좋은 정책의 조건
좋은 정책은 네 가지 특성을 공유합니다:Omni의 NLP 워크플로우 생성기는 정책을 분석하여 활성화할 엔진과 오케스트레이션 방법을 결정합니다. 언어가 정확할수록 엔진 선택과 실행이 더 정확해집니다.
정책 구조 템플릿
모든 정책은 다음 네 부분의 구조를 따라야 합니다:사용 사례별 예시
KYB 사업자등록 검증
KYB 사업자등록 검증
인보이스 검증
인보이스 검증
문서 추출을 포함한 AML 심사
문서 추출을 포함한 AML 심사
일반적인 실수
정책 작성 시 다음과 같은 실수를 피하세요:너무 모호한 경우: 'Verify the document'
너무 모호한 경우: 'Verify the document'
문제: Omni가 무엇을 검증해야 할지 알 수 없습니다. “Verify the document”는 어떤 필드를 확인해야 하는지, 무엇이 통과 조건인지에 대한 정보를 제공하지 않습니다.해결: 확인할 항목을 명시적으로 작성하세요.
결정 기준 누락
결정 기준 누락
문제: 명확한 승인/거부 규칙이 없으면 AI 에이전트가 무엇이 통과 결과인지 추측해야 합니다.해결: 항상 정책 끝에 명시적인 결정 기준을 포함하세요.
문서 유형 미언급
문서 유형 미언급
문제: Omni는 예상되는 문서 유형을 알 때 더 나은 성능을 발휘합니다. 이 컨텍스트가 없으면 추출 정확도가 저하될 수 있습니다.해결: 정책 시작 부분에 예상 문서 유형을 지정하세요.
단일 정책의 과도한 복잡성
단일 정책의 과도한 복잡성
문제: 하나의 정책에 서로 관련 없는 너무 많은 검증 작업을 넣으면 AI 에이전트가 깔끔하게 실행하기 어렵습니다. 결과의 신뢰성이 떨어집니다.해결: 프로세스에 근본적으로 다른 유형의 확인이 포함되어 있다면 (예: 인보이스 검증과 직원 배경 심사) 별도의 워크플로우로 분리하세요.
정책과 엔진 매핑
Omni의 NLP 워크플로우 생성기는 정책 텍스트를 분석하여 활성화할 엔진을 제안합니다. 이 매핑을 이해하면 올바른 엔진을 트리거하는 정책을 작성하는 데 도움이 됩니다.AML Search - Person
이 엔진은 정책에 제재 및 감시 목록 심사와 관련된 키워드가 포함된 경우 제안됩니다. 트리거 키워드:- “AML”, “anti-money laundering”
- “sanctions”, “sanctioned”
- “watchlist”, “watch list”
- “screening”, “screen against”
- “PEP”, “politically exposed”
Text Verifier - Glove
이 엔진은 정책이 문서 분석, 데이터 추출 또는 필드 검증 작업을 설명할 때 제안됩니다. 트리거 키워드:- “extract”, “extraction”
- “verify”, “validate”, “validation”
- “check”, “compare”, “cross-check”
- “match”, “consistency”
- “present”, “missing”, “required fields”
두 엔진을 동시에 활성화할 수 있습니다. 예를 들어, “extract company details” (Text Verifier)와 “screen directors against AML watchlists” (AML Search)를 모두 언급하는 KYB 정책은 두 엔진을 모두 올바르게 제안합니다. 워크플로우 생성 3단계에서 제안을 언제든지 수동으로 변경할 수 있습니다.
빠른 참조
다음 단계
워크플로우 생성하기
정책을 실행에 옮기기 위해 워크플로우를 생성하세요.
워크플로우 템플릿
사전 구축된 템플릿으로 시작하여 커스터마이징하세요.