플러스프로젝트 배경
1) 문제점 - 신규 거래처 발주서를 처음 수신했을 때 AI 추출 필드가 실제 데이터와 불일치하는 경우가 발생하여 자동화 신뢰성 문제 — 신뢰도 점수 임계치(0.85)를 기반으로 자동 승인과 수동 검토를 분기하고, 담당자 수정 내역을 피드백 데이터로 축적하는 Human-in-the-loop 구조 설계 - 발주서 파싱→계산→명세서 생성→결재 각 단계가 순차적으로 의존하여 중간 단계 실패 시 전체 재처리 비용
프로젝트 성과
OpenAI Vision 기반 발주서 양식 자동 인식 엔진 구현
GPT-4 Vision API 프롬프트 엔지니어링으로 신규 거래처 발주서의 필드명·좌표·데이터타입을 JSON Schema로 자동 추출, 신뢰도 임계치(0.85) 기반 자동 승인 분기와 Slack Webhook 알림
XState 상태 머신 기반 전자 결재 워크플로우 구축
결재 상태 전이 14개를 XState 상태 머신으로 정의하고 서버 사이드 이중 검증 적용, 위임 규칙 기반 대리 결재자 자동 배정 로직을 순수 함수로 구현하여 단위 테스트 커버리지 확보
독립 WebSocket 채널 기반 부분 재처리 구조 설계
파이프라인 4단계(Parse·Validate·Calculate·Generate)를 각각 독립 Socket.io 채널로 분리하고 Zustand 슬라이스로 채널별 상태 관리, 특정 단계 실패 시 전체가 아닌 해당단계만
Human-in-the-loop 피드백 루프 규칙 학습 구조 적용
AI 추출 결과에 대한 담당자 수정 내역을 피드백 데이터로 PostgreSQL에 축적하고 규칙 신뢰도 점수를 갱신하는 로직 설계, 반복 거래처에 대한 자동 승인 비율이 점진적으로 높아지는 학습 구조 구현
거래처×월 피벗 집계 및 차트 포함 리포트 PDF 생성 구현
TanStack Table 피벗으로 거래처×월 교차 집계 테이블과 드릴다운 구현, html2canvas로 Recharts 차트를 이미지 캡처 후 pdf-lib으로 삽입하는 클라이언트 사이드 리포트 PDF생성 파이프
핵심 기능
AI 양식 자동 인식 엔진
신규 거래처의 발주서를 처음 수신해도 AI가 필드 위치를 자동 감지하여 매핑 규칙 초안을 생성, 담당자가 검토 후 확정하는 반자동 온보딩 플로우. OpenAI Vision API + 커스텀 필드 탐지 로직 + 규칙
진행 단계
엔드투엔드 문서 파이프라인 아키텍처 설계
2025.09.
발주서 수신→AI 분석→파싱→계산→명세서 생성→결재→발송까지 전체 플로우를 NestJS 모듈 단위로 분리 설계, Redis 큐 기반 비동기 파이프라인 구조 및 PostgreSQL 스키마 확정
프로젝트 상세
1) 포트폴리오 소개 산업자재 유통사의 발주서 자동 처리 및 거래명세서 생성을 핵심으로, AI 기반 양식 자동 인식·실시간 처리 모니터링·승인 워크플로우를 추가한 통합 문서 자동화 플랫폼을 React + Node.js 기반으로 설계·구현. 기존 수작업 문서 처리 흐름 전체를 디지털화한 엔드투엔드 파이프라인 구조를 구축. 2) 작업 범위 - AI 양식 자동 인식 엔진: 신규 거래처의 발주서를 처음 수신
