실제 업무에 적용한 구축 경험

문제

사내 데이터가 시스템마다 흩어져 있어 현업이 직접 질의할 수 없었습니다. 외부 SaaS는 데이터 주권과 보안 때문에 선택지가 아니었고, 사내 AI 사용 비용을 통제할 수단도 없었습니다.

만든 것

여러 모델을 한 화면에서 쓰는 사내 작업대, 자연어 질의 게이트웨이, 부서별 크레딧·권한·사용량 통제, 사내 호스팅 운영 체계를 요건정의부터 운영까지 단독으로 구축했습니다. 지금의 OnDo AI Ontology가 이 구조 위에서 나왔습니다.

달라진 점

개발자를 거치지 않고 현업이 직접 데이터를 묻고 확인합니다. 민감 데이터는 기업 안에 남고, 부서별 사용량이 보여 AI 비용을 체계화했습니다.

문제

기존 경영정보시스템이 노후화되어 지표 정의가 부서마다 달랐고, 데이터를 취합하는 데 시간이 걸렸습니다.

만든 것

차세대 경영정보시스템을 구축하고 총괄 운영을 맡았습니다. 지표 정의를 정리하고 데이터 수집 경로를 표준화했습니다.

달라진 점

같은 지표를 같은 기준으로 봅니다. 구축에서 끝나지 않고 운영까지 이어져 지표 변경이 반영됩니다.

문제

고객 데이터가 여러 곳에 나뉘어 있어 전사 기준으로 한 번에 보기 어려웠습니다.

만든 것

전사와 부문 기준을 함께 볼 수 있는 고객 분석 대시보드를 구축하고 운영했습니다. 지금 OnDo AI Vector의 분석 대시보드 운영 기능이 이 경험에서 시작됐습니다.

달라진 점

기준월을 바꾸며 같은 화면에서 비교합니다. 매번 취합하던 작업이 사라졌습니다.

문제

현장과 이동 중에는 지표를 확인할 수 없어 판단이 사무실 복귀 이후로 밀렸습니다.

만든 것

모바일 환경에 맞춰 경영정보시스템을 차세대로 재구축했습니다.

달라진 점

필요한 시점에 바로 지표를 확인합니다.

문제

쌓이는 상품평을 사람이 모두 읽을 수 없어, 반복해서 나오는 내용을 놓쳤습니다.

만든 것

리뷰를 자동으로 요약하고 분류하는 시스템을 구축해 운영에 연결했습니다. 프롬프트 설계와 LLM 라우팅 경험은 지금 OnDo AI Ontology의 질의 처리 방식으로 이어졌습니다.

달라진 점

반복 지적 사항이 먼저 보입니다. 개선 항목을 정하는 근거가 생겼습니다.

문제

외부 트렌드와 시세 데이터를 기업 안으로 들여올 경로가 없었습니다.

만든 것

검색, SNS, 커머스 데이터를 수집하는 API를 만들어 출시했습니다.

달라진 점

바깥의 데이터가 사내 분석과 같은 자리에 들어옵니다. 지금의 OnDo AI Vector가 하는 외부 데이터 수집·가공이 이 API에서 시작됐습니다.

사례 이미지 영역