VectifyAI, 금융 전문 AI 에이전트 ‘Mafin 2.5’와 ‘PageIndex’ 출시… 금융 RAG 정확도 98.7% 달성

전통적인 벡터 RAG의 한계

금융 업계에서 검색 증강 생성(RAG) 파이프라인을 구축하는 것은 어렵지 않다. 그러나 10-K 감사를 앞두고 할루시네이션 없이 작동하는 파이프라인을 만드는 것은 거의 불가능에 가깝다. 이러한 과제에 직면한 VectifyAI가 새로운 솔루션을 제시했다.

금융 문서는 구조에 크게 의존한다. 예를 들어 ‘순이익(Net Income)’에 대해 물어보면, 전통적인 벡터 데이터베이스는 순이익처럼 들리는 텍스트 조각들을 찾는다. 그러나 재무제표의 숫자는 헤더 없이는 의미를 잃는다. 전통적인 PDF 변환 과정에서 이러한 헤더 정보가 제거되는 경우가 대부분이다.

VectifyAI의 공동창립자 앤서니 리는 “가장 똑똑한 LLM이라도 입력 데이터가 계층적 구조를 잃으면 올바르게 추론할 수 없다”고 지적했다. 이것이 바로 ‘쓰레기 입력, 쓰레기 출력’ 함정이다.

Mafin 2.5: 금융 분야 최첨단 정확도

Mafin 2.5는 단순히 파인튜닝된 모델이 아니다. 이 에이전트는 FinanceBench에서 98.7%의 정확도를 달성했으며, GPT-4o(약 31%)와 Perplexity(약 45%)를 크게 앞서 금융 검색 작업에서 최고 수준의 성능을 보였다.

개발자를 위한 핵심 특징

• SEC 자료 통합: 10-K, 10-Q, 8-K 신고서 직접 색인 지원
• 실적 정보: 실시간 및 과거 실적 전화 회의록 제공
• 시장 데이터: Russell 3000 및 Nasdaq 실시간 티커 지원

PageIndex: 벡터 없는 RAG로의 전환

Mafin 2.5의 정확도를 뒷받침하는 핵심 기술은 PageIndex이다. PageIndex는 전통적인 플랫 임베딩을 계층적 트리 인덱스로 대체한다.

기존 방식과 달리, PageIndex는 문서의 구조를 ‘추론’할 수 있게 한다. 지능형 문서 맵을 구축하여 에이전트가 필요한 정확한 섹션, 페이지, 항목을 식별할 수 있도록 돕는다.

핵심 기술적 특징

1. 비전 네이티브 지원: 차트나 복잡한 격자 등 페이지의 전체 레이아웃을 ‘볼 수 있다’. OCR 텍스트에만 의존하지 않는다.
2. 계층적 탐색: PDF를 탐색 가능한 트리 구조로 변환하여 헤더와 데이터 간의 관계를 유지한다.
3. 추적 가능성: 벡터 유사성의 ‘블랙박스’와 달리, 모든 답이 문서 트리를 통한 명확한 경로를 제공한다. 이는 규제되는 금융 환경에 필수적인 감사 추적선을 제공한다.

계층적 트리 인덱싱의 혁신

전통적인 RAG는 문서를 임의의 조각으로 쪼개어 컨텍스트를 잃게 한다. PageIndex는 이를 지능형 목차처럼 의미론적 트리 구조로 구성한다.

이 방식의 장점은 다음과 같다:

• 헤더, 중첩된 테이블, 각주 간의 중요한 관계 보존
• 인간 분석가가 보고서를 탐색하는 방식과 유사한 추론 가능
• 복잡한 재무제표의 시각적 레이아웃 유지

일반 모델 vs 전문 금융 모델

전문 금융 모델이 범용 모델을 크게 앞서리는 이유는 금융 문서의 복잡한 구조와 특수한 용어를 이해하기 위해서는 전용 훈련이 필요하기 때문이다.