에이전트형 AI 프로젝트 중단 전망
Gartner는 비용 상승, 불명확한 사업 가치, 부족한 위험 통제를 이유로 2027년 말까지 40% 이상이 중단될 것으로 전망했습니다. 이미 발생한 실패율이 아닙니다.
Gartner · 2025.06.25END-TO-END PROCESS ORCHESTRATION
개인의 작업을 빠르게 하는 AI에서,
조직 전체의 리드타임을 줄이는 AI로.
문서 작성과 분석은 빨라졌습니다. 그런데 고객의 요청부터 최종 의사결정과 실행 완료까지, 조직의 일은 얼마나 빨라졌나요?
Process GPT는 사람·AI·기존 시스템을 하나의 End-to-End 프로세스로 연결합니다. 부서 사이의 인계와 의사결정 병목을 찾아, 개인의 시간 절약을 조직 전체의 성과로 이어갑니다.
01 · THE PROBLEM
개인은 빨라졌는데,
왜 조직의 일은 여전히 오래 걸릴까요?
조직 전체의 리드타임은 업무가 시작되어 최종 의사결정과 실행이 완료될 때까지의 경과 시간입니다. 개별 작업을 단축해도 완료 시점을 좌우하는 경로, 즉 크리티컬 패스의 대기가 남으면 전체 개선은 제한됩니다.
작업 안에서실제 처리
문서 작성·분석·시스템 처리
개인 AI가 주로 개선하는 구간부서와 시스템 사이에서인계 대기
전달·접수·담당 배정 대기
판단이 필요한 지점에서의사결정 대기
검토·승인·예외 판단 대기
되돌아가는 구간에서재작업
누락 보완·재검토·재처리
한 업무의 경과 시간을 나누어 보는 관점입니다. 병렬 업무는 시간을 단순 합산하지 않고, 최종 완료를 결정하는 경로를 살펴봅니다.
보고서를 빨리 만드는 것과 의사결정을 빨리 끝내는 것은 다릅니다.
영업이 제안서를 완성해도 법무 검토, 재무 승인, 운영 부서의 실행이 연결되지 않으면 고객에게 약속을 확정하는 시간은 줄지 않습니다. 다음 담당자에게 필요한 정보와 권한, 완료 조건까지 전달되어야 합니다.
AI 투자와 조직 성과 사이의 격차: 40% · 95% · 5%의 의미
측정 가능한 사업 성과의 격차
Project NANDA의 2025년 예비 연구는 95%의 조직이 수익을 얻지 못하고, 통합 AI 파일럿의 5%가 큰 가치를 창출한다고 보고했습니다. 개인 생산성 향상과 손익 성과의 차이, 업무 흐름과의 통합·맥락 학습을 강조합니다.
The GenAI Divide · 2025.07 · 보고서 사본, 2–7쪽서로 다른 대상과 기준의 전망·연구입니다. 모든 AI 프로젝트의 보편적인 실패율이나, 프로세스 연결 부재만이 실패 원인이라는 뜻은 아닙니다. Process GPT는 이 성과 격차에 조직 전체의 리드타임과 프로세스 연결 관점으로 접근합니다.
02 · THE SOLUTION
End-to-End 오케스트레이션으로
업무의 시작과 최종 결과를 연결합니다.
Process GPT는 개별 에이전트의 답변을 다음 부서의 판단과 실행으로 이어주는 실행 플랫폼입니다. 연결·의사결정·예외·측정을 함께 설계해 전체 리드타임의 병목을 개선합니다.
부서 사이의 인계를 프로세스로
앞 단계의 결과를 다음 담당자와 시스템의 입력으로 연결합니다. 누가 이어받고 언제 완료하는지를 하나의 흐름에 정의합니다.
프로세스 설계 기능 →판단에 필요한 근거와 책임을 함께
AI는 문맥을 정리하고, 규칙은 명확한 기준을 적용하며, 사람은 중요한 결정을 맡습니다. 검토에 필요한 정보와 승인 경로를 업무 안에 배치합니다.
규칙·협업 기능 →되돌아가는 업무에도 경로를
누락, 반려, 연동 오류가 생겼을 때 보완 담당자와 재처리 경로를 정합니다. 예외를 개인의 메일함에 남겨두지 않고 업무 상태로 관리하도록 설계합니다.
실행·피드백 기능 →전체 완료 시간을 기준으로 개선
기록된 실행 이력에서 사람·에이전트의 처리와 대기를 분해합니다. 크리티컬 패스의 병목을 찾고, 변경 전후의 전체 리드타임·재작업률·품질을 비교합니다.
리드타임 분석 기능 →성과의 기준AI 응답이 끝난 시점이 아니라,
조직의 업무가 완료된 시점.
조직의 업무가 완료된 시점.
목표는 전체 리드타임 단축입니다. 중요한 승인과 품질 기준을 지키면서, 인계와 대기에서 줄일 수 있는 시간을 찾습니다.
연동 범위·예외 처리·측정 가능한 구간은 고객의 업무 규정과 시스템 구성에 맞춰 검증합니다.
우리의 비전 개인의 생산성 향상을 조직 전체의 실행 성과로.
지식은 판단의 근거가 되고, 프로세스는 그 판단을 완료까지 연결합니다. AI-Native Enterprise 비전 →
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 자연어로 BPMN 업무 흐름과 입력 폼을 함께 설계 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 Ontological 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 Ontological 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.
▶에이전트 내보내기 · 외부 실행 환경LangGraph·Crew AI와 연결하는 실행 자산
구성한 에이전트를 LangGraph·Crew AI 포맷으로 내보내 기존 에이전트 환경과 연결합니다. JSON, Python 모듈, API 엔드포인트 등 연동 방식은 대상 환경에 맞춰 검토합니다.
▶ 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.
▶ 원본 형식 그대로 여는 문서 편집기 · Process GPT 오피스 한글·워드·엑셀·PPT·PDF를 서식째 고치고, 에이전트가 쓰는 모습을 지켜본다 영상 · 화면 4컷
ㆍ업무에 첨부한 한글·워드·엑셀·파워포인트·PDF 문서를 화면용 페이지로 바꾸지 않고 원본 형식 그대로 열어 고칩니다. 저장하면 원본은 남기고 편집본이 따로 올라가며, 업무 화면의 첨부도 편집본으로 바뀝니다. 편집 창은 최대화·전체 화면으로 넓혀 쓸 수 있습니다.
ㆍ편집기의 AI 도우미는 문서가 열린 업무 단계와 앞 단계의 요청을 함께 받습니다. "팀장 요청대로 다듬어 줘"라고만 해도 무엇을 고칠지 알고, 차트와 제목 서식은 그대로 둡니다. AI는 사내 언어 모델 서버에서 돌아 문서 내용이 밖으로 나가지 않습니다.
ㆍ채팅에서 Process GPT 에이전트에게 맡기면, 에이전트가 지금 열려 있는 문서를 찾아 사람이 보는 앞에서 빈칸을 채우고 저장합니다. 편집기 아래에 에이전트가 무엇을 하는지 알림이 뜹니다.
ㆍ편집기는 Apache 2.0 오픈소스인 이음오피스를 바탕으로 만들었고, 원저작자 고지와 제3자 라이선스를 편집기와 함께 제공합니다.
ㆍ편집기의 AI 도우미는 문서가 열린 업무 단계와 앞 단계의 요청을 함께 받습니다. "팀장 요청대로 다듬어 줘"라고만 해도 무엇을 고칠지 알고, 차트와 제목 서식은 그대로 둡니다. AI는 사내 언어 모델 서버에서 돌아 문서 내용이 밖으로 나가지 않습니다.
ㆍ채팅에서 Process GPT 에이전트에게 맡기면, 에이전트가 지금 열려 있는 문서를 찾아 사람이 보는 앞에서 빈칸을 채우고 저장합니다. 편집기 아래에 에이전트가 무엇을 하는지 알림이 뜹니다.
ㆍ편집기는 Apache 2.0 오픈소스인 이음오피스를 바탕으로 만들었고, 원저작자 고지와 제3자 라이선스를 편집기와 함께 제공합니다.
▶ 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
LEARN MORE
영상과 대화로 이해하는 Process GPT
제품 소개 영상
Process GPT 팟캐스트 · AI를 실제 업무로
01 · AI 파일럿은 왜 실무에서 멈출까
Process GPT로 사람·AI·기존 시스템을 연결하는 방법을 두 진행자의 대화로 들어보세요. 청구서 업무 예시와 도입 전 네 가지 질문을 함께 살펴봅니다.
Process GPT 제품소개서와 제품 설명을 바탕으로 NotebookLM이 생성한 AI 음성 해설입니다. 청구서 업무는 이해를 돕기 위한 가상의 설계 예시이며, 실제 적용 범위는 고객 환경에서 검증합니다.
적용 사례
Case Studies
에이전트 기반 프로세스 실행은 이미 국내 대기업의 실제 업무 영역에서 검증되고 있습니다.
문서 생성부터 프로세스 자산화까지 — 실제 기업 업무에서 검증된 에이전트 실행입니다.
공급망 데모 시나리오
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)