Your Agreements Are a Database You Can't Query — Hiral Shah, Docusign & Sean Sodha, NVIDIA

한 줄 핵심

계약서에 묻힌 가격·SLA·조항 데이터를 대규모로 구조화해 검색 가능하게 만드는 것은 문서 처리와 검색 모델을 함께 설계해야 하는 엔지니어링 문제이며, Docusign과 NVIDIA는 이를 목적 특화 추출·검색 모델로 해결한다.

시간별 요약

1. 0:00
   계약 데이터가 엔지니어링 문제인 이유 계약서는 기업 관계의 핵심 정보를 담고 있지만 대부분 비정형 형식이라 읽기·검색·활용이 어렵다. 이 영상은 Docusign과 NVIDIA가 문서 처리, 구조화, 평가까지 포함한 기술 설계로 이 문제를 해결하는 방식을 다룬다.
2. 1:42
   하루 백만 건의 계약 Docusign은 1.9 million customers와 1 billion users를 바탕으로 하루에 million agreements를 처리한다. 이 규모에서는 계약서를 단순 저장하는 수준이 아니라 기계가 읽고 질의할 수 있는 형태로 바꾸는 능력이 필수다.
3. 2:19
   아무도 회수하지 못하는 2조 달러 계약에 묶인 negotiated value 중 약 $2 trillion이 인간 검토, 분리된 시스템, 수작업 워크플로 때문에 다시 활용되지 못한다. 계약 전 생애주기를 AI-first로 다루는 플랫폼이 필요한 이유가 여기에 있다.
4. 3:59
   왜 표가 일반 추출을 망가뜨리는가 pricing tiers, SKUs, SLA, rate cards 같은 핵심 정보는 표 안에 들어 있어 일반 문서 추출이나 범용 VLM으로는 구조가 쉽게 깨진다. 표의 병합 셀·중첩 구조를 이해하는 목적 특화 추출이 있어야 법무·구매·영업이 실무적으로 쓸 수 있다.
5. 5:12
   오픈하게 검색 모델을 만드는 방법 NVIDIA Neotron은 모델 가중치뿐 아니라 데이터셋, 기법, quantization, distillation, pruning과 설계 청사진까지 공개하는 오픈소스 중심 접근을 취한다. retrieval에서는 문서 찾기와 문서 내부 정보 찾기를 분리해, embedding·reranking·document extraction을 함께 다룬다.
6. 7:03
   생성기가 아닌 추출기 Neotron parse model은 850~900 million parameter급의 작은 VLM으로, 문서를 넣으면 semantic formatting, layout, reading order, 표 구조를 한 번에 추출한다. 범용 생성 모델이 아니라 구조를 보존해 뽑아내는 extractor로 설계됐고, 정확도와 성능의 균형을 벤치마크로 검증한다.
7. 8:32
   주문서가 구조화 데이터로 바뀌는 데모 Agreement manager에 order form을 업로드하면 즉시 AI가 처리해 key terms와 commercial details를 구조화하고, 표 안의 가격 데이터까지 세분화해 보여준다. 결과는 CSV와 API로 내려받을 수 있어 finance, procurement, 추가 분석에 바로 연결된다.
8. 10:30
   조직 전체의 계약을 구조화하기 개별 문서 추출을 넘어 수천~수백만 건의 계약을 조직 단위 데이터 모델로 묶어야 진짜 가치가 나온다. 법무, 구매, 영업, 경영진이 같은 계약 데이터를 구조적으로 조회할 수 있도록 파이프라인과 검색층을 함께 설계한다.
9. 11:18
   목적 특화 모델이 범용 모델을 이긴다 업무에 맞는 purpose-built model이 배포 속도와 실사용 성과를 크게 높인다. 더 작은 컨텍스트와 낮은 지연시간, 낮은 비용이 대규모 처리에 유리하며, Neotron은 테이블 추출에서 open source 대비 20x faster를 보였다.
10. 13:12
    다음 단계 다음 협업은 페이지에서 정보를 뽑는 수준을 넘어, 먼저 문서를 찾아내는 retrieval로 확장된다. 이후 NVIDIA agent toolkit을 적용해 더 큰 production scale agents로 넓혀 갈 계획이다.
11. 13:44
    OCR은 사라지는가? OCR을 완전히 없애기보다, 사용 사례에 따라 upfront processing과 low-latency Q&A를 나눠 설계하는 하이브리드 접근이 현실적이다. 대규모 문서 코퍼스는 미리 구조화해 두고, 일부 필드는 OCR과 메타데이터 추출을 병행하는 방식이 비용과 응답속도에 유리하다.

실무 인사이트

• 대규모 계약 데이터는 저장 문제가 아니라 검색 가능성과 재사용성을 만드는 구조화 문제로 봐야 한다.
• 표·레이아웃·병합 셀처럼 문서의 시각 구조가 중요한 업무는 범용 LLM보다 목적 특화 추출 모델이 훨씬 실용적이다.
• 대량 처리에서는 한 번에 정확히 답하는 것보다, 미리 추출해 두고 나중에 빠르게 조회하는 파이프라인 설계가 핵심이다.