고객께 권하기 전에,
저희가 먼저 AI로 만들었습니다

고객 대상 AI·AX 사업은 이제 본격적으로 시작하는 단계입니다. 대신 사내 업무 시스템을 AI 에이전트 기반으로 개발해 운영하고, 사내 GPU 서버에서 LLM을 직접 운영하며 통제 방식을 먼저 검증해 왔습니다. 구체적인 사례와 동작 방식은 상담에서 자세히 설명해 드립니다.

개발 속도나 정확도 같은 수치는 측정 조건과 업무 범위에 따라 크게 달라져, 다른 환경에 그대로 옮기기 어렵습니다. 그래서 이 페이지에서는 수치 대신 개발 방식과 검증 절차를 소개합니다. 귀사 환경에서의 효과는 진단과 PoC 단계에서 성공 기준을 함께 정해 확인합니다.

책임은 사람이 집니다. AI 에이전트는 계획 초안과 테스트, 구현, 점검을 수행하지만, 명세 확정과 머지, 운영 반영은 담당자의 승인 없이는 진행하지 않습니다. 품질은 AI의 완료 보고가 아니라 테스트·타입 검사·린트·문서 정합 검사 같은 자동 검증 결과로 판정합니다. AI가 작성한 코드도 나누리아이티가 납품하는 산출물이므로, 품질 기준과 하자 보수는 계약에서 정한 일반 개발 산출물과 같은 기준을 적용합니다.

상용 AI 코딩 에이전트는 외부 사업자가 제공하는 서비스이므로, 쓰는 방식에 따라 코드와 설계 문서의 일부가 그 서비스로 전달될 수 있습니다. 그래서 고객 프로젝트에서는 귀사 보안 정책이 허용한 도구와 개발 환경 안에서만 사용하고, AI에 제공할 수 있는 정보의 범위와 전달 경로는 착수 전에 함께 정해 문서로 남깁니다. 허용되지 않는 환경이라면 그 전제에 맞춰 AI를 쓰는 범위와 방식을 다시 정합니다.

구성에 따라 다르며, 그 구성을 먼저 정하는 것이 저희 일의 시작입니다. 사내에서는 오픈 라이선스 LLM과 임베딩 모델을 사내 GPU 서버에서 직접 운영해, AI 분석 에이전트의 질의 데이터가 사외로 나가지 않는 구성을 쓰고 있습니다. 귀사 환경에서는 내부망 안에서 모델과 도구가 함께 동작하는 설치형 구성을 우선 검토하고, 업무 특성상 외부 모델이나 외부 엔진이 필요하면 어떤 데이터가 어떤 경로로 나가는지 먼저 정리해 귀사와 합의한 범위 안에서만 구성합니다. 망 정책과 적용 가능한 예외 제도는 진단 단계에서 함께 확인합니다.

틀릴 수 있다는 전제로 설계합니다. 금액과 건수 같은 계산은 AI가 아니라 검증된 도구가 하고, AI가 만든 조회는 실행 전에 검증기를 통과해야 합니다. 판단이 필요한 값은 '검토 필요'로 남겨 담당자가 확인하게 하고, 결과에는 원문 위치나 실행한 조회 같은 근거를 붙여 바로 대조할 수 있게 합니다.

개발에는 상용 AI 코딩 에이전트를, 업무 AI에는 오픈 라이선스 LLM과 임베딩 모델, 문서 AI(IDP) 엔진을 용도에 맞게 씁니다. 사내에서 쓰는 오픈 라이선스 모델은 사내 GPU 서버에서 직접 운영하므로 특정 모델 공급사의 서비스에 묶이지 않으며, 후보를 저희 장비에서 실측 비교해 고릅니다. 개발 지원용 사내 LLM은 공개 모델 허브에서 리비전을 고정해 내려받고, 저희 장비와 실사용 조건에서 다시 검증한 뒤 채택합니다. 라이선스는 용도에 맞춰 확인하며, 고객에게 제공하거나 판매를 전제로 한 시스템에는 상업적 이용이 허용된 라이선스의 모델만 씁니다. 계산과 규칙은 검증된 도구와 규칙 엔진에 두어, 모델을 바꿔도 업무 로직과 권한·검증·승인 구조가 흔들리지 않게 설계합니다. 쓰고 있는 모델을 저희가 만든 기술처럼 소개하지 않습니다.

금융위원회 「금융분야 인공지능 가이드라인」의 7대 원칙을 기준으로 사람의 승인 지점, 권한 통제, 근거 표시, 장애 대응 경로를 설계 단계에서 정리하고, 승인 기록과 처리 로그가 남도록 구성합니다. 고영향·생성형 AI를 이용한 제품이나 서비스라면 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」에 따른 이용자 고지도 함께 설계합니다. 보안성 심의와 보안대책 평가는 귀사가 직접 수행하거나 관계 기관에서 받는 절차이므로, 당사는 필요한 설계 근거와 자료 준비를 지원합니다. 법률 자문이나 인증·적합 판정을 대신하지는 않으며, 귀사의 준법·보안 조직과 함께 검토합니다.

진단 단계에서 적용할 수 있는 범위를 먼저 확인합니다. 기존 시스템은 명세와 테스트를 먼저 정리해 AI 에이전트가 따를 기준을 만든 뒤, 그 기준 위에서 고도화나 유지보수 범위를 정합니다. 기준이 없는 상태로 AI에게 코드를 맡기지 않습니다.

범위에 따라 달라 일률적으로 말씀드리기 어렵습니다. 진단에서 적용 후보와 범위를 정한 뒤, PoC의 성공 기준과 함께 일정과 비용을 제안합니다. PoC가 기준에 못 미치면 구축으로 넘어가지 않을 수 있으며, 그 판단 근거는 보고서로 남깁니다.