자동차 대출 AI 에이전트 개발
- 최종 업데이트2025/01/20
이 시나리오를 통해 Automation 360 플랫폼 내의 기능을 사용하여 복잡한 비즈니스 작업을 자동화하고, 의사 결정을 강화하며, 대출 승인 프로세스의 효율성을 향상시키는 방법으로 자동차 대출 AI 에이전트를 구축하는 방법을 파악하십시오.
다음 시나리오는 자동차 대출 프로세스를 구축하는 데 있어 AI의 강력함을 강조하며, Salesforce, 자동화 Co-Pilot, AI Agent Studio, Microsoft Teams가 어떻게 협력하여 매끄럽고 고객 중심의 경험을 창출하는지를 보여줍니다:
이 시나리오의 사용자
- 폴: 자동차 구매자
- 빈센트: 딜러십의 영업사원
- 나탈리아: 대출 심사관
- 마커스: 전문 개발자
시나리오 요약
- 자동차 전시장 방문
- 폴은 자동차 구매 여정을 안내하는 데 경험이 많은 박식한 영업사원 빈센트의 환영을 받습니다. 그들은 폴의 드림카와 재정적인 세부 사항에 대해 논의합니다. 빈센트는 딜러십의 CRM 시스템인 Salesforce에 폴의 프로필을 만듭니다.
- 필수 사항 공유: W2 및 재무 문서
- 자동차 대출 절차를 시작하기 위해 빈센트는 폴의 소득을 확인하고자 W2 양식을 요청합니다. 폴은 그의 연간 소득을 설명하는 W2 양식을 제공합니다. 빈센트는 폴의 W2에서 데이터를 수동으로 입력하는 대신 Salesforce에 통합된 AI 기반 도구인 자동화 Co-Pilot을 활용합니다. 빈센트는 자동화 Co-Pilot을 통해 W2를 업로드합니다. 이는 문서 자동화 및 생성형 AI를 사용하여 W2에서 주요 정보를 추출하고, 프로세스를 간소화하며 수작업 오류의 위험을 줄입니다.
- Document Automation을 통한 문서 처리
- 폴이 그의 잠재적인 새 차를 탐색하는 동안, 자동화 Co-Pilot이 그의 W2를 스캔합니다. Document Automation은 생성형 AI를 사용하여 고용주 이름, 소득, 세금 공제와 같은 주요 데이터를 추출합니다. 이 자동화를 통해 데이터를 수동으로 입력하지 않아도 되며 오류를 줄여줍니다.
- 비하인드 스토리: AI 추천 에이전트로의 데이터 흐름
- 추출된 W2 데이터는 AI Agent Studio에서 개발된 전문화된 AI 에이전트인 AI 추천 에이전트로 안전하게 전송됩니다. 이 AI 에이전트는 다른 AI 에이전트과(와) 함께 Process Composer 내에서 원하는 결과를 얻기 위해 조정됩니다.
- 심사관에게 알림 전송
- 대출 심사관 나탈리아는 Microsoft Teams에서 폴의 신청서에 대한 알림을 받습니다. 나탈리아는 AI 추천 에이전트의 분석을 활용합니다. AI 추천 에이전트는 폴의 지원 자료에서 수집한 정보를 가져와 AI Skill:을 사용하여 해당 정보를 컴파일하고 LLM에 대한 프롬프트의 입력으로 사용하여 LLM에 추천을 생성하도록 요청합니다.
- 지능형 자동화 역할
- 초기 과정에서 개발자인 마커스는 AI 추천 에이전트를 구축하고 구성하는 데 중요한 역할을 했습니다. 마커스는 AI Agent Studio를 사용하여 에이전트를 다양한 LLM(대규모 언어 모델)에 연결하고, 정확한 추천을 위해 에이전트의 프롬프트를 미세 조정합니다.
- AI가 구매자에게 추천하는 대출을 분석
- AI 추천 에이전트는 그라운딩 모델에 연결되어 W2 데이터를 기반으로 폴의 재무 프로필을 분석합니다. 이는 폴의 특정 요구에 맞춰 소득, 원하는 대출 금액 및 선호하는 조건을 고려하여 개인 맞춤형 대출 제안을 생성합니다.
- 신속한 대출 승인
- 나탈리아는 AI가 생성한 추천을 검토하고 명확하고 간결하게 제시된 데이터 덕분에 빠르게 폴의 대출을 승인합니다.
- 새로운 전기차를 구매한 행복한 구매자
- 효율적인 AI 기반 프로세스 덕분에 폴은 효율적이고 개인화된 경험에 만족하며 그의 새로운 전기차를 타고 떠납니다.
상세 시나리오
아래의 이미지, 테이블 및 절차는 마커스가 자동차 대출 AI 에이전트를 생성하여 자동차 대출 과정을 간소화하는 방법을 요약합니다. Process Composer의 기능을 활용하여 다양한 AI 에이전트 및 작업을 조율함으로써 매끄러운 워크플로를 만듭니다. 데이터 추출, 문서 처리 및 의사 결정과 같은 작업을 자동화함으로써 AI 에이전트는 처리 시간을 50%에서 60%까지 크게 줄이고 정확성을 향상시킵니다.
![자동차 대출 AI 에이전트](https://automationanywhere-be-prod.automationanywhere.com/bundle/enterprise-v2019/page/Auto-loan-AI-agent.png?_LANG=kokr)
프로세스 | 설명 |
---|---|
![]() |
데이터 수집 및 초기 처리
|
![]() |
자동화 Co-Pilot 및 데이터 추출: Salesforce에 내장된 자동화 Co-Pilot은 생성형 AI로 구동되는 문서 자동화을 사용하여 업로드된 문서에서 주요 데이터 포인트를 추출합니다. 자동화 Co-Pilot은 사용자와 자동화 간의 실시간 커뮤니케이션을 가능하게 합니다. 자동화 Co-Pilot을 사용하면 반복적이고 시간이 많이 걸리는 작업을 자동화하고, 컨트롤을 탐색하고, 고객과 상호작용할 때 데이터를 입력할 수 있습니다. |
![]() |
검토 및 승인 프로세스
|
AI 에이전트 1 - 신용 조회기 | 이 API 태스크 기반 AI 에이전트는 W2와 같은 문서에서 추출한 데이터를 사용하여 신청인의 신용도와 전반적인 재정 상태를 평가합니다. |
AI 에이전트 2 - AI 추천 에이전트 | 이 API 태스크 기반 AI 에이전트는 고객 데이터를 활용하여 대출 심사관을 위한 맞춤형 자동차 대출 추천을 생성하기 위해 AI Skill:을 사용합니다. AI Skill:은 소득 계층, 대출 금액, 조건 및 이자율과 같은 관련 데이터에 그라운딩되며 추천의 정확성과 관련성을 보장하기 위해 LLM에 의해 구동됩니다. AI Skill:의 출력은 종종 원활한 통합을 위해 JSON 형식으로 구조화되며, 이는 Microsoft Teams와 같은 워크플로 내에서 심사관에게 제시되는 추천의 기초를 형성합니다. AI 에이전트를 구축하는 자세한 예시는 AI 추천 에이전트 구축에서 확인할 수 있습니다. |
AI 에이전트 3 - 승인/거부 이메일 알림 | 이 API 태스크 기반 AI 에이전트은 대출 심사자의 결정(승인 또는 거부)에 따라 고객에게 자동으로 이메일을 보내어 의사소통을 자동화합니다. 이 에이전트는 고객에게 적시에 업데이트를 제공하여 프로세스 전반에 걸쳐 정보를 제공합니다. |
AI 에이전트 4 - 대출 시작 | 이 API 태스크 기반 AI 에이전트은 고객이 선택한 대출 기간에 따라 대출 프로세스를 시작합니다. 이는 고객의 선호를 처음부터 반영하여 대출의 프레임워크를 작동시킵니다. |
자동화 개발
-
요구 사항과 목표 식별: 마커스는 Automation 360 플랫폼 전반의 여러 제품을 활용하는 Process Composer를 사용하여 지능형 자동화 경험을 제공합니다.
- 드래그 앤 드롭 인터페이스를 제공하여 전문 개발자가 프로세스 흐름을 생성하고 자동화를 실행할 시기를 구성할 수 있습니다. 또한 사용자에게 올바른 데이터를 표시하고 여러 팀 간에 데이터를 교환합니다.
- 마커스는 자동차 대출 시스템의 특정 요구 사항과 목표를 이해하는 것부터 시작합니다. 여기에는 영업 사원(빈센트), 대출 심사관(나탈리아), 그리고 잠재 고객(폴)과 같은 이해 관계자들과 협력하여 그들의 요구 사항과 문제점을 파악하는 것이 포함됩니다. 예를 들어, 마커스는 대출 신청에 중요한 데이터 포인트, 대출 승인 기준, 그리고 원하는 자동화 수준을 결정해야 합니다.
-
적절한 AI 기술 선택: 요구 사항에 따라 마커스는 가장 적합한 AI 기술과 도구를 선택합니다.
- AI Agent Studio: AI Agent Studio는 마커스가 작업을 자동화하고 결정을 내리는 지능형 에이전트를 생성, 훈련 및 배포할 수 있도록 지원합니다.
- LLM(대규모 언어 모델): 마커스는 AI Agent Studio 내에서 모델 연결을 통해 Azure OpenAI, Bedrock, Google Vertex와 같은 LLM을 위한 미리 빌드된 커넥터에 연결합니다. 마커스에게 대안 옵션은 사용자 정의 모델을 프라이빗 클라우드에 호스팅하여 연결할 옵션을 탐색하는 것입니다.
- 문서 자동화: 문서 자동화 및 생성형 AI를 활용하는 것은 W2 양식과 같은 고객 문서에서 관련 데이터를 추출하는 데 필수적입니다.
- API 태스크: 에이전트 내에 API 태스크를 포함하면 재정 데이터를 가져오기 위해 신용 정보 기관과 같은 외부 시스템과 원활하게 상호작용하여 더 빠르게 실행할 수 있습니다. 자세한 내용은 API 태스크 항목을 참조하십시오.
- AI 추천 에이전트 구축: 이 에이전트는 신청인 데이터를 분석하고 개인 맞춤형 대출 추천을 생성하는 데 중요합니다. 마커스는 AI Agent Studio를 사용하여 에이전트의 워크플로우와 의사 결정 논리를 정의합니다. 그는 관련 데이터 세트에 그라운딩된 LLM을 활용하는 AI Skill:에 에이전트를 연결합니다. 마커스는 LLM의 분석을 안내하고 정확한 추천을 보장하기 위해 신중하게 프롬프트를 작성합니다.
-
기존 시스템과 통합: 워크플로를 신속하게 진행하기 위해 마커스는 다음을 포함한 기존 시스템과 AI 에이전트를 통합합니다.
- Salesforce: 이 통합은 빈센트와 같은 영업 사원이 관리하는 고객 상호작용 단계에서 대출 처리 단계로의 원활한 데이터 흐름을 가능하게 합니다.
- Microsoft Teams: Teams에 연결하면 실시간 알림을 받을 수 있으며, 대출 심사관인 나탈리아와 같은 다양한 이해관계자와의 의사소통이 원활해집니다.
- 데이터 보안 및 거버넌스 실현: 마커스는 AI의 책임 있고 규정을 준수하는 사용을 보장하기 위해 AI Agent Studio에 내장된 AI 거버넌스 기능을 활용합니다. 모델 사용을 모니터링하고, 토큰 소비를 추적하며, 민감한 고객 정보를 보호하기 위해 데이터 마스킹 기술을 잠재적으로 구현하는 것을 포함합니다. 자세한 내용은 AI 거버넌스 항목을 참조하십시오.
- 테스트 및 미세 조정: 배포 전에 마커스는 정확성, 효율성 및 규정 준수를 보장하기 위해 AI 에이전트를 철저하게 테스트합니다. 샘플 데이터를 사용하여 시뮬레이션을 실행하고 이해관계자로부터 피드백을 수집하여 에이전트의 성능을 미세 조정하는 것을 포함합니다.