Glossary
Your Guide to the Agentic Era.
Agentic AI, 온톨로지, RAG, LLM 등 기업의 AI 혁신을 이끄는 기술과 개념을 쉽고 명확하게 살펴보세요.
- 용어
- 54
- 카테고리
- 5
핵심 개념
10AI Worker
AI WORKER
문서와 데이터를 읽고 구조화한 뒤 판단까지 수행해 사람이 하던 업무를 대신하는 AI입니다. 질문에 답하는 AI와 달리 결과를 기존 업무 시스템에 입력하는 지점까지 책임집니다.
상세Zero-Touch
제로터치
정상적으로 처리 가능한 건은 AI가 자동으로 끝내고 예외 건만 사람이 검토하는 운영 구조입니다. 인식 정확도를 올리는 것이 아니라 사람이 손대야 하는 건수 자체를 줄이는 것이 목표이며, 3 Zero AI Worker 전략에서는 Zero Review라는 이름으로 이 축을 다룹니다.
상세비정형 데이터
UNSTRUCTURED DATA
표 형태로 정리되지 않은 문서와 이미지, 팩스, 스캔본처럼 그대로는 시스템에 넣을 수 없는 데이터입니다. 기업이 보유한 데이터의 대부분이 여기에 속하며, 업무 자동화는 이 데이터를 읽어내는 지점에서 시작합니다.
상세Document AI
문서 AI
문서를 인식하고 이해하는 AI 기술 범주를 가리키는 표현입니다. 문서를 읽는 단계까지를 다루는 개념이므로, 읽은 다음 업무를 수행하는 영역은 AI Worker로 구분해 설명합니다.
상세IDP
INTELLIGENT DOCUMENT PROCESSING
문서 접수부터 인식과 추출, 검증까지를 하나의 흐름으로 묶어 처리하는 지능형 문서 처리 체계입니다. 개별 기능을 붙여 놓는 방식이 아니라 업무 프로세스 단위로 설계해야 실제 처리량이 줄어듭니다.
상세3 Zero AI Worker
3 ZERO AI WORKER
반복 학습과 근거 없는 판단, 전수 검수라는 세 가지 부담을 각각 없애는 방향으로 문서 업무 자동화를 설계하는 전략입니다. Zero Training과 Zero Hallucination, Zero Review를 축으로 삼으며, 성과는 인식률이 아니라 사람 개입 없이 처리된 비율로 평가합니다.
상세문서 자동화
DOCUMENT AUTOMATION
사람이 문서를 열어 확인하고 시스템에 옮겨 적던 작업을 AI가 대신하는 것입니다. 인식 결과를 화면에 보여주는 데서 멈추면 자동화가 아니라 확인 작업이 하나 늘어난 것에 가깝습니다.
상세DEEP Agent
DEEP AGENT
한국딥러닝의 AI Agent로, 비정형 데이터를 이해하고 업무 규칙과 맥락에 따라 판단한 뒤 심사와 검토, 시스템 등록 같은 실제 업무를 수행합니다. 값을 추출한 뒤에도 사람이 판단하고 다시 입력하는 구간이 남아 있다면 그 구간이 DEEP Agent가 맡을 영역입니다.
상세AX
AI TRANSFORMATION
AI Transformation의 줄임말로, 사람이 하던 업무의 일부를 AI가 실제로 수행하도록 업무 흐름과 시스템, 운영 방식을 함께 바꾸는 조직의 전환입니다. AI 도구를 도입했는데도 업무 처리 시간과 사람의 역할이 그대로라면 아직 AX가 이루어지지 않은 상태입니다.
상세문서 AX
DOCUMENT AI TRANSFORMATION
문서를 접수하고 읽고 판단해 시스템에 등록하는 업무에 AX를 적용해, 사람이 이어 붙이던 과정을 AI가 끝까지 수행하도록 바꾸는 전환입니다. 문서를 전산화한 뒤에도 담당자가 파일을 열어 읽고 옮겨 적고 있다면 문서 AX가 필요한 상태입니다.
상세
업무와 프로세스
8RPA
ROBOTIC PROCESS AUTOMATION
정해진 화면 조작과 입력 절차를 소프트웨어가 반복 수행하는 자동화 도구입니다. 규칙이 고정된 구간에서 강하기 때문에, 문서를 판독하는 앞단은 AI가 맡고 이후 입력 구간을 RPA가 맡는 조합이 일반적입니다.
상세EDMS
전자문서관리시스템
기업이 문서 원본과 처리 이력을 보관하고 검색하는 시스템입니다. 추출된 데이터가 EDMS에 적재되어야 이후 RPA와 기간계 시스템으로 업무가 이어집니다.
상세STP
무개입률
접수된 건 가운데 사람의 개입 없이 끝까지 처리된 비율로, 무개입률이라고도 부릅니다. 인식 정확도보다 이 지표가 실제 인력 절감 효과를 정확하게 보여주며, 업무가 시스템 등록까지 끝났는지는 업무 완료율로 따로 봅니다.
상세Human-in-the-Loop
사람 검수 개입
AI 처리 결과 중 확신도가 낮은 건만 사람이 확인하도록 설계하는 방식입니다. 전수 검수와 무검수 사이에서 운영 위험을 관리하는 현실적인 선택지입니다.
상세예외 처리
EXCEPTION HANDLING
정해진 규칙으로 판단할 수 없는 건을 별도 흐름으로 분리하는 처리입니다. 자동화의 성패는 정상 건 처리 속도보다 예외 건을 얼마나 좁게 정의했는지에서 갈립니다.
상세FTE 절감
FULL-TIME EQUIVALENT
같은 업무량을 처리하는 데 필요한 인력을 상근 인원 기준으로 환산해 비교하는 지표입니다. 문서 업무 자동화의 투자 효과를 설명할 때 가장 자주 요구되는 수치입니다.
상세업무 완료율
TASK COMPLETION RATE
접수된 업무 건 가운데 판단과 시스템 등록, 처리 결과 기록까지 업무 흐름 안에서 끝난 건의 비율입니다. 자동 처리 건수는 늘었는데 담당자가 결과를 옮겨 적거나 서류를 다시 요청하고 있다면 이 지표부터 확인해야 합니다.
상세에이전틱 문서 처리
AGENTIC DOCUMENT PROCESSING
AI 에이전트가 문서를 읽은 뒤 무엇을 확인하고 어떤 도구를 쓸지 스스로 정하면서, 정해진 목표와 권한 안에서 업무 흐름을 끝까지 이어가는 문서 처리 방식입니다. 제출 서류의 조합이 건마다 달라 순서도에 규칙을 계속 덧붙이고 있다면 이 방식을 검토할 시점입니다.
상세
기술과 구조
13OCR
OPTICAL CHARACTER RECOGNITION
이미지 속 문자를 텍스트로 변환하는 기술입니다. 인쇄체를 읽는 것과 실제 업무 문서를 읽는 것은 다른 문제이며, 손글씨와 표, 도장이 한 장에 섞이는 순간 난이도가 달라집니다.
상세VLM
VISION LANGUAGE MODEL
이미지와 텍스트를 함께 이해하는 모델로, 문자뿐 아니라 문서의 배치와 맥락을 같이 해석합니다. 규칙 기반 OCR이 놓치던 병합 셀과 체크박스, 저화질 팩스 문서에서 성능 차이가 벌어집니다.
상세Document Parsing
문서 구조화
문서의 제목과 표, 목록, 그림 같은 구성 요소와 위계를 분석해 기계가 사용할 수 있는 데이터로 바꾸는 작업입니다. 텍스트만 뽑아내면 구조가 사라지기 때문에, 이후 RAG와 검색의 품질은 이 단계에서 결정됩니다.
상세KIE
KEY INFORMATION EXTRACTION
문서에서 업무에 필요한 항목만 골라 키와 값의 쌍으로 추출하는 기술입니다. OCR이 무엇이 적혀 있는지를 답한다면 KIE는 그 글자가 업무적으로 무엇인지를 답합니다.
상세레이아웃 분석
LAYOUT ANALYSIS
페이지에서 제목과 본문, 표, 머리말 같은 영역을 구분하고 읽는 순서를 정하는 처리입니다. 다단 편집이나 표 안의 표처럼 사람도 헷갈리는 구조에서 정확도 차이가 드러납니다.
상세문서 분류
DOCUMENT CLASSIFICATION
접수된 파일이 어떤 서식인지 판별하고 필요하면 문서 단위로 나누는 처리입니다. 여러 서류가 하나의 PDF로 병합되어 들어오는 금융 업무에서는 이 단계가 전체 자동화의 병목이 됩니다.
상세표 인식
TABLE RECOGNITION
표의 행과 열, 병합된 셀 구조를 그대로 살려 데이터로 옮기는 처리입니다. 셀 값만 읽고 구조를 잃으면 항목과 금액의 연결이 끊어져 업무에 사용할 수 없습니다.
상세교차검증
CROSS VALIDATION
하나의 업무 건을 구성하는 여러 문서에서 같은 항목의 값을 서로 대조해 일치 여부를 판정하는 처리입니다. 문서 한 장의 인식 정확도가 아무리 높아도 서류 사이에서 대표자명과 계좌번호가 어긋나면 업무는 진행되지 않으므로, 심사 자동화는 이 단계에서 완성됩니다.
상세에이전트 워크플로우
AGENT WORKFLOW
문서 분류와 정보 추출, 문서 간 검증, 조건 판단, 담당자 승인, 시스템 실행까지를 하나의 업무 흐름으로 이어 붙인 자동화 설계입니다. 기능을 따로 두면 구간 사이마다 사람이 다리 역할을 하게 되므로, 한 건이 끝까지 도달하는지를 기준으로 설계합니다.
상세AI Agent
에이전트
목표를 받아 필요한 도구를 스스로 골라 쓰고 여러 단계를 이어서 진행하는 AI입니다. 문서 업무에서는 추출된 데이터를 근거로 조건을 판단하고 시스템에 등록하는 실행 단계를 맡습니다.
상세추출 스키마
EXTRACTION SCHEMA
문서에서 어떤 항목을 어떤 이름과 형식, 조건으로 뽑을지 정한 규격으로, 추출 결과를 업무 시스템이 바로 쓸 수 있는 구조로 맞추는 기준입니다. 추출된 값을 사람이 다시 형식에 맞춰 옮기고 있다면 스키마부터 정해야 합니다.
상세에이전틱 AI
AGENTIC AI
목표가 주어지면 필요한 단계를 스스로 계획하고 도구를 골라 실행하며, 결과를 확인해 다음 행동을 조정하는 성질을 가진 AI를 가리키는 말입니다. AI의 답을 받은 뒤 사람이 조회와 등록을 한 단계씩 이어 붙이고 있다면 에이전틱 AI를 검토할 만한 업무입니다.
상세LLM OCR
LARGE LANGUAGE MODEL OCR
대형 언어 모델이 문서 이미지나 OCR 결과를 받아 문맥을 근거로 글자를 판독하고 필요한 항목을 정해진 형식으로 정리하는 문서 인식 방식입니다. 템플릿 없이 처음 보는 서식도 다룰 수 있지만 원본에 없는 값을 만들어 낼 수 있어, 근거 위치 확인과 교차검증을 함께 설계해야 합니다.
상세
데이터와 품질
10Exact Match
완전 일치율
추출한 값이 정답과 글자 하나까지 동일한 비율입니다. 가장 엄격한 기준이기 때문에 실제 운영 목표는 업무가 허용하는 오차를 반영해 따로 정합니다.
상세Fuzzy Similarity
유사도 기반 정확도
띄어쓰기나 기호의 차이를 감안해 두 문자열이 얼마나 일치하는지를 재는 지표입니다. 사람이 읽었을 때 같은 값으로 판단되는 경우를 반영하므로 체감 정확도에 가깝습니다.
상세TEDS
표 구조 유사도
추출한 표가 원본 표의 구조와 얼마나 일치하는지를 재는 지표입니다. 텍스트 정확도가 높아도 이 값이 낮으면 표 중심 문서에서 데이터가 어긋납니다.
상세개인정보 비식별화
DE-IDENTIFICATION
문서에서 개인을 특정할 수 있는 항목을 가리거나 대체하는 처리입니다. 공공 데이터를 학습이나 검색 용도로 옮길 때는 사실상 전제 조건입니다.
상세파인튜닝
FINE-TUNING
사전 학습된 모델을 특정 문서군과 업무 규칙에 맞춰 추가로 학습시키는 과정입니다. 서식이 고정된 기업 문서에서는 범용 모델과 성능 격차가 크게 벌어집니다.
상세할루시네이션
HALLUCINATION
모델이 근거 없는 값을 그럴듯하게 만들어 내는 현상입니다. 문서에 없는 금액이나 날짜가 생성되면 곧바로 업무 사고가 되므로, 값의 근거 위치를 함께 돌려주고 확신이 낮은 항목은 아예 생성하지 않는 설계가 필요합니다.
상세정답 데이터
GROUND TRUTH DATA
문서의 각 항목이나 질문에 대해 사람이 확정한 올바른 값을 모아 둔 데이터로, AI 결과를 채점하고 버전 간 성능을 비교하는 기준입니다. 모델이나 기준을 바꾼 뒤 좋아졌는지를 몇 건 훑어보고 판단하고 있다면 정답 데이터부터 만들어야 합니다.
상세데이터 드리프트
DATA DRIFT
운영 환경에 들어오는 데이터의 특성과 분포가 모델을 만들고 평가할 당시와 달라지는 현상으로, 정상 작동하는 AI의 성능을 서서히 떨어뜨립니다. 모델을 바꾸지 않았는데 예외 건이나 특정 항목의 오류가 늘고 있다면 먼저 의심해야 할 원인입니다.
상세신뢰도 점수
CONFIDENCE SCORE
AI가 추출하거나 판정한 결과가 맞을 가능성을 건별로 수치로 나타낸 값으로, 자동 처리할 건과 사람이 확인할 건을 나누는 기준이 됩니다. 점수를 쓰기 전에 점수가 높았던 건이 실제로도 맞았는지 정답 데이터로 확인했는지부터 따져 봐야 합니다.
상세AI 레디 데이터
AI-READY DATA
AI가 검색하고 판단하고 처리하는 데 바로 쓸 수 있도록 구조와 출처, 품질, 이용 조건을 갖춰 정리한 데이터로, 생성형 AI와 AI Agent 도입의 출발점입니다. 문서를 이미 전산화했는데도 AI 답변에 표가 뭉개지거나 출처가 보이지 않는다면 이 단계가 빠져 있다는 뜻입니다.
상세
도입과 운영
13AI Ops
AI OPERATIONS
AI 모델과 에이전트를 실제 업무에 배포한 뒤 품질, 비용, 지연 시간, 버전과 변경 이력을 지속적으로 관리하는 운영 체계입니다. 모델뿐 아니라 프롬프트와 도구 연결, 평가 기준 등 AI 서비스 전반을 운영 대상으로 다룹니다.
상세DEEP Ops
DEEP OPS
문서 AI 도입 이후 발생하는 추출 기준과 업무 변화에 맞춰 AI를 직접 변경하고 성능을 검증·관리하는 한국딥러닝의 문서 AI 운영 플랫폼입니다. 변경 전후 비교와 버전 관리로 운영 과정의 수정 부담을 줄입니다.
상세MLOps
MACHINE LEARNING OPERATIONS
머신러닝 모델의 개발부터 배포, 모니터링, 업데이트까지 전 과정을 체계적으로 관리하는 운영 방법론입니다. 모델을 만드는 데서 끝나지 않고 실제 환경에서 안정적으로 성능을 유지하고 개선하는 데 초점을 둡니다.
상세온프레미스
ON-PREMISE
외부 클라우드가 아니라 고객사 내부 서버에 모델과 시스템을 설치해 운영하는 방식입니다. 문서 원본이 외부로 나갈 수 없는 금융과 공공 환경에서는 선택 사항이 아니라 요건입니다.
상세망분리
NETWORK SEPARATION
업무망과 인터넷망을 물리적으로 또는 논리적으로 분리하는 국내 보안 규정입니다. 외부 API 호출이 막히기 때문에 도입 가능한 솔루션의 범위가 이 지점에서 갈립니다.
상세OCR API
OCR API
문서 이미지를 보내면 인식 결과를 돌려받는 방식으로 기능을 연동하는 인터페이스입니다. 초기 검증에는 빠르지만, 보안 요건이 있는 조직은 구축형 병행 가능 여부를 함께 확인해야 합니다.
상세RAG 전처리
RAG PREPROCESSING
검색 증강 생성에 사용할 문서를 구조와 의미가 유지되도록 정리하는 사전 작업입니다. 답변 품질이 낮은 원인은 모델보다 이 단계에서 문서가 훼손된 경우가 많습니다.
상세청킹
CHUNKING
긴 문서를 검색과 생성에 적합한 크기로 나누는 작업입니다. 문단이나 절의 구조를 무시하고 글자 수로만 자르면 표와 조항이 중간에서 끊어집니다.
상세VLMOps
VISION LANGUAGE MODEL OPERATIONS
한 업무에서 검증한 모델과 프롬프트, 추출 스키마, 품질 기준을 운영 자산으로 축적하고 버전으로 관리하며 성능을 평가한 뒤 운영에 반영하는 체계입니다. 서식이 바뀔 때마다 모델을 다시 학습시키는 대신 추출 기준을 바꿔 대응하기 때문에, 문서가 자주 개정되는 금융과 공공 업무에서는 도입 이후의 유지 비용을 이 구조가 좌우합니다.
상세BMT
BENCHMARK TEST
실제 업무 문서로 후보 솔루션의 성능을 같은 조건에서 비교하는 검증입니다. 공개 벤치마크 점수와 자사 문서에서의 성능은 다르므로 도입 판단은 이 결과로 합니다.
상세고영향 AI
HIGH-IMPACT AI
사람의 생명과 신체의 안전, 기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 AI를 가리키는 AI 기본법상의 개념으로, 제공 사업자에게 위험 관리와 설명, 사람의 관리 감독 같은 책무가 따릅니다. 기술 종류가 아니라 AI의 결과가 사람에 대한 결정에 쓰이는지를 먼저 확인하는 것이 판단의 출발점입니다.
상세AgentOps
AGENT OPERATIONS
AI Agent가 도구를 호출하고 시스템에 입력하며 업무를 수행하는 과정을 기록하고, 권한과 승인, 업무 단위 평가, 중단과 복구를 관리하는 운영 체계입니다. 에이전트가 잘못 입력한 한 건을 찾아 되돌리는 절차가 정해져 있지 않다면 아직 업무를 맡길 준비가 되지 않은 것입니다.
상세LLMOps
LARGE LANGUAGE MODEL OPERATIONS
대형 언어 모델을 업무에 배포한 뒤 프롬프트와 모델 버전, 검색 데이터, 답변 품질과 비용을 함께 관리해 결과를 일정하게 유지하는 운영 체계입니다. 같은 질문에 답이 달라졌을 때 무엇이 언제 바뀌었는지 바로 답할 수 없다면 LLMOps가 갖춰지지 않은 상태입니다.
상세