- 제조업 공정 문서·작업표준
- 전문자격 교육 리포트·조판
- 법령 기반 상담 근거 제시 Q&A
- 커머스 스토어 운영 자동화
짜임새는 누구인가
흩어진 것을 하나의 구조로 엮는다는 뜻입니다.
미션 · 비전
흩어진 업무·데이터·도구를 AI로 로직화해 성과로 만든다.
형식적·반복적인 것은 시스템으로 굴리고, 사람의 강점은 살립니다.
여러 도메인에 실제로 꽂히는 AX를, 프로덕션까지.
“짜임새 있게 만든다”가 업계의 기준 동사가 되게.
핵심 가치
시스템화
사람이 매달리지 않아도 돌아가는 구조를 만듭니다. 반복되는 일은 시스템에 맡깁니다.
실사용 우선
현장에서 매일 쓰이는 것을 만듭니다. 성과는 실제 사용률로 확인합니다.
검증 후 확장
작게 검증하고 확인된 것부터 키웁니다. 비용은 줄이되 정확성과 데이터 보안은 그대로 둡니다.
완성도
작동하는 수준을 넘어, 실제로 손에 익을 때까지 다듬습니다.
일하는 범위
전략부터 운영까지 한 곳에서 맡습니다. 그래서 기획과 개발 사이에서 요구사항이 새지 않습니다.
| 구분 | 하는 일 | 대표 산출 |
|---|---|---|
| 01전략 | 어디에 AI를 붙일지 찾고, 효과와 난이도로 순서를 정합니다 | 후보 목록 · 첫 대상 제안 |
| 02구축 | 시스템 설계 · 데이터·검색 구조 · 애플리케이션 개발 | 운영 가능한 시스템 |
| 03신뢰 | 분야별 품질 채점 · 근거 확인 · 틀린 답 차단 | 채점 기준표 · 정확도 기준 |
| 04운영 | 배포 · 모니터링 · 개선 반영 · 교육 · 인수인계 | 상시 운영 · 사용률 |
다뤄 온 도메인
사업자 정보
| 상호 | 짜임새 (ZZAIMSE) |
| 대표 | 이현규 |
| 사업자등록번호 | 810-01-04230 |
| 업태 · 종목 | 정보통신업 — 응용 소프트웨어 개발 및 공급업 · 컴퓨터 시스템 통합 자문 및 구축 서비스업 · 컴퓨터 프로그래밍 서비스업 전문, 과학 및 기술서비스업 — 경영 컨설팅업 도매 및 소매업 — 전자상거래 소매업 |
서비스
진단부터 운영까지 맡습니다. 진단만 의뢰하셔도 됩니다.
서비스 라인
AX 진단 · 대상 발굴
업무를 훑어 AI가 성과를 낼 지점을 찾고, 효과와 난이도로 순서를 정합니다. 가능 여부부터 먼저 알려드립니다.
산출 — 후보 목록 · 우선순위 판정 · 첫 대상 제안
업무 자동화 설계 · 구축
데이터·도구·SaaS를 하나의 흐름으로 잇습니다. 수집부터 발송까지 사람 손 없이 매일 돌아갑니다.
산출 — 자동화 흐름 · 정기 실행 · 모니터링 · 운영 인수인계
분야 특화 AI 시스템
법령·산식처럼 정확성이 전부인 분야를 다룹니다. 답변마다 근거를 붙이고, 품질을 점수로 계측합니다.
산출 — 근거 검색 구조 · 채점 체계 · 개선 반영
커머스 성장 자동화
스토어 운영 데이터를 모아 일일보고로 만들고, 상세페이지 제작을 자동화합니다. 운영자는 판단에만 집중합니다.
산출 — 운영 리포트 자동화 · 콘텐츠 생성 파이프라인
도입 절차
손이 가장 많이 가는 업무 하나를 골라 먼저 자리 잡게 합니다. 그다음 그 축으로 넓힙니다.
4단계
| 단계 | 하는 일 | 산출 | 종료 조건 |
|---|---|---|---|
| 01진단ASSESSMENT | 업무를 훑어 AI가 성과를 낼 지점을 찾고, 효과와 난이도로 순서를 정합니다. | 유스케이스 목록 · 우선순위 판정 | 첫 대상 1건 합의 |
| 02파일럿PILOT | 고른 업무 하나를 소수가 실제로 쓰는 데까지 만듭니다. 그 분야의 양식·법령·산식을 지키게 설계합니다. | 소수 실사용 시스템 · 채점 체계 | 정확도 기준 통과 |
| 03프로덕션PRODUCTION | 매일 돌아가는 상태로 올립니다. 모니터링과 피드백 루프를 붙여 틀린 답이 바로 잡히게 합니다. | 상시 운영 시스템 · 모니터링 | 운영 안정 · 장애 대응 체계 |
| 04정착ENABLEMENT | 교육과 가이드를 만들고 운영을 넘깁니다. 실제로 쓰이기 시작하면 마칩니다. | 교육 · 가이드 · 운영 인수인계 | 도입률로 성과 확정 |
자주 묻는 질문
Q1어느 단계부터 시작하나요?+
진단부터 시작합니다. 무엇을 만들지 정한 뒤에 개발합니다. 진단만 받고 내부에서 직접 만드셔도 됩니다.
Q2기존 시스템을 걷어내야 하나요?+
아니요. 업무 하나를 골라 그 옆에 붙입니다. 쓰던 양식과 절차를 그대로 두는 편이 오히려 사용률이 높습니다. 제조 문서 편집기도 기존 서식을 한 글자도 바꾸지 않는 것이 첫 요건이었습니다.
Q3틀리면 안 되는 업무인데, AI를 믿을 수 있나요?+
그대로 믿을 수는 없습니다. 그래서 답변에 근거를 붙이고, 품질을 점수로 채점하고, 틀린 답을 기록해 고치는 장치를 함께 만듭니다. 정확도 기준을 넘겨야 실사용에 올립니다.
Q4데이터는 어디에 저장되나요?+
요건에 맞춥니다. 사내 서버에만 두는 구성이 가능하고, 실제로 그렇게 운영 중인 사례가 있습니다. 외부 모델을 어디까지 부를지도 도입 전에 문서로 정합니다.
Q5만들어만 주고 끝나는 것 아닌가요?+
교육·가이드·운영 인수인계까지가 한 건입니다. 실제로 쓰이기 시작하는 것을 확인하고 마칩니다.
Q6비용은 어떻게 되나요?+
업무 범위에 따라 다릅니다. 진단에서 범위를 확정한 뒤 산정해 드립니다.
레퍼런스
아래 세 건은 지금 현장에서 매일 돌아갑니다. 수치는 실측입니다.
상시 운영 사례
공정 규격서와 작업표준서(SOP) 원본 249건을 디지털 편집기로 옮겼습니다. 문서가 곧 품질인 산업이라, 양식과 수치를 그대로 지키는 것이 첫 요건이었습니다.
- 기존 서식 그대로 — 쓰던 사람이 다시 배울 필요 없게
- 규격 값을 한 곳에서만 — 값이 한 곳에서만 나오게 해 옮겨 적다 생기는 오류를 없앰
- 이중 검증 — 육안과 수치 두 번 확인해 렌더 오차를 잡음
강사가 쓰던 원본 PDF를 구조화 문서로 바꿔, 브라우저에서 바로 조판·편집하게 만들었습니다. 손에 익어야 쓰기 때문에 조작감에 공을 들였습니다.
- 자체 undo/redo 스택 · 드래그 리사이즈 · 표 행/열 이동
- 고아 방지 페이지네이션 — 문단이 페이지 끝에서 갈라지지 않게
- 강사 피드백을 그 주에 반영 — 쓰는 사람이 요구사항을 정함
실무자·수험생 대상 법령 근거 Q&A를 메신저 채널로 운영합니다. 법조항과 산식이 걸려 있어 “그럴듯한 오답”이 가장 큰 위험이었고, 설계를 거기에 집중했습니다.
- 두 갈래 검색 — 의미로 찾기 + 단어로 찾기를 함께 — 드문 법조항·산식도 놓치지 않음
- 5개 항목 채점 — 구조 · 누락논점 · 표현 · 산식추출 · 계산검증
- 쓸수록 정확해짐 — 만족도 응답으로 틀린 답을 기록해 개선
사례의 상호·브랜드·로고는 고객 동의 후 공개합니다.
기술 · 보안
검토 단계에서 가장 자주 받는 질문이라 먼저 공개합니다.
스택 · 데이터 원칙
- 온프레미스 배포 가능사내 서버·사내망에 그대로 올립니다. 회사 밖으로 나가면 안 되는 문서·도면·규격 정보를 그렇게 다뤄 왔습니다.
- 사내 GPU에서 모델 직접 구동외부 API를 부르지 않고 공개 모델을 자체 장비에서 돌리는 구성을 운영하고 있습니다. 이 경우 데이터가 회사 밖으로 나가지 않고, 사용량에 따른 과금도 없습니다.
- 접근 통제부서 단위 권한과 접속 제한을 기본으로 둡니다.
- 비밀정보 분리API 키·토큰은 환경변수로만 주입하고, 코드·로그·문서에는 남기지 않습니다.
- 위험한 작업은 사람이 승인삭제·데이터 이전·외부 발송은 미리보기를 먼저 보여주고, 사람이 확인한 뒤 실행합니다.
- 값은 한 곳에서만같은 값이 여러 곳에 흩어지지 않게 설계합니다.
정확성 관리
정확성이 중요한 업무에는 근거 붙이기 · 품질 채점 · 틀린 답 기록을 시스템과 함께 만듭니다. 정확도 기준을 넘겨야 실사용에 올립니다.
| 장치 | 역할 |
|---|---|
| 두 갈래 검색RAG | 뜻으로 찾는 방식과 단어로 찾는 방식을 함께 씁니다. 드문 법조항·산식의 정확한 용어와 숫자까지 찾아냅니다. |
| 채점 기준표SCORING | 항목별 배점표로 답안 품질을 점수화합니다. 한 사례에서는 5개 항목(구조·빠진 논점·표현·산식 추출·계산 검증)으로 운영합니다. |
| 개선 반영FEEDBACK | 실사용자의 만족도 응답으로 오답을 기록해, 쓸수록 정확해집니다. |
| 전수 검증SWEEP | 문서 렌더처럼 정답이 정해진 영역은 전수 비교로 오차를 잡습니다. (제조 문서 354/354 통과) |
내보내기 전 검증
만든 것을 고객에게 보내기 전에 가상 사용자 230명에게 먼저 통과시킵니다. 쓰는 사람이 어디서 막히는지를 초안 단계에서 확인하기 위해서입니다.
- 실측 분포로 구성 — 해당 분야의 공개 통계를 반영해 사용자 200명과 검토자 30명을 구성했습니다. 연령·경력·성향이 제각각이라 한 사람에게 물었을 때 놓치는 반응이 드러납니다.
- 사내 장비에서 구동 — 자체 GPU의 공개 모델로 돌립니다. 외부 API 비용이 들지 않아 초안마다 반복해서 돌릴 수 있습니다.
- 1차 필터로만 씁니다 — 가상 반응은 실사용자를 대신하지 못합니다. 걸러내는 용도이고, 최종 확인은 실제 사용자와 현장에서 합니다.