안녕하세요! 사랑받는 IT 프로덕트의 첫걸음, 똑똑한개발자입니다 :)

광고대행사에서 방송·OTT 편성 정보를 수집하는 데 이틀이 걸립니다. 편성이 바뀌었는지 확인하려고 매일 같은 페이지를 다시 열어야 하고, 광고주 미팅 자료를 모으는 데도 이틀. 또한, 임직원 각자가 외부 AI 도구로 해결하고 있었지만, 공식 도구가 없으니 업무 맥락과 자료가 회사 밖에 흩어지고 있었습니다.

똑똑한개발자는 이 문제들을 해결하기 위해 롯데그룹 계열 종합 광고대행사 대홍기획과 함께 사내 AI 플랫폼 D-AISY를 구축을 통한 AX 시스템을 설계했습니다. 이 글에서는 플랫폼 설계부터 개발 과정에서 부딪힌 문제, 그리고 2차 고도화 방향까지 정리합니다.

👉 [내용 더 자세히 보기]

더 길고 자세한 이야기는 [내용 더 자세히 보기]를 클릭하시면 보실 수 있어요!

사내 AX 플랫폼이 필요한 이유

개별 AI 기능을 아무리 잘 만들어도, 한 곳에 모여 있지 않으면 어떤 AI가 있는지 파악이 안 됩니다. 사용 내역도 관리되지 않고, 다음에 뭘 만들지 판단할 근거도 없습니다. 사내 AX 플랫폼은 임직원이 사내 계정 하나로 접근하는 AI 포털입니다.

누가 어떤 업무를 어떤 방식으로 AI에 맡기는지가 기록되고, 어드민 통계로 사용 현황이 보여 전체 조직의 AI 사용 관리에 용이합니다.

D-AISY 구조와 사내 AI 솔루션 5종

D-AISY는 임직원 369명이 사내 계정으로 로그인해 AI 서비스를 한 화면에서 쓰는 구조입니다. 사내 계정 인증·권한 관리, 홈 화면, 워크플로우·AI 에이전트 메뉴, 어드민 통계가 뼈대이고, 그 위에 광고 보고서 자동화, 프로그램 라인업 정리 AI, 팩트북 서포트 AI, SNS 카피 생성 AI 등 5종의 솔루션이 올라갑니다.

1차 오픈의 핵심이었던 프로그램 라인업 AI는 신규 프로그램 조사와 편성 변경 감지를 크론잡으로 돌리고, 사용자가 편성표를 올리면 항목별로 정보를 추출·정리·저장합니다.

D-AISY AX 플랫폼의 타 서비스 대비 강점

첫째, 업무 지식이 회사 안에 남습니다.

다음에 어떤 기능을 추가할지를 감이 아니라 데이터로 판단할 수 있습니다.

둘째, 모든 걸 자동으로 반영하지 않습니다.

AI 처리 → 자동 검증 → HITL(Human-in-the-loop) 3단계로 나눠서, 사람이 확인해야 하는 것과 자동 처리해도 되는 것을 구분했습니다. 편성표 파싱이 끝나면 '확인 필요' 상태가 되고, 담당자가 최종 승인한 항목만 등록됩니다.

셋째, 고객사가 자체 기능까지 연결합니다.

유튜브 데일리 리포트 자동화를 폐기하지 않고 D-AISY에 합쳤습니다. 워크플로우·에이전트 메뉴 구조 덕분에 새 솔루션이 추가돼도 플랫폼을 다시 설계할 필요가 없습니다.

사내 AI 플랫폼 개발 과정에서 까다로웠던 문제들

이 프로젝트의 가장 큰 제약은 예산이나 기간이 아니라 데이터 수집 방법 자체였습니다. 원하는 도구를 자유롭게 조합하는 대신, 법무 검토를 통과할 수 있는 대안을 먼저 제안하고 테스트 결과를 근거로 방향을 협의하는 방식으로 진행했습니다.

AI 검색 누락 문제

초기 모델은 첫 검색에서 정보를 못 찾으면 재시도 없이 넘어갔고, 퍼플렉시티의 툴 콜링·추론 성능이 기대에 못 미쳐 GPT API로 단일화했습니다.

서버가 직접 스크래핑하지 않고 본문을 확보하는 방법

네이버·다음 공식 API로 URL만 받고, 그 URL을 Gemini의 URL Context 기능에 넘겨 Gemini가 페이지를 읽게 했습니다. 서버가 직접 접근하지 않으니 법적 리스크가 줄고, 본문 정보는 확보됩니다.

OTT 명칭 통일 문제

LLM이 넷플릭스를 'Netflix', 'NETFLIX' 등으로 혼용해 같은 플랫폼을 다른 것으로 처리했는데, 주요 OTT 명칭을 한글 표기로 통일해서 해결했습니다.

출처·최신성 확인

편성이나 출연진 정보가 수시로 바뀌기 때문에 기존 데이터와의 정합성을 자동 확인하도록 만들었고, 검색 범위를 주요 언론사 20개 도메인으로 제한해 정보 품질을 통제했습니다.

2차 고도화: AI 활용 노하우를 조직 전체로

2차에서는 AI 활용 노하우가 개인이나 팀 안에 머무르는 문제를 풀려 합니다. 프롬프트와 워크플로우를 공유하고 부서·직무·태그로 검색하는 구조, 어드민에서 부서별 참여도를 확인하는 구조를 검토 중입니다. 하반기에는 목업 이미지 제작 AI, 경쟁 PT 지원 AI도 준비하고 있습니다.

운영 구조까지 생각하는 AX, 사내 AI가 필요하다면

369명이 각자 쓰던 AI를 한 플랫폼으로 어떤 부서가 어떤 업무에 AI를 쓰는지, 어떤 기능 요청이 반복되는지가 데이터로 볼 수 있게 되었습니다. D-AISY 2차 고도화 프로젝트에서는 이 사용 로그를 바탕으로 더 발전한 AX 시스템을 만들어갈 예정입니다.

큰 규모여서 가능했던 게 아닙니다. 10명짜리 조직이든 300명짜리 조직이든, AI를 도입할 때 운영 구조를 함께 설계하지 않으면 도구만 늘고 쓰임은 제자리입니다.

똑똑한개발자는 그 운영 구조부터 함께 만들어가는 AX 컨설팅 파트너입니다. AX 전환을 고민하고 계신다면, 무료 상담으로 첫 시작을 같이 해보겠습니다.

감사합니다 :)

[🔗 AX 컨설팅 파트너 똑똑한개발자와 상담 하러 가기]