arXiv:2609.27632v2 q-fin.GN

규제 금융을 위한 규정 준수 AI 인프라: DACH 금융 운영을 위한 DLT 감사 추적을 갖춘 계층형 멀티에이전트 프레임워크

Compliant AI Infrastructure for Regulated Finance: A tiered multi-agent framework with DLT audit trails for financial operations in DACH

Walter Kurz, Reinhard Magg

제출 2026-09-24

저자 비고

arXiv Comments

16 pages, 3 figures. Published in Swissi AI Journal under CC BY 4.0

한국어 초록

규제 금융 분야 AI를 위한 규정 준수 우선 아키텍처를 제안하며, 규제를 결정론적 규칙 집합이 아니라 지향 층으로 다룬다. 규제 의도와 노출의 행렬이 간결한 분류 핸들을 제공하고, 거버넌스가 적용된 정책 컴파일러가 이를 구체적인 금지, 의무, 런타임 예산으로 매핑한다. 금지는 실행 가능성을 제한하고 외부화를 차단하며, 의무는 명시적 허용 가능성 기준을 충족해야 하는 산출물로 과업을 확장한다. 위원회 활성화는 정책 주도적이며 비례 원칙을 유지하여, 효율성을 보존하면서 감독 감시를 보장한다. 증거, 의사결정, 사유 코드는 결정론적 타임스탬프가 부여된 허가형 방향성 비순환 그래프(DAG)에 바인딩되어 재현, 출처 검증, 실패의 명확한 귀속을 가능하게 한다. 조항 수준의 법률 인덱싱과 시행일, 역량 기반 에이전트 라우팅은 DACH 및 더 넓은 EU 전역에서 이식성을 보장한다. 그 결과는 구조적 보증(assurance by construction)이다: 규정 준수가 실행에 내장되며 비례 원칙이나 투명성을 희생하지 않고 감사인이 검증할 수 있다.

원문 초록

We present a compliance-first architecture for AI in regulated finance that treats regulation as an orientation layer rather than a deterministic ruleset. A matrix of regulatory intent and exposure provides a compact classification handle, which a governed policy compiler then maps into concrete prohibitions, obligations and runtime budgets. Prohibitions constrain feasibility and block externalisation, while obligations extend tasks with artefacts that must meet explicit admissibility criteria. Committee activation remains policy-driven and proportionate, preserving efficiency while ensuring supervisory oversight. Evidence, decisions and reason codes are bound to a permissioned DAG with deterministic timestamping, enabling replay, provenance checks and clear attribution of failure. Clause-level legal indexing with effective dates and capability-based agent routing ensure portability across DACH and the wider EU. The result is assurance by construction: compliance is embedded in execution and verifiable by auditors without sacrificing proportionality or transparency.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2609.27632v2
  2. arXiv:2609.27632v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.24352v1cs.CL공통 태그 Management, regulatory compliance

규제 지식 관리를 위한 인지 컴퓨팅 아키텍처 구성 요소로서의 검색-증강 대규모 언어 모델

Retrieval-Augmented Large Language Models as Components of Cognitive Computing architecture for Regulatory Knowledge Management

본 논문의 목적은 대규모 언어 모델(LLM)을 검색-증강 생성(RAG) 아키텍처와 통합하는 것이 독립적인 생성 모델에서 인식론적 신뢰성이 향상된 인지 컴퓨팅(cognitive computing) 인프라의 구성 요소로 전환을 가능하게 하는지 검증하는 것이다. 본 연구는 고급 GPU 가속기 없이 온프레미스 환경에서 운영되는 로컬 배포 LLM을 기반으로 한 아키텍처적 접근을 제안하고, 법률에 대한 지속적인 분석과 해석을 요구하는 규제 관리 프로세스 지원에 대한 적용 가능성을 검토한다. 제안된 솔루션은 로컬 LLM과 외부 지식 저장소를 결합하여, 언어 모델이 의미론적 해석을 수행하고 RAG 층이 통제된 지식 검색, 맥락화, 정보 출처의 추적 가능성을 제공하는 하이브리드 인지 아키텍처를 구성한다. 구현은 Ollama 및 LM Studio 실행 환경과 함께 소비자급 하드웨어에서 실행되는 폴란드어 언어 모델 Bielik 및 PLLuM을 사용하여 검증되었다. 결과는 LLM에 RAG를 증강하는 것이 생성 텍스트의 사실적 일관성, 도메인 특이성, 규범적 정밀도를 크게 향상시키면서 근거 없는 콘텐츠 생성 위험을 줄인다는 것을 보여준다. 또한 본 연구는 RAG 통합이 감사 가능성, 통제된 지식 관리, 언어 모델 재학습 없이 규제 정보의 동적 갱신을 도입함을 보여준다. 연구 결과는 RAG로 강화된 로컬 배포 LLM을 단순한 텍스트 생성 도구가 아니라, 높은 법적·정보적 변동성을 특징으로 하는 환경에서 규제 준수 및 조직 의사결정을 지원하는 인지 컴퓨팅 인프라 내 의미론적 처리 모듈로 간주해야 함을 시사한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.