다룬 업무
AI 에이전트와 내부 문서 검색
업무를 분석해 AI 에이전트의 시나리오를 구체화하고, 실행 흐름부터 외부 시스템 연결과 운영 환경까지 개발하고 있습니다. 사내 문서와 업무 데이터를 활용하는 검색 구조도 함께 다루고 있습니다.
구성 설명
- 문서 · 업무 데이터수집 · 정제 · 적재
- 검색 · 에이전트RAG · 업무 워크플로우
- 도구 · 운영 환경외부 시스템 연동 · 모니터링
직접 구현한 내용
화면에서 운영까지.
질의에 맞는 에이전트와 도구 연결
의도 분류에 따른 에이전트 라우팅, Tool Calling과 상태 관리를 구현했습니다. LangGraph 기반 워크플로우와 MCP·A2A를 활용한 도구 연동·에이전트 협업 구조를 개발했습니다.
내부 문서 검색과 데이터 처리
LLM·sLLM·임베딩 모델·벡터 DB를 연결하는 RAG 파이프라인을 구축했습니다. Python으로 데이터 수집·정제·적재 과정을 자동화했습니다.
모델의 배포와 운영 연결
MLflow 기반 실험 추적과 모델 등록·배포·모니터링 환경을 구축했습니다. Docker·Kubernetes와 Argo Workflows를 이용해 학습·배포 자동화를 다뤘습니다.
구현 결과
연결한 범위
AI 에이전트와 업무 워크플로우를 연결하고, 내부 문서를 검색에 활용하는 기반을 마련했습니다. 모델 실험부터 배포·모니터링까지 운영 과정을 함께 구성한 경험입니다.
운영자의 경력기술서를 바탕으로 정리했습니다. 회사명과 고객 정보는 공개하지 않으며, 경력 중 수행한 개발 경험과 워크오토의 고객 도입 사례는 구분합니다.
사내 문서에서 답을 찾고, 반복 작업까지 이어갈 수 있을까요?
문서 검색이나 보고 초안처럼 범위가 분명한 업무부터 검토할 수 있습니다. 실제 적용 전에는 자료 접근 권한, 답변의 근거와 담당자가 확인할 단계를 함께 정합니다.
- 검색에 사용할 문서와 접근 가능한 범위
- 연동할 업무 도구와 허용할 작업
- 정확도를 확인할 질문·예외와 사람의 검토 단계