온프레미스 기반 다채널 업무보고 자동화 AI Agent

① 어떤 상황에서 AI를 활용했나요?

1. 기존 현장의 문제점
- 일부 기업은 업무인력 대비 행정지원인력의 상대적 부족으로 행정업무가 업무인력에게 집중되는 동시에 업무인력에게도 일부 행정업무 부담이 전가되는 구조적 비효율 발생
- 기업의 업무보고는 여러 시스템에 분산된 업무정보를 수동으로 직접 확인하고, 다수의 업무 중 보고 가치가 높은 내용을 선별·요약해야 하므로 상당한 부담과 시간이 소요
- 보고 내용이 상위 조직으로 단계적으로 취합되는 과정에서 재분류와 재요약이 반복되어 동일 정보의 재가공에 따른 비효율이 발생
2. 기존 행정 방식의 한계 및 AI Agent의 필요성
- 업무마다 표현 방식과 문맥이 상이하고 보고 중요도 역시 달라 단순 키워드 검색이나 규칙 기반 자동화만으로는 보고 가치가 높은 핵심 업무를 정확하게 파악하는데 한계
- 외부 생성형 AI 및 API 기반 업무 자동화는 기관 내부 민감 정보의 외부 전송에 따른 보안상 한계가 존재하므로, 폐쇄망 환경에서 동작하는 온프레미스 AI Agent를 구현하여 기술적 실현 가능성과 업무 활용 가능성을 검증할 필요가 있음
3. 정책적 도입 필요성
- 기존 행정체계를 AX 업무지원 체계로 고도화하여 정기적·반복적 행정업무의 효율화가 필요
- 기업의 보안체계 도입에 따라 정보의 중요도와 이용환경을 고려한 데이터 중심의 보안통제가 요구되고 있어, 내부 민감 정보를 기업 내부에서 안전하게 처리할 수 있는 AI 환경 필요


② 어떤 AI를 어떻게 활용했나요?

웹프론트엔드 - N8N 워크플로우 - AI Agent 및 데이터베이스 구축 : ChatGPT 5.6 Sol, Gemini 3.7 Flash

Ollama 기반 로컬 LLM으로 데이터 수집 및 선별, 선별된 데이터를 토대로 사내 표준 서식에 맞는 업무 보고서 생성
종류 : qwen3.8:27b, qwen3.7:27b-q4_k_m, gemma4:26b-a4b, gemma4:31b-it-gguf-q4-k-m

※ AI Agent 동작 프로세스 요약
1. 웹 화면에서 사용자가 로그인 후 보고서 작성 기간과 AI 모델을 선택하여 업무 데이터 수집을 요청하고, Nginx를 통해 n8n Workflow를 실행
2. n8n이 IMAP·CalDAV·REST API·Selenium을 활용하여 이메일·캘린더·전자결재 등 다양한 업무 데이터를 수집하고, 데이터 정제를 통해 AI 분석이 가능한 형태로 변환
3. Ollama 기반 로컬 LLM이 수집 데이터의 업무 관련성을 분석하여 보고 가치가 높은 업무 항목을 추천하고, 담당자가 선택한 업무 데이터를 추가 분석하여 핵심 내용을 추출·요약
4. PostgreSQL에 저장된 Best 보고서를 Few-Shot 예시로 활용하여 로컬 LLM이 사내 표준 서식에 맞는 업무보고서를 생성하고, 결과를 웹 화면에 제공하여 담당자가 최종 검토·수정


③ 활용 결과 어떤 변화가 있었나요?

대표적인 행정업무 경감 및 업무 효율성을 향상시킬 수 있었습니다.
기존에는 문서와 프로젝트, 이메일, 캘린더, 전자결재, 내부 업무 정보들을 사용자가 수동으로 취합하고 보고서를 작성해야 했습니다.
하지만 이 절차를 AI Agent를 통해 자동화 하여 사용자는 최종적으로 나오는 업무보고서를 검토하는 것만하면 됩니다.

기존에 보고서 취합, 작성, 검토의 시간이 1시간이 걸렸던 것이 5분 내외의 검토 위주로 단축되었습니다.

1. 행정 업무 생산성 향상 : 분산된 업무정보의 수집·분류·요약 및 보고서 작성 과정을 자동화하여 반복적인 연구 행정 업무에 소요되는 시간을 단축
2. 보안성과 신뢰성 확보 : 민감한 내부 업무정보를 외부로 전송하지 않는 온프레미스 AI 환경을 구축하여 정보 유출 위험을 최소화하고, 기업에 적용 가능한 안전한 AI Agent 구현 방안 제시
3. 사내 AI 활용 확산 및 AX 가속화 : 실무에 AI Agent를 적용하여 AI 기술의 활용 효과를 체감하고, AI 활용에 대한 진입장벽을 낮춰 조직 전반의 AI 활용 문화 확산 및 AX 전환 촉진

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

1. 사내 그룹웨어에서 지원하는 프로토콜(IMAP, CalDAV)을 활용하고, 프로토콜이 없는 폐쇄적 환경에서는 Selenium을 활용하여 업무정보를 다채널로 유연하게 수집합니다.
2. AI가 수집 데이터를 바탕으로 먼저 '추천 카드' 형태로 후보를 제시하고, 담당자가 직접 확인·선택한 데이터만을 바탕으로 보고서를 작성하도록 검증 절차를 적용하였습니다.
3. 우수 보고서를 Few-Shot으로 활용해 사내 고유의 개조식 문체를 유지하며, 사내 표준 양식과 마크다운 본문이 1:1로 주입되는 파이프라인을 구축하여 보고서 작성 시간을 간소화하였습니다.
4. 이 AI Agent는 데이터 연동이 가능한 모든 업무정보에 범용적으로 활용 가능하므로, 이메일·캘린더·전자결재뿐만 아니라 내부 게시판, 프로젝트 관리 도구, 메신저 대화 내용 등 다양한 비정형 채널까지 손쉽게 확장하여 포함할 수 있습니다.

⑤ 다른 사람도 따라 할 수 있나요?

아래와 같은 항목이 존재한다면, 개개인도 따라할 수 있습니다.
1. 로컬 LLM을 구축할 수 있는 시스템 환경 (VRAM 32GB 권장)
2. 업무정보를 수집하는 기준 및 프로토콜 선정에 따른 지식
3. 아키텍터와 프로세스 전반을 이해하고 워크플로우를 커스터마이징할 수 있는 기술
4. 별도의 제한이 없기에 수집 정보와 표준 보고서 양식만 교체하면 보고에 필요한 사내 모든 부서에 커스터마이징이 가능