모비젠, 기업 AI가 ‘일’ 하게 만들 온톨로지 플랫폼 그래피오 2.0 공개

모비젠이 ‘빅데이터 회사’에서 ‘데이터·AI 회사’로 간다고 선언함

• 모비젠이 ‘그래피오(Graphio) 2.0’을 공개하면서 회사 방향을 AI 쪽으로 크게 틀었음

  • 2일 서울 그랜드인터컨티넨탈 서울 파르나스에서 ‘2026 모비젠 미디어데이’를 열고 새 비전과 제품 전략을 발표함
  • 김태수 대표는 “26년 만에 처음으로 비전을 바꿨다”며, ‘모든 데이터를 연결하고 AI로 가치를 재창출하는 회사’를 새 비전으로 소개함

• 모비젠의 문제의식은 단순함. 기업 AI가 일을 하려면 데이터의 위치, 관계, 업무 맥락부터 잡아야 한다는 것

  • 기업 내부에는 고객, 계약, 장비, 문서, 담당자 데이터가 각 시스템과 부서에 흩어져 있음
  • AI가 개별 데이터를 찾는 것과, 그 데이터가 어떤 업무 절차와 연결되는지 이해하는 건 완전히 다른 문제임
  • 그래서 모비젠은 거대 파운데이션 모델과 정면승부하기보다, 기업 데이터가 AI에 먹히는 구조를 만드는 쪽을 택함

온톨로지에 베팅한 이유

• 모비젠은 2000년 이동통신 품질 데이터 분석 솔루션 회사로 출발함

  • 이동통신망 품질 분석에는 대용량 데이터를 빠르게 처리하는 기술이 필요했음
  • 당시 시장은 고가 외산 솔루션 의존도가 높았지만, 모비젠은 분산 데이터베이스관리시스템(DBMS)을 자체 개발해 통신망 관제와 데이터 분석 시장에서 기반을 다짐

• 첫 번째 큰 전환점은 2010년대 하둡 같은 오픈소스 빅데이터 기술 확산기였음

  • 글로벌 기업들이 오픈소스 기반 빅데이터 기술을 쏟아내면서, 자체 솔루션만으로 버티기 어려운 환경이 됨
  • 모비젠은 오픈소스를 경쟁자로만 보지 않고 자사 솔루션과 결합하는 전략을 택했고, 이동통신망 관제 회사에서 빅데이터 회사로 방향을 바꿈

• 챗GPT 이후의 AI 격변은 두 번째 전환점임

  • 많은 기업이 자체 파운데이션 모델 개발에 뛰어들었지만, 모비젠은 거대 모델 자체와 경쟁하지 않기로 함
  • 대신 기존 AI 모델이 기업 데이터를 업무 맥락에 맞게 활용하도록 돕는 기술, 즉 온톨로지에 투자함

그래피오 2.0은 ‘지식 구축’에서 ‘판단·실행’으로 넘어가려는 제품임

• 온톨로지는 AI가 기업 데이터를 업무 기준으로 읽고 해석하게 만드는 관계망임

  • 고객, 계약, 장비, 문서, 담당자 데이터가 따로 있으면 AI는 조각난 정보만 봄
  • 온톨로지는 이 데이터를 의미와 관계로 묶어, AI가 회사 업무 맥락 안에서 이해하도록 돕는 역할을 함

• 김태수 대표는 기업용 AI가 기대만큼 작동하지 않는 이유로 세 가지를 들었음

  • 데이터 사일로
  • 업무 맥락 단절
  • 보안 문제
  • 기업 AI가 사람처럼 그럴듯한 답변은 내놓지만 정작 쓸모 있는 답변은 없는 경우가 많다는 지적임

• 그래피오 2.0의 핵심은 다이나믹 온톨로지임

  • 그래피오 1.0이 온톨로지 코어를 중심으로 AI가 데이터를 이해할 수 있는 지식 구조를 만드는 데 초점을 맞췄다면, 2.0은 데이터 변화에 온톨로지가 반응하고 업무 흐름과 연결되도록 함
  • 김 대표는 1.0과 2.0의 차이를 ‘지식체계’와 ‘행동’으로 설명함
  • 데이터 변화가 생기면 그 변화를 감지하고 워크플로우를 가동해 AI가 해야 할 행동을 하게 만든다는 구상임

sequenceDiagram
    participant 업무데이터
    participant 다이나믹온톨로지
    participant 하이브리드검색
    participant 업무워크플로우
    participant 기업AI
    업무데이터->>다이나믹온톨로지: 데이터 변화와 관계 반영
    다이나믹온톨로지->>하이브리드검색: 업무 맥락 기반 검색 구조 제공
    하이브리드검색->>기업AI: 관련 지식과 근거 전달
    기업AI->>업무워크플로우: 판단·실행 요청
    업무워크플로우->>다이나믹온톨로지: 정책과 절차 기준 확인
    업무워크플로우->>기업AI: 실행 가능한 결과 반환

• 그래피오 2.0에는 여러 기술이 한꺼번에 들어감

  • AI 레디 데이터 파이프라인
  • 온톨로지 기술
  • 하이브리드 검색증강생성(RAG)
  • 온톨로지 워크플로우
  • 온톨로지 기반 지능형문서처리(IDP)

• 하이브리드 RAG는 정형 RAG, 벡터 RAG, 그래프 RAG를 온톨로지로 통합 관리하는 방식임

  • 문서 임베딩 검색만으로는 기업 업무 맥락을 다 잡기 어려움
  • 정형 데이터, 벡터 검색, 그래프 관계를 같이 봐야 고객·계약·장비·문서 같은 엔터프라이즈 데이터가 연결됨

• 온톨로지 워크플로우는 업무 정책과 실행 절차를 온톨로지로 정의하는 기능임

  • 데이터 변화가 생겼을 때 어떤 판단을 해야 하는지
  • 어떤 업무 흐름이 실행돼야 하는지
  • 이걸 AI가 그냥 답변하는 수준이 아니라 업무 프로세스와 연결되게 하려는 장치임

국방·공공·제조로 확장하고, 3.0은 조직 간 연결을 노림

• 모비젠은 그래피오를 국방, 공공, 제조처럼 데이터 구조가 복잡하고 업무 맥락이 중요한 산업에서 확대할 계획임

  • 과학기술정보통신부 유무인 복합체계
  • 삼성중공업 비정형 데이터 검색
  • 법제처, 한국환경공단, 한국무역보험공사 등에서 그래피오 1.0 적용 경험을 확보함

• 내년 출시 목표인 그래피오 3.0의 핵심은 연합 온톨로지임

  • 서로 다른 조직의 온톨로지를 연결하는 방식임
  • 조직 간 데이터를 직접 공유하지 않고, 온톨로지 수준에서 지식을 연결해 보안 부담을 줄이면서 협업하게 만드는 구상임

• 예시로는 보이스피싱 대응과 국방 분야 전장 인지가 언급됨

  • 여러 기관의 정보가 연결돼야 하지만, 원본 데이터를 막 공유하기는 어려운 영역임
  • 그래서 데이터 자체가 아니라 지식 구조를 연결하겠다는 접근이 나오는 것임

• 전체 메시지는 꽤 선명함. AI 시대의 경쟁력은 모델 자체보다, AI가 믿고 쓸 수 있는 데이터를 얼마나 잘 활용하게 만드느냐에 달려 있다는 것

  • 개발자 입장에서도 이건 RAG 고도화나 엔터프라이즈 AI 프로젝트에서 계속 마주치는 문제임
  • ‘모델 붙였는데 왜 답이 별로지?’의 답이 데이터 구조와 업무 맥락에 있을 수 있다는 얘기임

기술 맥락

• 그래피오 2.0의 선택은 “더 큰 모델을 만들자”가 아니라 “기업 데이터가 AI에게 이해 가능한 형태가 되게 하자”예요. 엔터프라이즈 환경에서는 모델이 똑똑해도 데이터가 부서별로 흩어져 있으면 답변이 업무에 바로 쓰이기 어렵거든요.

• 온톨로지를 쓰는 이유는 관계와 의미를 명시적으로 다루기 위해서예요. 예를 들어 고객, 계약, 장비, 문서가 각각 다른 시스템에 있으면 검색은 되지만 업무 판단은 약해요. 이 관계를 묶어줘야 AI가 회사 기준으로 맥락을 잡을 수 있어요.

• 하이브리드 RAG가 들어간 것도 같은 이유예요. 벡터 검색만으로는 유사 문서는 잘 찾지만, 정형 데이터의 상태나 그래프 관계까지 안정적으로 반영하기 어렵거든요. 그래서 정형 RAG, 벡터 RAG, 그래프 RAG를 온톨로지 아래에서 묶는 접근이 나와요.

• 그래피오 1.0과 2.0의 차이는 실행성에 있어요. 1.0이 지식 구조를 만드는 쪽이라면, 2.0은 데이터 변화가 생겼을 때 워크플로우를 움직여 AI가 판단과 실행을 돕게 하려는 단계예요.

• 3.0에서 말하는 연합 온톨로지는 조직 간 협업 문제를 겨냥해요. 원본 데이터를 직접 공유하지 않아도 지식 구조를 연결할 수 있다면, 보안 부담이 큰 국방·공공 영역에서 쓸 여지가 생기거든요.