfyp" dmcf-ptype="general">강 아키텍트는 일반 RAG와 그래프 RAG 차이를 도서관 직원에 빗대어 설명했다. 일반 RAG는 도서관 일반 직원과 같다. “성장주 ETF 찾아줘”라고 하면 관련 단어가 들어간 책들을 서가에서 꺼내오는 수준이다. 데이터 사이 관계나 의미는 이해하지 못한 채 단순 검색에 그친다.</p>
          <p contents-hash="d896efedd5a44c624ab8e49781147157ae3e17f736f6d35237734749d11afc4c" dmcf-pid="ZZ903Ae4l0" dmcf-ptype="general">반면 그래프 RAG는 데이터 간 관계를 전부 머릿속에 넣고 있는 베테랑 사서에 가깝다. “성장주 ETF는 나스닥 지수를 추종하고, 나스닥엔 애플이 포함돼 있고 애플은 IT 종목”이라는 식으로 관계를 따라가며 더 정확한 답을 낸다. 최근 금융권에서 이 방식이 주목받는 이유다. 강 아키텍트는 “가트너 조사에 따르면 AI 관련 질문을 하는 고객 절반 이상이 그래프 기술을 함께 문의한다”며 “지식 그래프와 LLM을 함께 쓰면 응답 정확도가 54.2% 향상된다는 연구 결과도 있다”고 소개했다.</p>
          <div contents-hash="515da4d36ad1b4471583bfd6ffc992361f9f3e25ac4c0d45a95566f4ae873c2d" dmcf-pid="552p0cd8y3" dmcf-ptype="general">
           이 베테랑 사서 머릿속 지식 체계에 해당하는 것이 온톨로지다. 데이터 간 관계를 명시적으로 정의한 구조로 미래에셋증권은 국제 금융 표준 온톨로지를 기반으로 한국 금융 분류 체계와 사내 용어집을 층층이 쌓아 ETF 전용 온톨로지 맵을 만들었다. ‘자산운용사는 ETF를 운용하고, ETF는 특정 지수를 추종하며, 주식·채권·파생상품을 담고, 어느 거래소에 상장돼 있다’는 식이다.
          </div>
          <figure class="figure_frm origin_fig" contents-hash="8ea6d99039f32cebcaab411b199ca70726a23c8942eda3cb3ddce7a133649347" dmcf-pid="11VUpkJ6hF" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/22/552796-pzfp7fF/20260522052734127gkak.jpg" data-org-width="640" dmcf-mid="Qyz5ZoPKvb" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/22/552796-pzfp7fF/20260522052734127gkak.jpg" width="658"></p>
          </figure>
          <p contents-hash="b2c98ae724e3d12c48dc5c97aa43d21f3aca23132e936c5a0f75b4858d79bb74" dmcf-pid="ttfuUEiPht" dmcf-ptype="general">전문가 검증의 필요성도 이 과정에서 나왔다. 문서에 “집합투자증권은 예금자보호법에 따라 적용되지 ‘않는’ 실적배당 상품”이라는 문장이 있을 때, AI가 부정어를 잘못 처리하면 그래프에 “예금자보호법 적용을 받는다”는 틀린 관계가 저장된다. 미래에셋증권은 부정 구문을 더 엄격하게 처리하는 필터를 별도로 만들어 이 문제를 잡았다.</p>
          <p contents-hash="2dde00febb5b0ad671a63f0c64ecd2f1c6b6a8ef3972185843e0be63cb7006e6" dmcf-pid="FKi84vDgS1" dmcf-ptype="general">이 수석은 “ETF는 집합투자증권이고, 집합투자증권은 예금자보호를 받지 않는다는 사실은 도메인 전문가가 알아야 잡을 수 있다”며 “그래프 RAG 체계에서 전문가가 직접 검증하는 단계는 선택이 아니라 필수”라고 말했다.</p>
          <p contents-hash="f695d41fcf4d5f857ab9056ea4a065f49a91d159f9d8dae3432f68d456a3c1d1" dmcf-pid="39n68TwaT5" dmcf-ptype="general">답변 생성 단계에서도 오답 차단이 최우선이었다. 최창균 선임 매니저는 “AI가 생성한 답변은 반드시 실제 데이터를 출처로 명시해야 하며 근거 없는 답변은 절대 없어야 한다”고 강조했다. 답변 임의 생성, 임의 추정, 이름 임의 축약 등을 시스템 차원에서 금지 규칙으로 정했다. AI에 처음부터 데이터베이스 검색 명령어를 만들게 하면 잘못된 결과가 나올 수 있어서 핵심 요소만 추출하게 한 뒤 사람이 짠 코드로 안전하게 조합하는 방식을 택했다.</p>
          <p contents-hash="a50b74fbd76fc88cc96b2ecd66e8ad95c7b1c2c566ee93e5d3cebb7ab14dd4f6" dmcf-pid="02LP6yrNCZ" dmcf-ptype="general">미래에셋증권과 AWS는 금융상품 지식 DB 고도화 작업을 이어가고 있다. ETF·공모펀드·채권 3개 상품에서 전사 판매 가능 상품 전체로 범위를 확대하고, 매일 상장·폐지·판매중단되는 상품 정보를 실시간으로 반영하는 파이프라인도 구축할 예정이다.</p>
          <p contents-hash="78a76cb1c96c258a7e1574908de079d70441bc8946c51d3c728afe66c1dbd75b" dmcf-pid="pVoQPWmjlX" dmcf-ptype="general">올해 3월 혁신금융 서비스로 지정을 받아 최신 LLM을 내부망에서 활용할 수 있는 구조도 준비 중이다. 이 수석은 “상품 검색을 넘어 업무 전반으로 지식 데이터베이스를 확대하고 문서를 만들 때부터 AI가 잘 읽을 수 있는 구조로 작성하는 체계까지 구축하는 것이 목표”라고 말했다.</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기