AI를 조직 전체로 확장할 때 해결해야 할 세 가지 과제
파일럿 성과를 전사 운영으로 확장하기 어렵습니다
사용자와 부서가 늘어나면 기능만으로는 안정적으로 운영할 수 없습니다. 권한, 사용 한도, 실행 기록을 함께 관리할 수 있는 운영 체계가 필요합니다.
사내 데이터와 연결하는 순간 통제가 필요합니다
문서와 데이터베이스를 연결하면 더 정확하고 유용한 답변을 만들 수 있습니다. 동시에 누가 어떤 데이터에 접근했는지, 개인정보가 외부 모델로 전달되지는 않았는지 확인하고 통제할 수 있어야 합니다.
응답 품질에 문제가 생기면 원인을 특정해야 합니다
문서 검색, SQL 실행, 모델 응답 중 어느 단계에서 문제가 발생했는지 특정할 수 있어야 지속적인 개선이 가능합니다.
구축부터 운영까지 연결된 네 가지 영역
Connect·Build·Operate의 전 과정을 데이터, 에이전트, 평가·관측, 거버넌스가 유기적으로 지원합니다.
데이터
사내 문서와 데이터베이스를 근거로 답변합니다.
대표 기능 지식베이스 · 데이터 분석(자연어 → SQL) · 용어집 · 지식그래프 데이터 자세히 보기 → BUILD에이전트
사내 데이터와 도구를 활용해 업무를 수행하고, 중요한 작업은 승인 절차를 거칩니다.
대표 기능 에이전트 · 플로우 · 멀티 에이전트 · 스킬 · MCP/OpenAPI 도구 에이전트 자세히 보기 → OPERATE평가 · 관측
답변이 만들어지는 전 과정을 추적하고, 품질을 수치로 확인합니다.
대표 기능 트레이스 · 자동 품질 평가 · Arena · 사용량과 비용 추정 평가 · 관측 자세히 보기 → OPERATE거버넌스
조직의 정책과 권한을 AI 사용 전 과정에 일관되게 적용합니다.
대표 기능 가드레일 · 감사 로그 · 3계층 권한 · 토큰 한도 · 코드 게이트웨이 거버넌스 자세히 보기 →질문부터 응답·기록까지의 전 과정
- 1 사용자가 묻습니다
웹 채팅 · Microsoft Teams · 사내 시스템에 연결된 임베드 위젯 등 어디서든 질문할 수 있습니다.
- 2 가드레일이 먼저 확인합니다
주민등록번호 · 계좌번호와 같은 개인정보와 금지 단어를 탐지하고, 정책에 따라 차단 · 삭제 · 마스킹합니다.
- 3 에이전트가 필요한 자원을 선택합니다
지식베이스 검색 · DB 조회(SQL) · 용어집 · 외부 도구를 질문에 맞게 조합합니다. 데이터를 변경하는 작업은 실행 전에 사용자 승인을 거칩니다.
- 4 고객 계정의 LLM이 답변을 생성합니다
조직이 승인한 모델만 사용할 수 있으며, 사용자 · 그룹 · 조직별로 설정된 토큰 한도 안에서 호출됩니다.
- 5 전체 과정이 기록됩니다
호출 순서 · 소요 시간 · 토큰 사용량은 트레이스로 남고, 설정 변경은 감사 로그에 기록됩니다. 자동 평가가 활성화된 에이전트는 답변 품질도 점수로 축적됩니다.
고객 환경에 설치하고, 필요한 기능은 티어로 선택합니다
고객사 클라우드(Azure · Google Cloud · AWS) 또는 폐쇄망에 배포합니다. 보안·배포 확인
LLM은 고객사 계정과 직접 연동하며, 사용료는 고객사와 공급사 간 계약 조건에 따라 청구됩니다.
Basic · Standard · Professional · Enterprise 4개 티어로 제공합니다. 감사 로그와 가드레일은 Standard부터, 데이터 분석·플로우·트레이스·자동 평가는 Professional부터 제공합니다. 코드 게이트웨이·전역 가드레일·KMS 기반 암호화·지식그래프는 Enterprise에 포함됩니다. 티어별 포함 기능 확인
월 1회 정기 릴리스를 제공합니다. 릴리스 노트 확인
