인포시즈, 적은 데이터로 AI 계산 능력 높이는 기술 개발

인포시즈가 적은 학습 데이터로도 금융 표 계산 정확도를 높이는 인공지능(AI) 학습 기술을 개발했다.

인포시즈는 조한준 연구원이 제1저자로 참여한 AI 수치 추론 논문이 국제학술지 'TACL'에 게재됐다고 27일 밝혔다. 연구진은 지난 26일(현지시간) 헝가리 부다페스트에서 열린 'EMNLP 2026'에서도 연구 결과를 발표했다.

논문에 따르면 연구진이 개발한 학습 기술 '타노스'를 적용한 80억 매개변수 AI 모델은 금융 표 수치 추론 평가에서 85.38% 정확도를 보였다. 같은 평가에서 GPT-5는 77.82%, 클로드 소넷 4.5는 76.79%, 제미나이 2.5 프로는 76.41%를 기록했다.

조한준 인포시즈 연구원이 EMNLP 2026에서 수치 추론 논문을 발표하고 있다. (사진=인포시즈)

이번 연구는 AI가 재무제표처럼 숫자가 많은 자료에서 필요한 정보를 찾고 계산하는 능력을 높이는 데 초점을 맞췄다. 가령 매출 증가율을 구하려면 올해와 지난해 매출을 찾아 차이를 계산한 뒤 지난해 매출로 나눠야 한다. 숫자를 읽는 데 그치지 않고 어떤 숫자를 골라 어떻게 계산할지 판단해야 한다.

기존 언어모델은 학습 과정에서 익숙해진 용어나 표현에 의존해 계산하는 경우가 있다. 금융 자료로 학습한 AI가 생소한 산업 용어를 만나면 같은 계산 문제에서도 정확도가 떨어질 수 있다.

연구진은 이를 개선하기 위해 타노스를 개발했다. 표에서 필요한 숫자와 계산식을 먼저 정하고 정답을 만든 뒤 이를 바탕으로 질문을 생성해 AI를 학습시키는 방식이다.

전문 용어를 임의 단어로 바꾸는 학습 방법도 적용했다. AI가 특정 단어를 외우지 않고 숫자 사이 관계를 파악하도록 하기 위해서다. 여기에 계산 순서를 간단하게 알려주는 '연산 스케치'를 더해 계산 구조를 학습하도록 했다.

학습 데이터 양을 줄인 실험에서도 성능을 확인했다. 금융 표 학습 데이터의 10%만 사용한 모델은 80.13% 정확도를 기록했다. 전체 데이터를 사용한 일반 미세조정 모델(73.97%)과 GPT-5(77.82%)보다 높은 수치다.

금융에서 학습한 계산법이 다른 분야에도 적용되는지도 시험했다. 연구진이 금융 표에 등장하는 용어를 바이오와 기계공학, 법률 등 다른 분야 용어로 바꿔 평가한 결과 정확도 하락 폭은 2%포인트 미만이었다. 일반 미세조정 모델은 같은 조건에서 정확도가 10%포인트 이상 떨어지는 경우도 있었다.

다만 높은 정확도는 계산 구조를 알려주는 연산 스케치를 제공한 조건에서 나왔다. 논문에 따르면 연산 스케치 없이 평가한 모델의 정확도는 41.03%로 떨어졌다. 연구진은 실제 서비스에서 계산에 필요한 힌트를 자동으로 만드는 기술을 후속 과제로 제시했다.

이번 성능 비교 역시 금융 표 수치 추론 평가에 한정된다. 연구 결과만으로 소형 모델이 GPT-5 등 대형 AI보다 모든 업무에서 높은 성능을 낸다고 판단하기는 어렵다.