LLM을 활용한 GOST 파라미터 추출 자동화: 24배 시간 단축 사례 연구
4,500개 재고 항목과 200개 이상의 규제 문서(대부분 소련 시대 GOST 및 OST 스캔본)를 보유한 종합 금속 공장에서 단일 검사 시트 작성에 2시간 이상이 소요되었습니다. 기술자들은 40개 이상의 지표에 대해 표, 주석, 텍스트에서 수동으로 파라미터를 추출해야 했습니다. LLM 기반 솔루션은 이 시간을 3~5분으로 단축시켰으며, 이는 24배의 효율성 향상을 의미합니다.
과제: 재고 특성(강종, 빌렛 직경, 그룹)과 GOST PDF를 기반으로 검사 파라미터, 출처(섹션/표), 값을 포함한 테이블을 생성하는 것입니다.
파서만으로는 부족했던 이유
템플릿 기반 파서는 형식의 다양성으로 인해 실패했습니다: 일부 GOST에서는 파라미터가 표에 있고, 다른 문서에서는 주석이나 참조 섹션에 있습니다. 구조적 파싱뿐만 아니라 의미적 이해가 필요합니다.
LLM은 '가상 기술자' 역할을 합니다:
- 입력: GOST PDF + 재고 파라미터
- 프롬프트: 검색 알고리즘이 포함된 파라미터 목록
- 출력: '파라미터 — 값 — 출처' 테이블
범용 프롬프트의 한계
Perplexity에서 테스트한 결과: Claude Sonnet 4.6은 첫 번째 GOST에서 85% 정확도를 달성했고, GPT 5.4(Thinking 모드)는 72%를 달성했습니다. 그러나 중첩된 표, 상수, 범위와 같은 구조적 차이로 인해 후속 문서에서 오류가 반복되었습니다.
범용 접근 방식은 확장성이 없습니다. 특정 GOST에 맞춤화된 프롬프트로 전환해야 합니다.
파레토 법칙에 기반한 작업 아키텍처
재고의 80%는 18%의 GOST(파일럿을 위한 20개 핵심 문서)로 커버됩니다.
각 문서에 대해 맞춤형 프롬프트와 규칙을 적용합니다:
- 파라미터 위치(표/섹션)
- 예외 사항 해석('이상', 범위)
- 표 처리
프로세스:
- GOST PDF와 파라미터를 프롬프트에 입력합니다.
- 결과 테이블을 수신합니다.
- 오류 발생 시 'Update rule XX' 명령으로 Perplexity에서 분석합니다.
14일 동안 9번의 반복을 통해 파일럿 GOST에서 100% 정확도를 보장했습니다.
현재 구현 및 확장
규칙은 기술자가 편집할 수 있도록 Excel 테이블로 내보내집니다. 프롬프트는 테이블 + 입력 데이터를 로드하여 기업 시스템용 완성된 테이블을 출력합니다.
새로운 GOST 추가: 템플릿 규칙을 복사하고 1~2번의 반복으로 디버깅합니다.
핵심 요약:
- 최신 LLM(Claude Sonnet)은 복잡한 표가 포함된 PDF 스캔본을 안정적으로 파싱합니다.
- 파레토 법칙 적용: 상위 20% 문서부터 시작하세요.
- 문서별 맞춤형 프롬프트가 범용 프롬프트보다 효과적입니다.
- 반복적 디버깅으로 시스템 오류(중첩된 표)를 제거할 수 있습니다.
IT 전문가를 위한 시사점
이 접근 방식은 규제 문서가 있는 산업에 적용 가능합니다:
- 금속 공학, 기계 공학
- 화학 산업, 건설, 에너지
- 제약(기밀 데이터 없이)
성공 조건:
- 이질적인 PDF에서 수동 데이터 전송이 가능해야 합니다.
- 엄격한 기밀 요구사항이 없어야 합니다.
- 반복적 프롬프트 개선 능력이 필요합니다.
— Editorial Team
아직 댓글이 없습니다.