AI 기반 교육과정 등록 자동화로 69% 시간 절감!

Retrieve 단계: Playwright를 활용하여 동적 페이지를 렌더링하고, HTML을 마크다운으로 변환하여 정보 추출(Information Extraction) 준비

Vision 단계: 하이브리드 OCR 전략을 통해 이미지 내 텍스트를 추출하고, Qwen3-VL-8B와 Claude 4.5 Haiku를 비교하여 OCR 정확도(OCR Accuracy)를 향상

Extract 단계: Claude Sonnet 4.5를 사용하여 55개 필드의 구조화된 JSON을 추출하고, 프롬프트 엔지니어링을 통해 추출 품질(Extraction Quality)을 개선

XML 태그 기반 프롬프트 구조화: 역할 정의, 추출 규칙, 스키마, 검증 체크리스트를 명확하게 구분하여 모델의 이해도를 향상(Improved Understanding)

스키마 정의 및 코드 참조 테이블: 55개 필드의 JSON 템플릿과 15종의 코드 참조 테이블을 제공하여, 모델이 정해진 형식(Defined Format)으로 출력하도록 유도

Hallucination 방지 규칙: 출력 근거 제한, 값 처리 규칙을 통해 모델의 AI 환각(Hallucination)을 최소화

스키마 검증: 필수 필드 존재 여부, 타입 일관성 등을 검사하여 데이터의 구조적 무결성(Structural Integrity) 확보

OCR 근거 기반 사실 검증: OCR 원문과 JSON 값을 직접 대조하여, 데이터의 정확성(Accuracy) 검증

누락 필드 탐지: OCR 원문에 존재하지만 JSON에 반영되지 않은 항목을 찾아내어, 데이터의 완전성(Completeness) 확보

시간 절감: 기존 방식 대비 평균 69.0%의 시간 절감 효과를 달성하여, 담당자의 업무 부담을 줄임

필드 정확도 향상: 골든 데이터셋 기준 88.7%의 필드 정확도를 달성하여, 데이터 품질을 개선

오류 검출: Validator Agent를 통해 49건의 실제 오류 중 48건을 검출하여, 오류 검출률 98.0%를 기록