AI를 도입하는 기업이 늘고 있지만 실제 성과는 데이터 준비 상태에 따라 크게 달라진다. AI Agent가 엉뚱한 답을 내놓거나 PoC 이후 현업 확산으로 이어지지 못하는 이유는 대부분 데이터 품질과 메타데이터, 거버넌스, 업무 맥락 연결의 문제에서 비롯된다. AI 성능보다 데이터 준비도가 먼저라는 인식이 확산되면서 구조적인 AI Ready Data 전략에 대한 수요가 높아지고 있다. 이 같은 흐름 속에서 토크아이티가 오는 6월 12일(금) 오후 2시부터 3시까지 'AI Data Readiness 구축을 위한 Check Point와 실전 운영 전략'을 주제로 웨비나를 진행한다. 토크아이티의 데이터 전략 전문 토크 시리즈 '김선영의 AI-Ready Data'의 세 번째 에피소드로 진행되는 이번 웨비나는 엔코아 김선영 그룹장과 함께 앞선 두 에피소드의 내용을 정리하며 기업이 지금 점검해야 할 항목과 실제 구축 프로세스, 지속 가능한 운영 체계를 살펴보는 자리다. 웨비나는 총 3개의 핵심 주제로 구성된다. 첫 번째로 AI Ready Data 구축을 위한 데이터 준비도 체크포인트를 다룬다. 기업의 AI 활용 목적과 과업 정리, AI가 수행할 업무와 판단해야 할 맥락
레드햇이 엔비디아와 공동 개발한 ‘레드햇 AI 팩토리 위드 엔비디아’의 신규 기능을 공개했다. 글로벌 오픈소스 솔루션 기업 레드햇은 ‘레드햇 AI 팩토리 위드 엔비디아(Red Hat AI Factory with NVIDIA)’ 업데이트를 통해 자율 AI 에이전트를 위한 보안과 운영 기능을 강화한다고 20일 밝혔다. 이번 업데이트는 기업이 AI 실험 단계를 넘어 프로덕션 환경에서 에이전틱 AI를 안정적으로 운영할 수 있도록 지원하는 데 초점을 맞췄다. 레드햇은 레드햇 AI 엔터프라이즈의 통합 AI 플랫폼 기능과 엔비디아 AI 엔터프라이즈의 오픈 모델, 툴, 프레임워크를 결합해 확장 가능한 에이전틱 AI 기반을 제공한다는 계획이다. 핵심 기능 중 하나는 자율 AI 에이전트를 위한 안전한 런타임이다. 레드햇은 엔비디아가 설립한 오픈소스 프로젝트 ‘오픈셸(OpenShell)’을 자사 AI 플랫폼과 통합하는 공동 엔지니어링을 진행하고 있다. 오픈셸은 자율 AI 에이전트를 샌드박스 환경에서 실행하도록 지원하는 런타임이다. 에이전트 실행 방식, 접근 권한, 추론 처리 경로를 관리하며, 기업이 에이전트 운영을 단일 정책 레이어에서 제어하고 모니터링할 수 있도록 설계됐다.
AI 에이전트 도입에 나서는 기업이 늘고 있지만 실제 성과는 기대에 못 미치는 경우가 적지 않다. 모델 성능의 문제가 아니라 에이전트가 기업 업무 안에서 어떤 역할을 맡고 어떤 순서로 판단하며 어떤 데이터와 연결되고 어디에서 사람의 검토를 받아야 하는지에 대한 설계가 빠져 있기 때문이다. 기능 구현에 집중한 나머지 AI가 실제로 일하는 흐름을 설계하지 못하는 것이 실패의 핵심 원인으로 지목된다. 이 같은 흐름 속에서 토크아이티가 오는 5월 14일(목) 오후 2시부터 3시까지 '기업 AI 도입, 왜 실패하는가: 워크플로우 설계에서 답을 찾다'를 주제로 웨비나를 진행한다. 토크아이티의 기업 AI 트렌드 토크 시리즈 '권실장의 AI 톡톡'의 여섯 번째 에피소드로 진행되는 이번 웨비나는 아이크래프트 권수용 실장과 함께 기업 AI 프로젝트 실패의 원인을 짚고 운영 가능한 에이전트 설계 전략을 살펴보는 자리다. 웨비나는 총 4개의 핵심 주제로 구성된다. 첫 번째로 AI 도입 실패의 진짜 원인을 다룬다. 많은 기업이 기능 구현에 집중하고 AI가 실제로 일하는 흐름은 설계하지 못하는 문제를 짚으며 에이전트 성능 문제의 상당수가 모델보다 워크플로우 설계 미흡에서 발생한다는
생성형 AI 도입이 확산되면서 기업 데이터의 파편화 문제가 다시 주목받고 있다. LLM과 RAG만으로는 해결되지 않는 데이터 구조의 한계를 넘기 위해 온톨로지를 기업 AI의 핵심 인프라로 재조명하는 움직임이 커지고 있으며 ERP·SCM 등 레거시 시스템과의 연계를 상위 레이어에서 풀어내려는 수요도 함께 늘고 있다. 이 같은 흐름 속에서 토크아이티가 오는 5월 13일(수) 오후 2시부터 3시까지 '온톨로지 프로젝트 FAQ Top 10 핵심 정리'를 주제로 웨비나를 진행한다. 토크아이티의 온톨로지 전문 토크 시리즈 '탁 켜세요 On톨로지'의 두 번째 에피소드로 진행되는 이번 웨비나는 인포시즈와 PwC컨설팅이 현장에서 반복적으로 받은 질문을 FAQ 형식으로 정리해 온톨로지 프로젝트의 핵심을 한 시간에 짚어보는 자리다. 웨비나는 총 4개의 핵심 주제로 구성된다. 첫 번째로 온톨로지가 왜 다시 기업 AI의 핵심이 됐는지를 살펴본다. 생성형 AI와 온톨로지의 관계, 그래프 DB와의 차이, 최신 온톨로지 동향을 짚는다. 두 번째로 온톨로지 구축과 확산 전략을 다룬다. 도메인 지식과 데이터 구조, 시스템, 사람·조직의 합의가 결합되는 구축 방식과 ERP·SCM 등 기존 시
사이냅소프트가 LLM·RAG 시스템 구축에 필요한 비정형 문서 데이터 처리 전 과정을 자동화하는 서비스 '사이냅 AI Data Foundry'를 출시했다. 생성형 AI 도입을 추진하는 기업들은 공문서와 보고서·계약서 등 비정형 문서를 AI가 실제로 활용할 수 있는 형태로 가공하는 작업에서 공통적인 어려움을 겪고 있다. 전문 인력이 포맷별로 수집·정제·변환 과정을 반복해야 하며 정작 AI 서비스 구축보다 데이터 준비에 더 많은 시간이 소요되는 경우도 드물지 않다. AI Data Foundry는 이 과정을 자동화한다. 외부 저장소와 연동해 문서를 자동 수집하고 HWP·MS Office·PDF·이미지 등 주요 포맷을 지원해 별도 전처리 없이 파이프라인을 구성할 수 있다. 문서의 레이아웃과 의미적 맥락을 반영해 제목과 문단·표·수식 등 구조 요소를 분석하며 JSON·XML·Markdown 형태로 출력해 LLM·RAG에 바로 연결된다. 처리 현황 모니터링과 결과 검수까지 웹 콘솔에서 통합 관리할 수 있다. 금융사의 계약서·보고서 기반 RAG 구축과 기업 내부 지식관리 시스템 연동 등 다양한 활용이 가능하며 AI 에이전트가 문서 데이터를 실시간으로 참조하는 에이전틱 워
오픈소스 데이터베이스 도입이 확산되는 가운데 설치보다 운영에서 성패가 갈린다는 인식이 높아지고 있다. 대규모 환경에서는 예측 불가능한 부하와 쿼리 플래너의 엣지 케이스, 커넥션 포화 같은 현실 문제가 빠르게 발생하며 AI 워크로드 확대로 인한 DB 운영 부담도 함께 커지고 있다. 이 같은 흐름 속에서 토크아이티가 오는 4월 29일(수) 오후 2시부터 3시까지 'PostgreSQL 글로벌 컨트리뷰터가 만드는 변화: 운영·장애 대응이 달라진다'를 주제로 웨비나를 진행한다. 토크아이티의 데이터 전문 토크 시리즈 '구해줘! Data'의 일환으로 진행되는 이번 웨비나는 인젠트의 글로벌 PostgreSQL 컨트리뷰터와 함께 엔터프라이즈 DB 운영의 현실과 장기 안정화 전략을 살펴보는 자리다. 웨비나는 총 4개의 핵심 주제로 구성된다. 첫 번째로 PostgreSQL 글로벌 컨트리뷰터의 역할을 짚는다. 커뮤니티의 의사결정 구조와 리뷰·커밋 사이클, 로드맵이 만들어지는 방식을 소개하고 장기 운영에 유리한 안정성·확장성·보안·오픈소스 철학이 어떻게 유지되는지를 다룬다. 두 번째로 AI 시대 DB 운영 이슈와 대응 전략을 살펴본다. 비결정적·폭발적 쿼리로 인한 QPS와 커넥션
지난 1년간 국내 기업용 AI 시장의 주요 화두였던 RAG(Retrieval-Augmented Generation, 검색 증강 생성)에 대한 기대가 점차 식고 있다. 보안과 데이터 통제를 이유로 상당한 비용을 투입해 로컬 LLM과 RAG 시스템을 구축했지만, 실제 현장에서 체감되는 성과는 기대에 미치지 못했다는 평가가 적지 않다. “결국 내부 문서를 조금 더 잘 찾아주는 수준에 그친 것이 아니냐”는 회의적인 시각도 점점 힘을 얻고 있다. 이로 인해 일부 기업에서는 RAG 고도화에 추가 투자를 이어가기보다, 차세대 상용 LLM 서비스의 등장을 기다리거나 기존 검색 엔진의 인덱싱과 검색 품질을 개선하는 것이 투자 대비 효과(ROI) 측면에서 더 합리적이지 않느냐는 실용적 판단을 내리고 있다. 그러나 이러한 흐름 속에서 오히려 지금이야말로 RAG에 머무를 것이 아니라, 한 단계 더 나아간 ‘AI 에이전트’로 전환을 모색해야 할 시점이라는 점을 짚어볼 필요가 있다. RAG의 한계와 ‘검색 중심 전략’에 대한 재고 RAG가 현장에서 충분한 평가를 받지 못하는 이유는 비교적 분명하다. 기업이 기대했던 것은 ‘업무를 이해하고 지원하는 지능형 비서’였으나, 실제 구현된 시
데이터 수집·전처리, 임베딩 등 검색증강생성(RAG) 파이프라인 자동 관리·운영 솔루션 공개 변경 데이터 실시간 감지·동기화...AI 환각(Hallucination) 현상 억제 및 답변 정확도 확보한다 생성형 AI(Generative) 도입을 검토하는 조직의 주요 고민 사항은 ‘환각(Hallucination)’ 현상과 ‘데이터 최신화’ 문제다. 버티컬 AI(Vertical AI) 솔루션 업체 웨다가 이 같은 상황에서 신규 솔루션을 제시했다. 조직 내 데이터를 기반으로 정확도 높은 인공지능(AI) 서비스를 구축하는 ‘검색증강생성(RAG) 파이프라인 운영 자동화 솔루션’이 데뷔했다. 이번 솔루션의 핵심은 데이터가 변경될 때마다 이를 자동으로 감지하고 AI 지식 베이스에 반영하는 ‘실시간 데이터 추출·변환·적재(Vector Indexing ETL)’ 기술이다. 기존에는 작업자가 일일이 데이터를 가공·입력해야 했으나, 웨다는 텍스트 분할(Chunking), 벡터 변환(Embedding), DB 적재까지 전 과정을 자동화해 운영 효율을 극대화했다. 특히 AI 운영의 품질을 숫자로 관리 가능한 점이 이번 솔루션의 특징이다. 전문 평가 프레임워크를 기반으로 AI 답변의
전략적 총판 계약 체결...‘생성형 AI 어플라이언스 박스(Generative AI Appliance Box)’ 공급한다 “중소·중견(SMB) 사용자 맞춤형 솔루션을 통한 AI 도입 진입장벽 해소” IT 솔루션 유통 업체 에티버스이비티가 국내 인공지능(AI) 기술 업체 업스테이지와 함께 AI 비즈니스 활성화를 위한 전략적 총판 계약을 체결했다. 이번 계약은 국내 AI 산업 생태계 확장을 위해 마련됐다. 양사의 핵심 역량인 IT 인프라 유통망과 생성형 AI(Generative AI) 기술력을 결합하는 것이 본질이다. 이를 통해 기업이 현업에서 AI를 즉각적으로 활용하도록 돕겠다는 의지다. 양사는 이번 협력을 통해 에티버스이비티의 서버·워크스테이션 인프라에 업스테이지의 거대언어모델(LLM)을 최적화해 공급한다. 이로써 국내 기업의 인공지능 전환(AX)을 가속화하겠다는 구상이다. 이들은 구체적으로 ‘AI 어플라이언스 박스(AI Appliance Box)’를 시장에 선보인다. 이는 고성능 서버, 그래픽처리장치(GPU) 등 컴퓨팅 하드웨어 자원에 업스테이지의 LLM ‘솔라(Solar)’를 사전에 통합·최적화하는 작업이다. 별도의 복잡한 구축 과정 없이 전원 연결만으로
오늘날 생성형 AI(Generative AI)는 기업의 생산성을 혁신할 핵심 기술로 자리 잡았다. 특히 기업 내부의 방대한 데이터를 AI가 학습하거나 참조하여 정확한 답변을 생성하는 검색 증강 생성(RAG, Retrieval-Augmented Generation) 기술은 할루시네이션(환각) 현상을 줄이고 데이터 보안을 유지할 수 있다는 점에서 기업들의 가장 큰 관심을 받고 있다. 그러나 높은 기대와 달리, 실제 현업에서 RAG를 성공적으로 도입하고 운영하는 사례는 예상보다 더디게 나타나고 있다. 이는 기술 자체의 문제라기보다, 한국 기업 특유의 문서 작성 문화와 데이터 인프라의 현실적인 한계에서 기인하는 바가 크다. 우선 냉정하게 직시해야 할 점은 한국 기업의 문서 환경이 RAG를 도입하기에 결코 호락호락하지 않다는 사실이다. 서구권의 경우 텍스트 추출이 용이한 형식의 문서 활용이 보편화되어 있는 반면, 국내 기업들은 표와 복잡한 서식이 포함된 워드 프로세서 파일이나 이미지 중심의 PDF 문서를 주로 사용한다. 이러한 비정형 데이터들은 AI가 이해할 수 있는 텍스트로 변환하는 과정에서 구조가 깨지거나 정보가 유실되기 쉽다. 현업 부서가 단순히 좋은 RAG 솔
AI 도입은 빠르게 확산됐지만 현장에서의 활용과 성과 창출은 여전히 기대에 미치지 못한다는 평가가 이어지고 있다. LLM과 RAG를 도입했음에도 결과를 신뢰하지 못하거나 규제 환경 앞에서 활용이 멈추는 사례가 나타나면서, 데이터의 양이 아니라 구조와 맥락을 어떻게 설계할 것인가에 대한 논의가 다시 부상하고 있다. 단순 수집·학습 중심 접근의 한계가 드러난 상황에서 ‘온톨로지’가 AI 전략 재설계의 대안으로 언급되고 있다. 이 같은 흐름 속에서 토크아이티는 2026년 3월 4일(수) 오후 2시부터 3시까지 60분간 ‘LLM 이후의 선택, 왜 지금 온톨로지인가?’를 주제로 생방송 토크 웨비나 ‘탁 켜세요 On톨로지’를 진행한다. 이번 웨비나는 산업 현장에서 성과를 내는 기업들이 선택한 온톨로지를 중심으로, 파편화된 데이터를 의미와 관계로 재구성해 실제 비즈니스 경쟁력으로 연결하는 과정을 현장 관점에서 풀어보는 자리다. 웨비나에서는 먼저 현대 AI와 데이터 과학의 발전사를 짚으며 과거 온톨로지 방식과 현재 변화된 개념을 비교한다. 단순 데이터 수집과 학습 중심 접근이 한계에 부딪히게 된 배경과, LLM·RAG 중심 접근이 기업 현장에서 자주 막히는 지점을 구체적으
시각·언어모델(VLM) 기반 방역 환경 자동 판별 성공해 아마존웹서비스(AWS) 생성형 AI 구축 플랫폼 ‘아마존 베드록(Amazon Bedrock)’ 활용 “검색증강생성(RAG) 기술 결합해 로봇의 방역 지침 이해·판단 근거 제시 확인” 스마일샤크가 로봇 서비스 기술 업체 클로봇과 손잡고 생성형 AI(Generative AI)가 탑재된 방역 로봇 개발을 위한 첫 관문을 통과했다. 이번 협업은 클로봇이 아마존웹서비스(AWS) 클라우드 인프라를 활용해 진행한 인공지능(AI) 기술 실험의 일환이다. 장진환 스마일샤크 대표는 “클로봇과의 협업은 다양한 AI 모델을 빠르게 실험·검증해 실질적인 가치를 창출한 사례”라며 “앞으로도 생성형 AI 관련 PoC를 전방위로 지원해, 기업이 클라우드 기반 혁신 서비스를 실제 비즈니스에 구현하도록 기술적 가교 역할을 수행하겠다”고 밝혔다. 업계는 기존 비전 AI(Vision AI) 기술은 덮인 배수구나 구조물 내부 등 비정형화 공간에서 발생하는 유충 서식지를 파악하는 데 한계가 있었다고 분석한 바 있다. 클로봇은 이를 해결하기 위해 AWS의 완전 관리형 생성형 AI 서비스인 ‘아마존 베드록(Amazon Bedrock)’을 도입했
셀렉트스타가 8년 연속 데이터바우처 공급기업에 선정되며 대규모·고난도 데이터 품질 관리 역량을 다시 한 번 입증했다. AI 데이터·신뢰성 평가 전문기업 셀렉트스타는 과학기술정보통신부와 한국데이터산업진흥원이 주관하는 ‘2026년 데이터바우처 지원사업’ 공급기업으로 선정됐다고 밝혔다. 셀렉트스타는 2018년부터 8년 연속 공급기업에 이름을 올리며 K-AI 기업으로서의 입지를 공고히 했다. 데이터바우처 지원사업은 데이터 수집·가공이 필요한 중소·벤처기업과 소상공인을 대상으로 데이터 기획·설계부터 수집, 전처리, 가공, 분석, 활용까지 AI 개발에 필요한 전 과정을 바우처 형태로 지원하는 제도다. 수요기업은 이를 통해 AI 개발의 핵심 기반인 데이터 구축을 체계적으로 지원받을 수 있다. 셀렉트스타는 텍스트, 이미지, 음성, 영상 등 단일 모달리티는 물론 이미지와 텍스트 결합, 메타데이터가 포함된 영상 등 복합 형태의 멀티모달 데이터 구축을 집중적으로 제공한다. 법률, 행정, 의료, 심리 등 도메인 이해도가 요구되는 고난도 분야에서도 고품질 데이터 구축 경험을 축적해 왔으며 이를 바탕으로 기업별 요구에 맞춘 맞춤형 데이터 구축을 수행하고 있다. 최근 기업들의 사내 구
클라우데라는 기업 리스크 감소를 위한 도구로 합성 데이터를 제시하며, 이를 체계적으로 관리·운영할 경우 데이터 노출을 줄이면서도 AI 개발을 지속할 수 있다고 강조했다. AI가 기업 운영 전반에 깊숙이 통합되면서 대규모언어모델(LLM)은 고객 지원, 데이터 분석, 개발자 생산성, 지식 관리 등 다양한 업무 영역에 활용되고 있다. 여기에 AI 에이전트까지 부상하면서, AI는 단순히 정보를 검색하고 추론하는 수준을 넘어 실제 업무를 수행하는 단계로 진화하고 있다. 그러나 AI 활용이 확대될수록 프라이버시 리스크에 대한 우려도 커지고 있다. AI 모델의 성능 향상에 필요한 데이터에는 지원 대화 기록, 거래 내역, 운영 로그 등 개인식별정보(PII)와 규제 대상 정보, 기업 고유의 비즈니스 맥락이 포함되는 경우가 많기 때문이다. 합성 데이터는 실제 데이터셋의 핵심 패턴을 반영하면서도 실제 기록을 그대로 재현하지 않도록 알고리즘으로 생성된 데이터다. 이를 활용하면 기업은 민감한 정보 노출 위험을 줄이면서도 AI 모델의 개발과 테스트를 진행할 수 있다. 합성 데이터는 단순한 테이블 데이터 생성 단계를 넘어 진화하고 있다. 기업은 원본 데이터를 직접 사용하지 않고도 실제
한국오라클이 뉴로플로우㈜, ㈜스포잇, 윤회㈜, 코넥시오에이치㈜ 등 국내 스타트업 4개사에 오라클 클라우드 인프라스트럭처(OCI)를 제공했다고 밝혔다. 해당 기업들은 OCI를 활용해 AI 기반 기술 역량을 강화하고, 오라클의 글로벌 인프라를 기반으로 해외 시장 진출을 위한 토대를 마련했다. 김성하 한국오라클 사장은 “빅데이터와 AI 기반 시장 환경이 빠르게 변화하는 가운데, 이번 미라클 프로그램에 참여한 스타트업들이 OCI를 활용해 가시적인 성과를 낸 것은 오라클이 국내 기업의 기술 경쟁력 강화에 핵심적인 역할을 하고 있음을 보여준다”며 “앞으로도 고성능 클라우드 인프라와 차별화된 기술력을 바탕으로 유망 AI 스타트업과 함께 혁신 생태계를 확장해 나갈 것”이라고 말했다. OCI는 다양한 규모의 AI 학습과 추론 프로젝트를 지원하며 생성형 AI 구축을 위한 주요 인프라로 활용되고 있다. RAG 기반 지능형 업무지원 플랫폼 ‘뉴로보드’를 운영하는 뉴로플로우는 교육기관과 산업체 등으로 고객사를 확대하는 과정에서 급증하는 데이터 처리량과 고도화된 추론 성능에 대한 요구에 직면했다. OCI 도입 이후 고가용성 인프라를 통해 안정적인 서비스 운영이 가능해졌으며, 실제 사
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 06월 08일 19시 42분
