AI & Data
안전한 데이터 활용부터 AI 에이전트 설계·운영까지, 산업 특화 지식과 내부 데이터를 가장 강력한 비즈니스 자산으로 전환하는 End-to-End 에이전틱 AI 플랫폼
기업의 지식·에이전트·업무 시스템을 하나로 연결해 실제 업무를 실행하는 AI 워크스페이스
개별적인 AI 도입을 넘어, 전사의 데이터 자산화부터 멀티 에이전트의 설계·협업·보안까지 통합 관리하는 엔터프라이즈 AI 오케스트레이션 플랫폼
최적의 AI 활용 사례 도출부터 로드맵 수립까지, 기업의 성공적인 AI 전환 여정과 실질적인 비즈니스 실행을 가이드하는 사용자 중심의 전략 컨설팅 서비스
모델 개발·배포·모니터링 등 전 과정 자동화는 물론, 설정·비용·권한까지 포털 하나로 통합 관리하여 운영 효율을 극대화하는 실전형 MLOps 솔루션
데이터 수집·품질 관리·파이프라인 전 과정을 자동화하고 AI 기반 통합 관리로 데이터 신뢰성과 운영 효율을 극대화하는 엔터프라이즈 데이터 운영 플랫폼
AIOps 기술로 인프라·앱·DB·보안 전 영역을 통합 관리하며, 40% 비용 절감과 운영 효율을 동시에 실현하는 차세대 클라우드 통합 운영 서비스
엔지니어의 노하우를 학습한 에이전틱 AI가 클라우드 운영 전 과정을 스스로 결정·수행하며, 운영 효율을 극대화하는 클라우드 운영 자동화 솔루션
Proxmox·OpenStack 기반 최적화된 아키텍처를 통해 기업 고유의 데이터 보안 환경을 구축하고 유연성을 극대화하는 AI 전용 프라이빗 클라우드 솔루션
80% 이상 자동화된 프로세스를 기반으로, 전략 수립부터 멀티테넌시 아키텍처 구현까지 전 과정을 통합 지원하는 SaaS 전환 전문 프레임워크
AWS 베스트 프랙티스 기반 랜딩존 구축과 가드레일 자동화를 통해, 복잡한 멀티 계정 환경에서도 강력한 보안과 일관된 운영 규제 대응을 보장하는 거버넌스 솔루션
Security
프롬프트 인젝션 및 데이터 유출 위협을 선제적으로 차단하고, AI 활용 전 과정을 보호하여 안전한 도입과 확장을 돕는 맞춤형 AI 보안 서비스
AI 기반 실시간 위협 탐지와 WAF·관제 등 핵심 보안 기능을 통합해 월 50만원으로 제공, 24시간 빈틈없는 클라우드 보안 환경을 실현하는 올인원 보안 서비스
Agentic AI Platform AI Agent 설계 운영 통합
BESPICK 구독하기 ㅣ 1668-1280
금융
방대한 데이터를 실시간으로 수집·분석하고, 클라우드 기반의 유연한 인프라와 강력한 보안 체계를 통해 데이터 기반의 정밀한 의사결정을 지원하는 금융 특화 빅데이터 플랫폼
제조
공정 디지털화부터 클라우드 네이티브 인프라 전환까지, 제조 현장의 모든 데이터를 연결하여 실질적인 성과를 창출하는 AI 기반 디지털 전환 솔루션
설비 교체 없이데이터를 실시간 자산화하고, AI 기반 이상 탐지 및 공정 최적화를 통해 불량률 최소화와 생산성 극대화를 실현하는 지능형 제조 분석 플랫폼
전화·문자 등 아날로그 주문을 AI가 실시간으로 자동 분석하여, 24시간 365일 공백 없는 접수와 수기 오류 제로를 실현하는 지능형 자동화 솔루션
산업 분야
IT
국가대한민국
상품 및 서비스
밸류비젼앤쉽테크는 Database에 적재되는 선박 및 항구에 대한 실시간 정보를 기반으로 AI를 통해 선박 및 항구에 대한 다양한 정보를 제공하는 서비스를 만들고자 했습니다. 하지만 실시간으로 수집되는 방대한 양의 선박 AIS 데이터와 기상 정보를 처리하는 과정에서 성능 저하 문제에 직면했습니다. 내부 연구개발팀을 통해 구축한 Text-to-SQL 기반 챗봇은 낮은 SQL 정확도와 느린 응답 속도로 인해 서비스 전반의 효율성을 떨어뜨렸습니다. 이는 정확도와 응답 속도뿐만 아니라, 높은 운영 비용과 복잡한 아키텍처 관리의 어려움까지 야기했습니다. 특히, LLM(대규모 언어 모델) 활용 시 과도한 Input/Output 토큰이 발생하고, 생성된 쿼리에서 문법 오류가 자주 나타나는 문제도 있었습니다. 더 나아가 AWS Lambda의 제약 조건과 데이터 쿼리에 자동으로 limit,top이 설정되는 문제 또한 효율적인 데이터 관리를 방해하는 요인이 되었습니다.
베스핀글로벌은 고객사의 기존 프로세스(AS-IS)를 먼저 심층적으로 분석하여 문제의 근본 원인을 진단했습니다. 이를 바탕으로 두 가지 핵심적인 개선 방안을 적용했습니다. 첫째, 데이터베이스 구조를 전면적으로 개선했습니다. 기존 데이터를 재정의하고 테이블을 간소화하며, T2S 모델이 더 쉽게 이해할 수 있도록 정규화된 관계를 재설계했습니다. 둘째, 프롬프트 테스트를 통해 정확도를 비약적으로 향상시켰습니다. 실제 업무 환경에서 사용되는 다양한 샘플 쿼리를 보완하고 반복적인 테스트를 진행함으로써 LLM이 정확하고 오류 없는 쿼리를 생성하도록 최적화했습니다. 또한, Amazon Bedrock의 지식기반을 활용해 RAG 아키텍처를 구성하여 효율성을 높였으며, 웹브라우저에 직관적인 UI를 구축하여 사용자 편의성을 개선했습니다.
프롬프트 개선을 통해 응답의 정확도가 90% 이상 달성되었고, 할루시네이션 현상을 최소화할 수 있었습니다. 응답 속도는 기존 대비 약 2배 향상되었으며, 운영 및 유지보수 비용 또한한 약 90% 절감되었습니다. 특히, OpenSearch 대신 pgvector를 활용하여 비용 효율성을 높였습니다. 아키텍처 최적화를 통해 에이전트는 Sonnet 4.0 모델로 쿼리를 생성하고, 더 저렴한 Haiku 모델로 자연어를 변환하는 방식을 채택해 속도와 비용을 동시에 잡았습니다. 또한, 챗봇(ChatVue) 적용시 딥뷰(DeepVue) 솔루션 및 선박 및 항만 상세 정보와 구글맵 연동 등 외부 사이트와의 연계를 통해 서비스의 가치를 극대화했습니다.
