KostLab Enterprise AI Platform · RAG · Governance
기업·대학·기관용 “데이터 통제형” AI 플랫폼

데이터는 조직 안에 두고,
AI는 “근거 기반(RAG)”으로만 답하게

KostLab은 포털/업무/LMS 같은 기존 시스템 위에 AI를 덧대는 방식으로, 데이터 수집 → RAG 구성 → 서비스 배포 → 운영/비용 통제까지 하나의 흐름으로 연결합니다.

데모/도입 상담 제품 구조 보기
데이터 반출 최소화 원문은 내부 보관, 근거(발췌/요약)만 컨텍스트로 사용
운영/비용 통제 사용량·토큰·정책·권한·로그를 중앙에서 관리
On-Prem · Gov Cloud · Hybrid 보안정책에 맞춰 배포 형태를 선택
“클라우드 차단” 환경에서도 가능한가요?
가능합니다. 온프렘/하이브리드에서 자체 LLM 또는 사내망 추론 엔진을 연결할 수 있습니다.
배포 옵션 보기

문제 정의

시스템과 데이터는 쌓이는데, 현장 성과는 정체되는 이유는 “연결”과 “운영”이 분리되어 있기 때문입니다. AI를 붙여도 PoC에서 멈추는 경우가 많습니다.

왜 기존 방식이 막히는가

  • 시스템은 많아졌는데 포털/LMS/업무/행정이 분절되어 UX가 끊김
  • 데이터는 쌓이지만 분석·활용이 “보고용”에 머무름
  • AI를 붙여도 보안·권한·감사·운영 설계가 없어 확산이 어려움

그래서 “AI 모델”만이 아니라, 데이터 레이어 + RAG + 운영관리까지 포함된 플랫폼 구조가 필요합니다.

문제 정의 (Problem)데이터는 쌓이는데 성과는 정체
시스템은 많아졌는데 포털 · 업무 · 행정 · LMS가 분절 데이터는 쌓이지만 분석·활용이 제한, 보고용으로만 사용 AI를 붙여도 운영/보안/권한이 없어 확산 어려움 분절된 UX 사용자 경로가 끊기고 AI 활용률이 낮아짐 인사이트 부족 데이터는 있지만 의사결정에 연결되지 않음 PoC에서 정지 보안/권한/감사 운영 설계가 없어 확산 불가

제품 개요

“포털/업무/LMS”를 그대로 유지하면서, 데이터·RAG·서비스·운영을 하나의 플랫폼으로 연결합니다.

핵심 메시지(브로셔용)

원문 데이터는 내부에 두고, AI는 RAG로 근거를 찾아 답하도록 하며, 운영자는 권한/비용/감사를 중앙에서 통제합니다.

데이터 통합

DB/문서/게시판/콘텐츠 수집·정제·표준화

RAG 레이어

벡터 인덱스 + 메타데이터 + 권한 기반 검색

운영관리

사용량·토큰·정책·로그 대시보드

제품 개요 (Overview)데이터 통제형 엔터프라이즈 AI 플랫폼
기존 시스템 포털 · 업무 · 행정 · LMS 데이터 · RAG 레이어 수집 · 정제 · 인덱싱 · 권한검색 서비스/운영 챗봇 · 검색 · 요약 · 정책/비용 데이터 소스 DB · 문서 · 게시판 · 콘텐츠 사용자/조직 SSO · 역할(Role) · 부서 AXCMS (콘텐츠/권한) 수집 · 정제 · 메타데이터 권한 · 마스킹 · 감사로그 RAG 인덱스(벡터) 권한 기반 검색 · 근거 반환 추론 엔진 상용/사내 LLM 서비스 레이어 챗봇 · 검색 · 요약 핵심: 원문은 내부 보관 · 근거만 전달 · 운영자가 권한/비용/로그를 통제

핵심 모듈

AI 서비스가 “돌아가는 것”에서 끝나지 않도록, 데이터·RAG·서비스 빌더·운영관리를 모듈화했습니다.

모듈 구성(브로셔용 요약)

  • AXCMS: 문서/DB/콘텐츠 수집·정제·태깅·권한·마스킹
  • RAG Manager: 인덱스 생성/갱신, 검색 품질, 근거 정책
  • AI Service Builder: 챗봇/검색/요약/업무보조 템플릿
  • AI Ops: 사용자/조직/정책, 사용량·토큰·비용, 감사로그

도입이 쉬우면서도, 확산 단계에서 필요한 거버넌스가 기본 내장된 구조입니다.

모듈 맵 (Module Map)설계–개발–데이터–운영
핵심 모듈 데이터 → RAG → 서비스 → 운영 AXCMS 수집 · 정제 · 태깅 권한 · 마스킹 · 이력 RAG Manager 인덱스 생성/갱신 근거 정책 · 품질 Service Builder 챗봇 · 검색 · 요약 업무 보조 템플릿 AI Ops (운영/통제) 사용자/조직 · 정책/권한 · 사용량/토큰/비용 · 감사로그 · 알림/리포트

RAG 흐름

RAG는 “AI가 그냥 답하는 것”이 아니라, 질문 → 검색 → 문맥(근거) → 추론 → 결과로 답변의 근거를 만들고, 데이터 반출을 최소화하는 방식입니다.

웹사이트에서 가장 쉬운 설명(추천 문장)

“AI가 조직의 문서를 암기하는 게 아니라, 질문이 들어오면 관련 근거를 찾아 그 근거로만 답하도록 만드는 구조입니다.”

  • 벡터 데이터: 문서를 “의미 기반 검색”이 되도록 숫자 벡터로 변환한 인덱스
  • 추론(GPU): LLM이 컨텍스트(근거)를 읽고 답변을 생성하는 계산 과정
  • 통제: 권한/마스킹/로그로 “누가 무엇을 봤는지” 추적
RAG 흐름질문 → 검색 → 문맥 → 추론 → 결과
RAG 흐름 질문 → 검색 → 문맥 → 추론 → 결과 사용자 질문 요청 수신 지식 검색 RAG Retrieval 문맥 생성 Context 최소화 추론 실행 내부/외부 엔진 결과 응답

보안/증명: “데이터를 안 보내고 추론만”을 어떻게 보장하나?

웹사이트에서 설득하려면, 약속 문장이 아니라 구조 + 정책 UI + 감사 로그로 “증명처럼” 보여줘야 합니다.

기술적으로 보장하는 4가지(핵심)

  • 데이터 경로 분리: 원문 저장소는 내부, 외부로는 “근거(발췌/요약)”만
  • 권한 기반 검색: 사용자 Role/부서에 따라 검색 가능한 근거 자체가 달라짐
  • 마스킹/비식별화: 개인정보/민감정보는 문맥 생성 단계에서 제거
  • 감사로그: 검색·근거·응답 이력을 남겨 사후 검증 가능
정책

접근권한·차단 키워드·외부송신 금지

마스킹

주민번호/연락처/PII 자동 제거

로그

근거 문서 ID, 요청자, 시간, 결과

정책 & 감사 로그 (Proof UI)보안은 “구조+기록”으로 증명
보안 정책 감사 로그 권한 정책 부서=인사팀 → 인사 문서만 검색 허용 민감정보 마스킹 주민번호/연락처/이메일 자동 제거 외부 송신 차단 원문/첨부파일 외부 전송 금지 시간 사용자 근거 상태 10:12:03 kim** DOC-218 OK 10:14:22 park** DOC-041 MASK 10:20:08 lee** N/A BLOCK 로그에는 “요청자/시간/근거 문서/마스킹 여부/차단 사유”가 기록됩니다.

배포 옵션: On-Prem · Gov Cloud · Hybrid

클라우드를 쓰더라도 “데이터 유출 우려”가 있으면 내부 통제가 필요합니다. KostLab은 환경에 맞춰 3가지 배포 시나리오를 제공합니다.

On-Premise데이터/추론 모두 내부
내부망(사내) 최대 통제 포털/업무/LMS AXCMS + RAG 문서/DB 인덱스 사내 LLM 추론 서버(GPU) 데이터 외부 송신 없이 답변 생성 원문/근거/추론 모두 내부 처리. 외부 모델 호출 없음.
Gov / Private Cloud정책 준수 + 관리형 인프라
기관 전용 클라우드 정책 준수 기관 영역 포털/업무/LMS SSO/권한 AXCMS + RAG 데이터 거버넌스 Gov/Private Cloud 추론 엔진 관리형 GPU AI Ops 토큰/비용/로그 정책 준수형 클라우드에서 운영. 접근/로그/과금 통제 강화.
Hybrid민감 데이터 내부 + 비민감은 클라우드
Hybrid 유연 + 통제 내부(민감) AXCMS + RAG 원문 내부 보관 문맥(근거) 생성 발췌/요약만 전달 클라우드(비민감) LLM 추론 근거 기반 답변 AI Ops(통합 운영) 원문은 내부, 외부로는 “근거”만. 운영은 하나로 통합.

On-Premise 성능은 ChatGPT보다 떨어지나?

모델 규모와 GPU 자원, 최적화에 따라 달라집니다. 같은 급의 모델을 충분한 GPU로 운용하면 체감 성능이 유사할 수 있습니다. 다만 초대형 상용 모델 대비로는 일반적으로 격차가 있을 수 있습니다.

현실적인 권장 조합

  • 민감 데이터 중심이면: On-Prem 또는 Hybrid
  • 확장/운영 편의가 중요하면: Gov/Private Cloud
  • 빠른 시작 + 통제가 필요하면: Hybrid (가장 많이 선택)

활용 사례

“대학 LMS”에 국한되지 않게, 기업/기관 공통 업무에서 바로 효과가 나는 시나리오를 중심으로 구성합니다.

대표 시나리오

사내 규정/지침 Q&A

정책/규정집을 근거로 답변 + 출처 표시

업무 문서 요약

회의록/보고서 요약 + 핵심 이슈 추출

프로세스 안내 챗봇

전자결재/구매/인사 프로세스 단계 안내

기술지원/헬프데스크

장애 대응 매뉴얼 기반 빠른 가이드

보안/감사 대응

로그 기반 “누가/언제/무엇을” 추적

부서별 전용 에이전트

권한과 데이터 영역이 분리된 업무 에이전트

각 시나리오는 “서비스 템플릿”으로 제공하고, 운영 정책(권한/비용/로그)을 함께 묶어 배포할 수 있습니다.

업무 흐름 적용 (Use Case Map)검색·요약·업무보조
조직 업무에 붙는 위치 현업 화면 안에서 바로 사용 사용자 화면 포털 · 그룹웨어 · LMS AI 서비스 챗봇 · 검색 · 요약 근거 데이터 규정 · 매뉴얼 · DB 결과 “근거 기반 답변 + 출처 표시 + 정책 준수(마스킹/권한/로그)”

문의

현재 환경(온프렘/클라우드/혼합), 연동 대상(포털/SSO/LMS/업무), 데이터 유형(문서/DB)을 알려주시면 가장 현실적인 구성으로 제안드립니다.

연락처

이메일: admin@kostlab.co.kr
웹사이트: kostlab.co.kr

  • 요청 목적(지식검색/업무보조/챗봇/요약/분석)
  • 배포 형태(On-Prem / Gov·Private Cloud / Hybrid)
  • 보안 요구(망분리/반출 제한/로그/마스킹)

협업 요청 시 포함하면 좋은 내용

  • 연동 시스템: SSO, 포털, LMS, 그룹웨어, 문서관리
  • 데이터: 규정/지침/업무 매뉴얼/DB/게시판
  • 사용자: 임직원/부서/권한 체계
  • 운영: 예상 사용자 수, 일일 질의량, 비용 한도