사내 지식검색 Agent
규정, 매뉴얼, 기술 문서를 RAG로 검색해 출처 문서와 함께 답합니다. 부서별 열람 권한을 그대로 적용합니다.
AI AGENT
AI AGENT
KNOW · DECIDE · ACT
AI Agent 구축·AI 에이전트 개발
질문에 답만 하는 챗봇이 아니라, 사내 규정과 문서를 근거로 판단하고 ERP·CRM·메일 같은 도구를 불러 실제 업무를 처리하는 AI 에이전트를 개발합니다. 회사 데이터가 밖으로 나가지 않는 사내 AI 구성도 가능합니다.
업무별
AI Agent 구성 예
하나의 거대한 AI보다 역할이 분명한 작은 Agent 여러 개가 안정적으로 동작합니다.
견적 자동화 Agent
견적 요청 메일과 사양서를 읽어 품목·수량·납기를 정리하고 단가 기준으로 견적 초안을 만듭니다.
보고서 자동화 Agent
ERP·생산 데이터를 조회해 주간·월간 보고서 초안을 작성하고 특이사항을 요약합니다.
고객 응대 Agent
고객 문의를 분류하고 주문·배송 정보를 조회해 답변 초안과 후속 처리를 준비합니다.
AI가 실수해도
업무가 멈추지 않게
Agent에게 줄 권한과 사람이 확인할 지점을 먼저 정합니다.
권한 범위
읽기·쓰기 구분
근거 표시
출처 문서 연결
승인 단계
금액·계약은 사람
실행 기록
모든 호출 로그
평가
정확도 점검
사내 AI
구축 방식 선택
자료의 보안 등급과 비용에 따라 모델과 설치 방식을 고릅니다.
클라우드 LLM 연결
공개 가능한 자료나 가림 처리한 자료는 성능이 좋은 클라우드 모델을 API로 씁니다.
사내 설치형 sLLM
도면·원가처럼 외부로 보낼 수 없는 자료는 사내 서버에 설치한 모델로 처리합니다.
혼합 구성
민감 정보는 사내에서 처리하고 요약·작성만 클라우드 모델에 맡기는 구성입니다.
도구 연결(MCP·API)
ERP·CRM·그룹웨어·DB를 Agent가 호출할 수 있는 도구로 등록해 실제 업무를 처리하게 합니다.
함께 검토하면 좋은
개발 분야와 사례
한 가지 프로그램으로 끝나는 경우는 드뭅니다. 연결되는 시스템과 실제 수행 과제를 함께 확인하세요.
자주 묻는 질문
이 페이지와 관련된 질문만 모았습니다. 회사·상담 관련 공통 질문은 자주 묻는 질문에 있습니다.
AI Agent와 챗봇은 무엇이 다른가요?
챗봇은 질문에 답하는 데서 끝나지만, AI Agent는 필요한 정보를 스스로 찾고 ERP 등록이나 문서 작성 같은 도구를 호출해 업무를 끝까지 처리합니다. 대신 권한과 승인 설계가 더 중요합니다.
RAG 사내 지식검색은 어느 정도 문서가 있어야 하나요?
문서 양보다 최신성과 권한 정리가 중요합니다. 자주 묻는 질문 수십 개와 관련 규정·매뉴얼이 정리돼 있으면 시범 구축을 시작할 수 있습니다.
회사 데이터를 AI 학습에 쓰나요?
기본 구성은 모델을 새로 학습시키지 않고, 질문할 때마다 권한 안의 문서를 찾아 참고하는 방식입니다. 외부 모델을 쓸 때도 학습에 쓰이지 않는 조건의 API를 사용합니다.