본문으로 건너뛰기
피드

디노티시아, 기업용 AI 에이전트 지식 플랫폼 AKB 오픈소스로 공개

ai-ml 약 6분
vote
0
댓글
북마크

디노티시아가 기업 내부 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트가 쓸 수 있는 지식 기반으로 묶는 AKB를 오픈소스로 공개했다. 단순 검색용 저장소를 넘어 온톨로지, 그래프 관계, MCP 연동, 권한 관리를 넣어 기업 환경에서 에이전트가 같은 업무 맥락을 공유하도록 설계했다는 점이 핵심이다.

  • 1

    AKB는 기업 내부의 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트용 지식 기반으로 통합함

  • 2

    온톨로지와 그래프 기반 관계 정의로 자료 사이의 의미 관계까지 활용하게 함

  • 3

    MCP 연동, 표준 마크다운 문서 관리, SQL 데이터베이스, 오브젝트 스토리지를 지원함

  • 4

    조직·부서·역할 단위 권한 관리를 전제로 설계돼 기업 보안 요구를 반영함

  • 5

    비상업적 이용자에게 무료 제공하고 개발자 피드백으로 고도화할 계획임

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

    • AKB는 기업 내부에 흩어진 문서, 파일, 데이터베이스, 구성원 업무 기록을 AI 에이전트가 활용 가능한 지식 기반으로 통합하는 플랫폼임
    • 여러 부서와 AI 에이전트가 같은 업무 맥락을 공유하며 협업할 수 있게 만드는 게 목표임
  • 문제의식은 익숙함. 회사 지식은 많은데 AI가 제대로 못 씀

    • 문서함, 협업툴, 발표자료, 데이터베이스에 정보가 흩어져 있음
    • 그래서 직원이 완성된 자료를 다시 전달하거나, 담당자에게 같은 내용을 반복 확인하거나, AI가 읽을 수 있게 문서를 따로 변환해야 함
    • 생성형 AI가 문서 작성 보조를 넘어 개발, 영업, 인사, 마케팅 같은 실제 업무 프로세스로 들어오면서 이 문제가 더 커지고 있음

중요

> AKB의 핵심은 '문서 검색'이 아니라 'AI 에이전트가 조직의 업무 맥락을 계속 기억하고 재사용하게 만드는 지식 기반'이라는 점임.

  • AKB는 기존 RAG(검색 증강 생성) 저장소보다 더 넓은 범위를 노림

    • 문서, 파일, 데이터베이스 테이블처럼 형태가 다른 정보를 하나의 지식 기반으로 묶음
    • 온톨로지(Ontology) 기반 구조로 문서와 데이터 사이의 의미 관계를 정의함
    • AI 에이전트가 업무 과정에서 만든 대화, 작업 기록, 판단 근거, 결과물까지 축적·정리하도록 설계됨
  • 기술 스택 쪽 포인트도 꽤 구체적임

    • MCP(모델 컨텍스트 프로토콜) 기반 연동을 지원함
    • 표준 마크다운 문서 관리를 지원해 사람이 읽고 관리하기 쉬운 형식도 챙김
    • SQL 데이터베이스와 오브젝트 스토리지 등 다양한 콘텐츠를 함께 관리할 수 있음
    • 그래프 기반 연관성 정의로 업무 지식 사이의 관계를 연결함
sequenceDiagram
    participant 직원
    participant 에이전트
    participant AKB
    participant 데이터저장소
    participant 권한관리
    직원->>에이전트: 업무 질문 또는 작업 요청
    에이전트->>AKB: 관련 지식과 업무 맥락 요청
    AKB->>권한관리: 부서·역할·프로젝트 접근 권한 확인
    AKB->>데이터저장소: 문서·테이블·파일·기록 조회
    데이터저장소-->>AKB: 관련 콘텐츠 반환
    AKB-->>에이전트: 관계가 정리된 업무 컨텍스트 제공
    에이전트-->>직원: 근거를 반영한 답변 또는 결과물 생성
  • 검색은 디노티시아의 벡터 데이터베이스 '씨홀스(Seahorse)'와 결합됨

    • 키워드 검색으로는 찾기 어려운 업무 맥락과 관련 정보를 탐색하는 용도임
    • 단순히 단어가 같은 문서를 찾는 게 아니라, 의미적으로 가까운 지식까지 끌어오는 방향임
  • 기업용으로 보려면 권한 관리가 빠질 수 없는데, AKB도 이걸 주요 설계 요소로 둠

    • 조직, 부서, 역할 단위 권한 관리를 전제로 함
    • 부서·역할·프로젝트별 접근 경계를 제어해 지식 공유와 보안 요구를 같이 맞추려는 구조임
    • LLM Wiki, GBrain처럼 에이전트 장기 기억과 지식 저장소에 대한 관심이 커지는 흐름을 기업 환경으로 확장한 셈임

💡

> 사내 AI 에이전트를 붙이려는 팀이라면 모델 교체보다 먼저 '문서와 업무 기록이 권한 체계 안에서 연결돼 있는지'부터 봐야 함. 그게 안 되면 에이전트가 매번 기억상실 상태로 일함.

  • 디노티시아는 AKB를 비상업적 목적 이용자에게 무료로 제공할 계획임
    • 개발자와 실무 사용자 피드백을 받아 기능을 계속 고도화하겠다고 밝힘
    • 정무경 대표는 기업 AI 경쟁력이 어떤 모델을 도입했느냐보다, 조직 데이터를 AI가 얼마나 잘 활용하느냐로 옮겨가고 있다고 설명함

기술 맥락

  • AKB가 RAG만 말하지 않는 이유는 기업 업무에서 '검색 결과 하나'보다 '맥락의 연속성'이 더 중요하기 때문이에요. 에이전트가 지난 대화, 작업 기록, 판단 근거를 같이 봐야 같은 질문을 반복하지 않고 실제 동료처럼 이어서 일할 수 있거든요.

  • 온톨로지와 그래프 구조를 넣은 건 문서 간 관계를 표현하려는 선택이에요. 회사 지식은 파일 단위로만 존재하지 않고, 프로젝트, 부서, 고객, 결정 사항과 얽혀 있어요. 이 관계를 모르면 AI는 그럴듯한 문장을 만들 수는 있어도 업무 맥락을 제대로 짚기 어려워요.

  • MCP 지원은 에이전트 생태계와 붙기 위한 접점이에요. 각 도구마다 별도 연동을 만들면 유지보수가 힘들어지니, 표준 프로토콜로 지식 기반을 열어두려는 의도가 보여요.

  • 권한 관리를 설계 전제로 둔 것도 현실적인 부분이에요. 기업에서는 모든 지식을 모두에게 열 수 없고, 에이전트도 사람과 같은 접근 경계를 따라야 해요. 그래서 조직·부서·역할 단위 제어가 없으면 업무 적용 단계에서 바로 막히게 돼요.

기업 AI의 병목은 모델 성능보다 사내 지식을 얼마나 안전하고 일관되게 먹일 수 있느냐로 옮겨가는 중임. AKB가 의미 있는 이유도 RAG 저장소를 넘어 에이전트의 장기 기억과 조직 권한 모델을 같이 보려는 데 있음.

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.