기존 AI 도구
한 번 묻고 끝나는 챗봇
질문할 때만 동작합니다. 같은 맥락을 매번 처음부터 다시 풀어 설명해야 합니다.
Ian On
목표 단위로 미션을 구성하고, 역할이 다른 에이전트 팀이 검증된 산출물까지 끝까지 운영합니다.
Livemission-first AI operations
AITeamsBeyondTheChatWindow
사내 데이터 경계 안에서 미션을 운영하고, 쓸수록 회사에 더 적합해지는 멀티 에이전트 팀을 만듭니다.
- Private instance
- Local model first
- Auditable missions
Plan
00:18
Execute
live
Deliver
ready
Live mission
Quarterly intelligence brief
Running
42%
Research
memory search
68%
Analyst
graph compare
31%
Operator
policy gate
57%
Writer
artifact draft
Goal
locked분기 리서치 자동화
Team
approved리서처, 분석가, 문서화 에이전트
Run
live실시간 작업 스트림과 승인 대기열
Output
drafting보고서, 데이터셋, 실행 가능한 액션
// Why now
AI 도구는 늘었는데,
일은 그대로입니다
채팅창은 답을 만들지만 미션을 끝내지 못합니다. Ian On은 답이 아니라 검증된 산출물과 운영 흐름을 인계합니다.
기존 RAG
조각만 모으는 검색
비슷한 문장 몇 개를 골라옵니다. 관계, 정책, 책임 같은 진짜 맥락은 검색 결과 바깥에 남습니다.
Ian On
Curated Index, Vector, Graph를 함께 읽고 사용할수록 회사의 결정 흐름이 누적되어 답이 점점 정확해집니다.
기존 보안 모델
외부 모델에 데이터 의존
답변 품질을 위해 사내 데이터를 외부 LLM으로 보내야 했습니다. 통제와 감사 가능성은 후순위였습니다.
Ian On
로컬 모델과 사내 메모리를 기본으로, 외부 호출이 필요할 때도 정책 게이트를 통과한 요약 맥락만 나갑니다.
// Use cases
도메인별 확장어떤 미션을 맡길 수 있나요
아래 4가지는 도입 사례에서 자주 등장하는 대표 패턴입니다. 미션은 회사의 도메인·업무 맥락에 맞춰 자유롭게 정의되고, 운영할수록 회사에 더 적합해집니다.
Weekly
전략기획
분기 시장 인텔리전스
매주 경쟁사·시장 시그널을 수집하고 임원이 30분 안에 읽을 수 있는 브리프와 액션으로 정리합니다.
Mission
리서치 → 비교 분석 → 임원 브리프 자동화
Team
ResearcherAnalystWriter
Continuous
영업본부
영업 계정 인사이트
잠재 고객 데이터를 그래프로 연결해 우선순위, 의사결정자, 1:1 접근 메시지를 함께 만듭니다.
Mission
리드 점수화 → 의사결정자 매핑 → 메시지 초안
Team
ResearcherGraph AnalystWriter
Daily
데이터 운영
고객 데이터 품질 관리
CRM·웨어하우스의 누락, 중복, 이상치를 매일 점검하고 책임자가 승인할 수 있는 cleanup 작업을 만듭니다.
Mission
이상 감지 → 영향 분석 → 승인 가능한 cleanup
Team
OperatorAuditorWriter
Realtime
보안·법무
정책·컴플라이언스 점검
내부 쿼리와 산출물에서 PII, 라이선스, 정책 위반을 자동 감지하고 승인 흐름과 감사 로그로 묶습니다.
Mission
위반 감지 → 위험도 평가 → 승인 큐
Team
OperatorAuditor
And many more
도메인이 늘어날수록 미션도 함께 자랍니다
자주 받는 도메인 요청의 일부입니다. 도입 인터뷰에서 회사 고유 미션을 정의하고, 4주 안에 운영 상태로 올립니다.
HR·피플
채용 시그널 모니터링과 후보자 리서치
재무·CFO실
분기 결산 점검과 이상 거래 플래그
마케팅
캠페인 성과 합본 리포트와 메시지 초안
고객지원
VOC 트렌드 요약과 FAQ 갱신
제품·디자인
사용자 피드백 클러스터링과 인사이트
R&D·기술
논문·특허·표준 모니터링 브리프
IT·인프라
인시던트 RCA 합본과 운영 룬북 갱신
사업개발
파트너 시그널 트래킹과 미팅 준비 메모
여러분 회사에는 어떤 반복 업무가 있나요?도메인 인터뷰 후 회사 고유 미션을 4주 안에 가동합니다.
// Mission evidence
채팅이 아니라 운영 체계입니다
숫자는 장식이 아니라 제품의 작동 단위입니다. 에이전트가 부를 수 있는 시스템 액션, 지식 구조, 런타임이 하나의 미션 화면으로 연결됩니다.
0
system actions
runtime tools, approvals, cron, memory, workspace actions
0
entity types
people, projects, documents, systems, relationships
0
knowledge engines
SQLite BM25, LanceDB vectors, Neo4j graph retrieval
24/7
mission runtime
parallel missions keep moving until artifacts are ready
// Self-improving · Agentic RAG
Compounding쓸수록 회사에
맞춰지는
기억 구조
Ian On은 미션을 운영할 때마다 회사의 결정·승인·예외를 흡수합니다. 모델을 키우는 대신 맥락을 정교하게 설계해, 도입 4주차의 답이 첫째 주의 답보다 더 정확해지는 self-improving 멀티 에이전트 시스템으로 자랍니다.
01
쓸수록 회사에 맞춰지는 시스템
에이전트가 미션을 처리할 때마다 Curated Index가 자동으로 갱신되고, 새 문서·승인·결정이 다음 작업의 맥락으로 누적됩니다. 도입 4주차의 Ian On은 첫째 주의 Ian On보다 회사를 더 잘 압니다.
02
Vector와 Graph를 동시에 읽는 Hybrid Memory
Vector DB는 의미적으로 가까운 근거를 찾고, GraphDB는 사람, 프로젝트, 문서, 시스템 사이의 관계와 경로를 추론합니다.
03
로컬 모델도 프론티어 모델처럼 일하게
모델 자체를 크게 만드는 대신, 에이전트가 맥락을 설계하고 검증하며 필요한 도구를 호출해 답변 품질을 끌어올립니다.
Memory architecture
Curated Index. Vector plus Graph.
회사 안에서만 도는 지식 그래프가 Curated Index, 벡터 검색, 관계 추론을 같은 좌표 위에 묶습니다. 에이전트는 검색 결과 대신 검증된 노드를 따라 움직입니다.
PROCESS(82)DOCUMENT(45)METRIC(35)PRODUCT(33)PERIOD(32)TECHNOLOGY(30)TOOL(29)CONCEPT(25)ORGANIZATION(11)PERSON(10)LOCATION(7)EVENT(3)PROJECT(3)AMOUNT(2)REGULATION(1)
01self-improving memory
Curated Index
raw source 위에 에이전트가 직접 컴파일한 합의 레이어가 자랍니다. 새 문서·승인·결론이 들어올 때마다 인덱스가 스스로 갱신되어, 같은 질문을 매번 처음부터 풀지 않고 회사의 결정 흐름을 그대로 따라갑니다.
02semantic evidence
Vector DB
문장과 문서의 의미적 근접성을 잡아냅니다. 단순 키워드 검색으로 놓치는 유사 표현, 암묵적 요구, 과거 결정의 흔적을 빠르게 회수합니다.
03relationship reasoning
GraphDB
문서 조각이 아니라 관계망을 봅니다. 고객, 팀, 정책, 데이터베이스, 승인 흐름이 어떻게 연결되는지 추적해 답변의 원인과 영향까지 드러냅니다.
// Capabilities
에이전트가
팀처럼 움직입니다
단일 챗봇은 답변을 만들지만, Ian On은 역할을 가진 에이전트 팀이 미션을 운영합니다. 리서처는 근거를 모으고, 분석가는 관계를 추론하고, 오퍼레이터는 정책을 확인하고, 라이터는 산출물로 정리합니다.
01
미션 중심 실행
대화창에 머물지 않습니다. 목표를 입력하면 Conductor가 작업, 의존성, 담당 에이전트를 제안하고 사용자가 승인합니다.
Goal inputTeam planApproval4-step handoff
02
운영 가시성
HQ 화면에서 미션 상태, 에이전트 활동, 작업 파이프라인, 비용과 시스템 펄스를 한눈에 추적합니다.
Live HQSSE streamCost pulselive activity
03
온프레미스 지식
SQLite BM25, LanceDB 벡터, Neo4j 그래프를 결합해 회사 안에서만 동작하는 하이브리드 RAG를 구성합니다.
SQLiteVectorGraphhybrid RAG
04
정책 기반 보안
팀과 역할 단위 접근, 감사 로그, PII 자동 마스킹, 위험 쿼리 승인 흐름까지 운영 경계 안에 둡니다.
RBACAuditPII redactionvisible gates
Artifact room
완성물이 남습니다
시장 리서치 브리프
12 sources mapped
정책 위반 쿼리 리포트
3 approvals required
경쟁사 업데이트 요약
8 deltas detected
고객 데이터 품질 점검
47.2% cleanup path
팀별 지식 그래프
17 entity classes
실행 가능한 액션 목록
6 owners assigned
// Local model security
모델은 로컬,
맥락은 에이전트가
Ian On의 보안 가치는 “아무것도 못 하게 잠그는 것”이 아닙니다. 민감한 데이터는 회사 안에서 로컬 모델과 자체 메모리로 처리하고, 에이전트가 필요한 근거만 정리해 검증 가능한 업무 맥락으로 바꿉니다.
Local model first
민감 데이터는 회사 인스턴스 안에서 로컬 모델이 먼저 처리합니다. 외부 모델 호출이 필요한 경우에도 정책 게이트를 통과한 요약 맥락만 나갑니다.
Visible policy gates
DB 접근, PII 마스킹, 위험 쿼리, 승인 대기열을 운영 UI에 노출합니다. 보안은 백그라운드 옵션이 아니라 사용자가 볼 수 있는 흐름입니다.
Agentic verification
에이전트가 검색 결과를 그대로 믿지 않고 Curated Index, vector, graph, 정책을 교차 확인합니다. 로컬 모델의 약점을 구조화된 맥락으로 보완합니다.
// Value proposition
프론티어급 경험을
사내 경계 안에서
Ian On은 “큰 모델 하나”에 모든 걸 맡기는 제품이 아닙니다. 로컬 모델, Curated Index, Vector DB, GraphDB, 멀티 에이전트 운영을 조합해 회사가 통제할 수 있는 AI 업무 시스템을 만듭니다.
01
데이터는 내부에
문서, 정책, 고객 정보는 회사별 인스턴스와 로컬 모델 경계 안에 둡니다.
02
쓸수록 더 적합해집니다
에이전트가 미션을 운영할수록 Curated Index가 회사의 결정·승인·예외를 흡수합니다. 같은 질문을 처음부터 풀지 않고, 도입 4주차의 답은 첫째 주보다 더 정확해집니다.
03
답변은 실행으로
검색 결과를 산출물, 승인, 액션 아이템, 감사 가능한 작업 로그로 바꿉니다.
// Comparison
Chatbot이 답할 때, Ian On은 일을 끝냅니다
동일한 요청에도 결과의 형태가 다릅니다. 답변 한 줄이 아니라, 검증된 산출물·승인·액션이 인계됩니다.
항목
일반 챗봇
RPA
Ian On
작업 단위
단발성 Q&A
고정된 스크립트
목표·역할·산출물 미션
메모리
세션 한정
사실상 없음
Curated Index + Vector + Graph
데이터 경계
외부 모델로 송신
사내, 그러나 단순
사내 + 정책 게이트
검증
사용자에게 위임
사전 정의된 규칙
에이전트 교차 검증
산출물
텍스트 답변
실행 로그
보고서·승인·액션
운영 가시성
채팅 히스토리
작업 큐
HQ 미션 화면
시간이 지날수록
동일한 품질 반복
스크립트 노후화
회사 맥락 누적, 답이 더 정확해짐
// FAQ
자주 듣는 질문
배포 위치, 모델 선택, 도입 기간, 보안과 가격까지. 도입 검토 단계에서 가장 많이 받는 질문을 모았습니다.
사내 인스턴스(온프레미스 또는 프라이빗 클라우드)에 배포합니다. 데이터는 회사 경계 안에 머무르고, 외부 모델 호출이 필요한 경우에도 정책 게이트를 통과한 요약 맥락만 외부로 나갑니다.
기본은 사내에 설치된 로컬 오픈소스 모델입니다. 필요 시 Anthropic, OpenAI 등 외부 모델을 미션·역할 단위 정책으로 호출할 수 있습니다.
인프라 점검과 첫 미션 셋업까지 평균 4주입니다. 도입 첫 달 안에 2~3개 미션을 운영 상태로 올리는 것이 일반적인 패턴입니다.
Notion, Slack, Google Workspace, Jira, Salesforce, GitHub 등 주요 SaaS와 사내 DB·웨어하우스 커넥터를 제공합니다. 미션이 부를 수 있는 시스템 액션은 16종에서 시작해 확장됩니다.
RBAC, PII 자동 마스킹, 위험 쿼리 승인, 변경 감사 로그를 기본 제공합니다. SOC2 Type II 대응은 진행 중이며, 사내 인스턴스 위에서 회사 정책을 그대로 반영할 수 있습니다.
사내 인스턴스 사이즈와 동시 운영 미션 수 기준으로 책정됩니다. 데모 후 사용 패턴에 맞춘 견적과 4주 도입 플랜을 함께 안내합니다.
Early accessAI 운영 조직,
AI 운영 조직,
회사 안에서 시작하세요
Ian On은 채팅 도구가 아닌 사내 운영 체계입니다. 도입 검토, 보안 점검, 사내 라이브 데모 일정은 메일로 안내드립니다.
- 사내 인스턴스 배포
- 한국어·로컬 모델 우선
- 4주 안에 첫 미션 가동
- 감사 가능한 운영