03 AX Enablement
AI가 일할 수 있게 데이터와 솔루션을 갖춥니다. 노트 15편.
Trust Layer: 보험사가 AI에 일을 맡기기 전에 데이터 출처·검증·설명부터 갖추는 법
보험 데이터 표준 기구 ACORD 계열 ACORD Solutions Group의 CEO Chris Newman은 에이전트형 AI의 다음 시험대가 모델이 아니라 데이터 신뢰라고 봅니다. 레거시를 갈아엎지 않고 표준으로 잇는 Trust Layer 설계와 8주 파일럿을 붙였습니다.
Where to Draw the Line: 전문가용 업무 도구에 채팅·화면·에이전트를 나눠 붙이는 기준
B2B 제품에 일괄로 붙인 채팅창이 숙련자를 오히려 느리게 만들 수 있다는 글입니다. 반복 업무는 화면에 두고, 드문 질문은 채팅으로, 상시 감시는 Ambient Agent로 보내라는 배치 기준과 함께, 티켓 분석·검증 시간·fallback ratio로 판정하는 4주 계획을 붙였습니다.
Inventory, Contracts, Maintained Context: 에이전트를 늘리기 전에 갖출 목록·계약·맥락 관리
데이터 거버넌스 기업 Collibra의 CEO가 에이전트를 몇 개에서 수십 개로 늘릴 때 필요한 세 가지로 에이전트 목록, 실행 전에 결정론적 규칙으로 검사하는 계약, 모델과 독립된 맥락 계층의 지속 관리를 꼽았습니다(벤더 관점). 맥락을 붙인 분석 에이전트가 두 달 만에 정답률 90%에서 60%로 떨어진 사례를 근거로, 맥락도 데이터 파이프라인처럼 운영하라고 말합니다.
Data Enablement for AI: 레이크하우스를 에이전트가 믿고 쓸 데이터 기반으로 바꾸는 6가지 설계
에이전트와 RAG가 운영 단계에서 막히는 이유를 프롬프트가 아닌 데이터 기반에서 찾고, 변경분만 재임베딩하는 CDC, 표를 살리는 문서 파싱, LLM 대신 SQL을 만드는 시맨틱 레이어, 검색 전 권한 필터 등 6가지 패턴을 정리한 실무 가이드입니다. 필드 설계, 합격 시험, 6주 파일럿 순서를 덧붙였습니다.
The Missing Infrastructure for AI Agents: 에이전트가 PDF·스캔·엑셀을 빠짐없이 읽게 하는 문서 계층
누적 70억 쪽을 처리한 문서 파싱 기업 Reducto의 CEO가 프런티어 모델은 긴 추출에서 틀리기보다 조용히 빠뜨린다고 말합니다. 문서를 쪼개 읽고 에이전트가 검증 규칙으로 스스로 다시 보게 하는 구조, 그리고 우리 문서로 평가하는 방법과 4주 파일럿을 붙였습니다.
The New Apex Predator: 에이전트로 무장한 공격자에 맞서 기업이 먼저 점검할 것
CrowdStrike CEO George Kurtz는 AI 에이전트가 공격자 피라미드를 평평하게 만들어 breakout time이 평균 29분까지 줄었고, 공격은 악성코드가 아니라 프롬프트로 이뤄진다고 말합니다. 방어는 전용 보안 모델과 에이전트 추적(AIDR)으로 답하고, 기업은 업무 가치별로 모델 등급을 나눕니다. 사내 에이전트 인벤토리 스키마와 6주 점검 일정을 붙였습니다.
Agent Swarms for Cyber Defense: 수십 개 에이전트가 동시에 코드·인프라 위험을 뒤지는 보안 자동화
Box CEO Aaron Levie는 여러 에이전트를 한꺼번에 돌리는 agent swarm의 대표 용도가 사이버 방어가 될 것이라고 봅니다. 공격 경로를 지치지 않고 전부 시험하는 일은 잘게 쪼개 병렬로 돌리기 좋고, 그래서 보안이 대기업의 가장 큰 토큰 소비처가 된다는 주장입니다. 우리 보안팀이 코드·인프라 점검 스웜을 6주 안에 시범 운영하는 방법을 붙였습니다.
REA (Reverse Engineer Anything): AI 에이전트가 소스 없이 앱을 뜯어보고 기능을 다시 만드는 도구
AI 슬래시 채널이 GitHub에서 일주일 만에 약 19만 스타를 모은 오픈소스 REA를 정리한 영상입니다. 코딩 에이전트가 MCP로 Ghidra 같은 분석 도구를 부려 컴파일된 앱의 기능을 근거와 함께 설명하고 다시 만드는 구조를 풀고, 기업이 레거시 이해와 보안 점검에 쓰려면 갖출 법무·격리·검증 절차를 덧붙였습니다.
Fold Subagents into the Main Agent Loop: 서브에이전트를 하나의 루프로 합쳐 품질과 속도를 높이는 법
팀마다 만든 서브에이전트 위에 orchestrator를 얹는 대신, 하나의 에이전트 루프가 skills와 tool search로 필요한 것만 불러 쓰게 바꾸면 품질·비용·지연이 함께 나아지는 경우가 많다는 Anthropic의 모범 사례. eval부터 만드는 6주 이행안을 붙였습니다.
에이전틱 추론 지도: 혼자 풀기, 스스로 나아지기, 함께 풀기
LLM 에이전트의 추론을 세 층(기초·자기 진화·집단)과 두 방식(추론 시점 설계·사후 학습)으로 정리한 서베이. 기업 에이전트를 층별로 쌓는 12주 로드맵을 붙였습니다.
Cross-Cutting Context Objects: 여러 엔진을 거친 AI 점수의 이유를 한곳에 기록하는 설계
여러 엔진이 이어 붙은 공급망 위험 점수를, 계산하는 순간 하나의 공유 객체에 근거를 적어 UI·LLM·감사 문서가 같은 근거를 쓰게 만든 설계. 설명 스키마부터 정하는 4주 도입안을 붙였습니다.
결정만 하는 AI: Jev로 만든 214개 프로젝트에서 보이는 패턴
글을 쓰지 않고 정해진 형식의 결정과 확률만 돌려주는 TypeSafe의 Jev. 이 모델로 만든 214개 프로젝트를 모은 갤러리에서 결정 모델을 쓰는 다섯 가지 패턴과, 기업 업무에 붙이는 2주 파일럿을 정리했습니다.
KG 통한 생성형 AI 리스크 완화
지식 그래프로 생성형 AI의 답에 근거를 붙여, 기업이 책임 있게 의사결정하는 방법을 설명합니다.
지식 그래프: 이론과 응용 심층 탐구
지식 그래프의 조직 원리, 택소노미와 온톨로지, 구현 방식, 실제 적용 사례를 폭넓게 다룬 가이드입니다.
Knowledge Graph란?
노드, 관계, 조직 원리, 온톨로지로 이뤄진 지식 그래프의 기본 구성을 소개합니다.