Summary

  • 몽골 관세청의 비정형 신고 데이터를 일관되게 분류하기 위한 HS 코드 AI 추천 챗봇
  • 세계 최초로 관세 행정 시스템에 적용된 NPU 기반 LLM/RAG 솔루션 시스템
  • GPU 대비 전성비 2.7배 우위를 바탕으로 운영 효율 확인

Challenge

관세청은 매년 방대한 양의 수출입 신고서를 처리하며, 각 품목에 적합한 HS 코드(Harmonized System Code)를 정확하게 분류해야 하는 업무를 수행합니다. 그러나 실제 신고서에는 비정형적으로 작성된 상품명과 모델명, 언어가 혼재된 상세 설명이 포함되는 경우가 많아 담당자 간 분류 기준이 달라지거나 처리 시간이 길어지는 문제가 발생합니다. 또한 HS 코드는 관세 부과와 직접적으로 연결되는 민감한 정보이기 때문에, 높은 수준의 정확성이 요구됩니다. 몽골 관세청은 이러한 문제를 해결하기 위해 AI 기반 HS 코드 추천 챗봇을 도입하였습니다.

Solution

몽골 관세청은 HS 코드 분류 자동화를 위해 RAG 기반 Hybrid Search와 LLM 기반 Multi-turn 추론을 결합한 HS 코드 추천 AI 챗봇을 리벨리온의 ATOM™ NPU 기반으로 구축하였습니다. 본 서비스는 수출입 신고인이 입력한 품명 및 설명 정보를 기반으로, HS 코드 분류 기준에 따라 가장 적합한 HS 코드를 자동 추천하며, 신고인이 보다 정확한 HS 코드를 신고할 수 있게 하여 관세 업무 효율화에 기여합니다. 챗봇은 자연어처리 기반의 대화형 인터페이스를 제공하며, 몽골어 사용자 입력을 분석하여 품목의 특징을 이해하고, 유사 품목 정보, HS 코드 설명정보 등을 참고하여 적절한 HS 코드 후보를 제시합니다. 더 나아가, 사용자의 피드백을 바탕으로 추천 결과를 조정하거나 추가 정보를 요청할 수 있습니다. 이를 통해 신고인의 분류 오류를 줄이고, 관세행정의 투명성과 신뢰도를 높이며, 업무처리 시간을 단축할 수 있습니다.

Result

몽골 관세청 HS 코드 AI 추천 챗봇은 세계 최초로 관세행정 업무지원에 상용 적용된 NPU 기반 시스템입니다. 도입 이후 HS 코드 추천의 정확성과 일관성이 향상되었으며, 담당자의 검토 시간이 단축되었습니다. 또한 관세 시스템에 자동 입력 기능이 도입되면서, 기존 행정 입력 과정에서 발생하던 오류가 감소했습니다.NPU 기반 인프라는 GPU 대비 전력 대비 성능인 전성비(TPS/Watt)가 2.7배 높게 나타났습니다. 이는 데이터센터·서버실 규모가 제한적인 공공기관에서 AI 인프라를 구축할 때 중요한 장점이 됩니다. 이번 사례는 관세 행정 서비스에 AI·LLM·NPU 기술을 결합해 실제 운영 환경까지 적용한 첫 사례로, 향후 몽골 정부의 AI 확장 로드맵을 위한 핵심 기반이 될 것입니다.

Appendix: NPU 활용 가이드

지금 바로 시작하기: 사전 훈련된 모델 준비 → RBLN 컴파일러를 이용한 모델 컴파일 → 컴파일된 모델 로드 및 추론