왜 Ian On인가
Ian On이 풀려고 만든 문제, 그 바탕의 생각, 그리고 회사가 실제로 어떻게 활용하고 운영하는지.
요즘 "업무용 AI"는 대부분 채팅창입니다. 묻고, 답을 받고, 그래도 일은 직접 합니다. Ian On은 다른 생각에서 출발했습니다 — 회사가 답만 받는 게 아니라 일을 끝내는 공간입니다.
문제: 도구는 늘었는데, 일은 그대로
세 가지가 계속 발목을 잡았습니다.
- 챗봇은 한 번 답하고 끝납니다. 묻는 동안에만 동작하고, 같은 배경을 매번 다시 설명해야 합니다. 지식은 팀이 다시 쓸 수 있는 어디에도 쌓이지 않습니다.
- 일반 검색은 조각만 가져옵니다. 비슷해 보이는 문장 몇 개를 골라올 뿐, 정작 중요한 맥락 — 무엇이 어떻게 연결되는지, 어떤 정책이 적용되는지, 누가 왜 결정했는지 — 은 결과 바깥에 남습니다.
- 좋은 답을 얻으려면 데이터를 내줘야 했습니다. 품질을 위해 사내 문서를 외부 모델로 보냈고, 통제와 감사 가능성은 뒷전이었습니다.
생각: 회사가 소유하는 운영 브레인
Ian On은 회사의 판단이 복리로 쌓이는 공간을 지향합니다. 업무에서 승인된 결정, 올린 문서, 검토 기준을 통과한 지식이 회사가 소유하고 운영하는 공유 기억에 쌓이고, 개인 대화에서 기억한 내용은 개인 기억에 따로 남습니다. 거대한 모델 하나가 마법을 부리는 게 아닙니다. 연결한 AI 모델, 선별해 쌓은 기억, 관계 그래프, 그리고 담당자들이 함께 일해서, 쓸수록 시스템 전체가 회사에 더 잘 맞아 갑니다.
한 줄로 줄이면 이게 비전입니다 — 사람의 판단이 채팅 기록 속에서 증발하지 않고 쌓여 가는, 회사가 소유하는 운영 브레인.
무엇이 다른가
| 챗봇 | RPA·스크립트 | Ian On | |
|---|---|---|---|
| 작업 단위 | 단발성 질문·답 | 고정된 스크립트 | 목표 → 완성된 결과 |
| 메모리 | 세션 한정 | 사실상 없음 | 큐레이티드 인덱스 + 그래프 + 결정 원장 |
| 데이터 위치 | 외부 모델로 송신 | 사내, 그러나 경직 | 회사 인프라에 저장, 외부 AI를 쓰면 처리 내용이 그 제공자로 전송됨 |
| 시간이 지나면 | 늘 같은 품질 | 스크립트 노후화 | 회사 맥락이 쌓여 답이 좋아짐 |
짧게 말하면, 챗봇은 답하고, Ian On은 일을 끝냅니다 — 그리고 믿을 수 있는 기록을 남깁니다.
회사는 어떻게 활용하나
매일의 흐름은 단순합니다.
- 홈에서 Ian과 대화하기를 열고 필요한 일을 요청합니다.
- Ian이 그 자리에서 답하거나, 업무를 시작합니다. 결정이 필요한 단계에서는 승인이나 선택을 요청합니다.
- 에이전트 팀이 실행합니다. 지켜보고 방향을 잡을 수 있습니다.
- 완성된 결과가 히스토리에 기록으로 남습니다 — 누가 승인하거나 반려했는지까지.
- 기억에 쌓인 내용은 다음 업무가 딛고 설 바탕이 됩니다.
부서마다 맡기는 일은 달라도 결은 비슷합니다 — 전략기획의 주간 시장 인텔리전스 브리프, 영업의 계정 인사이트, 데이터 운영의 일일 품질 점검, 보안·법무의 정책·컴플라이언스 점검. Ian On은 이 중 하나에 매여 있지 않습니다 — 업무는 회사 고유의 도메인에 맞춰 정의되고, 운영할수록 더 잘 맞아 갑니다.
누가 소유하고 운영하나
Ian On은 회사 인프라에 설치해 운영합니다. 외부 AI를 사용하면 답변이나 문서 분석에 필요한 데이터가 해당 제공자로 전송될 수 있습니다. 접근은 네 가지 역할과 항목별 권한으로 다스려지고, 소유자와 관리자는 관리 → 감사에서 역할 변경·비밀번호 재설정 등 주요 관리 작업의 기록을 확인합니다. 로컬 모델과 외부 AI를 모두 연결해 쓸 수 있습니다. 모든 사용자는 설정 → 내 AI 연결에서 개인 연결을 관리하고, 소유자와 관리자는 관리 → AI 제공자에서 조직 AI 기본값을 관리합니다.
써 볼 준비가 됐나요? 시작하기로 가세요.