엔터프라이즈를 위한 AI 도입 아키텍처
LLM Capsule 은 기업이 어떤 AI 모델이든 안전하게 도입할 수 있도록 지원하는 데이터 레이어이자 플러그인입니다. 기업 데이터 시스템과 외부 AI 서비스 사이에 위치하여 — 전송 중인 데이터를 보호하면서 모든 워크플로우에서 AI의 잠재력을 완전히 활용합니다.
아키텍처 구성도
LLM Capsule은 민감한 기업 데이터를 로컬에서 캡슐화하고, 보호된 표현만 외부 AI 서비스로 전송한 뒤, 기업 환경 내에서 AI 결과물을 복원하는 데이터 레이어입니다 — 대규모 AI 도입을 안전하게 실현합니다.
아키텍처 컴포넌트
로컬 캡슐화 엔진
캡슐화 엔진은 기업 환경 내에서 전적으로 작동합니다. 컨텍스트 기반 데이터 제어로 민감 요소를 탐지하고, 문서 구조를 보존하는 표현으로 대체한 뒤, 매핑을 로컬에 저장합니다. 매핑은 절대 기업 경계 밖으로 나가지 않습니다.
배포/설치 옵션
은 인프라가 운영되는 어디서든 AI의 도입이 가능하게 합니다. 캡슐화와 복원 로직은 배포 모델에 관계없이 모든 환경에서 AI를 도입할 수 있도록 동일하게 작동됩니다.
온프레미스
기업 데이터 센터 내 전체 배포 방식입니다. 민감 데이터가 네트워크 경계를 벗어나지 않습니다. 기존 보안 경계 내에서 운영됩니다.
망 분리
최고 수준의 보안이 요구되는 환경을 위한 방식입니다. 격리 네트워크에서 캡슐화를 수행하고 AI 연결 환경으로 통제된 전송 후 결과를 로컬에서 복원합니다.
클라우드 (AWS 마켓플레이스)
기업의 AWS 계정 또는 VPC 내에서 실행됩니다. 데이터는 기업의 클라우드 경계 내에 유지됩니다. 간편한 조달을 위해 AWS Marketplace에서 이용 가능합니다.
하이브리드
문서 유형이나 민감도 수준에 따라 단일 LLM Capsule 인스턴스 내에서 서로 다른 배포 모드로 라우팅됩니다. 최대한의 유연성을 제공합니다.
임베디드 통합
LLM Capsule을 기존 기업 애플리케이션 및 플랫폼에 임베디드하여 소프트웨어 스택 내 AI 활성화 데이터 레이어로 운영합니다.
슬랙 앱
Slack 내에서 직접 LLM Capsule을 사용합니다. AI 어시스턴트로 전송하기 전에 민감한 메시지와 문서를 캡슐화하고, 결과는 채널 안에서 바로 복원됩니다.
LLM Capsule이 실제 문서에서 어떻게 작동하는지, 직접 보여드립니다
우리 회사 문서, 배포 환경, 규제 요건을 확인해 주세요. 실제 데이터 위에서 LLM Capsule이 어떻게 작동하는지 직접 시연합니다.
![](data:image/svg+xml,<svg display="block" role="presentation" viewBox="0 0 148 16" xmlns="http://www.w3.org/2000/svg"><path d="M 11.102 15.765 L 0 15.765 L 0 0.225 L 3.59 0.225 L 3.59 12.61 L 11.102 12.61 L 11.102 15.766 Z M 24.19 15.765 L 13.086 15.765 L 13.086 0.225 L 16.676 0.225 L 16.676 12.61 L 24.188 12.61 L 24.188 15.766 Z M 26.177 0.226 L 29.85 0.226 L 34.324 10.366 L 38.798 0.226 L 42.472 0.226 L 42.472 15.765 L 38.882 15.765 L 38.882 7.361 L 35.526 14.844 L 33.13 14.844 L 29.774 7.36 L 29.774 15.764 L 26.184 15.764 L 26.184 0.225 L 26.177 0.225 Z M 57.981 0 C 60.649 0 62.947 1.352 64.375 3.556 L 63.362 4.334 C 62.01 2.341 60.09 1.27 57.99 1.27 C 54.4 1.27 51.785 4.139 51.785 8.012 C 51.785 11.886 54.453 14.74 58.058 14.74 C 60.219 14.74 62.138 13.698 63.499 11.674 L 64.467 12.452 C 63.068 14.626 60.694 16 58.056 16 C 53.741 16 50.469 12.565 50.469 8.011 C 50.469 3.458 53.696 0 57.996 0 Z M 65.483 15.765 L 71.62 0.225 L 73.335 0.225 L 79.472 15.765 L 78.142 15.765 L 76.562 11.793 L 68.392 11.793 L 66.812 15.765 L 65.482 15.765 Z M 76.079 10.57 L 72.466 1.456 L 68.869 10.57 Z M 81.833 15.765 L 81.833 0.225 L 87.872 0.225 C 90.706 0.225 92.55 2.008 92.55 4.711 C 92.55 7.414 90.706 9.151 87.872 9.151 L 83.14 9.151 L 83.14 15.765 L 81.832 15.765 Z M 83.141 7.92 L 87.811 7.92 C 90.048 7.92 91.212 6.651 91.212 4.718 C 91.212 2.785 90.049 1.464 87.812 1.464 L 83.14 1.464 L 83.14 7.92 Z M 95.465 12.028 C 96.553 13.81 98.299 14.739 100.196 14.739 C 102.093 14.739 103.891 13.697 103.891 11.96 C 103.891 10.224 102.607 9.499 99.757 8.495 C 96.583 7.37 94.973 6.275 94.973 4.077 C 94.973 1.389 97.467 0 99.773 0 C 102.304 0 103.99 1.314 104.821 2.71 L 103.808 3.488 C 102.924 2.008 101.496 1.268 99.772 1.268 C 98.049 1.268 96.296 2.243 96.296 4.048 C 96.296 5.489 97.528 6.328 100.158 7.218 C 103.952 8.51 105.214 9.71 105.214 11.938 C 105.214 14.573 102.818 16 100.196 16 C 97.785 16 95.54 14.784 94.49 12.806 L 95.457 12.028 Z M 108.278 0.226 L 109.578 0.226 L 109.578 10.102 C 109.578 12.835 111.475 14.715 114.528 14.715 C 117.581 14.715 119.478 12.85 119.478 10.102 L 119.478 0.226 L 120.778 0.226 L 120.778 10.102 C 120.778 13.636 118.398 15.999 114.528 15.999 C 110.659 15.999 108.278 13.629 108.278 10.102 Z M 124.785 15.765 L 124.785 0.225 L 126.092 0.225 L 126.092 14.512 L 135.056 14.512 L 135.056 15.772 L 124.785 15.772 Z M 137.67 0.226 L 147.329 0.226 L 147.329 1.464 L 138.978 1.464 L 138.978 7.097 L 146.188 7.097 L 146.188 8.343 L 138.978 8.343 L 138.978 14.534 L 147.571 14.534 L 147.571 15.773 L 137.67 15.773 Z" fill="rgb(35, 31, 32)" height="16px" id="o43yy6bJZ" width="147.57099816894532px"/></svg>)