로컬 AI 기반 재무 감사

데이터를 외부로 내보내지 않는 대량 문서 감사: 변환, 비식별화, 로컬 모델 기반 RAG 분석

기업 그룹 자금의 목적 외 사용을 찾아내는 프로젝트입니다. 대량의 문서(Markdown 기준 약 3.9 GB)를 로컬 또는 보안 서버에서 처리합니다. LLM과 GPU 인프라 조사, Qwen2.5-72B를 H200 GPU 한 대로 구동하는 ‘품질 대비 시간’ 최종 시나리오와 2단계 에스컬레이션(작은 모델이 의심 항목을 고르고, 큰 모델이 정밀 분석), 비용 견적과 로드맵을 마련했습니다. Markdown 변환, 개인정보의 가역적 비식별화, Milvus 기반 RAG 분석 도구를 만들었고, 시범 분석을 수행해 최종 보고서를 작성했습니다.

과제

기밀 데이터를 외부 서비스에 넘기지 않고, 돈이 어디에, 언제, 왜 쓰였는지 밝혀내는 것.

주요 기능

• PDF, DOCX, XLSX 등의 형식을 Markdown으로 변환
• 가역적 비식별화(Presidio, spaCy NER, Faker): 성명, 기관명, 전화번호, 이메일, 날짜, 금액, INN, SNILS, OGRN, 은행 계좌, 카드, IBAN. 실제와 유사한 값 치환과 플레이스홀더 모드, 날짜 이동, 금액 스케일링, 재식별을 위한 매핑 표
• 연관 문서(계약서, 청구서, 지급 지시서, 서신, 완료 확인서)의 RAG 분석과 이상 징후 탐지 규칙을 갖춘 엔티티·거래 그래프
• 외부 API 없이 작업하는 에어갭 모드. Markdown, JSON, Excel 보고서

기계 번역입니다. 현재 검수 중입니다.