현장 사례 · SAIP · 온톨로지 플랫폼 · S2W · 2025.08 ~ 현재 · 참여 기간
경영분석 소요 시간 95% 이상 단축
SAIP의 화면을 만들고, 그 플랫폼으로 고객 현장의 문제를 풉니다. 제품 기획에는 3인 중 1인으로 참여합니다.
현장에서 확인한 문제
고객사 경영분석 담당자들은 매달 실적을 모으고, 이상한 수치가 보이면 해당 조직에 원인을 물은 뒤 보고서에 담았습니다. 하지만 돌아온 설명이 맞는지 판단하기 어려웠습니다.
누가 무엇을 했나
| 제가 한 일 | 현장 요구사항 수집 | 단독 수행 | 2개사 · 고객 대면 · 데이터 위치와 담당자 파악 · 후속 미팅 직접 주선 |
|---|---|---|---|
| 온톨로지 스키마 설계 | 단독 수행 | 엔티티 타입 약 40 · 관계 약 70 | |
| 고객 데이터 분석 | 단독 수행 | 데이터 결합 방식 설계 · 도출 가능한 인사이트를 AI 에이전트로 검토 · 분석 대상 데이터: 매장 500개+ | |
| SAIP 프론트엔드 26개 화면 | 단독 수행 | 8개월 단독 개발 · SAIP 프론트엔드 주 담당2026.08 기준 | |
| 함께한 일 | 제품 기획 | 주도 | 3인 중 1인 · 기능 제안·기획 문서 주도 |
| 현장 적용 | 주도 | 고객 피드백 반영: 목표 달성까지 반복 개선2026.07 실무 적용 | |
| 동료가 이끈 일 | 서버와 AI 에이전트 | ||
| 다른 팀 | 폐쇄망 설치 | 제 몫은 프론트 빌드 전달까지 | |
| 제품 | 온프레미스 운영 | 고객 폐쇄망 안에서 운영 | |
| SAIP 도입 | 2개사 · 13개 팀제품 현황 · 2026.09 기준 |
제품 맥락
제품 · SAIP가 하는 일
SAIP는 목표 정의부터 파이프라인·온톨로지 설계, 검색 인덱싱, 사람이 검토해 승인하는 워크플로우(HITL), 자연어 챗과 거버넌스 대시보드까지 이어지는 흐름으로 팀을 안내합니다.
SAIP가 다루는 질문: 지식 그래프 기반 의사결정에 필요한 데이터를 어떻게 하면 쉽게 구축할 수 있을까.
SAIP는 RDB·CSV·PDF에서 배치당 최대 65GB를 적재합니다. 제품 기능 · 2026.07 기준
S2W는 SAIP를 “온톨로지 기반 의사결정 OS”라고 소개합니다. S2W 제품 소개(s2w.inc)
현장에서 듣기
고객 현장에 나가 요구사항을 직접 수집했습니다. 2개사 고객을 만나 데이터가 어디에 있고 누가 담당하는지 파악했고, 후속 미팅도 직접 주선했습니다.
가장 어려웠던 건 기술이 아니라 데이터였습니다. 처리 주체마다 구조가 다르고 표현법은 어디에도 명문화돼 있지 않아, 고객사 실무·운영 담당자들과 계속 대화하며 하나씩 해독하고 정립하는 일이 작업의 큰 부분이었습니다.
보고서를 다 읽는 대신, 패턴부터
- 상황
- 3년치 PPT·엑셀 보고서 100건
- 결정
- 전부 읽는 대신 8~10건으로 패턴을 잡음
- 확인
- 나머지도 같은 패턴임을 고객사 실무 담당자와 확인
- 결과
- 프롬프트 엔지니어링으로 추출 방식을 통일
보고서 100건을 나타내는 10×10 격자. 직접 읽은 8~10건만 주황으로 표시돼 있습니다.
구조 잡기
제각각이던 실적 보고를 7개 축으로
- 문제
- 제각각이던 실적 보고
- 설계
- 7개 축으로 통일하는 온톨로지(축 이름은 싣지 않습니다)
- 설계
- 원천 데이터의 결합 방식
- 결과
- 월 70만~125만 row → 경영 판단에 실제로 필요한 월 200여 건
고객 데이터에서 도출할 수 있는 인사이트는 AI 에이전트로 검토했습니다.
월 70만~125만 row의 원천 데이터가 7개 축으로 통일한 온톨로지를 거쳐, 경영 판단에 실제로 필요한 월 200여 건이 됩니다. 이 데이터 결합 방식을 제가 설계했습니다.
검증
제품 · SAIP가 하는 일
제가 한 일
화면 만들기
SAIP 프론트엔드 주 담당으로, 26개 화면을 8개월 동안 단독 개발했습니다. 2026.08 기준
제가 합류한 뒤 SAIP에는 디자이너가 없어, UI 디자인을 AI의 도움을 받아 직접 했습니다.
제가 만든 화면
- 파이프라인 에디터(LLM 추출 노드 포함)
- 온톨로지 그래프
- Overview
- Agent Panel
- 워크플로우 조건 분기 UI
- 경영분석 대시보드
에디터에 내장된 AI 어시스턴트(Agent Panel)의 화면을 만들었습니다. 자연어 요청으로 초안이 제안되면 사용자가 검토한 뒤 승인하거나 거절합니다.
가장 까다로웠던 건 파이프라인 에디터였습니다.
파이프라인 에디터: 언제 계산할 것인가
- 선택지 A
- 전체 데이터를 계속 계산: 느림
- 선택지 B
- 아무것도 하지 않음: 사용자가 파이프라인을 끝까지 돌린 뒤에야 오류를 알게 됨
- 결정
- 데이터는 사용자가 요청할 때만 계산하고, 스키마만 실시간으로 검사
- 결과
- 앞 노드가 바뀌어 뒤 노드가 깨지는 순간 그 노드에 오류 표시
95% 이상
경영분석 소요 시간 단축
분석 결과는 보고에 바로 쓰는 대시보드와 질의응답 챗으로 나옵니다.
2026.07 실무 적용
고객 현장의 경영분석 업무에 SAIP를 직접 활용했고, 고객 피드백을 반영해 목표 달성까지 반복 개선했습니다. 주도
제품 · SAIP가 하는 일
기준치를 넘은 변동 중 계절 요인으로 설명되는 것은 걸러지고, 설명되지 않는 변동은 관련 이벤트·근거와 함께 제시됩니다. 원인을 찾을 때 SAIP는 온톨로지에서 연결된 노드 50여 개를 따라 과거 3년치 비슷한 사례를 찾고, 이번 달 실데이터와 공공 데이터로 만든 시장 흐름을 함께 보여 줍니다.
어떤 결론이든 원천 데이터까지 거슬러 올라가 근거를 확인할 수 있어야 한다는 것이 SAIP 제품의 원칙입니다.
고객사의 다른 팀과는 비정형 문서 요약과 파이프라인 가공 유스케이스를 함께 만들었습니다.
기획으로 가져가기
현장에서 나온 요구를 기획으로 가져갔고, 제품이 바뀌었습니다.
공들여 만든 변환 노드 대부분이 실전에서 쓰이지 않는다는 걸 현장에서 확인했고, 기능을 더하는 것만이 아니라 뺄 것도 제안했습니다.
| 제품에 생긴 변화 | 누가 |
|---|---|
| 쓰이지 않던 변환 노드가 빠지면서, 가공은 SQL Query와 custom Python 노드로 모임 | 뺄 것 제안: 저반영: 제품 |
| 검증 파이프라인이 제품 기능이 됨 | 제품 |
| 한 줄로만 돌던 워크플로우에 분기가 생김 | 조건 분기 UI: 저실행: 제품 |
| 플랫폼 전체 데이터를 한눈에 보는 Overview 화면이 생김 | 새로 만듦: 저 |
| AI Chat의 데이터 시각화가 늘었고, 영문 전용이던 온톨로지 관계(edge) 정의에 한글 표기가 더해짐 | 제품 |
아직 해보지 않은 것
고객 폐쇄망 설치와 서버·인프라 구성은 아직 해보지 않았습니다. 지금은 프론트 빌드를 전달하는 데까지 맡고 있고, 폐쇄망 설치가 다음 과제입니다.
언제든 연락 주세요.
이 사례에 대하여
- 주요 수치에는 기준과 시점을 함께 적었습니다.
- 고객사 이름과 고객 데이터는 싣지 않습니다.
- 이 사례에 실은 SAIP 제품 화면은 모두 제가 만든 화면이고, 데이터는 데모 데이터입니다.
- 제가 한 일은 1인칭으로, 제품이 하는 일은 3인칭으로 나눠 적었습니다.
기준일
온라인판 taeho.world/work/saip/