📰 kt ds “클라우드와 AI로 시장서 도약할 것”
kt ds는 최근 하나은행의 체험형 금융 플랫폼 '아이부자 앱'의 퍼블릭 클라우드 구축 사업을 완료했다고 밝혔다.
하나은행은 퍼블릭 클라우드에 랜딩존을 구축한 후 순차적으로 기존 서비스를 클라우드 기반으로 전환할 계획이다. 첫 사례가 아이부자 앱이다.
kt ds는 하나은행 외에도 다수의 금융 고객을 대상으로 클라우드 전환사업 주 수행사로 참여하는 등 금융권 선도 사업에 적극적으로 참여하고 있다.
앞서 지난 6월 kt ds는 기업고객 대상 '금융 IT콘퍼런스'를 개최해 금융 분야에 적용할 수 있는 AX 전략을 소개했다.
올해 '애큐온저축은행 코어뱅킹 차세대 시스템 구축'을 완료했다. 이어서 '한화저축은행 여수신통합 모바일뱅킹 구축', '신한은행 AI Studio 고도화', '미래에셋증권 퇴직연금 Cloud PaaS 구축 사업' 등을 수주 및 착수했다. 코어 뱅킹, 채널계, 정보계 등 금융 전 분야 디지털 전환 수행 역량을 보유했다는 평가다.
kt ds는 올해 초 Cloud와 AI 전문 SW기업으로 도약을 의미하는 kt ds 2.0 비전을 선언한 바 있다.
기존 KT그룹 중심 SI 및 ITO 위주에서 AX 중심으로 사업 무게 중심을 이동시키고 있다.
관련 사업 추진 결과가 KT그룹 클라우드 전환 및 AM(Application Modernization, 앱 현대화) 사업 및 금융권을 중심으로 한 대외사업에서도 결과를 내고 있다.
회사는 관련 요소 기술을 정비하고, 솔루션을 자체 개발하는 등 전 영역에 걸친 라인업을 강화하고 있다.
주요 Cloud 솔루션으로는 클라우드 관리 플랫폼(CMP) 'CloudWiz(클라우드위즈)'와 API 게이트웨이 솔루션 'BEAST(비스트)' 등이 있다.
CloudWiz는 고객에게 클라우드 비용 최적화 전략을 제공하는 핀옵스(FinOps)와 강력한 보안 기능을 탑재했다. 회사는 이 경쟁력을 인정받아 최근 KT가 NH농협은행 퍼블릭 클라우드 MSP 표준 사업자로 선정된 프로젝트에 컨소시엄으로 참여하고 있다.
AI 관련 솔루션도 주목받는다. AntBot(앤트봇), AICentro(에이아이센트로), AI:ON-U(아이온유) 등을 갖췄다.
RPA 솔루션 'AntBot'은 생성형 AI를 접목해 단순 반복적인 업무 뿐 아니라 고도의 판단력이 요구되는 업무까지 자동화가 가능하다.
생성형 AI 모델 서빙 플랫폼 'AI:ON-U'는 No Code 기반으로 생성형 AI 서비스를 기업이 쉽게 도입하도록 돕는다.
직관적인 개발, 테스트하고 배포하는 스튜디오 기능을 갖췄다. 손쉽게 AI 서비스 개발이 가능하다는 게 회사 설명이다.
회사는 AX에 특화한 개발 방법론을 정립했다. 이 방법론은 클라우드 네이티브와 생성형 AI를 활용한 개발 프로세스와 기법, 가이드, 산출물 등을 포함했다.
다양한 Cloud 및 AI 기술을 결합, AX 기반 기업용 Application을 Build 하기 위한 유용한 지침서로 역할을 한다.
kt ds는 이를 시장에 알리기 위해 '2024 월드 IT쇼'와 'AWS 서울 서밋 2024'을 통해 선보이며, 디지털 가속화를 고민하는 기업에게 해결책으로 제시했다.
kt ds는 체질개선을 위해 LLM과 MS Azure Native 최신 기술로 설계한 AI 기반 그룹웨어 'Works AI'를 오픈했다.
그룹웨어 메인 화면에 AI Agent Portal을 전면 배치했다. 이를 통해 업무 시작과 동시에 AI를 활용했다. 다양한 업무에서 AI 자동화를 지원한다. 구성원 AI 경험이 고객 경험 혁신으로 이어지게 한다는 계획이다.
구성원 역량 육성 및 확보에도 주력한다. 역량 강화 프로젝트 'SEED Lab'은 기술 전문가 그룹인 마이스터(Meister)가 리딩하며, 차기 인재를 육성하는 활동이다.
참가자는 마이스터 멘토링을 받아 과제를 서비스가 가능한 수준의 프로토타입이나 데모 영상 등으로 완성했다.
올해 전 구성원의 약 10%가 참여했다. '클라우드는 문화다'라는 가치를 바탕으로 진행한 '클라우드 자격증 취득 캠페인' 결과, 전 구성원의 71%가 글로벌 클라우드 자격증을 1개 이상 보유하는 성과를 달성했다.
'아이디어톤 Do!S(디오에스)'도 개최했다. 구성원이 AX 혁신 아이디어를 나누고 발산하는 기회를 마련했다. 더불어 'CI(Change Innovator)' 프로그램을 통해 Bottom-Up 조직문화 조성을 목표로 팀 간 소통과 혁신을 추진했다.
변화와 혁신의 과정을 성공적으로 달려가고 있는 kt ds가 'Cloud와 AI 전문 SW 기업'으로 탈바꿈해 IT업계의 선도주자로 우뚝 설 수 있을지 귀추가 주목된다.
✍ 정리
KT DS는 클라우드와 AI를 중심으로 디지털 전환 및 시장 경쟁력 강화를 추진하고 있다. 금융권의 클라우드 전환과 AI 솔루션 개발에 주력하며, 자체 기술과 솔루션으로 시장 선도 및 조직 역량 강화를 목표로 한다.
1. 주요 프로젝트 및 성과
- 하나은행의 체험형 금융 플랫폼 '아이부자 앱' 퍼블릭 클라우드 구축 완료
- NH농협은행 퍼블릭 클라우드 MSP 표준 사업자 프로젝트에 참여
- 올해 여러 금융권 프로젝트를 완료하거나 진행 중
- 애큐온저축은행 코어뱅킹 차세대 시스템 구축
- 한화저축은행 여수신통합 모바일뱅킹 구축
- 신한은행 AI Studio 고도화
- 미래에셋증권 퇴직연금 Cloud PaaS 구축
2. 클라우드 및 AI 솔루션
- 클라우드 솔루션: CloudWiz (클라우드 비용 최적화, 보안), BEAST (API 게이트웨이)
- AI 솔루션: AntBot (생성형 AI 기반 RPA), AI:ON-U (생성형 AI 모델 서빙 플랫폼), AICentro
- 새로운 AI 기반 그룹웨어 ‘Works AI’ 오픈
3. AX 중심 전략
- 클라우드 네이티브 및 생성형 AI를 활용한 AX 특화 개발 방법론 수립
- 디지털 가속화 및 클라우드 도입을 위한 해결책 제시
4. 조직 혁신 및 역량 강화
- SEED Lab 및 마이스터 프로그램을 통한 기술 전문가 육성
- 글로벌 클라우드 자격증 보유율 71% 달성
- 아이디어톤 'Do!S'와 'CI(Change Innovator)'로 혁신적인 조직문화 형성
5. 비전
- Cloud와 AI 전문 SW 기업으로의 전환을 목표로 하는 ‘kt ds 2.0’ 비전 발표
- IT 업계 선도주자로 자리매김을 목표로 다방면의 사업 확장 및 개선 추진
🔍 추가 조사한 내용
AI:ON-U (아이온유)
AI 서비스 제작 방법
1. 사전 훈련
- 개념: 모델이 일정한 성능을 출력할 수 있도록 미리 데이터를 투입 및 훈련
- 모델의 목적 적합성 확보 대상: 모델 전체 (신경망 구조, 어휘 크기, 컨텍스트 길이, 훈련 데이터)
- 훈련 시간 및 비용: 매우 높음
- 머신러닝 전문성 요구수준: 높음
2. 파인 튜닝
- 개념: 특정 목적에 맞게 모델 일부분에 데이터를 추가하여 학습
- 모델의 목적 적합성 확보 대상: 모델 일부 (특정작업 튜닝, 주제별 훈련 데이터 추가)
- 훈련 시간 및 비용: 다소 높음
- 머신러닝 전문성 요구수준: 중간
3. 검색 증강 생성 (RAG)
- 개념: 답변을 만들기 전에 모델 외부의 지식 베이스를 참조
- 모델의 목적 적합성 확보 대상: 모델 참조 영역 (사용자 데이터 이용, 검색 참조 가능한 벡터 DB 구성)
- 훈련 시간 및 비용: 낮음
- 머신러닝 전문성 요구수준: 중간
4. 프롬프트 엔지니어링
- 개념: 원하는 결과가 나올 수 있도록 답변 가이드 제공
- 모델의 목적 적합성 확보 대상: 모델 프롬프트 (프롬프트 커스터마이징 및 최적화, Few-shot Learning(예시 데이터 제공), 페르소나 부여 등)
- 훈련 시간 및 비용: 낮음
- 머신러닝 전문성 요구수준: 낮
고객이 직면한 문제점
1. 답변의 전문성 필요
- LLM의 학습은 특정 시점 이전의 데이터가 사용되었기 때문에 최신 정보는 알지 못함
- LLM은 범용 데이터로 학습되어 특정 분야에 대한 전문성 확보를 위해 데이터 처리 기술 필
2. 기술력, 인력 및 시간 필요
- 생성형 AI 도입을 위해서는 많은 기술과 지식을 습득해야 하며 이에 대한 기술적 허들이 높음
- 생성형 AI 도입에는 많은 시간과 인력이 필요 (AI 서비스 신규 도입 평균 소요 시간: 7개월)
3. 할루시네이션 현상 줄이기 위한 방안 필요
- 답변의 사실 여부나 의미를 정확히 알지 못한 채 잘못된 답변을 생성하는 할루시네이션 현상 발생
- 할루시네이션 현상을 줄이기 위한 여러 단계의 작업이 필요하며 이는 전문가의 도움이 필
AI:ON-U
1. No code 기반 AI 서비스 개발 환경 제공
- AI 서비스 개발에 필요한 LLM 연동, API 오케스트레이션, RAG, plug-in 등을 쉽고 편리하게 연결하여 API 형태로 제공
- AI 기반 Code assistant 및 RAG, API agent 등을 기본으로 제공
2. RAG, 파라미터 튜닝을 통해 할루시네이션 최소화
- LLM에 기업의 데이터를 연동하고 이를 기반으로 답변
- 검증된 출처를 기반으로 답변을 생성하여 정확한 정보를 제공
3. 구축형 서비스 공급
- AWS, Azure 등 클라우드 환경에 AI:ON-U 서비스 구축 가능
- 실시간 모니터링 및 통계 대시보드 지원
🔗 연관 링크
[kt ds] AX 개발 방법론 K-WAY.AX의 등장 배경 | AI Transformation의 Right Way
[kt ds] AI 서빙에 대한 고민 해답 AI:ON-U(아이온유) | AX 필수템
당신을 위한 AI 서빙 플랫폼 “아이온유(AI:ON-U)"
💡 현직자에게 할 질문
1. 금융권 클라우드 전환에서의 실제 기술적 난제
금융권에서 퍼블릭 클라우드 도입이 점진적으로 이루어지고 있는데, 보안이나 규제 측면에서 구체적으로 어떤 실질적인 장애물이 발생하나요? KT DS가 이를 해결하기 위해 별도로 개발한 보안 기능이나 규제 준수 프레임워크가 있다면, 이를 구축하는 과정에서 가장 어려웠던 점은 무엇이었는지 설명 부탁드립니다.
2. LLM 기반 AI 솔루션의 실질적 ROI(Return on Investment)
AI:ON-U와 같은 LLM 기반 솔루션을 도입한 고객사가 실질적으로 얻은 비용 절감 또는 수익 증대 사례가 있나요? 이를 정량화한 데이터나, 고객사의 비즈니스 프로세스에서 LLM 솔루션이 어떤 방식으로 가장 큰 기여를 했는지 구체적으로 설명해 주시면 좋겠습니다.
3. No Code 기반 개발의 한계
AI:ON-U가 No Code 개발 환경을 제공한다고 했는데, 이런 방식이 고객의 기술적 요구사항이 복잡하거나 고도로 맞춤화된 솔루션이 필요할 때는 어떤 한계에 부딪히나요? 이 경우 KT DS는 No Code와 기존 개발 방식 간의 균형을 어떻게 맞추고 있나요?