top of page
free-icon-font-shuffle.png
AI Model

AI
Model

대원씨티에스는 다양한 LLM을 기반으로 엔터프라이즈 생성형 AI의 현재와 미래 전략을 제시합니다. LLM 기반 AI 챗봇부터LLM/MMLM과 SLM 기반 AI 에이전트, 에이전트 워크플로우 구현까지 고객의 AI 전환(AX) 로드맵에 맞는 서비스를 제공합니다. 이를 위해 Llama, Gemini 등 주요 모델 관련 컨설팅을 제공하고 있으며 더불어 LG ExaOne, 솔트룩스 Luxia 등 다양한 LLM 모델 검증 및 지원을 위한 협의도 진행 중입니다.

Contact Us
abstract-cybersecurity-concept-design.jpg
microchip-ai (1).png
Business Area

주요
사업분야

대원씨티에스 DIA Nexus는 LLM, MMLM, 도메인 특화 SLM을 싱글 프롬프트, 프롬프트 체이닝, AI 에이전트, 에이전트 워크플로우로 구현하는 방안을 제시하는 컨설팅 서비스를 제공합니다.
대원씨티에스는 고객의 전략과 현재 AI 환경 성숙도를 바탕으로 로드맵을 수립하고, 단계별 접근을 통해 효과적으로 AI를 활용하고 점차 고도화된 AI 에이전트 환경을 구축하는 것을 목표로 서비스를 제공합니다. 

automation (1) 1

AI Model

AI 모델

Meta Llama, Google Gemini, LG ExaOne, 솔트룩스 Luxia 등 주요 모델 평가 및 공급

automation (1) 1

RAG

RAG

RAG 시스템 구축 및 LLM/RAG 환경의 성능 최적화 방안 제시

automation (1) 1

Optimization

​최적화

추론 환경을 위한 모델 경량화, 양자화 등의 최적화 방안 제시

automation (1) 1

AI Agent

Agentic

업무 특성을 고려해 완전 자동화(AI 에이전트)와 부분 자동화(에이전트 워크플로우) 구현 제안

free-icon-font-shuffle.png
Partner Ecosystem

DIA NEXUS의
파트너 생태계

대원씨티에스는 생성형 AI 도입을 위한 솔루션 채택부터 구현,
기존 시스템 통합까지 AI 풀스택 측면에서 구축과 실행 전략을 수립합니다. 

Rectangle 138

뛰어난 성능과 효율성

EXAONE 3.5 모델은 경량화와 최적화를 통해 저사양 GPU나 온디바이스 환경에서도 효율적인 학습과 추론이 가능하도록 설계되었으며, 경쟁 모델 대비 적은 연산량으로 우수한 성능을 제공합니다. 또한, EXAONE Deep 모델은 EXAONE 3.5 시리즈를 기반으로 추론 능력을 한층 더 강화한 버전으로, 수학 및 코딩 분야에서 뛰어난 성능을 보이는 것이 특징입니다.

다양한 규모의 모델

EXAONE 3.5 모델과 EXAONE Deep 모델은 각각 초경량 온디바이스용인 2.4B, 범용성을 갖춘 경량급 7.8B, Frontier AI급의 고성능 32B 등 사용 목적에 따라 세 가지 크기로 제공됩니다. 또한 EXAONE은 언어와 시각 정보를 동시에 이해하고 처리할 수 있는 멀티모달 기능을 제공하여 이미지나 영상과 같은 다양한 형태의 정보를 분석하고 활용할 수 있도록 지원합니다.

산업별 맞춤형 플랫폼

EXAONE Universe는 기업 및 전문가의 업무를 위한 신뢰성 높은 전문 지식 추론을 지원하고, EXAONE Discovery는 신소재 및 신약 개발 등 새로운 과학적 사실 탐구를 돕고 있으며, EXAONE Atelier는 예술 및 디자인 분야에서 창의적인 아이디어와 영감을 제공하는 등 각각의 특화된 기능으로 다양한 영역에서 활용되는 플랫폼입니다.

DeepX_logo_640x320 2

LG AI 연구원에서 개발한 초거대 AI 모델 EXAONE은 '모든 AI를 위한 혁신'이라는 비전 아래 다양한 산업 분야에서 활용 가능한
AI입니다.

Our Offering

microchip-ai (1).png
Service

DIA NEXUS만의
차별적인 서비스

conceptual-template-with-teacher-giving-lecture-robots-concept-artificial-intelligence-machine-learning-computer-science-modern-isometric-vector-illustration-website-webpage 1

API

LLM, SLM을 활용한 AI 에이전트의 개념 검증(PoC)이나 작은 규모의 프로젝트를 추진하고자 할 때 구글 클라우드의 Gemini, 네이버의 Hyper CLOVA X 같은 API를 활용하는 것을 고려할 수 있습니다. 대원씨티에스는 퍼블릭 클라우드의 API 서비스와 RAG, Vector/Graph 등의 기술과 도구를 활용해 조직이 보유한 데이터로 최적화한 프롬프트 기반
챗봇이나 AI 에이전트 구현을 도울 수 있는
역량을 갖추고 있습니다.

conceptual-template-with-teacher-giving-lecture-robots-concept-artificial-intelligence-machine-learning-computer-science-modern-isometric-vector-illustration-website-webpage 1

서버리스

퍼블릭 클라우드의 PaaS 기반 서버리스 서비스를 이용하면 AI 인프라와 MLOps 도구를 구축할 필요 없이 LLM 및 SLM 프로젝트를 시작할 수 있습니다. 서버리스 서비스는 사용자가 직접 서버를 관리하지 않고도 AI 모델을 훈련하고, 튜닝하고, 추론할 수 있는 환경을 제공합니다. 대원씨티에스는 초기 훈련이나 파인 튜닝 작업에서 고성능 컴퓨팅이 필요하지 않거나, 간단한 추론 작업에 빠르게 대응해야 할 때
서버리스 환경을 활용하는 방안도 제시합니다.

conceptual-template-with-teacher-giving-lecture-robots-concept-artificial-intelligence-machine-learning-computer-science-modern-isometric-vector-illustration-website-webpage 1

온프레미스

대원씨티에스는 고객의 중장기 AI 전환(AX) 비전을 수용할 수 있는 확장 가능한 아키텍처 기반의 AI 인프라와 MLOps, LLMOPS 플랫폼과 도구 활용 방안을 안내합니다.
이를 통해 고객이 데이터 준비부터 모델 훈련, 파인 튜닝,
추론 등 전체 AI 워크로드 라이프라사이클을
기업의 보안, 관리, 규제, 거버넌스 체계 아래
순조롭게 수행할 수 있도록 돕습니다.

Group 220.png
microchip-ai (1).png
Service

DIA NEXUS만의
원스톱 서비스

Group 220.png
Group 221.png
Group 222.png
free-icon-font-shuffle.png
Case Study

Case Study

대원씨티에스 DIA Nexus는 LLM(Large Language Model)을 활용해 AI 챗봇을 구현하였습니다. 이 챗봇에 지능을 부여하기 위해 대원시티에스는 조직이 보유한 데이터를 활용해 Vector/Graph 데이터베이스 기반 KB(Knowledge Base)를 구축하였습니다. 그리고 더 나은 사용자 경험 제공을 위해 RAG와 주요 기간계 시스템 및 데이터베이스와 연계 작업을 하였습니다. 그리고 데이터를 자동으로 수집하고 처리하여 AI 시스템과 사용자 간의 상호작용을 원활하게 만들기 위해 RPA도 접목하였습니다.

그ㅇ림1.png
E그림1.png
e그림2.png
ee.png
microchip-ai (1).png
Why Choose Us

DIA NEXUS가
특별한 이유

LLM, SLM 평가

이 단계에서는 LLM(대형 언어 모델)과 SLM(소형 언어 모델)이 실제 비즈니스 요구에 얼마나 적합한지를 평가합니다. 주로 수행할 작업은 모델의 정확도, 반응 시간, 메모리 및 컴퓨팅 리소스 요구 사항 등을 테스트하고, 최적의 성능을 위해 모델을 튜닝하는 방안을 마련합니다.

데이터 처리

모델 학습과 파인튜닝을 위해 분산된 데이터를 분석해 효율적인 수집 방안을 제시합니다.
수집된 데이터는 전처리와 벡터화 과정을 거쳐 LLM·SLM이 활용할 수 있도록 설계합니다.
또한 CRM·ERP·WMS·BI 등 다양한 시스템과 연계하고 RPA를 활용해 자동화된 실시간 데이터 처리 환경을 구축합니다.

AI 에이전트 구현

RAG(Retrieval-Augmented Generation) 시스템 구축과 프로젝트에 적합한 프레임워크 선정을 위한 컨설팅을 제공합니다. 그리고 LLM, SLM과 벡터 데이터베이스를 연결하고, 질의와 검색 결과를 매끄럽게 통합하는 방법을 제안합니다.

관리 시스템 구축

AI 에이전트의 성능을 지속적으로 관리하고 개선할 수 있는 시스템을 구축하고 운영하는 방법을 안내합니다. 고객은 이 시스템으로 모델의 성능을 지속적으로 모니터링하고, 주기적인 성능 평가를 통해 개선할 점을 파악할 수 있습니다. 관리 시스템 구축과 운영 방안과 함께 새로운 데이터나 피드백을 반영해 모델을 주기적으로 업데이트하고, 필요시 재학습이나 파인튜닝을 통해 정확성을 높이는 방법도 제시합니다.

bottom of page