반복 업무 자동화한국에너지기술연구원 수행 완료

매일 사람이 하던 확인 작업을, AI가 대신하게 만듭니다

이미 돌아가는 업무와 시스템은 그대로 둡니다. 그 안에서 사람이 반복하는 확인·정리·전달만 떼어내 자동화하고, 필요하면 운영 가능한 Web/App 시스템까지 만듭니다. 우리 회사 업무부터 그렇게 줄이고 있습니다.

성과 사례

숙소 운영
매일 예약을 확인하던 일을 화면 한 번으로 · 직접 운영 중
공기업 과제
시뮬레이션 결과를 AI 학습·추론 구조로 · 계약 수행 완료
개발 업무
테스트와 화면 검증을 AI가 실행 · 자동 시각검증 658건

성과 사례

실제로 줄인 업무만 싣습니다

제품 소개보다 먼저 봐야 할 것은 어떤 업무가 어떻게 줄었는지입니다. 계약으로 수행한 것과 우리가 직접 운영하며 줄인 것을 사례마다 구분해 표기합니다.

Case 01 · 직접 운영 중

매일 예약을 들여다보던 일을, 화면 한 번으로 줄였습니다

문제

숙소 운영은 매일 같은 확인의 반복입니다. 내일 나가는 예약이 무엇인지, 그다음 들어오는 손님은 몇 명이고 반려동물이 있는지, 청소는 언제 넣어야 하는지를 사람이 예약 목록을 열어 하나씩 맞춰 봐야 합니다. 하나만 빠뜨려도 바로 현장 문제가 됩니다.

Before

  1. 예약 목록 열기
  2. 체크아웃 확인
  3. 다음 손님 조건 확인
  4. 청소 필요 여부 판단
  5. 일정 전달 · 안내 발송

After

  1. 예약 자동 수집
  2. 체크아웃 · 다음 예약 정리
  3. 청소 작업지시 생성
  4. 운영자는 확인 후 발송

해결 방식

예약 자동 수집

숙소 예약 채널의 iCal을 연동해 예약을 자동으로 가져옵니다. 직접 받는 예약은 수기 입력도 함께 지원합니다.

체크아웃과 다음 예약을 한 번에

나가는 일정과 다음 손님 조건(인원·아동·반려동물·요청사항)을 한 화면에 묶어 정리하고, 버튼 한 번으로 정리된 내용을 메일로 보냅니다.

청소 작업지시 연결

청소 작업지시와 체크리스트, 완료 확인을 한 흐름으로 연결합니다. 숙소 매뉴얼과 비품, 기기 원격 제어도 같은 시스템에 있습니다.

최소 정보만 저장

손님 정보는 비식별 라벨로만 남깁니다. 운영에 필요 없는 개인정보는 처음부터 받지 않습니다.

결과

줄어든 시간은 현재 측정 중입니다. 측정이 끝나면 이 자리에 실제 값을 올립니다. 확인되지 않은 수치는 쓰지 않습니다.

실제 운영

자사에서 직접 운영하는 숙소에 적용해 매일 쓰고 있습니다. 외부 고객 납품 사례가 아니라, 우리가 겪은 반복 업무를 우리가 먼저 없앤 사례입니다.

Case 02 · 계약 수행 완료

그린수소 AI 학습·추론 환경 구축

문제

연구 현장에서는 시뮬레이션이 이미 잘 돌아가고 있어도, 그 결과를 AI가 학습하고 추론할 수 있는 형태로 옮기는 일은 사람이 손으로 합니다. 실행 횟수가 늘어날수록 옮기고 맞추는 시간이 같이 늘어납니다.

Before

  1. 시뮬레이션 실행
  2. 결과 파일 수집
  3. 사람이 정리 · 변환
  4. 형식 확인 후 분석

After

  1. 시뮬레이션 실행
  2. API 자동 적재
  3. 무결성 자동 검증
  4. 학습데이터셋 생성
  5. 대시보드에서 확인

해결 방식

적재 구조

run·scenario·step 단위로 결과를 추적하도록 설계했습니다. 원본과 정규화본을 각각 920,544행 Arrow로 남기고, 체크섬 45개로 변환 결과와 파일 무결성을 확인합니다.

학습데이터셋

시나리오 10개 유형을 구성해 과업 기준 5종을 넘겼습니다. AI 학습과 검증에 쓸 수 있도록 export 기준, 샘플링, 메타데이터를 함께 정리했습니다.

운영자 대시보드

15분 주기로 도는 실행 상태, 계통 수치, 명령·피드백을 운영자와 평가자가 한 화면에서 확인합니다. 아래가 실제 운영 화면입니다.

재현성 확보

고정 계약과 시드 고정으로 같은 결과를 다시 만듭니다. 오류는 fail-closed로 중단하고 임의 출력이나 대체값을 내보내지 않습니다.

발주
한국에너지기술연구원
기간
2026.02 - 2026.08
상태
완료
대상
1MW급 수전해 · 마이크로그리드(태양광·풍력·ESS)
수행
Digital Twin 가상운전 검수 · AI 학습·추론 파이프라인
산출물
학습데이터셋 92만행 · 추론 API · 운영자 대시보드 · 검증리포트

실제 운영

2026년 2월부터 8월까지 수행해 완료했습니다. 아래는 납품한 운영자 대시보드의 실제 실행 화면입니다.

운영자 대시보드 실제 화면. 마이크로그리드 단선도에 태양광·풍력·ESS·수전해·부하의 실시간 출력이 표시되고, 오른쪽 상태 레일에 마감 준수, 대체값 없음, 제어 명령, 입력 창, 계통 전력, 지연시간이 나열된다.
납품한 운영자 대시보드 실행 화면입니다. 내부 모델 식별자는 가렸습니다.

실제 실행 화면이며 개념도가 아닙니다. 발주처 데이터와 내부 주소는 포함하지 않습니다.

검수 범위는 데이터 무결성과 기능 연계 확인이며, 실제 설비 적용은 별도 승인 절차에서 판단합니다. 계약금액, 세부 데이터, 내부 URL은 공개하지 않습니다. 상세 실적증명서는 제안 시 제출합니다.

상세 사례 보기

Case 03 · 직접 운영 중

우리 개발 업무부터 AI로 줄였습니다

문제

기능을 하나 고칠 때마다 테스트를 다시 쓰고, 화면이 깨지지 않았는지 사람 눈으로 확인해야 합니다. 서비스와 화면, 언어가 늘어날수록 이 확인 작업이 개발 시간보다 더 커집니다.

Before

  1. 코드 수정
  2. 테스트 직접 작성
  3. 화면을 눈으로 확인
  4. 언어별 재확인

After

  1. 실패 테스트 먼저 작성
  2. 통과할 만큼만 구현
  3. 화면 자동 캡처 · 채점
  4. 실행 이력 보관

해결 방식

AI 기반 테스트 체계

에이전트가 구현보다 실패하는 테스트를 먼저 쓰고, 그 테스트가 통과할 만큼만 고칩니다.

화면 품질 정량 채점

화면 품질을 인상이 아니라 항목별 점수로 판정합니다.

자동 시각 검증 이력

화면 검증을 자동 실행하고 결과를 실행 단위로 보관합니다.

직접 운영으로 검증

같은 기준을 4개 서비스와 12개 공개 표면(웹·앱·미니앱) 운영에 그대로 적용하고 있습니다.

결과

자동 시각 검증 실행 이력
658건
상시 운영 중인 공개 표면 (웹·앱·미니앱)
12개
같은 화면 문구를 동시에 운영
5개 언어

실제 운영

우리 개발과 운영에 매일 적용하고 있습니다. 같은 기준을 고객 시스템을 만들 때도 그대로 씁니다.

산출물 원문은 공개하지 않고 이름과 요약만 표기합니다. 검토가 필요하면 제안 시 제출합니다.

개발 현황 보기

이런 업무

지금 사람이 반복하고 있다면, 줄일 수 있습니다

아래와 비슷한 업무가 회사에 있다면 상담해 볼 가치가 있습니다. 목록에 없어도 괜찮습니다 — 반복되는 일이면 대부분 같은 방식으로 접근합니다.

사이트에 들어가 정보를 확인하는 일

정해진 주기로 자동 수집하고, 지난번과 달라진 것만 알려줍니다.

Excel · PDF · 이메일을 사람이 정리하는 일

형식이 제각각인 문서에서 필요한 값만 뽑아 한 표로 모읍니다.

여러 서비스를 오가며 데이터를 옮기는 일

쓰고 있는 시스템을 바꾸지 않고, 그 사이를 연결해 옮기는 단계를 없앱니다.

같은 형식의 문서·보고서 작성

값이 정해진 부분은 자동으로 채우고, 사람은 판단이 필요한 곳만 봅니다.

반복되는 고객 문의 처리

자주 오는 문의는 먼저 답하고, 사람이 봐야 할 것만 넘깁니다.

기존 서비스에 AI 기능 추가

지금 돌아가는 서비스를 다시 만들지 않고 필요한 자리에만 AI를 넣습니다. 데이터를 외부로 내보내지 않는 구성도 가능합니다.

새 서비스 구축이 필요한 일

Web·App·Backend·Cloud까지 실제 운영 가능한 상태로 만들고 배포·운영까지 이어갑니다.

수행 방식

모든 문제를 개발로 해결하려 하지 않습니다

먼저 업무를 듣고, 자동화로 줄어드는 일과 그대로 두는 게 나은 일을 나눕니다. 기존 도구만으로 되는 일이면 그 방법부터 알려드립니다.

  1. 01

    업무 듣기

    지금 사람이 무엇을 몇 번 반복하고 있는지부터 듣습니다. 정리된 요구사항이 없어도 됩니다.

  2. 02

    반복·비효율 찾기

    자동화로 줄어드는 일과, 사람이 계속 판단해야 하는 일을 나눕니다.

  3. 03

    방법 제안

    직접 해결, 간단한 자동화, Pilot 구축 중 맞는 것을 고릅니다. 기존 도구만으로 되는 일이면 개발하지 않고 그 방법을 알려드립니다.

  4. 04

    작은 Pilot

    실제 업무에서 바로 써 볼 수 있는 최소 크기로 만듭니다. 보고서가 아니라 쓰는 물건을 남깁니다.

  5. 05

    확인하고 넓히기

    쓰기 전과 후를 비교해 줄어든 시간을 확인하고, 효과가 있으면 범위를 넓힙니다.

데이터 보호

데이터를 외부로 내보내지 않는 AI 적용

공공기관 AI 도입에서 가장 먼저 걸리는 제약은 모델 성능이 아니라 데이터 외부 반출입니다. 수집·검증부터 단말 추론까지 실제로 구현해 운영하고 있습니다.

  1. 데이터 수집 · 검증

    원천 데이터 수집, 교차검증, 스케줄 배포를 상시 런타임으로 운영하고 실제 서비스가 그 결과를 소비합니다.

  2. 로컬 우선 지식 접근

    로컬 복제본과 오프라인 검색으로 동작하며, 사용자가 명시적으로 실행할 때만 서버와 통신합니다. 자동 polling이나 상시 연결을 쓰지 않습니다.

  3. 온디바이스 추론

    단말에 내려받은 모델로 추론합니다. Memo는 모델 관리와 AI 초안·요약까지 사용자 기능으로 제공하고, HostAuto는 런타임 도입 단계입니다.

  4. 시뮬레이션-AI 연계 실증

    같은 구조를 공공 연구 과제의 시뮬레이션-AI 연계 검증에 적용해 완료했습니다.

외부 클라우드 LLM에 원본 데이터를 보내지 않고도 AI를 적용한 실제 구현 경험입니다. 조달 기술평가의 보안관리 항목과 직접 연결됩니다.

기술 역량

기술 축과 근거

계약으로 수행한 실적, 자사 서비스로 상시 운영 중인 것, 설계 역량으로 보유한 것을 항목마다 구분해 표기합니다.

분산에너지 · 전력계통

태양광·풍력·ESS·수전해가 결합된 마이크로그리드가 계약 과제의 대상 시스템이었고, 전력시장 입찰 최적화는 설계 경험으로 보유하고 있습니다.

  • 수행 실적마이크로그리드(태양광·풍력·ESS·수전해) · SMP 데이터
  • 수행 실적MATLAB/Simulink - AI API 연계 검증
  • 수행 실적시뮬레이션 - AI API 1분 주기 loop 연계 검증
  • 보유 역량VPP 운영 최적화 (MILP, DAM/RTM 입찰)

데이터 수집 · 검증

원천 데이터 수집부터 스케줄 배포, 소비 서비스 연동까지 상시 운영 중인 파이프라인을 직접 만들고 돌리고 있습니다.

  • 수행 실적수집 - 교차검증 - 스케줄 배포
  • 보유 역량권위 출처 우선 교차검증 설계

온디바이스 · 로컬 AI

단말에서 직접 추론하는 런타임과 로컬 우선 지식 접근 구조를 실제 서비스에 넣어 운영하고 있습니다.

  • 수행 실적llama.rn 기반 단말 추론
  • 수행 실적로컬 우선 지식 접근

백엔드 · 운영 인프라

자사 서비스 네 개를 직접 만들고 배포하고 운영합니다. 인증·결제·데이터 계층은 공용 커널로 묶어 서비스마다 다시 만들지 않습니다.

  • 자사 운영PostgreSQL 스키마 설계 · 마이그레이션 운영
  • 자사 운영인증 · 결제 · 멀티테넌시 공용 커널
  • 자사 운영AWS 서버리스 프로덕션 배포 · 운영

제품 · Lab

직접 만들고 운영하는 제품

위 성과 사례와는 성격이 다릅니다. 여기 있는 것들은 우리가 직접 기획·구축·배포·운영하면서 기술을 검증하는 자리입니다. 모두 상업적으로 성공했다고 말하지 않습니다. 실제로 만들어 띄우고 운영해 본 실행 능력의 근거입니다.

운영 디렉터리4

만들어 보고 있는 것 (Lab)

아직 상시 운영 단계는 아닙니다. 새 기술과 구조를 실제로 만들어 확인하는 자리입니다.

OP · UP Games
웹 게임과 보상형 미디어 구조를 직접 붙여 보는 실험입니다.
DataBridge
원천 데이터 수집과 교차검증, 스케줄 배포를 맡는 내부 데이터 파이프라인입니다.
Trip
여행 일정과 기록을 다루는 서비스로, 공개 준비 단계입니다.
Luck
콘텐츠 생성과 개인화 흐름을 확인하는 실험 서비스입니다.

자주 묻는 질문

상담 전에 자주 확인하는 것

업무 자동화 상담과 제안 검토에서 반복해서 나오는 질문을 정리했습니다.

01어떤 범위의 과업을 수행하나요?+

산업·연구·공공 데이터를 AI 학습과 추론에 쓸 수 있는 구조로 정리하고, 적재 API와 데이터베이스, 학습데이터셋, 운영자 대시보드, 검증 산출물까지 한 흐름으로 구축합니다. 모델 자체를 새로 만드는 과제보다, 데이터가 AI에 쓰일 수 있는 구조와 검증 가능한 운영 흐름을 만드는 데 집중합니다.

02수행 실적을 어떻게 확인할 수 있나요?+

한국에너지기술연구원(정부출연연구기관) 발주 과제를 2026년 2월부터 8월까지 수행해 완료했습니다. 계약금액과 세부 데이터는 공개하지 않으며, 상세 실적증명서는 제안 시 제출합니다.

03데이터를 외부로 반출하지 않고도 AI를 적용할 수 있나요?+

가능합니다. 단말에서 직접 추론하는 온디바이스 런타임과, 로컬 복제본 기반의 오프라인 지식 검색을 실제 서비스에 적용해 운영하고 있습니다. 원본 데이터를 외부 클라우드 LLM에 보내지 않는 구성으로 설계할 수 있습니다.

04PoC가 끝난 뒤 운영으로 넘어갈 수 있나요?+

그 전제로 산출물을 구성합니다. Docker, 실행 스크립트, smoke test, runbook을 함께 남겨 같은 결과를 다시 만들 수 있게 하고, 운영자와 평가자가 확인할 화면과 지표를 포함합니다.

05수행 체계는 어떻게 되나요?+

범위와 검수 기준을 먼저 고정하고 단계마다 확인 가능한 결과물을 남기는 방식으로 진행합니다. 과업 성격에 따라 협력 전문가와 함께 수행하며, 구체적인 투입 계획은 공고 요건에 맞춰 제안 시 제시합니다.

문의

지금 사람이 반복하고 있는 업무를 알려주세요

자동화할 수 있을지 애매한 업무도 괜찮습니다. 현재 방식을 보고 직접 해결, 간단한 자동화, Pilot 구축 중 맞는 방법을 제안합니다.

문의 이메일

sw-ai@superwday.com

모든 문제를 개발로 해결하려 하지 않습니다. 기존 도구만으로 해결할 수 있다면 먼저 그 방법부터 제안합니다. 회사소개서와 수행사례 요약, 공고·RFP 검토도 같은 주소로 받습니다.