설문 → 그래프 → 병목 탐지 → 전략 생성. 복잡한 워크숍도 엑셀도 필요 없습니다.
조직 구조 자체가 답을 알려줍니다.
저작권·특허 등록된 엔진 · 8 노드 × 9 관계 × 6-Layer 아키텍처 · 46개 품질 규칙
사람들이 세상에 대해 합의한 개념과 그 관계를
컴퓨터가 이해할 수 있도록 정형화해 표현한 모델
업무에서 다루는 핵심 대상과 객체를 식별하고 분류합니다. 역할, 프로세스, 데이터, 시스템 등 8가지 타입으로 구조화합니다.
개념 간의 연결과 흐름을 정의합니다. 데이터 이동, 의사결정 경로, 업무 흐름 등 9가지 관계 타입으로 매핑합니다.
구조화된 그래프에서 AI가 패턴을 분석하고 병목을 탐지합니다. 숨겨진 비효율을 자동으로 발견하고 전략을 도출합니다.
클래스, 인스턴스, 관계, 속성으로 세상을 구조화합니다
사물이나 개념에 붙이는 이름. 범주를 정의하는 추상적 분류 단위입니다.
클래스의 구체적 실체. 실제 세계에 존재하는 개별 대상입니다. 같은 표현이 상황에 따라 클래스가 되기도 하고 인스턴스가 되기도 합니다.
클래스나 인스턴스의 특정 성질을 값(value)과 연결한 것. 대상의 특성을 정량/정성적으로 기술합니다.
클래스/인스턴스 간의 연결을 정의합니다. 분류 관계(Taxonomic)와 비분류 관계(Non-taxonomic)로 구분됩니다.
AI, 정보검색, 유비쿼터스, 전자상거래에서 핵심 기반 기술로 활용됩니다
에이전트 간 상호작용을 위한 공유 지식 기반. 개념 계층도, KQML, KIF 등을 통해 지식 교환. DARPA의 DAML-OIL이 대표적 온톨로지 표현 언어.
동의어사전 기반 검색 오류 방지 및 효율 향상. 어휘 간 의미 모호성 해소, 관련어 확장 검색, 개방형 디렉터리 분류체계 활용.
이기종 기기 간 서비스 광고/인식을 위한 동적 온톨로지. 다양한 제조사의 기기들이 상호 이해 가능한 공통 어휘 제공.
거래 프로세스의 표준화 및 자동 처리. 로제타넷의 PIP(거래 프로세스), RNBD(비즈니스 사전), RNTD(기술 사전)가 대표 사례.
모든 조직은 8가지 개념과 9가지 관계로 구조화할 수 있습니다
기본 회사 정보, 산업 분류, 부서 구조, 직원 정보를 등록합니다. 산업별로 최적화된 온톨로지 템플릿이 자동으로 적용됩니다.
각 직원의 역할과 책임(R&R)을 상세 입력합니다. 담당 업무, 사용 시스템, 주요 산출물, 협업 부서 등을 구조적으로 정리합니다.
Gemini AI가 R&R 데이터를 분석하여 6가지 역할로 자동 분류합니다. 역할에 따라 맞춤 설문이 생성됩니다.
7개 차원(산업, 비즈모델, 규모, 디지털 성숙도, 역할, 밸류체인, 진단 목적)을 분석하여 최적의 질문셋을 자동 결정합니다. 하이브리드 3단계 파이프라인으로 엔진이 틀을 결정하고, AI가 맞춤 질문을 생성하며, 고정 질문이 안전망 역할을 합니다.
인터랙티브 온톨로지 네트워크 그래프로 조직 구조를 시각화합니다. 병목 지점은 Red Zone으로 하이라이트되어 즉시 식별 가능합니다.
4대 메트릭 기반 종합 분석을 수행합니다. 프로세스 효율성, 데이터 활용도, 의사결정 속도, 자동화 잠재력을 정량적으로 산출합니다.
Executive Summary, 6단계 로드맵, ROI 분석을 포함한 종합 AX 전환 제안서를 자동으로 생성합니다. PDF 출력 및 공유가 가능합니다.
하이브리드 질문셋 엔진이 7개 차원(산업·비즈모델·규모·디지털 성숙도·역할·밸류체인·진단 목적)을 분석하여 카테고리별 질문 수와 비율을 자동 최적화합니다.
업무 대상, 핵심 객체, 결과물을 파악하여 온톨로지의 노드를 식별합니다.
부서 간 흐름, 데이터 이동, 협업 구조를 파악하여 온톨로지의 엣지를 정의합니다.
지연, 반복, 단절, 비효율을 식별하여 AX 전환의 우선순위를 결정합니다.
자동화, AI 도입 가능 영역을 탐색하여 AX 전환의 구체적 기회를 발굴합니다.
어떤 회사·업종·분야에 관계없이 모든 조직의 암묵지를 구조화된 그래프로 변환합니다
온톨로지 설문은 AX Ontology OS의 핵심 데이터 수집 메커니즘입니다. 각 직원의 역할과 업무 맥락에 맞춤화된 질문을 통해 조직의 암묵지를 구조화된 데이터로 변환합니다. 설문 문항은 역할 분류 결과에 따라 자동 생성되며, 프로세스 효율, 데이터 흐름, 의사결정 패턴, 시스템 활용도 등 다차원적 카테고리를 포괄합니다.
설문 데이터의 품질이 그래프의 정밀도를 좌우하므로, AX Ontology OS는 하이브리드 설문 엔진을 통해 객관식과 서술형을 전략적으로 배합하여 응답 부담은 최소화하면서 정보 밀도는 극대화합니다.
AXOS 설문 엔진이 업종·분야에 관계없이 동작하는 이유는 8종 노드 타입과 9종 관계 타입이 모든 조직의 업무 구조를 표현할 수 있는 범용 스키마이기 때문입니다.
각 응답은 온톨로지 엔진에 의해 그래프 노드(개체)와 엣지(관계)로 자동 변환됩니다. NLP 기술이 핵심 개체를 추출하고, 유사 개념을 통합하며, 관계의 방향성과 강도를 결정합니다. Gemini AI가 자연어를 AXOS 스키마의 구조화된 트리플(Subject-Predicate-Object)로 변환합니다.
Decision 노드에서 승인 대기가 발생하는 긴 경로를 탐지합니다. 다단계 결재 체인이 프로세스를 지연시키는 패턴입니다.
동일한 패턴의 수동 반복 작업을 식별합니다. 자동화 가능 영역을 발견하여 AX 전환의 즉시 효과를 기대할 수 있습니다.
연결되지 않은 고립 노드와 시스템 간 사일로를 탐지합니다. 데이터 통합으로 큰 효율 향상이 가능한 지점입니다.
산업별 3대 특성 수치가 진단 엔진의 탐지 민감도를 자동 조절합니다
업무 단계·승인 경로·이해관계자가 많아 단순 자동화로 해결되지 않는 복합 프로세스
회원 정보, 정책 자료, 교육 이력 등 관리해야 할 데이터 자산이 방대
보건의료 법규, 면허 관리 규정, 윤리 기준 등 높은 컴플라이언스 요구
이 수치들은 이후 온톨로지 모델링에서 어떤 노드 타입과 관계에 가중치를 둘지 결정하는 핵심 기준입니다. 프로세스 복잡도 0.7 이상이면 병목(Bottleneck) 탐지 가중치가 ×1.2로 적용되어 프로세스 지연·중복·비효율 관련 질문의 비중이 20% 높아집니다. 데이터 집약도 0.7 이상이면 Concept 추출 가중치가 ×1.15로 적용되어 Data·System 노드를 더 정밀하게 식별합니다. 규제 수준 0.7 이상이면 컴플라이언스 관련 Concept 가중치가 ×1.1로 적용되어 규정 준수 여부를 별도 영역으로 진단합니다.
자유 서술형 답변에서 AXOS 8종 노드 타입에 해당하는 키워드를 자동으로 식별·분류합니다
각 노드 타입별 언급 빈도는 응답자들이 어떤 영역에 가장 큰 관심과 문제의식을 갖고 있는지를 보여줍니다. Issue 노드의 언급 횟수가 높다면 개선 요구가 강하다는 것이고, Data나 System 노드의 언급이 적다면 디지털 인프라에 대한 인식이 낮아 본 진단에서 이 영역을 의도적으로 탐색할 필요가 있습니다.
각 설문 질문은 조직 온톨로지의 특정 노드와 관계를 추출하기 위한 구조화된 탐침(Probe)입니다
| 질문 | 설문 항목 | 추출 노드 | 관계 타입 | 온톨로지 해석 |
|---|---|---|---|---|
| Q1 | 가장 큰 고민 | Issue | CAUSES | 핵심 고민 → Issue 노드 추출 |
| Q2 | 어려운 의사결정 사례 | Decision, Process | FLOW, DECIDES | 의사결정 사례 → Decision·Process 흐름 |
| Q3 | 의사결정 지연 원인 | Issue | BLOCKS | 지연 원인 → Issue + BLOCKS 관계 |
| Q4 | 집행부 교체 우려 | Event | TRIGGERS, CAUSES | 집행부 교체 → Event + 파급효과 |
| Q5 | 사무처 역할 경계 | Actor | FLOW | 역할 경계 → Actor 간 관계 |
| Q6 | 반복 갈등 원인 | Issue | CAUSES | 갈등 원인 → Issue + 인과관계 |
| Q7 | 전략 vs 단기 대응 | Process, Decision | DECIDES | 전략 vs 단기 → Process 우선순위 |
| Q8 | 재설계 구조 | Process, Artifact | CREATES | 재설계 → 구조 개선 산출물 |
| Q9 | 민감 이슈 | Issue | BLOCKS | 민감 이슈 → 숨겨진 병목 |
같은 Issue를 여러 질문에서 반복 언급하는 경우 해당 문제의 구조적 심각성을 정량적으로 판단할 수 있습니다. 관계가 부족한 영역(Data, System 등)은 보강 질문으로 설계하여 온톨로지의 빈 공간을 채우게 됩니다.
AXOS는 온톨로지 모델에서 AI 자동화가 가능한 지점을 자동으로 식별합니다
과거 의사결정 패턴 분석 및 유사 사례 자동 추천. 안건별 리스크·효과 예측으로 신속한 판단 지원.
집행부 교체 시 인수인계 자동 보고서 생성. 진행 중 사업 현황·맥락을 AI가 자동 정리.
회의록·소통 데이터에서 갈등 신호를 NLP로 조기 감지. 패턴 분석으로 구조적 원인 진단.
전략 목표 대비 실행 진도를 실시간 대시보드로 추적. KPI 자동 산출 및 이상 징후 알림.
구축된 온톨로지 모델이 완전하고 유효한지를 자동으로 확인하는 품질 보증 단계
"Actor-Process-Data 삼각형 존재"는 온톨로지의 최소 요건으로, 누가(Actor) 어떤 일을(Process) 어떤 데이터로(Data) 수행하는지가 모두 연결되어 있어야 합니다. "모든 Issue에 BLOCKS/CAUSES 관계 존재"는 식별된 모든 문제점이 구체적인 영향 경로를 가지고 있는지를 확인합니다. 원인과 결과가 연결되지 않은 Issue는 모호한 불만에 불과하지만, 관계가 명확한 Issue는 구조적 진단과 해결이 가능합니다. 모든 항목이 통과(✓)되어야 이 온톨로지를 기반으로 본격적인 조직 진단 설문지를 설계할 수 있습니다.
v3.0은 v2.0의 "평면 8종 노드" 모델 위에 세계 최고 수준 온톨로지 연구 7가지를 통합했습니다. 각 연구는 독립적으로 존재했지만 v3.0에서 처음으로 단일 스택으로 결합됩니다 — 충돌 없이, 중복 없이, 단일 진실 소스(CQ YAML)를 기반으로.
각 Layer는 다른 Layer에 의존하지 않고 독립 작동하며, L2의 CQ YAML이 L4 SHACL·OWL·SPARQL을 자동 파생시킵니다.
7대 UFO-aware 쿼리(근본원인·영향범위·책임자·상태·타임라인·규제·유사사례)로 온톨로지를 LLM 컨텍스트로 제공. 환각 최소, 출처 추적 가능. 기존 Mode D(정적 PDF)는 이 Layer의 t=0 스냅샷으로 흡수.
OWL의 "열린 세계 가정(OWA)" 한계를 보완하는 폐쇄세계 런타임 검증. L2의 CQ에서 자동 컴파일된 shapes.ttl로 데이터 쓰기 시점에 검사. Hard Reject / Soft Warning / Human Review 3단계 정책.
자유기술(설문·SOP·회의록)을 온톨로지로 자동 변환: Task E(용어 추출) → A(UFO 타입) → B/C(분류·관계) → D(axiom 발굴) → F(정렬). 모든 출력은 3중 게이트(ODP-match → OntoClean → CQ)를 통과해야 커밋.
v3.0의 심장부. 모든 제약은 Competency Question(CQ) YAML 한 곳에서만 선언. 컴파일러가 SHACL(런타임) + OWL axiom(스키마) + SPARQL ASK(테스트) 3종 산출물을 자동 생성. 중복 표현 0건 보장, 규칙 한 번 수정 → 전체 시스템 자동 갱신.
OntoClean: UFO 타입에서 4개 메타속성(±R Rigidity, ±I Identity, ±U Unity, ±D Dependence) 자동 도출. 수동 태깅 폐지. "승인자(Role)가 사람(Kind)을 subsume" 같은 오류 원천 차단. ODP 10개: WOP 표준 형식의 재사용 패턴 라이브러리 (Approval-Workflow, Quality-Inspection, Risk-Assessment 등).
AXOS 8종 노드를 Unified Foundational Ontology(UFO)의 Endurant(지속자)/Perdurant(발생자)/Quality/Relator 계층에 자동 매핑. Actor→Agent Kind, Process→Event, Decision→MentalEvent 등. Issue/System/Decision의 이중성은 reification 규칙으로 해결 (예: SystemExecution Perdurant 자동 생성).
v3.0의 가장 중요한 설계 결정입니다. 같은 규칙을 OntoClean·SHACL·SPARQL 세 번 쓰지 않고, CQ YAML 하나에서만 선언하면 컴파일러가 3종 산출물을 자동 생성합니다.
sh:minCount 1owl:someValuesFromFILTER NOT EXISTS7개 Upgrade를 하나의 스택으로 결합할 때, 원칙 없이 붙이면 같은 일을 두 번 하게 됩니다. 아래 6개 결정은 v3.0 전체 코드와 문서에 일관 적용되어 중복 0건을 보장합니다.
v3.0이 "제약 선언과 파생(CQ → SHACL/OWL/SPARQL)"이라면, v3.1.2는 "파생된 제약이 실제로 그래프를 검증하는 런타임 레이어"를 더합니다. 외부 rdflib/shacl-engine 의존 없이 순수 JavaScript로 7 constraint를 해석하고, 도메인 서브타입을 AXOS 표준으로 자동 승격합니다.
getCanonicalAxosType(t) 헬퍼로 validator·annotateUfo·taskA가 일관 참조validateWithSeverity로 P0/P1/P2 severity 라우팅getCQPack({canonicalOnly, coreOnly}) 필터. 배포 이후 관리자가 DB에 CQ를 추가해도 코드 재배포 없이 실시간 반영
핵심 설계 원칙: window.getCanonicalAxosType()이 axos-schema.js에서 export되어 Single Source of Truth 역할을 합니다. shacl-validator·llms4ol-pipeline·annotateUfo는 모두 이 헬퍼를 우선 참조하므로, 서브타입 추가 시 axos-schema.js 한 곳만 수정하면 전체 레이어에 자동 반영됩니다. 이는 D1(중복 표현 0) 원칙의 v3.1.2 확장입니다.
v3.0 / v3.1.2 엔진이 실제로 어떻게 작동하는지 라이브 데모로 확인하세요
🚀 v3.0 6-Layer 대시보드 열기세계는 이미 온톨로지로 조직을 분석하고 있습니다. AXOS는 그것을 제품으로 만들었습니다.
ERP는 데이터를 저장하고, BI는 데이터를 분석하며, 컨설팅은 사람에 의존합니다. 그러나 조직 전체의 연결 구조는 보지 못하고, 병목을 정확히 찾지 못하며, 실행까지 이어지지 않습니다. 이 문제를 해결하기 위해 세계는 이미 온톨로지를 연구해왔습니다.
캐나다 토론토대에서 시작된 "기업을 온톨로지로 모델링"한 최초의 프로젝트. 기업 전체를 활동(Activity), 자원(Resource), 시간(Time), 제약(Constraint)으로 구조화하여 AI가 이해하게 만들었습니다.
온톨로지를 이용하여 조직 구조를 모델링하고, 프로젝트 흐름을 분석하며, 전략-실행을 연결한 사례. 인터뷰 → 온톨로지 → 분석의 흐름이 AXOS와 거의 동일합니다.
온톨로지를 활용한 업무 혁신(BPR) 접근법. 조직 전체를 모델링하고 관계 기반으로 분석하여 영향도 기반 개선을 설계합니다.
그러나 이 모든 시도는 연구 수준에 머물렀습니다. AXOS는 이것을 SaaS + AI로 제품화한 최초의 시스템입니다.