① 어떤 상황에서 AI를 활용했나요?
공공기관 및 기업에서 가장 큰 비중을 차지하는 한글(HWP/HWPX) 문서 작업은 단순 반복적인 서식 작성과 방대한 분량의 텍스트 교정 업무가 수반됩니다. 특히 행정 문서 특유의 '개조식' 문체 유지와 복잡한 표 서식(병합 셀 등) 때문에 기존 LLM(ChatGPT 등)을 직접 쓰기에는 복사/붙여넣기의 번거로움과 서식 깨짐 문제가 있었습니다. 이를 해결하고자 AI가 직접 HWP의 구조를 이해하고, 사용자의 의도에 맞춰 실시간으로 본문을 수정하거나 빈 서식을 채워주는 자동화 도구를 개발하게 되었습니다.


② 어떤 AI를 어떻게 활용했나요?
활용 AI: OpenAI GPT-4/5 및 로컬 LLM (Ollama) 하이브리드 연동
활용 방법:
구조적 분석(Analyzer): pyhwpx를 활용해 문서의 문단과 표(Cell)를 추출하고, 각 요소에 [표 1-셀 A1]과 같은 고유 식별자를 부여하여 AI가 문서의 정확한 위치를 인식하게 했습니다.
Context Injection: 문서 전체의 맥락(Pure Text)과 현재 수정하려는 구체적인 영역(Selection Log)을 구분하여 AI에게 전달함으로써 생성 답변의 정확도를 극대화했습니다.
프롬프트 엔지니어링: 행정 문서 규칙(명사형 종결, '25년 표기법 등)을 페르소나로 설정하여 별도의 후처리 없이도 실무에 즉시 적용 가능한 결과물을 뽑아내도록 설계했습니다.


③ 활용 결과 어떤 변화가 있었나요?
업무 시간 단축: 수기로 작성하던 보고서 초안 및 서식 채우기 시간을 80% 이상 단축했습니다.
문서 품질 표준화: AI가 행정 표준 문체를 자동으로 적용하므로, 작성자마다 달랐던 문체를 통일하여 검토 과정을 간소화했습니다.
서식 안정성 확보: 텍스트만 가져오는 방식과 달리, AI가 표의 구조나 셀 병합 상태를 유지한 채 내용만 정확히 교환하므로 서식을 재수정해야 하는 번거로움이 사라졌습니다.


④ 나만의 방식 또는 개선 포인트는 무엇인가요?
식별자 기반 핀포인트 제어: 전체 문서를 다시 쓰는 대신, 수정이 필요한 특정 지점만 타겟팅하여 수정하는 방식을 구현해 API 비용 절감과 속도 향상을 동시에 달성했습니다.
Human-in-the-Loop 설계: AI가 제안한 내용을 사용자가 검토 후 즉시 반영하거나 취소할 수 있는 승인(Approve/Reject) 프로세스를 도입해 신뢰도를 높였습니다.
보안성 강화: 외부 API뿐만 아니라 로컬 LLM 연동 기능을 포함하여, 민감한 공문서가 외부로 유출되지 않도록 폐쇄망 환경에서도 작동 가능하게 설계했습니다.


⑤ 다른 사람도 따라 할 수 있나요?
네, 본 프로젝트에서 사용한 pyhwpx 라이브러리와 LLM API 연동 로직은 표준화된 방식을 따르고 있어 한글 문서를 다루는 모든 직무에서 응용이 가능합니다. 특히 매뉴얼이 있는 반복 서식 업무(성과 보고, 일일 보고 등)에 본 도구의 '식별자 매핑' 기술을 적용하면 누구나 자신만의 문서 자동화 봇을 구축할 수 있습니다.