세계 최대 규모의 네트워크 현대화 프로그램 중 하나에는 데이터의 위치뿐 아니라 비즈니스의 사고방식을 이해하는 AI가 필요했습니다.
수천 개의 운영 중인 기지국을 대상으로 여러 해에 걸쳐 무선 접속망을 현대화하는 사업이었습니다. 네 개의 운영 업무가 병렬로 진행되었지만, 이 모든 것을 연결하는 지식은 소수의 선임 프로그램 관리자 머릿속에 갇혀 있었습니다.
모든 기지국에서 현장 작업, 보건·안전·환경(HSE) 준수, 서비스 중단 관리, 공식 완료 절차가 동시에 진행되었습니다. 공급업체 팀, 종합 시공사, 프로그램 관리자, 안전 검사원은 각기 다른 운영 정보 조각을 가지고 있었습니다.
가장 중요한 질문에 답할 수 있는 사람도 시스템도 없었습니다: ‘이 기지국에서 다음에 무엇을 해야 하며, 그 이유는 무엇인가?’ 이 조각들을 연결하는 암묵지는 전적으로 사람의 머릿속에 있었습니다. 담당자가 부재하면 사업 진행도 느려졌습니다.
초기 AI 시범사업은 일반적인 방식을 따랐습니다. LLM을 운영 데이터베이스에 연결하고 자연어 질의를 지원했습니다. Text-to-SQL과 문서 기반 RAG를 사용했습니다.
관계 추론의 부재 LLM은 표에 접근했지만 비즈니스 모델은 알지 못했습니다. ‘준비 완료’ 기지국을 만료된 정비 가능 시간대나 지난주 HSE 인증이 만료된 공급업체와 연결하지 못했습니다.
암묵지는 프롬프트만으로 얻을 수 없습니다. 공급업체 자격, 상위 보고 경로, 예외 처리 규칙은 문서화된 적이 없었습니다. 프롬프트를 아무리 개선해도 드러낼 수 없었습니다.
정확하지 않은 자신감 단순 조회는 작동했습니다. 그러나 일정, 규정 준수, 공급업체 이력을 아우르는 다단계 추론은 유창하고 구체적이지만 잘못된 답을 내놓았습니다.
LLM을 데이터베이스에 직접 연결하는 대신 숙련된 실무자의 머릿속에 있는 엔터티, 관계, 지표, 의사결정 규칙을 담은 비즈니스 지식 그래프를 구축했습니다.
이 그래프는 문서를 읽거나 스키마를 역설계해 만든 것이 아닙니다. 이해관계자와의 구조화된 대화 세션을 통해 채워졌습니다. 적응형 시스템 Morrie는 소크라테스식 인터뷰를 진행하고, 점점 구체적인 업무 질문을 하며, 전문가가 실제 업무 방식을 설명하는 동안 그래프 노드를 실시간으로 구성합니다.
프로그램 관리자, 현장 책임자, HSE 감독자와 14회 세션을 진행했습니다. 각 세션은 문서에 없던 엔터티, 관계, 임계값, 예외 논리를 끌어냈습니다.
14회 세션 · 엔터티 42개, 지표 18개, 의사결정 규칙 12개 수집 · 모든 노드를 해당 대화까지 추적 가능
지금 어떤 기지국을 살펴봐야 하는가? 무엇이 막고 있는가? 어떻게 해야 하는가? 최초 배포된 에이전트는 사업에서 가장 어려운 질문에 답했습니다.
Intelligence Warehouse는 가치가 누적되는 자산입니다. 첫 사례에서 투자하고, 이후에는 이미 구조화한 지식을 활용합니다.
| 활용 사례 | 지식 그래프 재사용률 | 정확도 | 운영까지의 기간 | 비용 |
|---|---|---|---|---|
기지국 실행 인텔리전스 장애 요인 탐지, 우선순위 지정, 다음 조치 |
기준 | 96.1% | 6주 | 100% |
HSE 준수 예측 기지국·공급업체별 감사 실패 가능성 예측 |
76% | 95.4% | 13일 | 9% |
정비 시간대 최적화 일정 수립, 충돌 탐지, 만료 알림 |
81% | 95.8% | 10일 | 8% |
공급업체 성과 & 배정 처리량, SLA 위반 예측, 인력 매칭 |
84% | 96.2% | 9일 | 7% |
비용 하락은 구조적입니다. 후속 사례마다 동일한 온톨로지와 지표 계층, 대부분의 의사결정 논리를 재사용합니다. 새 의사결정 규칙과 추가 엔터티 관계만 구축하면 됩니다.
첫 사례에서 이미 그래프에 구축한 엔터티 42개, 지표 18개, 의사결정 규칙 12개와 비교한 수치입니다.
네 가지 사례, 하나의 지식 기반. 확장할수록 더 빠르고, 저렴하고, 정확해집니다.