---
title: "디노티시아, AI 에이전트용 업무 지식 인프라 ‘AKB’ 오픈소스로 공개"
published: 2026-05-20T00:05:04.204Z
canonical: https://jeff.news/article/2917
---
# 디노티시아, AI 에이전트용 업무 지식 인프라 ‘AKB’ 오픈소스로 공개

디노티시아가 기업 내부의 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트가 활용하기 쉽게 통합·관리하는 AKB를 오픈소스로 공개했다. AKB는 RAG를 넘어 온톨로지, 권한 관리, MCP 연동, 그래프 기반 관계 정의, 벡터 검색을 결합해 조직 지식을 AI 업무 자산으로 바꾸는 데 초점을 둔다.

## 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

> [!IMPORTANT]
> 핵심은 모델이 아니라 데이터 구조임. 어떤 모델을 쓰느냐보다, 조직의 지식을 AI가 얼마나 잘 이해하고 다시 쓸 수 있게 만드느냐가 기업 AI 경쟁력의 중심으로 옮겨가고 있다는 얘기임.

## 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

> [!TIP]
> 사내 AI 에이전트를 붙일 때 “우리 문서 검색되게 했어요”에서 멈추면 금방 한계가 옴. 권한, 관계, 작업 이력, 데이터베이스까지 같이 설계해야 실제 업무 자동화로 이어짐.

## 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.

## 핵심 포인트

- AKB는 기업 지식을 AI 에이전트가 검색하고 활용할 수 있게 정리하는 업무 지식 인프라임
- 문서, 파일, 데이터베이스, 업무 기록을 하나의 지식 기반으로 묶고 온톨로지 기반 의미 관계를 정의함
- MCP 연동, 마크다운 문서 관리, SQL 데이터베이스, 오브젝트 스토리지, 벡터 검색을 지원함
- 비상업적 목적 이용자는 무료로 사용할 수 있도록 깃허브에 오픈소스로 공개됨

## 인사이트

기업 AI의 병목이 모델 선택에서 ‘우리 회사 데이터를 AI가 제대로 쓸 수 있느냐’로 넘어가고 있음. AKB는 RAG를 단순 검색 도구가 아니라 에이전트가 일하는 조직 메모리로 확장하려는 시도라 개발자 입장에서도 볼 만하다.