문서를 검색 가능한 단위로 정리
긴 문서를 조항과 문맥 단위로 나누고, 자료의 출처와 언어 등 검색에 필요한 정보를 함께 정리합니다.
CONVOFIN LEARN · 기술 소개
RAG와 머신러닝으로
금융문서의 근거를 연결합니다.
금융문서에서 필요한 내용을 찾고, 조항의 의미를 분류하고, 결과를 검증하는 기술. 컨버핀(ConvoFin)의 ConvoFin Learn을 소개합니다.
문서 검색과 모델 학습·검증의 구조, 그리고 고객 요구에 맞는 금융상품 검색으로 확장할 활용 방향을 담았습니다.
활용 분야 살펴보기01 / RETRIEVAL-AUGMENTED GENERATION
RAG란? 금융문서에서 설명의 근거를 찾는 방법
RAG(검색 증강 생성)는 질문과 관련된 자료를 먼저 검색하고, 찾은 내용을 참고해 설명을 생성하는 방식입니다. 약관이나 상품설명서처럼 확인할 원문이 있는 정보에 활용할 수 있습니다.
질문과 관련된 근거 검색
입력된 문장과 관련된 조항을 찾습니다. 비슷한 단어가 있어도 적용 조건과 앞뒤 문맥이 맞는지 확인해야 합니다.
근거를 참고해 설명
찾은 자료를 설명의 참고 내용으로 연결합니다. 생성된 설명은 원문과 대조하고, 근거가 부족한 부분은 별도로 확인해야 합니다.
ConvoFin Learn에는 문서 정리·검색과 검색 결과 검토 기능이 구현되어 있습니다. 위 흐름은 RAG의 원리를 설명하며, 실제 분석에 적용되는 범위는 기능별 설정과 검증 상태에 따라 달라집니다.
02 / MACHINE LEARNING
머신러닝으로 금융 조항의 특징을 학습합니다
머신러닝(기계학습)은 사례 데이터의 패턴을 학습해 새로운 입력을 분류하거나 예측하는 기술입니다. ConvoFin Learn에는 검토된 금융 조항으로 분류 모델을 학습하고 평가하는 기능이 구현되어 있습니다.
조항을 수수료, 해지, 의무, 손실 등으로 분류하면 확인할 내용을 정리하는 데 도움을 줄 수 있습니다. 분류 결과 자체가 해당 조항의 법적 판단이나 고객별 적합성을 뜻하지는 않습니다.
학습부터 검증까지
- 검토한 사례 준비조항의 분류를 검토하고 학습에 사용할 자료를 정리합니다.
- 학습·검증·시험 자료 분리같은 계열의 문서가 섞여 평가가 과장되지 않도록 분리합니다.
- 모델 평가와 버전 관리분류 결과와 오류를 확인하고, 검증 상태에 따라 적용 여부를 판단합니다.
RAG와 머신러닝은 어떻게 다른가요?
RAG는 “어떤 자료를 근거로 설명할까?”에, 머신러닝은 “이 문장은 어떤 특징을 가진 조항일까?”에 초점을 맞춥니다. 검색으로 문맥을 찾고 학습으로 분류를 도울 수 있지만, 두 결과는 각각 검증해야 합니다.
03 / APPLICATIONS
고객의 요구와 금융문서를 연결하는 활용 분야
문서 검색과 조항 분류를 바탕으로 확장할 수 있는 활용 방향입니다. 아래 내용은 도입 시나리오이며, 이 페이지에서 상품 검색이나 분석 서비스를 제공하지 않습니다.
활용 방향
고객 요구 조건에 맞는 금융상품 검색
고객이 원하는 상품 유형, 이용 목적, 희망 금액, 기간, 금리 조건, 상환 방식을 정리하고, 상품설명서와 약관에서 조건에 맞는 후보를 찾는 방식입니다.
머신러닝은 문서와 조항의 유형을 분류하는 데, RAG는 후보 상품의 조건과 근거 문장을 연결해 설명하는 데 활용할 수 있습니다.
고객 요구를 검색 조건으로 바꾸는 예
“매달 일정하게 상환하고 싶고,
일찍 갚을 때의 비용도 비교하고 싶어요.”
- 조건 정리
- 상환 방식 · 금리 유형 · 중도상환 조건
- 후보 확인
- 해당 조건이 명시된 상품 문서 검색
- 근거 비교
- 수수료·면제 조건과 원문 위치 확인
가상의 활용 예시입니다. 실제 상품 목록이나 검색 결과가 아닙니다.
상품 검색을 실제 제공하려면 최신 상품 자료의 확보·갱신과 조건 검증이 필요합니다. 문서상의 조건 일치는 가입 가능 여부, 승인 또는 개인별 적합성을 보장하지 않습니다.
금융문서 이해
보험 약관, 대출 상품설명서, 카드 안내문에서 비용·해지·의무와 관련된 조항을 찾아 확인할 내용을 정리합니다.
금융문서 분석 가이드 →기관 상담 지원
상담 중 필요한 상품 설명과 약관 근거를 검색하고, 상담자가 추가로 확인할 조건을 정리하는 데 활용합니다.
금융교육 지원
문서 사례를 유형별로 정리해 수수료, 해지 조건, 고객 의무 등 놓치기 쉬운 내용을 학습하는 데 활용합니다.
금융 용어 살펴보기 →04 / QUALITY & SCOPE
찾은 근거도, 학습한 결과도 검증이 필요합니다
출처와 적용 시점
같은 이름의 상품이라도 문서의 작성일과 적용 대상에 따라 조건이 달라질 수 있습니다. 검색된 원문이 해당 상황에 적용되는지 확인해야 합니다.
평가 자료와 오류
검증에 쓰인 자료가 실제 사용 상황을 충분히 반영하는지 살펴야 합니다. 이 페이지에서는 확인되지 않은 정확도 수치나 성능 보장을 제시하지 않습니다.
자료의 사용 범위
문서 검색과 모델 학습에 쓸 자료는 사용 권한과 개인정보 포함 여부를 확인해야 합니다. 서비스의 개인정보 처리 기준은 개인정보 처리방침에서 확인할 수 있습니다.
여기서 RAG나 머신러닝을 체험할 수 있나요?
이 페이지는 기술 소개 전용입니다. 문서 업로드, 질문 입력, 상품 검색 실행, 모델 학습 등의 체험 기능은 제공하지 않습니다.
금융상품을 추천하거나 가입을 중개하나요?
이 페이지는 고객 조건을 문서 검색에 활용하는 방향을 설명합니다. 특정 상품의 추천·가입 중개나 대출 심사 결과는 제공하지 않습니다.
참고 자료와 관련 안내
RAG의 기본 개념: Lewis 외, Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020). 기술 개념의 참고 자료이며, ConvoFin의 성능을 입증하는 자료는 아닙니다.
작성·관리: 컨버핀 운영팀 · 내용 기준일: