AX 사례: 광고대행사 대홍기획 사내 AI 플랫폼 구축, D-AISY 프로젝트

안녕하세요! 사랑받는 IT 프로덕트의 첫 스텝, 똑똑한개발자입니다 :)

똑똑한개발자는 롯데그룹 계열 종합 광고대행사 대홍기획과 함께 사내 AI 플랫폼 D-AISY(데이지)를 구축했습니다. 광고 실무자의 반복 문서 업무를 줄이기 위해, 업무별 AI 솔루션 5종과 그 솔루션을 한곳에서 관리하는 사내 AI 포털을 함께 만든 프로젝트입니다.

광고 현장에서 판단보다 앞서는 일은 수집입니다. 방송과 OTT 편성 정보를 모으려고 담당자가 매체사 홈페이지를 하나씩 도는 데 약 2일, 수집이 끝난 뒤에도 편성 변경을 놓치지 않으려면 매일 1~2시간씩 같은 페이지를 다시 확인해야 했습니다. 광고주 미팅 자료 조사와 정리에도 2일쯤 들었습니다. 시간만 문제가 아니었습니다. 팩트북이나 SNS 카피처럼 AI를 쓰면 빨라지는 업무는 이미 임직원 각자가 외부 AI 도구로 처리하고 있었지만, 사내 공식 도구가 없으니 업무 맥락과 자료는 회사 밖으로 흩어지는 상황이었습니다.

이 문제를 D-AISY가 어떻게 풀었는지, 개발 과정을 알려드리겠습니다.

D-AISY 목차 🌼

• 서비스 소개 및 주요 특징

• 타 서비스 대비 강점

• 개발 과정에서 중점을 둔 요소

• 프로젝트 성과 및 향후 기대

서비스 소개 및 주요 특징

D-AISY는 대홍기획 임직원 369명이 사내 계정으로 로그인해, 회사가 만든 AI 서비스를 한 화면에서 찾아 쓰는 사내 AI 포털입니다.

개별 AI 기능을 위해 먼저 필요한 사내 AI 플랫폼

고객사 AX팀이 처음 검토하던 것은 AI Agent 구축, 업무 자동화 솔루션, 광고 플랫폼 API 연동처럼 개별 AI 기능이었습니다.

하지만 기능을 하나씩 만들어도 임직원이 한곳에서 접근할 수 있는 플랫폼이 없으면, 어떤 AI가 있는지 파악이 안 되고 사용 내역이나 업무 맥락도 관리되지 않습니다.

이미 임직원 각자가 외부 AI 도구를 개인적으로 쓰고 있었고, 업무 지식이 회사 밖으로 흩어지는 것도 문제였습니다. 그래서 개별 솔루션을 만드는 일과, 그 솔루션들을 모아 관리하는 사내 AI 플랫폼을 만드는 일을 동시에 진행하기로 했습니다. 이 플랫폼이 D-AISY입니다.

사내 AI 포털의 기본 구조: 로그인, 권한, 사용 통계

1️⃣ 사내 계정 로그인과 권한 관리: 최고 관리자, 일반 관리자, 일반사용자 3단계

2️⃣ 홈 화면: 회사가 만든 AI 서비스를 찾아 들어가는 진입점

3️⃣ 업무 자동화(워크플로우) 메뉴와 AI 에이전트 메뉴: 솔루션이 실제로 배치되는 자리

4️⃣ 어드민 통계: 누가 어떤 AI를 얼마나 썼는지 확인

D-AISY에서 이용하는 업무별 AI 솔루션 5종

D-AISY 안에는 광고 보고서 자동화, 프로그램 라인업 정리 AI, 팩트북 서포트 AI, SNS 카피 생성 AI 등 5종의 업무별 솔루션이 들어갑니다.

광고 보고서 업무는 5개 매체에 같은 규격의 PPT를 반복 제출하는 일인데, 최대 50~60곳에서 받은 이미지 크기가 제각각이라 하나하나 손으로 맞추는 시간이 계속 쌓이던 작업이었습니다. 외부 솔루션을 구독해 쓰던 목업 이미지 영역은 자체 솔루션으로 전환하기로 했고, 고객사가 자체 개발 중이던 유튜브 데일리 리포트 자동화는 D-AISY 위에 연결했습니다.

1차 오픈의 중심이 된 프로그램 라인업 AI

프로그램 라인업 AI는 편성 정보 수집 업무를 담당합니다. 신규 프로그램 조사와 편성 변경 감지를 크론잡으로 주기적으로 실행하고, 사용자가 편성표를 올리면 그 안의 정보를 추출합니다. 수집된 데이터는 필요한 항목별로 정리해 저장하고, 요약과 분석까지 이어집니다.

타 서비스 대비 강점

임직원이 각자 외부 AI 도구를 쓰던 방식과 비교하면 아래 세 가지 차이가 가장 두드러집니다.

1. 개인이 쓰던 AI가 회사 안에 남는다.

대홍기획이 이 프로젝트를 추진한 이유 중 하나는 사내 AI 서비스 안에 기능을 내재화해 업무 지식을 회사 안에 남기는 것이었습니다.

임직원이 어떤 업무를 어떤 방식으로 AI에 맡기는지 회사 플랫폼에 투명하게 기록됩니다. 어드민 통계로 사용 현황이 보이기 때문에, 다음에 어떤 기능을 더 만들지를 실제 사용 데이터로 판단할 수 있습니다.

2. 자동으로 등록되지 않는 자동화: 사람이 승인한 것만 반영된다.

AI가 수집하고 정리한 결과가 바로 서비스에 반영되는 구조는 아닙니다. 역할을 세 단계로 나눴습니다. AI가 조사와 추출을 수행하는 AI 처리 단계, 정해진 기준으로 결과를 자동 확인하는 검증 단계, 사람이 최종 검수하고 승인하는 HITL(Human-in-the-loop) 단계입니다.

파싱이 끝나면 '확인 필요' 상태가 되고, 담당자가 최종 확인한 항목만 등록됩니다. 확인이 필요한 시점에는 알림과 함께 확인 페이지로 이동하는 링크가 뜹니다. 데이터를 직접 추가하거나 수정하는 화면도 따로 있고, 동명이인의 출연진이 있을 때는 AI가 자동으로 통합 처리하되 나무위키 링크로 교차 확인하도록 안내했습니다. 반대로 주기적인 정보 조사와 편성 변경 확인은 검증 기준을 통과하면 자동 반영됩니다.

사람이 꼭 확인해야 하는 것과 자동으로 처리해도 되는 것을 구분한 것입니다.

3. 고객사가 이미 만든 기능까지 연결한다.

고객사가 자체 개발 중이던 유튜브 데일리 리포트 자동화가 그 사례입니다. 기존에 만든 기능을 폐기하지 않고 D-AISY에 연결했습니다. 플랫폼 구조를 워크플로우 메뉴와 AI 에이전트 메뉴로 잡아뒀기 때문에, 새로운 솔루션이 추가될 때마다 플랫폼을 다시 설계할 필요가 없습니다.

개발 과정에서 중점을 둔 요소

1. 사내 AX 시스템 D-AISY, 가장 까다로운 기능

여러 업무 중 D-AISY 플랫폼과 프로그램 라인업 AI를 1차 개발 대상으로 정했습니다. 프로그램 라인업 AI는 AI 검색과 크롤링, 분석이 주 기능이라 저작권과 법적 이슈 검토가 먼저 필요했고, 수집 범위와 비용 사이에서 조율도 해야 했습니다. 검토에 시간이 걸리는 항목을 뒤로 미루지 않고 먼저 시작했습니다.

2. 검색 누락을 줄이는 AI 모델 선택

프로그램 정보를 LLM이 웹에서 검색해 정리하는 구조였는데, 초기에 사용한 모델은 첫 검색에서 원하는 정보를 못 찾으면 검색어를 바꿔 다시 시도하지 않고 비워둔 채 넘어갔습니다.

처음에는 퍼플렉시티와 GPT를 병행하는 방향이었지만, 퍼플렉시티의 툴 콜링과 추론 성능이 기대에 못 미쳐 GPT API로 단일화했습니다. GPT 웹서치에는 기간 필터가 없다는 제약이 있었지만, 정보가 부족하면 자동으로 검색어를 바꿔 다시 검색하는 성능이 확실히 우수했습니다. 기간 필터 부재는 시스템 프롬프트에서 검색어 조건을 강화하는 방식으로 보완했습니다.

3. 서버가 직접 스크래핑하지 않고 본문을 확보하는 방법

프로그램과 뉴스 정보를 모으려면 웹 페이지 본문을 읽어야 합니다. 하지만 서버가 직접 스크래핑하면 정책 위반과 법적 리스크가 따릅니다. 그렇다고 공식 오픈 API만 쓰면 제목과 본문 앞 200자 정도만 받을 수 있어서 정보가 부족했습니다.

네이버, 다음 공식 API로 URL만 받고, 그 URL을 Gemini의 URL Context 기능에 넘겨 Gemini가 페이지를 읽도록 했습니다. 서버가 직접 페이지에 접근하지 않기 때문에 법적 리스크가 줄고, 본문 정보는 확보할 수 있는 구조입니다.

4. 쓸 수 있는 수집 방법이 제한된 조건에서의 설계

이 프로젝트의 가장 큰 제약은 예산이나 기간이 아니라, 고객사의 법무 검토와 내부 정책에 따라 쓸 수 있는 데이터 수집 방법 자체가 제한된다는 점이었습니다. 검색 조건을 직접 통제하려고 검색 단계를 별도 API로 분리하는 방안을 제안했지만 법무 검토에서 제외됐고, 외부 검색이나 스크래핑 서비스도 내부 정책 때문에 쓸 수 없었습니다.

그래서 원하는 도구를 자유롭게 조합하는 대신, 고객사가 법무 검토를 진행할 수 있는 대안을 제안하고 테스트 결과를 근거로 다음 방향을 협의하는 방식으로 진행했습니다. 처음에는 Gemini 구성을 보완하는 데 집중했고, 이후 고객사의 테스트 승인을 받아 Perplexity 기반 구성을 검증했습니다. 기술 선택지가 좁은 환경일수록, 무엇을 쓸 수 있는지를 먼저 확인하고 정리하는 과정이 전체 개발 속도에 영향을 줍니다.

5. 출처, 최신성 확인 시스템

개발 과정에서 가장 어려웠던 부분입니다. 프로그램 라인업은 편성이나 출연진 정보가 수시로 바뀌기 때문에, AI가 정리한 결과가 맞는지 확인할 수 있어야 했습니다. 어떤 자료를 근거로 정리했는지, 지정한 기간의 정보를 실제로 참고했는지가 보여야 합니다. 검증 단계에서 근거 유무와 기존 데이터와의 정합성을 자동으로 확인하도록 만든 이유입니다.

여기서 타협이 필요했습니다. 최근 기사만 보면 최신 동향은 잡히지만 제작사 같은 기본 정보가 빠지고, 참조 범위를 넓히면 관련 없는 자료까지 섞입니다. 모든 정보를 한 번에 빠짐없이 수집하겠다는 목표 대신, 검색 조건과 출처를 통제하고 부족한 정보를 확인하는 쪽에 우선순위를 뒀습니다. 주요 언론사 20개 도메인으로 범위를 제한해 테스트했고, 해당 매체가 프로그램 정보 수집에 적합한지 직접 검증하는 계획도 세웠습니다.

6. 같은 OTT를 다른 플랫폼으로 인식하던 문제

LLM이 플랫폼 이름을 영문으로 인식할 때 대소문자 혼용 같은 표기 차이가 많아서, 같은 플랫폼을 서로 다른 것으로 처리하는 문제가 있었습니다. 넷플릭스, 디즈니플러스, 웨이브, 쿠팡플레이 등 주요 OTT 명칭을 한글 표기로 통일해 관리하는 것으로 정리했습니다.

7. 실패를 전제로 한 예외 처리 설계

AI 작업이 실패하면 최대 3회까지 재시도하고, 일부 항목만 실패하면 별도로 기록합니다. 편성표 저장은 하나의 묶음으로 처리해서 중간에 오류가 나면 전체 저장을 취소합니다. 다른 담당자가 먼저 수정한 내용이 있으면 덮어쓰지 않도록 저장을 막도록 했습니다.

프로젝트 성과 및 향후 기대

개인의 AI 활용을 조직 단위로 확산하는 2차 개발

2차에서는 D-AISY 고도화를 논의하고 있습니다. AI 활용 사례와 노하우가 개인이나 팀 안에 머물러서 조직 전체로 공유되지 않는다는 문제에서 출발했습니다. 프롬프트와 워크플로우, 자체 AI 서비스를 공유하고 부서, 직무, 태그로 검색하는 구조와, 어드민에서 활용 현황과 부서별 참여도를 확인하는 구조를 검토 중입니다. 하반기 신규 과제로는 목업 이미지 제작 AI와 경쟁 PT 지원 AI를 함께 준비하고 있습니다.

사내 AI 도입에서 먼저 정리해야 하는 것은 기술이 아닙니다

D-AISY 프로젝트에서 가장 까다로웠던 문제는 모델 선택이나 화면 구현이 아니었습니다. 어떤 데이터를 어디까지 쓸 수 있는지, 법무 검토를 통과하는 수집 방식은 무엇인지, 틀린 결과가 나왔을 때 누가 걸러내는지를 정하는 일이었습니다. 이런 조건이 정리되지 않으면 아무리 좋은 모델을 붙여도 사내 서비스로 운영되지 않습니다.

AX(AI 전환) 컨설팅 프로젝트, 어디서부터 시작해야 할지 고민이라면

우리 회사에도 AX 전환이 필요하다면, 기술보다 먼저 조건을 정리하는 것부터 시작해야 합니다.

똑똑한개발자는 법무 검토, 데이터 수집 범위, 운영 구조까지 함께 설계하고, 실제로 사내에서 동작하는 AI 플랫폼을 구축합니다.

AX를 검토하고 계신다면 똑똑한개발자가 무료 상담을 통해 그 첫걸음을 함께 설계해 드리겠습니다!

감사합니다 :)

똑똑한개발자 | 기업 AX 전환 전문 개발사

제미나이, GPT, 클로드를 활용해 AI Agent 탑재 및 AX 전환의 전문성을 갖춘 IT 프로덕트 에이전시.

https://www.toktokhan.dev?utm_source=landing&utm_medium=daisy&utm_campaign=daisy&utm_term=%EB%8C%80%ED%99%8Ddaisy