"enterprise-ai" 태그로 연결된 2개 게시물개의 게시물이 있습니다.

📌 핵심 요약 (Key Takeaways)

• 감사 중간 가동 현황: 연간 650조 원 규모의 공공 예산 데이터셋 중 5개 주요 사업 및 6개 핵심 조달 계약을 대상으로 AI 감사 에이전트(national_budget_ai)를 중간 가동하여 전수 검증을 완료했습니다.
• 4대 핵심 부정 집행 적발 (철저한 익명화):
  1. 쪼개기 수의계약: 2,000만 원 이하 소액 수의계약 규정을 악용하여 12일 동안 3건으로 분할 계약한 사례(총 5,820만 원, 국가계약법 시행령 제68조 위반, 감사원 판례 94.5% 유사도 매칭).
  2. 동일 주소지 공유 페이퍼컴퍼니 담합: 동일한 빌딩 동일 호실을 등록 주소로 사용하는 3개 위장 업체의 조달 담합(총 2억 1,310만 원 규모).
  3. 기준 단가 7~10배 과다 계상: 자문료 시간당 35만 원(중앙값 대비 7.0배), GPU 서버 랙 임대료 월 50만 원(중앙값 대비 10.0배) 폭리 적발.
  4. 사업 전달 효율성(DEI) 저하: 전체 예산 중 실수혜자 전달률 30.0%, 간접 관리비·자문료 누수율 70.0% 감지.
• AI 시스템 성능 종합 평가:
  • 정밀도: 결정론적 Text-to-SQL 기반 재무 데이터 계산 환각(Hallucination) 0%, 11개 전 테스트 케이스 PASS.
  • 처리 속도: 계약당 감사 Dossier 및 행정 처분 권고안 생성까지 평균 0.03초 소요.
  • 실제 필드 한계점: 차명 대표자(바지사장) 분산 설립 및 다단계 민간 하도급 자금 흐름 추적의 한계 확인과 향후 과제 제시.

📌 핵심 요약 (Key Takeaways)

• 프로젝트 목표: 연간 약 650조 원 규모의 대한민국 국가 예산(조달청 나라장터, 열린재정 dBrain+)과 비정형 HWP 산출내역서를 전주기 추적하여 과대계상, 쪼개기 수의계약, 페이퍼컴퍼니 카르텔을 적발하는 자율 감사 AI 에이전트 구축.
• 예상했던 난제와 예방: LLM의 수치 계산 환각을 원천 차단하기 위해 결정론적 Text-to-SQL을 채택하고, 복잡한 인적·기업 관계망을 추적하기 위해 **이종 지식 그래프(GraphRAG)**로 책임을 분리하는 이원화(Dual-Engine) 아키텍처 사전 설계.
• 실제 마주친 오류와 해결: (1) 상호명/도로명 주소 파편화로 인한 카르텔 추적 실패를 EntityResolver 정규화로 해결, (2) 시간차 쪼개기 계약 누락을 슬라이딩 윈도우 알고리즘으로 해결, (3) AI 블랙박스 불신을 국가계약법/감사원 판례 1:1 매칭 XAI Dossier 생성기로 해결.
• 검증 결과: 11개 단위·통합 테스트 하네스 전원 PASS, 동일 주소지 3,850만 원 수의계약 담합 및 간접비 70% 누수(DEI 30%) 정밀 적발 성공.