E006. KT AXD Offering 소개_v1.0_20250715

AI 도입전략 수립

현황 진단 및 비즈니스 문제 정의, AI 활용 분야 도출 및 우선순위 선정, AI 도입 목표 및 비전 수립, 전략 로드맵 제시, 거버넌스 및 조직 역량 강화 방안 제안. AI 컨설턴트·AI 개발자·아키텍트 4~6명, 4~8주.

Responsible AI(RAI) 컨설팅

RAI 원칙 및 가이드라인 수립, AI 시스템 편향성·공정성 평가 및 개선안 제시, 개인정보보호 및 데이터 보안 강화 방안, AI 윤리 거버넌스 구축 및 리스크 관리체계 수립, AI 관련 법규 준수 및 컴플라이언스 지원. 3 Phase: 현황분석(2주) → Risk 식별 및 개선방안 검토(3주) → RAI 프레임워크 수립 및 변화관리(3주).

AI Agent 설계·개발

AI Agent의 역할 및 기능 정의, 핵심 로직 및 상호작용 설계, LLM 기반 프로토타입 개발, PoC용 RAG 파이프라인 구성, UI 구현 및 사용자 피드백 반영·개선. AI 개발자·프롬프트 엔지니어 3~5명, 6주 내외(PoC)~12주 이상(상용화).

AI Application 개발

AI Application 아이디어 구체화, 핵심 기능 정의 및 UI/UX 설계, AI 모델 연동 및 데이터 흐름 설계, 프로토타입 개발 및 기능 테스트, 사용자 테스트 및 피드백 반영. AI 개발자·UI/UX 디자이너 3~5명, 6주 내외(PoC)~12주 이상(상용화).

AI 모델 선정·BMT

AI 도입 목적 및 제약사항 분석, 오픈 vs. 상용 vs. 자체학습 모델 다양한 옵션 검토, 비용·성능·보안 기준에 따른 최적 모델 선정, 선정 모델 활용 가이드라인 제시, 해당 모델 PoC 계획 수립 및 실행 지원. AI 전략 컨설턴트·AI 모델러 2~3명, 3~6주.

AI 모델 최적화

모델별 특성 분석 및 선정 지원, 프롬프트 엔지니어링 및 최적화, 모델 성능 평가 및 개선방안 제시, Fine-tuning 전략 수립 및 실행, 모델 기반 애플리케이션 통합 지원. AI 모델러·데이터과학자 2~3명, 4~10주.

맞춤형 ML 모델 개발

비즈니스 문제 정의 및 머신러닝 설계, 학습 데이터 인프라 및 파이프라인 구축, 머신러닝 운영 인프라 구축, 머신러닝 모델 개발 및 성능 최적화, 비즈니스 적용 성과 측정 및 개선. 데이터과학자·데이터엔지니어 2~3명, 4~10주.

AI 학습 데이터 구축

크롤링·API 연동 등 데이터 수집 전략 수립, 결측치 처리·노이즈 제거 등 데이터 정제·전처리, 데이터 라벨링 및 어노테이션, 데이터 품질 관리 및 검증, 다양한 포맷의 학습용 데이터셋 구축. 데이터엔지니어·데이터라벨러·품질관리자, 4~20주.

RAG 파이프라인 구축

데이터 소스 연동 및 인덱싱 전략 수립, 벡터 임베딩 및 벡터 DB 구축, 질의응답을 위한 검색·생성 모듈 개발, RAG 파이프라인 성능 최적화, QA 에이전트 등 맞춤형 솔루션 구축. AI 엔지니어 1명·데이터 엔지니어 2명, 4~12주.

AI 인프라 설계

현재 AI 워크로드 분석 및 미래 수요 예측, On-Prem vs. Cloud vs. Hybrid 환경 선정 지원, GPU/CPU 등 컴퓨팅 자원 및 스토리지 사이징, 네트워크·보안·모니터링 시스템 설계, LLMOps 도입 및 컨테이너 기술 활용 방안 제시. 클라우드 아키텍트·AI 엔지니어 3~4명, 4~12주.