왜 KAS 라이프사이클 핵심 기능 아키텍처 품질·평가 기능 FAQ 로드맵 도입 문의하기 →
K
KAS
KT Enterprise AI Search Platform

검색 서비스의
처음부터 끝까지,
단 하나의 플랫폼

원천 데이터 수집부터 RAG 검색 품질 관리까지 —
KAS 하나로 완결합니다.

0단계
완성되는 라이프사이클
0Steps
RAG 검색 완성까지
0가지
품질 지표 자동 평가
KAS Admin · RAG 구성
RAG 파이프라인
pre
retrieval
gen
post
Query Reasoning
Groundedness Check
Citation Mapping
색인 완료
수집 → 색인 자동 · 증분 현행화
📊 품질 측정
품질 지표로 검색·생성 평가
WHY KAS

검색 서비스를 직접 만든다는 건,
생각보다 무거운 일입니다

검색 서비스를 직접 구축하려 하면, 늘 같은 벽에 부딪힙니다.

3가지 구조적 부담
중복
검색 엔진 직접 구현RAG 직접 구현매번 재작업
운영
운영 인력모니터링 체계품질 평가 체계장애 대응
비용
서버·모델·GPU 직접 구축초기 자원 투자유지·운영 비용긴 준비 기간
우리 팀·이 모든 게, 직접 하면 우리 몫
HOW KAS SOLVES IT
그래서KAS는 이렇게 해결합니다
공유 인프라로 비용 부담 없이 시작
검색 서버·모델·GPU를 각자 갖출 필요 없이, KAS가 제공하는 공유 인프라 위에서 바로 시작합니다. 필요하면 전용 인프라(Node Pool)도 추가할 수 있습니다.
구축기간 단축
초기·운영 비용 절감
서비스 출시 가속
프로젝트 리스크 감소
품질·안정성 관리 한 곳에서
사전 검증·품질 평가·통계를 통합 운영.
운영 인력 최소화
안정적 운영
실전에서 검증된 검색·RAG, 바로 활용
KT지식허브에서 실전으로 개선·최적화한 Hybrid·RAG를 그대로 활용할 수 있습니다.
품질 편차 감소
신규 기능 공동 활용
시작부터 운영까지의 복잡함을
KAS가 대신합니다
LIFECYCLE
검색 서비스를 직접 만들면, 현장에선 이렇게 말합니다
도입 검토 담당 · 신규 서비스 기획팀
어디서 시작해야 할지 막막하다…
검증 담당 개발자 · RAG 검색 개발팀
품질이 좋은지 어떻게 확인하지?
운영 담당 · 서비스 운영팀
오픈 후 품질 관리가 안된다…

시작·검증·운영의 막막함을
4단계 사이클로 책임집니다

KAS PLATFORM Knowledge Build 데이터 수집 · 색인 · 현행화 Search & Retrieval 검색 구성 · 랭킹 튜닝 AI Experience RAG 생성 · 답변 검증 Operation 품질 측정 · 지속 개선
01
Knowledge Build
흩어진 소스를 연결해 정제·색인하면, 검색 가능한 색인이 만들어집니다.
상세 →
02
Search & Retrieval
검색 설정과 사전을 다듬어, 원하는 문서를 정확히 찾는 검색을 완성합니다.
상세 →
03
AI Experience
검색 위에 RAG 파이프라인을 구성해, 출처를 단 AI 답변을 제공합니다.
상세 →
04
Operation
운영 지표를 측정·분석해 지속적인 품질 개선으로 이어집니다.
상세 →
IN PRACTICE

고객지원팀 케이티 매니저는 이렇게 설정합니다

흩어진 상담 지식을 검색·AI 답변으로 만들기까지, KAS 화면에서 직접 거치는 4단계입니다.

01 · KNOWLEDGE BUILD
"FAQ·약관·매뉴얼이 시스템마다 흩어져 있어요."
데이터 관리 › 소스
데이터 소스
Confluence
색인 동기화 중+ 연결
02 · SEARCH & RETRIEVAL
"'패스워드'로 검색해도 '비밀번호' 안내를 찾아야 해요."
검색어 관리 › 사전
동의어 등록
비밀번호=패스워드+ 추가
환불 = 환급해지 = 해약
03 · AI EXPERIENCE
"답을 바로, 출처와 근거도 같이 주고 싶어요."
RAG 구성 › 파라미터
근거 점검 (Groundedness)
리랭킹 (Post-Retrieval)
Top-K 검색 문서 수5
04 · OPERATION
"어떤 질문에서 막히는지 알아야 개선하죠."
대시보드
무결과율 (ZSR)
2.3%▼ 1.1%p
ROADMAP

2026년 9월, KAS 1차 상용화 오픈

제품 개발
2026.03
개발 시작
KAS Development Start
핵심 기능 개발 착수
2026.09 목표
1차 상용화
Enterprise Search Platform
Knowledge Build · Search · RAG
Monitoring & Operations
서비스 적용
완료
KT지식허브
KAS 적용 완료
실전 검증
2026.09 목표
마이K
임직원 포털
검색 서비스 AX화
KEY FEATURES

각 단계의 핵심 기능
직접 확인해보세요

스크롤을 내리면 4단계가 순서대로 펼쳐집니다. 왼쪽에서 현재 단계를 짚어주고, 오른쪽에서 실제 동작 영상과 기능을 확인하세요.

01 · KNOWLEDGE BUILD

데이터를 가져와서
지속적으로 현행화한다

정형·비정형 어떤 소스든 연결하고 스케줄을 설정하면, KAS가 수집·색인·Enrichment를 자동으로 처리합니다. 데이터가 바뀌면 검색 결과도 자동으로 최신 상태를 유지합니다.

LIVE DEMO · 01
Confluence · Oracle DB · SharePoint스케줄 자동화증분 업데이트벡터 색인Enrichment
🔗
다중 소스 연결
정형·비정형 데이터 소스를 커넥터로 연결. DB, 문서, API 모두 지원합니다.
🔄
자동 현행화
전체 재수집과 증분 업데이트를 스케줄로 설정해 항상 최신 데이터를 유지합니다.
02 · SEARCH & RETRIEVAL

질의에 맞는
최적의 검색을 구성한다

키워드·벡터·하이브리드 방식을 서비스 특성에 맞게 선택하고 필터·랭킹·사전 관리까지 세밀하게 튜닝합니다. 카테고리별로 검색 설정을 다르게 적용하고, 완성된 검색은 API로 어떤 서비스에서든 호출할 수 있습니다.

LIVE DEMO · 02
키워드 검색벡터 검색하이브리드오타 보정검색어 사전필터 · 랭킹카테고리검색 API
Hybrid 검색
키워드의 정확성과 벡터의 의미 이해를 결합. 서비스 특성에 맞게 비율을 조정합니다.
🎯
랭킹 최적화
검색 결과의 순위를 도메인에 맞게 튜닝해 정확도를 높입니다.
03 · AI EXPERIENCE

마법사로 시작해
Playground에서 검증한다

교체 가능한 모델 풀 위에서 단계별 마법사와 사전 정의 템플릿으로 RAG 파이프라인을 빠르게 구성하고, Playground에서 실제로 질문을 던지며 배포 전 품질을 검증합니다. 필요하면 사내 데이터에 웹 검색을 결합해 최신 정보까지 답변에 반영합니다.

LIVE DEMO · 03
파이프라인 마법사템플릿모델 풀PlaygroundCitationGroundednessMultimodalAgentic웹검색 결합
🧙
파이프라인 마법사
질문에 답하면 RAG 파이프라인이 자동 구성됩니다. 개발 없이도 시작 가능합니다.
🧪
Playground
배포 전 실제 질문으로 답변 품질을 테스트하고, 설정을 즉시 조정합니다.
🔖
Citation · 근거 추적
AI 답변의 근거 문서를 명시해 신뢰도를 높이고 Hallucination을 줄입니다.
🤖
Agentic RAG
Query 추론, 다중 검색, 결과 종합까지 자동으로 수행합니다.
04 · OPERATION & MAINTENANCE

품질을 측정하고
데이터로 지속 개선한다

무결과율(ZSR)·CTR·재검색률부터 수집·RAG 비용까지 자동으로 측정하고, 모니터링 대시보드로 감이 아닌 데이터를 기반으로 개선합니다. 서비스·조직은 테넌트로 분리하고 역할 기반 권한(RBAC)으로 안전하게 운영합니다.

LIVE DEMO · 04
검색 품질 자동 측정
무결과율 ZSR3.8%
검색 CTR47.5%
재검색률11.2%
색인 성공률99.4%
128K
일 검색량
142ms
평균 응답시간
3.8%
무결과율 ZSR
핵심 품질 지표실시간 모니터링검색어 분석운영 알림토큰·비용테넌트·권한
ARCHITECTURE

한 장으로 보는
KAS 아키텍처

데이터 소스부터 서빙까지, 검색 서비스의 전체 데이터 흐름을 한 눈에. 표준 검색 엔진 기반의 역색인+벡터 색인과, 모듈 단위로 조합·교체하는 MSA 구조로 동작합니다 — 모델·파서를 바꿔 끼우고, 정제·Enrichment 단계엔 청킹·임베딩 등 처리는 물론 Custom Script까지 직접 구성할 수 있습니다.

INPUTData Sources
🗄️
정형 데이터
DBMS · CSV · JSON · Excel
📄
비정형 문서
PDF · Word · PPT · 이미지
🔌
외부 연동
API · 파일 저장소
KAS PLATFORM
01
Ingestion
수집 · 스케줄링 · 정규화
02
Processing
파싱 · 청킹 · 임베딩
03
Index
역색인 + 벡터 (표준 검색 엔진 기반)
04
Retrieval
Hybrid · Reranker
05
RAG
pre → gen → post · Citation
OUTPUTServing
🔍
통합 검색 UI
키워드 · 의미 · 하이브리드
💬
AI 답변 · 출처
RAG 답변 + Citation
🧩
APP · 토큰 API
외부 서비스 호출
FEATURES

플랫폼이 제공하는
모든 기능

플랫폼이 제공하는 전체 기능입니다. 카드를 누르면 상세 설명과 데모를 볼 수 있습니다.

전체
Knowledge Build
Search
AI Experience
Operation
FAQ & GLOSSARY

자주 묻는 질문 &
기술 용어

생성 모델·임베딩 모델을 바꿀 수 있나요? +
네. Document Parser·Embedding·Generation·Reranker 모델을 Provider·URL·API Key로 등록해 교체할 수 있습니다.
기존 서비스에 어떻게 연동하나요? +
APP을 등록하면 토큰이 발급되고, 그 토큰으로 검색·RAG를 호출해 기존 서비스에 연동합니다.
여러 서비스가 하나의 플랫폼을 같이 쓸 수 있나요? +
네. 플랫폼/그룹 관리자와 역할 기반 접근제어로 분리해 운영하고, 필요하면 전용 Node Pool로 자원을 격리합니다.
검색 방식은 어떤 것들을 지원하나요? +
인덱스 단위로 Lexical·Vector·Hybrid 중 선택하고, 가중치 결합과 Reranker로 정렬을 조정합니다.
답변 품질은 어떻게 측정하나요? +
평가셋을 기준으로 검색·생성 품질 지표(Context Precision/Recall·Faithfulness·Answer Relevancy 등)를 측정해 문항별·평균 점수를 리포트합니다.
개발 없이도 시작할 수 있나요? +
플랫폼 표준 RAG 템플릿으로 시작하고, RAG 구성 화면에서 단계별 옵션을 조정합니다.
용어집
RAG
검색 결과를 근거로 답변을 생성하는 방식.
Hybrid 검색
키워드(Lexical)와 벡터(Vector) 검색을 결합.
Reranker
1차 검색 결과를 재정렬해 정확도 향상.
Faithfulness
답변이 제공된 근거에 충실한 정도.
Citation
답변 내 출처를 원본 문서에 매핑.
GET STARTED

KAS로
RAG 검색을 시작하세요

원천 데이터 수집부터 품질 관리까지 — 도입 상담부터 시작합니다.

문의 · kas@kt.com  |  KT Enterprise AI Search Team