【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][일잘러AI] “데이터 뽑아주세요” 눈치 보고 줄 설 일 없다…뤼튼에는 ‘뤼트리버’가 있다

온카뱅크관리자

2026-07-25 06:47:28

<div id="layerTranslateNotice" style="display:none;"></div> 이동규 뤼튼AX 에이전트 개발자 “뤼트리버, 사내 데이터 잘 읽는 만능 일꾼” 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="YNRwzZHlCQ">
 개발자가 아니라도 누구나 쉽게 인공지능(AI)을 접하고 업무에 적용시킬 수 있는 세상입니다. 한 가지 유의할 점이 있습니다. AI는 이용자 명령어와 이용 환경에 따라 산출 결과가 천차만별이라는 점입니다. 누군가는 ‘내 AI는 왜 이렇게 바보 같을까’하고 불평합니다. 하지만 앞서 AI를 업무 깊숙이 활용하고 있는 이들은 불평 대신 질문을 던집니다. ‘어떻게 AI를 잘 길들일까’ [일잘러AI]는 개발자부터 비개발자까지 다양한 분야 직종 사람들을 만나 그들만의 AI 비법을 훔쳐볼 수 있는 코너입니다. 정답은 없지만 해답이 주목받는 시대, &lt;디지털데일리&gt;가 생생한 AI 삶의 체험 현장을 찾아갑니다. &lt;편집자&gt;
 <figure class="figure_frm origin_fig" contents-hash="9ce40dd07718e43844cb25b0729e74021ba8d4e8873939e00588f5505cbb2007" dmcf-pid="HAdmB1ZvS6" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064041464xjll.jpg" data-org-width="640" dmcf-mid="QL2kUGWIWe" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064041464xjll.jpg" width="658">
 </figure>
 [디지털데일리 오병훈기자] “최근 2주간 일간활성이용자(DAU) 수치를 날짜별로 뽑고, 전주 대비 증감 추이와 이용자가 크게 늘거나 줄어든 시점을 분석해줘.”
 뤼튼테크놀로지스 마케팅 담당 직원이 사내 협업도구 ‘슬랙’에서 데이터 인공지능(AI) 에이전트 ‘뤼트리버’를 호출해 명령어를 입력하면, 뤼트리버는 곧바로 관련 데이터가 저장된 표를 찾습니다. 회사 내부에서 사용하는 DAU 계산 기준을 확인한 뒤 직접 SQL을 작성·실행합니다.
 예전 같으면 마케팅 담당자가 데이터 분석가를 찾아가 “이 기간의 DAU를 추출하고 증감 추이를 분석해달라”고 요청해야 했던 업무입니다. 데이터 분석 인력이 적으면 여러 부서에서 들어온 요청을 처리하느라 작업 순서가 뒤로 밀리는 일도 허다했습니다.
 이러한 업무 병목은 부서 간 불필요한 긴장으로 이어질 수도 있습니다. 마케팅 담당자 입장에서는 하루빨리 DAU 변화 원인을 분석해 마케팅·매출 전략을 조정해야 합니다. 반면 데이터 부서에는 마케팅 데이터뿐 아니라 영업·기획·인사 등 여러 부서의 분석 의뢰가 쌓여 있습니다.
 데이터 부서가 바쁘다는 사실을 아는 직원은 급하지 않은 요청을 꺼내길 망설일 수밖에 없습니다. 동료와 얼굴을 붉히며 요청을 재촉하느니 업무를 미루거나, 아예 질문 자체를 포기할 수도 있는 것이죠.
 최근 &lt;디지털데일리&gt;와 만난 이동규 뤼튼AX 에이전트 개발자는 누구든지 눈치 보지 않고 필요한 데이터를 확인할 수 있는 환경을 구축하는 것이 중요하다고 봤습니다. 간단한 데이터 분석은 사내 누구나 직접 수행할 수 있도록 돕는 AI 에이전트 뤼트리버가 탄생한 배경입니다.
 <div contents-hash="3f7757a2ef0dd2cb7bb2f2f6c36dffd5c15f56c1b8d222fce73d72ed42774f14" dmcf-pid="3Xh0gQ6bSK" dmcf-ptype="general">
 이 개발자는 “사람마다 일을 포기하게 되는 문턱이 있는데 에이전트 AI를 활용하면 그 문턱을 크게 낮출 수 있다”며 “예전에는 시도하지 않거나 알아보지 않았을 일도 실제로 해볼 수 있게 해주는 것이 가장 큰 위력”이라고 말했습니다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="50bea845eeca710f724852c9018fd3de7cf43b9c87808b11f45520531207cb66" dmcf-pid="0ZlpaxPKlb" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064042738edrq.png" data-org-width="640" dmcf-mid="xQxI93tWWR" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064042738edrq.png" width="658">
 </figure>
 <figure class="figure_frm origin_fig" contents-hash="63f2f87ed2a24fdb802e9cced5e6d9e8b9e71b260fada13543a516340420e6e1" dmcf-pid="p5SUNMQ9TB" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064043999ylak.png" data-org-width="640" dmcf-mid="ygktn8fzyM" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064043999ylak.png" width="658">
 </figure>
 ◆우리 ‘뤼트리버’는요…주차 등록부터 보고서 작성까지 만능 ‘데이터 일꾼’
 뤼트리버는 뤼튼테크놀로지스 사내에서 발생하는 데이터 관련 업무를 처리하는 AI 에이전트입니다. DAU와 같이 사업 전략에 활용되는 데이터 분석뿐 아니라 주차 할인 등록과 같은 일상적인 사내 업무에도 활용됩니다.
 대표적인 생활 밀착형 활용 사례는 직원들의 주차 관리입니다. 직원이 슬랙에 “123호 4567 차량 주차 3시간 등록해줘”라고 입력하면 뤼트리버가 알아서 ‘도구 검색(ToolSearch)’을 실행합니다. 이어 차량 입차 내역과 기존 할인 여부를 확인하고 주차 관리 시스템에 180분 무료 주차를 등록해 주죠.
 명령어를 입력하면 화면에는 도구 검색을 포함해 모두 17번의 도구 호출 과정이 표시됩니다. 작업을 마친 뒤에는 입차 시각과 할인 등록 시각, 중복 할인 여부까지 정리해 직원에게 보여줍니다. 질문에 문장으로 답하는 챗봇을 넘어 실제 사내 시스템을 조작해 업무를 끝내는 셈이죠.
 이 개발자는 “뤼트리버가 요청을 받으면 먼저 질의를 이해하고 자신에게 어떤 도구가 있는지 확인한다”며 “정보가 부족하면 데이터 표가 어떤 항목으로 구성됐는지 스키마를 확인하고, 필요한 도구를 선택해 결과를 만든다”고 설명했습니다.
 이를 위해 이 개발자는 모델컨텍스트프로토콜(MCP) 서버를 처음부터 구축했습니다. MCP는 AI가 데이터베이스와 주차 관리 시스템 등 외부 도구를 일정한 형식으로 찾아 사용할 수 있도록 연결하는 규격입니다.
 MCP 서버에는 ‘데이터 표의 구조를 가져오는 기능’과 ‘SQL을 작성·실행하는 기능’ ‘주차 정보를 조회하는 기능’ ‘결과를 보고서로 정리하는 기능’ 등 수십 개 도구가 들어 있습니다. 각 도구에 어떤 정보를 입력해야 하는지, 실행하면 어떤 결과가 나오는지, 어느 상황에서 사용해야 하는지도 AI가 이해할 수 있도록 설명을 붙였습니다.
 AI에게 단순히 도구 상자를 건넨 것이 아니라 각각의 도구를 언제, 어떻게 사용해야 하는지 적은 업무 매뉴얼을 함께 제공한 셈이죠. 뤼트리버는 사용자의 요청에 따라 적절한 도구를 골라 작업 순서를 구성합니다.
 이 개발자는 과거 데이터 관련 업무를 다뤄본 경험을 바탕으로 뤼튼테크놀로지스의 데이터 인프라와 관리체계부터 살폈습니다. 회사에 어떤 데이터를 어디에 저장하고 있으며, 어떤 과정을 거쳐 가공하는지 알아야 정확한 MCP 도구를 만들 수 있기 때문입니다.
 뤼트리버가 정확한 데이터 분석을 할 수 있도록 과거 ‘직원이 데이터 분석팀에 보낸 요청’과 ‘분석가가 실제로 작성해 검증을 마친 SQL’을 한쌍으로 묶었습니다. 이를 여러 AI 모델과 에이전트 작동 방식의 성능을 비교하기 위한 ‘정답지’로 사용한 것입니다.
 그는 “사람이 먼저 검증한 세트(요청+SQL)를 정답지로 삼는다”며 “같은 질문을 모델과 프레임워크별로 돌려 최적의 점수를 내는 조합을 선택하도록 학습을 진행했다”고 설명했습니다.
 뤼트리버가 전문 데이터 분석가의 업무를 무작정 흉내 내도록 한 것은 아닙니다. 핵심은 AI가 언제 어떤 데이터를 가져오고 어떤 순서로 분석해야 하는지를 정확하게 설계하는 것이었거든요.
 이 개발자는 우선 뤼튼테크놀로지스가 어떤 정보기술(IT) 인프라를 쓰는지 조사했습니다. 구글 클라우드의 데이터 저장·분석 창고인 ‘빅쿼리(BigQuery)’와 데이터 처리 작업의 순서를 관리하는 ‘에어플로우(Airflow)’, 데이터를 분석하기 좋은 형태로 가공하는 ‘dbt’ 등 기존 도구가 어떻게 연결돼 있는지 파악하는 작업이 우선이었죠.
 뤼트리버가 분석가가 생성한 정답지를 그대로 외우도록 학습시킨 것도 아닙니다. 동일한 자연어 질문을 여러 모델과 에이전트 프레임워크에 입력한 뒤, 사람이 만든 SQL에 얼마나 가깝게 도달하는지를 시험하는 방식을 채택했습니다. 교과서를 암기한 모범생이라기보다 전문가가 만든 시험 문제로 꾸준히 평가받는 수험생에 가깝습니다.
 이 개발자는 AI 에이전트에 적합한 모델을 정확도만으로 판단해서는 안 된다고 봤습니다. 답을 만드는 데 사용한 ‘토큰’ 수와 처리 시간, 비용도 함께 평가해야 합니다. 정확도가 높더라도 응답이 지나치게 늦거나 비용이 많이 들면 일상적인 업무 도구로 사용하기 어렵기 때문입니다.
 이에 따라 새롭고 비싼 모델을 무조건 채택하는 대신 주어진 업무를 정확하고 빠르게, 적정 비용으로 처리하는 모델과 에이전트 프레임워크의 조합을 고르는 평가체계를 만들었습니다.
 <div contents-hash="95cd1733501a999c306586231f4c165ea043872c1098ae393e3242c8808256ba" dmcf-pid="Q47RyrDgTY" dmcf-ptype="general">
 현재 뤼트리버는 특정 모델 하나에 의존하지 않고, 작업 단계와 용도에 따라 여러 모델을 조합해 사용하고 있습니다. 예를 들어 복잡한 판단이 필요한 구간과 단순 처리 구간에 각각 다른 모델을 배치하는 식입니다. 새로운 모델이 공개될 때마다 동일한 정답지로 다시 시험해 기존 조합보다 실제 업무에 더 적합한지 비교하고, 필요하면 구성을 바꾸는 작업도 이어가고 있습니다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="7164b1449ea57ef94e5f1c5a785775769f2eb75cf5a1faf29a301fb1e2206e4a" dmcf-pid="x8zeWmwaWW" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064045328pqvf.png" data-org-width="640" dmcf-mid="WSOtn8fzvx" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/25/552796-pzfp7fF/20260725064045328pqvf.png" width="658">
 </figure>
 ◆매일 쓰는 슬랙에 연결…편해져도 권한은 그대로
 뤼트리버 도입 초기에는 직원의 컴퓨터에 뤼트리버 프로그램을 별도로 설치하고 이동규 개발자가 직접 데이터를 연결하고 설정까지 해주는 방식이 사용됐습니다. 이 방식에는 문제가 있었습니다. 이용자가 늘어나거나 기능이 업데이트될 때마다 다시 설정해야 했고, 직원들도 ‘개발자를 번거롭게 한다’는 미안한 마음에 사용을 망설이는 일이 많았죠.
 결국 이 개발자는 직원들이 매일 사용하는 슬랙으로 뤼트리버를 옮기는 작업에 착수했습니다. 슬랙이 외부 서비스와 메시지를 주고받도록 지원하는 개발도구 ‘슬랙 볼트(Bolt)’와 뤼튼 서버, 사내 데이터 자원을 연결하는 작업이었습니다.
 직원은 별도 프로그램을 설치하지 않고 동료에게 메시지를 보내듯 뤼트리버를 호출할 수 있게 됐습니다. 분석 결과와 근거가 같은 슬랙 대화방에 남기 때문에 직원들이 링크를 공유하며 함께 결과를 살펴보기도 쉬워졌습니다.
 물론 사용법이 쉬워졌다고 데이터 권한까지 모두 풀어놓은 것은 아닙니다. 뤼트리버는 질문한 직원의 기존 사내 인증정보를 확인합니다. 일반 직원은 서비스 이용량과 같은 기초 데이터만 볼 수 있고, 별도 권한을 받은 직원만 매출 등 민감한 정보에 접근할 수 있죠. 공개 슬랙 채널과 권한자를 위한 비공개 채널도 구분했습니다.
 뤼트리버는 이제 뤼튼테크놀로지스의 자랑거리 중 하나입니다. 뤼튼테크놀로지스가 최근 기업간거래(B2B) AI 에이전트 솔루션 사업을 확장하고 있는 가운데 뤼트리버를 본 고객사로부터 “우리도 내부 데이터를 자연어로 확인할 수 있게 해달라”는 요청이 이어지고 있다고 합니다.
 이 개발자는 “소수 인원으로 많은 일을 처리하기 위해 내부적으로 AI 에이전트를 만들어 활용해왔고, 그 과정에서 발전시킨 기능들이 다른 기업에도 필요하겠다고 판단했다”며 “실제로 고객사에서는 ‘우리도 내부 데이터를 모아 자연어로 쉽게 찾아보고 질의할 수 있게 해달라’는 요청이 가장 많다”고 말했습니다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기