- HOME
- Solution
- AI Workforce
AI Workforce
포스코DX는 상황을 이해하고 판단하며 사람과 가장 잘 협업하는 AI Workforce 서비스를 제공하며
기업의 일하는 방식의 혁신을 완성해 갑니다.
사무/제조 업무 혁신
AI Agent를 사무분야 AI Employee와 제조분야 AI Operator로 정의해 운영하며,
이를 통합 플랫폼 Agentee에서 지속적으로 생성/육성/관리하며 일하는 방식의 혁신을 추진하고 있습니다.
AI Employee (PC 너머 동료)
단순/반복업무부터 전문적/판단업무까지 AI가 실행
사람-AI 협업 관점 업무 재설계
AI Operator(운전실의 Brain) + Robot (현장의 손발)
제조현장의 운전실 운영은 AI가 전담
AI운전자 지시 기반으로 현장 작업을 로봇이 수행
Agentee(AI Workforce Platform)
AI Agent를 한 명의 직원처럼 생성/관리/협업/평가하는 플랫폼
기존 업무시스템과 연동된 AI Agent의 Life Cycle 통합 관리
P-GPT(Private GPT)
포스코DX가 개발 · 운영하는 사내 전용 생성형 AI서비스
업무환경과 보안 요구에 맞춰 커스터마이징 서비스 제공
AI Employee
사무분야에서 특정 역할을 수행하는 자율형 디지털 동료로, 직원과 함께 지속적으로 학습하고 성장하며 문제를 해결하는 '실행형 AI'입니다.
AI Employee 구성
본 이미지는 5개 영역의 사무 AI 에이전트가 MCP 서버를 통해 레거시 시스템과 연동되는 구조를 설명합니다.
-
1. 사무 AI Agents 영역별 기능
- 재무 : 회계·결산, 세무, 재무/자금
- 인사노무 : 채용·배치, 평가·보상, 노무·근태
- 구매 : 구매계획, 업체관리, 발주/검수
- 총무 : 자산관리, 시설관리, 행정지원
- PJT관리 : 계획·일정, 성과·Risk, 협업·소통
-
2. MCP Server
중앙에서 에이전트와 레거시 시스템 간의 데이터를 중개합니다.
-
3. 연동 레거시 시스템(Legacy System)
생산품질(MES), 재무(SAP), 인사노무(HRsys), 구매(E-Pro), PJT관리(PMS)와 연결됩니다.
특장점
- 업무 시간 단축 및 생산성 극대화 : 단순·반복 및 데이터 활용 업무의 AI 자동 수행
- 직원 역할의 변화 : 단순 실행자 → 기획·관리 및 의사결정 중심의 고부가가치 업무 전환
- 조직의 지식 자산 축적 및 활용 : LLM 기반 숙련자의 암묵적 업무 노하우 정형화
- 인력 운영 효율화 및 업무 품질 표준화 : 사람-AI 협업 관점의 업무 재설계
주요 적용 사례
단순/반복적인 업무, 규칙기반의 업무를 대상으로 AI Agent 적용 추진
- 회계/세무, 인사/노무, 견적가 산출 등 사무업무에 113종의 AI직원 도입 중
사람-AI 업무 재배치 전후 워크플로우 변화 및 효율성 비교
업무 설계 변경을 통해 전체 업무 시간이 약 83.3% 단축되었습니다.
-
변경 전 (Before): 사람-AI 업무 재배치 후, workflow 설계
데이터 점검(엑셀 작업)과 메일/전화 응대 등 매월 반복적인 수작업이 발생하며, 최소 60분 이상 소요되는 구조입니다.
- 성과: 업무 시간 83.3% 단축
-
변경 후 (After): AI 직원이 업무 자동 실행, 사람은 결과만 확인
데이터 조회부터 안내 메일 발송까지 AI의 자율 실행으로 전환되어, 업무 시간이 기존 '시간' 단위에서 '수분' 단위로 대폭 단축되었습니다.
실행 예시: 중복 전표 점검 결과(외상매출금, 미수금, GL 등)를 AI가 자동으로 요약하여 리포트합니다.
‘경영분석 AI직원‘ 도입, 프롬프트 한 줄만으로 다층적 경영분석과 리포트 작성 수행
- AI가 데이터의 맥락을 이해하여 만든 온톨로지 기반 API 통해 비전문가도 손쉽게 데이터 분석 가능
- 경영분석 시간 70~90% 단축
BeSir 솔루션 구성: BeSir Studio 및 BeSir Browser
AI 기반의 데이터 구조 파악과 자연어 질의를 통한 리포트 구현 솔루션에 대한 설명입니다.
-
BeSir Studio (비서 스튜디오)
AI가 시스템의 구조와 업무적 의미를 스스로 파악하여 데이터 간의 관계를 정의하는 온톨로지(Ontology)를 구성합니다.
- 연결 기호: 플러스(+)
-
BeSir Browser (비서 브라우저)
BeSir Studio에서 구축된 온톨로지 기반 API를 활용합니다. 사용자의 자연어 질의만으로 다층적인 리포트와 대시보드를 실시간으로 구현합니다.
AI Operator
AI Operator는 Multi AI Agent 모델을 활용해 제조현장에서 운전자의 개입 없이 조업을 모니터링해 판단하고 제어까지 수행하는 가상의 직원입니다.
AI Operator의 필요성
- 인구절벽, 고령화, 인력 확보난 가중 : 인력 확보의 어려움에 따른 기술 공백화를 대비한 업무 Know-how 전달체계 구축 필요
- 기존 작업방식의 한계 : 반복적이고 규칙기반 작업은 자동화 가능, 실제 현장은 예외 상황 인지 및 판단이 많이 발생
- 운영 복잡성 증가 : 장비, 시스템, 데이터 등의 다양성으로 운영자가 관리해야 할 정보량이 증가 -> 모든상태 모니터링 불가
- 운영 효율성과 안정성 요구 증가 : 적은 인력으로 더 많은 설비를 관리하는 체계 요구 증가
운영체계
운전자 조업
사람이 중심이 되어 설비를 제어하는 순환 구조입니다.
- 안전 및 생산설비의 상태 데이터를 사람이 직접 확인합니다.
- 상태 모니터링: 운전자가 실시간으로 설비 상황을 살핍니다.
- 이상 상황 판단: 모니터링된 데이터를 바탕으로 문제가 있는지 운전자가 판단합니다.
- 조작 및 설정값 변경: 판단 결과에 따라 운전자가 수동으로 설비를 조작하거나 설정값을 변경하여 피드백합니다.
AI Operator 조업
AI가 자율적으로 판단하고 제어하며, 사람은 고도화된 관리 업무에 집중하는 구조입니다.
- 안전 및 생산설비에서 발생하는 데이터를 AI 오퍼레이터가 직접 수집합니다.
- AI Operator의 핵심 기능: 상태 모니터링, 이상상황 감지 및 판단, 계측 및 제어신호 송출을 자율적으로 수행합니다.
- 역할 분담 주석: AI 오퍼레이터는 이상 감지와 판단 및 제어 신호 송출을 담당하고, 운전자는 실제 현장 대응 및 시스템 전체의 유지보수를 담당하여 효율을 극대화합니다.
*AI Operator : 이상감지, 판단 및 제어 / 운전자 : 현장 대응 및 설비 유지보수
| 구분 | 기존 자동화 | AI Operator (자율화) |
|---|---|---|
| 의사결정 |
규칙기반 제어 - 시키는 대로 (input A → Action B) |
LLM/VLM 추론기반 제어 - 알아서 판단 (상황 인지 → 최적 판단) |
| 대응 능력 | 고정된 환경 필수 (조명, 위치 등 통제 필수) | 변화하는 환경에 적응 (딥러닝 시각 인식 등) |
| 데이터 활용 | 단순 임계값 비교 | 상관관계 분석 및 통찰력 제공 (예지 보전 등) |
기대효과
-
- 품질 안정성 향상
- 공정 조건 자동 최적화
-
- 생산 효율 증가
- 불필요한 대기시간 제거,
과부하 및 오류감소
-
- 협업을 통한 운영비 절감
- [AI Operator] 반복적 모니터링,
복잡한 데이터 분석 및 제어
[운전자] 현장 대응 및 설비 유지보수
-
- 지식의 축적, 재사용
- 경험 기반의 노하우를 AI모델에 내재화
Agentee (AI Workforce Platform)
AI Agent를 생성 및 운영하고, 개선·재배치하는 모든 생애주기(Life Cycle)를 통합 관리해 기업이 안정적이고
효율적으로 AI를 활용하도록 돕는 핵심 플랫폼입니다.
AI Agent Life-Cycle (AI 직원)
본 이미지는 AI 직원이 생성되어 현업에 적용되고 발전하는 4단계의 라이프사이클과 주요 특징을 나타냅니다.
-
1단계: 생성/배포 (채용)
AI 에이전트를 생성하고 현업 환경에 배포하는 단계입니다.
-
2단계: 실행 (협업관리)
배포된 AI 에이전트가 실제 업무를 수행하며 사람과 협업하는 단계입니다.
-
3단계: 모델 강화/튜닝 (교육/훈련)
업무 피드백을 바탕으로 모델을 강화하고 튜닝하여 성능을 고도화하는 단계입니다.
-
4단계: 성능 모니터링 (평가)
수행 결과를 모니터링하고 업무 성과를 평가하는 단계입니다.
- 주요 특징 및 기대효과
- 사무/제조분야에 특화된 디지털인력 구성
- 포스코DX의 사례와 경험을 지식화하여 반영
- 새로운 혁신 기능을 지속적으로 업데이트
특장점
기존 업무시스템과 연동된 AI Agent의 신속한 구축과 Life Cycle 통합 관리
- 비개발자와 개발자가 협업하여 쉽고 빠른 AI Agent 제작
- 생성부터 모니터링까지, AI Agent Life-Cycle 운영 관리
- 기존 업무시스템 및 소통도구(M365, Teams)와의 유연한 확장성과 통합
- P-Cloud(Private Cloud) 기반의 효율적인 배포 실행 환경 제공
본 이미지는 AI 에이전트의 재사용, 생명주기 관리, 환경 최적화, 제작 지원을 위한 4가지 핵심 영역과 그에 따른 세부 기술 요소를 설명합니다.
-
- 상단: Agent 및 Tool 재사용 Asset
-
- AI Agent와 제작 Tool (MCP, 3rd Party) 통합 저장
- Tool 분류 검색 사용
- API Tool 연계 Gateway
- 하단: AI Agent Orchestrator
-
- Agent & Tool 저장소, Multi Agent 지원
- Legacy Data & 3rd Party Tool 연계
-
- 상단: AI Agent Life Cycle 관리
-
- Low/Pro-Code 환경
- AI Agent 제작 MLFlow, LangGraph Serving
- Workflow 기반 Tool Orchestration
- 하단: AI Agent Builder
-
- Workflow(LLM/MCP/RAG/HITL 설정) 기반 Code 생성, Python Coding 환경 연계 Pro-Code 작성 지원
- LangGraph & MLFlow Pro-code 환경 내장
-
- 상단: AI Agent Container 할당 및 환경 최적화
-
- P-Cloud Kubernetes 기반 AI 개발 환경 서빙 / 권한 인증
- LLM/RAG 모델 API 서비스, 임베딩 벡터 저장소
- 하단: AI Agent Operator
-
- Agent 성능 모니터링, 프롬프트 및 LLM 모델 이력 Token량 관리 제공
- 모니터링 및 RAG/Prompt 최적화 지원
-
- 상단: AI Agent Portal 및 제작 지원
-
- AI Agent Portal 및 MS Teams 연계
- AI Agent Pro-Code Template 및 기술 지원
- 하단: AI Agent Service
-
- Agent 검색, Token / Agent Call당 과금 정보
- 나의 업무 Agent, 회사의 Agent 등 서비스 제공
※ 프로세스 요약: 각 계층의 상단 관리 기능은 수직 방향으로 하단 실행 환경과 연결됩니다. 또한 하단 영역에서는 Orchestrator에서 Builder를 거쳐, Operator의 관리 하에 최종적인 Service로 이어지는 워크플로우를 가집니다.
P-GPT (Private GPT)
P-GPT는 포스코DX가 자체 개발·운영하는 사내 전용 생성형 AI 서비스로, 대규모 언어모델(LLM)을 기반으로 기업의 업무 환경과 보안 요구사항에 맞게 커스터마이징한 서비스를 제공하고 있습니다.
구성별 주요 기능
멀티 LLM 기반 빠른 최신 모델 Upgrade와 딥리서치, 데이터 분석 등의 심화 Agent 기능 제공
- 모두의 에이전트
-
- 전체 구성원이 공용으로 사용하는 AI 에이전트
- AI 채팅, 딥리서치, 이미지 생성, 회의록 요약, 데이터 분석 등 지원
- 회사의 에이전트
-
- 회사별 특정 부서 · 프로젝트 전용 AI 에이전트
- 부서별 문서, 업무프로세스, 프로젝트 자료를 기반으로 맞춤형 지원
- 나의 에이전트
-
- 개인업무 보조용 AI 에이전트
- 개인 문서학습과 프롬프트를 통해 개인화 된 기능제공
- 관리자 기능
-
- Data Upload 관리, 권한 설정, 사용 로그 모니터링
- 공지사항 관리, 월간 비용 조회 및 정산
운영체계
사내 문서를 RAG+LLM 기반 P-GPT에 등록·학습하여 Vector DB를 활용한 의미 기반 문맥 검색과 생성형 AI 응답 기능 통합
본 이미지는 사용자가 문서를 등록하여 지식화하고, 이를 바탕으로 질문에 답변하는 과정을 2단계로 나누어 설명합니다.
-
1단계: 문서 등록 및 지식화 (상단 프로세스)
- 업무 담당자 및 P-GPT 문서 등록: 담당자가 P-GPT 시스템에 원본 문서를 등록합니다.
- 문서 포맷 변환: 자동변환모델을 통해 다양한 포맷(XLS, DOCX, PPT, WORD)의 문서를 PDF 형식으로 변환합니다.
- 데이터 처리: 변환된 PDF 문서에 대해 데이터 처리를 수행합니다.
- 사전 학습 (Preprocessing): TEXT 추출, 전처리 Chunking, Embedding 과정을 거쳐 최종적으로 Vector DB(벡터 데이터베이스)에 저장합니다.
-
2단계: 사용자 질의 및 답변 생성 (하단 프로세스)
- 사용자 질의: 사용자가 "GM 규격에 대해 알려줘"와 같은 질문을 입력합니다.
- 등록 문서 검색: P-GPT가 Vector DB에 저장된 문서 중 질문과 연관성이 높은 문서를 검색합니다.
- 답변 생성: 검색된 문서 내용(Prompt)과 LLM 모델(GPT-4, Claude, Gemini 등)을 결합하여 답변을 생성합니다.
- 답변 출력: "GM 규격은 General Motors(제너럴 모터스)에서 사용하는 품질 및 제조표준을 의미..."와 같은 최종 답변을 사용자에게 제공합니다.
사용자 질문에 대해 질문과 가장 연관성 높은 문서를 찾고, 그 문서를 토대로 신뢰할 수 있는 답변을 생성합니다.
