① 어떤 상황에서 AI를 활용했나요?

대학 행정 업무에서는 학칙, 시행세칙, 내부 규정, 공문 등 다양한 문서를 기반으로 업무를 수행해야 합니다.
하지만 문서가 분산되어 있고 담당자마다 해석이 달라 규정 오류, 업무 지연, 반복 작업이 빈번하게 발생했습니다.

특히 공문 작성 시에는 기존 문서를 참고하여 수작업으로 작성해야 했기 때문에
시간 소모가 크고 품질 편차가 발생하는 문제가 있었습니다.

이러한 문제를 해결하기 위해 AI 기반 행정 자동화 시스템을 설계하게 되었습니다.

② 어떤 AI를 어떻게 활용했나요?

본 사례에서는 Claude Code 및 RAG(Retrieval-Augmented Generation) 구조를 활용하여
대학 행정 특화 AI 시스템을 설계·구현했습니다.

핵심 구조는 다음과 같습니다.

📄 문서 수집: 학칙, 시행세칙, 공문, FAQ 등 다양한 행정 문서 업로드
🔍 검색 구조:
벡터 검색(임베딩 기반) + 키워드 검색(BM25) 결합
🧠 AI 처리:
질문에 대해 관련 문서를 먼저 검색 후
해당 근거를 기반으로 답변 생성 (RAG 방식)
📝 문서 생성:
공문 초안 자동 생성 (HWP 형식 유지)
📌 근거 제공:
답변 시 문서 출처(조항, 문서명) 함께 제공

또한, 단순 질의응답이 아닌
👉 “질문 → 근거 탐색 → 요약 → 공문 생성”까지 이어지는 업무 흐름 통합 구조를 설계했습니다.

③ 활용 결과 어떤 변화가 있었나요?

AI 도입을 통해 다음과 같은 변화가 발생했습니다.

⏱️ 규정 검색 및 문서 작성 시간
→ 기존 대비 약 70% 이상 단축
📉 규정 해석 오류 감소
→ 근거 기반 답변으로 정확도 향상
🔁 반복 업무 감소
→ 동일 질문 자동 처리 가능
📊 업무 표준화
→ 담당자 변경 시에도 동일 품질 유지

특히 공문 작성 과정에서
기존에는 1~2시간 소요되던 작업이
👉 10~20분 내 초안 생성 가능 수준으로 개선되었습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

단순히 AI를 사용하는 것을 넘어서, 다음과 같은 구조적 개선을 적용했습니다.

🔗 RAG 구조 고도화
벡터 검색 + 키워드 검색 결합 (Hybrid Search)
✂️ 컨텍스트 압축
필요한 문장만 추출하여 AI 입력 → 정확도 향상
🔁 질문 확장(Query Expansion)
하나의 질문을 여러 형태로 변환하여 검색 정확도 개선
📄 문서 기반 생성 제한
근거 없는 답변(환각) 방지 설계
🔐 권한 기반 접근 설계
부서별 문서 접근 제한 가능

즉, 단순 활용이 아니라
👉 “실제 업무에 적용 가능한 AI 시스템 아키텍처”로 발전시킨 것이 핵심입니다.

⑤ 다른 사람도 따라 할 수 있나요?

네, 충분히 가능합니다.

본 시스템은 다음과 같은 구조로 재현할 수 있습니다.

기본 AI: Antropic Claude 또는 LLM API
문서 저장: PDF, HWP 등
검색 시스템: 벡터 DB + 키워드 검색
백엔드: Python 기반 API (FastAPI 등)

특히 핵심 아이디어는
👉 “문서를 먼저 찾고, 그 기반으로 답변한다”는 RAG 구조이기 때문에

기업, 공공기관, 학교 등
👉 문서 기반 업무를 수행하는 모든 조직에 적용 가능합니다.