인사이트
40편클라우드 AI 전환 전, 문서중앙화 데이터부터 줄여야 하는 이유
기업이 생성형 AI와 사내 지식검색 환경을 구축하기 시작하면서, ECM에 쌓인 대용량 문서를 클라우드로 옮길 때 전송료와 스토리지 비용이 급증하는 새로운 고민이 생기고 있습니다. 수년간 문서중앙화 시스템(ECM) 에 축적해 온 PDF, HWP, Word, Excel, PPT, 이미지 등
폐쇄망 사내 AI 구축, 대용량 문서부터 최적화해야 하는 이유
사내 AI 구축, 모델보다 먼저 봐야 할 ‘문서 데이터’ 생성형 AI를 업무에 활용하려는 공공기관과 금융기관이 늘어나면서 최근에는 외부 클라우드가 아닌 기관 내부망에 LLM과 문서 검색 시스템을 구축하는 방식 도 중요해지고 있습니다. 특히 개인정보, 금융정보, 행정문서 등 외
AI 에이전트는 왜 ZIP 파일을 바로 활용하기 어려울까?
AI 업무 자동화, 파일부터 준비되어 있어야 한다 기업의 AI 활용이 단순한 질문 응답형 챗봇을 넘어 실제 실무 처리를 수행하는 AI 에이전트로 확장되면서, ZIP과 같이 파이프라인 인입 전 한 번 더 압축을 풀어야 하는 파일 형태가 처리 속도를 늦추고 치명적인 예외를 일으키는 주범으로
OCR 정확도는 이미지 품질에서 시작됩니다: 스캔 문서 최적화 전략
OCR 정확도를 좌우하는 첫 번째 조건, 이미지 품질 보험금 청구서, 신분증, 대출 신청서, 각종 증빙서류와 민원서류까지. 금융기관과 공공기관의 업무 현장에서는 매일 수많은 문서가 이미지 형태로 접수되고 있습니다. 이러한 문서를 빠르게 처리하기 위해 OCR(Optical Characte
RAG 문서 파싱 병목 현상, 모델보다 먼저 '문서 메모리'를 봐야 하는 이유
쌓여있는 O ffice 문서, AI 지식베이스의 기대와 현실 “우리 회사에는 지난 수년간 쌓인 제안서, 보고서, 회의자료가 수만 건입니다. 이 문서들을 AI에 연결하면 훌륭한 사내 지식베이스가 되겠죠?” 기업 내 사내 AI 구축 PM이나 지식관리 담당자라면 누구나 한 번쯤 이런 기대를
스토리지 비용 절감 솔루션, 57TB를 10TB로 줄인 메리츠화재 사례
증설 기안서를 쓰기 전, 데이터의 실제 부피부터 확인했습니다 데이터 레이크나 아카이브 스토리지의 사용량이 한계에 가까워지면 시스템 담당자는 남은 공간과 데이터 증가 추이를 계산하고 장비 증설을 검토합니다. 그런데 금융권처럼 대용량 이미지가 지속적으로 쌓이는 환경에서는 스토리지