1. Overview (프로젝트 배경)

본 프로젝트는 GC Biopharma의 연간 제품 품질 평가(APQR, Annual Product Quality Review) 업무 과정에서 발생하는 방대한 문서 작성 부담과 품질 편차 문제를 해결하기 위해 추진되었습니다.
APQR은 다수의 시스템(LIMS, QMS, ERP 등)에 분산된 데이터를 기반으로 수백 페이지에 달하는 보고서를 정기적으로 작성해야 하는 핵심 품질 업무로, 데이터 수집·검토·정리에 많은 시간과 인력이 소요되는 구조였습니다.

이에 따라 GC Biopharma는 AI 기술을 활용해 품질 문서 작성 과정을 효율화하고, 문서 품질의 정확성과 일관성을 확보할 수 있는 시스템 구축을 목표로 프로젝트를 시작했습니다.

2. Challenge (문제 정의)

프로젝트 착수 전, 품질 문서 작성 업무에는 다음과 같은 구조적 한계가 존재했습니다.

• 방대한 문서량과 반복 작업 부담
  연간 수백 페이지 규모의 APQR 보고서를 작성하기 위해 여러 시스템에서 데이터를 수집·가공·검토해야 했으며, 반복적인 수작업으로 인해 업무 부담이 과중되었습니다.

• 휴먼 에러 및 결과 편차 발생
  수기 입력과 수동 검토 과정에서 오류가 발생할 가능성이 높았고, 담당자 역량에 따라 문서 품질과 결과의 일관성이 달라지는 문제가 있었습니다.

• 데이터 분산 및 활용 비효율
  품질 관련 데이터가 LIMS, QMS, ERP 등 여러 시스템에 사일로 형태로 분산되어 있어, 통합 분석과 활용이 어려운 환경이었습니다.

3. Solution (해결 방안)

GC Biopharma와 메가존클라우드는 AI 기반 품질 문서 작성 지원 시스템을 구축하여 데이터 통합, 문서 자동화, 정확성 강화를 단계적으로 구현했습니다.

• 데이터 플랫폼 구축
  QMS, LIMS, ERP 등 품질 관련 데이터를 수집·저장·가공·분석할 수 있는 데이터 플랫폼을 구성하여, 문서 작성에 필요한 데이터를 안정적으로 통합 관리할 수 있는 기반을 마련했습니다.

• Prompt Engineering 및 Rule 기반 작성
  문서 요약과 핵심 정보 추출을 위해 프롬프트 엔지니어링을 적용하고, 수치 계산·형식 지정·도메인 특화 로직은 Rule-Based Coding으로 보완하여 결과의 정확성과 신뢰성을 확보했습니다.

• SQL 기반 Context Augmentation
  사전 정의된 SQL을 통해 필요한 데이터를 선별적으로 검색하고, 해당 컨텍스트를 LLM에 전달함으로써 환각(Hallucination)을 최소화하고 내부 데이터 기반 응답을 구현했습니다.

• 단계적 구축 및 고도화 방식
  PoC → 1차 구축 → 2차 확장 형태로 프로젝트를 진행하며, 현업 피드백을 반영해 프롬프트와 기능을 지속적으로 개선했습니다.

4. Result (성과)

AI 기반 품질 문서 작성 지원 시스템 구축을 통해 다음과 같은 실질적인 성과를 달성했습니다.

• 문서 작성 시간 대폭 단축
  데이터 수집·가공·분석·초안 작성에 소요되던 시간을 2,845시간 이상 절감하여 담당자의 업무 부담을 크게 경감했습니다.

• 문서 품질의 일관성 및 정확성 확보
  시스템 데이터만을 기반으로 문서를 생성함으로써, 동일한 품질 수준의 산출물을 안정적으로 확보하고 휴먼 에러를 효과적으로 방지했습니다.

• 현업 만족도 및 확장 가능성 확보
  실제 사용자들로부터 문서 표준화, 누락 항목 감소, 데이터 조회 편의성 측면에서 긍정적인 피드백을 받았으며, 추가 품질 문서로의 확장 가능성에 대한 기대를 확보했습니다.

• 공장별 맞춤형 보고서 자동화 구현
  오창·음성·화순 공장별로 APQR 및 관련 보고서를 자동 생성할 수 있는 체계를 구축했습니다.