--- title: "디노티시아, AI 에이전트용 지식 인프라 AKB 오픈소스로 공개" published: 2026-05-20T08:05:04.204Z canonical: https://jeff.news/article/3040 --- # 디노티시아, AI 에이전트용 지식 인프라 AKB 오픈소스로 공개 디노티시아가 AI 에이전트의 장기 기억과 기업 지식 관리를 겨냥한 AKB를 깃허브에 오픈소스로 공개했다. 문서 검색용 RAG를 넘어서 대화, 작업 기록, 판단 근거, 결과물까지 조직 지식으로 쌓는 플랫폼을 표방한다. - 디노티시아가 AI 에이전트용 지식 플랫폼 AKB를 깃허브에 오픈소스로 공개함 - 디노티시아는 장기기억 인공지능(AI)과 반도체 기반 AI 인프라를 개발하는 국내 기업임 - AKB는 Agent Knowledge Base의 약자로, 이름 그대로 에이전트가 쓸 수 있는 조직 지식 저장소를 목표로 함 - 포인트는 “문서 검색용 RAG 저장소”에서 멈추지 않겠다는 것임 - 기존 RAG는 기업 문서를 검색 가능하게 만들고, 모델이 답변할 때 그 문서를 참고하게 하는 쪽에 가까움 - AKB는 여기에 더해 AI 에이전트가 업무 중 만든 대화, 작업 기록, 판단 근거, 결과물까지 계속 축적하도록 설계됐다고 함 - 즉, 에이전트가 단발성 챗봇처럼 답하고 사라지는 게 아니라 조직 안에서 기억을 쌓는 구조를 노리는 셈임 - 기업 내부 지식이 흩어져 있다는 문제를 정면으로 겨냥함 - 문서함, 협업툴, 발표자료, 데이터베이스, 개인 업무 기록이 따로 놀면 AI가 업무 맥락을 이어가기 어려움 - 그러면 사람은 이미 있는 자료를 다시 전달하고, 담당자에게 같은 내용을 또 물어보고, AI가 읽을 수 있게 문서를 따로 변환해야 함 - AKB는 이런 반복 작업을 줄이고 부서와 에이전트가 같은 업무 맥락을 공유하게 만드는 쪽에 초점을 둠 - 기술적으로는 온톨로지와 그래프 기반 관계 정의를 핵심 카드로 꺼냄 - 문서, 파일, 데이터베이스 테이블처럼 형태가 다른 정보를 하나의 지식 기반으로 묶음 - 온톨로지 기반 구조로 문서와 데이터 사이의 의미 관계를 정의해, 에이전트가 개별 자료뿐 아니라 자료 간 관계까지 활용할 수 있게 함 - 그래프 기반 연관성 정의를 통해 업무 지식끼리 유기적으로 연결하는 구조도 포함됨 > [!IMPORTANT] > AKB의 차별점은 “검색 가능한 문서 저장소”가 아니라 “에이전트가 일하면서 만든 맥락까지 쌓는 조직 기억 장치”를 지향한다는 점임. - 기업용으로 쓰려면 권한 관리가 빠질 수 없는데, 이 부분도 설계에 들어감 - 조직, 부서, 역할, 프로젝트 단위의 권한 관리가 주요 설계 요소로 언급됨 - 에이전트가 필요한 업무 맥락을 쓰되, 민감한 정보는 권한 범위 안에서 통제하는 구조를 전제로 함 - AI 에이전트 도입에서 자주 나오는 “이거 사내 데이터 다 긁어가는 거 아냐?” 문제를 의식한 설계임 - 연동 범위도 꽤 넓게 잡고 있음 - MCP(Model Context Protocol) 기반 연동을 지원함 - 표준 마크다운 문서 관리, SQL 데이터베이스, 오브젝트 스토리지 같은 콘텐츠 관리도 포함됨 - 디노티시아의 벡터 데이터베이스 씨홀스(Seahorse) 검색과 결합해 키워드만으로 찾기 어려운 업무 맥락까지 탐색할 수 있다고 함 - 라이선스는 비상업적 목적 무료 사용으로 공개됨 - 디노티시아는 개발자와 실무 사용자 피드백을 받아 AI 에이전트 기반 업무 환경에 필요한 기능을 계속 고도화하겠다고 밝힘 - 정무경 대표는 기업의 AI 경쟁력이 “어떤 모델을 도입했느냐”보다 “조직 데이터를 AI가 얼마나 잘 쓰느냐”로 옮겨가고 있다고 설명함 --- ## 기술 맥락 - AKB가 겨냥하는 문제는 모델 성능이 아니라 조직 지식의 상태예요. 좋은 대규모 언어 모델(LLM)을 붙여도 사내 문서, 데이터베이스, 작업 기록이 흩어져 있으면 에이전트는 계속 맥락을 잃거든요. - RAG만으로는 부족하다는 판단이 깔려 있어요. RAG는 이미 존재하는 문서를 찾아 답변에 붙이는 데 강하지만, 에이전트가 업무를 하면서 만든 판단 근거와 결과물을 장기 기억처럼 관리하는 데는 별도 구조가 필요해요. - 그래서 온톨로지와 그래프 관계가 중요해져요. 기업 지식은 단순 키워드 매칭보다 “이 문서가 어떤 프로젝트와 연결되는지”, “이 데이터가 어떤 의사결정의 근거였는지”가 더 중요할 때가 많거든요. - MCP를 지원한다는 점도 실무적으로 의미가 있어요. 에이전트가 외부 도구와 지식 저장소를 붙일 때 매번 커스텀 연동을 만들면 운영 비용이 커지는데, 표준 프로토콜을 쓰면 다른 도구와 연결하기가 상대적으로 쉬워져요. ## 핵심 포인트 - AKB는 문서, 파일, 데이터베이스, 업무 기록을 AI 에이전트가 활용할 수 있는 지식 기반으로 통합함 - 온톨로지와 그래프 기반 관계 정의를 적용해 자료 자체뿐 아니라 자료 간 의미 관계까지 다룸 - MCP 연동, 마크다운 문서 관리, SQL 데이터베이스, 오브젝트 스토리지, 벡터 데이터베이스 검색을 지원함 - 부서, 역할, 프로젝트별 권한 관리를 전제로 설계해 기업 환경의 보안 요구를 고려함 ## 인사이트 기업용 AI 에이전트에서 진짜 병목은 모델 성능보다 조직 지식의 정리 상태인 경우가 많음. AKB는 이 문제를 RAG 저장소가 아니라 에이전트 운영 인프라 관점에서 풀겠다는 시도라 꽤 흥미로움.