정확도 70% 벽 무너뜨린 그래프 기술

기업들이 2024~2025년 사이 벡터 기술을 도입해 생성형 AI 문제를 해결하려 했다. 하지만 현재까지도 AI의 환각 현상은 사라지지 않았고, 정확도는 약 70% 선에 머물러 있다. 인포시즈 대표는 "생성의 AI 도입 초창기에 벡터라고 하는 기술적인 방법으로 이런 문제점들을 해결하려고 했습니다. 24년에서 25년 사이에 크게 유행을 하고 기업들에 적용을 해 왔음에도 불구하고 아직까지도 이런 생성 AI의 환각에 대한 문제가 해결되지 않고 정확도가 약 70% 정도 선에 머물러 있습니다"라고 설명했다.

근본 원인은 기업 데이터의 파편화다. 기업들은 부서별, 시스템별로 흩어진 데이터를 갖고 있으며, 이렇게 분산된 정보는 검색 기능이 제대로 작동하지 않는다. AI가 참고할 수 있는 정보가 충분하지 않거나 체계적으로 연결되지 않아 부정확한 답변을 내놓게 되는 것이다.

인포시즈는 데이터 연결에 그래프 기술을 사용한다. 그래프 기술은 각각의 데이터가 어떻게 관계 있는지 표현하고, 그 관계를 따라가며 정보를 찾는 방식이다. 대표는 "이런 문제점을 근본적으로 해결하기 위해서는 환각 현상을 없애고 기업들이 가지고 있는 흩어져 있는 데이터들을 잘 모으고 연결해서 분석하는 것이 필요합니다. 그게 바로 그래프 기술이라는 것입니다"라고 말했다.

영화 아바타의 나비족이 신경으로 연결되는 것처럼, 그래프 기술은 데이터 사이의 네트워크 형태 연결성을 강조한다. 이렇게 체계적으로 연결된 데이터를 통해 AI는 더 정확한 근거를 갖고 답변을 생성할 수 있다.

인포시즈는 단일 산업이 아닌 여러 분야에서 그래프 기술을 활용한 프로젝트를 진행 중이다. 반도체 분야에서는 보안 문제를 그래프 기술로 초정밀 탐지하고, 생산 계획을 최적화하는 프로젝트를 추진하고 있다. 대표는 "저희 인포시즌은 대조, 플랜트, 그리고 반도체, 금융, 공공 등 다양한 산업 분야에서 관련된 프로젝트를 하고 있습니다. 최근에는 반도체에서 일어날 수 있는 보안 문제를 그래프 기술을 이용해서 초정밀 탐지를 하는 프로젝트 반도체 생산 계획을 최적화하는 방법이라든지 또 국가 최고 기관의 정보를 구조하는 방법, 석유화, 에너지 분야에서 도면을 인식하는 기술 등을 적용해서 프로젝트를 많이 하고 있습니다"라고 설명했다.

공공 분야에서는 국가 최고 기관의 정보를 구조화하는 작업을 하고 있으며, 석유화학 및 에너지 분야에서는 복잡한 도면을 자동으로 인식하는 기술을 적용하고 있다.

인포시즈는 성장 과정에서 기술 주권 문제로 직면했다. 한 프로젝트에서 수주는 됐지만, 계약 시점에 그 기업이 솔루션의 모든 소유권을 이관하도록 요구했다. 대표는 "수주가 되고 계약을 하는 시점에 해당 기업에서이 솔루션에 대한 모든 소유권을 본인들에게 이제 줘야 된다라고 하는 그런 요구를 받게 됐습니다. (중략) 결국은 그 계약을 하지 않기로 결심을 하게 됐습니다. 이유가 그 당시에 한 번은 프로젝트 비용을 받기 때문에 좋지만 우리 기술 자체에 대한 주권을 찾기가 굉장히 어렵다라는 생각에서 그 프로젝트를 포기하게 됐습니다"라고 회상했다.

재정적 타격을 감수했지만, 이 결정은 회사의 기반을 다지는 계기가 됐다. 기술을 빼앗기지 않음으로써 독자적인 플랫폼을 계속 개발할 수 있었기 때문이다.

인포시즈의 그래프 기술이 진정한 가치를 증명한 순간이 있다. 고객사가 3,000장의 도면을 빠르게 인식할 방법을 6개월 이상 찾고 있었는데, 인포시즈가 그래프 데이터베이스를 제안했다. 대표는 "도면이라고 하는 것이 한 3,000장 정도 받아오는데이 3,000장을 빠르게 인식할 수 있는 방법을 6개월 이상 찾고 있었다라고 그 당시 얘기했어요. 그래프 데이터베이스로 한번 읽어 보면 어떻겠냐라고 제가 제안을 했고"라고 설명했다.

인포시즈는 비전 기술을 갖고 있지 않았지만, 도메인 관련 모든 논문과 비전 인식 분야의 시도들을 연구해 팀과 함께 해결책을 만들어냈다. 대표는 "저희는 비전 기술을 아무것도 갖고 있지 않았습니다. 일단 해 볼게요 하고 시작을 했었고 되는 대로 도메인 관련 모든 논문과 비전 인식 쪽에선 또 어떤 시도들이 있었는지 이런 걸 그냥 논문들 다 뒤져서 그때 있던 분들과 같이 뭔가를 만들어 냈었고 안 될 수 있다고 생각했었는데 결국에 해 보니까 되더라고요"라고 말했다. 이 성과로 글로벌 수준의 기술력을 확보해 대기업들의 신뢰를 얻게 됐다.

인포시즈는 온톨로지 관련 프로젝트들에서 나온 공통적인 니즈를 일반화해 플랫폼으로 만들고 있다. 윤은 플랫폼 리드는 "플랫폼 리드는 여러 온톨로지 관련 프로젝트들에서 있었던 공통적인 니즈를 이제 일반화하고 어디 가서나 그 선에서 출발할 수 있게 만드는 건데요"라고 설명했다.

구체적으로는 AI 기능을 만들어 FDE(전방 배치 엔지니어)들이 각 프로젝트에서 어떤 고민을 했고 왜 그런 선택을 했는지를 전사적으로 모으는 작업을 진행 중이다. 윤은은 "AId라는 기능을 만들어서 FD들이 하는 일들을 어떤 고민을 했었고 이때 왜 이런 선택을 했고 그런 것들을 저희 전사적으로 좀 모으는 작업을 하고 있고 저희가 앞으로 점점 점점 더 깊은 기업들의 고민에 다이브딥할 건데 그때 저의 출발이 충분히 앞에 와 있을 수 있도록 그런 경험들을 자산화하는 하나의 축이 있고요"라고 말했다. 이렇게 축적한 경험은 새로운 프로젝트의 출발점이 되어 개발 속도를 높인다.

이 프로젝트는 고객사들이 선제적으로 추진하는 과정 중이며, 물리적 세계에 가까워진 기술 개발이기 때문에 회사의 중요한 분기점이 될 것으로 평가하고 있다. 윤은은 "고객사분들이 좀 선재적으로 해 나가는 프로젝트인만큼 피지컬 세계에 가까워진 프로젝트라고 생각해서 지금 좀 중요한 분기점으로 저는 보고 있습니다"라고 말했다.

기술 리드 긴창하는 정형과 비정형 데이터의 차이와 처리 방식을 설명했다. 정형 데이터(엑셀, 데이터베이스)는 기계가 다루기 쉽지만, 비정형 데이터(이메일, 계약서, 보고서)는 내용과 맥락이 복잡해 처리가 매우 어렵다. 긴창하는 "저희는 거기서 한 단계 더 나아가 가지고 정형 문서들이 다루고 있는 개념이 뭐고 대상이 뭔지 이런 걸 다 추출을 해내고요"라고 말했다.

인포시즈는 벡터 RAG 방식의 한계를 넘어 '온톨로지 레이어'를 도입했다. 이는 복잡한 개념들을 단순화하고 추상화하는 것으로, 마치 건물들이 있고 도로가 이어져 있듯이 데이터 간의 관계를 시각적으로 표현한다. 긴창하는 "저희 온톨로지 레이어라고 부르는데 건물들이 있고 도로는 이렇게 이어져 있고 그런 식으로 복잡한 개념들을 단순화하고 추상화하는 개념이거든요"라고 설명했다. 이렇게 개념과 관계를 추상화한 뒤 길을 찾고 답변을 도출하면 정확도가 현저히 향상된다.

정확도가 절대적으로 중요한 프로젝트에서는 AI의 자유도를 의도적으로 낮추는 전략을 사용한다. 긴창하는 "AI한테 자유도를 덜 줄수록 정확도가 높아지겠다는 생각이 들었거든요. 그니까 자유도가 많다는 건 그만큼 실수할 일이 많아진다는 거니까. 자유도를 줄일 때 DSL이 좋을 수 있겠다"라고 설명했다.

인포시즈는 DSL(도메인 특화 언어)을 플랫폼에 도입해 성능을 개선했다. DSL은 특정 산업이나 문제 영역에만 사용되는 제한된 언어로, 이를 통해 AI가 정해진 범위 내에서만 작동하도록 한다. 동시에 데이터 퀄리티 정제를 위해 현업 담당자와 엔지니어가 긴밀히 협업해, 기계학습 모델이 받는 입력값의 질을 높이는 것도 중요하다.

인포시즈의 FDE(전방 배치 엔지니어)는 일반적인 SE(솔루션 엔지니어)와 다르다. FDE는 단순히 기술 지원을 하는 게 아니라, 고객의 문제를 현장에 직접 들어가 발굴하고 해결하는 기술 전문가다. FDE 신지온은 "FDE라고 해서 전방 배치 엔지니어라고 그러고 고객의 문제를 현장에 직접 들어가서 해결하는 엔지니어입니다"라고 설명했다.

신지온은 제품 시뮬레이션 에이전트를 통해 기업의 영업이익과 주가에 직접 기여하는 업무를 수행하고 있다. 또한 OQL(오큐엘)이라는 중간 배치를 도입해 LLM도 이해하기 쉬운 언어로 변환함으로써, AI의 환각률을 거의 0%에 가깝게 저감시킬 수 있었다. 신지온은 "저희가 오QL이라는 중간 배치를 만들어서 저희도 이해하기 쉽고 LM도 이해하기 쉽게 만들면서 환각률이 거의 제로에 가깝게 만들 수 있었습니다"라고 말했다.

인포시즈의 차세대 보안 기술은 기존 보안 제품과 완전히 다른 패러다임을 따른다. 기존 방식은 미리 정의된 공격 패턴을 데이터베이스에 등록하고 그에 맞는 위협만 차단한다. 반면 인포시즈의 제품은 사전 규칙을 상정하지 않는다. ML 리드 편명장은 "기존의 보안 제품과 아예 패러다임이 다릅니다. 저희가 만드는 제품 같은 경우에는 애초에 그런 규칙을 상정하지 않습니다"라고 설명했다.

신기술은 평소 정상적인 업무 패턴을 학습한 뒤, 그 패턴에서 벗어나는 이상 신호를 감지한다. 어떤 공격은 30일 동안 잠복하며 데이터를 밖으로 유출하기도 하는데, 이런 장기간의 로그를 그래프 형태로 분석해야만 탐지할 수 있다. 편명장은 "어떤 공격 같은 경우에는 30일 동안 잠복하면서 데이터를 밖으로 내보내기도 하고, 장기간에 걸친 로그를 그래프 형태로 인로그를 그래프 형태로 인식을 해야지만 잡을 수 있는 그런 공격 패턴입니다"라고 설명했다. 인포시즈는 국내 최초로 대규모 엔터프라이즈 환경에서 이 그래프 기반 이상 탐지 기술을 실증했다.

도면의 연결 관계를 자동으로 복원하는 것은 학계에서도 풀기 어려운 난제였다. 대부분의 기업들은 전문가가 도면을 수작업으로 분석해왔다. ML 리드 편명장은 "이걸 사람이 수작업으로 하는 경우가 대부분이었거든요. 수작업으로 하게 되면이 당당 최소 8시간 이상은 걸리는 작업인데요"라고 설명했다.

인포시즈의 기술로 자동 인식을 하면 이 과정이 5분 이내로 단축된다. 편명장은 "이거를 저희 제품을 써서 자동 인식을 하게 되면 이게 5분 안쪽으로 들어와서 실제 작업 효율을 굉장히 높여 주게 됩니다"라고 말했다. 현재 인포시즈는 서울대학교와 이 기술에 대한 공동 연구를 진행 중이다.

회사가 선택한 과제들은 단순히 기술적으로 도전적인 것뿐 아니라, 해결했을 때 산업 전체에 미치는 영향이 크다는 특징이 있다. 이는 인포시즈가 매출 극대화보다 기술의 가치 창출에 우선순위를 두고 있음을 보여준다.

인포시즈 구성원 중 한 명은 다양한 배경에서 현 직책에 도달했다. 대만에서 천문학 연구원으로 일하며 몇 가지 중요한 성과를 이뤘고, 그 결과를 국제 학술지에 발표했다. 이후 한국으로 와 서울대학교 데이터과학 석사 과정을 밟고 있으면서 현재 인포시즈에서 AI 에이전트를 개발하고 있다. 그는 "대만에서 천문학 연구원으로 일하면서 몇 가지 중요한 성과를 완성했고 국제 학술지에 발표했습니다. 현재 인포시즈에서 AI 에이전트를 개발하고 있습니다"라고 소개했다.

이는 인포시즈가 데이터과학, 기계학습, 도메인 지식 등 다양한 배경의 인재를 끌어모으고 있음을 보여준다.

인포시즈의 기술 성과는 고객의 반응으로도 검증된다. 대형 에너지 회사 고객이 현재 기술 수준의 정확도를 보고 예상 이상의 놀라움을 표했다. 이는 단순한 칭찬이 아니라, 업계에서 그동안 불가능하다고 생각했던 수준의 정확도가 실현되었다는 의미다.

인포시즈 대표가 푸는 문제에 대해 이야기하는 방식에서 진정성이 드러난다. "푸는 문제가 재미있다"고 자연스럽게 말하는 대표의 모습에서, 단순히 사업적 성공을 추구하는 것이 아니라 기술 문제 해결 자체에 몰입하고 있음을 볼 수 있다. 대표는 "푸는 문제가 재밌지 않겠냐"고 천진하게 묻는데, 이는 회사 전체의 문화와 가치관을 반영하고 있다.

인포시즈의 경쟁력은 두 가지 핵심 기술에 있다. 도면 인식 기술은 현재 업계에 어디에도 없는 분야로, 최대 프런티어 영역이다. 비전 쪽의 기술력도 확실한 강점을 갖고 있다. 또한 비정형 데이터에서 온톨로지를 만드는 부분에서 가장 많은 경험을 보유하고 있다.

이 두 기술의 조합은 다른 기업들이 따라잡기 어려운 고도의 경쟁력을 만든다. 도면 같은 정형화되지 않은 시각 정보와 비정형 텍스트 데이터를 동시에 처리하고, 그 사이의 관계를 온톨로지로 표현할 수 있는 기업은 현재 인포시즈뿐이기 때문이다.

인포시즈 구성원은 한국의 AI 자주권에 대해 강조한다. 팔란트(Palantir), 엔비디아 같은 선진 기술을 활용하되, 한국만의 독자적인 AI 인프라를 만들 필요가 있다는 입장이다. 구성원은 "우리나라에 들어와서 선진 기술들을 이용하되, 우리만의 주권에 해당하는 AI 인프라를 만들 필요가 있습니다"라고 주장했다.

핵심은 데이터를 해외로 유출하는 것이 아니라, 기술의 방법론 자체를 수출할 수 있는 능력을 갖춰야 한다는 점이다. 구성원은 "데이터를 유출하는 게 아니라 그 방법론 자체를 이제 수출할 수 있는 아주 중요한 기술입니다"라고 강조했다. 이는 한국이 AI 시대에 기술 종속을 벗어나기 위한 핵심 과제임을 시사한다.