본 논문은 자금세탁 방지(AML) 워크플로우에서 규정 준수 의심 거래 보고서(SAR) 생성의 어려움을 해결하기 위해 에이전트 기반 프레임워크인 'Co-Investigator AI'를 제시합니다. 기존의 대규모 언어 모델(LLM)이 사실 착각, 범죄 유형 정합성 부족, 설명력 부족 등의 문제를 가지는 반면, Co-Investigator AI는 계획, 범죄 유형 탐지, 외부 정보 수집, 규정 준수 검증 등을 담당하는 특수 에이전트를 통합하여 SAR 생성 속도와 정확도를 향상시킵니다. 동적 메모리 관리, AI 개인 정보 보호 계층, 그리고 지속적인 서술 품질 보증을 위한 Agent-as-a-Judge 패러다임을 활용한 실시간 검증 에이전트를 특징으로 하며, 인간 조사관은 협업 워크플로우를 통해 AI의 효율성과 전문 지식을 결합하여 결과물을 검토하고 수정할 수 있습니다. 다양한 복잡한 금융 범죄 시나리오에서 Co-Investigator AI의 다양성을 보여주며, SAR 초안 작성 간소화, 규정 기대치와의 서술 일치, 규정 준수 팀의 고차원 분석 작업 집중 지원 등의 효과를 강조합니다.
