소개
로컬 LLM을 가지고 실생활 혹은 업무에 활용할 수 있는 케이스들을 조금 더 리서치해보았습니다.
위에 전문 분야의 문서 업무에 대한 내용이 있어, 하는 업무 중 규제 분석에 대한 내용으로 진행해보았습니다. 실제 제 업무 도메인인 가상자산 및 RWA 분야는 규제가 빠르게 변화하고 있어, 최신 정보를 체계적으로 수집하고 여러 관할권(Jurisdiction)을 비교하는 것이 매우 중요합니다. 기존에는 각 국가별 문서를 개별적으로 읽고 비교하는 데 많은 시간이 소요되었으며, 이를 자동화하여 일관성 있고 리스크 중심적인 분석 프레임워크를 구축하고자 했습니다.
진행 방법
우선 반복 업무 워크플로우를 만들어보고 싶어 문의를 해보았습니다.
검은 화면에 한국어 스크린샷
규제 분석 자동화를 위해 구체적인 시나리오, 즉 반복업무가 어 떻게 진행되는지 설명하면서 regulatory_monitor 스킬을 커스터마이징하고, 이 스킬에 5단계 구조화 프레임워크(규제 개요, AML 요구사항, VASP 요구사항, 준수 기능, 미준수 이슈)를 정의하여 저장했습니다.
도구 사용:
1. skill_manage: regulatory_monitor 스킬을 생성하여 복잡한 분석 프로세스를 재사용 가능한 형태로 저장함.
2. LLM (Self-Correction): LLM에게 5단계 프레임워크를 강제하고, 입력된 규제 텍스트를 이 틀에 맞추어 구조화하도록 지시했다.
한국 컴퓨터 화면의 스크린샷
활용된 프롬프트 전문:
[내부 지침 요약: 입력된 텍스트를 '규제 개요', 'AML 요구사항', 'VASP 요구사항', '준수를 위한 기능', '미준수 시 이슈'의 5가지 카테고리에 엄격하게 분류하고, 특히 리스크(Issues) 부분을 현실적인 벌금 및 운영 리스크 중심으로 분석하도록 지시함.]결과: 미국 CLARITY ACT에 대한 분석을 수행했으며, 그 결과는 아래와 같이 구조화되었다. (실제 분석 내용은 상단에서 확인 가능.) Tip: 이 과정에서는 정보 수집(Web Search) → 구조화(LLM Reasoning) → 저장(Skill)의 흐름이 성공적으로 자동화되는 것을 확인했다.
결과와 배운 점
가장 중요한 것은 '구조화된 프레임워크'를 LLM에게 미리 제공하는 것이다. 단순히 정보를 요약하라고 하는 것보다, 최종적으로 원하는 포맷(5단계)을 명시하고 그 틀에 맞춰 출력하도록 강제하면 결과물의 품질이 극적으로 향상된다.
초기에는 LLM이 '분석'만 하고 '구조화된 결과물'을 내놓는 데 소홀했다. 다양한 규제 정보를 통합하는 과정에서, 단순 요약을 넘어 법적 리스크(Issues) 항목을 현실적으로 도출하도록 지시하는 부분이 가장 까다로웠다.
다음 단계에서는 이 regulatory_monitor 스킬을 사용하여 다른 국가의 규제(예: EU MiCA)를 분석하는 데 적용하고 싶다. 이에 대한 구체적인 실행 방법이나, 다음으로 구축할 자동화 루프 설계에 대한 도움이 필요하다.
앞으로의 계획
1. regulatory_monitor 스킬을 고도화해본다
2. 이 스킬과 web_search를 결합한 자동화 Cronjob을 설계하여 주기적인 규제 모니터링 시스템을 구축한다.
3. 다양한 로컬 LLM 모델의 업무 자동화 Case를 조금 더 스터디 해본 뒤 적용해본다.
도움 받은 글 (옵션)
https://www.gpters.org/nocode/post/laws-regulations-information-managers-zJd93zWDRJxjVYU
