클라우드플레어는 2026 년 10 월 19 일, 문서 및 이미지에서 필요한 정보를 추출하거나 수치를 계산하고 예측할 수 있는 AI 모델 '클레아릭(Clairic)'을 발표했습니다. 클레아릭은 '시스템 원(System One)'이라는 AI 모델의 한 종류로, 일반적인 대규모 언어 모델(LLM)보다 더 빠르고 비용 효율적으로 정보를 처리할 수 있으며, 특정 용도에서는 정확도가 향상된다는 것입니다.
기업이 처리하는 청구서나 고객 이메일의 형식은 다양하게 달라서 많습니다. 이러한 형식이 통일되지 않은 '비구조화된 데이터'에서 정보를 추출하는 작업에서는 AI 가 활약하지만, LLM 은 답변을 생성하는 데 시간이 오래 걸리고, 실제로는 기록되지 않은 숫자를 출력할 수 있는 가능성이 있습니다. 추출된 정보가 올바른 형식으로 되어 있는지 확인하는 처리도 필요하며, 대량의 데이터를 처리할 경우 처리 시간과 비용이 문제가 됩니다. 이에 Cloudflare 가 개발한 Clairic 입니다. Clairic 은 LLM 과 달리 문장을 단어로 하나씩 생성하는 대신, 입력된 데이터를 한 번의 처리로 분석하여 필요한 값을 직접 출력합니다. 답변을 텍스트로 생성하는 단계를 생략함으로써 처리 시간과 비용을 절감할 수 있다는 것입니다.
Clairic 이 채택한 'System One'은 인간의 빠른 직관적 판단을 비유한 AI 모델 분류입니다. 2026 년 9 월 TypeSafe 이 발표한 의사결정 모델 'Jev'가 선구자가 되었고, Cloudflare 도 2026 년 10 월 의사결정 모델 'Clef'를 공개했습니다. Cloudflare 가 Jev 와 유사한 의사결정 모델 'Clef'를 공개하고 이미지 입력을 지원하며 벤치마크에서는 Jev 를 상회하지만, Jev 의 작성자는 벤치마크 자체에 회의적입니다 - GIGAZINE
Jev 와 Clef 는 미리 준비된 옵션에서 적절한 답변을 선택하는 방식이지만, Clairic 은 문서나 이미지에서 구체적인 수치나 날짜 등을 추출하는 '추출 모델'로 분류됩니다. Cloudflare 에 따르면, Clairic 은 System One 모델의 용도를 정보 추출 및 수치 예측에 확장하는 최초의 모델이라고 합니다. Clairic 는 텍스트나 이미지를 입력하고 추출하려는 정보의 종류를 지정할 수 있습니다. 예를 들어, 시스템 장애 관련 문의를 로드하면 대상 웹사이트나 오류 식별 번호, 장애 발생 시간 등을 추출할 수 있습니다. 장애 지속 시간을 계산하거나, 영향을 받은 사용자 비율이나 손실된 주문 수를 추정하는 것도 가능합니다. 아래 이미지는 Clairic 의 문의 처리 예시입니다. 고객으로부터 전달된 문서를 로드하고, 필요한 정보를 약 0.55 초 만에 추출·계산·추정합니다. 답변은 프로그램이 처리하기 쉬운 JSON 형식으로 출력되며, 추출 및 계산 결과에는 신뢰도, 추정 결과에는 80% 의 예측 범위가 표시됩니다.
또한, 입력 데이터에 해당하는 정보가 없는 경우 'null' 값을 반환합니다. 예를 들어 주문 번호가 적혀 있어도 배송 추적 번호가 기재되지 않은 경우, Clairic 는 null 을 사용하여 추적 번호가 존재하지 않는다는 것을 나타냅니다. null 메커니즘 덕분에 존재하지 않는 정보를 잘못 채워 넣는 문제를 줄일 수 있다고 합니다. Clairic 는 이미지에서 정보 추출에도 대응하고 있으며, 예를 들어 다음과 같은 이미지처럼 비스듬하게 촬영되어 글자가 읽기 어려운 레シート에서도 주문 번호, 구매 시간, 상품 수량, 가격 등을 추출할 수 있다고 합니다. 또한 레シート에 할인 정보가 없는 것을 올바르게 판단할 수 있다고 보고되었습니다.
Clairic 은 정보 추출뿐만 아니라 입력 데이터 기반의 추정과 미래 수치 예측에도 대응합니다. 과거 부동산 거래를 통해 건물의 가격을 추정하거나, 일일 이용자 수를 통해 다음 날의 인원을 예측할 수 있으며, 예측 결과에는 중앙값과 80% 예측 범위가 표시되어 예측의 불확실성도 파악할 수 있습니다. 실제로 Cloudflare 가 미국 공항 보안 검색장의 이용자 수를 21 일간 예측한 테스트에서는 실제 인원과의 오차가 평균 3.3% 였으며, 21 일 중 17 일간 실제 인원이 예측 범위에 포함되었다고 보고되었습니다. 아래 그래프는 Cloudflare 가 수행한 공항 이용자 수 예측 결과입니다. 회색은 예측 시작 전 실적, 파란색은 예측 기간 중 실적, 주황색은 Clairic 의 예측값, 연한 주황색 띠는 80% 예측 범위를 나타냅니다. 10 월 9 일에서 13 일의 연휴 기간에는 실제 이용자 수가 예측 범위를 초과한 날이 있었습니다.
Cloudflare 는 Clairic 과 Clef 를 결합하여 일반적인 LLM 과 함께 처리를 검증하고 있습니다. 고객으로부터 받은 상품 파손 관련 이메일을 Clairic 에서 분석한 후, Clef 가 반품 또는 수리 대응을 판단하고, LLM 이 응답 문서를 생성하는 방식입니다. 검증 결과, 모든 처리를 LLM 의 'GLM-5.3' 에만 맡기는 경우 61.7 초가 소요되었으나, Clairic 와 Clef 를 결합한 경우 19.3 초 만에 완료되었습니다. 처리 시간은 약 69% 단축되었으며, 비용은 약 49% 절감될 수 있습니다. Clairic 은 현재 Cloudflare 의 AI 실행 서비스인 'Workers AI' 를 통해 미리보기 버전으로 사용할 수 있습니다. Cloudflare 는 여러 계산을 결합하는 복잡한 처리나 장기적 예측에는 아직 과제가 남아있다고 설명하고 있으며, 향후 계산 및 추산 및 예측 기능의 개선을 계속 진행할 계획입니다. 또한, 모델의 가중치를 공개하여 사용자가 독자적으로 실행할 수 있도록 하는 계획도 있다고 밝혔습니다.
원문 보기 | 출처: Gigazine