본문으로 건너뛰기
피드

디노티시아, AI 에이전트용 지식 인프라 AKB 오픈소스로 공개

ai-ml 약 6분
vote
0
댓글
북마크

디노티시아가 AI 에이전트의 지식 관리를 위한 Agent Knowledge Base(AKB)를 깃허브에 오픈소스로 공개했다. 문서, 파일, 데이터베이스, 업무 기록을 하나의 지식 기반으로 묶고, 온톨로지와 그래프 기반 관계 정의, MCP 연동, 벡터DB 검색을 결합하는 구조다. 비상업적 목적 사용자는 무료로 쓸 수 있고, 디노티시아는 피드백을 받아 기능을 고도화할 계획이다.

  • 1

    AKB는 기업 내부 문서·파일·데이터베이스·업무 기록을 AI 에이전트가 쓸 수 있는 지식 기반으로 통합

  • 2

    온톨로지, 그래프 기반 관계 정의, MCP 연동, 표준 마크다운 문서 관리, SQL 데이터베이스와 오브젝트 스토리지 지원

  • 3

    조직·부서·역할·프로젝트별 권한 관리를 전제로 설계돼 기업 보안 요구를 반영

  • 디노티시아가 AI 에이전트용 지식 플랫폼 AKB(Agent Knowledge Base)를 깃허브에 오픈소스로 공개함

    • 디노티시아는 장기기억 AI와 반도체 기반 AI 인프라를 하는 회사로 소개됨
    • AKB는 기업 안에 흩어진 문서, 파일, 데이터베이스, 구성원 업무 기록을 AI 에이전트가 쓸 수 있는 지식 기반으로 통합·관리하는 플랫폼임
    • 비상업적 목적 사용자는 무료로 사용할 수 있음
  • 문제의식은 꽤 현실적임. 회사 지식은 많은데, AI가 바로 쓰기엔 엉망이라는 것

    • 자료 검색, 내용 전달, 재정리 같은 반복 작업을 줄이는 게 목표임
    • 여러 부서와 AI 에이전트가 동일한 업무 맥락을 공유하며 협업하게 만들겠다는 방향임
    • “모델을 뭘 쓰느냐”보다 “조직 데이터를 AI가 얼마나 잘 활용하느냐”가 경쟁력이라는 메시지를 냄
  • AKB는 단순 문서 저장소가 아니라 관계를 가진 지식 기반을 지향함

    • 문서, 파일, 데이터베이스 테이블처럼 형태가 다른 정보를 하나로 묶음
    • 문서·데이터 간 의미 관계를 정의하는 온톨로지 기반 구조를 적용함
    • 그래프 기반 연관성 정의를 통해 업무 지식 사이의 관계를 유기적으로 연결한다고 설명함
    • 그래서 AI 에이전트가 개별 자료뿐 아니라 자료 간 관계까지 같이 활용하는 구조를 노림

중요

> 여기서 중요한 건 “문서 검색 잘됨” 수준이 아니라, 에이전트가 조직의 업무 맥락과 권한 경계를 함께 이해해야 한다는 점임. 기업용 에이전트가 실제 업무에 들어가려면 이 둘이 같이 풀려야 함.

  • 기업 환경을 의식해서 권한 관리도 설계에 넣음

    • 조직, 부서, 역할, 프로젝트별 권한 관리를 전제로 설계됐다고 밝힘
    • 사용자 간 접근 경계를 제어해서 민감한 정보는 권한 범위 안에서만 다루도록 구현함
    • AI 에이전트가 필요한 업무 맥락을 활용하되, 보안 요구를 같이 만족시키려는 접근임
  • 연동 방식도 요즘 AI 인프라 흐름을 꽤 따라감

    • MCP(Model Context Protocol) 기반 연동을 지원함
    • 표준 마크다운 문서 관리를 지원함
    • SQL 데이터베이스와 오브젝트 스토리지 등 여러 콘텐츠 저장소를 함께 관리할 수 있음
    • 자체 벡터DB 씨홀스(Seahorse) 기반 검색과 결합해 키워드 검색만으로 찾기 어려운 업무 맥락까지 탐색하게 한다고 함
  • 디노티시아는 AKB만 던진 게 아니라 주변 AI 인프라 포트폴리오도 같이 밀고 있음

    • 최근 900억 원 규모의 시리즈A 투자를 유치함
    • 자체 벡터DB 씨홀스와 VDPU 기반 AI 인프라 고도화에 속도를 내고 있음
    • 자연어 기반 AI 법령검색 서비스 리걸큐(legalQ) 베타도 공개함
    • 리걸큐는 에이전틱 RAG 방식을 적용해 사용자가 법령명이나 조문 번호를 몰라도 자연어 질문으로 관련 법령, 조문, 연관 법령을 찾게 해주는 서비스임

ℹ️참고

> AKB의 실제 가치는 깃허브에 공개된 코드가 얼마나 운영 가능한지, 그리고 권한 모델이 기업의 복잡한 조직 구조를 얼마나 버티는지에서 갈릴 가능성이 큼.


기술 맥락

  • AKB의 핵심 선택은 기업 지식을 그냥 문서 검색 인덱스로 만들지 않고, 에이전트가 활용할 수 있는 지식 기반으로 만들겠다는 거예요. AI 에이전트는 답변만 하는 챗봇보다 더 많은 맥락이 필요해서, 문서와 데이터 사이의 관계까지 잡아주는 구조가 중요해요.

  • 온톨로지와 그래프 기반 관계 정의를 넣은 이유는 업무 지식이 단일 문서 안에만 있지 않기 때문이에요. 계약서, 회의록, 데이터베이스 테이블, 프로젝트 문서가 서로 연결돼 있는데, 이 관계를 모르면 에이전트가 그럴듯하지만 맥락 없는 답을 만들기 쉬워요.

  • MCP 지원은 에이전트 생태계와 붙기 위한 선택으로 보여요. 지식 저장소가 독립 제품으로만 남으면 활용 범위가 좁아지는데, MCP처럼 외부 도구와 맥락을 연결하는 표준을 지원하면 여러 에이전트 워크플로에서 호출하기 쉬워져요.

  • 권한 관리를 전제로 설계했다는 점도 중요해요. 기업 내부 지식은 많이 연결할수록 유용하지만, 동시에 잘못 열리면 민감정보 노출로 바로 이어져요. 그래서 부서, 역할, 프로젝트 단위의 접근 경계가 에이전트 지식 인프라에서는 기능이 아니라 기본 조건에 가까워요.

에이전트 시대의 병목은 모델 자체보다 ‘회사 지식을 모델이 안전하게 꺼내 쓸 수 있느냐’로 이동 중이다. AKB는 그 문제를 오픈소스 지식 인프라로 풀겠다는 시도라, 실제 코드와 권한 모델이 얼마나 쓸 만한지가 관전 포인트다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.