AI와 데이터

챗봇은 질문에 답합니다. 에이전트는 행동합니다. 레코드를 읽고, 고객 시스템을 호출하고, 프로세스의 단계를 완료합니다. 멀티 에이전트 시스템은 더 큰 업무를 좁은 역할의 에이전트로 나누므로 테스트와 통제가 더 쉽습니다.

더 보기: 멀티 에이전트 시스템과 프로토콜이 질문 링크

AI 에이전트를 위한 개방형 프로토콜입니다. 모델 컨텍스트 프로토콜(MCP)은 에이전트를 도구와 데이터에 연결합니다. Agent2Agent(A2A)는 서로 다른 시스템의 에이전트가 업무를 위임하게 합니다. 에이전트 결제 프로토콜(AP2)은 고객이 서명한 위임 범위 안에서 에이전트가 결제하게 합니다.

더 보기: 멀티 에이전트 시스템과 프로토콜이 질문 링크

에이전트는 우리가 정의한 도구를 통해서만 행동할 수 있으며 각 도구에는 자체 권한과 한도가 있습니다. 모든 호출은 기록됩니다. 가드레일이 입력과 출력을 검사하고, 위험이 있는 단계는 사람의 승인을 기다립니다.

더 보기: 멀티 에이전트 시스템과 프로토콜이 질문 링크

사람이 루프 안에서 개입(HITL)하는 업무에서는 사람이 각 단계를 승인합니다. 사람이 루프 안에서 감독(HOTL)하는 업무에서는 에이전트가 일상 단계를 실행하고 사람이 감독하며 경보를 받고 예외에 개입합니다. 어떤 단계에 무엇이 필요한지는 고객과 합의합니다.

더 보기: 멀티 에이전트 시스템과 프로토콜이 질문 링크

실제 케이스와 기대 결과로 평가 세트를 만듭니다. 각 에이전트는 릴리스 전과 프롬프트·모델·도구 변경 후마다 이 세트로 평가됩니다. 임계값은 고객과 합의하며 그 아래로는 릴리스하지 않습니다.

더 보기: 멀티 에이전트 시스템과 프로토콜이 질문 링크

작업별로 선택합니다. OpenAI, Claude, Gemini의 최전선 모델, 오픈 웨이트 Llama, Qwen, DeepSeek, Mistral, Jais·Falcon·ALLaM 같은 지역 모델이 선택지입니다. 데이터가 국내에 머물러야 하는 경우 고객 환경 안에서 실행할 수 있는 모델을 사용합니다.

더 보기: 소버린 LLM, SLM과 컨텍스트 플랫폼이 질문 링크

그렇습니다. Jais, Falcon, ALLaM 같은 아랍어 우선 소형 언어 모델을 고객의 어휘와 문서로 파인튜닝합니다. 그런 다음 사용자가 실제로 쓰는 방언으로 질문을 테스트합니다.

더 보기: 소버린 LLM, SLM과 컨텍스트 플랫폼이 질문 링크

검색 증강 생성은 질문에 답하는 구절을 찾아 모델에 제공합니다. GraphRAG는 엔티티 간 관계를 담은 지식 그래프를 더해 답변이 그 연결을 따라갈 수 있게 합니다. 권한 인식은 모든 구절을 먼저 질문자의 권한으로 필터링한다는 뜻입니다.

더 보기: 소버린 LLM, SLM과 컨텍스트 플랫폼이 질문 링크

종종 소형 모델로 충분합니다. 분류, 추출, 자체 문서 기반 답변은 보통 조정된 소형 언어 모델에서 잘 작동하며, GPU를 적게 쓰고 비용도 낮습니다. 더 깊은 추론이 필요한 작업에는 대형 모델을 유지합니다.

더 보기: 소버린 LLM, SLM과 컨텍스트 플랫폼이 질문 링크

대규모 언어 모델은 텍스트로 학습합니다. 대규모 정량 모델(LQM)은 가격, 거래, 공급망 흐름 같은 수치 데이터로 학습합니다. 답이 숫자인 상황에서 시나리오를 시뮬레이션하고 결과를 예측하는 데 사용합니다.

더 보기: 대규모 정량 모델과 응용 머신러닝이 질문 링크

그렇습니다. 각 결정을 이끈 요인을 보여주는 설명 가능한 AI(XAI) 기법을 사용하고 모델 구축 및 테스트 방식을 문서화합니다. 고객의 신용, 리스크, 감사 팀이 모든 모델을 출시 전에 검토할 수 있습니다.

더 보기: 대규모 정량 모델과 응용 머신러닝이 질문 링크

고객과 규제 기관에 중요한 고객 집단별로 모델 성능을 테스트합니다. 합당한 이유 없이 결과가 다르면 출시 전에 데이터, 피처, 모델을 변경합니다.

더 보기: 대규모 정량 모델과 응용 머신러닝이 질문 링크

그렇습니다. 사기 및 AML 모델은 거래가 발생할 때 실시간으로 점수를 매깁니다. 의심스러운 케이스는 모델이 표시한 이유와 함께 보류하거나 조사 담당자에게 전달합니다.

더 보기: 대규모 정량 모델과 응용 머신러닝이 질문 링크

그렇습니다. 트랜잭션 에이전트는 주문 확인이나 예약 변경처럼 업무를 수행하기 위해 좁고 기록되는 도구를 통해 고객 시스템을 호출합니다. 결제처럼 위험이 있는 단계는 고객이나 직원의 확인을 요구할 수 있습니다.

더 보기: 멀티모달, 음성 및 비전 AI이 질문 링크

아랍어를 포함해 고객이 사용하는 언어와 방언으로 에이전트를 구축하고 테스트하며, 해당 언어에 맞춰 조정된 모델을 사용합니다. 어떤 고객이 듣거나 읽기 전에 실제 녹음과 메시지로 테스트합니다.

더 보기: 멀티모달, 음성 및 비전 AI이 질문 링크

영상은 무겁고 일부 결정은 기다릴 수 없습니다. 카메라 위나 근처에서 처리하면 결과가 더 빠르고 네트워크로 보내는 데이터가 줄며, 영상을 현장에 보관해야 할 때 현장에 남길 수 있습니다.

더 보기: 멀티모달, 음성 및 비전 AI이 질문 링크

음성 통화, 웹 채팅, 메시지를 지원하며, 동일한 백엔드 시스템에 연결해 고객이 채널 사이를 이동할 수 있습니다. 요청이 가장 많은 채널부터 시작합니다.

더 보기: 멀티모달, 음성 및 비전 AI이 질문 링크

사람처럼 문서를 읽습니다. 텍스트, 레이아웃, 의미를 함께 파악합니다. IDP 2.0은 여기에 데이터를 고객의 규칙과 대조하고 일상 예외를 해결하며 결과를 시스템에 전표 처리하는 AI를 더합니다.

더 보기: 지능형 문서 처리(IDP 2.0)이 질문 링크

인보이스, 은행 명세서, 무역 금융 서류, KYC 파일, 복잡한 양식을 타이핑·스캔·사진 여부와 관계없이 처리합니다. 고객이 받는 모든 레이아웃과 언어의 자체 샘플로 테스트합니다.

더 보기: 지능형 문서 처리(IDP 2.0)이 질문 링크

검증 규칙이 합계, 공급업체, 주문, 레코드를 확인해 대부분의 오류를 전표 처리 전에 잡아냅니다. 불확실한 항목은 사유와 함께 사람에게 보류됩니다. 정정 내용은 시스템에 피드백되어 개선됩니다.

더 보기: 지능형 문서 처리(IDP 2.0)이 질문 링크

아니요. RPA는 화면 클릭을 반복하며 레이아웃이 바뀌면 깨집니다. IDP는 문서 자체를 이해하고 ERP의 화면이 아니라 인터페이스를 통해 전표 처리합니다.

더 보기: 지능형 문서 처리(IDP 2.0)이 질문 링크

우리 통합 사업부가 다루는 ERP의 지원 인터페이스를 통해 전표 처리합니다. SAP, Oracle, Microsoft Dynamics 365, Odoo가 포함됩니다. 전표는 운영 원장에 도달하기 전에 샌드박스에서 테스트합니다.

더 보기: 지능형 문서 처리(IDP 2.0)이 질문 링크

데이터, 역량, 데이터가 머물러야 하는 위치, 조회 방식에 따라 다릅니다. Snowflake, Databricks, 오픈 Apache Iceberg 레이크하우스를 워크로드와 데이터 상주 규칙에 비추어 비교하고, 가장 단순하면서 맞는 것을 권장합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

의사결정이 실시간 데이터에 달려 있는 곳, 예컨대 사기 검사, 재고 수준, 에이전트 행동에만 필요합니다. 이런 이벤트는 Kafka와 Flink로 스트리밍하고, 일별 수치로 충분한 곳에는 배치 적재를 유지합니다. 배치가 운영 비용이 더 저렴하기 때문입니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

그렇습니다. 무거운 쿼리 대신 ERP가 지원하는 인터페이스나 데이터베이스 로그를 통해 변경을 읽고, 대량 적재는 사용량이 적은 시간에 예약합니다. ERP에 걸리는 부하는 전후로 측정합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

모든 파이프라인에 건수, 키, 합계, 최신성에 대한 품질 검사를 두고, 실패하면 잘못된 데이터가 보고서에 도달하지 못하게 합니다. 재무 및 운영 담당자와 함께 핵심 수치를 소스 시스템과 대사합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

비즈니스 결정이며 두 가지 목표로 정합니다. 복구 시점 목표(RPO)는 최근 데이터를 얼마나 잃을 수 있는지, 복구 시간 목표(RTO)는 시스템이 얼마나 오래 중단될 수 있는지입니다. 이를 충족하도록 복제, 페일오버, 백업을 설계하고 테스트합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

관계형 데이터베이스, 문서·키-값·검색 데이터베이스를 고객 서버 또는 관리형 클라우드 서비스로 다룹니다. 시작할 때 실행 중인 엔진과 버전을 확인하고 해당 기술을 아는 엔지니어를 배정합니다. 새 데이터베이스나 관리형 서비스를 선택하는 경우 워크로드, 역량, 라이선스, 운영 비용을 기준으로 선택지를 먼저 비교합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

추측이 아니라 측정에서 시작합니다. 가장 느리고 빈번한 쿼리를 포착하고 실행 계획을 읽으며 대기, 잠금, 메모리, 스토리지를 확인합니다. 인덱스, 쿼리 변경, 구성 조정이 새 하드웨어보다 더 효과적인 경우가 많고 비용도 훨씬 적습니다. 가장 큰 원인부터 수정하고 각 변경을 기준선과 비교해 측정합니다.

더 보기: 데이터 아키텍처, 레이크하우스와 실시간 파이프라인이 질문 링크

모든 시스템이 고객, 제품, 공급업체의 자체 사본을 유지하고 그 사본이 서로 어긋나기 때문입니다. 마스터 데이터 관리는 하나의 버전을 합의하고 최신 상태로 유지해 다시 공급하므로 보고서와 모델이 서로 다른 숫자를 내지 않게 됩니다.

더 보기: 데이터 거버넌스, 주권, 프라이버시 및 보안이 질문 링크

어떤 텍스트가 모델에 도달하기 전에 검색 단계에서 행 및 역할 수준 접근 규칙을 적용합니다. 모델은 질문자가 읽을 수 있는 내용만 보며, 민감한 필드는 먼저 마스킹할 수 있습니다.

더 보기: 데이터 거버넌스, 주권, 프라이버시 및 보안이 질문 링크

보통 체감될 정도로 느려지지 않습니다. 최신 프로세서는 암호화가 빠르고, 대부분의 데이터베이스와 스토리지 시스템은 적은 오버헤드로 저장 데이터를 암호화합니다. 애플리케이션 내부의 개별 필드 암호화는 비용이 더 큽니다. 배포 전에 고객 워크로드에서 성능을 테스트하고, 비즈니스를 느리게 하지 않으면서 위험을 충족하는 방식을 선택합니다.

더 보기: 데이터 거버넌스, 주권, 프라이버시 및 보안이 질문 링크

추적 가능할 때만 신뢰할 수 있으며, 모든 답은 실행한 쿼리와 사용한 데이터를 보여줍니다. 시맨틱 레이어의 합의된 정의에서 읽고, 팀이 이미 신뢰하는 수치와 대조해 테스트합니다.

더 보기: 에이전트형 BI와 의사결정 인텔리전스이 질문 링크

사용자가 평이한 언어로 질문을 입력하면 AI 분석가가 이를 데이터베이스 쿼리로 바꾸고 거버넌스된 데이터에서 실행해 결과를 설명합니다. 사용자는 SQL을 몰라도 되고 분석가는 일상 요청에 쓰는 시간을 줄입니다.

더 보기: 에이전트형 BI와 의사결정 인텔리전스이 질문 링크

그렇습니다. 포털과 앱에 애널리틱스를 구축하고 각 고객을 자체 데이터로 제한합니다. 데이터가 다른 이에게 가치 있다면 셀프서비스 제품으로 패키징할 수 있습니다.

더 보기: 에이전트형 BI와 의사결정 인텔리전스이 질문 링크

챗봇은 질문에 답합니다. 우리는 일을 수행하는 시스템을 구축합니다. 에이전트는 감독 아래 고객의 도구를 호출하고, 모델은 사용자가 볼 수 있는 정보만으로 답하며, 데이터 플랫폼이 이를 뒷받침합니다. 각각은 테스트되고 기록되고 측정됩니다.

더 보기: AI·데이터이 질문 링크

에이전트는 고객이 부여한 권한으로, 좁게 정의되고 기록되는 도구를 통해서만 작동합니다. 사람이 루프 안에서 감독하고 중요한 단계를 승인합니다. AgentOps는 텔레메트리, 평가, 허위 답변 방지 가드레일, 토큰 비용 한도를 추가합니다.

더 보기: AI·데이터이 질문 링크