Process GPT - AI와 사람이 함께 일하는 새로운 조직의 시작.
개인 비서(Co-pilot)를 넘어, 엔터프라이즈 프로세스의 실질적 '실행 주체'가 되는 AI 에이전트 플랫폼입니다.
MCP와 A2A 기반의 멀티 에이전트가 조직의 전체 업무 흐름(End-to-End Process)을 끊김 없이 실행하고,
실행 과정에서 스킬과 규칙을 스스로 학습하여 지속적으로 진화합니다.
사람과 AI가 한 팀으로 일하는 혼합조직(Mixed Workforce)으로 조직의 생산성을 완성합니다.
Process GPT 소개
Process GPT의 핵심 차별점
AI 도입의 실제 성공 비율은 5% 미만(McKinsey)입니다. 실패한 95%의 공통점은 개인 비서 역할에 머무는 AI를 기존 업무 순서에 곁다리로 끼워 넣는 '디플로이(Deploy)'에 그쳤다는 것 — 이래서는 조직의 핵심 프로세스가 바뀌지 않습니다.
성공한 5%는 AI 존재를 전제로 업무 프로세스 자체를 처음부터 다시 세우는 '재설계(Reshaping)'를 택했습니다. Process GPT는 이 재설계를 '프로세스 중심의 초자동화' 전략으로 구현합니다 — 사람은 감독자(Agent Boss)가 되고, AI 에이전트가 전체 프로세스를 자율 운영하는 구조로의 전환입니다.
이는 우리 비전 AI-Native Enterprise가 말하는 '판단'과 '실행'의 결합에서, Process GPT가 맡는 실행 계층이기도 합니다.
성공한 5%는 AI 존재를 전제로 업무 프로세스 자체를 처음부터 다시 세우는 '재설계(Reshaping)'를 택했습니다. Process GPT는 이 재설계를 '프로세스 중심의 초자동화' 전략으로 구현합니다 — 사람은 감독자(Agent Boss)가 되고, AI 에이전트가 전체 프로세스를 자율 운영하는 구조로의 전환입니다.
이는 우리 비전 AI-Native Enterprise가 말하는 '판단'과 '실행'의 결합에서, Process GPT가 맡는 실행 계층이기도 합니다.
초자동화를 구현한 AI-Native 기업의 압도적 성과 — 인당 매출
메시징 · 초자동화
483.3억원
텔레그램
이미지 생성 AI
181.25억원
미드저니
AI 코드 에디터
72.5억원
애니스피어
소수 정예 인력으로 압도적 인당 매출을 내는 AI-Native 기업들의 공통점은 '초자동화'입니다. (출처: Lean AI Native Company Leaderboard)
Process GPT — AI-Native Enterprise를 완성하는 '실행'의 축
AI-Native Enterprise는 조직이 AI 존재를 전제로 '판단'과 '실행'을 처음부터 다시 설계했을 때 비로소 완성됩니다.
Ontologic Platform이 흩어진 DB·문서·업무 규정을 온톨로지로 승격시켜 '무엇이 무엇에 영향을 주는지'를 판단하는 자산을 만든다면,
Process GPT는 그 판단을 실제 업무 현장에서 '누가, 언제, 어떻게 실행할지'로 옮기는 실행 엔진입니다.
판단 자산만 있고 실행이 재설계되지 않으면 통찰은 보고서에 머물고, 실행만 있고 판단이 없으면 반복 업무를 빠르게 처리하는 것에 그칩니다.
Process GPT가 프로세스 실행 중 쌓은 스킬·DMN 규칙은 다시 온톨로지로 축적되어 판단 자산을 더 두텁게 만들고, 두터워진 판단 자산은 다시 더 정교한 프로세스 설계로 이어지는 순환 구조 — 이것이 Process GPT가 AI-Native Enterprise 비전에서 담당하는 핵심 축입니다.
6
온톨로지 기반 지식지도
Ontology Studio로 구축한 조직의 지식그래프를 에이전트가 '지식지도(Knowledge Map)' 삼아 MCP로 탐색하며, 근거가 명확한 환각 없는 판단을 내립니다.
외부 시스템 연동 및 확장성
다양한 내보내기 포맷
Process GPT에서 개발된 AI 에이전트는 LangGraph, Crew AI 포맷으로 내보내기가 가능하여 기존 에이전트 시스템과의 호환성을 제공합니다.
A2A 프로토콜 지원
구글이 제안한 에이전트 간 통신 프로토콜(Agent to Agent)을 지원하여 다양한 시스템과 원활하게 연동되고 표준화된 커뮤니케이션이 가능합니다.
FEATURES
설계부터 실행, 연동, 분석까지 7개 갈래로 나눴습니다. 각 항목을 눌러 실제 화면과 함께 확인하세요.
📐
프로세스 설계 · 역설계
자연어와 기존 문서에서 실행 가능한 프로세스를 만들어 낸다
▶ 규정 문서를 통한 프로세스 역설계 PDF·이미지 규정 문서에서 프로세스를 자동 식별 화면 1컷
ㆍPDF·이미지 등 비정형 규정 문서를 업로드하면 문서 속에 숨어 있는 업무 프로세스를 자동으로 식별합니다.
ㆍ하나의 문서에서 여러 개의 프로세스를 동시에 추출하여 실행 가능한 프로세스 정의로 저장합니다.
ㆍ식별된 프로세스는 Neo4j 지식그래프로 관리되어 태스크·순서·역할 간의 관계가 체계적으로 축적됩니다.
ㆍ하나의 문서에서 여러 개의 프로세스를 동시에 추출하여 실행 가능한 프로세스 정의로 저장합니다.
ㆍ식별된 프로세스는 Neo4j 지식그래프로 관리되어 태스크·순서·역할 간의 관계가 체계적으로 축적됩니다.
▶ BPMN 프로세스와 업무 폼의 자동 생성 프로세스와 함께 입력 폼까지 한 번에 화면 2컷
ㆍ식별된 프로세스는 국제 표준 BPMN 다이어그램으로 시각화되며, 자연어 프롬프트로 세부 교정이 가능합니다.
ㆍ각 태스크에 필요한 입력 폼(신청서, 평가 문항 등)을 문서의 맥락에 맞게 시멘틱하게 자동 생성합니다.
ㆍ이전 단계의 출력값을 다음 단계가 참조하도록 참조 정보까지 자동으로 연결합니다.
ㆍ각 태스크에 필요한 입력 폼(신청서, 평가 문항 등)을 문서의 맥락에 맞게 시멘틱하게 자동 생성합니다.
ㆍ이전 단계의 출력값을 다음 단계가 참조하도록 참조 정보까지 자동으로 연결합니다.
▶ 조직 목표를 달성을 위한 자동화된 휴먼-에이전트 팀 프로세스 정의 목표에서 사람·에이전트 협업 프로세스로 데모 영상
ㆍ목표를 입력하면, 휴먼·에이전트 팀과 워크차트가 자동 구성되어 실행됩니다.
ㆍ에이전트가 업무를 수행하고, 사용자는 전략적 판단과 피드백으로 프로세스를 개선합니다.
ㆍ필요 시 자연어로 수정하거나 BPMN 모델러를 통해 직접 편집할 수 있습니다.
ㆍ에이전트가 업무를 수행하고, 사용자는 전략적 판단과 피드백으로 프로세스를 개선합니다.
ㆍ필요 시 자연어로 수정하거나 BPMN 모델러를 통해 직접 편집할 수 있습니다.
🧠
에이전트 구성 · 지식 학습
누가 무엇을 할 수 있는지를 조직 구조와 실행 이력에서 만든다
▶ 에이전트 지식의 자동 관리 업무 지식을 에이전트가 스스로 축적 데모 영상
ㆍ업무에 필요한 AI 에이전트를 등록하고, Agent Boss가 자연어로 업무 방식과 목표를 교육합니다.
ㆍ에이전트는 조직 내에서 실제 업무를 수행하고, 결과에 대한 피드백을 통해 지속적으로 성장하며 다음 업무에 더 정밀하게 대응할 수 있게 됩니다.
ㆍ에이전트는 조직 내에서 실제 업무를 수행하고, 결과에 대한 피드백을 통해 지속적으로 성장하며 다음 업무에 더 정밀하게 대응할 수 있게 됩니다.
▶ 조직도 기반 에이전트 자동 매핑 조직 구조를 그대로 에이전트 역할로 화면 1컷
ㆍ태스크별로 사람이 할 일과 에이전트가 할 일을 구분하고, 조직도에서 적합한 AI 에이전트를 찾아 자동 배치합니다.
ㆍ조직도에 적합한 에이전트가 없으면 에이전트화 가능 여부를 판단하여 새 에이전트를 생성해 매핑합니다.
ㆍ사람의 최종 의사결정이 필요한 크리티컬 패스에는 휴먼 승인 단계를 자동으로 삽입합니다.
ㆍ조직도에 적합한 에이전트가 없으면 에이전트화 가능 여부를 판단하여 새 에이전트를 생성해 매핑합니다.
ㆍ사람의 최종 의사결정이 필요한 크리티컬 패스에는 휴먼 승인 단계를 자동으로 삽입합니다.
▶ 자율형 에이전트의 스킬(Skill) 학습 실행하며 스킬을 익히고 버전으로 관리 화면 1컷
ㆍ사용자 피드백은 결과 수정에 그치지 않고 에이전트의 스킬(Anthropic Skills 규격)로 학습되어 다음 업무부터 자동 적용됩니다.
ㆍ스킬의 정의(SKILL.md)와 실행 코드가 피드백에 따라 자동 개선되며, 모든 변경 이력이 버전 관리됩니다.
ㆍ개선 결과가 마음에 들지 않으면 '변경 사항 되돌리기'로 언제든 이전 스냅샷으로 복구할 수 있습니다.
ㆍ스킬의 정의(SKILL.md)와 실행 코드가 피드백에 따라 자동 개선되며, 모든 변경 이력이 버전 관리됩니다.
ㆍ개선 결과가 마음에 들지 않으면 '변경 사항 되돌리기'로 언제든 이전 스냅샷으로 복구할 수 있습니다.
🤝
실행 · 사람과의 협업
에이전트가 실행하되, 결정이 필요한 지점에서 사람이 개입한다
▶ 에이전트가 초안 생성 사람이 검토할 초안까지를 에이전트가 데모 영상
ㆍ등록된 에이전트로 다중 구성(Crew)을 생성하고, 각 에이전트는 목표 달성까지 자율적으로 실행됩니다.
ㆍMCP 기반으로 ERP, 메일, 협업툴 등 다양한 채널을 연결하여 반복 업무는 자동화되고, 결과는 문서로 생성됩니다.
ㆍ내부 검색·오피스 도구 활용·MCP 연동까지 가능한 실질적인 실행 중심 프로세스 관리 환경을 제공합니다.
ㆍMCP 기반으로 ERP, 메일, 협업툴 등 다양한 채널을 연결하여 반복 업무는 자동화되고, 결과는 문서로 생성됩니다.
ㆍ내부 검색·오피스 도구 활용·MCP 연동까지 가능한 실질적인 실행 중심 프로세스 관리 환경을 제공합니다.
▶ 에이전트 위임 실행과 실시간 피드백 실행 중에 끼어들어 방향을 고친다 화면 2컷
ㆍ'에이전트에 맡기기'로 업무를 위임하면 에이전트가 스스로 플랜을 수립하고 지식과 도구를 활용해 수행합니다.
ㆍ수행 결과는 업무 폼에 자동 매핑되고, 사용자는 결과를 검토하여 채택하거나 피드백을 줄 수 있습니다.
ㆍ"문제는 3문항만 생성해 주세요" 같은 자연어 피드백만으로 에이전트가 플랜을 다시 수립해 즉시 반영합니다.
ㆍ수행 결과는 업무 폼에 자동 매핑되고, 사용자는 결과를 검토하여 채택하거나 피드백을 줄 수 있습니다.
ㆍ"문제는 3문항만 생성해 주세요" 같은 자연어 피드백만으로 에이전트가 플랜을 다시 수립해 즉시 반영합니다.
▶ 딥 에이전트 기반 서브프로세스 자율 실행 & 온톨로지 MCP 서브에이전트 자동 배치와 지식그래프 인용 화면 2컷
ㆍ서브프로세스 내의 액티비티들을 딥 에이전트(Deep Agents)가 서브에이전트로 자동 배치하여 자율 실행합니다. — 예) 외국어 민원 접수 → 번역 → 관련 법령 검토 → 답변 작성.
ㆍ실행 중 Ontology Studio의 MCP(ontology_query)를 호출하여 도로교통법·건축기본법 등 법령 지식그래프를 탐색하고 근거 조항을 인용합니다.
ㆍOntology Studio로 구축한 온톨로지가 에이전트의 '지식지도' 역할을 하여, 명시된 지식에 기반해서만 답변하므로 환각(Hallucination) 없는 신뢰성 있는 자동화를 구현합니다.
ㆍ실행 중 Ontology Studio의 MCP(ontology_query)를 호출하여 도로교통법·건축기본법 등 법령 지식그래프를 탐색하고 근거 조항을 인용합니다.
ㆍOntology Studio로 구축한 온톨로지가 에이전트의 '지식지도' 역할을 하여, 명시된 지식에 기반해서만 답변하므로 환각(Hallucination) 없는 신뢰성 있는 자동화를 구현합니다.
▶ DMN 비즈니스 규칙 기반의 결정론적 통제 판단을 규칙 테이블로 고정한다 화면 1컷
ㆍ"정답률 60% 이상이면 승인" 같은 업무 규칙이 국제 표준 DMN(Decision Model and Notation) 디시전 테이블로 관리됩니다.
ㆍ에이전트의 조건 분기 판단이 명시적 규칙으로 통제되어 자동화의 투명성과 일관성을 보장합니다.
ㆍ규칙 역시 자연어 피드백으로 지속 개선할 수 있어 코드 수정 없이 업무 정책 변경이 가능합니다.
ㆍ에이전트의 조건 분기 판단이 명시적 규칙으로 통제되어 자동화의 투명성과 일관성을 보장합니다.
ㆍ규칙 역시 자연어 피드백으로 지속 개선할 수 있어 코드 수정 없이 업무 정책 변경이 가능합니다.
🔁
실행 고착화 · 재현성
한 번 배운 업무는 매번 정확하게 — LLM 추론 없이 코드로 재실행한다 (Deterministic Replay)
▶ LLM 재량 실행의 리스크 제거 같은 요청에 매번 다르게 행동하는 문제를 검증된 경로의 고착화로 해결 화면 1컷
같은 요청에도 실행 경로가 달라질 수 있는 할루시네이션, 매 실행마다 발생하는 LLM 추론 비용과 지연, 무엇이 실행될지 사전 검증이 불가능한 문제를 ‘검증된 경로의 고착화’로 해결합니다.
ㆍ1차 실행의 도구 호출 이력을 기록
ㆍ검증된 경로를 파라미터화된 코드로 고착
ㆍ2차 실행부터는 AI가 아니라 코드가 실행
ㆍ1차 실행의 도구 호출 이력을 기록
ㆍ검증된 경로를 파라미터화된 코드로 고착
ㆍ2차 실행부터는 AI가 아니라 코드가 실행
▶ 1차 실행 — 도구 호출 이력 기록 첫 실행의 MCP 도구 호출을 이벤트로 남긴다 화면 1컷
첫 실행에서는 LLM 에이전트가 지시를 해석해 MCP 도구를 호출합니다. SELECT→UPDATE→INSERT 같은 모든 도구 호출이 tool_usage_finished 이벤트로 빠짐없이 기록됩니다.
ㆍ테넌트에 등록된 MCP 서버(예: Supabase MCP) 활용
ㆍ모든 도구 호출을 이벤트로 기록
ㆍ실행 통계(추론 횟수·소요 시간) 확인
ㆍ테넌트에 등록된 MCP 서버(예: Supabase MCP) 활용
ㆍ모든 도구 호출을 이벤트로 기록
ㆍ실행 통계(추론 횟수·소요 시간) 확인
▶ 고착화 — 실행 경로가 Python 코드로 기록된 이력을 파라미터화된 Python 코드로 변환 화면 1컷
기록된 이벤트로부터 파라미터화된 실행 코드를 생성해 mcp_python_code 테이블에 (프로세스, 활동, 테넌트) 키로 저장합니다. 업무 값들은 ${변수} 템플릿으로 추출되어 재사용됩니다.
ㆍ이력 → 파라미터화된 Python 코드 변환
ㆍ파라미터 명세(이름·타입·예시) 자동 추출
ㆍ코드 안에 LLM 호출 없음
ㆍ이력 → 파라미터화된 Python 코드 변환
ㆍ파라미터 명세(이름·타입·예시) 자동 추출
ㆍ코드 안에 LLM 호출 없음
▶ 재실행 — 다른 입력, 같은 경로, 추론 0회 입력만 바뀌고 경로는 그대로 — LLM 추론 0회 화면 1컷
새 지시가 들어오면 입력에서 값만 추출해 고착화된 코드를 그대로 실행합니다. 에이전트 크루 생성 없이 LLM 추론 0회로, 데모 기준 실행 시간이 5.3초에서 3.2초로 줄었습니다.
ㆍ새 입력에서 파라미터 값만 추출
ㆍ경로·SQL 구조는 코드에 고정
ㆍ경로 스텝 100% 재현
ㆍ새 입력에서 파라미터 값만 추출
ㆍ경로·SQL 구조는 코드에 고정
ㆍ경로 스텝 100% 재현
▶ 실행 결과의 투명한 확인 어떤 스텝이 어떤 방식으로 실행됐는지 업무 화면에 남는다 화면 1컷
재실행된 업무는 ‘결정론적 코드 실행 결과’ 카드로 표시됩니다. 어떤 스텝이 실행됐고 실행 방식이 ‘고착화된 코드(LLM 추론 0회)’임이 업무 화면에서 그대로 확인됩니다.
ㆍ실행 스텝·방식이 작업 결과로 남음
ㆍ업무 목록에서 1차/재실행 이력 관리
ㆍBPMN 프로세스 화면과 연동
ㆍ실행 스텝·방식이 작업 결과로 남음
ㆍ업무 목록에서 1차/재실행 이력 관리
ㆍBPMN 프로세스 화면과 연동
▶ 실제 DB 반영까지 검증 1차와 2차 실행 모두 실제 DB에 동일하게 반영 화면 1컷
1차(LLM) 실행과 2차(고착화 코드) 실행 모두 실제 Supabase DB에 반영됩니다. 재고 테이블과 감사 로그가 동일하게 기록되어 E2E 검증 21건을 전부 통과했습니다.
ㆍE2E 검증 21/21 PASS
ㆍ보상(undo) 코드 자동 생성 — 안전한 되돌리기
ㆍ프로그래밍 없는 자동화 — 시스템이 스스로 코드 생성
ㆍE2E 검증 21/21 PASS
ㆍ보상(undo) 코드 자동 생성 — 안전한 되돌리기
ㆍ프로그래밍 없는 자동화 — 시스템이 스스로 코드 생성
🧩
연동 · 도구 관리
사내 시스템과 외부 도구를 에이전트에게 안전하게 붙인다
▶ MCP 허브NEW JSON 붙여넣기를 넘어선 엔터프라이즈 MCP 운영 화면 13컷
ㆍMCP 서버·갤러리·관측·연계 표준 네 개 메뉴로 구성되며, 저장 전에 실제로 접속해 어떤 툴이 들어오는지 확인합니다.
ㆍ입력 스키마까지 저장하므로 서버가 아니라 툴 단위로 권한을 주고, 되돌릴 수 없는 툴만 따로 차단할 수 있습니다.
ㆍ연결 정보는 불변 스냅샷으로 쌓여 문제가 생기면 이전 버전으로 즉시 롤백되고, 등록 전 표준 준수를 A·B·C 등급으로 자동 판정합니다.
ㆍ입력 스키마까지 저장하므로 서버가 아니라 툴 단위로 권한을 주고, 되돌릴 수 없는 툴만 따로 차단할 수 있습니다.
ㆍ연결 정보는 불변 스냅샷으로 쌓여 문제가 생기면 이전 버전으로 즉시 롤백되고, 등록 전 표준 준수를 A·B·C 등급으로 자동 판정합니다.
▶ A2A 호출 & 서비스 노출 에이전트 간 호출과 서비스 공개 데모 영상
ㆍ내·외부 시스템의 Open API 명세와 프로세스 데이터를 자동 해석하여 연동 방식을 제안합니다.
ㆍProcess GPT의 프로세스 및 에이전트를 A2A 서비스로 노출하고 외부 시스템에서 직접 호출할 수 있습니다.
ㆍ자동 연계 구조를 통해 다양한 시스템 간 통합 실행 환경을 손쉽게 구축할 수 있습니다.
ㆍProcess GPT의 프로세스 및 에이전트를 A2A 서비스로 노출하고 외부 시스템에서 직접 호출할 수 있습니다.
ㆍ자동 연계 구조를 통해 다양한 시스템 간 통합 실행 환경을 손쉽게 구축할 수 있습니다.
🎙️
문서 · 음성 인터페이스
키보드 앞이 아닌 곳에서도 업무가 이어진다
▶ 대화로 만드는 HWPX(한글) 문서 한글 문서를 대화로 생성하고 편집 화면 2컷
ㆍ한글(HWPX) 양식을 채팅방에 올리고 요청하면 에이전트가 제안서·보고서 등의 문서를 양식에 맞춰 자동 작성합니다.
ㆍ화면에서 미리보기로 확인하고, "과제명을 수정해줘", "이 부분을 더 길게 써줘" 같은 대화형·AI 편집 모드로 수정합니다.
ㆍ편집 완료 후 HWPX 파일로 즉시 다운로드 — 공공·행정 문서 업무의 Zero-Touch 자동화를 지원합니다.
ㆍ화면에서 미리보기로 확인하고, "과제명을 수정해줘", "이 부분을 더 길게 써줘" 같은 대화형·AI 편집 모드로 수정합니다.
ㆍ편집 완료 후 HWPX 파일로 즉시 다운로드 — 공공·행정 문서 업무의 Zero-Touch 자동화를 지원합니다.
▶ 보이스 에이전트 핸즈프리 업무 말로 업무 폼을 채운다 화면 1컷
ㆍ키보드 없이 AI와 음성으로 대화하며 업무 폼을 채우고 제출까지 완료합니다. (GPT-4 Realtime API 기반)
ㆍ에이전트가 태스크의 웹 폼 컨텍스트를 스스로 인식하여 대화 내용을 알맞은 필드에 채워 넣습니다.
ㆍ말이 겹치면 이를 감지해 멈추고 사용자의 정정("잘못 말했습니다")을 즉시 반영하는 자연스러운 대화를 지원합니다.
ㆍ에이전트가 태스크의 웹 폼 컨텍스트를 스스로 인식하여 대화 내용을 알맞은 필드에 채워 넣습니다.
ㆍ말이 겹치면 이를 감지해 멈추고 사용자의 정정("잘못 말했습니다")을 즉시 반영하는 자연스러운 대화를 지원합니다.
▶ 콜봇: 전화로 진행하는 프로세스 전화 인터뷰 결과가 그대로 기록된다 화면 2컷
ㆍ프로세스가 진행되어 사용자의 할 일이 생기면 에이전트가 직접 전화를 걸어 업무(인터뷰 등)를 진행합니다. (Twilio CPaaS 연동)
ㆍ전화번호로 사용자를 식별해 신원을 확인하고, 워크리스트의 처리할 업무를 대화로 안내·처리합니다.
ㆍ통화 중 주고받은 답변은 업무 폼에 자동 기록되어 제출되며, 프롬프트 이탈에 대한 폴백 처리까지 내장되어 있습니다.
ㆍ전화번호로 사용자를 식별해 신원을 확인하고, 워크리스트의 처리할 업무를 대화로 안내·처리합니다.
ㆍ통화 중 주고받은 답변은 업무 폼에 자동 기록되어 제출되며, 프롬프트 이탈에 대한 폴백 처리까지 내장되어 있습니다.
📊
분석 · 관측
실행된 것을 되짚어 따질 수 있게 만든다
▶ 실행 프로파일러NEW 에이전트가 왜 그렇게 판단했는지를 4단계로 따라 들어간다 화면 8컷
ㆍ인스턴스 행을 누르면 총 소요 시간과 토큰 비용이 함께 열리고, 실행 구간이 워터폴로 펼쳐집니다.
ㆍ워터폴 → 태스크 → 언어 모델 호출 → 툴 호출까지 부모-자식으로 이어져, 몇 번째 판단이 어떤 툴을 불렀는지가 남습니다.
ㆍ프롬프트·응답·툴 인자를 그대로 확인할 수 있으며 토큰·비밀번호는 저장 단계에서 마스킹됩니다.
ㆍ워터폴 → 태스크 → 언어 모델 호출 → 툴 호출까지 부모-자식으로 이어져, 몇 번째 판단이 어떤 툴을 불렀는지가 남습니다.
ㆍ프롬프트·응답·툴 인자를 그대로 확인할 수 있으며 토큰·비밀번호는 저장 단계에서 마스킹됩니다.
▶ 리드타임 분해NEW 그 시간을 사람이 썼는지, 에이전트가 썼는지, 대기였는지 화면 7컷
🚢
적용 사례
부서 경계를 넘는 실제 업무 한 건을 끝까지
▶ 공급망 납기리스크 대응NEW ERP·WMS·통관·CRM을 넘나드는 사건 하나를 끝까지 화면 9컷
ㆍ통관 보류 한 건이 조달·재고·구매·고객지원으로 번지는 흐름을 하나의 프로세스로 처리합니다.
ㆍ데이터를 한곳에 모으지 않고 온톨로지 스튜디오의 지식 지도로 이어 두고, 계산은 원본 데이터베이스에 맡깁니다.
ㆍ에이전트는 모두 읽기 전용이며 돈이 나가는 결정에서만 사람이 승인하고, 그 판단은 기록으로 남습니다.
ㆍ데이터를 한곳에 모으지 않고 온톨로지 스튜디오의 지식 지도로 이어 두고, 계산은 원본 데이터베이스에 맡깁니다.
ㆍ에이전트는 모두 읽기 전용이며 돈이 나가는 결정에서만 사람이 승인하고, 그 판단은 기록으로 남습니다.
Architecture
워크차트 자동 생성부터 에이전트 오케스트레이션, 자율 실행, 통제·확장까지 — Process-GPT의 아키텍처입니다.
더 자세한 내용은 소개서(PDF)에서 확인하실 수 있습니다.
더 자세한 내용은 소개서(PDF)에서 확인하실 수 있습니다.
Agent Mesh 구현을 위한 아키텍처
시스템 아키텍처
Utilized technologies
+ uengine6 BPMS
+ MSA Easy (github.com/msa-ez/platform)