주택도시보증공사(HUG)가 9일 든든전세주택 매입 심사에 인공지능(AI)을 도입했다고 밝혔다. 시범운영에서 등기부등본 기초자료 작성 시간이 93% 줄었다.
2분 30초 걸리던 문서 정리, 10초로 단축
이번에 도입한 기술은 경매·공매 물건을 검토할 때 필요한 정보를 자동으로 추출하는 업무지원 체계다. 적용 대상은 부동산의 권리관계를 기록한 등기부등본이다. AI 자동분석 프로그램이 이 문서에서 주택 유형과 권리관계 등을 찾아낸다. 이어 든든전세주택 매입을 위한 사전심사 기초자료를 생성한다. 직원이 문서를 읽고 필요한 내용을 옮겨 적던 작업을 자동화한 것이다. AI의 역할은 심사에 앞서 정보를 준비하는 단계에 맞춰졌다. 주택 매입 여부를 AI가 최종 결정한다는 발표는 아니다.
공사에 따르면 시범운영에서 등기부등본 한 건의 기초자료 작성 시간은 약 2분 30초에서 10초로 줄었다. 발표된 업무 처리시간 단축률은 93%다. 여기서 중요한 것은 수치의 측정 대상이다. 주택 매입 절차 전체가 아니라 등기부등본을 활용한 사전심사 기초자료 작성에 걸린 시간이다. 감정평가나 최종 심사까지 같은 비율로 빨라졌다고 해석해서는 안 된다. 그럼에도 반복적으로 수행하는 문서 정리에서 소요시간을 구체적으로 확인했다는 점은 의미가 크다. 기술 도입의 성과를 실제 작업 단위로 제시한 사례로 평가된다.
기존 방식에서는 직원이 등기부등본을 건별로 확인하고 관련 정보를 수기로 입력했다. 문서를 살펴보는 일과 심사에 쓸 자료를 만드는 일이 사람의 연속 작업으로 이어졌다. 새로운 체계는 정보 추출과 기초자료 생성이라는 두 과정을 프로그램으로 연결한다. 단순히 문서를 화면에 띄우는 것을 넘어 필요한 내용을 업무용 자료로 바꾸는 데 초점을 둔 것이다. 이런 변화는 AI 활용의 가치를 답변 생성보다 업무 흐름의 개선에서 찾는 접근으로 분석된다. 담당자가 자료를 준비하는 방식 자체를 바꿨다는 점이 이번 도입의 핵심이다.
판단을 대신하기보다 판단할 자료를 만든다
이 사례를 이해하는 핵심은 정보 추출과 심사 판단을 구분하는 데 있다. 발표에 명시된 기능은 주택 유형과 권리관계 등 필요한 정보를 찾아 기초자료로 만드는 것이다. 문서에 적힌 내용을 확보하는 단계와 매입 적합성을 판단하는 단계는 같지 않다. 따라서 이번 성과는 AI가 부동산 심사를 통째로 대체했다는 의미보다 심사의 준비 과정을 개선했다는 의미로 읽는 편이 정확하다. 업무지원이라는 명칭도 이러한 적용 범위와 맞닿는다. 기술의 역할을 분명히 할수록 실제 성과와 앞으로 확인할 과제를 구별하기 쉽다.
등기부등본에서 어떤 항목을 추출하는지도 중요하다. 이번 프로그램은 주택 유형과 권리관계처럼 사전심사에 필요한 정보를 대상으로 삼는다. 문서 전체를 짧게 요약하는 것과 업무에 필요한 항목을 골라 자료를 만드는 것은 목적이 다르다. 후자는 결과물이 다음 업무 단계에서 쓰일 수 있어야 한다는 조건을 갖는다. 이번 도입은 AI를 독립적인 대화 도구가 아니라 심사 자료를 준비하는 도구로 배치한 사례로 평가된다. 기술이 무엇을 말할 수 있는가보다 기존 업무에서 무엇을 처리하도록 설계했는가가 중요해지는 지점이다.
시간 단축의 효과 역시 이 범위에서 살펴볼 필요가 있다. 기초자료 준비가 빨라지면 담당자가 내용을 검토하는 데 시간을 배분할 여지는 커진다고 분석된다. 다만 실제 검토시간이나 인력 배치가 어떻게 달라졌는지는 제공된 발표에 담기지 않았다. 추출 정보의 정확도와 시범운영의 표본 규모도 제시되지 않았다. 그러므로 처리 속도 개선을 곧바로 심사 품질 향상이나 비용 절감 실적으로 바꿔 말할 수는 없다. 확인된 성과는 자료 작성시간의 감소다. 이를 출발점으로 후속 업무에서도 효과가 이어지는지 살피는 것이 기술 평가의 다음 질문이다.
등기부등본에서 여러 심사 문서로 확장 구상
공사는 향후 감정평가서와 매각물건명세서 등으로 자동분석 범위를 넓힐 계획이라고 밝혔다. AI 기반 경매·공매 심사지원 플랫폼 구축도 추진할 방침이다. 현재 등기부등본에 적용한 자동분석을 다른 심사 문서로 확대하겠다는 구상이다. 다만 이는 앞으로 추진할 계획이지 이미 구현을 끝낸 기능은 아니다. 구체적인 구축 완료 시점이나 확대 적용 일정은 발표되지 않았다. 현재 작동하는 업무지원 체계와 향후 플랫폼 구상을 나눠 이해해야 하는 이유다. 확인된 도입 성과와 확장 방향은 서로 연결되지만 같은 단계의 사실은 아니다.
자동분석 대상이 늘어난다면 기술의 평가 범위도 달라질 것으로 분석된다. 한 종류의 문서에서 정보를 꺼내는 성과와 여러 문서를 심사 업무에 활용하는 성과는 구분할 필요가 있다. 문서별로 필요한 항목을 정리하고 결과를 업무 흐름에 맞게 제공하는 일이 중요해지기 때문이다. 현재의 10초라는 수치를 감정평가서나 매각물건명세서에도 그대로 적용할 근거는 없다. 확대 단계에서는 각각의 문서를 얼마나 효율적으로 처리하는지 별도로 확인해야 한다. 이런 구분은 기존 성과를 낮춰 보는 것이 아니라 성과의 적용 범위를 정확히 설명하는 방식이다.
플랫폼 구축 구상은 개별 작업 자동화에서 보다 넓은 심사지원으로 나아가려는 방향으로 읽힌다. 다만 어떤 기능을 한곳에 모으고 기존 업무와 어떻게 연결할지는 아직 구체적으로 제시되지 않았다. 현재 확인되는 것은 등기부등본 자동분석, 다른 문서로의 범위 확대 계획, 플랫폼 추진 방침이다. 이 세 요소를 연결하면 문서 기반 업무를 단계적으로 고도화하려는 접근으로 평가할 수 있다. 처음부터 모든 심사를 자동화했다고 내세우기보다 특정 작업의 개선을 확인하고 대상을 넓히는 형태다. 앞으로의 성과도 각 단계에서 확인된 결과를 기준으로 판단할 필요가 있다.
한국 AI의 실용성, 일하는 과정에서 확인한다
같은 날 나온 창업기업 선정 소식은 AI와 디지털 기술의 다른 활용 방향을 제시한다. 중소기업과 창업기업 지원을 담당하는 중소벤처기업부는 통합 본선 진출 기업 32곳을 선발했다. 대상은 ‘올해의 K-스타트업’의 AI리그와 혁신창업리그다. AI리그 우승 기업 인텔리시아는 시장조사의 시간·비용 부담을 줄이려는 솔루션을 제공한다. 혁신창업리그 우승 기업 더에이스컴퍼니는 반도체 웨이퍼 공정사고 예방용 영상감지 시스템을 개발했다. 이들은 공사의 심사지원 체계와 별개 사례다. 다만 기술을 특정 업무의 문제 해결에 연결한다는 공통점에서 함께 살펴볼 만하다.
문서 분석과 시장조사, 공정 영상감지는 대상도 목적도 서로 다르다. 같은 기술이나 같은 수준의 성능을 갖췄다고 묶을 근거는 없다. 그러나 사용자에게 중요한 작업을 정하고 그 과정의 부담을 줄이려는 방향은 비교할 수 있다. 이런 관점에서 이번 심사지원 체계의 강점은 개선한 업무와 소요시간이 명확하다는 데 있다. 어떤 AI 모델을 사용했는지보다 어떤 문서를 처리했고 무엇이 빨라졌는지를 먼저 설명할 수 있다. 해외 기업과의 성능 비교나 시장 우위를 입증한 발표는 아니지만, 한국의 AI 활용을 구체적인 업무 성과로 소개할 수 있는 사례로 평가된다.
이번 발표에서 가장 확실한 변화는 직원의 수기 입력으로 만들던 기초자료를 AI가 자동 생성한다는 점이다. 등기부등본 한 건의 자료 작성시간을 약 2분 30초에서 10초로 줄인 결과가 이를 뒷받침한다. 다음 관전점은 다른 문서로 분석 범위를 넓히는 계획이 실제 심사지원으로 어떻게 이어지는가다. 기술의 가치를 판단할 때도 속도, 적용 범위, 업무상 역할을 나눠 살피는 시각이 필요하다. 거대한 미래상을 앞세우기보다 매일 반복하는 작업의 변화를 확인하는 접근이다. 세계 독자에게 이 한국 사례가 흥미로운 이유는 AI의 실용성을 일상적인 문서 업무의 시간 변화로 살펴볼 수 있기 때문이다.
