기업 AI 용어집
경영진, IT, 데이터 담당자 가이드. 위험을 이해하고 함께 Private AI 범위를 정하세요.
Private AI
Private AI는 조직이 데이터 경계, 사용자, 모델, 배포를 정하는 접근법입니다. 개인정보 보호는 이름이 아닌 구조와 운영으로 구현합니다.
자세히 보기Local LLM
로컬 LLM은 선택한 컴퓨터나 서버에서 추론합니다. 데이터 가까이 두면 처리 경로를 정하기 쉽지만 OCR, 임베딩, 로그 서비스는 별도 검토해야 합니다.
자세히 보기On-premise AI
조직이 운영하는 인프라에 AI를 설치합니다. GPU뿐 아니라 네트워크, 저장소, 신원, 백업, 사고 대응을 포함합니다.
자세히 보기Enterprise RAG
RAG는 관련 정보를 검색해 모델 답변의 맥락으로 제공합니다. 기업 RAG는 권한, 버전, 감사를 추가해 질문자가 허용된 지식만 검색하게 합니다.
자세히 보기AI Agent
에이전트는 모델로 목표를 위한 단계와 도구를 선택합니다. 문서 접근 외 작업 권한이 필요하며 모델 제안이 사용자 승인을 의미하지 않습니다.
자세히 보기Role-based access control (RBAC)
역할별 권한을 공간, 소스, 에이전트에 연결합니다. 버튼 숨김은 권한 강제가 아닙니다.
자세히 보기Workspace
부서, 고객, 프로젝트의 사용자·문서·에이전트를 묶어 범위를 보여주고 맥락 혼용을 줄입니다.
자세히 보기Shadow AI
승인이나 가시성 밖의 AI 사용입니다. 위험은 데이터, 도구, 계정, 계약에 따라 다르며 모든 공개 AI가 위험한 것은 아닙니다.
자세히 보기Audit log
누가 언제 어떤 데이터와 모델로 무엇을 했고 누가 검토하는지 기록합니다. 증거와 로그의 민감 정보 사이 균형이 필요합니다.
자세히 보기Enterprise AI
Private AI는 조직이 데이터 경계, 사용자, 모델, 배포를 정하는 접근법입니다. 개인정보 보호는 이름이 아닌 구조와 운영으로 구현합니다.
자세히 보기Private LLM
로컬 LLM은 선택한 컴퓨터나 서버에서 추론합니다. 데이터 가까이 두면 처리 경로를 정하기 쉽지만 OCR, 임베딩, 로그 서비스는 별도 검토해야 합니다.
자세히 보기Sovereign AI
원본, 청크, 임베딩, 인덱스, 캐시, 답변, 로그를 포함합니다. 위치, 접근자, 삭제와 복구 방법을 알아야 합니다.
자세히 보기RAG
RAG는 관련 정보를 검색해 모델 답변의 맥락으로 제공합니다. 기업 RAG는 권한, 버전, 감사를 추가해 질문자가 허용된 지식만 검색하게 합니다.
자세히 보기Grounding
답변을 문서, 섹션, 페이지, 버전에 연결해 결론의 근거를 검토합니다. 파일명만으로 정확성이 보장되지는 않습니다.
자세히 보기Semantic search
권한에 따라 여러 기업 소스를 검색합니다. 식별자·정확한 이름은 키워드, 다른 표현은 의미 검색이 유용합니다. 실제 업무로 둘 다 테스트하세요.
자세히 보기LLM
학습 패턴과 맥락으로 텍스트를 생성하는 언어 모델이며 검증된 사실 데이터베이스는 아닙니다.
Embedding
관계를 비교하는 숫자 벡터 표현으로 실제 언어·작업에 맞춰 모델을 평가해야 합니다.
Vector database
벡터 검색 저장소로, 원문 변경 시 권한·백업·삭제를 관리해야 합니다.
Vector search
질문과 가까운 벡터 검색으로, 유사성이 정확성이나 읽기 권한을 보장하지는 않습니다.
다른 단어로 검색하세요.
참고 자료
공개 자료는 원칙을 설명하며 RAGBOX를 인증하지 않습니다.
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
실무 적용 전 전문가 검토가 필요합니다. 개별 법률 또는 세무 자문이 아닙니다.