챗봇 다음의 문제: 기업의 ‘공식 답’을 운영하는 KOIS AI 지식엔진
RAG, GEO 공개 페이지, AI 채팅과 질문 로그를 하나의 검수 루프로 묶는 구조와 한계를 살폈다
생성형 AI가 기업에 안긴 새로운 문제는 답을 만들기 어렵다는 데 있지 않다. 오히려 너무 쉽게, 너무 많은 답을 만들 수 있다는 데 있다. 홈페이지의 설명, 영업자료, 고객센터 답변과 사내 채팅이 서로 다른 말을 하기 시작하면 AI의 속도는 곧 정보 불일치의 속도가 된다.
KOIS AI 지식엔진은 이 문제를 챗봇 하나의 성능보다 기업의 공식 답을 운영하는 방식으로 풀려는 플랫폼이다. 공식자료를 RAG 지식베이스에 모으고, 같은 근거에서 만든 답을 사람이 검수한 뒤 공개 웹페이지와 AI 채팅에서 사용한다. 실제 사용자가 남긴 질문은 다시 보강할 지식의 후보가 된다. 제품의 핵심은 답변 생성 자체보다 이 순환을 끊기지 않게 만드는 데 있다.
첫 장면: 챗봇보다 ‘답의 운영 레이어’에 가깝다
일반적인 기업용 RAG는 문서를 검색해 질문에 답하는 데서 출발한다. KOIS도 PDF 등 공식자료를 변환·인덱싱하고, 테넌트 아래 여러 지식베이스를 나눠 운영하며, 등록된 근거가 없을 때 내용을 만들어내지 않도록 답변 정책을 둔다. 관리자 답변 테스트와 질의 API, 테넌트·지식베이스별 질문 이력도 공통 기반에 포함된다.
여기서 ‘근거 기반’은 정확도나 무환각을 보장하는 인증 문구가 아니다. 오래됐거나 서로 충돌하는 자료가 들어가면 답변이 자료에 근거하면서도 현재 사실과 어긋날 수 있다. 원문의 버전·폐기 기준과 충돌 처리까지 운영해야 RAG의 근거가 기업의 공식 답으로 기능한다.
여기에 KOIS가 더한 것은 답변의 공개와 갱신 과정이다. 검수된 Q&A는 고정 주소인 /answers/{slug}에 놓이고, /knowledge 지식허브에서 분류·연결된다. 같은 회사 자료는 공개 AI 위젯의 답변 근거로도 사용된다. 웹과 채팅이 완전히 같은 문장을 반복해야 한다는 뜻이 아니라, 서로 충돌하지 않는 공식 근거와 승인 방향을 공유하게 하는 구조다.
이 관점에서 KOIS는 ‘AI가 우리 회사를 추천하게 만드는 도구’보다, 회사가 무엇을 공식 답으로 인정했는지 관리하는 지식운영 레이어에 가깝다. 노출은 결과가 될 수 있지만 제품이 직접 통제하는 것은 자료, 검수, 발행과 갱신의 과정이다.
둘째 장면: 자동화의 한가운데 사람이 남아 있다
KOIS의 흐름은 공식자료 업로드에서 시작해 RAG 인덱싱, 질문 연구와 후보 발굴, AI 보조 초안, 사람의 검수·승인, 공개 발행과 채팅 답변으로 이어진다. 발행 뒤에는 반복 질문, 오래된 내용, 근거 부족과 검색결과 변화 신호를 모니터링해 다음 보강 후보를 만든다.
중요한 경계는 마지막 단계다. 질문분석과 모니터링은 예약 실행할 수 있지만, 후보가 자동으로 공개 글이 되지는 않는다. 같은 주소의 글도 버전으로 갱신하고 사람이 다시 승인한다. ‘질문 100개를 검수해 100개 GEO 콘텐츠로 만든다’는 식의 도입안 역시 계약 범위이지, 엔진이 무검수로 콘텐츠를 대량 생산한다는 뜻이 아니다.
사람의 개입은 속도를 늦추는 마찰인 동시에 공식 지식의 품질을 지키는 장치다. 이 제품의 효과는 모델 성능만으로 정해지지 않는다. 어떤 자료를 공식 근거로 삼을지, 누가 승인할지, 변경된 정보를 언제 다시 검수할지를 운영 조직이 결정할 수 있어야 한다.
셋째 장면: 공개 GEO와 사내 RAG는 같은 모드가 아니다
KOIS는 한 테넌트를 기본적으로 public_geo 또는 private_rag 가운데 하나로 운영한다. 두 모드는 같은 지식기반 기술을 사용하지만 목적과 노출면이 다르다.
public_geo는 검수된 답을 지식허브와 고정 Q&A 주소로 공개하고, 기존 홈페이지에 공개 AI 위젯을 붙이는 방식이다. 반면 private_rag는 부서·사용자·지식베이스 권한을 나누고 로그인 포털 안에서 질문하도록 설계돼 있다. Private RAG에서는 공개 위젯 질의를 거부하며, 공개 GEO 메뉴와도 상호 배타적이다.
이는 보안과 공개 목적을 분명하게 나누는 설계 선택이다. 동시에 한 회사가 공개 고객지식과 폐쇄형 사내지식을 한 테넌트에서 자유롭게 섞고 싶다면 기본 제품만으로 된다고 가정해서는 안 된다는 한계이기도 하다. 도입 전에는 어떤 정보를 누구에게 보여 줄 것인지부터 정해야 한다.
넷째 장면: GEO는 가시성을 돕지만 결과를 보장하지 않는다
공개 모드에는 질문 연구실, 콘텐츠 후보와 검수·발행, 지식허브, 미디어 삽입, 검색결과 스냅샷과 갭 분석, 발행 후 모니터, Google Search Console 성과 조회가 연결돼 있다. sitemap.xml, robots.txt, llms.txt, IndexNow와 선택적 캐시 갱신 같은 SEO 보조 기능도 제공 범위에 들어간다.
이 기능들은 기업의 답을 검색 가능한 고정 페이지로 만들고, 발견·수정·측정의 운영비용을 낮출 수 있다. 하지만 검색엔진이나 외부 AI가 실제로 어떤 페이지를 인용할지는 KOIS가 결정할 수 없다. 검색조사 데이터도 기획 참고자료이지 회사 사실을 입증하는 공식 근거가 아니다.
따라서 ‘GEO 엔진’이라는 이름을 검색 1위나 ChatGPT·Perplexity·Google AI Overview의 추천 보장으로 읽으면 제품의 범위를 넘어선다. KOIS가 제공하는 것은 노출 결과 그 자체보다, 근거 있는 답을 발행하고 오래된 내용을 찾아 다시 손보는 운영 기반이다. 공개 사이트 설정도 브랜드·테마·내비게이션을 갖춘 지식면 중심의 미니사이트이며, 범용 홈페이지 CMS 전체를 대체하는 제품은 아니다.
다섯째 장면: 같은 근거가 웹과 대화를 오간다
공개 위젯은 설치된 widget_id를 기준으로 서버가 테넌트와 지식베이스를 결정한다. 스트리밍 답변에는 출처, 관련 질문, 상세 GEO 페이지, 미디어와 상담 연결을 붙일 수 있다. 사용자가 짧은 채팅에서 답을 확인한 뒤 더 긴 검수 콘텐츠로 이동하거나, 공개 페이지를 읽은 뒤 다시 질문하는 동선을 만들 수 있는 셈이다.
다국어와 음성도 안내 보조기능으로 제시돼 있지만, 언어별 품질과 제공 범위는 설정·계약에서 확인해야 한다. 채팅의 다국어 지원이 여러 언어의 GEO 페이지를 자동 생성·발행한다는 뜻도 아니다. 기능 목록과 실제 운영범위를 분리해 보는 태도가 필요하다.
기술 기반은 Vertex AI RAG와 Gemini, 문서·미디어 저장소, 데이터베이스, 비동기 작업·스케줄러, 검색조사와 성과 연동으로 구성돼 있다. 이 스택은 기능을 구현하는 수단이지 정확도, 응답속도나 사업성과의 보장값은 아니다. 실제 평가는 자사 문서에서의 검색 적합성, 근거 표시, 권한분리와 운영 기록으로 해야 한다.
어떤 조직에서 가치가 커지는가
KOIS의 구조는 제품·서비스 설명이 복잡하고, 같은 질문에 영업·마케팅·고객지원이 자주 다른 답을 내놓으며, 공개 콘텐츠와 AI 채팅을 함께 운영하려는 조직에서 비교 가치가 커질 가능성이 있다. 승인된 답의 주인이 분명하고 실제 질문을 콘텐츠 개선에 사용할 팀이 있다면 지식이 일회성 문서에서 운영자산으로 바뀔 여지가 생긴다.
반대로 목표가 무검수 자동발행, 단기간 검색 1위, 외부 AI 추천 보장, 완성형 기업 홈페이지 구축 또는 사내 업무를 대신 실행하는 범용 에이전트라면 제품의 설계와 맞지 않는다. 의료·법률·세무·투자 같은 전문 판단을 엔진이 대신하도록 사용하는 것도 명시된 범위가 아니다.
멀티테넌트와 역할 체계는 여러 고객사·지식베이스를 분리해 운영하는 기반을 제공한다. 그러나 기능이 많다는 사실만으로 도입 성과가 생기지는 않는다. 자료 정리, 검수 책임자, 공개 기준과 성과 측정 방식이 준비되지 않으면 플랫폼은 잘 정돈된 빈 선반에 머물 수 있다.
편집부의 판단
KOIS AI 지식엔진의 흥미로운 지점은 RAG와 GEO를 별도 유행어로 병렬 배치하지 않고, 내부 근거와 외부 공개 답을 하나의 운영 루프로 묶었다는 데 있다. 사용자의 실제 질문이 다음 콘텐츠 후보가 되고, 발행 뒤의 변화 신호가 다시 검수로 돌아오는 구조는 ‘한 번 만드는 지식’보다 ‘계속 관리하는 공식 답’에 초점을 둔다.
그 대가도 분명하다. 이 시스템은 사람의 승인 없이 알아서 성장하는 콘텐츠 공장이 아니며, 좋은 원자료와 지속적인 편집 책임을 요구한다. 가격, SLA, 보장 KPI와 특정 고객의 정량 성과는 제공된 기능 SSOT에 없어 투자수익을 수치로 판단할 근거도 아직 이 글의 범위 밖이다.
도입을 검토한다면 다섯 가지를 먼저 물을 만하다.
- 공개 GEO와 폐쇄형 RAG 중 우리 조직의 기본 모드는 무엇인가.
- 어떤 자료를 공식 근거로 인정하고 누가 발행을 승인하는가.
- 웹페이지와 채팅 답변의 변경 이력을 어떻게 함께 관리할 것인가.
- 반복 질문·오래된 내용·근거 부족을 누가 얼마나 자주 처리할 것인가.
- 검색순위가 아닌 어떤 지표로 답변 품질과 지식운영 성과를 평가할 것인가.
자료와 해석 범위
이 글은 2026년 7월 21일 기준 KOIS 지식엔진 — 기능 SSOT에 기재된 실제 기능과 제품 경계를 바탕으로 제3자 편집 관점에서 분석했다. 라이브 환경, 운영 코드와 고객 성과를 독립 검증한 제품 리뷰는 아니다. 문서에 없는 가격·SLA·보장 KPI·고객 성과는 추정하지 않았고, 자동발행·검색 1위·외부 AI 추천을 제품 효과로 단정하지 않았다.
● 근거 자료 0건
검증 가능한 공개 자료만 남깁니다. 링크는 발행 시점 기준입니다.
등록된 근거 URL이 없습니다.