여러 시스템에 흩어진 물류·시공 정보와 관계 중심 질의의 어려움
물류·시공 관리에 필요한 정보가 여러 사내 시스템에 흩어져 있었습니다. 동일한 질문에도 매번 담당자가 자료를 취합·정리해야 했고, 지연이나 이슈가 다른 업무에 미치는 연쇄 영향을 파악하기도 어려웠습니다. 특히 “어떤 자재 이슈가 어떤 공정·일정·담당자와 연결되나요?”처럼 관계 중심의 질의가 많았지만, 문서나 테이블 단위의 조회만으로는 이런 맥락을 연결하기 어려웠습니다.
Knowledge Graph와 LLM 에이전트 결합
핵심 데이터를 통합한 Graph DB를 구축해 업무 관계를 물리적으로 연결하고, 연쇄 영향을 추적할 수 있도록 설계했습니다. 데이터를 매일 최신화하는 파이프라인을 함께 구축해 최신 데이터 기반의 답변이 가능하도록 했습니다. 사용자가 질문하면 업무 객체를 식별하고 GraphDB를 탐색해 관계 맥락을 생성한 뒤 추가 검색·검증을 거쳐 답변하는 LLM Agent 챗봇을 구현했습니다. 기존 벡터 DB 기반 RAG가 비슷한 문서를 찾는 데 그쳤다면, Graph DB 기반 RAG는 개체와 관계를 그래프로 저장해 질문 시 구조화된 맥락을 LLM에 제공합니다.
한 번의 질문으로 파악하는 종합 현황과 연쇄 영향
물류·시공 통합 정보, 일정, 지연 현황을 여러 시스템을 열어보지 않고도 한 번의 질문으로 파악할 수 있게 되었습니다. 비전문가도 자연어로 일정 영향 분석을 요청할 수 있어 복잡한 화면이나 코드 없이 Critical Path·Delay를 빠르게 확인하고, 품목-담당자-일정-이슈-메일처럼 복잡하게 얽힌 관계도 수작업 대조 없이 지식그래프로 즉시 추적할 수 있게 되었습니다.
