디노티시아, AI 에이전트용 업무 지식 인프라 ‘AKB’ 오픈소스로 공개

AI 에이전트가 일하려면 ‘회사 지식’부터 정리돼야 함

• 디노티시아가 AI 에이전트용 업무 지식 인프라 AKB를 오픈소스로 공개함

  • AKB는 Agent Knowledge Base의 약자임
  • 기업 내부에 흩어진 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트가 검색하고 활용할 수 있는 형태로 통합·관리하는 플랫폼임

• 문제의식은 요즘 회사에서 AI 붙여본 사람이라면 바로 이해되는 쪽임

  • 생성형 AI는 문서 작성이나 검색 보조를 넘어 개발, 영업, 인사, 마케팅 같은 실제 업무 흐름으로 들어오고 있음
  • 그런데 회사 지식은 문서함, 협업툴, 발표자료, 데이터베이스 여기저기에 쪼개져 있음
  • 그러면 AI는 업무 맥락을 계속 잃고, 사람은 예전 자료를 다시 찾거나 담당자에게 같은 질문을 반복하게 됨

• AKB는 “문서 저장소 하나 더 만들자”가 아니라, AI 에이전트 관점에서 업무 지식을 재구성하자는 접근임

  • 여러 부서와 구성원, AI 에이전트가 같은 업무 맥락을 공유하도록 지식 구조를 정리함
  • 구성원이 가진 업무 정보와 조직 데이터를 AI가 읽고 활용하기 쉬운 기반으로 바꾸는 게 목표임

RAG만으로는 부족하다는 문제의식

• AKB는 기존 검색증강생성(RAG) 중심 지식 저장소보다 더 넓은 업무 지식을 다루겠다고 함

  • 문서와 파일뿐 아니라 데이터베이스 테이블 같은 정형 데이터도 하나의 지식 기반으로 묶음
  • 온톨로지 기반 구조를 적용해 자료 사이의 의미 관계까지 정의함

• 이 차이가 중요한 이유는 AI 에이전트가 개별 문서 하나만 보는 걸로는 업무를 제대로 하기 어렵기 때문임

  • 문서 A가 어떤 프로젝트의 산출물인지 알아야 함
  • 데이터베이스 테이블 B가 어떤 업무 지표와 연결되는지 알아야 함
  • 회의 기록이나 작업 결과물이 나중에 어떤 판단 근거로 재사용될지도 남아야 함

• AKB는 AI 에이전트가 새로 만들어내는 지식도 계속 축적하도록 설계됨

  • 대화 내용, 작업 기록, 판단 근거, 결과물까지 조직 자산으로 남기는 방식임
  • 즉, AI가 기존 자료를 불러오는 데서 끝나는 게 아니라 실제 업무를 하면서 만든 맥락까지 저장하겠다는 것

기업용이면 권한 관리가 빠지면 안 됨

• AKB는 조직, 부서, 역할, 프로젝트 단위의 접근 권한을 전제로 설계됨

  • AI 에이전트가 업무에 필요한 정보를 쓰되, 민감한 데이터는 권한 범위 안에서만 접근하게 하려는 구조임
  • 개인 단위 AI 사용을 조직 단위 협업 구조로 확장하려면 이 부분이 사실상 필수임

• 기술적으로는 모델 콘텍스트 프로토콜(MCP) 기반 연동을 지원함

  • 표준 마크다운 문서 관리도 지원함
  • SQL 데이터베이스와 오브젝트 스토리지 등 다양한 콘텐츠 관리도 가능하다고 설명됨

• 검색 쪽은 그래프 기반 관계 정의와 벡터 데이터베이스 검색을 결합함

  • 디노티시아의 벡터 데이터베이스 ‘씨홀스(Seahorse)’ 기반 검색을 사용함
  • 단순 키워드 검색으로 놓치기 쉬운 업무 맥락과 관련 정보를 찾는 데 초점을 둠

오픈소스로 풀었다는 점도 개발자 입장에선 체크 포인트

• 디노티시아는 AKB를 깃허브에 오픈소스로 공개함

  • 비상업적 목적 이용자는 무료로 사용할 수 있음
  • 회사는 개발자와 실무 사용자의 피드백을 받아 기능을 계속 고도화할 계획임

• 정무경 대표는 기업 AI 경쟁력이 모델 도입 여부에서 데이터 활용 역량으로 옮겨가고 있다고 봄

  • “어떤 모델을 도입했느냐”보다 “조직이 보유한 데이터를 AI가 얼마나 잘 활용하느냐”가 중요해진다는 얘기임
  • AKB 공개는 더 많은 기업이 자사 지식을 AI 활용 자산으로 전환하도록 돕겠다는 방향임

---

기술 맥락

• AKB가 겨냥하는 문제는 RAG 파이프라인 하나로 해결하기 어려운 기업 지식의 분산이에요. 회사 자료는 문서, 데이터베이스, 협업툴, 작업 기록에 흩어져 있어서 검색만 붙이면 AI가 답은 해도 업무 맥락을 오래 유지하기 어렵거든요.

• 온톨로지를 넣는 이유는 자료 사이의 의미 관계를 명시하려는 거예요. AI 에이전트가 “이 문서는 어느 프로젝트의 의사결정 근거인지”, “이 테이블은 어떤 업무 지표와 연결되는지”를 알아야 실제 작업을 이어갈 수 있어요.

• MCP 기반 연동은 에이전트와 지식 인프라 사이의 연결 방식을 표준화하려는 선택이에요. 에이전트가 매번 전용 어댑터로 붙는 구조보다, 공통 프로토콜로 도구와 데이터에 접근하는 쪽이 운영과 확장에 유리하거든요.

• 권한 관리는 기업용 AI에서 선택 기능이 아니에요. 에이전트가 사람 대신 자료를 찾고 작업하려면 부서, 역할, 프로젝트 단위로 볼 수 있는 데이터가 달라야 해요. 이걸 빼면 편하긴 해도 실제 회사 업무에는 넣기 어렵습니다.