잠자던 문서를 데이터 자산으로…AI가 바꾼 부동산 경제학[0과 1로 보는 부동산세상]

[오석재 알스퀘어 CTO] 광산에는 금이 들어 있어도 채굴 비용이 많이 들면 캐지 않는 돌이 있다. 금이 부족해서가 아니다. 꺼내는 비용이 금의 가치보다 크기 때문이다. 그런데 새로운 기술이 등장해 채굴 비용이 낮아지면 상황이 달라진다. 버려졌던 돌이 오늘은 ‘가치 있는 광석’이 된다.

(사진=챗GPT로 생성)

부동산 시장에도 비슷한 일이 벌어지고 있다. 건물의 등기 정보와 도면, 계약서, 각종 공공 문서에는 중요한 정보가 담겨 있다. 그러나 자료가 존재한다는 것과 실제로 활용할 수 있는 것은 다른 문제다.

오래된 종이 문서를 스캔한 파일은 글자가 흐릿하거나 기울어져 있고, 손글씨와 도장이 섞여 있기도 하다. 사람이 일일이 읽고 필요한 정보를 정리해야 하니 시간과 비용이 많이 든다. 정보는 있지만 이를 분석할 수 있는 데이터로 만드는 일이 어려웠다.

인공지능(AI)은 이 오래된 문제를 해결할 수단으로 등장했다. 기업의 AI 전환(AX)이 단순히 직원들의 업무를 빠르게 처리하는 수준을 넘어, 그동안 활용하지 못했던 정보를 새로운 사업 자산으로 바꾸는 단계로 나아가고 있다.

상업용 부동산은 여전히 인간의 경험과 인적 네트워크에 의존하는 시장이다. 어떤 건물에 투자할 만한 가치가 있는지, 임대료는 적정한지, 권리관계에는 문제가 없는지 판단하려면 다양한 자료를 살펴봐야 한다.

건물 한 채라면 전문가가 서류를 검토할 수 있다. 하지만 수만 개 건물의 자료를 한꺼번에 분석하려면 이야기가 달라진다.

실제 이미지 형태의 상업용 부동산 문서 398건을 대상으로 실험한 결과, 오픈소스 광학문자인식(OCR)만 활용했을 때 수동 검수가 필요하지 않은 항목의 비율은 약 45.5%였다. 반면 OCR 기술과 여러 대규모언어모델(LLM)을 결합했을 때는 그 비율이 99.897%로 높아졌다. 이는 검수 필요 여부에 따른 분류 결과이며, 판독 정확도와는 구분되는 지표다.

이 결과를 바탕으로 부동산 문서 15만 건을 처리하는 상황을 가정해 보자. 문서의 구성과 문서당 항목 수, 난도가 실험 표본과 같고, 검수가 필요한 항목 하나를 확인하는 데 15초가 걸린다는 조건이다.

이 기준에서 오픈소스 OCR만 활용할 때 예상 수동 검수 작업량은 약 48만 시간이다. 한 사람이 연간 2000시간을 일한다면 약 240년 동안 수행할 분량이다. 반면 여러 LLM을 결합하면 약 906시간으로 추정된다. 하루 8시간 기준으로 환산하면 한 사람이 약 113근무일 동안 수행할 작업량이다.

중요한 건 단순히 업무 시간이 줄어들 수 있다는 사실이 아니다. 과거에는 비용 때문에 시도조차 하지 못했던 데이터 분석이 사업적으로 가능한 선택지가 될 수 있다는 점이다.

◇업무 효율화에서 데이터 자산화로…AX의 진짜 경쟁력

많은 기업이 AI를 도입하면서 보고서 작성이나 자료 검색, 반복 업무 자동화에 집중한다. 이러한 변화도 중요하다. 하지만 데이터가 사업의 핵심인 기업이라면 더 나아가야 한다.

상업용 부동산 기업의 경쟁력은 얼마나 많은 정보를 보유했는지 뿐 아니라, 그 정보를 얼마나 정확하게 분석하고 고객이 활용할 수 있도록 제공하는지에 달렸다.

AI를 통해 비정형 문서를 읽고 필요한 항목을 추출해 정리하면, 과거에는 파일 속에 갇혀 있던 정보가 검색하고 비교할 수 있는 데이터로 바뀐다. 한 번 정리한 정보는 다른 건물과 비교하거나 시장 변화를 분석하는 데 반복해서 활용할 수 있다.

이렇게 축적된 데이터는 건물의 적정 가치를 추정하거나 투자 판단에 필요한 정보를 제공하는 서비스로 연결될 수 있다. 자체적으로 수집한 데이터를 AI와 결합하면 자산 가치 평가를 고도화하고, 고객 상담과 임대차 정보 관리 업무를 지원하는 데 활용할 수 있다.

이 과정에서는 AI 모델의 성능과 함께 기업이 오랫동안 축적한 산업 데이터와 현장 경험이 중요하다. AI가 문서를 읽는 기술이라면, 산업에 대한 이해는 어떤 문서를 읽고 어떤 정보를 추출해야 하는지 결정하는 기준이 된다.

이러한 변화를 뒷받침하려면 조직의 일하는 방식도 바뀌어야 한다. 직원들이 승인되지 않은 AI 도구를 각자 사용하면 보안 위험이 커질 수 있다. 반대로 안전한 업무 환경과 명확한 사용 기준을 마련하면 구성원들이 AI를 적극적으로 활용할 수 있다.

실패를 공유하는 문화 역시 중요하다. 성공 사례만 강조하면 직원들은 부담을 느끼고 시도를 주저할 수 있다. 시행착오를 자연스러운 학습 과정으로 받아들이는 조직에서 AI 활용 역량도 성장한다.

궁극적으로 AX는 사람을 대신하는 일이 아니라 사람의 역할을 바꾸는 일이다. 문서에서 정보를 추출하고 반복적으로 분석하는 작업은 AI가 지원하고, 전문가는 현장에서 얻은 정보를 해석하고 결정을 내리는 데 집중할 수 있어야 한다.

시장의 정보 비대칭도 이러한 변화 속에서 줄어들 수 있다. 흩어진 문서에 담긴 정보가 검색하고 비교할 수 있는 데이터로 정리되고, 더 많은 사람이 활용할 수 있는 정보로 전환되기 때문이다.

AI 시대의 경쟁력은 얼마나 많은 업무를 자동화했는지 만으로 결정되지 않는다. 과거에는 비용 때문에 활용하지 못했던 정보를 얼마나 가치 있는 데이터로 바꾸고, 이를 고객에게 필요한 서비스로 연결할 수 있는지가 중요하다.

잠자던 문서에서 새로운 가치를 발견하는 일. 그것이 데이터 중심 기업이 AX를 통해 만들어가야 할 변화다.

오석재 알스퀘어 CTO. (사진=알스퀘어)