AI
The ChallengeAI를 도입해도
AI를 도입해도
기업이 바뀌지 않는 이유
도입 단계가 아니라 운영 단계에서,
기업이 반복적으로 마주하는 네 가지 문제입니다.
01
데이터가 흩어져 있습니다
ERP, 엑셀, 그룹웨어, 문서의 숫자와 기준이 서로 다릅니다.
이번 달 매출
ERP₩1.24억
엑셀₩1.19억
그룹웨어₩1.31억
✕ 동일 항목, 서로 다른 기준
02
AI가 회사 시스템에 연결되지 않습니다
챗봇은 답변하지만 조회, 승인, 등록, 정산 업무를 실행하지 못합니다.
AI 챗봇 · 웹
이번 달 매출 알려줘
회사 데이터에 접근할 수 없어요
✕ 회사 시스템(ERP·DW)과 연결 안 됨
03
권한과 감사 체계가 없습니다
누가 어떤 데이터를 조회하고 어떤 업무를 실행했는지 통제하기 어렵습니다.
Activity Log
사용자작업시각
—데이터 조회기록 없음
—업무 실행기록 없음
✕ 누가·언제·무엇을 했는지 추적 불가
04
PoC가 프로덕션으로 이어지지 않습니다
데모는 성공하지만 실제 현업 업무와 시스템에 배포되지 못합니다.
PoC 데모
✓ 성공
프로덕션
✕ 미배포
✕ 실제 업무·시스템에 배포되지 못함
Poooling Enterprise AI Architecture기업의 데이터를 연결하고,
기업의 데이터를 연결하고,
AI가 실제 업무를 수행하게 합니다
풀링포레스트는 ERP, 문서, 엑셀, 레거시 시스템을 하나의 데이터 기반으로 연결합니다.
그 위에서 AI Agent가 기업의 맥락을 이해하고, 승인된 범위 안에서 조회·판단·등록·정산·보고 업무를 수행합니다.
Enterprise Systems데이터 출발점 · 실행 도착점
ERP / CRM / SCM / Groupware / Email / Slack / Legacy↓데이터를 읽어업무를 실행하고 다시 기록↑
01
AX Data Foundation
흩어진 데이터를 하나의 업무 언어로02
Enterprise Agent Platform
AI가 안전하게 판단하고 실행하는 공통 기반03
Business Agents
부서별 업무를 수행하는 AI 에이전트04
Enterprise Execution
답변을 넘어 실제 시스템에서 실행Governance & Security
IdentityAccess ControlHuman ApprovalPolicyAudit LogEvaluation
Shared Enterprise Intelligence한 사람의 방법론이
한 사람의 방법론이
전사의 역량이 됩니다
개인이 각자 사용하는 AI에는 조직의 경험이 축적되지 않습니다.
풀링포레스트는 전사가 공유하는 하나의 Agent Platform을 구축합니다.
누군가 찾아낸 더 나은 업무 방법은 검증된 Skill로 등록되고, 모든 구성원의 Agent에 동일하게 적용됩니다.
실행 결과와 예외는 다시 평가되어 조직의 업무 방식이 지속적으로 개선됩니다.
From Individual Know-how to Shared Skill↻ 지속 개선 순환
01더 나은 업무 방법 발견→02검토·승인→03Enterprise Skill 등록→04전사 Agent 배포→05실행 결과 평가→06Skill 개선
개인에게 머무는 방식
김대리가 매달 엑셀을 정리하고, 거래처별 미수금 독촉 대상을 직접 판단합니다. 그 기준은 김대리에게만 남습니다.
플랫폼에 축적되는 방식
김대리의 판단 기준을 ‘미수금 관리 Skill’로 표준화합니다. 모든 지점과 법인이 같은 기준으로 실행하고, 예외만 담당자가 검토합니다.
AI를 한 명씩 지급하는 것이 아니라,
조직 전체가 함께 진화하는 업무 시스템을 만듭니다.
01
Shared Context
모든 Agent가 승인된 공통 데이터 모델과 업무 맥락을 기반으로 작동합니다. 실제 데이터 접근과 실행 범위는 사용자별 권한에 따라 달라집니다.
02
Shared Skills
검증된 업무 방법을 Skill로 등록해 전사에 재사용합니다.
03
Continuous Improvement
실행 결과와 예외를 평가하고, 검토와 승인을 거친 개선안을 Skill에 반영합니다.
전사의 지능이 하나로 연결될수록,
권한과 책임도 함께 설계되어야 합니다.
Production & Governance공유는 넓게,
공유는 넓게,
권한은 정확하게
전사가 하나의 데이터와 Skill을 공유하더라도, 각 구성원이 조회할 수 있는 정보와 실행할 수 있는 업무는 다릅니다.
사용자의 역할과 데이터 범위에 따라 접근을 제한하고, 중요한 실행은 사람의 승인을 거치며, 모든 판단과 행동을 기록합니다.
Agent Action Log
Example ScenarioAction Request
“30일 이상 연체된 거래처에 독촉 메일을 보내고 담당자 업무를 등록해줘”
01
Context Retrieved✓
매출채권 원장 128건, 입금 내역 84건, 거래처 정보 42건 조회
02
Access Checked✓
요청자에게 매출채권 조회 권한 확인
03
Policy Applied✓
외부 이메일 발송은 담당자 승인 필요
04
Agent Prepared✓
대상 거래처 7곳, 독촉 문안 7건, 담당자 업무 7건 생성
05
Human ApprovalApproved
재무팀 김지원 승인 완료
06
Executed✓
이메일 발송, CRM 업무 등록, 처리 결과 ERP 기록
07
Audit Saved✓
실행자, 승인자, 모델, 도구, 결과, 오류 기록 저장
Access Control
사용자와 조직의 권한을 그대로 적용부서, 직책, 역할, 데이터 범위에 따라 에이전트가 조회하고 실행할 수 있는 범위를 제한합니다.
Human Approval
중요한 결정은 사람이 승인전표 전기, 계약 확정, 외부 발송, 자금 집행처럼 영향이 큰 업무는 사람의 승인을 거쳐 실행합니다.
Audit Log
모든 행동을 다시 확인할 수 있도록 기록조회한 데이터, 사용한 모델, 실행한 도구, 승인자, 결과를 감사 가능한 형태로 남깁니다.
AI에게 모든 권한을 주지 않습니다.
승인된 업무 안에서 필요한 최소 권한만 부여합니다.
Deployment Options기업의 보안과 운영 조건에 맞춰
기업의 보안과 운영 조건에 맞춰
가장 적합한 AI 환경을 설계합니다
빠른 도입이 필요한 기업부터 민감 데이터를 자체 인프라에서 처리해야 하는 기업까지,
동일한 Poooling Architecture 위에서 Cloud, Private, Hybrid 환경을 지원합니다.
Technology Option · OpenAI APICloud AI
가장 빠르게 시작하는 Cloud AI
최신 AI 모델을 활용해 빠르게 Agent를 구축하고, 별도의 GPU 인프라 운영 없이 사용량에 따라 확장합니다.
적합한 경우
- —빠른 운영 환경 배포가 중요
- —복잡한 추론과 멀티모달 처리가 필요
- —자체 GPU 운영 인력이 부족
대표 업무
지식 검색 / 문서 분석 / 경영보고 / 업무 자동화 / 소프트웨어 개발
구조
Enterprise Systems→Poooling Agent Platform→OpenAI API
통제 방식
데이터 접근, 도구 실행, 사용자 권한, 승인, 감사 기록은 Poooling Agent Platform에서 관리합니다. 데이터 보존·지역 저장 등은 고객의 보안 정책에 맞춰 설정을 검토합니다.
Technology Option · NVIDIA NIM / NVIDIA AI EnterprisePrivate AI
고객 인프라 안에서 운영하는 Private AI
고객사의 데이터센터, 프라이빗 클라우드 또는 통제된 GPU 환경에 모델과 추론 서비스를 배포합니다.
적합한 경우
- —민감한 내부 데이터 처리
- —외부 네트워크 연결 제한
- —온프레미스 운영 요구
대표 업무
내부 문서 분석 / 제조 데이터 처리 / 금융 업무 / 연구 데이터 / 폐쇄망 Agent
구조
Enterprise Systems→Poooling Agent Platform→NVIDIA NIM→Customer GPU Infrastructure
통제 방식
모델, 데이터, 로그, 실행 환경을 고객이 지정한 인프라 안에서 운영합니다. NVIDIA NIM은 자체 호스팅 가능한 추론 마이크로서비스이며, NVIDIA AI Enterprise는 클라우드·데이터센터·엣지에서 AI 애플리케이션을 운영하는 소프트웨어 플랫폼입니다.
Hybrid AI Orchestration하나를 선택하는 것이 아니라,
하나를 선택하는 것이 아니라,
업무에 따라 가장 적합한 모델을 사용합니다
일반적인 추론은 Frontier Model로, 민감한 내부 문서는 Private Model로, 반복 작업은 비용 효율적인 소형 모델로 처리할 수 있습니다.
Poooling Agent Platform이 데이터 등급, 정확도, 속도, 비용 정책에 따라 실행 환경을 선택합니다.
업무실행 환경
복잡한 경영 분석OpenAI 기반 Frontier Model
사내 민감 문서 요약NVIDIA 기반 프라이빗 환경
대량 문서 분류경량 전용 모델
OCR과 이미지 분석Vision 특화 모델
단순 상태 조회규칙 엔진 또는 소형 모델
Three Entry Points모든 기업이 같은 곳에서
모든 기업이 같은 곳에서
시작할 필요는 없습니다
데이터가 문제인 기업, 반복 업무가 문제인 기업, 레거시 시스템이 문제인 기업은 출발점이 다릅니다.
가장 시급한 영역부터 시작하고, 하나의 Enterprise AI Architecture로 점진적으로 확장합니다.
숫자가 서로 맞지 않습니까?
Start with Data01
데이터가 서로 맞지 않는다면
ERP, 엑셀, 문서와 부서별 지표를 연결하고, AI가 신뢰할 수 있는 데이터 기반부터 구축합니다.
이런 기업에 적합합니다
- —같은 매출과 원가를 부서마다 다르게 계산
- —거래처·품목·계정 기준이 시스템마다 다름
첫 구축 범위
데이터 소스 진단→기준정보 정의→데이터 연결→핵심 지표 통합
첫 번째 결과
통합 경영지표, 자연어 데이터 조회, 첫 번째 분석 Agent
반복 업무에 사람이 묶여 있습니까?
Start with Work02
반복 업무가 명확하다면
사람이 매일 반복하는 하나의 업무를 선택해, 실제 데이터를 읽고 시스템에서 실행하는 Agent로 전환합니다.
이런 기업에 적합합니다
- —명확한 반복 업무가 존재
- —조회와 복사·등록이 사람에게 집중
첫 구축 범위
업무 흐름 분석→시스템 연결→Agent 구축→승인과 로그 적용
첫 번째 결과
실제 업무에서 운영되는 첫 번째 AI 에이전트
오래된 시스템이 변화를 막고 있습니까?
Start with System03
기존 시스템이 변화를 막고 있다면
PowerBuilder, 노후 Java, 오래된 ERP와 데이터베이스를 분석하고, API와 현대적인 애플리케이션 구조로 단계적으로 전환합니다.
이런 기업에 적합합니다
- —시스템을 수정할 수 있는 개발자가 부족
- —기능 추가가 기존 시스템 때문에 지연
첫 구축 범위
시스템 인벤토리→전환 우선순위→공통 API→핵심 모듈 전환
첫 번째 결과
현대화된 첫 번째 업무 모듈과 전체 전환 로드맵
출발점은 달라도, 최종적으로는 데이터·Agent·업무 시스템이 하나의 구조로 연결됩니다.
데모가 아니라
프로덕션으로
증명합니다
화려한 제안서보다,
실제 데이터와 업무 위에서 동작하는 결과가
경영진의 의사결정을 돕는다고 믿습니다.
첫 Executive Briefing은 부담 없이 시작하고,
기업별 분석과 설계는 AX Blueprint 단계에서
목표 아키텍처와 투자 로드맵으로 구체화합니다.
Adoption Process
01
Executive Briefing
30분간 경영 과제와 AI 적용 가능성을 진단합니다.
02
AX Blueprint
업무·데이터·시스템을 분석하고 목표 아키텍처와 투자 로드맵을 설계합니다.
03
Production Pilot
실제 데이터와 업무를 대상으로 제한된 범위의 프로덕션 파일럿을 구축합니다.
04
Scale
검증된 구조를 부서·법인·업무 영역으로 확장합니다.
01
Executive Briefing
30분간 경영 과제와 AI 적용 가능성을 진단합니다.
02
AX Blueprint
업무·데이터·시스템을 분석하고 목표 아키텍처와 투자 로드맵을 설계합니다.
03
Production Pilot
실제 데이터와 업무를 대상으로 제한된 범위의 프로덕션 파일럿을 구축합니다.
04
Scale
검증된 구조를 부서·법인·업무 영역으로 확장합니다.
Latest Insights
