업무의 변화를 함께 설계하고,
AI로 실현합니다.

식품안전 담당자는 국내외 기관과 언론의 정보를 매일 검토하며 자사와 관련된 위험을 선별하고 있었습니다. 정보량이 증가하는 환경에서 주요 위험 신호를 신속하게 식별·전달하는 체계가 필요했습니다.

접근

이슈 자체의 위험도보다 자사의 원료·국가·제조사와의 관련성을 중심으로 위험 판단 기준을 재정의했습니다. 정보 수집, 관련성 분류 모델, 핵심 정보 추출, 대시보드를 구현하고 운영 시스템 구축의 기술 영역을 주도했습니다.

현업

식품안전 담당자가 업무 판단 기준을 제공하고, 고객사 IT 조직이 운영 시스템을 인수했습니다.

결과

2023년 8월 운영을 시작하고 고객사 IT 조직에 이관했습니다. 해외 공지 게시부터 수집·번역·분석을 거쳐 담당자에게 알림을 전달하기까지 평균 21분이 소요되는 체계를 구축했습니다.

구매팀은 환율·대체 유지·시장 지표를 개별적으로 검토하며 팜유 구매 시점을 판단하고 있었습니다. 실제 구매 조건과 의사결정 시점에 맞는 예측 정보가 필요했습니다.

접근

일반적인 종가 예측 대신 구매팀의 판단 대상인 두 달 뒤 선적가격(M+2)을 예측 목표로 정의했습니다. 가격 오차보다 상승·하락 방향을 우선 평가하도록 기준을 조정하고, 데이터 정합성 확보, 변수 선정, 모델 실험, 화면 로직 구현을 수행했습니다.

현업

구매팀은 예측값과 함께 변수의 흐름, 가격 방향성, 불확실성을 검토해 구매 시점을 판단합니다. 고객사 IT 조직과 운영 요건을 공동으로 정의했습니다.

결과

2024년 9월 운영을 시작했습니다. 운영 버전 검증에서 125개 일별 신호의 상승·하락 방향 예측 정확도는 75.46%였습니다.

마감 담당자는 월말마다 법인카드·세금계산서·부서별 마감 진척·손익 자료를 취합해 진행 상황을 확인하고 있었습니다. 마감 지연과 누락의 원인을 통합적으로 파악할 수 있는 관리 화면이 필요했습니다.

접근

마감 프로세스를 데이터 발생–검증–승인–완료 단계로 구조화하고, 관리 지표와 데이터 연계 기준을 정의했습니다. 핵심 대시보드 모듈을 직접 구현한 뒤 현업이 후속 화면을 개발할 수 있도록 Tableau 교육과 지도를 수행했습니다.

현업

현업 담당자가 핵심 모듈을 기반으로 나머지 대시보드 화면을 직접 개발했습니다.

결과

분산된 파일을 취합해 확인하던 마감 현황을 진행률·누락·손익을 통합 조회하는 대시보드로 구현했습니다. 현업 담당자는 제공된 모듈을 확장하며 Tableau 화면 개발을 이어갔습니다.

신제품 출시나 제품 변경 시 원재료·하위원료 정보, 규정 문서 15종, 기존 승인 문구를 대조해 표시사항을 작성·심의하는 업무입니다. AI가 초안과 규정 근거를 제시하고 전문가가 검토·승인하는 방식으로 재설계했습니다.

접근

작성–검토–승인 프로세스를 데이터 처리, 규정 로직, AI 판단, 전문가 검토로 구분해 설계했습니다. 데이터베이스와 하위원료 전개, OCR·LLM·규칙 로직, 검증 프로그램을 개발하고 연구·품질·IT·외부 개발사 간 의사결정을 조율했습니다.

현업

현업 전문가가 AI 생성 문구와 규정 근거를 검토하고 최종 승인을 담당했습니다.

결과

학습에 사용하지 않은 15개 제품으로 검증한 결과, AI 생성 문구와 현업 정답의 일치율이 34%에서 98%로 향상됐습니다. 2025년 2월 운영을 시작했으며, 법적 판단에 대한 최종 승인은 전문가가 담당합니다.

식물성 마요네즈용 풍미분말 개발 과정에서 연구원들은 원료를 개별적으로 변경하며 맛과 물성(흐름성·압축성)을 조정하고 있었습니다. 제한된 실험으로 원료 간 상호작용을 분석하고 적합한 배합 조건을 도출하는 것이 목표였습니다.

접근

연구 질문을 실험 가능한 요인과 반응값으로 구체화하도록 지도했습니다. 핵심 원료 3개를 동시에 변화시키는 실험과 판정 기준을 설계하도록 교육하고, 통계적 해석과 재현성 검증을 멘토링했습니다.

현업

연구원들이 배합 처방, 시제품 제작, 실험을 처음부터 직접 수행했습니다.

결과

원료 간 상호작용을 분석하고 맛과 물성 기준(안식각 64도 이하, 압축성 35% 이하)을 동시에 만족하는 후보 배합을 도출했습니다. 검증 범위는 실험실 단계입니다.

영업 담당자가 분산된 제품·공장·설비 정보를 탐색해 고객 제안서를 작성하는 업무입니다. 영업·마케팅·연구소·IT 조직의 서로 다른 요구와 변경 사항을 통합된 데이터·서비스 구조로 구체화해야 했습니다.

접근

제품 정보의 수집 범위와 관리 책임을 정의하고, 요구사항을 데이터 구조와 단계별 검증 계획으로 구체화했습니다. 검색·추천·제안서 초안 생성 기능을 PoC로 검증한 뒤 데이터베이스, AI Agent, 백엔드, 웹 화면을 포함한 전체 시스템을 설계·개발했습니다.

현업

현업이 업무 기준과 요구사항을 제시하고, 고객사 IT 조직이 운영 검수를 거쳐 시스템을 인수했습니다.

결과

2026년 7월 개발을 완료하고 고객사 IT 조직에 이관했습니다. 이관 이후의 사용 현황은 확인되지 않았습니다.

플랜트 설계 엔지니어는 신규 프로젝트마다 과거 요구사항서·설계 검토 자료·완료 보고서에서 판단 근거를 다시 탐색하고 있었습니다. 축적된 프로젝트 지식을 설계 검토에 재활용할 수 있는 접근 방식이 필요했습니다.

접근

프로젝트별 업무 차이를 고려해 일반적인 업무 자동화에서 프로젝트 지식 활용으로 과제를 재정의했습니다. 실제 질문을 분석해 3개 업무로 적용 범위를 구체화하고, 유사 프로젝트와 관련 근거, 검토 시 유의사항을 제시하는 Agent를 공동 개발했습니다.

현업

엔지니어들이 1인당 30개가 넘는 실제 질문과 프로젝트 자료를 수집하고, 답변 검증과 피드백에 참여했습니다.

결과

실제 업무 질문을 기반으로 반복 검증한 PoC입니다. 초기에는 사용자가 어떤 질문에 답하는 도구인지 이해하기 어려웠고, 답변의 가독성도 낮아 활용이 저조했습니다. 지원하는 질문 범위를 명확히 안내하고 답변 구성을 개선했습니다.