World Product Graph: Amazon이 팔지 않는 상품까지 모아 AI 쇼핑 에이전트를 붙잡으려는 상품 데이터 계획
Reuters가 입수한 Amazon 내부 문서에 따르면 Amazon은 브랜드가 넘겨주는 데이터와 다른 소매 사이트 크롤링으로 자사가 팔지 않는 상품까지 담은 World Product Graph를 2027년 10월 1일 출시 목표로 구상하고 있습니다. 상품 사이의 관계 데이터로 쇼핑 어시스턴트의 오답과 비용을 줄이고 외부 AI 쇼핑 에이전트를 자사로 끌어들이려는 계획이며, Amazon은 초안 문서라 현재 계획과 다를 수 있다고 밝혔습니다.
Knowledge Layer: 에이전트 과제의 61%를 운영까지 올린 선도 기업 13%의 데이터 연결법
MIT Technology Review Insights가 데이터·기술 임원 300명을 조사해 보니 에이전트 과제의 34%만 운영에 들어갔습니다. 선도 기업 13%는 61%를 올렸습니다. 업무 용어와 관계(semantic knowledge)가 아주 강하다는 답이 62%로 후발 기업 21%의 세 배였습니다. Cummins 공급망과 Gilead 위조 유통망 사례, 8주 시범안을 붙였습니다.
xFusion CPQ AI Agent·Multi-Agent Scheduling: 서버 회사가 견적·공급망·생산계획을 에이전트로 바꾼 세 사례
중국 서버 기업 xFusion이 2026 Gartner Eye on Innovation Awards에 낸 세 사례입니다. 견적 구성은 15분에서 3분으로, 계약에서 배송까지의 자동화율은 0%에서 90.21%로, 생산계획 적용률은 0%에서 91%로 바뀌었다고 회사가 보고했습니다. 세 사례 모두 LLM은 해석을 맡고 제약은 규칙·지식 그래프·솔버가 지키는 구조이며 이를 옮길 때 필요한 필드와 12주 일정을 정리했습니다.
Business Context for AI Agents: 데이터가 정확해도 틀리는 에이전트를 지식 그래프·온톨로지로 바로잡는 SAP의 설계
SAP 후원 VentureBeat 기사에서 SAP의 Yaad Oren은 데이터가 정확해도 관계·프로세스·예외를 모르는 에이전트는 정상 인보이스 결제를 막을 수 있다고 말합니다. 지식 그래프와 온톨로지로 'invoice' 같은 용어에 전사 공통 의미를 붙이고 운영 규칙, 표 전용 모델, 범위 제한 신원을 더하는 설계입니다. 그래프 스키마, 결정 JSON, 6주 파일럿을 붙였습니다.
Ping An Agentic Omni-Perception·C2B Multi-Agent: 핑안보험이 암 인수심사, 보험금 사기 판정, 맞춤 보험 설계를 AI로 바꾼 세 사례
중국 핑안보험이 2026 Gartner Eye on Innovation Awards에 제출한 세 사례입니다. 암 재발 위험 인수심사를 3~5영업일에서 2시간으로, 보험금 청구의 95%를 에이전트 자율 처리로, 맞춤 보험 구성을 3일에서 1.5시간으로 줄였다고 보고했습니다. 구현 구조와 제조 기업이 옮기는 8주 계획을 정리했습니다.
Kraken.: 사내 데이터로 업무 온톨로지를 자동 생성해 AI 답의 근거를 잇는 일본 플랫폼
일본 에프티의 Kraken.은 사내 정형·비정형 데이터를 문맥째 반구조화하고 사람·제품·공정·불량·문서를 잇는 온톨로지를 자동으로 만들어, AI가 답의 근거를 거꾸로 찾아가게 합니다. 관계·의미 부여 정확도는 약 85%에서 98% 이상으로 올랐다고 밝혔습니다. Mesodata 필드, 표본 검수 기준, 8주 파일럿안을 붙였습니다.
System of Record for Agents: 에이전트가 일하는 회사를 받칠 데이터 기반, Databricks의 네 가지 질문
a16z가 Databricks CEO Ali Ghodsi의 이야기를 바탕으로, 에이전트가 사람보다 많아질 회사에는 사실·의미·권한·평가를 한곳에 담은 기록 시스템이 필요하다고 정리했습니다. 회사 온톨로지에 묶자 에이전트 답변 정확도가 약 50%에서 84.5%로 올랐다는 Databricks 자체 테스트도 실었습니다. 정의 필드, 권한 기록, 6주 파일럿을 붙였습니다.
China Construction Bank AskAudit: 온톨로지 감사 에이전트로 여신 감사 보고서를 며칠에서 10분 안으로
중국건설은행(CCB) 내부감사팀이 LLM·RAG·온톨로지·에이전트를 4계층으로 묶은 AskAudit으로 여신 감사 보고서 초안을 3~5일에서 5~10분으로 줄이고 종단간 정확도를 86.73%에서 93.88%로 올렸다고 보고한 사례입니다. 제조 대기업 감사실이 구매 감사에 옮기는 스키마, 근거 검사, 8주 파일럿을 붙였습니다.
Cathay Financial Holdings Nutrients: 현업 전문가가 자연어로 데이터 제품을 만들고 계약으로 품질을 지키는 플랫폼
캐세이금융지주가 데이터 준비를 중앙 팀에서 현업 전문가에게 넘기고 공통 데이터 계약으로 품질을 지키는 플랫폼 Nutrients를 GCP·Kubernetes 위에 세워 데이터 제품 143개, 파이프라인 1,200개 이상을 운영한다고 보고한 사례입니다. 제조 대기업이 옮길 때 쓸 계약 필드, 자연어 생성 파이프라인, 8주 파일럿을 붙였습니다.
Cathay Century Insurance AI Injury Compensation Estimator: 판결문을 지식 그래프로 바꿔 위자료 산정을 표준화하다
대만 손해보험사 Cathay Century는 판결문에서 위자료를 좌우하는 요인과 인정 금액을 뽑아 법률 지식 그래프를 만들고 배상 범위를 예측해 손해사정사에게 보여 줍니다. 사례집 기준으로 판결 검토가 30분에서 5분으로, 지급액 편차 지표가 30%에서 10%로 줄었습니다. 추출 스키마, 범위 예측 설정, 제조사 품질 클레임에 옮기는 12주 계획을 붙였습니다.
Agentic Knowledge Base: 설계 없이 마크다운 폴더와 정리 에이전트로 시작하는 지식 베이스
16개월 동안 에이전트 지식 베이스를 운영한 Chris Lettieri는 taxonomy부터 설계하지 말고 마크다운 폴더, 에이전트, 정리 담당 janitor 셋으로 시작해 구조가 드러나게 하라고 권합니다. 팀 단위 6주 파일럿에 쓸 폴더 구조, 팀 규칙, janitor 출력 형식, 검토 큐 운영과 지표를 붙였습니다.
Taxonomy부터 Context Graph까지: AI 데이터 기반 다섯 층의 차이와 쌓는 순서
Julia Díez는 taxonomy, ontology, knowledge graph, semantic layer, context graph를 각자 다른 질문에 답하는 다섯 층으로 나누고 앞 층이 단단해야 다음 층이 선다고 정리합니다. 부품·설비·협력사 가상 예시, 층별 저장 형식과 검증 방법, 4주 층 진단 계획을 붙였습니다.
Agent Knowledge Foundation: 엔비디아가 회사 테이블에서 업무 개념 지도를 뽑아 에이전트에 주는 오픈소스
NVIDIA가 GTC Berlin에서 검색 모델, Auto-Ontology, Kumo 예측 모델을 묶은 Agent Knowledge Foundation을 공개했습니다. 테이블에서 업무 개념과 관계를 자동으로 뽑고 현업이 인증해 에이전트에 MCP로 주는 구조와, 한 도메인으로 시작하는 4주 파일럿안을 붙였습니다.
Neurosymbolic Architecture: 공급망 위험은 그래프 계산이 정하고 LLM은 그 안에서만 말하게 한 이유
공급망 위험을 분류가 아니라 그래프 추론과 물리적 제약의 문제로 보고 지식 그래프와 결정론 엔진이 정답을 정하면 LLM·에이전트·GNN은 그 경계 안에서만 말하게 한 설계의 이유. 판단마다 계층을 나누는 6주 도입안을 붙였습니다.
Context Layer: 에이전트의 쓰기를 실행 직전 잠금·한도·승인으로 거르는 계층
승인까지 받은 에이전트의 청구 수정이 ERP 이전 작업과 부딪혀 엔지니어 약 200명이 4시간 잠긴 사례에서 출발해, 모델과 기업 시스템 사이에서 모든 쓰기를 가로채 검사하는 Context Layer를 제안한 글입니다. 의도별 MCP 도구, 실행 전 3검사, 만료되는 승인 상태를 ERP·청구·구매에 옮기는 점검 목록과 4주 파일럿을 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.
From Hierarchy to Intelligence: 잭 도시가 블록에서 중간 관리층을 AI로 대체하는 설계
블록은 직원 40%를 줄이고, 관리자가 하던 정보 전달을 회사 전체의 world model과 intelligence layer에 맡기려 합니다. 피라미드 대신 원형 조직의 작동 방식과, 사업부 하나에서 시험하는 12주 실행안을 정리했습니다.
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.