흩어진 12,000개의 문서를 살아있는 지식 그래프로 — Ontology 기반 AXKH 구축기

본 사례는 TecAce의 타겟 고객군(글로벌 제조·유통 중견기업)이 일반적으로 직면하는 과제와 TecAce가 제공하는 AXKH(AX Knowledge Hub) 솔루션의 적용 효과를 보여주기 위해 구성한 모범 시나리오입니다. 실제 도입 시 산업·규모·데이터 환경에 따라 결과 지표는 달라질 수 있습니다.

요약 (Executive Summary)

미국 본사와 한국·유럽 거점을 둔 글로벌 제조 그룹 G사는 영업·엔지니어링·CS·운영 등 부서별로 흩어진 12,000개 이상의 문서·회의록·사례 데이터를 보유하고 있었지만, “어제 누가 무엇을 결정했는가” 조차 추적하기 어려운 상태였습니다. TecAce는 자체 Ontology 기반 RAG 엔진, Multi-Agent 지식 파이프라인, Human-in-the-Loop 거버넌스, 그리고 AI Supervision 솔루션을 결합한 AXKH(AX Knowledge Hub) 를 구축했습니다.

그 결과 흩어진 문서는 8,500개 이상의 노드와 23,000개 이상의 관계로 구조화되었고, 제안서 작성 리드타임은 65% 단축, 신입 온보딩 기간은 50% 단축, AI 답변의 출처 추적 가능 비율은 100%, 환각(Hallucination) 응답률은 1.2% 이하로 통제되었습니다.

도전 과제 (The Challenge)

G사는 매출 6,000억 원 규모의 제조 그룹으로, 미국 본사 외에 한국·유럽 3개국에 영업·서비스 거점을 운영하고 있었습니다. 5개 거점이 같은 고객사를 응대하지만, 정보의 흐름은 거점·부서·도구별로 단절되어 있었습니다.

핵심 문제점

• 문서의 파편화 — 회의록은 Teams, 제안서는 SharePoint, CS 케이스는 Zendesk, 정책 문서는 Notion, 기술 자료는 Confluence. 같은 사안에 대한 정보가 다섯 군데에 흩어져 있었고, 어디부터 봐야 할지 아는 사람이 없었습니다.

• 맥락의 소실 — 문서는 있어도, 문서들 사이의 관계가 어디에도 기록되지 않아 “이 의사결정이 왜 내려졌는가”, “이 사례는 어떤 정책에 근거하는가” 같은 질문이 즉시 답해지지 않았습니다.

• 거점 간 정보 비대칭 — 미국 거점에서 해결한 품질 이슈가 유럽 거점에 공유되지 않아 같은 문제가 6개월 뒤 다시 반복되는 일이 발생했습니다.

• 역할별 정보 요구의 불일치 — 임원에게 필요한 것은 “1페이지 요약”이지만, 실무자는 “근거 자료와 원문 링크”가 필요합니다. 같은 문서를 보여줘도 모두에게 적합하지 않았습니다.

• AI 도입의 벽 — 일반적인 사내 챗봇이나 RAG 시스템을 도입해도, 출처 불분명·정보 노화·민감정보 노출 위험 때문에 임원이 신뢰하고 의사결정에 활용하기 어려웠습니다.

“우리는 정보가 부족한 회사가 아니었습니다. 정보는 차고 넘쳤죠. 다만 그것이 연결되어 있지 않아서 활용할 수 없었습니다.” — Chief Strategy Officer, G사

솔루션 (The Solution)

TecAce는 단일 검색엔진이나 챗봇이 아닌, 지식이 수집 → 이해 → 연결 → 활용 → 재학습되는 운영 계층으로 AXKH를 설계했습니다. 핵심 철학은 “문서를 저장하지 않고 관계를 저장한다” 는 것이었습니다.

Phase 1 · 지식 파이프라인 구축 (4주)

가장 먼저 다섯 개 시스템(Teams, SharePoint, Zendesk, Notion, Confluence)에 분산된 문서를 안전하게 수집하는 데이터 커넥터를 구축했습니다. 모든 문서는 원본을 변경하지 않고 읽기 전용 인덱싱만 수행하며, PII와 기밀 정보는 별도의 마스킹 파이프라인을 거치도록 설계했습니다.

수집된 문서는 곧바로 저장되지 않습니다. Multi-Agent 아키텍처를 통해 네 종류의 전문 에이전트가 순차·병렬로 협력합니다.

• Ingestion Agent — 원문에서 텍스트·표·이미지를 추출하고 메타데이터(작성자·작성일·출처)를 부착합니다.

• Decomposition Agent — 긴 문서를 “결정·근거·사례·정책·인물·프로젝트” 같은 의미 단위 노드로 분해합니다.

• Relation Agent — 노드 간의 관계를 추론합니다. IS-A, ENABLES, SOLVES, USED-IN, RELATED 같은 의미적 엣지로 연결합니다.

• Governance Agent — 노드·관계에 신뢰도 점수(EXTRACTED / INFERRED / SUGGESTED)를 부여하고, 사람의 검토가 필요한 항목을 자동으로 Review Queue에 적재합니다.

Phase 2 · Ontology 기반 RAG 엔진 (6주)

Ontology 기반 RAG는 기존 RAG의 벡터 유사도 검색에 지식 그래프의 관계 추론을 결합한 구조입니다. “이 결정의 근거”를 물으면 비슷한 단락을 가져오는 것이 아니라, 결정 노드 → 근거 정책 노드 → 관련 사례 노드까지 그래프를 따라가 답변을 재구성합니다.

Phase 3 · Human-in-the-Loop 거버넌스 (3주)

AXKH의 가장 중요한 설계 결정은 “AI는 초안을 만들고, 사람은 승인한다” 는 원칙이었습니다.

• Review Queue — AI가 새로 생성한 노드·관계는 자동으로 그래프에 들어가지 않고, Draft 상태로 Review Queue에 적재됩니다. 분야별 담당자가 Approve / Edit / Reject 결정을 내려야 그래프에 반영됩니다.

• Lineage 추적 — 모든 노드는 누가, 언제, 어떤 출처에서, 어떤 AI 모델로 생성되었는지를 기록합니다. 6개월 뒤 정보가 잘못된 것이 드러나도 어디서 비롯됐는지 역추적할 수 있습니다.

• Confidence Tiering — 동일 사실에 대해 여러 출처가 일치하면 신뢰도가 올라가고, 출처가 단 하나뿐이거나 추론이라면 신뢰도가 낮게 표시됩니다.

Phase 4 · 역할별 산출물과 AI Supervision (4주)

같은 데이터라도 임원·실무자·운영자·세일즈가 필요로 하는 것은 다릅니다. AXKH는 질의자의 역할에 따라 동일한 지식을 다른 형식으로 재구성합니다.

• 임원 모드 — 한 페이지 요약 + 핵심 지표 + 의사결정 옵션.

• 실무자 모드 — 원문 인용 + 출처 링크 + 관련 사례.

• 세일즈 모드 — 고객 페르소나 + 관련 성공 사례 + 제안 템플릿.

마지막으로 TecAce의 AI Supervision 솔루션을 결합해 운영 단계에서 발생하는 환각·편향·정보 노화를 지속적으로 감지하고 보정합니다. 모든 응답에 대해 출처 일치성, 신뢰도, 정보 신선도, 민감정보 노출 여부를 실시간으로 점검합니다.

결과 (The Results)

도입 6개월 시점의 측정 결과입니다.

지식 자산화 (정량)

• 노드 8,500개 이상 / 관계 23,000개 이상 구조화 — 5개 시스템에 흩어져 있던 12,000개 이상의 원문 문서가 의미 단위 노드와 관계로 재구성되었습니다.

• 주간 자동 신규 노드 평균 120개 — Daily Research Pipeline이 외부 산업 뉴스·논문·경쟁사 동향을 자동 수집해 매일 아침 초안 노드를 생성합니다.

• 거버넌스 통과율 87% — AI가 생성한 초안 중 87%가 사람의 검토를 통과해 그래프에 정식 반영되었습니다.

의사결정 속도

• 제안서·RFP 응답 리드타임 65% 단축 — 5영업일 걸리던 제안서 초안이 평균 1.7영업일로 단축되었습니다.

• 신입 온보딩 기간 50% 단축 — 신규 입사자가 회사의 의사결정 맥락과 사례를 이해하는 데 걸리던 8주가 4주로 줄었습니다.

• 거점 간 사례 재활용률 4배 — 미국 거점의 해결 사례가 유럽 거점에서 즉시 검색·재활용되는 빈도가 도입 전 대비 4배 증가했습니다.

AI 답변 정확도와 신뢰도

• 출처 추적 가능 응답 100% — AXKH의 모든 응답은 원문 노드와 그래프 경로를 함께 제시합니다.

• 환각 응답률 1.2% 이하 — AI Supervision 실시간 검증으로 출처와 일치하지 않는 응답은 자동 차단되어 Review Queue로 회수됩니다.

• 임원 신뢰도 점수 91/100 — 도입 전 임원 대상 사내 AI 도구 신뢰도 점수는 42였습니다.

이 시스템은 단순한 검색 엔진이나 챗봇을 넘어, 기업의 집단 기억을 구조화하고 살아 움직이게 만드는 지식 운영 플랫폼으로 자리잡았습니다. 문서는 더 이상 어딘가에 저장되어 있는 죽은 자료가 아니라, 서로 연결되어 의미를 만들어내는 살아있는 자산이 됩니다.

추후 계획 (Next Steps)

AXKH는 TecAce AX Consulting Framework의 Knowledge / RAG Pillar 대표 솔루션으로, 후속 단계에서 다음 영역으로 확장됩니다.

• Agent Pillar 연동 — 그래프 위에서 자율적으로 보고서·제안서·CS 응답을 작성하는 업무 Agent 도입.

• On-device 지식 확장 — 영업 현장이나 폐쇄망 환경에서도 동작하는 모바일 On-device LLM과 결합.

• AX Score 연계 — 고객의 AX Position Score와 AX Readiness Score를 그래프 위에서 추적해, 컨설팅 산출물이 곧바로 실행 가능한 의사결정으로 이어지도록 통합.

흩어진 지식을 자산으로 바꾸는 여정, TecAce AXKH와 함께 시작해 보시기 바랍니다.