- LLM+AI기술을 이용한 업무적용 아이디어 기획

문제점 인식: 한국지능정보사회진흥원(NIA)은 매년 다수의 정보화사업을 발주하며, 이에 따른 제안요청서(RFP)를 작성합니다. 이 RFP에는 법/제도, 보안사항, 청렴 문구, 기술료 등 매년 변경되거나 업데이트되는 수많은 제한사항이 포함되어 있어, 수동으로 모든 내용을 체크하고 반영하는 데 많은 시간과 노력이 소요되며 오류 발생 가능성이 높습니다. 또한, 제안사가 제출한 제안서를 재무팀에서 검토할 때, 제안 내용과 예산이 적절한지, 과도하게 책정되지는 않았는지 등을 일일이 확인하는 데 어려움이 있습니다.

•

해결 방안: LLM(대규모 언어 모델) 및 RAG(검색 증강 생성) 기술을 활용하여 RFP 작성 과정의 자동화 및 제한사항 자동 검증 시스템을 구축하고, 나아가 제출된 제안서의 내용과 예산 적정성을 객관적으로 분석 및 검토하는 AI 기반 시스템을 개발합니다.

•

기대 효과:

◦

RFP 작성 시간 및 인력 비용 절감

◦

제한사항 누락 및 오류 방지, 법/제도 준수율 향상

◦

제안서 검토의 객관성 및 효율성 증대

◦

과도한 예산 집행 방지 및 합리적인 예산 수립 지원

◦

궁극적으로 NIA의 정보화사업 추진의 투명성 및 신뢰도 제고

3. 활용 가능한 도구:

•

LLM(대규모 언어 모델):

◦

RFP 생성: 사용자(사업 담당자)가 핵심 요구사항(사업 목적, 범위, 주요 산출물 등)을 입력하면, 기존의 방대한 RFP 데이터와 최신 법규/정책 데이터를 학습한 LLM이 초안을 생성합니다.

◦

제한사항 자동 반영/검증: 최신 법령, 지침, 보안 가이드라인, 청렴 서약서 등 NIA 내부 지침을 지속적으로 학습하여 RFP 생성 시 자동으로 해당 제한사항을 반영하고, 기존 RFP에 누락된 부분이 없는지 검증합니다.

◦

제안서 내용 분석: 제출된 제안서의 텍스트를 분석하여 RFP 요구사항과의 일치도, 기술 구현 방안의 적절성 등을 평가합니다.

◦

예산 적정성 분석: 제안서 내의 예산 산정 내역을 분석하여 유사 사업 사례, 업계 표준 비용 등과 비교하여 과도한 예산이 책정되었는지 판단하는 근거를 제공합니다.

◦

LLaMA, Mistral 등 오픈소스 LLM 활용 고려: NIA 내부 인프라에 구축하여 보안성을 확보하고 커스터마이징 용이성을 높입니다.

•

RAG(검색 증강 생성):

◦

정확한 정보 검색: NIA의 과거 RFP 데이터베이스, 사업관리 규정, 관련 법령(예: 국가계약법, 정보통신 진흥 및 융합 활성화 등에 관한 특별법), 보안 가이드라인, 내부 청렴 지침, 과거 유사 사업 예산 집행 데이터 등을 RAG의 지식 기반으로 활용합니다.

◦

최신 정보 반영: 주기적으로 업데이트되는 법제도, 규정 변경사항을 RAG 지식 기반에 반영하여 LLM이 항상 최신 정보를 기반으로 RFP를 생성하고 검토할 수 있도록 지원합니다.

◦

근거 제시: LLM이 생성한 내용이나 분석 결과에 대한 근거(참조된 규정, 유사 사례 등)를 RAG를 통해 제시하여 신뢰도를 높입니다.

•

기타 기술:

◦

문서 변환/파싱 기술: 다양한 형식(PDF, HWP, DOCX 등)의 기존 RFP 및 제안서를 시스템이 처리할 수 있는 텍스트 데이터로 변환합니다.

◦

음성 합성/인식 (선택 사항): RFP 작성 담당자가 음성으로 주요 요구사항을 입력하거나, 시스템이 생성한 RFP 초안을 음성으로 브리핑하는 기능도 고려 가능합니다. (본 제안의 핵심 기능은 아니지만 사용자 편의성 증진에 기여)

4. 기능 및 활용 방식 구성:

•

RFP 생성 모듈:

◦

사업 담당자는 핵심 요구사항, 사업 기간, 예산 범위 등 최소 정보만 입력.

◦

LLM이 NIA의 RFP 템플릿과 RAG를 통해 학습된 최신 법규/제도, 보안 가이드라인, 청렴 문구, 기술료 규정 등을 자동으로 반영하여 RFP 초안을 생성.

◦

생성된 RFP 초안은 담당자가 검토 및 수정할 수 있도록 제공.

◦

(확장) 과거 유사 사업 RFP를 참고하여 특정 요구사항에 대한 문구를 자동 제안.

•

제한사항 검증 모듈:

◦

생성된 RFP에 대해 시스템이 자체적으로 법률, 규정, 내부 지침 위반 또는 누락된 제한사항이 없는지 자동으로 검증하고, 문제가 발견될 경우 담당자에게 알림 및 수정 제안.

◦

매년 변경되는 법제도 및 내부 지침을 실시간으로 반영하여 검증 로직 업데이트.

•

제안서 심사/검토 모듈 (재무팀 활용 중심):

◦

제안사가 제출한 제안서를 시스템에 업로드.

◦

LLM이 제안서의 내용을 분석하여 RFP 요구사항과의 정합성, 기술 구현 방안의 실현 가능성 등을 평가.

◦

예산 적정성 분석: 제안서 내의 예산 산정 내역(인건비, 사업비, 장비 구매비 등)을 상세히 분석하여 RAG의 지식 기반(과거 유사 사업 예산 데이터, NIA 내부 예산 집행 기준, 업계 표준 단가 등)과 비교.

◦

과도하게 책정된 예산 항목, 불필요한 예산 증액 등을 자동으로 식별하여 재무팀에 보고.

◦

객관적인 데이터 기반의 예산 분석 리포트 및 근거 자료 제공.

◦

(확장) 사업 성과 예측 및 위험 요소 분석을 위한 추가 데이터 분석 기능.

5. 설계 요소:

•

NIA 내부 네트워크 환경에 구축하여 보안성 확보.

•

민감한 정보를 다루므로 강력한 접근 제어 및 데이터 암호화 필수.

•

지속적인 LLM 학습 및 RAG 지식 기반 업데이트를 위한 데이터 파이프라인 구축.

•

사용자 친화적인 UI/UX 설계 (RFP 작성자 및 재무팀 사용자 모두 편리하게 사용 가능).

Open channel

Made with Slashpage