증권의 담보 적격성을 검증하는 것은 독일 중앙은행(German Central Bank)의 핵심 책임입니다. 그러나 길고, 반구조적(semi-structured)이며, 종종 이중 언어로 작성된 투자설명서 내에서 법적 및 재무적 기준에 따라 이러한 자산을 수동으로 검증하는 것은 자원 집약적인 작업입니다. 이전의 노력들은 정보 추출을 위해 전통적인 개체명 인식 (NER)을 활용했으나, 이러한 방법들은 OCR 노이즈, 언어적 변이, 경직된 스팬 기반(span-based) 제약 조건, 그리고 각 관련 주석 유형에 대한 수동으로 주석을 달아야 하는 학습 데이터의 필요성으로 인해 어려움을 겪을 수 있습니다. 본 논문에서 우리는 적격성 검토 프로세스에 대규모 언어 모델 (LLMs)을 적용한 첫 번째 사례 연구를 제시하며, 생성적 정보 추출 (Information Extraction) 파이프라인으로 패러다임을 전환합니다. 우리의 접근 방식은 작업을 추출(extraction), 정규화(normalization), 해석(interpretation)으로 분해하여, 노이즈가 있는 텍스트와 독일어-영어 혼용 콘텐츠를 처리하는 데 더 큰 유연성을 제공합니다. 나아가 우리는 위치 기반 지표보다 더 의미론적인 평가를 제공하는 LLM-as-a-judge를 사용한 가치 기반 평가 방법론을 도입합니다. 우리의 결과는 LLM 기반 시스템이 문서 수준의 적격성에서 높은 정밀도 (최대 91%)를 달성하며, 오탐지 수락(false acceptance)을 최소화하는 보수적인 운영 프로필을 보여줌을 입증합니다.