본문으로 건너뛰기
피드

디노티시아, AI 에이전트용 지식 플랫폼 ‘AKB’ 오픈소스로 공개

ai-ml 약 6분
vote
0
댓글
북마크

디노티시아가 기업 내부 문서와 데이터베이스, 구성원의 업무 기록까지 AI 에이전트가 활용할 수 있게 통합하는 지식 플랫폼 AKB를 오픈소스로 공개했다. 단순 검색증강생성(RAG) 저장소를 넘어서 에이전트가 만든 대화, 판단 근거, 결과물까지 축적하는 구조를 내세운다.

  • 1

    AKB는 기업 내부 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트용 지식 기반으로 통합하는 플랫폼임

  • 2

    비상업적 목적 이용자는 무료로 사용할 수 있음

  • 3

    문서 간 의미 관계를 온톨로지 기반으로 정의해 AI 에이전트가 자료 간 관계까지 활용하도록 설계됨

  • 4

    MCP 기반 연동, 표준 마크다운 문서 관리, SQL 데이터베이스와 오브젝트 스토리지 관리를 지원함

  • 5

    디노티시아의 벡터 데이터베이스 씨홀스 기반 검색과 결합해 업무 맥락 탐색을 강화함

  • 디노티시아가 AI 에이전트 전용 지식 플랫폼 ‘AKB’를 오픈소스로 공개함

    • 기업 내부 문서, 파일, 데이터베이스뿐 아니라 구성원들의 업무 기록까지 AI 에이전트가 활용할 수 있는 지식 기반으로 묶는 플랫폼임
    • 비상업적 목적 이용자는 무료로 사용할 수 있음
    • “문서 검색 좀 잘하는 저장소”보다 범위를 더 크게 잡은 제품에 가까움
  • AKB가 내세우는 차별점은 AI 에이전트가 일하면서 만든 흔적까지 지식으로 쌓는다는 것임

    • 기존 검색증강생성(RAG) 스타일 저장소는 보통 이미 있는 문서를 검색 가능하게 만드는 데 초점이 있음
    • AKB는 대화, 작업 기록, 판단 근거, 결과물까지 지속적으로 축적하고 정리하도록 설계됐다고 설명됨
    • 에이전트가 한 번 처리한 업무 맥락을 다음 작업에서도 이어 쓰게 만들겠다는 방향임

ℹ️참고

> 기업용 AI에서 자주 막히는 지점은 “모델이 똑똑한가”보다 “우리 회사 맥락을 얼마나 안정적으로 알고 있나”임. AKB는 이 맥락 저장소를 에이전트 업무 기록까지 확장하려는 시도임.

  • 기업 내부 지식이 흩어져 있는 문제를 직접 겨냥함

    • 생성형 AI 활용이 문서 작성이나 검색 보조를 넘어 개발, 영업, 인사, 마케팅 같은 실제 업무 프로세스로 확장되고 있음
    • 그런데 회사 데이터는 문서함, 데이터베이스, 파일 저장소, 개인 업무 기록에 따로 흩어져 있는 경우가 많음
    • AKB는 이런 지식을 한곳에서 통합 관리해 AI 에이전트가 업무 맥락을 놓치지 않게 하려는 구조임
  • 구조적으로는 온톨로지 기반 접근을 넣었음

    • 서로 다른 형태의 정보를 하나의 지식 기반으로 통합함
    • 문서와 데이터 사이의 의미 관계를 정의해 에이전트가 자료 간 관계까지 활용할 수 있게 했다고 설명됨
    • 단순 키워드 검색보다 “이 문서가 어떤 프로젝트, 역할, 업무 판단과 연결되는지”를 보겠다는 쪽임
  • 기업용으로 중요한 권한 관리도 설계 요소에 들어감

    • 부서, 역할, 프로젝트별 권한 관리를 지원함
    • 사용자 간 접근 경계 제어도 주요 요소로 반영됐음
    • 에이전트가 필요한 업무 맥락은 쓰되, 민감한 정보는 권한 범위 안에서 통제하도록 만든다는 얘기임
  • 기술 스택 쪽 키워드는 꽤 개발자 친화적임

    • 모델 컨텍스트 프로토콜(MCP) 기반 연동을 지원함
    • 표준 마크다운 문서 관리를 지원함
    • SQL 데이터베이스와 오브젝트 스토리지 같은 다양한 콘텐츠 형태를 함께 관리할 수 있음
    • 그래프 기반 연관성 정의와 디노티시아의 벡터 데이터베이스 ‘씨홀스’ 기반 검색을 결합해 업무 맥락 탐색을 강화함
  • 디노티시아는 개발자와 실무 사용자 피드백을 받아 기능을 계속 고도화할 계획임

    • 정무경 대표는 기업의 AI 경쟁력이 어떤 모델을 도입했느냐보다 조직 데이터를 AI가 얼마나 잘 활용하느냐로 옮겨가고 있다고 봄
    • AKB 오픈소스 공개를 통해 더 많은 기업이 자사 지식을 AI 활용 자산으로 바꾸도록 돕겠다는 입장임

기술 맥락

  • AKB가 RAG만 말하지 않는 이유는 기업 업무 지식이 정적인 문서만으로 끝나지 않기 때문이에요. 실제 업무에서는 회의 중 나온 판단, 에이전트가 수행한 작업 결과, 누가 어떤 근거로 결정했는지가 다음 작업의 중요한 맥락이 되거든요.

  • 온톨로지 기반 구조를 넣은 것도 같은 맥락이에요. 문서를 그냥 검색 인덱스에 넣으면 “비슷한 문장”은 찾을 수 있지만, 이 문서가 어떤 프로젝트나 역할, 데이터와 연결되는지는 약하게 남아요. 의미 관계를 따로 정의하면 에이전트가 단편 문서보다 연결된 업무 지식을 따라갈 수 있어요.

  • MCP 연동은 AI 에이전트가 외부 지식 기반을 쓰는 방식을 표준화하려는 선택에 가까워요. 에이전트마다 매번 커스텀 연동을 만들면 유지보수가 커지니까, 기업 입장에서는 지식 저장소와 도구 연결을 일정한 규격으로 가져가는 게 중요해져요.

  • 권한 관리가 핵심 기능으로 들어간 것도 현실적인 포인트예요. 회사 지식 전체를 AI에게 다 열어주면 편하긴 하지만, 인사·영업·재무 같은 민감 데이터가 섞이면 바로 보안 문제가 돼요. 그래서 부서, 역할, 프로젝트 단위로 접근 경계를 두는 설계가 에이전트 플랫폼에서는 거의 필수에 가까워요.

기업용 AI 에이전트에서 진짜 병목은 모델 자체보다 ‘조직 지식을 어떤 구조로 먹일 것인가’에 가까워지고 있다. AKB는 그 문제를 RAG 저장소보다 넓게 잡고, 권한·온톨로지·업무 기록까지 한 플랫폼에 넣으려는 시도라 국내 개발팀도 참고할 만하다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

애플 새 음성 인식 API, 온디바이스 영어 전사에서 위스퍼 스몰까지 이겼다

애플의 새 음성 인식 API인 스피치애널라이저가 리브리스피치 벤치마크에서 기존 SFSpeechRecognizer는 물론 위스퍼 스몰보다도 낮은 단어 오류율을 기록했어. 깨끗한 음성에서는 2.12%, noisy 음성에서는 4.56%로, 기존 애플 API 대비 오류율을 3.5~4배 줄였고 위스퍼 스몰보다 약 3배 빠르게 돌았어. 다만 영어·애플 플랫폼·OS 26 조건의 결과라, 다국어와 크로스플랫폼에서는 여전히 위스퍼의 장점이 남아 있어.

ai-ml

AI를 진짜 잘 쓰는 기업, 미국 증시에서 연 30% 프리미엄 받는다는 연구

예일대와 로체스터대 연구진이 기업의 실제 대형 언어 모델 사용 데이터를 분석했더니, AI 활용도가 높은 상위 20% 기업이 하위 20%보다 주당 평균 0.64% 높은 초과수익률을 냈다. 단순히 AI 기업이냐가 아니라, 업무에 AI를 얼마나 깊게 쓰는지가 시장 가치에 반영되고 있다는 얘기다.

ai-ml

ZTE, AI 에이전트폰으로 스마트폰 재도전…진짜 승부처는 앱 생태계

ZTE가 바이트댄스의 더우바오를 탑재한 AI 에이전트 스마트폰으로 시장 재진입을 노린다. 핵심은 사용자가 명령하면 AI가 여러 앱을 직접 열고 조작하는 방식인데, 위챗·타오바오·알리페이 같은 플랫폼과 충돌하면서 생태계 문제가 가장 큰 변수로 떠올랐다.

ai-ml

노벨상 학자들까지 “AI 경제 충격, 지금 제도 안 만들면 늦다”

노벨 경제학상 수상자 15명을 포함한 학자와 기술 업계 인사 약 200명이 AI가 향후 10년 안에 경제를 급격히 바꿀 수 있다며 정책 대응을 촉구했다. 이들은 산업혁명보다 큰 변화가 훨씬 짧은 시간에 올 수 있고, 대규모 일자리 대체와 생활 수준 향상이라는 양면성이 동시에 존재한다고 봤다.

ai-ml

NHN, AI 데이터센터 매출 기대감에 목표주가 5만6000원으로 상향

한국투자증권이 NHN의 목표주가를 4만5000원에서 5만6000원으로 올리고 투자의견 매수를 유지했다. 핵심 근거는 양평 AI 데이터센터 가동, 공공·민간 GPU 클러스터 수주 확대, 클라우드 사업부 신규 매출 반영이다.