데이터·도구 연결(MCP·API)
사내 데이터 소스와 업무 도구를 표준 프로토콜(MCP)과 API로 연결합니다. 담당자는 자연어로 조회·분석·실행을 요청합니다.
AX 프로젝트 · 기술 상세
AI 에이전트 구축
사내 문서와 업무 시스템에 연결된 AI 에이전트를 구축해 드립니다. 담당자는 자연어로 조회와 분석을 요청하고, 결과와 근거 문서를 함께 확인해 판단합니다.
프로젝트 범위와 산출물
구축해 드리는 것
에이전트와 연결 구조, 정확도 측정 결과, 운영 문서까지 한 묶음으로 드립니다. 실행은 에이전트가 맡고, 판단은 담당자가 합니다.
근거를 표시하는 질의응답
답변마다 출처 문서와 해당 부분을 표시하고, 근거를 찾지 못한 질문에는 「판단 불가」로 표시합니다.
권한별 접근 설정
부서·직급별로 조회할 수 있는 문서와 기능을 구분해 설정합니다.
정확도 측정 결과
귀사 자료와 실제 질문 목록으로 측정한 정확도와, 운영에 쓸 기준을 정리해 드립니다.
구동 환경 구성
외부 AI 서비스, 귀사 계정의 클라우드, 사내 전용 서버·장비(폐쇄망 구성 포함) 가운데 보안 요건에 맞는 환경을 구성합니다.
운영 매뉴얼과 사용 교육
연결 구조와 설정, 문서 추가 방법을 정리한 매뉴얼을 드리고 담당자께 사용 방법을 교육합니다.
에이전트 통제
실행 범위와 기록을 설계해 담당자가 통제하도록 구성합니다
에이전트를 연결할 때 무엇을 실행할 수 있는지, 누가 승인하는지, 무엇을 기록하는지를 함께 설계합니다. 실행은 에이전트가 맡고, 판단과 승인은 담당자가 합니다.
실행 전 담당자 승인
외부 발송, 시스템 등록, 데이터 변경처럼 결과가 업무에 바로 반영되는 실행은 담당자가 승인한 뒤에 진행되도록 승인 단계를 설계합니다.
실행 기록(감사 로그)
누가 어떤 요청을 했고 에이전트가 어떤 데이터와 도구를 호출했는지 실행 기록으로 저장해, 사후에 확인할 수 있도록 구성합니다.
권한 범위 제한
에이전트가 호출할 수 있는 데이터와 도구, 실행할 수 있는 작업을 업무에 필요한 범위로 제한하고, 부서·직급별 접근 권한과 함께 설정합니다.
외부 입력 속 지시문 대응
메일·문서·웹 페이지처럼 외부에서 들어온 내용에 포함된 지시문(프롬프트 주입)은 실행 지시로 처리하지 않고 자료로만 다루는 것을 원칙으로 구성합니다. 외부 입력을 근거로 한 실행은 승인 단계를 거치도록 설계합니다.
모델 선택과 학습 제외 설정
보안 요건에 맞는 AI 모델과 구동 환경을 함께 고르고, 외부 AI 서비스를 쓰는 경우에는 입력 데이터를 모델 학습에 쓰지 않는 이용 방식과 설정을 확인해 적용합니다.
구축 방식
데이터 정합성을 먼저 점검한 뒤 에이전트를 연결합니다
에이전트 답변의 정확도는 연결된 데이터의 정합성에 따라 달라집니다. 인트렌치컨설팅은 데이터 측정 프로젝트를 수행해 온 경험으로 원본 데이터의 정의와 정합성을 먼저 점검하고, 그 위에 에이전트를 연결합니다.
에이전트가 조회하는 데이터는 권한별로 구분하고, 민감한 항목은 프록시와 마스킹으로 가린 상태에서 처리합니다. 보안 요건에 따라 외부 AI 서비스, 귀사 계정의 클라우드, 사내 전용 서버·장비(폐쇄망 구성 포함) 가운데 맞는 구성을 고릅니다.
이전 대비 이후
조회·검색·검증에 드는 시간을 구축 전후로 비교합니다
아래 지표를 구축 전에 기준선으로 측정하고, 구축 후 같은 방법으로 다시 측정합니다. 업무별 지표는 업무별 AX 프로젝트에서 확인하실 수 있습니다.
지표
이전
이후
데이터 조회
이전담당 부서에 추출을 요청하고 결과를 기다림
이후자연어로 요청해 결과를 바로 확인
자료 검색
이전여러 시스템과 폴더를 직접 검색
이후답과 근거 문서를 함께 확인
분석 준비
이전데이터를 내려받아 가공한 뒤 분석을 시작
이후정리된 결과에서 해석과 판단을 시작
답변 검증
이전답변의 근거를 다시 찾아 대조
이후답변에 표시된 출처로 바로 대조
함께 운영하는 서비스 전체
비즈스프링과 함께 운영하는 서비스
고객사에 구축하는 에이전트 환경을 자사 업무에 먼저 적용해 운영하고 있습니다. AX 프로젝트 시작하기 페이지에 소개한 서비스를 포함한 전체 목록이며, 각 서비스는 새 창에서 확인하실 수 있습니다.
자주 묻는 질문
AI 에이전트 구축에 대해 많이 묻는 질문
Q.MCP는 무엇이고 왜 씁니까?
MCP(Model Context Protocol)는 AI 에이전트가 외부 데이터와 도구를 호출하는 표준 규격입니다. 표준 규격으로 연결하면 AI 모델이나 업무 도구를 바꾸더라도 연결 구조를 처음부터 다시 만들 필요가 줄어듭니다.
Q.사내 전용 서버·장비에서도 구동할 수 있습니까?
가능합니다. 보안 요건에 따라 사내 전용 서버·장비(폐쇄망 구성 포함)에서 로컬 모델을 구동하는 구성을 선택하실 수 있습니다. 외부 AI 서비스, 귀사 계정의 클라우드와 비교한 정확도와 운영 조건은 미리보기 단계에서 함께 확인합니다.
Q.정확도는 어떻게 확인합니까?
문서 묶음 하나와 실제 질문 목록으로 미리보기 단계에서 정확도를 측정하고, 운영에 쓸 기준을 함께 정합니다. 운영 중에도 같은 질문 목록으로 다시 측정해 변화를 확인합니다.
Q.AI 에이전트는 어떤 데이터와 업무 도구에 연결할 수 있습니까?
사내 문서와 업무 시스템, 광고·분석 데이터 같은 사내 데이터 소스와 업무 도구를 표준 프로토콜(MCP)과 API로 연결합니다. 연결한 뒤에는 담당자가 자연어로 조회·분석·실행을 요청하며, 어떤 데이터와 도구를 연결할지는 범위 확정 단계에서 업무 하나를 기준으로 정합니다.
Q.AI가 근거 없이 답하는 경우는 어떻게 관리합니까?
답변마다 출처 문서와 해당 부분을 표시하고, 근거를 찾지 못한 질문에는 「판단 불가」로 표시합니다. 금액·수량 같은 계산은 언어 모델이 아니라 프로그램이 처리하도록 구성합니다.
Q.부서나 직급에 따라 볼 수 있는 문서를 다르게 할 수 있습니까?
가능합니다. 부서·직급별로 조회할 수 있는 문서와 기능을 구분해 설정하고, 민감한 항목은 가린 상태로 처리하도록 구성합니다.
Q.구축한 뒤에는 사내에서 직접 운영할 수 있습니까?
가능합니다. 연결 구조와 설정, 문서 추가 방법을 정리한 운영 매뉴얼을 드리고, 담당자께 사용 방법과 문서 추가 방법을 교육합니다. 구축 후의 운영 점검(같은 질문 목록으로 정확도 재측정, 연결 점검과 수정)은 필요하신 경우 별도 범위로 정합니다.
Q.에이전트가 의도하지 않은 작업을 실행하지 않도록 어떻게 관리합니까?
외부 발송, 시스템 등록, 데이터 변경처럼 결과가 업무에 바로 반영되는 실행은 담당자가 승인한 뒤에 진행되도록 승인 단계를 설계합니다. 에이전트가 호출할 수 있는 데이터와 도구는 업무에 필요한 범위로 제한하고, 요청과 호출 내역은 실행 기록으로 저장합니다. 메일·문서·웹 페이지 같은 외부 입력에 포함된 지시문은 실행 지시로 처리하지 않고 자료로만 다루는 것을 원칙으로 구성합니다.
연결된 주제 읽어보기 · AX 프로젝트