AI/ML 통합
VEXPLOR의 AI는 화면 구석에 붙은 채팅창이 아니라 업무 데이터와 연결된 별도 서비스입니다. 질문이 들어오면 AI 서비스가 의도를 분류하고, 지식 그래프·의미 검색·데이터 조회를 함께 사용해 근거를 찾고, 필요하면 도구를 실행해 작업을 처리합니다. 이 모든 과정은 입력 검사·위험 명령 차단·개인정보 필터·승인 요청 같은 안전장치를 거칩니다.
무엇인가
일반적인 AI 챗봇은 인터넷에서 배운 일반 지식으로 답합니다. 그래서 「3번 프레스 불량이 왜 늘었지?」라고 물으면 그럴듯하지만 우리 공장과 무관한 답을 내놓습니다.
VEXPLOR의 AI는 다릅니다. 캔버스로 설계하고 배포한 우리 회사의 테이블과 데이터, 그 데이터 사이의 관계(온톨로지·지식 그래프), 과거 대화의 기억을 근거로 답합니다. 답을 지어내기보다 회사 데이터에서 찾아 답하는 구조입니다.
구성 요소
| 구성 요소 | 하는 일 |
|---|---|
| 메시지 처리 흐름 | 어느 화면이나 채널에서 들어온 질문이든 같은 순서로 처리합니다. |
| 의도 분류 | 질문이 단순 대화인지, 도구 실행이 필요한 작업인지, 전문 분야 상담인지, 깊은 분석이 필요한지 구분합니다. |
| 에이전트 | 생각하고 → 도구를 실행하고 → 결과를 보고 다시 생각하는 과정을 반복해 작업을 끝냅니다. 반복 횟수에는 상한이 있습니다. |
| 하이브리드 검색 | 의미 기반 검색, 지식 그래프 탐색, 데이터 조회를 동시에 실행하고, 결과마다 확신도를 따져 근거를 고릅니다. |
| 메모리 | 한 대화 안의 기억, 교대 인수인계 기억, 사용자별 선 호를 나누어 보관합니다. |
| 지식 그래프 | 배포된 테이블 구조와 데이터 사이의 관계를 그래프로 보관합니다. |
| 모델 연결 | 여러 LLM 공급자를 후보로 두고, 한 곳이 응답하지 않으면 다음 후보로 넘어갑니다. |
| ML 모델 | 이상 감지, 예측 같은 분석 모델과 그 버전·프롬프트·실험을 관리합니다. |
질문 하나가 처리되는 순서
- 정리 -- 들어온 메시지를 공통 형식으로 정리하고 식별 번호를 붙입니다.
- 검사 -- 프롬프트 주입 같은 위험한 입력과 사용량 한도를 확인합니다.
- 중복 방지 -- 같은 요청이 두 번 실행되지 않도록 진행 중인 작업을 등록합니다.
- 의도 분류 -- 대화·작업·전문가 상담·심층 분석·취소 중 무엇인지 판단합니다.
- 실행 -- 의도에 맞는 실행기가 근거를 찾고, 필요하면 도구를 실행합니다.
- 응답 전송 -- 답이 만들어지는 대로 화면에 조금씩 표시됩니다(스트리밍).
- 마무리 -- 대화를 저장하고 사용량을 기록합니다.
업무 데이터와 연결되는 방식
배포와 함께 AI가 데이터를 알게 됩니다
캔버스를 배포하면 새 테이블 구조가 AI 지식 그래프에 반영됩니다. 따로 AI를 학습시키지 않아도, 배포한 순간부터 AI는 「작업지시」 테이블이 생겼고 그것이 「설비」, 「품목」과 어떻게 연결되는지 압니다. 이 반영 작업은 배포를 막지 않도록 분리되어 있어, 늦어지더라도 업무 화면 배포는 정상적으로 끝납니다.
근거는 여러 방식으로 동시에 찾습니다
| 검색 방식 | 잘 찾는 것 |
|---|---|
| 의미 기반 검색 | 표현은 달라도 뜻이 비슷한 문서·작업표준·과거 대화 |
| 지식 그래프 탐색 | 「이 설비와 연결된 자재와 공정」처럼 관계를 따라가야 나오는 정보 |
| 데이터 조회 | 「지난주 2라인 불량 건수」처럼 테이블에 있는 숫자 |
여러 방식의 결과를 합칠 때는 결과마다 확신도를 따지고, 사용자의 피드백을 기록해 다음 검색의 가중치에 반영합니다.
AI가 볼 수 있는 데이터의 범위
AI는 요청한 사용자의 테넌트 데이터만 다룹니다. 데이터베이스 수준에서도 AI는 삭제 권한이 없는 별도 권한으로 동작합니다.
안전장치
AI의 도구 실행은 아래 검사를 정해진 순서로 거칩니다. 대화형 에이전트와 작업 처리 흐름에 따라 적용되는 검사 조합은 조금씩 다릅니다.
| 검사 | 하는 일 |
|---|---|
| 입력 검사 | AI의 원래 지시를 무력화하려는 입력을 걸러 냅니다. |
| 위험 명령 차단 | 데이터를 지우거나 구조를 망가뜨리는 명령을 실행 전에 막습니다. |
| 권한 판단 | 작업의 위험도와 사용자 권한 수준을 비교해 바로 실행할지, 승인을 요청할지, 차단할지 정합니다. |
| 개인정보 필터 | 도구 결과와 답변에 섞인 개인정보를 가립니다. |
| 비용 기록 | 모델 호출마다 사용량과 비용을 기록합니다. |
| 활동 기록 | 어떤 도구를 어떤 값으로 실행했는지 남깁니다. |
승인이 필요한 작업은 담당자에게 승인 요청이 가고, 결정이 날 때까지 실행되지 않습니다. 과거 승인 결과에서 배운 자동 승인 규칙에 해당하면 바로 실행됩니다.
ML 모델 관리
대화형 AI 외에 숫자를 다루는 분석 모델도 함께 동작합니다.
- 이상 감지: 센서·공정 데이터에서 평소와 다른 값을 찾습니다.
- 예측: 고장·수요처럼 앞으로의 값을 추정합니다.
- MLOps: 모델 버전, 프롬프트, A/B 실험을 한곳에서 관리합니다.
- 현장 가까이에서 판단하는 가벼운 모델: Edge 게이트웨이는 통계 기반 이상 감지와 등록된 모델 파일로 수집 데이터를 바로 판정합니다. 자세한 내용은 Edge 컴퓨팅을 참고하세요.
왜 이렇게 설계했나
- AI를 별도 서비스로 둔 이유: AI 처리는 무겁고 응답 시간이 들쭉날쭉합니다. 업무 서비스와 분리해야 AI가 바쁠 때도 업무 화면 저장과 결재가 느려지지 않습니다.
- 입구를 하나로 모은 이유: 화면마다 따로 AI를 부르면 안전장치가 빠지는 곳이 생깁니다. 모든 질문을 같은 처리 순서로 보내야 검사가 빠짐없이 적용됩니다.
- 모델 공급자를 여러 곳 둔 이유: 한 공급자에 장애가 나도 AI 기능이 멈추지 않게 하기 위해서입니다.
- 지식 그래프를 함께 사용하는 이유: 의미 기반 검색만으로는 「연결되 어 있다」는 사실을 찾기 어렵습니다. 공장 데이터는 관계가 핵심이므로 그래프 탐색을 함께 사용합니다.
실무 팁
「불량 왜 늘었어?」보다 「2라인 사출기 5호의 이번 주 크랙 불량이 왜 늘었어?」처럼 설비·기간·불량 유형을 넣으면 AI가 지식 그래프에서 정확한 출발점을 잡습니다.
AI는 온톨로지에 적힌 관계를 따라 근거를 찾습니다. 현장이 아는 인과 관계를 온톨로지에 입력해 두면 원인 분석 답변의 품질이 올라갑니다.
모델 호출 사용량과 비용은 기록됩니다. AI 채팅 이력에서 확인할 수 있습니다.