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

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.