고객사는 특허명세서의 발명의 내용과 실시예를 자동 작성하는 서비스를 만들고 있었습니다. 그러나 기존 AI 모듈의 결과는 사용자에게 바로 제공하기 어려워 대표 변리사가 직접 수정해야 했고, 내부 변리사 평가 기준 품질은 목표의 약 20–30% 수준이었습니다. 외주 계약의 AI 모듈 단독 담당자로서 LangGraph 파이프라인 설계, 프롬프트, 예외 처리와 컨테이너화를 맡았습니다.
과정
모델이나 프롬프트 하나만 고쳐서는 변리사의 수정 기준과 법률 문서에 필요한 문체, 단어 구성, 문장 구조를 일관되게 재현할 수 없었습니다. 대표 변리사에게 명세서 작성 순서와 카테고리별 판단 기준, 실패 사례의 수정 원칙을 확인하고 암묵적인 업무 지식을 생성 규칙과 검증 조건으로 정리했습니다. 이를 프롬프트 엔지니어링과 비즈니스 로직에 나눠 반영했습니다.
기존 코드는 LangChain 구성요소로 분리해 모델과 프롬프트를 교체할 수 있게 개선하고, 생성·검증·수정 순서는 LangGraph 워크플로로 재설계했습니다. 입력 문서는 항목별로 파싱해 필요한 맥락만 전달했으며, 파이프라인 내에 특허 도면을 처리하는 단계도 추가해 텍스트 외의 정보가 생성 과정에서 빠지지 않도록 했습니다.
실패 처리와 재시도 로직
법률 문서는 중간에 잘린 답변이나 형식 오류를 그대로 사용자에게 보낼 수 없습니다. 그래서 정상 응답만 다루는 흐름보다 실패했을 때 어디서 다시 시작할지를 명시하는 데 비중을 뒀습니다.
- 토큰 제한으로 답변이 중단되면 이어서 생성
- 프롬프트 인젝션 입력 차단
- 생성 문서를 자동 검토하고 오류가 있으면 재생성
생성 작업은 병렬로 처리했습니다. 완성한 모듈은 Docker 컨테이너로 패키징해 고객사가 기존 서비스 환경에 적용할 수 있도록 전달했습니다. 운영 환경 배포와 다른 서비스 구성요소의 연결은 제 담당 범위가 아니었습니다.
서비스에 반영된 결과
내부 변리사 평가 기준 품질은 약 20–30%에서 80–90%로 올라갔습니다. 파이프라인 내부의 병렬 처리 구현으로 전체 처리시간은 약 20% 줄었습니다. 고객사에 전달한 컨테이너 모듈은 이후 실제 서비스에 적용됐습니다. 운영 안정성을 위해 중단·잘못된 입력·검토 실패를 처리하는 경로와 재시도 조건까지 파이프라인 설계에 포함했습니다.