2026년 3월 31일 · Unknown · financial · 출처 Yahoo Finance
스트라이크 그래프(Strike Graph)가 맞춤형 소형 언어 모델(SLM)을 학습시켜 상용 AI보다 17~23배 작은 크기로 가장 중요한 규정 준수 작업 정확도에서 업계 선도적 대형 모델을 능가하다
시애틀, 2026년 3월 31일 --(비즈니스 와이어)-- AI 네이티브 규정 준수 관리 플랫폼의 선도기업 스트라이크 그래프(Strike Graph)는 오늘 AWS와 메타(Meta)의 "Building with Llama" 프로그램 참여 결과를 발표했습니다: 스트라이크 그래프 플랫폼용으로 개발된 새로운 자체 소형 언어 모델(SLM) 제품군이 규정 준수 특화 작업에서 선도적 상용 AI의 정확도를 맞추거나 능가하면서, 비용과 대기 시간은 훨씬 낮췄습니다. 1,000명 이상의 지원자 중 상위 3%에 해당하는 33개 스타트업에만 선정된 스트라이크 그래프는 프로그램 마지막 달에 이미 플랫폼에 탑재된 모델을 보유하고 있습니다. 이 작업은 2025년 초에 출원된 실용특허(Utility Patent) 출원을 기반으로 합니다.
문제점: "합리적 정확도"는 규정 준수 팀에게 실패를 의미
규정 준수 매핑은 용서가 없습니다. 통제 항목(control)과 기준(criteria) 간 매핑이 잘못되면 고객은 감사에서 탈락할 수 있습니다. 증거가 올바른 항목에 대해 테스트되지 않으면 위험은 완화되지 않습니다. 스트라이크 그래프가 벤치마크로 사용한 클로드 소넷 4.5(Claude Sonnet 4.5)와 같은 범용 모델은 이러한 작업에서 합리적인 성능을 보입니다. 하지만 "합리적"이라는 것은 규모가 커질수록 실제 결과로 이어집니다.
스트라이크 그래프 테스트에서, 소넷의 규정 준수 쿼리 생성에 대한 재현율(recall)은 CMMC 인증의 기반이 되는 NIST 800-171 프레임워크에서 60.6%, PCI DSS에서 73.6%로, 프레임워크에 따라 13포인트까지 차이가 났습니다. 4개 이상의 통제 항목이 단일 프레임워크 기준에 연결되어야 하는 더 어려운 매핑 작업에서는 상용 모델의 재현율이 50% 미만으로 떨어졌습니다.
비용은 두 번째 도전 과제입니다. 상용 API를 통해 전체 프레임워크 매핑 작업을 실행하는 것은 시도마다 수백 달러의 비용이 들 수 있어, AI 기반 규정 준수 자동화를 대규모로 경제적으로 실행하기 어렵게 만듭니다.
"자동화를 신뢰할 수 없다면, 결국 그 작업을 끊임없이 검토해야 하고 도구는..."