V7 Go 및 OpenAI 모델 통합을 통한 기관 기억력 구현

V7 Go는 분산된 비즈니스 맥락을 질의 가능한 Context Graph로 정리함으로써 AI 에이전트에게 '기관 기억력'을 제공하도록 설계된 에이전트 플랫폼입니다. OpenAI의 GPT-5.6 및 GPT-6 Astra 모델을 통합함으로써, V7 Go는 50~100단계의 워크플로우를 분 단위로 완료하면서도 99.9%의 정확도를 유지하며, 모든 결정에 대한 완전한 감사 추적 기록을 보장합니다.

Context Graph: 기업 맥락 격차 해결

Context Graph는 엔티티, 관계, 사실, 속성 및 지표에 대한 구조화되고 최신 상태의 기록을 제공하여, 에이전트가 매 요청마다 맥락을 다시 발견할 필요 없도록 합니다. 이 접근법은 장문 맥락 방법보다 순회 속도가 약 10배 빠르고 비용이 훨씬 저렴하다고 보고되었습니다.

기술적 구현 및 검색

SharePoint 및 Google Drive와 같은 저장소에서 데이터를 수집할 때, V7 Go는 온톨로지 내의 엔티티를 식별하고 사실을 레코드에 연결하면서 원본 소스에 인용된 증거를 유지합니다. Context Graph에 충분한 정보가 없는 경우, 시스템은 하위 문서를 검색하기 위해 Retrieval-Augmented Generation (RAG)으로 전환합니다.

성능 벤치마크

기업 시스템 간 정보 연결을 위한 HERB 벤치마크에서 V7의 검색 전용 시스템은 다음과 같은 성과를 달성했습니다:

  • 검색 정확도: 공식 베이스라인보다 69% 우수.
  • 허구 감소: 답변 불가 질문에서 허구를 38% 감소.

워크플로우 자동화 및 비즈니스 영향

V7 Go는 복잡한 다단계 지시를 처리하기 위해 3단계(빠름, 보통, 스마트)로 나누어진 모델 접근 방식을 사용합니다. 이는 이전에는 수십 시간의 인간 노동이 필요했던 작업을 가능하게 합니다.

모델 할당

  • GPT-5.6 Luna: 구조화된 추출 및 고용량 작업에 사용.
  • GPT-5.6 Terra 및 Sol: 채팅, Go 에이전트 경로, 고급 추론 또는 도구 사용이 필요한 작업을 처리.
  • GPT-6 Astra: 수천 개 문서에 걸친 재무 분석과 같은 가장 복잡한 Context Graph 질의에 활용.

실제 효율성 향상

  • 자산 관리: 거래 스크리닝 속도가 21배 향상되어 하루 작업이 15분으로 단축.
  • 금융 서비스: 검토 시간이 100시간 이상에서 10시간 미만으로 감소하여 각 작업당 전문가 비용 12,000달러 절감.
  • 보험: 수리 처리 오류가 수동 베이스라인 대비 13.5% 감소.

OpenAI 모델 성능 및 통합

V7은 다단계 도구 워크플로우에서 뛰어난 성능과 빠른 용량 확장성을 제공하기 때문에 OpenAI를 기본 제공업체로 선택했습니다.

정확도 및 효율성 지표

  • 도구 호출 오류율: GPT-5.6 Sol은 도구 호출 오류율을 GPT-5.5의 2.7%에서 0.2%로 감소시켰습니다.
  • 비용 절감: GPT-5.6 Luna는 GPT-5.4 mini 대비 문서당 비용을 78% 낮췄습니다.
  • 지연 시간: 외부 호출이 포함된 핵심 워크플로우는 최대 50% 더 빠르게 완료됩니다.
  • API 최적화: 문서 중심 워크로드를 Responses API로 이동함으로써 일부 PDF 중심 워크플로우에서 토큰 사용량이 약 5% 감소하고 캐싱 신뢰성이 향상되었습니다.

GPT-6 Astra 평가

수천 개 문서에 걸쳐 실제 데이터를 사용한 테스트에서, V7은 GPT-5.6 Sol과 GPT-6 Astra를 '매우 어려움' 난이도에서 비교했습니다:

  • GPT-5.6 Sol: 78% 정확도.
  • GPT-6 Astra: 89% 정확도.

두 모델 모두 쉬움, 보통, 어려움 난이도에서 거의 100%의 점수를 기록했습니다.

생태계 통합 및 미래 방향성

V7 Go는 MCP 서버를 통해 Context Graph 질의 및 수집 기능을 노출하여 ChatGPT 및 Codex와의 통합을 가능하게 했습니다. 이 통합으로 인해 중간 길이 워크플로우 생성 시간이 1시간에서 약 20분으로 단축되었습니다.

향후 개발 방향은 공유 메모리의 능동적 기능 강화에 집중하며, Context Graph 내 사실이 변경되거나 일관성 문제가 발견될 경우(예: 펀드 보고서가 재작성될 때 분석을 자동으로 업데이트) 워크플로우가 자동으로 트리거되도록 하는 것입니다.

Sources