| 위치 | 계약 | 보관 | 담당 |
|---|---|---|---|
| 90일 | |||
| 상위와 동일 | 상위와 동일 | 상위와 동일 | |
| 상위와 동일 | 상위와 동일 | 상위와 동일 | |
| 30일 |
계층이 사라졌습니다. 사이트와 랙을 잇던 식별자가 지워져, 가운데 두 줄은 구분되지 않고 회선도 어디에 붙는지 알 수 없습니다.
LLM Capsule
민감 데이터를 AI가 쓰게 만드는 컨텍스트 보존 데이터 레이어
원본값은 고객 환경 안에 그대로 두고, 민감한 값만 형태가 같은 대체값으로 바꿔 승인된 모델에 보냅니다. 결과는 실무에 바로 쓰는 형태로 복원됩니다. 실제 문서 하나로 2분이면 돌아가는 걸 보실 수 있습니다.
원본 · 고객 환경
모델에 전달되는 형태
circuit
node
time
AI 사용
일반 마스킹
CKT-77-AB12
█████
edge-04
███
09:42
██:██
✕AI 사용 불가
컨텍스트 보존 치환
CKT-77-AB12
⟨cap:ckt_1⟩
edge-04
⟨cap:edge_1⟩
09:42
09:42
✓AI 사용 가능
선을 움직여 비교해 보세요
정책을 정하고, 문맥을 보존해 치환하고, 결과를 내부에서 복원하고, 실행을 남깁니다
LLM Capsule은 정책 설정, 구조 보존 치환, 내부 복원, 운영 기록이라는 네 가지 기능을 고객 환경 안의 하나의 워크플로우로 제공합니다. 각 기능을 구현하는 기술 컴포넌트는 Architecture에서 확인할 수 있습니다.
-
01
정책 엔진
무엇이 민감한지, 고객 팀이 정합니다
벤더가 정해 준 목록이 아닙니다. 회선·자산 ID, 계약 참조, 프로젝트 코드명, 내부 지표까지 고객 팀이 직접 지정합니다. 보호 대상이 바뀌면 정책만 바꾸면 됩니다. 시스템은 그대로 둡니다.
- 커스텀 마커
- 정책 버전 기록
-
02
치환 레이어
형태가 같은 대체값으로 바꿉니다
까맣게 지운 칸은 모델에게서 기록 자체를 빼앗습니다. 대체값은 형태를 유지합니다. 표, 계층, 상호 참조가 하나의 문서로 그대로 읽힙니다.
- 구조 유지
- 구조 보존 대체
-
03
복원 매핑
결과를 실무 값으로 되돌립니다
모델은 대체값으로 답합니다. 매핑이 고객 환경 안에서 실제 이름과 수치로 되돌립니다. 결과는 사람 손을 거치지 않고 다음 시스템으로 들어갑니다.
- 환경 내부 재구성
- 결과 바로 사용
04
관리자 콘솔
정책과 실행 기록을 한곳에 연결합니다
모든 이벤트가 여기에 남습니다. 어떤 정책이 켜져 있었는지, 무엇이 바뀌었는지, 어떤 모델이 처리했는지, 무엇이 복원돼 돌아왔는지. 감사 팀은 어떤 실행이든 처음부터 끝까지 되짚습니다.
- 이벤트 로그
- 정책 버전
- 모델 이력
- 실행 재현
티켓 한 장이 나갔다 돌아오기까지, 다섯 단계
탭을 눌러 단계마다 화면이 어떻게 바뀌는지 확인해 보세요. 아래 예시는 NOC 티켓이지만, 어떤 문서든 같은 다섯 단계를 거칩니다.
Step 01 — 소스 지정
문서를 옮기지 않고, 있는 자리에서 그대로 읽습니다
LLM Capsule은 고객 환경 안에서 돌아갑니다. SharePoint, Jira·ServiceNow, Salesforce, Oracle ERP, 내부 NOC 콘솔, 자체 포털처럼 이미 쓰고 있는 시스템에서 문서를 바로 읽습니다. 데이터를 옮기거나 파이프라인을 새로 깔거나 아키텍처를 바꿀 일이 없습니다.
기존 시스템은 REST, gRPC, JDBC, Graph API, 온프레미스 API, 임베디드 SDK, Slack 앱으로 조직 안에서 LLM Capsule을 호출합니다.
내부 환경 실행원본값은 환경 안에기존 소스 연동
Step 02 — 정책 정의
우리 회사에 맞는 필터를 관리자 화면에서 직접 만듭니다
기본 제공 마커에서 고르거나 직접 만듭니다. 프로젝트 코드, 계약 참조, 네트워크 ID, 임무 참조, 금융 용어, 취약점 레이블을 쓸 수 있습니다. 규칙이 바뀌면 마커만 추가·삭제·시점 변경하면 되고, 시스템은 그대로 둡니다. 정책 버전은 모두 이력으로 남습니다.
기본 마커 11개커스텀 정규식정책 버전 관리RBAC 범위 지정
Step 03 — 컨텍스트 보존 치환
민감한 값만 바뀌고, 문서 구조는 그대로 남습니다
고객 환경 안에서 민감한 값이 형태가 같은 대체값으로 바뀝니다. 차등 프라이버시 기반 치환(epsilon-DP, Laplace noise, k-익명성, NER 치환)이 재식별 위험을 낮춥니다. 표와 교차 참조, 문서 계층은 그대로 남습니다.
epsilon-DPLaplace noiseNER 치환문서 구조 보존
NOC 티켓 · INC-2025-0427
회선 ID:ACME-CKT-4821-NYC[회선_A]
장치 IP:10.44.72.31[장치_A]
계약 참조:MSA-ACME-2025-0312[계약_A]
사이트 코드:NYC-DC1-FLOOR3[사이트_A]
ACME-CKT-4821-NYC[회선_A] 회선에서 신호 저하가 발생했습니다. 장치 10.44.72.31[장치_A]에서 확인되었습니다. 기본 계약 MSA-ACME-2025-0312[계약_A] 4.2조에 따라 로그는 36개월 보관합니다. 현장 점검은 NYC-DC1-FLOOR3[사이트_A]에서 변경 승인 후 진행합니다.
이 장애의 원인과 조치 방안을 분석해 주세요.
✦ LLM Capsule 실행
Step 04 — 모델 처리
외부 LLM이든 온프레미스든, 경로는 정책이 정합니다
보호 버전만 이동합니다. 원본값은 고객 환경 안에 남습니다. 승인된 외부 LLM(ChatGPT, Claude, Gemini, Perplexity)으로 보내거나, 폐쇄망이면 온프레미스 경량 모델로 보냅니다.
Path A · 외부 LLMPath B · 온프레미스정책 기반 라우팅
Step 05 — 재구성
AI 결과가 실무에 바로 쓰는 형태로 돌아옵니다
AI 응답은 고객 환경 안에서 복원됩니다. 매핑 조회, 원본 값 치환, 컨텍스트 재결합, 출력 검증을 거칩니다. 실제 이름과 수치, 참조값이 티켓에 그대로 돌아옵니다. 복원 매핑도 그 안에 남습니다.
로컬 복원컨텍스트 재결합출력 검증감사 이력 기록
민감한 건 이름과 번호만이 아닙니다
LLM Capsule은 아래 문서들을 모두 읽습니다. 이름·전화번호 같은 개인정보는 기본으로 잡고, 회선 ID·증권번호·로트번호처럼 우리 회사에만 있는 값은 직접 정해서 바꿉니다.
읽는 문서 종류
- LOG 시스템 로그 BGP 로그, 알람 스트림, NOC 메모
- PDF PDF 보고서 사고 보고서, 신고서, 계약서
- GRAPH 토폴로지 그래프 네트워크 그래프, 자산 관계
- TICKET 티켓 티켓 필드, 처리 이력
- MD 런북 대응 절차, 에스컬레이션 경로
- YAML 코드·설정 스니펫, 장비 설정
- XLSX 표 구조화 필드, 교차 참조
- IMG 이미지·도면 회로도, 스캔본, 주석
- TXT 비정형 메모 임상 기록, 임무 브리프
바꾸는 값 종류
프리셋 PII 도구도 찾는 것
- 성명
- 전화번호
- 주소
- 계좌번호
- 날짜
- 금액
커스텀 PII 도구는 못 보는 것
- 회선 ID
- 증권번호
- 차트번호
- 로트번호
- 운송 참조
- 계약 참조
- 내부 지표
- 조직 구조
- 프로젝트 코드명
- 임무 참조
쓰시는 문서가 목록에 없으면 한 장 보내 주세요. 저희가 직접 실행해 결과를 보여 드립니다. 내 데이터로 확인하기 →
마스킹은 구조를 끊고 치환은 구조를 남깁니다
운영 문서는 깔끔한 표가 아닙니다. 로그이고 PDF이고 티켓입니다. 그 안에 든 계층과 참조 관계는 값만 지워도 함께 사라집니다. 같은 자산 계층을 두 방식으로 처리한 결과입니다.
prompt 보관 기간 30일이 적용되는 회선은 무엇이고 담당자는 누구입니까?
| 위치 | 계약 | 보관 | 담당 |
|---|---|---|---|
| SITE-A1 | MSA-A1-0312 | 90일 | Owner 1 |
| RACK-A1-02 | 상위와 동일 | 상위와 동일 | 상위와 동일 |
| RACK-A1-03 | 상위와 동일 | 상위와 동일 | 상위와 동일 |
| CKT-A1-03-7 | SLA-A1-03-7-B | 30일 | Owner 2 |
행마다 구분이 남아 있고 계층도 그대로 읽히므로, 모델이 회선에서 랙과 사이트를 따라가 담당자가 누구인지 답할 수 있습니다.
규칙을 정하는 곳과 기록이 남는 곳이 같습니다
무엇을 민감하게 볼지, 어떤 모델을 쓸지, 누가 어디까지 볼지를 관리자가 정합니다. 그렇게 돌아간 기록도 같은 화면에서 확인합니다.
대시보드
필터별 탐지 비중
활성 사용자
74명
민감 정보 탐지
3,842건
조직
| 이름 | 역할 | 상태 |
|---|---|---|
| A. Miller | 팀 관리자 | 활성 |
| M. Reyes | 멤버 | 비밀번호 설정 |
| J. Carter | 멤버 | 잠금 |
| E. Novak | 멤버 | 비활성 |
| S. Park | 팀 관리자 | 활성 |
| D. Lawson | 멤버 | 활성 |
사용량
모델별 사용 분포
호출 수
4,329건
토큰 총합
348.1만
워크스페이스
| 소스 이름 | 상태 |
|---|---|
| incident_ticket.docx | 비식별 완료 |
| telco_style_log.csv | 비식별 완료 |
| claims_batch_05.xlsx | 비식별 완료 |
| msa_acme_2025.pdf | 비식별 완료 |
| noc_rca_summary.docx | 비식별 완료 |
| meeting_notes_07.txt | 비식별 완료 |
비식별 정책
| 필터 이름 | 타입 |
|---|---|
| 전화번호 | 프리셋 |
| 금액 | 프리셋 |
| 날짜 | 프리셋 |
| 고객 코드 | 커스텀 |
| 회선 ID | 커스텀 |
| 상세주소 | 프리셋 |
LLM 설정
Anthropic
Opus 4.7 · 기본 모델
Opus 4.6
Haiku 4.5
OpenAI
gpt-5
gpt-5-mini
Google
Gemini Pro
Gemini Flash
등록된 모델만 호출할 수 있습니다.
감사 로그
결과 전체▾
기간 전체▾
행위 전체▾
| 행위 | 결과 | 대상 |
|---|---|---|
| 비식별 처리 실행 | 성공 | incident_ticket.docx |
| LLM 호출 | 성공 | gpt-5 |
| 재구성 | 성공 | INC-24091 |
| 소스 업로드 | 실패 | telco_log.csv |
| 정책 변경 | 성공 | NOC-team v2 |
-
01
규칙을 정합니다
값을 어떤 방식으로 바꿀지 고르고, 기본으로 들어 있는 마커와 팀이 직접 만든 마커를 함께 씁니다. 쓸 프로바이더와 모델도 여기서 등록합니다.
-
02
범위를 나눕니다
팀마다 역할을 주고, 프로젝트별로 소스를 나눠 둡니다. 한 팀이 다른 팀 문서를 열어 볼 일이 없습니다.
-
03
기록을 되짚습니다
실행할 때마다 누가 무엇을 처리했고 성공했는지 실패했는지가 한 줄씩 남습니다. 팀별 탐지 건수와 호출량도 함께 봅니다.
성능
실제 기업 문서로 측정한 값
평균 2,200자 문서를 기준으로, 금융·의료·법률·공공 워크플로우에서 측정했습니다.
페이지당 처리 시간
0.12초
원본 문서를 받아 치환을 마치기까지 걸리는 시간입니다. 실시간 NOC 알림, 보험 청구 접수, 임상 워크플로우에 SLA를 넘기지 않고 붙일 수 있습니다.
복원율
100%
고객 환경 안의 복원 매핑으로 되돌린 치환값의 비율입니다.
응답 유사도
98%
같은 모델이 원본을 그대로 읽었을 때와 비교한 값입니다. 오가는 동안 의미가 유지됩니다.
탐지 정확도
98.1%
구조화 필드와 자유 텍스트 양쪽에서 잡아냅니다. 커스텀 마커도 포함합니다.
워크플로우 정확도
99.14%
원본 입력에서 복원된 출력까지, 실제 운영 워크플로우 전 구간을 잰 값입니다.
솔루션
같은 제품, 다른 산업, 실제 고객
아래 카드는 모두 LLM Capsule이 지금 운영 환경에서 돌리고 있는 업무입니다. 산업마다 실제로 쓰는 화면이 다릅니다.
-
통신
운영 트래픽 그대로 NOC 사고 분석
실시간 티켓 데이터로 원인 분석을 돌립니다. 장치·회선 ID, 사이트 참조, 알람 시퀀스, 가입자 식별자는 대체값으로 바꿔 모델에 보내고, 원본값은 통신사 환경 안에 남아 결과에서 다시 제자리로 돌아옵니다.
SK Telecom · Deutsche Telekom T Challenge 2026 — Top 12
-
의료
판독 요약 초안 — PHI 복원은 병원 안에서
이미 쓰고 있는 임상 워크플로우 안에서 판독 요약 초안을 만듭니다. 환자 식별 정보는 호출 전에 대체값으로 바뀌고, 복원은 병원 네트워크 안에서 일어납니다. HIPAA 기준으로 검토했습니다.
이화여자대학교 의료원 (EUMC)
-
금융 / 보험
실제 고객 데이터로 AI 청구 심사
실제 계약자 기록으로 청구 분류, 손해 평가, 사기 점수를 냅니다. 이름·증권번호·청구액은 모델 호출용 대체값으로 바뀌고, 심사자가 보는 화면에서는 원래 값으로 돌아옵니다.
교보생명 · DB손해보험 · IBK기업은행
-
공공 / 국방
기밀 워크플로우에서 임무 브리핑 초안
기밀 문서로 정보 브리핑과 운영 요약 초안을 만듭니다. 경로는 온프레미스에서 돌아가고, 실행마다 지휘 통제 아래 감사 기록이 한 줄씩 남습니다.
대한민국 국방부
chest_ct_slice_042.dcm
시작은 LLM Capsule, 상시 운영은 Syntitan입니다
LLM Capsule은 민감 데이터 때문에 못 하던 AI 업무를 하게 해 줍니다. Syntitan은 그 업무를 매일 운영해도 답이 흔들리지 않게 관리합니다.
- 원본 그대로 못 나가는 데이터를 대체값으로 바꿔 승인된 모델에 보냅니다
- 치환 정책과 복원 매핑은 고객 환경 안에 남습니다
- 결과는 실무 형태로 돌아오고, 실행마다 감사 기록이 쌓입니다
- 정책 엔진
- 치환 레이어
- 복원 매핑
- 관리자 콘솔
- 실행 전에 데이터를 점검해, 깨진 데이터가 모델까지 가지 않게 합니다
- 이 답이 어떤 버전의 데이터에서 나왔는지 남겨 둡니다
- 두 버전을 비교해 원인을 찾고, 되던 날의 데이터로 되돌립니다
- Release State
- Run Binding
- Diff
- Reproduce
AI가 아직 못 닿는 업무 하나로 시작하세요.
실제 워크플로우를 가져오시면 됩니다. 30분 안에 고객사 환경의 샘플 문서에 LLM Capsule을 직접 설정해 드립니다.