회사의 세컨드 브레인
회사 전체가 일하는 방식에 대한 하나의 기억. 모든 채널과 전문가, 모든 시간이 담깁니다.
기업 AI · 온프레미스 · 자기진화
회사의 세컨드 브레인. 사내에서 돌아가는 전용 AI가 전문가의 일하는 방식을 배우고, 그 판단력을 계속 진화시킵니다.
회사 전체가 일하는 방식에 대한 하나의 기억. 모든 채널과 전문가, 모든 시간이 담깁니다.
자체 하드웨어에서 돌아갑니다. 고객과 환자 데이터는 건물 밖으로 나가지 않습니다.
시니어의 판단이 회사의 자산이 되고, 교정할 때마다 나아집니다.
01 · 왜 지금인가
노하우가 프롬프트로 들어가고 답이 나오면, 내일 다시 처음부터 시작합니다. 회사는 아무것도 배우지 못하고, 노하우는 여전히 문 밖으로 걸어 나갑니다.
모든 세션이 0에서 시작합니다.
왜 그런 결과가 나왔는지 남지 않습니다.
개인만 쓰고, 회사의 워크플로우는 그대로입니다.
02 · 배치가 먼저
LawFlow(COLM 2025)에서 훈련받은 로스쿨생들이 모의 소형 로펌에서 법인 설립 업무를 수행했고, 우리는 그 의사결정의 모든 단계를 기록했습니다.
우리가 발견한 것
전문가는 선별적입니다. AI는 전수적입니다.
사람은 층을 나눠 계획하고, 중요한 가지만 따라가며, 상황이 바뀌면 되돌아옵니다. LLM 에이전트는 평평하게 계획하고 끝까지 직진합니다. 전문가의 가치는 하지 않는 일에 있습니다.
아래 두 지도는 같은 업무입니다. 하나는 사람이, 하나는 LLM 에이전트가 수행했습니다.


판단은 과정에 있고, 그 과정은 회사 안에 있습니다.
엔지니어가 현장에 상주하고, 가벼운 기록기를 직원 PC에 설치하며, 모델은 회사 안에서 자랍니다.
화면, 키 입력, 작업 기록을 동의 하에 수집합니다. 일하는 방식은 그대로입니다.
첫 주에 작업 기록이 실제 워크플로우 지도가 됩니다.
전문가의 교정이 목표를 정합니다. 최종 승인은 언제나 사람이 합니다.
우리 하드웨어 위의 우리 모델. 매달 나아집니다.
03 · 기술
우리 연구를 관통하는 질문은 하나입니다. 어떤 벤치마크로도 채점할 수 없는 전문가 업무에서, 작은 모델은 어떻게 계속 나아지는가. 전문가의 작업을 데이터로, 발견하는 법의 학습, 재귀적 자기개선 — 세 갈래의 연구가 이에 답하고, 그 셋이 아래의 이중 루프를 이룹니다.
뒷받침하는 연구
COLM·ACL·NeurIPS 논문 다섯 편과 오픈소스 플랫폼 하나. 창업팀 연구실에서 나왔습니다.
회사 안의 재귀적 자기개선은 벤치마크가 아니라 업무 그 자체에서 출발합니다. 변호사가 법인 설립 업무를 풀어 가는 과정 LawFlow, COLM 2025, 연구자가 논문을 쓰는 키 입력 하나하나 ScholaWrite, ACL 2026, 사람이 일하는 영상 SERUM, COLM 2026을 기록해, 모델이 배울 수 있는 트레이스로 바꿉니다.
교정과 교정 사이에 로컬 모델은 스스로 나아집니다. 진화 탐색에서 발견하는 법을 배우고 EFT, NeurIPS 2026; Open Galapagos, 오픈소스, 하나의 메타 연산이 개선이 멈출 때까지 계층을 쌓습니다 Metan, NeurIPS 2026. 결과물은 전문가가 교정하고 사람이 승인합니다. 이 모든 것이 회사의 하드웨어 위에서 돌아가며, 기록은 건물 밖으로 나가지 않습니다.
04 · 온프레미스 스케일링 법칙
회사의 맥락은 채널과 사람, 그리고 업무 그 자체에 흩어진 채 회사 안에 갇혀 있습니다. 배치가 점들을 잇고, 이어진 점이 워크플로우를 드러냅니다.
도메인 선택
0 건의 작업 기록회사의 채널·사람·프로세스 데이터를 사내에서 연결하는 중입니다. 업무를 충분히 본 뒤 첫 제안이 올라옵니다.
발견최적화코칭
관찰원시 검색 모집단 대부분이 노이즈로 버려지는데도, 모든 문헌을 제목·요약·청구항 수준에서 사람이 직접 읽습니다.
제안먼저 귀사가 문서로 정해 둔 유효/노이즈 기준으로 모집단을 선별하고, 기준으로 판정할 수 없는 건만 사람에게 넘깁니다.
하루 약 400건 · 자동화
관찰정보요청 목록의 표준 항목을 딜마다 손으로 다시 조립합니다. 실제로 바뀌는 것은 업종별 일부 항목뿐입니다.
제안표준 항목에서 목록을 생성합니다. 148개 항목 중 26개가 업종별 항목이고, 4개는 킥오프 녹취록에서 가져옵니다.
딜마다 · 자동화
관찰비교 대상 기기가 같아도 새 제품마다 비교표와 동등성 논증을 처음부터 다시 만듭니다.
제안같은 비교 대상 기기의 비교 항목을 그대로 재사용하고, 실제로 달라진 특성만 따로 올립니다.
새 510(k)마다 · 자동화
관찰유효/노이즈 기준이 고객 미팅마다 새로 쓰이는데, 이미 선별한 배치에는 예전 기준이 그대로 남습니다.
제안선별을 마친 모집단을 기준 v3으로 다시 채점합니다. 81%는 자동 판정되고, 신뢰도가 낮은 19%만 컨설턴트에게 돌아옵니다.
미팅마다 · 컨설턴트가 확인
관찰파트너 수정이 딜마다 CIM의 같은 섹션에 몰립니다. 직전 딜에서는 23건이었습니다.
제안‘하이라이트마다 수치로 된 근거를 앞세운다’를 회사 규칙으로 만듭니다. 과거 딜 7건으로 재실행: 루브릭 0.76 → 0.81, 다른 섹션 하락 없음.
딜마다 · 파트너 승인 후 적용
관찰검토자가 근거 없는 주장을 돌려보내고, 승인 전까지 같은 유형의 빈틈이 여러 섹션에서 반복됩니다.
제안서명 게이트 앞에 점검 항목을 하나 추가합니다. 비교표는 모든 기술적 특성을 빠짐없이 다뤄야 합니다.
초안 주기마다 · 인허가 책임자가 승인
관찰비슷한 문헌에 대해 주니어와 시니어 컨설턴트의 유효/노이즈 판정이 다르고, 그 차이가 어디에도 기록되지 않습니다.
제안주니어의 판단이 갈리는 바로 그 문헌에서, 판정하는 그 순간에 시니어의 판단 근거를 보여 줍니다.
하루 약 3건 · 그 차이가 기준이 됩니다
관찰과거 딜에서 접촉했던 인수자를 처음부터 다시 찾고, 그때의 결과는 이어지지 않습니다.
제안인수자 목록 단계에서 누가 인수를 포기했고 누가 NDA를 회신하지 않았는지, 그때 기록된 사유와 함께 보여 줍니다.
딜마다 · 인수자 목록 단계
관찰시니어 엔지니어가 실험에서 결정적으로 판단하는 단계가 몸에만 익어 있고, SOP에는 한 줄로만 남아 있습니다.
제안녹화에서 그 단계를 복원해 인수인계 이후가 아니라 이전에 SOP에 넣습니다.
절차마다 · 인수인계 때 드러남
발견 → 최적화 → 코칭: 맥락이 사내에 쌓일수록 우리 업무에서의 성능이 복리로 늘어납니다.
모든 카드는 시스템이 스스로 올리는 제안입니다. 승인·수정·기각은 사람이 합니다. 여러 버티컬에서 정리한 실제 업무 패턴에서 가져왔고, 고객사는 비식별 처리했으며 수치는 예시입니다.
05 · 시작 방법
엔지니어가 현장에 상주하고, 가벼운 기록기를 설치하며, 승인 게이트를 둡니다. 결과물이 나가기 전에 사람이 승인합니다.
대상 워크플로우를 정하고, 동의 하에 기록기를 설치합니다.
워크플로우 1개, 담당자 1명. 귀사의 기준으로 측정합니다.
귀사 하드웨어에서, 귀사의 기준선과 비교해 검증합니다.
매달 나아집니다. 12개월차는 1개월차와 다릅니다.
현장에서
디자인 파트너, 파일럿, 논의 중인 회사들
06 · 팀

창업자 · CEO

FDE 리드

ML 엔지니어
파트타임
법률 · 특허 · 인프라 · AI 스타트업
채용 중
실제 배치 현장에 나가는 제품을 책임집니다. 엔지니어가 한 회사 안에서 본 것을, 다음 회사가 그대로 쓸 수 있는 제품으로 만듭니다. 디자인 파트너 현장에서, 루프 가까이에서 일합니다.