회사의 사람·업무·데이터·규칙을
AI가 이해하는 구조로 연결합니다.
Ontology Brain(AI Operating Brain)은 회사 안의 사람·업무·데이터·규칙을 연결해, AI가 맥락을 이해하고 실제 업무에 참여할 수 있게 하는 구조 설계 서비스입니다.
주식회사 씨에스아이(CSI) · 부산 · Ontology BrainAI를 붙여도 맥락을 모르면 겉돕니다
챗봇이나 자동화 도구를 붙여도, 회사 고유의 용어·규칙·담당자 관계를 모르면 매번 사람이 다시 설명해야 합니다.
- 회사 용어·업무 규칙이 사람 머릿속에만 있음
- 같은 질문에 부서마다 다른 답을 함
- AI에게 매번 처음부터 배경을 설명해야 함
- 자동화 도구끼리 서로 상태를 모름
- 규칙이 바뀌면 여러 곳을 따로 고쳐야 함
- AI 도구를 붙여도 결과를 신뢰하기 어려움
CSI가 실제로 하는 일
사람·업무·데이터·규칙의 관계를 정의하고, AI가 그 구조를 근거로 검색·판단·실행하도록 연결합니다.
- 핵심 업무 개념·용어·규칙 정의
- 사람·업무·데이터 관계 구조화
- 회사 자료를 AI가 검색해 답변에 활용하도록 연결
- 상태·이벤트에 따라 움직이는 업무 흐름 설계
- ChatGPT 등 AI 도구와 실제 업무 시스템 연결
CSI는 이 구조를 고객에게 제안하기 전에 자사 프로젝트 운영(AI 운영실)에 먼저 적용해 매일 돌리고 있습니다. 여러 프로젝트의 상태·규칙·이벤트를 하나의 기준으로 모아 운영 대시보드에서 공개합니다.
챗봇·단발 자동화와 무엇이 다른가
셋 다 "AI를 쓴다"고 말하지만, 회사에 남는 것이 다릅니다.
질문에 답합니다. 우리 회사의 사람·업무·규칙은 모르기 때문에 일반론으로 답하고, 대화가 끝나면 아무것도 남지 않습니다.
정해진 한 가지 일을 잘 처리합니다. 다만 그 흐름 밖의 상황이나 예외를 만나면 멈추고, 다른 업무와 상태를 공유하지 않습니다.
사람·업무·데이터·규칙의 관계를 먼저 구조로 만들고, 그 위에서 검색·판단·실행이 돌아갑니다. 업무가 늘어도 같은 구조를 재사용하고, 무엇이 왜 그렇게 처리됐는지 근거가 남습니다.
Ontology Brain은 챗봇을 대체하는 제품이 아니라 그 아래에 까는 구조입니다. 이미 쓰고 있는 도구를 바꾸지 않고 그 사이를 연결하는 방식으로 시작합니다.
Ontology Brain을 이루는 6가지
서로 다른 기술을 나열하지 않습니다. 아래 순서로 쌓입니다 — 개념을 정의하고(1), 관계를 구조화하고(2), 그 구조를 AI가 찾아 쓰게 하고(3·4), 업무 흐름과 AI 도구를 연결합니다(5·6).
업무 개념·규칙·관계를 정의합니다.
사람·업무·데이터의 관계를 구조화합니다.
Retrieval-Augmented Generation
회사 자료를 검색해 AI 답변에 활용합니다.
문장의 의미를 기준으로 정보를 검색합니다.
상태·규칙·이벤트에 따라 업무 흐름을 실행합니다.
ChatGPT 등 AI와 실제 업무 도구를 연결합니다.
Vector Database·Embedding 같은 구현 기술은 위 구성요소를 만드는 데 쓰이는 수단입니다. Semantic Search를 구현할 때 벡터 검색을 함께 활용하지만, 메인·상세 설명에서는 사용자가 이해하는 개념(Semantic Search)을 우선합니다.
CSI가 먼저 적용한 사례
고객 사례가 아니라 CSI가 자사 운영에 쓰고 있는 것입니다.
여러 프로젝트의 작업 결과·실패·경고·상태를 하나의 구조로 모아 반복 운영을 자동화한 내부 시스템입니다. Ontology Brain을 CSI 자신에게 먼저 적용한 사례입니다. 자세한 내용은 AI 운영실 상세에서 볼 수 있습니다.
GEO 진단·측정 파이프라인도 같은 방식으로 상태와 근거를 구조화해 운영합니다. 자세한 내용은 AI 검색 정밀진단에서 볼 수 있습니다.
무료진단 신청 한 건이 접수·조사·보고서 작성·검토 대기까지 자동으로 올라가고, 발송 직전 한 걸음만 사람이 승인합니다. 실제 신청 2건을 이 흐름으로 끝까지 처리한 기록을 AI 자동화 실증사례에 날짜·수치·실패까지 공개했습니다.
지금 상담 가능한 범위와, 아직 내부 실증 중인 것
둘을 섞어 말하지 않습니다. 실증 중인 것을 완성된 상품처럼 판매하지 않습니다.
- 업무 개념·규칙·관계 정의(온톨로지 설계)
- 사람·업무·데이터 관계 구조화
- 회사 자료를 AI가 검색해 답변에 활용하도록 연결
- 상태·이벤트 기반 업무 흐름 설계
- 보고·알림 자동화
- ChatGPT 등 AI 도구와 실제 업무 시스템 연결
- 중단된 작업의 조건 충족 시 자동 재개
- 운영 상태를 사람이 기억하지 않아도 되게 만드는 구조
- Human On The Graph — 사람이 모든 반복 단계에 들어가는 대신, 자동화가 움직이는 운영 흐름 위에서 승인·정책·예외 판단에만 개입하는 방식
- 내부 운영 종합 대시보드
CSI가 자사 운영에 쓰면서 검증하는 단계입니다. 업계 표준 용어나 완성된 제품이라고 말하지 않습니다. 관심이 있으면 상담에서 현재 어디까지 되는지 그대로 보여드립니다.
어떤 회사에 필요한가
규모보다 업무가 흩어져 있는 정도가 기준입니다.
- 프로젝트·담당자·진행 상태를 사람이 기억하거나 물어봐야 안다
- 같은 질문에 답이 담당자마다 다르다
- 자료는 있는데 필요할 때 못 찾는다
- AI를 붙여봤지만 우리 회사 맥락을 몰라 일반론만 나온다
- 자동화를 하나씩 붙였더니 서로 상태를 모른다
- 반복 업무가 아직 한두 가지뿐 — 업무 자동화부터가 순서입니다
- 업무 흐름 자체가 아직 정해지지 않았다
- 정리할 자료·규칙이 거의 없다
이 경우 구조부터 만들면 비용만 커집니다. 먼저 한 가지 업무를 자동화해 효과를 확인한 뒤에 구조화로 넘어가는 편이 낫습니다. 우리 회사가 어느 쪽인지 판단이 필요하면 AI Operating Diagnosis(유료 운영 진단)에서 준비 상태부터 확인합니다.
자주 묻는 질문
실제로 많이 받는 질문만 담았습니다.
온톨로지가 정확히 무엇인가요?
회사 안의 사람·업무·데이터·규칙이 서로 어떤 관계인지 AI가 이해할 수 있도록 연결하는 구조입니다. 예를 들어 "누가 이 업무를 담당하는지", "이 데이터는 어떤 규칙을 따르는지"를 AI가 매번 새로 설명 듣지 않아도 알 수 있게 만듭니다.
Knowledge Graph와 RAG는 같은 건가요?
다릅니다. Knowledge Graph는 사람·업무·데이터의 관계 자체를 구조화한 지도이고, RAG는 회사 자료를 검색해 AI 답변을 만들 때 근거로 활용하는 방식입니다. Ontology Brain은 이 둘을 포함한 여러 구성요소를 함께 설계합니다.
당장 도입해야 하나요?
아닙니다. Ontology Brain은 AI 자동화·GEO가 어느 정도 자리 잡은 뒤, 여러 업무·데이터를 하나의 구조로 묶고 싶을 때 검토하는 확장 단계입니다. 먼저 무료 진단이나 AI 자동화 상담으로 시작하는 것을 권장합니다.