이 질문을 하는 독자는 코이스(KOIS)의 AI 솔루션이 단순히 최신 유행을 따른 결과물인지, 아니면 실제 비즈니스 현장의 복잡한 문제를 해결해 온 깊이 있는 경험에서 비롯된 것인지 확인하고 싶어 합니다. 특히 'ProPoseOS'라는 구체적인 선행 개발 경험이 현재의 'KOIS 지식엔진'에 어떤 기술적 자산과 운영 철학으로 녹아 있는지 그 연결고리를 이해함으로써 솔루션의 신뢰성과 전문성을 가늠하려는 것입니다.

ProPoseOS는 코이스가 공공사업 제안서 작성이라는 매우 복잡하고 까다로운 과제를 해결하기 위해 약 1년간 개발에 집중했던 내부 AI 시스템입니다. 공공 제안서는 단순히 글을 잘 쓰는 것을 넘어, 수백 페이지에 달하는 제안요청서(RFP)의 모든 요구사항과 평가 기준을 충족하며, 회사의 실적과 기술력을 근거로 구체적인 실행 계획을 제시해야 합니다.

이 과정에서 코이스는 다음과 같은 근본적인 문제들을 해결해야 했습니다.

* 분석: 긴 RFP와 과업지시서를 AI가 어떻게 정확히 분석하고 핵심 요구사항을 추출할 것인가? * 근거 연결: 회사의 실적, 기술, 인력 자료를 제안서의 주장에 어떤 근거로 연결할 것인가? * 구조화: 추상적인 문장 대신 일정, KPI, 산출물이 담긴 실행안과 표, 도식을 어떻게 만들 것인가? * 제어: 여러 AI의 역할을 어떻게 나누어 전체 작업의 일관성을 유지하고 오류를 줄일 것인가? * 검수: AI가 만든 초안을 사람이 어느 단계에서, 어떻게 검토하고 최종 판단을 내릴 것인가?

이러한 고민의 결과물인 ProPoseOS는 단일 AI가 모든 것을 처리하는 방식이 아닌, 여러 전문 AI 에이전트가 협력하여 복잡한 작업을 단계별로 수행하는 '에이전틱 워크플로우' 방식으로 설계되었습니다. 이 경험은 코이스 AI 기술의 핵심 철학을 형성했습니다.

선택지 비교

ProPoseOS 개발을 통해 얻은 학습과 기술적 자산은 기업의 공식 지식을 운영하는 KOIS 지식엔진에 체계적으로 이식되었습니다. 제안서 작성이라는 특정 목적의 시스템이 범용적인 기업 지식 관리 시스템으로 확장된 것입니다.

이처럼 KOIS 지식엔진은 단순한 AI 글쓰기 도구가 아니라, ProPoseOS를 통해 검증된 '분석 → 기획 → 근거 확인 → 생성 → 검수' 의 체계적인 프로세스를 기업의 지식 자산 관리에 적용한 결과물입니다.

ProPoseOS와 KOIS 지식엔진은 같은 제품인가요?

아닙니다. 두 제품은 목적과 사용자가 명확히 다릅니다. ProPoseOS는 '공공 입찰 제안서 작성 자동화'를 위한 시스템이고, KOIS 지식엔진은 '기업의 공식 지식을 외부에 공개하고 AI 채팅으로 제공'하는 시스템입니다. 다만, 복잡한 자료를 분석하고, 근거에 기반하며, 여러 AI가 협력하고, 사람이 최종 통제하는 핵심 기술 철학과 운영 방식을 공유합니다.

하나의 강력한 AI 모델만 쓰면 되지, 왜 여러 역할로 복잡하게 나누나요?

하나의 AI에게 모든 작업을 한 번에 맡기면 분석과 작성이 뒤섞여 중요 항목을 누락하거나 내용 간 논리적 충돌이 발생하기 쉽습니다. 역할을 나누면 '분석', '기획', '생성' 등 각 단계별로 오류를 찾고 수정하기 용이하며, 전체 작업의 일관성과 결과물의 안정성을 높일 수 있습니다. 이는 복잡한 프로젝트를 여러 팀이 나누어 수행하는 것과 같은 원리입니다.

AI가 모든 것을 자동으로 완성해준다는 의미인가요?

아닙니다. 코이스의 핵심 원칙은 'AI는 분석, 초안, 반복 업무를 돕고, 최종 전략과 책임은 사람이 진다'는 것입니다. 특히 가격, 정책, 기술 사양처럼 기업이 법적, 상업적 책임을 져야 하는 사실 정보는 AI가 임의로 생성하지 않으며, 반드시 담당자가 직접 검수하고 승인하는 절차를 거칩니다. 이는 ProPoseOS 개발 당시부터 확립된 중요한 원칙입니다.

결정 후 다음 단계

* 기업의 복잡한 지식을 AI가 어떻게 학습하고 답변하는지 원리 파악하기 * 자사의 공식 자료(PDF, 매뉴얼 등)를 AI 답변의 근거로 활용할 수 있는지 점검하기