본문으로 건너뛰기
피드

NHN, 600명 규모 ‘에이전틱 데이’ 열고 사내 AI 전환 속도 낸다

ai-ml 약 5분
vote
0
댓글
북마크

NHN이 판교 사옥에서 임직원 600여 명이 참여한 ‘에이전틱 데이’를 열고 사내 AI 에이전트 활용 사례와 성과를 공유했어. 자연어 한 줄로 3~4일 걸리던 데이터 분석을 30분으로 줄인 사례, 보안 취약점 점검 자동화, 전 임직원 클로드 제공까지 나오면서 전사 AI 전환을 본격화하는 분위기야.

  • 1

    NHN, NHN클라우드, NHN두레이 임직원 600여 명이 참여한 사내 AI 활용 행사를 개최함

  • 2

    자연어 한 줄로 데이터 분석 시간을 3~4일에서 30분으로 줄인 사례가 소개됨

  • 3

    보안 취약점 점검을 AI로 자동화·표준화하는 사내 서비스 데모가 공개됨

  • 4

    NHN은 클로드를 전 임직원에게 제공하며 AI 활용 범위를 개발 조직 밖으로 확대함

  • 5

    사내 교육, 실습 행사, 전용 오피스 AI 플랫폼을 묶어 AI 에이전트 중심 업무 체계를 확산할 계획임

  • NHN이 사내 AI 에이전트 활용 성과를 공유하는 ‘에이전틱 데이(Agentic Day)’를 열고 전사 AI 전환에 속도를 냄

    • 지난 2일 경기 성남 판교 사옥 플레이뮤지엄에서 열렸고, NHN·NHN클라우드·NHN두레이 임직원 600여 명이 참여함
    • 행사의 목적은 기술 소개가 아니라, 실제 업무와 사업 현장에 적용한 AI 에이전트 결과물을 공유하는 쪽에 가까움
  • CTO 메시지는 꽤 명확함. 다음 단계의 핵심은 ‘사내 데이터 연결’과 ‘보안’이라는 것

    • 양철웅 NHN 최고기술책임자는 AI가 사내 데이터와 지식을 안전하게 연결하는 환경이 필요하다고 봄
    • 개발 단계부터 AI를 활용해 보안성을 높이고, 안전한 제품과 서비스를 제공하겠다는 방향도 제시함
  • 가장 눈에 띄는 사례는 데이터 분석 자동화임

    • NHN 게임컨버전스랩은 ‘자연어 한 줄이 분석 1건까지’라는 주제로 사례를 발표함
    • 쿼리를 모르는 기획자도 자연어 한 줄만으로 3~4일 걸리던 데이터 분석을 30분 만에 처리할 수 있게 됐다고 설명함
    • 다만 환각 현상 같은 한계 때문에 사람이 개입해야 할 영역과 원칙을 분명히 해야 한다는 조건도 같이 붙음

중요

> 3~4일 걸리던 데이터 분석이 30분으로 줄었다는 숫자가 이 기사에서 제일 센 포인트임. 다만 NHN도 AI 결과를 그대로 믿는 게 아니라, 사람이 개입할 기준을 정해야 한다고 못박음.

  • 보안 취약점 점검도 AI 적용 대상으로 올라옴

    • NHN클라우드 AI개발센터는 개발 팀장을 위한 하네스 제작을 주제로, 보안 취약점 점검을 AI로 자동화·표준화하는 방안을 소개함
    • NHN클라우드 보안개발랩은 사내 공용 보안 취약점 점검 서비스의 데모 버전을 처음 공개함
    • 이 서비스는 AI 토큰을 전체 과정이 아니라 우선순위 판단 단계에만 제한적으로 적용해 처리 효율을 높이는 구조임
  • 행사 구성도 발표만 하고 끝나는 형태가 아니었음

    • 발표 세션, 데모 부스, AI 튜토리얼존까지 3개 구역으로 운영됨
    • 데모 공간에는 각 개발팀이 만든 AI 에이전트 기반 프로그램을 직접 시험할 수 있는 15개 부스가 마련됨
    • 튜토리얼존에서는 참가자들이 사내 개발 도구로 직접 결과물을 만드는 실습을 진행함
  • NHN은 이미 사내 AI 활용 기반을 여러 갈래로 깔고 있음

    • 지난 1일 앤스로픽(Anthropic)의 클로드(Claude)를 전 임직원에게 제공하기 시작함
    • 기존에는 개발 조직 중심이었지만, 이제는 기획, 경영지원, 영업, 운영까지 전 직군 생산성 향상을 노림
    • 정기 교육 프로그램 ‘AI School’과 전용 오피스 AI 플랫폼 ‘플레이그라운드’도 운영 중임
    • 지난 3월에는 제한된 시간 안에 AI로 결과물을 만드는 ‘NHN AI 스프린톤’도 처음 개최함

기술 맥락

  • NHN이 고른 출발점은 데이터 분석과 보안 점검이에요. 둘 다 반복 작업이 많고 병목이 생기기 쉬워서, AI를 붙였을 때 절감 효과를 숫자로 보여주기 좋거든요.

  • 자연어 분석 자동화는 쿼리를 모르는 기획자까지 데이터 접근성을 넓히려는 선택이에요. 3~4일 걸리던 분석을 30분으로 줄였다는 건 단순 편의 기능이 아니라, 의사결정 속도를 바꾸는 레벨의 변화로 볼 수 있어요.

  • 보안 취약점 점검 서비스에서 AI 토큰을 우선순위 판단 단계에만 쓴 것도 현실적인 설계예요. 모든 판단을 모델에 맡기면 비용과 신뢰성 문제가 커지니, 사람이 봐야 할 대상을 정렬하는 쪽에 AI를 제한적으로 넣은 거예요.

  • 클로드를 전 임직원에게 제공한 건 개발팀 실험을 넘어 조직 전체의 기본 도구로 AI를 배치하겠다는 뜻이에요. 다만 기사에서도 환각 현상을 언급했듯이, 실제 업무에서는 자동화 범위와 사람의 검토 기준을 같이 정해야 해요.

이건 단순 사내 행사 기사처럼 보이지만, 실제로는 국내 대형 IT 조직이 AI 에이전트를 어디부터 업무에 붙이는지 보여주는 사례야. 데이터 분석, 보안 점검, 사내 지식 연결처럼 반복성과 리스크가 동시에 있는 영역부터 파고드는 게 꽤 현실적임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

AI 시대 국가 경쟁력은 ‘시간’이라는 김용범의 반도체 인프라론

김용범 청와대 정책실장이 AI 시대에는 국가가 기업에 ‘시간’을 공급해야 한다고 주장했다. 반도체 생산능력 확보가 늦어지면 시장과 공급망을 빼앗기고, 전력·용수·송전망·인허가 같은 병목은 기업 혼자 해결할 수 없다는 논지다.

ai-ml

LG, 피지컬 AI에 9조 4천억 원 베팅…로봇이 현실을 이해하게 만들겠다는 승부

LG그룹이 2030년까지 로봇과 피지컬 AI 분야에 9조 4000억 원 규모 투자를 추진하는 것으로 전해졌다. 핵심은 현실의 물리 법칙을 가상 환경에서 학습하는 월드 모델이며, LG전자·LG CNS·LG AI연구원·LG이노텍이 하드웨어, 시뮬레이션, AI 모델, 센싱을 묶는 ‘원 LG’ 전략으로 접근하고 있다.

ai-ml

중국 등대공장이 보여준 제조업 트렌드, 결론은 AI를 공장 전체에 깔아버리는 것

세계경제포럼이 새로 선정한 글로벌 등대공장 16곳 중 8곳이 중국 공장이었고, 중국은 전체 238곳 중 109곳을 보유한 1위 국가다. 올해 사례의 핵심은 AI가 생산라인 자동화를 넘어 연구개발, 품질관리, 공급망, 물류, 에너지, 인재 육성까지 기업 운영 전반으로 들어갔다는 점이다.

ai-ml

디케이테크인, 구글 클라우드와 제미나이 기반 업무용 AI 에이전트 워크숍 진행

디케이테크인이 구글 클라우드 코리아와 함께 제미나이 엔터프라이즈 기반 AI 에이전트 실무 워크숍을 열었어. 개발자뿐 아니라 사업, 기획, 디자인 직군까지 참여했고, 자연어만으로 업무용 AI 에이전트를 만드는 노코드 실습까지 다뤘다는 점이 핵심이야.

ai-ml

오픈AI와 메타, 이제 챗봇 말고 ‘업무 대신 하는 AI’로 붙는다

오픈AI와 메타가 같은 날 새 AI 모델과 업무용 에이전트를 공개하며 기업용 AI 시장 공략을 본격화했다. 오픈AI는 토큰 효율을, 메타는 낮은 API 가격과 코딩·에이전트 성능을 앞세워 앤트로픽이 강한 업무 생산성 영역에 도전장을 냈다.