본 논문은 전자상거래 산업의 그림자 경제 행위자와 위험 관리 팀 간의 경쟁 심화에 대응하기 위해, 대규모 언어 모델(LLM)을 활용한 위험 조사 지원 프레임워크 SHERLOCK을 제안한다. SHERLOCK은 다중 모달 데이터로부터 위험 관리 지식을 추출하여 도메인 지식 기반(KB)을 구축하고, 데이터 플라이휠 패러다임에 기반한 지능형 플랫폼을 개발하며, 진화하는 위험 패턴에 신속하게 대응하기 위한 Reflect & Refine (R&R) 모듈을 도입한다. JD.com의 실제 거래 데이터셋을 사용한 실험 결과, SHERLOCK은 LLM 분석 결과의 사실 정합성 및 위험 위치 식별 정확도를 향상시켰으며, JD.com에 SHERLOCK 기반 LLM 시스템을 배포하여 위험 관리자의 사례 조사 워크플로우 효율성을 크게 개선했다.
