S2W, 기업 맞춤형 생성형 AI 플랫폼 ‘S-AIP’ 출시... 안전한 sLLM 구축·사용 지원

S-AIP, 기업의 정형·비정형 데이터를 중앙화해 업무 효율 극대화
지식 그래프 구축으로 정확한 답변 및 출처 도출, 할루시네이션 해결...LLM 한계 극복
S2W 서상덕 대표 “산업 전반의 경쟁력 강화에 기여...IPO 추진해 퀀텀 점프할 것”

[보안뉴스 박은주 기자] 인공지능 빅데이터 인텔리전스 기업 S2W(대표 서상덕)가 안전한 기업 맞춤형 생성형 AI(인공지능) 플랫폼 ‘S-AIP(에스에이아이피)’를 출시했다. 이를 소개하는 ‘S-AIP Launch Day’를 3월 13일 서울 삼성동 코엑스 스튜디오159에서 진행했다.

▲기업 맞춤형 생성형 AI S-AIP에 대해 설명하는 서상덕 대표[사진=보안뉴스]

S-AIP(S2W Artificial Intelligence Platform)는 기업용 소형언어모델(sLLM) AI 플랫폼으로 RAGS(Retrieval-Augmented Generation and Security, 검색 증강 생성과 보안)를 활용해 산업별 최적화된 AIP 솔루션을 구축한다.

S2W는 수년간 축적해온 비정형 민감 정보 데이터 처리 기술과 도메인 특화 AI 언어모델에 대한 구축 노하우를 기반으로 S-AIP를 탄생시켰다. S-AIP는 기업 내 존재하는 데이터베이스와 PPT, PDF 파일 등 정형·비정형 데이터를 중앙화한다. 사용자의 질문에 사실에 기반한 답변과 데이터를 제공함으로써 업무 효율성을 높였다. 이 밖에도 상용 대규모언어모델(LLM)의 한계점으로 꼽히던 각종 신뢰 및 시의성 문제를 해결했다.

S-AIP는 보안에 특화된 언어모델 다크버트(DarkBERT)를 구축한 경험과 학습 모델을 구축한 역량을 바탕으로 도메인 학습을 최적화했다. S2W 정진우 이사는 “S-AIP는 데이터 설계도(Ontology) 및 지식 그래프 구축을 통해 데이터에 대한 정확한 답변을 도출할 수 있고, 도메인 이해도가 높다”고 설명했다.

허위 정보를 사실처럼 말하는 할루시네이션 현상을 해결하기 위해 RAG 및 지식 그래프를 활용했다. 데이터의 출처를 확인할 수 있어 언어모델의 허위 답변을 막을 수 있다는 것. 이와 더불어 LLM이 생성한 답변을 외부 데이터로 보강해 대답의 정확성과 유용성을 개선했다. S2W 서현민 이사는 “외부 검색 기능은 사용자가 원할 때 켜고 끌 수 있다”며 “웹 데이터는 단방향으로 흐르기 때문에 내부 기밀이 유출될 위협은 없다”고 말했다.

S2W는 S-AIP의 차별점으로 △Automated Ontology 기반의 소형언어모델 △Knowledge Graph 기반의 빅데이터 알고리즘 △검색-증강-생성-보안(RAGS) 아키텍처를 꼽았다.

더불어 S-AIP는 기업 보안 수준에 맞춘 아키텍처 및 데이터 보안 기술을 활용해 안전한 sLLM 구축 및 사용을 지원한다. 기업 보안 환경에 맞춘 안전한 LLM 아키텍처로 내부 데이터 유출 걱정이 없다는 게 S2W의 설명이다. 또한 사내 IT 시스템 내에서 사용자·직급별로 접근 권한을 다르게 설정해 보안성을 높였다.

S-AIP는 제조, 보안, 소프트웨어, 금융, 지주회사, 통신사, 교육, 건설, 유통, 이커머스 등 다양한 산업에 적합한 도메인과 기업 내부 데이터를 같이 학습해 특정 기업 맞춤형으로 설계된다. 이로 인해 다양한 산업 분야에서 질의응답 기반의 검색, 문서 요약, 문서 생성 등 기본적인 업무 효율성을 향상시킬 것으로 기대된다.

S2W 서상덕 대표는 “AI 산업 발전의 핵심은 빅데이터를 해석하는 능력에 달렸다”며 “AI와 빅데이터, 보안을 통합한 S-AIP를 통해 산업 전반의 경쟁력 강화에 기여하겠다”고 밝혔다. 이어 “앞으로 S2W는 인공지능 데이터 인텔리전스 기업으로 자리매김할 것”이라며, “2025년 IPO(기업공개)를 추진해 퀀텀 점프하겠다”는 포부를 밝혔다.
[박은주 기자(boan5@boannews.com)]

AI 및 AI 보안 솔루션이 보안 인력의 업무에 어떤 식으로 영향을 미칠것이라고 생각하시나요
	부족한 인력 보충: 만성적인 인력 부족 문제를 해결하는 보완재 역할을 하고 있다(100% 대체는 불가)
	업무 영역의 분리: AI는 대량 데이터 처리를, 전문가는 고도의 전략적 판단을 맡는 등 역할이 완전히 다르다
	업무 총량의 전이: 단순 업무는 줄었으나, AI 모델 관리·검증 등 새로운 형태의 운영 업무가 발생해 전체 업무량은 비슷하다
	인력 대체 가능: 단순 반복 업무를 넘어 분석/판단 영역까지 대체하여 인력을 줄일 수 있다
	신뢰도 부족: 아직은 AI의 오탐이나 환각(Hallucination) 우려로 인해 사람이 일일이 재검토해야 하므로 실질적인 도움은 적다