01
Web AI Agent
사용자 질의를 이해하고 웹사이트의 구조화된 데이터를 조회해 답변하는 금융 도메인 특화 에이전트. 인용 가능한 근거를 함께 반환해 규제 검토가 가능하도록 설계했습니다.
TOOL · 02
TARSAI
연세대학교 산학협력으로 개발 중인 Multi-LLM 플랫폼. Web AI Agent, Category Manager, 콘텐츠 운영 자동화를 금융 도메인의 문맥에 맞게 묶었습니다.
01Overview
금융 디지털 채널은 매일 수십·수백 건의 콘텐츠·상품·공지·안내가 업데이트됩니다. 이 운영 업무는 반복적이지만 민감합니다 - 하나의 오탈자·잘못된 수치·누락된 고지가 규제 리스크가 되기 때문입니다. TARS는 이 운영 계층을 LLM이 실수 없이 돕도록 설계된 플랫폼입니다.
단일 LLM에 의존하지 않고, 용도별로 적합한 모델을 라우팅하는 Multi-LLM 구조를 채택했습니다. 연세대학교와의 산학협력을 통해 금융 도메인 특화 프롬프트·RAG 구조·평가 체계를 지속 연구·개선합니다. NCG의 AI Transformation 서비스에서 실제 운영 레이어로 사용됩니다.
02Features
Capabilities that matter.
02
Category Manager
콘텐츠·상품·공지의 카테고리·태그·연결 관계를 LLM이 분류하고 검토합니다. 운영자는 "제안 → 확인 → 배포"의 최소 단계만 수행하면 됩니다.
03
Multi-LLM 라우팅
요약·검증·생성·분류 등 작업 유형별로 가장 적합한 모델을 자동 선택합니다. 민감한 금융 데이터는 폐쇄망 모델로, 공개 콘텐츠는 성능 우선 모델로 라우팅합니다.
04
RAG 구조
금융사 내부 문서·규정·상품 정보를 벡터화하고, 답변 생성 시 근거를 추적할 수 있도록 설계했습니다. 환각을 최소화하고, 답변의 출처 검증이 가능합니다.
05
운영 감사 로그
LLM의 모든 판단·수정·배포 이력을 감사 가능한 형태로 저장합니다. 금융 규제 요구에 맞는 추적성을 확보했습니다.
03Use case
B 은행의 공지·안내·이벤트 페이지는 월 300건 이상 업데이트됩니다. TARS 도입 후, 운영자는 공지 문구 초안을 TARS가 제안한 버전에서 검토·수정하는 방식으로 전환했습니다. 반복 업무 시간이 크게 줄었고, 동시에 규제 키워드·필수 고지 누락 여부를 LLM이 선검증하면서 운영 리스크가 감소했습니다. 현재 TARS는 내부 파일럿 운영 중이며, 2026년부터 주요 금융사에 단계적으로 도입 예정입니다.
Multi-LLM
모델 구조
연세대
파트너십
2026
도입 예정