Why Enterprise
내부 데이터가 핵심인 기업은
외부 생성형 AI를 그대로 쓰기 어렵습니다
외부 생성형 AI는 문서 작성, 요약, 코드 생성 같은 범용 업무에 뛰어나고 발전 속도도 빠릅니다. 하지만 제조, 국방, 금융처럼 내부 데이터가 중요한 기업이 업무 전반에 쓰려면 세 가지 벽을 넘어야 합니다.
외부 생성형 AI 서비스
ChatGPT · Claude · Gemini
- 회사 데이터가 외부 서버로 전송됩니다
- 사내 권한 체계와 분리되어 있습니다
- 내부 ERP, MES와 연결되지 않습니다
- 01
데이터 외부 유출 우려
설계 도면, 원가, 거래 정보가 외부 서비스로 전송됩니다. 보안 규정상 사용 자체가 금지되는 경우가 많습니다.
영향 생성형 AI 활용이 개인 업무 수준에 머뭅니다.
- 02
내부 권한 통제 부재
사내에서도 민감 데이터는 담당자만 봐야 합니다. 공용 계정으로 접속하는 AI는 사용자별 권한을 지키지 못합니다.
영향 IT 부서가 기존 시스템과 AI 연결을 허용하기 어렵습니다.
- 03
느리고 비싼 구축, 잦은 재개발
전사 AI 시스템 구축에는 1년 이상, 다수의 전문가가 투입됩니다. 업무가 바뀌면 다시 개발 계약이 필요합니다.
영향 작은 반복 업무는 자동화 대상에서 빠집니다.
필요한 것은 사내에서 스스로 운영하고, 업무 변화를 담당자가 직접 반영하는 사내 LLM과 AI 업무 자동화 체계입니다.
Overview
사내 LLM부터 업무 자동화까지,
하나의 체계로 구축합니다
사내 LLM 구축, 내부 시스템 연계, AI 업무 자동화, 자체 유지보수를 하나의 구성으로 제공합니다. 사내 구축형은 모든 구성 요소가 사내 네트워크 안에서 동작합니다.
데이터는 사내에
모델과 데이터가 사내 서버에서 처리됩니다.
권한은 사용자 기준으로
AI도 실제 사용자의 권한 안에서만 움직입니다.
변경은 담당자가 직접
업무가 바뀌면 재인터뷰로 반영합니다.
01 · Security
AI도 실제 사용자의
권한 안에서만 움직입니다
삼성SDS MCP Gateway 구축 경험을 바탕으로 만든 MCP-Guard가 AI의 모든 시스템 호출을 사용자 권한 기준으로 검사합니다. 권한 판단은 AI 바깥의 게이트웨이에서 이루어지므로, 프롬프트를 조작해도 우회할 수 없습니다.
요청 한 건이 지나는 길
사용자마다 AI가 보는 도구가 다릅니다
권한 밖 도구는 목록에서 제외되고, 허용 값은 도구 정의에 미리 포함됩니다. AI가 처음부터 올바른 도구와 값만 고르므로 토큰 사용과 실패 호출도 줄어듭니다.
- A재무팀 과장
A의 AI가 보는 도구
- 재무 보고서 조회
- 예산 조회지역 2, 3, 4만
- B영업팀 대리
B의 AI가 보는 도구
- 주문 조회
- 재무 도구는 목록에도 없음
- 01
권한 정책은 AI 바깥에서
사용자, 조직, 직책을 사내 디렉터리와 약 10초 주기로 동기화합니다. 퇴사와 인사이동이 자동으로 반영됩니다.
- 02
코드 없는 권한관리 포털
권한과 허용 값을 코드 없이 설정하고 변경자, 시각, 전후 내용을 기록합니다. 정책은 버전으로 관리되어 재시작 없이 다음 요청부터 적용됩니다.
- 03
장애 때는 닫힙니다
권한 판단 서비스에 닿지 못하면 모든 요청을 거부합니다. 처리량은 게이트웨이를 늘리는 것만으로 확장합니다.
02 · Right-sized LLM
숫자는 규칙 코드가,
문장은 사내 LLM이 씁니다
어떤 업무에 어느 수준의 AI가 필요한지 먼저 진단합니다. 원가, 집계, 차이 계산은 검증된 코드가 맡고 AI는 문장 작성과 판단이 필요한 좁은 단계만 맡기 때문에, 작은 모델로도 업무 품질을 확보하고 GPU 투자를 최소화합니다.
대체 경로 AI가 응답하지 않으면 정형 문안과 패턴 추출로 처리해 업무가 멈추지 않습니다.
- 01
대량 데이터는 보내지 않습니다
ERP 원본 행 같은 대량 데이터는 AI에 보내지 않아 토큰 비용과 민감 데이터 노출이 함께 줄어듭니다.
- 02
코드 변경 없는 모델 교체
게이트웨이 설정만 바꾸면 워크플로우 코드를 고치지 않고 사내 모델로 교체합니다.
- 03
완전 사내 구성
데이터와 AI를 모두 사내에 두어야 하는 기업은 사내 서버와 사내 모델만으로 구성합니다.
적용 범위별 사내 LLM 서버 권장 사양
진단 단계에서 동시 사용자 수와 업무 범위를 확인해 모델 크기와 GPU 구성을 확정합니다. 보유 서버가 있으면 성능 테스트로 먼저 확인합니다.
아래 사양은 이해를 돕기 위한 예시입니다. 귀사의 업무와 사용 규모에 맞는 정확한 사양은 문의해 주시면 검토 후 안내해 드립니다. 사양 검토 문의하기
검증 · 소규모
- 동시 사용자
- 50명 이하
- 모델 크기
- 7B~8B급
- GPU
- 24GB급 1장
- CPU · 메모리
- 16코어 · 64GB
- 적용 예
- 단일 부서 검증, 보유 서버 테스트
부서 단위
- 동시 사용자
- 300명 이하
- 모델 크기
- 14B~32B급
- GPU
- 80GB급 2~4장
- CPU · 메모리
- 32코어 · 256GB
- 적용 예
- 재무, 생산 등 부서 단위 운영
전사
- 동시 사용자
- 1,000명 이상
- 모델 크기
- 70B급 이상
- GPU
- 80GB급 8장
- CPU · 메모리
- 64코어 · 512GB 이상
- 적용 예
- 전사 운영, 다수 시스템 연동
모델 크기와 GPU 수량은 동시 사용자 수, 응답 시간 요건, 자동화 업무의 AI 사용 비중에 따라 달라집니다.
Linux · Docker 또는 Kubernetes · vLLM 또는 Ollama · PostgreSQL · 사용자는 별도 설치 없이 브라우저로 접속
03 · 2-month build
1년 걸리던 구축을
2개월에 끝냅니다
AI 인터뷰로 현업 업무를 파악하고 워크플로우에 자동으로 반영해, 업무 파악과 개발에 쓰이던 시간을 줄입니다. 트리니오 엔지니어 2명이 진단부터 운영 이관까지 전 과정을 맡습니다.
- 약 2개월구축 기간기존 맞춤 구축은 1년 이상
- 2명전담 엔지니어진단부터 운영 이관까지
- 1~2시간현업 담당자의 인터뷰 참여업무 하나당
구축을 맡는 사람들
2024년부터 제조 기업의 생성형 AI 적용 프로젝트를 수행해 온 엔지니어가 직접 구축합니다.
- 삼성SDS MCP Gateway 구축 경험
- ISA-95 기반 온톨로지 매핑 연구
- 삼성SDS · 삼성전자 출신 SI 컨설턴트 파트너
Self-operation
구축이 끝난 뒤에도,
담당자가 직접 갱신합니다
인터뷰로 맥락을 모으고, 워크플로우로 실행하고, 운영 중 결정을 기록해 다음 자동화의 출발점으로 삼습니다. 업무가 바뀌면 외부 업체 방문 없이 담당자의 재인터뷰로 반영합니다.
- 01
업무 인터뷰
D.A.N.A Interview담당자와의 대화와 파일로 업무를 파악합니다
- 02
업무 명세
단계 · 예외 · 판단 기준흐름도와 인수인계서까지 자동으로 작성합니다
- 03
워크플로우 생성
D.A.N.A Studio설계 승인 후 코드 작성과 실행 검사를 거칩니다
- 04
배포와 실행
D.A.N.A Work현업이 실행하고 승인, 수정, 반려합니다
- 05
의사결정 기록
누가 · 언제 · 무엇을 · 왜추가만 되는 기록으로 감사 추적을 유지합니다
- 06
회사 업무 지도 갱신
업무 · 데이터 · 사람 · 시스템다음 자동화의 출발점으로 재사용합니다
업무가 바뀌면 재인터뷰
- 업무 추가
- 기존 맞춤 구축 추가 개발 계약
- D.A.N.A Enterprise 담당자가 AI 인터뷰로 직접 추가
- 업무 변경
- 기존 맞춤 구축 변경 요청 후 재개발
- D.A.N.A Enterprise 재인터뷰로 워크플로우 자동 갱신
- 유지보수
- 기존 맞춤 구축 별도 계약, 외부 업체 방문
- D.A.N.A Enterprise 사내 운영, 연간 유지보수 계약에 기술 지원 포함
Work as an asset
사람에게만 있던 업무 지식을,
시스템과 AI가 이해하는 자산으로
인터뷰로 정리한 업무 명세와 현업이 승인하고 고친 결정이, 업무·데이터·사람·시스템을 잇는 회사 업무 지도로 사내에 쌓입니다. 담당자가 바뀌어도 업무 기준은 남고, AI는 이 지도를 읽고 다음 업무를 더 빠르게 자동화합니다.
회사 업무 지도는 사내 지식그래프 DB에 저장됩니다. 시스템 데이터는 제조 표준 ISA-95 기반 온톨로지로 매핑되어, 사내 시스템과 AI가 같은 기준으로 읽습니다.
프로젝트가 끝난 뒤에도 쌓이는 업무 지식
외부 AI 서비스나 일반 맞춤형 구축과 가장 크게 다른 점은, 사내에 쌓이고 다시 쓰이는 업무 지식입니다.
외부 생성형 AI 서비스
- 업무 지식 수집
- 사용자가 매번 입력
- 지식의 축적
- 없음
- 다음 업무 자동화
- 처음부터 다시
일반 맞춤형 AI 에이전트 구축
- 업무 지식 수집
- 개발자가 회의로 정리, 문서는 프로젝트별로 흩어짐
- 지식의 축적
- 프로젝트 종료와 함께 멈춤
- 다음 업무 자동화
- 처음부터 다시 시작
D.A.N.A Enterprise
- 업무 지식 수집
- AI 인터뷰로 담당자에게서 직접 명세화, 빠진 항목은 시스템이 점검
- 지식의 축적
- 운영 중 결정이 쌓여 회사 업무 지도로 성장
- 다음 업무 자동화
- 쌓인 맥락을 재사용해 점점 빨라짐
Use cases
경영, 재무, 생산, IT 부서가
매일 반복하는 업무부터 시작합니다
11개 분야 187개 업무 템플릿으로 시작하고, 귀사 고유의 업무는 인터뷰로 추가합니다.
경영진 · 공장장
- 일일 생산 보고
- 월간 매출 실적 보고서
- 판매계획 대비 실적 분석
- 수주부터 매출까지 진행 현황 취합
- 부서별 예산 대비 실적 보고
재무 · 회계
- 월결산
- 거래명세표와 세금계산서 대조
- 청구, 발주, 입고 3-way 매칭
- 통장 입금 내역과 매출 건 매칭
- 미수금 관리와 회수 독촉
생산 · 구매 · 품질
- 생산일보 작성
- MRP 수급 점검과 예외 처리
- 납기 독촉과 입고 예정일 확인
- 견적 비교표 작성
- 안전재고와 재발주점 판단
IT · 관리
- 거래처와 품목 마스터 등록
- 수출 업무와 ERP 이중 입력 정리
- 설계변경 내용 여러 시스템 반영
- EDI 수주 변환과 오류 처리
- 고객사와 원청 포털 입력
전사 공통
- 사내 규정과 매뉴얼 질의응답
- 회의록 요약과 보고서 초안
- 전자결재 문서 사전 검토
- 메일 분류와 답변 초안
Deployment
보안 요건에 맞춰
세 가지 방식 중 선택합니다
데이터와 모델을 어디에 둘지에 따라 사내 구축형, 보유 서버 활용형, 클라우드형 중 선택합니다.
사내 구축형
외부 통신 없음전용 GPU 서버에 사내 LLM을 구축합니다. 데이터와 모델이 모두 사내에 있고 외부 통신이 없습니다.
추천 기업
- 폐쇄망으로 운영하는 기업
- 제조, 국방, 금융처럼 외부 전송이 금지된 데이터를 다루는 기업
- 전사 범위로 확대할 계획이 있는 기업
구성
- GPU 서버
- 사내 LLM
- D.A.N.A
- MCP-Guard
보유 서버 활용형
이미 보유한 서버에서 성능 테스트를 지원하고, 부족한 부분만 증설해 구축합니다.
추천 기업
- GPU 서버나 유휴 서버를 보유한 기업
- 투자 전에 실제 업무로 검증하려는 기업
- 부서 단위로 먼저 시작하려는 기업
구성
- 보유 서버
- 사내 LLM
- D.A.N.A
- MCP-Guard
클라우드형
ChatGPT, Claude, Gemini 등 상용 모델 API를 D.A.N.A LLM Gateway로 연결하고, 소프트웨어를 연간 라이선스로 사용합니다.
추천 기업
- 서버 투자 없이 빠르게 시작하려는 기업
- 외부 모델 사용이 허용된 업무부터 적용하려는 기업
- 추후 사내 구축형으로 전환을 고려하는 기업
구성
- 상용 모델 API
- D.A.N.A 라이선스
- MCP-Guard
세 유형 모두 MCP-Guard 권한 통제와 D.A.N.A 업무 자동화를 동일하게 제공하며, 유형 간 전환은 게이트웨이 설정으로 가능합니다.
FAQ
자주 묻는 질문
사내 구축형은 데이터와 모델을 모두 사내 서버에서 처리하며 외부 통신 없이 동작합니다. 대량 원본 데이터는 규칙 코드가 처리하고, AI에는 요약 값과 관련 단락만 전달합니다. 외부 모델 사용이 허용된 업무에 한해 게이트웨이 설정으로 상용 모델을 연결할 수도 있습니다.
원가, 집계, 차이 계산처럼 정확해야 하는 숫자는 검증된 규칙 코드가 처리하고, AI는 문장 작성과 판단이 필요한 좁은 단계만 맡습니다. AI가 맡는 범위가 좁아 작은 모델로도 충분한 품질을 확보할 수 있고, 업무별로 필요한 AI 수준은 진단 단계에서 먼저 확인합니다.
네. 보유한 서버가 있다면 성능 테스트로 활용 여부를 먼저 검토하고 부족한 부분만 증설합니다. 서버 투자 없이 시작하려면 상용 모델 API를 연결하는 클라우드형으로 시작한 뒤 사내 구축형으로 전환할 수 있습니다. 유형 간 전환은 게이트웨이 설정으로 이루어집니다.
아니요. SAP를 포함한 ERP, MES, 그룹웨어와 전자결재, DB와 파일 서버를 그대로 두고 연결합니다. API가 없는 화면은 화면 기반 RPA로 연결합니다.
약 2개월(8주) 동안 트리니오 엔지니어 2명이 진단부터 운영 이관까지 전 과정을 수행합니다. 귀사는 업무 인터뷰 참여, 서버와 접속 정보 제공, 보안 정책 검토를 맡고, 현업 담당자의 인터뷰 참여 시간은 업무당 1~2시간입니다.
아니요. 담당자가 재인터뷰로 바뀐 내용을 설명하면 워크플로우에 반영됩니다. 권한 변경은 권한관리 포털에서 설정하면 바로 적용되고, 모델과 시스템 변경 대응, 버전 업데이트와 보안 패치는 연간 유지보수 계약의 기술 지원에 포함됩니다.
업무 명세와 의사결정 기록, 회사 업무 지도는 모두 귀사의 자산으로 남고, 감사 로그와 의사결정 기록은 사내에 보관합니다. 담당자가 바뀌어도 업무 기준이 유지되고, 다음 업무를 자동화할 때 쌓인 맥락을 그대로 다시 씁니다.
초기 구축비, LLM 인프라 비용, 연간 라이선스와 유지보수로 구성됩니다. GPU 서버 규모는 사내 LLM 구축 여부와 AI 업무 적용 범위에 따라 진단 단계에서 함께 산정하며, 상용 모델만 사용하는 경우 연간 라이선스로 시작할 수 있습니다.