검색

• 

  인포유앤컴퍼니, 개방형 AI 플랫폼 'OneOI' 출시…흩어진 AI 에이전트 모아 통제

  2026.10.14데이터 및 AI 전문기업 인포유앤컴퍼니가 기업 곳곳에 흩어진 AI 에이전트와 기존 정보 환경을 하나의 체계에서 운영하는 개방형 AI·데이터 플랫폼 'OneOI(원오아이)'를 출시한다고 밝혔다. 기존 솔루션(BXG)의 기능을 확장한 후속 버전이 아니라, 기업의 AI 활용을 조직 차원에서 다루도록 새롭게 설계한 별도 제품이다.기업의 AI 활용이 부서와 시스템 단위로 늘면서 운영 대상도 함께 증가하고 있다. 업무별로 에이전트와 도구를 도입하면 어느 조직이 어떤 모델을 사용하는지, 사용량과 비용은 어느 정도인지, 구축한 기능이 실제 업무에서 얼마나 활용되는지를 기업 차원에서 파악하기 어려워진다. 시장조사기관 가트너는 에이전트의 자율성 수준과 접근 범위를 고려하지 않고 일률적인 통제를 적용할 경우 운영 실패로 이어질 수 있다고 지적했다. 가트너는 2027년까지 기업의 40%가 거버넌스 문제로 자율형 AI 에이전트의 권한을 축소하거나 운영을 중단할 것으로 전망했다.OneOI는 기업이 이미 쓰고 있는 데이터와 AI를 한 곳에서 다루도록 연결한다. 사내 데이터와 시스템을 플랫폼에 붙이고, 여러 AI 모델과 에이전트를 같은 환경에서 운영한다. 기존 시스템을 교체하지 않고 연동하는 구조로, 기존에 구축한 AI·데이터 환경을 그대로 활용할 수 있다.연결한 다음에는 조직과 사용자별로 권한을 나누고 승인 절차를 적용해 활용 범위를 관리한다. 플랫폼에서 만든 모델과 에이전트가 어느 조직에서 얼마나 쓰이고 비용이 얼마나 드는지도 플랫폼에서 확인한다. 도입 기업은 부서별로 늘어난 AI를 각각 따로 들여다보지 않고 한 기준으로 운영한다.특정 모델이나 도구에 종속되지 않는 개방형 구조가 이 모든 과정의 전제다. 기업이 쓰는 모델과 사내 정보 환경을 걷어내지 않고 연결해 한 체계에서 다룬다. 회사는 이 구조를 사내 시스템과 외부 도구에 같은 방식으로 적용한다.OneOI의 설계는 인포유앤컴퍼니가 여러 데이터·AI 구축 프로젝트에서 확인한 운영 과제에서 나왔다. 개별 모델과 서비스를 도입하는 단계를 넘어 권한과 승인, 비용, 활용 현황을 함께 파악할 수 있는 구조가 필요하다는 판단을 제품에 반영했다.이종복 인포유앤컴퍼니 대표는 “기업용 AI의 경쟁력은 개별 기능의 수보다 이미 들여놓은 데이터와 에이전트를 한 곳에서 운영하면서 누가 어디까지 쓰는지를 통제할 수 있는지에 달려 있다”며 “인포유앤컴퍼니는 기업이 기존 에이전트와 AI 환경을 활용하면서 실제 업무 활용 현황까지 파악할 수 있도록 OneOI를 발전시켜 갈 것”이라고 말했다.인포유앤컴퍼니는 OneOI의 적용 범위를 순차적으로 넓힐 계획이다. 외부에서 개발한 에이전트도 플랫폼에 등록해 통합 관리하고, 에이전트별 실제 업무 활용 현황을 분석해 운영·개선 여부를 판단할 수 있도록 지원할 예정이다. 사용자 권한에 따라 접근할 수 있는 정보 범위를 세분화하는 기능도 적용한다. 회사는 향후 OneOI 제품 소개 웨비나도 진행할 계획이다출처 https://www.etnews.com/20261008000281

  2026.10.21
• 

  [구축사례] 인포유앤컴퍼니, 국내 게임사 Databricks 기반 통합 분석 플랫폼 구축

  2026.08.25인포유앤컴퍼니(IN4U & Company)가 국내 게임사를 대상으로 AWS Redshift 기반 분석 환경을 Databricks로 전환하고, 여러 게임 데이터를 통합 분석할 수 있는 데이터 마트를 구축했다고 밝혔다.이번 프로젝트는 게임별로 데이터 구조와 분석 방식이 달라 각각의 대시보드를 개별적으로 확인해야 했던 기존 환경에서 출발했다. 기존 분석 환경은 단일 게임을 기준으로 구성되어 있어, 신규 게임이 추가될 때마다 구성을 별도로 잡아야 하고 표준 체계가 정립되지 않은 상태였다.인포유앤컴퍼니는 Bronze Layer에 적재된 원천 데이터를 기반으로 Silver·Gold 분석 마트를 구축하고, 다수 게임을 수용할 수 있는 범용 데이터 모델을 설계했다. 데이터 통합 방식은 세 가지 방안을 놓고 데이터 보존성, 장애 격리, 확장성, 운영 단순성, 분석 유연성, 거버넌스·추적성 등 여섯 가지 기준으로 비교 검토했으며, 게임별로 테이블과 스키마를 분리해 원천 데이터를 그대로 보존하는 방안을 고객사와 함께 최종 확정했다.이를 통해 기존에는 게임별 대시보드를 각각 확인해야 했던 분석 방식에서, 통합 마트에 적재된 여러 게임을 하나의 대시보드에서 공통된 기준으로 분석할 수 있는 환경이 마련됐다. 또한 표준 데이터 모델과 표준 파이프라인 구성을 갖춰, 향후 신작이 추가되더라도 동일한 기준을 적용해 빠르게 분석 기반을 확보할 수 있게 됐다.프로젝트는 약 두 달간 진행됐으며 당초 일정보다 빠르게 완료됐다. 인포유앤컴퍼니는 잔여 기간 동안 고객사에 Databricks 파이프라인 설계 방법론 가이드를 제공했다. 해당 가이드는 인포유앤컴퍼니가 다수의 구축 프로젝트를 통해 축적해온 표준 방법론으로, 향후 유사한 Databricks 전환 프로젝트에도 동일하게 제공된다.인포유앤컴퍼니는 데이터 정제·통합을 담당하는 Brain Portal, AI 에이전트 구동을 담당하는 BXG, 고도화된 의사결정을 지원하는 온톨로지 AI Agent로 이어지는 AX 여정을 기반으로 기업 고객의 데이터·AI 전환을 지원하고 있다.

  2026.10.21
• 

  [고객사례] 인포유앤컴퍼니, 국내 대형 항공사 사내 문서 기반 AI 챗봇(RAG) 플랫폼 구축 및 멀티도메인 확장 완료

  2026.08.05인포유앤컴퍼니가 국내 대형 항공사를 대상으로 Databricks 기반 사내 문서 검색 AI 챗봇(RAG) 플랫폼을 구축하고, 4개월 만에 3개 도메인으로 확장을 완료했다고 밝혔다.이번 프로젝트는 부서별로 각자 구축·운영되며 중복되고 있던 RAG 챗봇을 하나의 표준 플랫폼으로 통합하는 것에서 출발했다.부서마다 흩어져 있던 운영 지식을 찾기 어렵고, 검색 결과의 출처를 신뢰하기 어렵다는 것이 고객사의 공통된 문제였다. 인포유앤컴퍼니는 화물 운영·시장동향 도메인을 우선 구축해 운영을 이관한 뒤, 동일한 코드베이스에서 수집 어댑터와 설정값만 교체하는 방식으로 객실 도메인까지 확장했다. 이 과정에서 도메인이 늘어나도 코드가 늘지 않는 재사용 가능한 멀티도메인 구조를 실증했다.플랫폼은 하이브리드 검색과 Self-RAG 판정 구조를 적용해 부적합한 문서로 인한 환각을 판정 단계에서 차단하도록 설계됐으며, 모든 답변에는 원본 출처가 자동으로 함께 제공된다. 한국어 형태소 분석과 동의어 사전 등 한국어 특화 검색 엔지니어링을 별도로 구축해 검색 정확도를 높였고, PII(개인정보) 마스킹과 제로트러스트 기반 인증 체계로 보안을 확보했다. 오프라인 품질 평가와 운영 트레이스 모니터링을 병행하는 관측 체계를 구축해, 구축 이후에도 지속적으로 품질을 측정하며 운영하고 있다.이번 프로젝트는 2026년 3월부터 6월까지 4개월간 진행됐으며, 한국어 검색 오버헤드는 p50 기준 약 140마이크로초 수준으로, PII 보호 운영 비용은 하루 약 2달러 수준으로 확인됐다. 고객사 실무자들은 벡터 검색 기술에 대한 신뢰도가 높아졌으며 플랫폼의 품질과 기능에 만족한다는 반응을 보인 것으로 나타났다.인포유앤컴퍼니는 이번 프로젝트를 AI 에이전트 구동을 담당하는 BXG의 실제 구축 사례로 보고 있으며, 이를 통해 확보한 멀티도메인 확장 구조와 한국어 검색 엔지니어링 노하우를 향후 유사한 데이터·AI 전환 프로젝트에 활용할 계획이다.

  2026.10.21
• 

  인포유앤컴퍼니, 중공업 도면 AI PoC 완료…BOM 추출 정확도 100%·패널 탐지 1초 미만

  2026.07.28데이터 및 AI 전문 기업 인포유앤컴퍼니가 국내 대형 중공업 기업과 진행한 도면 인공지능 AI 개념 증명을 완료했다고 밝혔다.중공업·플랜트 산업에서는 수십장에 달하는 엔지니어링 도면에서 패널 정보와 부품 목록을 추출하는 작업이 설비 조달과 유지보수의 핵심 과정이다.그러나 도면 형식이 제각각인데다 정보량이 방대해 사람이 직접 처리하는 구조가 지속되어왔다. 제조AI 도입이 산업 전반으로 확산되는 가운데서도 도면 데이터화는 자동화가 가장 더딘 영역으로 꼽혀 왔다.인포유앤컴퍼니의 도면 AI를 적용한 결과 PoC요구사항 전 항목을 달성했다. PoC 대상 도면 전체에서 패널 인식 재현율 100%, BOM 추출 정확도 100%를 기록했으며, 패널 탐지 처리 시간은 1초 미만으로 단축됐다.이 솔루션은 엔지니어링 도면 이미지에서 패널 정보, 기술 사양, 설비 구성 등 정형·비정형 데이터를 자동 인식·추출한다. 고객사 클라우드 환경 내부망에 구축되며, 엔터프라이즈 AI에이전트 플랫폼 'BXG' 마켓플레이스 기반으로 제공되어 도면 기반 정보를 업무 자동화 흐름과 직접 연결할 수 있다. 필요 시 독립 솔루션으로도 운영이 가능하다특히 단순 룰·프롬프트 방식이 아닌 에이전트 기반 구조로 설계되어, 각 단계별 처리 근거와 오류 원인을 추적할 수 있다. 추출 결과에는 도면 원문 근거와 인식 신뢰도가 함계 표시되며, 도메인 지식이 필요한 항목은 현업 담당자가 직접 확인·조정하는 휴먼인터루프 방식으로 처리한다.회사는 도면 AI를 필두로 산업별 특화 버티컬 AI라인업을 확장하고, 제조 AI 수요가 높은 중공업·에너지·건설 분야 고객사 확보에 본격 나설 계획이다.이종복 인포유앤컴퍼니 대표는"이번 PoC에서 패널 탐지 처리 시간 단축과 BOM추출 정확도 100%를 동시에 달성했다."며 "도면 AI를 첫번째 버티컬 AI 솔루션으로 삼아 제조·에너지·플랜트 전반으로 확대해 나갈 것"이라고 말했다.출처 : https://www.etnews.com/20260727000345

  2026.10.21
• 

  [구축사례] 인포유앤컴퍼니, 까다로운 보안 정책의 글로벌 EPC 대기업 데이터 플랫폼 구축

  2026.07.23인포유앤컴퍼니(IN4U & Company)가 시스템 간 직접 연결을 제한하는 등 엄격한 보안 정책을 운영하는 글로벌 EPC(설계·조달·시공) 대기업을 대상으로 Azure Databricks 기반 데이터 플랫폼 구축 프로젝트를 수행했다고 밝혔다.이번 프로젝트는 여러 시스템에 분산되어 있던 고객사 데이터를 보안·네트워크 정책을 준수하며 Databricks로 연계하고, 수집부터 처리·서빙까지 전체 데이터 흐름이 실제 환경에서 정상 동작하는지 검증하는 것을 목표로 진행됐다. 고객사는 시스템 간 직접 연결을 제한하고 Mule API Gateway를 통해서만 데이터를 연계해야 하는 보안 정책과 표준 인증 체계(AD)를 사용하지 않는 환경을 운영하고 있었으며, 인포유앤컴퍼니는 이를 프로젝트 설계 단계부터 반영해 원천 시스템과 Databricks를 직접 연결하지 않는 중계 구조를 적용했다.인포유앤컴퍼니는 이번 프로젝트에서 ▲End-to-End 관통 테스트 ▲데이터 자산의 보안등급과 접근 권한을 통합 관리하는 거버넌스 대시보드 ▲프로젝트별 Azure 사용량과 비용을 모니터링하는 사용량 대시보드 ▲표준화된 운영 체계를 위한 운영 Manual을 구축했다. 이 중 가장 많은 공수가 투입된 영역은 거버넌스 대시보드 구축으로, 각 시스템의 메타데이터를 수집하고 결재 시스템과 연계해 보안등급·관리 정보를 등록·승인할 수 있는 구조를 구현했다.또한 Databricks와 Palantir 간 데이터 연계를 검증해 Private Link 기반 데이터 커넥션을 통한 Virtual Table 연계, 샘플 및 대용량 테이블 조회, 변경 데이터 반영을 확인했다. 다만 해당 기능이 프리뷰(Preview) 단계인 만큼, 안정성을 높이기 위한 검증은 계속 진행하고 있다.인포유앤컴퍼니는 이번 프로젝트를 통해 생성형 AI 기능 도입을 위한 사전 보안 검토, Databricks-Palantir 연계 검증, Databricks ODBC 기반 리포트 서버 연계 등의 기술 경험을 축적했으며, 이를 향후 보안 정책이 엄격한 다른 고객사의 데이터 플랫폼 구축 프로젝트에 활용할 계획이다.인포유앤컴퍼니는 데이터 정제·통합을 담당하는 Brain Portal, AI 에이전트 구동을 담당하는 BXG, 고도화된 의사결정을 지원하는 온톨로지 AI Agent로 이어지는 AX 여정을 기반으로 기업 고객의 데이터·AI 전환을 지원하고 있다.

  2026.10.21
• 

  94% 정확도, 왜 현장에서는 실패였을까 — 인포유앤 건설사 도면 인식 AI 에이전트 PoC 후기

  2026.07.08[성공사례] 인포유앤컴퍼니, 국내 중공업 대기업 데이터센터 도면 인식 AI 에이전트 PoC 완료인포유앤컴퍼니(IN4U & Company)가 국내 중공업 대기업 H사와 함께 데이터센터 설계 도면에서 자재 리스트(BOM)를 자동 추출하는 AI 에이전트 PoC를 6주간 진행하고, 유의미한 결과를 확인했다고 밝혔다.이번 PoC는 데이터센터 관련 설계 도면이 접수되면 사용되는 자재를 사람이 직접 확인해 구매로 연결하던 기존 업무 방식에서 출발했다. 담당자의 숙련도에 따라 해석 결과가 달라지고, 도면 해석 실수가 구매 오류로 이어질 수 있다는 것이 고객사의 페인 포인트였다. H사는 앞서 경쟁사 솔루션으로 1차 검증을 진행한 바 있으며, 정확도 94%를 기록했으나 항목 누락과 사양 오기재 등의 문제로 실제 업무에는 적용하지 못한 상태였다.인포유앤컴퍼니는 데이터브릭스 기반의 AI 에이전트를 통해 이 문제에 접근했다. 기존 Rule 기반 방식의 한계를 넘어서기 위해 딥러닝 기반 패널 인식 모델을 적용했고, 패널 인식과 BOM 추출을 분리한 단계별 처리 구조를 설계했다. 도면마다 다르게 표기되는 자재명과 규격, 수량 정보는 Material Catalog 기반의 도메인 지식 매핑 구조를 통해 표준 BOM 기준으로 정규화했다.특히 이번 PoC에서는 AI가 1차로 인식한 결과를 현업 담당자가 직접 검증하고 보정할 수 있는 구조를 함께 구현했다. 패널 영역은 드래그 방식으로 수정·등록할 수 있으며, 패널별 BOM 리스트와 컨피던스 값을 함께 확인할 수 있다. 패널 인식부터 BOM 추출까지 전 과정은 프로세스 리니지로 기록되어, 각 단계의 입력값과 출력값을 추적할 수 있도록 구성했다.PoC 결과 정확도와 처리 속도 모두 기준을 충족하며 운영 가능성을 확인했으며, 고객사 측에서 솔루션화를 먼저 제안했다.인포유앤컴퍼니는 데이터 정제·통합을 담당하는 Brain Portal, AI 에이전트 구동을 담당하는 BXG, 고도화된 의사결정을 지원하는 온톨로지 AI Agent로 이어지는 AX 여정을 기반으로 기업 고객의 데이터·AI 전환을 지원하고 있다.

  2026.10.21
• 

  인포유앤컴퍼니, 온톨로지 기반 AI 에이전트 설계 본격화

  2026.06.09데이터 및 AI 전문기업 인포유앤컴퍼니가 금융·제조·건설 등 엔터프라이즈 산업군을 대상으로 온톨로지 기반 AI 에이전트 설계 사업을 본격 확대한다고 밝혔다.이번 사업은 AI 도입을 추진하고 있지만 데이터 기반이 충분히 구축되지 않아 성과 창출에 어려움을 겪는 기업과,기존 데이터 웨어하우스(DW) 및 BI 환경에서 AI 플랫폼으로 전환을 검토 중인 기업을 주요 대상으로 한다.인포유앤컴퍼니는 데이터 구조 설계부터 AI 에이전트 구축·운영까지 전 과정을 통합 지원할 계획이다.인포유앤컴퍼니는 Databricks 기반 데이터 플랫폼 구축 경험과 글로벌 파트너 인증(DPP·Silver Tier)을 보유한 데이터 플랫폼 및 AI 컨설팅 기업이다.데이터 수집과 정제, 플랫폼 구축 과정에서 축적한 현장 경험을 바탕으로 AI 에이전트의 성능 한계를 단순 모델 문제가 아닌 데이터 구조와 정합성의 문제로 보고 있다.회사 측에 따르면 많은 기업이 생성형 AI 도입 과정에서 응답 정확도와 신뢰성 확보에 어려움을 겪고 있다.Power BI, Tableau 등 BI 도구를 활용하는 기업 역시 데이터 의미 체계가 부서별로 다르게 정의돼 있을 경우 AI가 일관된 판단 기준을 확보하기 어렵다.예를 들어 동일한 '매출' 데이터라도 사업부마다 산출 기준이 다르거나 고객 정보가 시스템별로 상이한 형식으로 저장돼 있다면AI는 서로 다른 정보를 동일한 데이터로 인식하지 못할 수 있다. 이 경우 고성능 AI 모델을 적용하더라도 안정적인 결과를 기대하기 어렵다는 설명이다.인포유앤컴퍼니는 이러한 문제를 해결하기 위한 방법으로 온톨로지 기반 데이터 구조를 제시한다.온톨로지는 데이터 간 의미와 관계를 체계적으로 정의해 AI가 조직 전반의 정보를 일관된 기준으로 이해하고 추론할 수 있도록 지원한다.해당 기술은 자사 AI 에이전트 플랫폼 BXG에도 적용되고 있다.BXG는 사전에 구축된 업무 지식 체계와 실시간 업무 맥락 분석 기능을 결합해 사용자가 별도의 기술 지식 없이도 데이터를 기반으로 빠른 의사결정을 수행할 수 있도록 돕는다.기술 기반으로는 Databricks 플랫폼이 활용된다.인포유앤컴퍼니는 Unity Catalog, Genie, Mosaic AI, Agent Bricks 등을 활용해 기업 맞춤형 에이전틱 AI(Agentic AI) 환경을 구축하고 있다.이를 통해 현업의 셀프서비스 분석부터 전사 AI 에이전트 확산까지 단계적으로 지원한다는 전략이다.또한 기존 DW 및 BI 환경을 운영하는 기업이 데이터 레이크하우스 구조로 전환하는 과정에서 발생하는데이터 정합성 및 운영 효율성 문제도 함께 해결할 수 있도록 지원하고 있다.이종복 인포유앤컴퍼니 대표는 “현장에서 확인한 에이전틱 AI 프로젝트의 성공 요인은 모델 성능보다 데이터 구조와 품질”이라며“온톨로지 기반 설계는 기존 BI와 DW 환경을 운영하는 기업이 AI 중심 조직으로 전환하기 위한 현실적인 출발점이 될 것”이라고 말했다.한편 인포유앤컴퍼니는 데이터 플랫폼 구축부터 에이전틱 AI 운영까지 제공하는엔드투엔드(End-to-End) 역량을 기반으로 금융·제조·건설 분야를 중심으로 온톨로지 기반 AI 에이전트 사업을 확대해 나갈 계획이다.출처: ETnews(https://www.etnews.com/20260608000327)

  2026.10.21
• 

  아이티센인포유, AI 에이전트 플랫폼 'BXG' 공개…

  2026.04.09아이티센인포유가 생성형 인공지능(AI)의 한계를 보완한 에이전트 플랫폼을 앞세워 기업용 AI 시장 공략에 나섰다.아이티센인포유는 지난 1일 열린 '데이터브릭스 AI 데이 서울 2026'에 참여해온톨로지와 모델 컨텍스트 프로토콜(MCP) 기반 AI 에이전트 플랫폼 'BXG'를 공개했다고 8일 밝혔다.BXG는 생성형 AI 도입 과정에서 문제로 지적되는 환각 현상과 높은 비용 구조를 개선하는 데 초점을 맞춘 플랫폼이다. 데이터 간 의미와 관계를 정의하는 온톨로지 기반 구조를 적용해 정제되지 않은 데이터에서도정확한 맥락을 이해하고 신뢰도 높은 결과를 도출하도록 설계됐다.또 MCP 기반 아키텍처를 통해 AI 모델과 외부 시스템 간 맥락 정보를 유기적으로 연동해 확장성을 확보했다.사용자가 자연어로 질문하면 AI가 이를 분석해 최적의 답변을 제공하고 업무 흐름을 시각화한 차트를자동 생성해 실무 의사결정을 지원하는 것이 특징이다. 운영 효율성도 강화했다.특정 업무를 담당하는 서브 에이전트 구조를 도입해 기존 대비 구축 기간을 단축하고 비용 부담을 줄였다. 이를 통해 엔터프라이즈 환경에 적합한 고성능 AI 시스템을 구현했다는 설명이다.​아이티센인포유는 제조·금융 등 보안과 정밀도가 요구되는 산업군을 중심으로 맞춤형 데이터 활용 전략도 제시했다.행사 현장에선 데이터브릭스 엔지니어와 함께 기업별 데이터 활용 사례를 공유하며 실질적인 도입 방안을 소개했다.특히 '바이브 코딩' 방법론을 통해 전문 개발 지식 없이도 자연어 기반으로데이터 파이프라인을 구성할 수 있는 환경을 제시했다. 기업이 AI 도입 초기 단계부터 투자 대비 효과(ROI)를 빠르게 확보할 수 있도록 지원한다는 방침이다.​이종복 아이티센인포유 대표는 "이번 컨퍼런스를 통해 확인된 BXG의 기술력은기업들이 생성형 AI 도입 시 겪는 실질적인 고민들을 해결하는 명확한 해답이 될 것"이라며"데이터브릭스와의 협력을 바탕으로 온톨로지, MCP 등 최신 기술이 접목된 솔루션을 지속 고도화해고객사가 데이터를 강력한 비즈니스 자산으로 전환할 수 있도록 지원을 아끼지 않겠다"고 말했다.​출처 ㅣ ZDNET KOREA https://zdnet.co.kr/view/?no=20260408150835

  2026.10.21

• «
• ‹
• 1
• 2
• 3
• 4
• 5
• ›
• »