부동산 권리 및 감정 관리 기업인 Rocket Close가 생성형 AI를 업무 전반에 도입하며 번거로운 모기지 서류 처리 업무를 성공적으로 현대화했다. 이전까지 이 회사는 매일 약 75페이지 분량의 문서 패키지 2,000건이 쏟아지는 상황에 직면해 있었다. 이러한 막대한 물량은 운영상의 심각한 병목 현상을 초래했으며, 특히 부동산 평가와 대출 리스크 분석 수요를 감당하기 위해 매일 약 1,000시간의 수동 작업이 필요했다.

이에 Rocket Close는 AWS 생성형 AI 혁신 센터와 협력하여 복잡한 법적 서류를 처리하기 위한 2단계 파이프라인을 구축했다. 먼저 고정밀 광학 문자 인식 (OCR) 도구를 활용해 이미지와 PDF를 원본 구조를 유지한 채 기계가 읽을 수 있는 텍스트로 변환한다. 이어지는 단계에서는 고급 파운데이션 모델이 문서를 분류하고 특정 데이터 포인트를 구조화된 형식으로 추출한다. 실제로 이 시스템은 신탁 증서부터 세금 압류 문서에 이르기까지 60개 이상의 서로 다른 문서 유형을 높은 정밀도로 식별해낸다.

그 결과 운영 효율성 측면에서 놀라운 성과가 나타났다. 개별 패키지 처리 시간이 30분에서 2분 미만으로 급감하며 업무 속도가 15배나 향상됐기 때문이다. 특히 전체 정확도가 90%에 달해 인적 오류를 크게 줄였으며, 또한 인건비의 선형적 증가 없이도 미래 성장에 대응할 수 있는 확장성을 확보했다. 이러한 사례는 기업용 AI가 금융과 같이 규제가 엄격한 분야에서 고질적인 행정적 마찰을 어떻게 해소할 수 있는지 잘 보여준다.

부동산 권리 및 감정 관리 기업인 Rocket Close가 생성형 AI를 업무 전반에 도입하며 번거로운 모기지 서류 처리 업무를 성공적으로 현대화했다. 이전까지 이 회사는 매일 약 75페이지 분량의 문서 패키지 2,000건이 쏟아지는 상황에 직면해 있었다. 이러한 막대한 물량은 운영상의 심각한 병목 현상을 초래했으며, 특히 부동산 평가와 대출 리스크 분석 수요를 감당하기 위해 매일 약 1,000시간의 수동 작업이 필요했다.

이에 Rocket Close는 AWS 생성형 AI 혁신 센터와 협력하여 복잡한 법적 서류를 처리하기 위한 2단계 파이프라인을 구축했다. 먼저 고정밀 광학 문자 인식 (OCR) 도구를 활용해 이미지와 PDF를 원본 구조를 유지한 채 기계가 읽을 수 있는 텍스트로 변환한다. 이어지는 단계에서는 고급 파운데이션 모델이 문서를 분류하고 특정 데이터 포인트를 구조화된 형식으로 추출한다. 실제로 이 시스템은 신탁 증서부터 세금 압류 문서에 이르기까지 60개 이상의 서로 다른 문서 유형을 높은 정밀도로 식별해낸다.

그 결과 운영 효율성 측면에서 놀라운 성과가 나타났다. 개별 패키지 처리 시간이 30분에서 2분 미만으로 급감하며 업무 속도가 15배나 향상됐기 때문이다. 특히 전체 정확도가 90%에 달해 인적 오류를 크게 줄였으며, 또한 인건비의 선형적 증가 없이도 미래 성장에 대응할 수 있는 확장성을 확보했다. 이러한 사례는 기업용 AI가 금융과 같이 규제가 엄격한 분야에서 고질적인 행정적 마찰을 어떻게 해소할 수 있는지 잘 보여준다.