사내 지식을 찾고 쓰고 검토하는 업무까지 AI로 연결할 수 있을까? 교육·평가 기관의 Dify 도입 사례
직답 요약
Dify에서는 사내 문서를 검색하고 질문에 답하는 것에서 더 나아가, 찾은 지식을 바탕으로 결과물을 만들고 조직의 기준에 맞는지 검토하는 과정까지 하나의 AI 워크플로우로 연결할 수 있습니다. 한 국제 교육 그룹은 10개 이상의 캠퍼스가 같은 지식베이스를 활용하도록 했고, 교육 평가 기관 ETS는 시험 문항 생성과 콘텐츠 검토 등에 AI 애플리케이션을 운영하면서 문법·내용·공정성을 점검하는 문항 품질 검토 워크플로우를 구축했습니다. 즉 사내 지식을 찾고, 결과물을 만들고, 검토하는 과정까지 Dify에서 연결할 수 있습니다.
회사 자료를 AI에 연결한다고 하면 가장 먼저 사내 문서 검색을 떠올리게 됩니다. 직원이 규정이나 제품 정보를 물어보면 AI가 관련 자료를 찾아 답해주는 방식입니다. 이것만으로도 자료를 찾는 시간은 줄일 수 있습니다.
하지만 실제 업무는 정보를 찾은 다음부터 이어집니다. 고객센터 직원은 찾은 환불 규정을 바탕으로 고객에게 전달할 답변을 만들어야 하고, 마케팅 담당자는 최신 제품 정보를 가져와 콘텐츠로 바꿔야 합니다. 그렇게 만든 결과가 회사의 작성 기준이나 검토 기준에 맞는지도 다시 확인해야 합니다.
Dify는 사내 지식을 검색하는 용도로만 사용할 수도 있지만, 검색 이후 이어지는 업무까지 하나의 흐름으로 구성할 수도 있습니다. 예를 들어 고객이 환불 가능 여부를 물었다면 AI가 최신 환불 정책을 찾는 데서 끝나는 대신, 최신 정책 조회 → 답변 초안 작성 → 필수 안내사항 확인 → 담당자 최종 검토까지 연결할 수 있습니다. 이렇게 하면 AI가 단순히 정보를 찾아주는 역할을 넘어 실제 업무 과정 안에서 활용됩니다.
국제 교육 그룹과 ETS의 사례는 이런 활용 범위가 어떻게 확장될 수 있는지를 보여줍니다. 국제 교육 그룹은 여러 캠퍼스가 같은 최신 지식을 활용하도록 했고, ETS는 문항을 만드는 데서 그치지 않고 문항 품질 검토까지 Dify 워크플로우로 만들었습니다.
사례 1: 10개 이상 캠퍼스가 같은 지식을 활용한 국제 교육 그룹
여러 국가에 캠퍼스를 운영하는 교육기관에서는 같은 학교 정책도 관리 방식에 따라 다르게 전달될 수 있습니다. 본부에서 등록 정책이나 학사 일정을 변경했는데 각 캠퍼스가 따로 저장해둔 문서를 사용한다면, 학생이 어느 캠퍼스에 문의했는지에 따라 다른 안내를 받을 수 있습니다.
국제 교육 그룹은 Dify Enterprise를 활용해 전체 학생 10,000명 이상, 캠퍼스 10곳 이상이 하나의 지식베이스를 활용하도록 구성했습니다. 캠퍼스별로 기관 지식을 따로 관리하는 대신 공통 기반에서 관리하고, 변경된 내용을 여러 캠퍼스가 같은 지식에서 참고할 수 있도록 한 것입니다.
그렇다고 모든 사용자에게 똑같은 정보를 보여준 것은 아닙니다. 캠퍼스와 역할에 따라 접근할 수 있는 자료의 범위를 구분하고, 여러 국가의 가정이 자신의 언어로 질문하더라도 같은 기관 지식을 바탕으로 안내받을 수 있도록 다국어 질의응답을 구성했습니다.
예를 들어 전체 캠퍼스에 적용되는 공통 학사 규정과 특정 국가의 캠퍼스에만 적용되는 행정 절차가 함께 있다면, 직원이 여러 파일을 직접 비교해 답을 만드는 대신 질문자의 캠퍼스와 역할에 맞는 자료를 기준으로 답변하도록 구성할 수 있습니다.
이 사례는 Dify로 여러 조직이 같은 최신 지식을 실제 업무에서 활용하도록 만들 수 있다는 점을 보여줍니다. 지점이 많은 기업이라면 운영 규정이나 고객 정책에, 해외 법인이 있다면 공통 제품 정보와 국가별 정책에 같은 방식을 적용할 수 있습니다.
사례 2: 문항 생성에 더해 품질 검토 워크플로우까지 Dify로 만든 ETS
지식을 찾은 다음의 업무까지 연결한 사례도 있습니다.
ETS(Educational Testing Service)는 Dify Enterprise를 활용해 약 2,000명의 직원을 지원하고 있으며, 50~60개의 운영 수준 AI 애플리케이션을 문항 생성과 콘텐츠 검토, 품질 관리 등에 사용했습니다.
시험 문제를 만든다고 생각해보겠습니다. AI가 문제 초안을 빠르게 100개 만들어도 바로 시험에 사용할 수는 없습니다. 문법이 맞는지, 질문과 정답이 논리적으로 연결되는지, 문화적 편향이나 차별적 표현은 없는지 등을 다시 확인해야 합니다.
ETS는 문법 검사·콘텐츠 검토·공정성 평가를 포함한 시험 문항 품질 검토 워크플로우를 Dify로 구축했습니다.
Dify는 평가 기관들의 도입 패턴으로 문항 생성 → 문법 검사 → 내용 검토 → 공정성 평가 → 사람의 최종 승인을 소개합니다. Dify가 소개한 순서에서는 AI가 출제와 1차 검수를 맡고, 마지막 판단은 에디터가 내립니다.
중요한 점은 AI가 ‘생성’만 담당하지 않는다는 것입니다. Dify가 설명하는 방식은 평가 기관들이 수십 년간 편집 심사로 쌓아 온 확인 항목을 워크플로우의 검토 단계로 옮기는 것입니다. Dify의 설명대로라면 문항이 많아져도 같은 검토 단계를 먼저 거치고, 에디터는 최종 판단에 집중합니다.
국제 교육 그룹이 Dify로 필요한 지식을 찾고 활용하는 환경을 만들었다면, ETS는 한 단계 더 나아가 결과물을 만드는 일과 검토하는 일까지 AI 업무로 가져온 사례라고 볼 수 있습니다.
Dify로 사내 지식을 어디까지 업무에 연결할 수 있을까?
두 사례를 연결하면 Dify의 지식 활용 범위를 보다 쉽게 이해할 수 있습니다.
먼저 회사가 가지고 있는 규정, 제품 정보, 가이드, 기존 콘텐츠 등을 AI가 참고할 수 있는 지식으로 연결할 수 있습니다. 직원은 여러 폴더와 파일을 직접 돌아다니는 대신 필요한 내용을 질문하거나 업무 과정에서 가져올 수 있습니다.
찾은 정보는 다음 작업의 입력값이 될 수 있습니다. 최신 제품 정보를 바탕으로 고객 답변이나 영업 문구를 만들고, 사내 정책을 바탕으로 교육자료나 안내문 초안을 작성하는 식입니다.
여기에 조직이 반복해서 사용하는 검토 기준도 연결할 수 있습니다. 필수 항목이 들어갔는지, 사용하면 안 되는 표현은 없는지, 특정 조건을 충족하는지 등을 확인한 뒤 담당자에게 결과를 전달하도록 구성할 수 있습니다.
예를 들어 고객센터라면 다음과 같이 이어질 수 있습니다.
최신 제품·정책 조회 → 고객 질문에 맞는 답변 작성 → 필수 안내사항 확인 → 금지 표현 확인 → 상담원 최종 확인
마케팅 업무라면:
최신 제품 정보 조회 → 채널별 콘텐츠 작성 → 브랜드 작성 기준 확인 → 필수 고지사항 검토 → 담당자 최종 확인
사내 교육자료라면:
최신 사내 규정 조회 → 교육자료 초안 작성 → 필수 내용 누락 확인 → 내부 표현 기준 검토 → 담당자 최종 확인
즉 Dify의 지식 활용은 사내 정보를 찾아주는 챗봇에서 끝나지 않고, 그 정보를 실제 결과물로 만들고 검토하는 업무까지 확장할 수 있습니다.
우리 회사에서는 어떤 업무에 적용할 수 있을까?
적용할 업무를 찾을 때는 직원들이 자료를 찾은 뒤 무엇을 하는지까지 살펴보는 것이 좋습니다.
고객센터 직원이 정책을 찾은 뒤 다시 답변을 작성한다면 검색과 답변 생성을 연결할 수 있습니다. 영업 담당자가 제품 정보와 가격표를 찾아 제안서를 만든다면 자료 조회와 제안서 작성, 필수 항목 검토를 하나의 흐름으로 구성할 수 있습니다. 마케팅 담당자가 제품 자료를 참고해 콘텐츠를 만들고 브랜드 가이드에 맞는지 다시 확인한다면 생성과 검토 단계까지 연결할 수 있습니다.
특히 다음과 같은 업무라면 Dify 활용 후보로 검토하기 좋습니다.
여러 부서·지점이 반복해서 같은 규정이나 제품 정보를 찾아보는 업무
사내 자료를 바탕으로 고객 답변이나 문서를 반복해서 만드는 업무
결과물을 만든 뒤 담당자가 항상 비슷한 항목을 다시 확인하는 업무
최신 자료 반영 여부나 필수 항목 누락 때문에 반복적으로 수정이 발생하는 업무
처음부터 사내 문서를 모두 AI에 연결할 필요는 없습니다. 직원이 반복해서 자료를 찾고, 그 자료를 바탕으로 무언가를 만든 뒤, 다시 같은 기준으로 검토하는 업무부터 하나씩 연결해보는 편이 적용 범위를 확인하기 쉽습니다.
Dify를 도입하면 사내 지식을 검색하는 환경에서 시작해, 해당 지식을 실제 업무에 활용하는 AI 워크플로우까지 단계적으로 확장할 수 있습니다. 지점마다 다른 자료를 참고하거나, 담당자가 매번 같은 검토를 반복하고 있다면 현재 업무에서 찾기 → 작성하기 → 검토하기가 어떻게 이어지고 있는지부터 정리해볼 수 있습니다.
오픈네트웍시스템은 Dify 공식 파트너로서 현재 사용 중인 사내 자료와 실제 업무 흐름을 바탕으로 지식베이스로 연결할 범위와 AI 워크플로우로 구성할 업무를 함께 검토합니다. 사내 문서 검색을 넘어 고객 응대, 콘텐츠·문서 작성, 검토 업무까지 Dify로 어디까지 연결할 수 있을지 궁금하다면 현재 업무 흐름을 공유해 주세요. 조직에 맞는 Dify Enterprise 활용 범위와 구축 방향을 함께 살펴보겠습니다.
자주 묻는 질문
기존 문서 시스템을 모두 Dify로 옮겨야 할까?
반드시 그럴 필요는 없습니다. 현재 자료가 어디에 저장돼 있는지 확인한 뒤 AI 업무에서 필요한 지식을 어떤 방식으로 연결하고 갱신할지 정할 수 있습니다. 기존 시스템을 유지하면서 실제 AI 업무에 필요한 정보부터 연결하는 방식도 검토할 수 있습니다.
부서나 지점마다 볼 수 있는 자료가 달라도 Dify에서 활용할 수 있을까?
국제 교육 그룹 사례에서는 공통 지식을 운영하면서도 캠퍼스와 역할에 따라 접근할 수 있는 범위를 구분했습니다. 우리 조직에서도 전사 공통 정보와 특정 부서나 지점에서만 사용할 자료를 나눠 활용하는 방식을 검토할 수 있습니다.
사내 문서 검색뿐 아니라 문서 작성이나 검토에도 활용할 수 있을까?
가능합니다. ETS 사례에서는 문항 생성에 AI 애플리케이션을 쓰는 데 더해, 문법·내용·공정성을 점검하는 문항 품질 검토 워크플로우를 구축했습니다. 사내 자료를 바탕으로 결과물을 만든 뒤 반복적으로 확인하는 기준이 있다면 검색 이후의 생성·검토 단계까지 연결할 수 있습니다.
출처
출처
Dify, Education
Dify, Assessment & Testing
오픈네트웍시스템, Dify Enterprise 도입 안내