6편. Business Meaning은 누가 결정해야 할까? LLM 대신 Contract를 선택한 이유
핵심 키워드: Business Meaning, Data Contract, Enterprise AI, LLM, AI 데이터 분석, 데이터 거버넌스, Semantic Layer, SELMA 앞선 글에서는 AI가 실제 데이터에서 가져온 정확한 숫자로도 틀린 답을 할 수 있는…
5편. AI가 정확한 숫자로 틀린 답을 할 수 있는 이유, 가장 위험했던 AI 오류
핵심 키워드: AI 환각, AI 데이터 분석, Enterprise AI, LLM 오류, AI 신뢰성, 데이터 거버넌스, SELMA 생성형 AI의 대표적인 문제로 흔히 AI 환각(Hallucination)을 이야기합니다. 존재하지 않는 사실을 만들어내거나 잘못된 정보를…
4편. Enterprise Ontology Runtime이란? SELMA Architecture 쉽게 이해하기
핵심 키워드: Enterprise Ontology, Enterprise AI, 온톨로지, AI 에이전트, 기업 데이터 분석, Data Foundation, SELMA 앞선 글에서는 SELMA가 LLM에게 SQL을 직접 생성하게 하지 않고 Contract를 통해 검증된 실행 경로를 만드는…
3편. LLM이 SQL을 직접 생성하면 위험할까? SELMA가 계약 기반 실행을 선택한 이유
핵심 키워드: LLM SQL, Text-to-SQL, Enterprise AI, AI 데이터 분석, Data Contract, 데이터 거버넌스, SELMA 자연어로 데이터베이스를 조회하는 Text-to-SQL은 LLM의 활용 사례 중 하나입니다. 사용자가 “지난달 매출을 알려줘”라고 질문하면 LLM이…
2편. RAG만으로 Enterprise AI를 만들기 어려운 이유, SELMA가 Ontology를 선택한 배경
핵심 키워드: RAG, Enterprise AI, 엔터프라이즈 AI, AI 에이전트, Ontology, 기업 데이터 분석, SELMA 기업에서 생성형 AI를 도입할 때 가장 많이 언급되는 기술 중 하나가 RAG(Retrieval-Augmented Generation)입니다. 사내 문서나 매뉴얼,…
1편. SELMA란 무엇인가? 신뢰할 수 있는 Enterprise AI를 만들기 시작한 이유
기업에서 생성형 AI와 AI Agent를 실제 업무에 활용하려는 시도가 빠르게 늘고 있습니다. 자연어로 사내 데이터를 검색하고, 매출을 분석하고, 보고서를 만들거나 업무 시스템을 직접 조작하는 것도 이제 기술적으로 불가능한 이야기가 아닙니다.…