왜 KAS 해결 방식 아키텍처 핵심 기능 로드맵 전체 기능 FAQ 도입 문의하기 →
AI 검색, 이제 만들어 쓰지 마세요

검색 구축은 쉽게
검색 경험은 똑똑하게

데이터 연결부터 검색·RAG·Agent 구성, 품질·운영까지.
하나의 사이클로 잇는 사내 AI 검색 플랫폼.

도입 문의하기 → 핵심 기능 보기
0단계
완결되는 검색 라이프사이클
0지표
품질 자동 평가 · 모니터링
0%↓
검색 구축 기간 단축
WHY KAS

검색 서비스를 직접 만든다는 건,
생각보다 무거운 일입니다

검색을 직접 만들수록, 부담은 그대로 쌓입니다

HOW KAS SOLVES IT
그래서KAS는 이렇게 해결합니다
AS-IS긴 개발 기간
개발 기간 단축

검증된 플랫폼 기반으로 즉시 구축합니다.

서비스 출시 가속프로젝트 리스크 감소
0%
개발 기간 단축
1월2월3월4월
직접
4개월
KAS
1개월
오픈
AS-IS높은 초기 비용
별도 인프라 없이 바로 시작

검색 서버·모델·GPU를 각자 갖출 필요 없이, 사내 SaaS형 검색 플랫폼을 구독형으로 즉시 사용합니다.

연결 즉시 운영구독형 · 쓴 만큼 지불
0억↓
구축 비용 절감
사내 지식검색
고객 상담봇
상품 추천
직접 구축
서버
모델
GPU
직접 구축
서버
모델
GPU
직접 구축
서버
모델
GPU
KAS 공유 인프라
서버모델GPU
단독 · 서비스마다 3벌KAS 공유 · 1벌로
인프라 3벌
AS-IS끊임없는 품질 관리
품질·안정성 관리 한 곳에서

39개 지표로 품질을 자동 점검 — 오픈 후에도 안정적으로 운영합니다.

39개 지표 한 곳에서임계 기반 자동 판정
0개
품질·운영 지표RAG 11 + 통계 28
RAG 품질 평가임계 0.80
#1024무선 키보드 추천gpt-4o · 1.2s
Groundedness0.91통과
Faithfulness0.88통과
종합 판정PASS2/2 통과
최근 평가점수 · 상태
ARCHITECTURE

4단계가 멈추지 않고 순환하며,
검색 품질은 계속 좋아집니다

01내 데이터Source
정형 데이터DBMS · CSV · JSON
비정형 문서PDF · WORD · IMAGE
외부 시스템API · STORAGE
연결 · 적재 Ingest
K KAS 플랫폼 Platform 4단계 사이클
01Knowledge Build
데이터 연결 · 지식화
흩어진 소스를 검색 가능한 지식으로 자산화
상세
02Search & RAG
검색 · RAG 구성
지식을 기반으로 검색과 RAG를 최적 구성
상세
03Service Expansion
통합검색 · RAG · Agent 확장
완성된 검색을 각자의 서비스에 그대로 탑재
상세
04Operation
품질 측정 · 지속 개선 · 운영
모니터링 결과로 데이터·검색 설정을 보강
상세
서빙 Serving
03내 서비스Serving
통합검색KEYWORD · SEMANTIC
AI 답변 · 챗봇WITH CITATION
Agent · 앱 연동API · TOKEN
KEY FEATURES

각 단계의 핵심 기능을
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 풀PlaygroundCitationGroundednessAgentic RAGMultimodal RAGGraph RAG웹검색 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.
예정
🤖
Agentic RAG
Query를 스스로 분해하고 다중 검색·도구 호출 후 결과를 종합합니다.
예정
🖼️
Multimodal RAG
문서 속 이미지·표·차트까지 이해해 텍스트와 함께 검색·답변에 활용합니다.
예정
🕸️
Graph RAG
엔티티·관계를 지식 그래프로 연결해 문서를 넘나드는 다단계 추론에 답합니다.
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
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
FEATURES

플랫폼이 제공하는
모든 기능

검색·RAG·운영까지 4개 영역에 걸쳐 24개 기능을 제공합니다. 카드를 누르면 각 기능의 상세를 볼 수 있습니다.

FAQ & GLOSSARY

자주 묻는 질문 &
기술 용어

네. Document Parser·Embedding·Generation·Reranker 모델을 Provider·URL·API Key로 등록해 교체할 수 있습니다.
APP을 등록하면 토큰이 발급되고, 그 토큰으로 검색·RAG를 호출해 기존 서비스에 연동합니다.
네. 플랫폼/그룹 관리자와 역할 기반 접근제어로 분리해 운영하고, 필요하면 전용 Node Pool로 자원을 격리합니다.
인덱스 단위로 Lexical·Vector·Hybrid 중 선택하고, 가중치 결합과 Reranker로 정렬을 조정합니다.
평가셋을 기준으로 검색·생성 품질 지표(Context Precision/Recall·Faithfulness·Answer Relevancy 등)를 측정해 문항별·평균 점수를 리포트합니다.
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.

도입 문의하기 → 핵심 기능 다시 보기
문의 · kas@kt.com  |  KT enterprise AI Search Team