G06N 5/02 (지식 표현을 이용한 추론)
【기술분야】
본 발명은 온톨로지(Ontology) 방법론을 기반으로 기업의 업무 구조를 체계적으로 분석하고, 인공지능(AI) 기술을 활용하여 기업의 AI 전환(AX: AI Transformation) 전략을 자동으로 생성하는 시스템에 관한 것이다.
보다 구체적으로는, 기업 구성원의 역할과 책임(R&R) 데이터를 수집하고, AI가 역할을 자동 분류하며, 온톨로지 기반 설문을 통해 조직의 개념-관계 구조를 추출하고, 이를 인터랙티브 그래프로 시각화한 후, 병목 분석과 기회 분석을 수행하여 AX 추진 제안서를 자동 생성하는 웹 기반 플랫폼에 관한 것이다.
또한, 본 발명은 AXOS 표준 스키마(8개 노드 타입, 9개 관계 타입)를 정의하여 온톨로지 그래프를 정형화하고, 8개 산업별 온톨로지 템플릿을 자동 매핑하며, AXOS 5-Layer 방법론(Mind→Structure→Analysis→Strategy→Execution)에 따라 진단 전 과정을 체계화하고, localStorage와 Supabase 클라우드의 이중 저장 구조를 통해 데이터 안정성과 동기화를 보장하는 시스템에 관한 것이다.
【배경기술】
종래의 기업 진단 및 컨설팅 방법은 다음과 같은 한계점을 가지고 있다.
1. 수동 인터뷰 기반 진단의 한계
기존 기업 진단은 컨설턴트가 직접 인터뷰를 수행하고 수동으로 분석하는 방식으로, 시간과 비용이 과다하게 소요되며 분석자의 주관이 개입되어 객관성이 부족하다.
2. 구조화되지 않은 진단 결과
기존 방식은 진단 결과가 텍스트 보고서 형태로 산출되어, 조직 구조의 관계성과 병목 지점을 시각적으로 파악하기 어렵다.
3. AI 전환 전략 수립의 비효율
기업 진단 결과를 AX 전환 전략으로 연결하는 과정이 별도의 전문 인력과 시간을 필요로 하며, 일관된 품질을 보장하기 어렵다.
4. 선행기술의 한계
기존 온톨로지 기술은 주로 학술 연구 분야에서 활용되었으며, 기업 업무 진단에 실무적으로 적용한 사례가 부족하다. 또한, 진단부터 전략 제안까지 엔드투엔드로 자동화한 시스템은 존재하지 않는다.
【해결하려는 과제】
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 다음과 같은 과제를 해결하고자 한다.
- 제1 과제: 기업 업무 구조를 객관적이고 체계적으로 분석할 수 있는 온톨로지 기반 자동화 시스템을 제공하는 것이다.
- 제2 과제: 직원의 역할과 책임 데이터로부터 AI가 역할을 자동으로 분류하고, 역할별 맞춤 진단 질문을 생성하는 시스템을 제공하는 것이다.
- 제3 과제: 진단 결과를 개념-관계 그래프로 시각화하여 조직의 병목과 기회를 직관적으로 파악할 수 있는 시스템을 제공하는 것이다.
- 제4 과제: 분석 결과를 기반으로 AX 추진 전략, 로드맵, ROI를 포함한 제안서를 AI가 자동으로 생성하는 시스템을 제공하는 것이다.
- 제5 과제: 상기 모든 과정을 웹 브라우저에서 서버 없이 실행 가능한 경량 플랫폼으로 제공하는 것이다.
- 제6 과제: 온톨로지 그래프의 노드와 관계를 표준화된 스키마로 정형화하고, 산업별 특성에 맞는 온톨로지 템플릿을 자동으로 적용하는 시스템을 제공하는 것이다.
- 제7 과제: 로컬 저장과 클라우드 동기화를 동시에 지원하여 데이터 안정성과 다중 기기 접근을 보장하는 이중 저장 구조를 제공하는 것이다.
【과제의 해결 수단】
상기 과제를 해결하기 위한 본 발명의 시스템은 다음의 6개 핵심 모듈로 구성된 파이프라인을 포함한다.
제1 모듈: R&R 캡처 모듈
기업의 조직 구조와 직원 정보를 입력받고, 각 직원의 역할과 책임(R&R) 데이터를 수집하는 모듈로서, 주요 업무, 사용 시스템, 생성 데이터, 의사결정 참여 여부, 협업 대상 정보를 구조화하여 저장한다.
제2 모듈: 역할 온톨로지 엔진
수집된 R&R 데이터를 대규모 언어 모델(LLM)로 분석하여 직원의 역할을 Sales, Marketing, Operation, Decision Maker, Data Handler, General의 6가지 유형으로 자동 분류하는 하이브리드 엔진이다. 규칙 기반 1차 분류와 AI 기반 보정을 결합하여 정확도를 높인다.
제3 모듈: 온톨로지 설문 엔진
분류된 역할에 기반하여 개념(Concept), 관계(Relation), 병목(Bottleneck), AI/AX 적용의 4개 영역으로 구성된 맞춤형 설문 질문을 자동 생성한다. AI가 직원의 업무 컨텍스트를 반영하여 최적화된 질문을 생성한다.
제4 모듈: 온톨로지 빌더
설문 응답 데이터를 LLM으로 분석하여 개념(노드)과 관계(엣지)를 자동 추출하고, Force-directed 레이아웃 알고리즘을 적용하여 SVG 기반 인터랙티브 그래프를 생성한다. 노드 드래그, 줌/팬, 병목 하이라이트 기능을 포함한다.
제5 모듈: AX 분석 엔진
생성된 온톨로지 그래프와 전체 데이터를 종합 분석하여 병목 탐지, 기회 분석, 의사결정 구조 분석, 데이터 흐름 분석을 수행하고, 프로세스 효율, 데이터 활용도, 의사결정 속도, 자동화 잠재력의 4개 메트릭을 산출한다.
제6 모듈: 제안서 생성기
분석 결과를 기반으로 Executive Summary, 현황 분석, AX 전략, 실행 로드맵, 기대 효과, ROI, Next Steps를 포함한 전문 AX 추진 제안서를 AI가 자동 생성하며, PDF 출력 기능을 제공한다.
제7 모듈: AXOS 표준 스키마 엔진
온톨로지 그래프의 구성 요소를 8개 노드 타입(Person, Process, System, Data, Decision, Bottleneck, Opportunity, AI_Solution)과 9개 관계 타입(performs, uses, generates, depends_on, collaborates, bottleneck_at, opportunity_for, ai_applicable, reports_to)으로 정형화한 표준 스키마를 정의하고, 이를 기반으로 온톨로지 그래프를 자동 생성하는 코어 엔진이다.
제8 모듈: 산업별 온톨로지 템플릿 시스템
IT/소프트웨어, 제조업, 건설, 금융/보험, 의료/헬스케어, 유통/물류, 교육, 서비스업의 8개 산업에 대해 사전 정의된 온톨로지 템플릿을 보유하며, 기업 등록 시 입력된 업종 정보를 자동 감지하여 해당 산업의 표준 노드, 관계, 병목 패턴을 자동으로 매핑하는 시스템이다.
제9 모듈: 이중 저장 동기화 엔진
브라우저 localStorage에 데이터를 즉시 저장하여 오프라인 작동성을 보장하면서, 동시에 Supabase 클라우드 데이터베이스와 자동 동기화하여 데이터 영속성과 다중 기기 접근을 지원하는 이중 저장 구조이다.
제10 모듈: AXOS 5-Layer 방법론 엔진
Mind(인식 계층: 온톨로지 개념 인지) → Structure(구조화 계층: 개념-관계 그래프 구축) → Analysis(분석 계층: 병목/기회 도출) → Strategy(전략 계층: AX 전환 전략 수립) → Execution(실행 계층: 로드맵/ROI 생성)의 5단계 계층 방법론을 체계적으로 실행하는 프레임워크이다.
v3.0 6-Layer 아키텍처 고도화 — 6개 추가 모듈
기존 10개 모듈 위에 세계 최고 수준 온톨로지 연구 7가지(UFO · OntoClean · Competency Questions · SHACL · ODP · LLMs4OL · GraphRAG)를 통합한 6-Layer 아키텍처를 추가 구현한다. 각 Layer는 독립 작동하며, Competency Question(CQ) YAML이 SHACL·OWL·SPARQL의 단일 진실 소스 역할을 수행한다.
제11 모듈: UFO Foundation 엔진 (Layer 0)
AXOS 8종 노드를 Unified Foundational Ontology(UFO)의 Endurant(지속자)·Perdurant(발생자)·Quality·Relator 계층에 자동 매핑하는 존재론적 앵커링 엔진이다. Actor는 Agent Kind/Role, Process는 Event Perdurant, Data는 Object Kind, System은 Resource Endurant, Decision은 MentalEvent Perdurant, Issue는 Event/Situation Perdurant로 분류되며, Issue/System/Decision의 Endurant↔Perdurant 이중성은 reification 규칙(예: SystemExecution Perdurant 자동 생성)으로 해결한다.
제12 모듈: OntoClean 자동 검증 + ODP 라이브러리 엔진 (Layer 1)
UFO 타입에서 OntoClean 메타속성 4개(Rigidity, Identity, Unity, Dependence)를 기계적으로 도출하여 수동 태깅을 폐지하고, Role(-R)이 Kind(+R)를 subsume하려는 모델링 오류를 컴파일 타임에 자동 차단한다. 동시에 WOP(Workshop on Ontology Design and Patterns) 표준 형식을 따른 10개 재사용 패턴(Approval-Workflow, CRUD-Resource, Role-Dashboard, Event-Trigger, Bottleneck-Root-Cause, Quality-Inspection, Risk-Assessment, Case-Record, Inventory-Flow, Multi-Stage-Review)을 라이브러리로 보유하며, 8개 산업에 대해 사전 정의된 ODP 조합과 필수 게이트를 자동 매핑한다.
제13 모듈: Competency Question(CQ) 단일 소스 컴파일러 (Layer 2)
온톨로지의 모든 제약 규칙을 Competency Question YAML 한 파일에서만 선언하도록 강제하고, 컴파일러가 이로부터 세 가지 산출물을 기계적으로 자동 생성하는 엔진이다: (a) SHACL shape(런타임 데이터 검증), (b) OWL axiom(TBox 스키마 제약), (c) SPARQL ASK 쿼리(회귀 테스트). 7가지 제약 종류(min_count, max_count, class, datatype, pattern, sh_or, disjoint)를 지원하며, CQ 한 개를 수정하면 세 산출물이 동시 갱신되어 중복 표현·누락·불일치를 원천 차단한다.
제14 모듈: LLMs4OL 6-Task 파이프라인 엔진 (Layer 3)
사용자의 자유기술(설문·SOP·회의록)을 온톨로지로 자동 변환하는 6단계 파이프라인이다. Task E(Term Extraction) → Task A(Term Typing, UFO 타입 자동 분류) → Task B+C(Taxonomy/Non-Tax Relation Discovery, ODP 매칭 실패 시 LLM fallback) → Task D(Axiom Discovery, CQ 형태로 자동 발굴) → Task F(Ontology Alignment, UFO 앵커 기반 교차 정렬)의 순차 실행 구조를 가지며, 모든 출력은 3중 게이트(ODP-match ≥ 60% → OntoClean 자동 검증 → CQ 컴파일 검사)를 통과해야 커밋된다. 게이트 실패 시 human-in-the-loop 큐로 이관된다.
제15 모듈: SHACL 런타임 검증 게이트 엔진 (Layer 4)
Layer 2 CQ 컴파일러에서 자동 생성된 SHACL shape을 사용하여 데이터 쓰기 트랜잭션을 런타임에 검증하는 게이트키퍼 엔진이다. OWL의 열린 세계 가정(OWA) 한계를 보완하기 위한 폐쇄세계 제약을 강제하며, 검증 실패 시 Hard Reject / Soft Warning / Human Review 3단계 정책으로 처리한다. 수동 SHACL shape 작성은 금지되며, 새 규칙이 필요할 경우 반드시 CQ로 역변환하여 단일 소스 원칙을 유지한다.
제16 모듈: GraphRAG Mode F 운영 추론 엔진 (Layer 5)
온톨로지 그래프를 LLM의 지식 검색 기반으로 활용하는 GraphRAG(Graph Retrieval-Augmented Generation) 운영 모드이다. UFO 타입을 인지하는 7대 traversal 쿼리 패턴(근본원인 추적·영향 범위 분석·책임자 탐색·상태 조회·시계열 이벤트·규제 매핑·유사 사례)을 제공하며, 결과 서브그래프를 LLM 컨텍스트로 전달하여 환각을 줄이고 노드 ID로 출처를 역추적할 수 있게 한다. 기존 정적 진단 제안서(Mode D)는 Mode F의 t=0 스냅샷 쿼리로 재정의되어, 온톨로지 갱신 시 자동 재계산되는 라이브 대시보드로 진화한다.
【발명의 효과】
본 발명에 의하면 다음과 같은 효과를 얻을 수 있다.
- 진단 시간 90% 단축: 기존 수개월이 소요되던 기업 진단을 수시간 내에 완료할 수 있다.
- 분석 정확도 향상: 주관적 인터뷰 방식에서 온톨로지 기반 구조적 데이터 분석으로 전환하여 객관적이고 재현 가능한 진단 결과를 산출한다.
- 비용 80% 절감: 고가의 전문 컨설팅을 AI 자동화로 대체하여 진단 비용을 대폭 절감한다.
- 일관된 진단 품질: 동일한 알고리즘과 AI 모델을 사용하므로 분석자에 따른 품질 편차가 없다.
- 시각적 인사이트: 조직 구조를 인터랙티브 그래프로 시각화하여 병목과 기회를 직관적으로 파악할 수 있다.
- 엔드투엔드 자동화: 데이터 수집부터 제안서 생성까지 전 과정이 하나의 플랫폼에서 자동화된다.
- 서버리스 경량 구조: 브라우저만으로 실행 가능하여 별도 서버 인프라가 불요하다.
- SaaS 확장 가능성: 본 시스템을 SaaS 모델로 확장하여 다수의 기업에 반복 제공할 수 있다.
- 산업별 맞춤 진단: 8개 산업별 온톨로지 템플릿을 통해 산업 특성에 최적화된 진단을 자동으로 수행할 수 있다.
- 표준화된 온톨로지 구조: AXOS 표준 스키마(8노드+9관계)를 통해 산업 간 비교 분석 및 벤치마킹이 가능하다.
- 데이터 안정성: 이중 저장 구조(localStorage + Supabase)를 통해 오프라인 작동과 클라우드 동기화를 동시에 보장한다.
- v3.0 고도화 — 단일 진실 소스 원칙: Competency Question YAML 한 파일에서 SHACL·OWL·SPARQL 세 산출물을 자동 파생하여 제약 규칙의 중복 표현·누락·불일치를 원천 차단하고, 유지보수 비용을 감소시킨다.
- v3.0 고도화 — 상위 온톨로지 앵커링: UFO(Unified Foundational Ontology) 기반 자동 분류를 통해 Role이 Kind를 포섭하는 흔한 모델링 오류를 컴파일 타임에 차단하고, ISO/IEC DIS 21838-5 호환성을 확보한다.
- v3.0 고도화 — 온톨로지의 운영 자산화: GraphRAG Mode F를 통해 온톨로지가 설계 후 폐기되는 문서가 아니라, 환각 없는 LLM 추론의 근거 서브그래프로 지속 활용되는 운영 자산으로 진화한다.
- v3.0 고도화 — 자동 학습 + 품질 게이트: LLMs4OL 6-Task 파이프라인이 자유기술을 온톨로지로 자동 변환하면서, ODP 매칭·OntoClean 검증·CQ 컴파일의 3중 게이트를 통과한 산출물만 커밋되어 LLM 환각을 규칙으로 차단한다.
【도면의 설명】
【도 1】 시스템 전체 구조도
【도 2】 데이터 흐름도
【발명의 실시예】
이하, 본 발명의 바람직한 실시예를 50인 규모의 IT 서비스 기업 "ABC사"를 대상으로 상세히 설명한다.
실시예 1: 회사 등록 및 R&R 수집
ABC사의 관리자는 본 시스템에 접속하여 회사 정보(회사명: ABC사, 업종: IT/소프트웨어, 규모: 50인)를 등록한다. 이어서 5개 부서(영업팀, 개발팀, 운영팀, 마케팅팀, 경영지원팀)를 설정하고, CSV 업로드 기능을 통해 50명의 직원을 일괄 등록한다.
각 직원은 자신의 주요 업무 5개, 사용 시스템, 생성 데이터, 의사결정 참여 여부를 입력한다. 예를 들어, 영업팀 김영업 대리는 "고객 상담, 계약 체결, 리드 관리, 제안서 작성, CRM 관리"를 입력한다.
실시예 2: AI 역할 분류
"AI 분류 시작" 버튼을 클릭하면, 시스템은 50명의 R&R 데이터를 Gemini AI로 전송한다. AI는 각 직원의 업무 키워드와 패턴을 분석하여 Sales 12명, Operation 15명, Marketing 5명, Decision Maker 3명, Data Handler 8명, General 7명으로 분류한다. 분류 근거가 함께 표시되며, 관리자는 필요시 수동 수정할 수 있다.
실시예 3: 온톨로지 설문 및 그래프 생성
역할별 맞춤 질문이 자동 생성된다. Sales 역할의 김영업 대리에게는 "리드는 어디서 어떻게 생성됩니까?", "계약 전환 과정에서 가장 지연되는 단계는?" 등의 질문이 제시된다.
설문 완료 후 "그래프 생성" 버튼을 클릭하면 AI가 응답에서 20개의 개념 노드와 28개의 관계 엣지를 추출하여 인터랙티브 온톨로지 그래프를 생성한다. "영업→운영 전달 지연" 등의 병목 노드가 빨간색으로 하이라이트된다.
실시예 4: AX 분석 및 제안서 생성
AI 분석 결과, 프로세스 효율 62%, 데이터 활용도 38%, 자동화 잠재력 82%로 산출되었다. 주요 병목으로 "부서 간 데이터 단절", "수동 리포트 작성", "승인 프로세스 과다"가 도출되었다.
자동 생성된 제안서에는 3단계 로드맵(Phase 1: 기반구축 2개월, Phase 2: AI적용 2개월, Phase 3: 확장 2개월), 투자규모 7,000만원, 회수기간 10개월, 연간절감 4,000만원이 포함되었다.
전체 소요 시간: 약 4시간 (기존 컨설팅 대비 90% 단축)
【청구범위】
1[독립항 - 시스템] 온톨로지 기반 기업 업무 구조 분석 및 AI 전환 전략 자동 생성 시스템에 있어서,
기업의 조직 구조와 직원의 역할 및 책임(R&R) 데이터를 수집하는 R&R 캡처 모듈과,
수집된 R&R 데이터를 인공지능 모델로 분석하여 직원의 역할을 자동 분류하는 역할 온톨로지 엔진과,
분류된 역할에 기반하여 온톨로지 영역별 맞춤 설문 질문을 생성하는 설문 엔진과,
설문 응답으로부터 개념과 관계를 추출하여 인터랙티브 그래프를 생성하는 온톨로지 빌더와,
생성된 그래프를 분석하여 병목과 기회를 도출하는 분석 엔진과,
분석 결과를 기반으로 AX 추진 제안서를 자동 생성하는 제안서 생성기를 포함하는 것을 특징으로 하는 시스템.
2[독립항 - 방법] 온톨로지 기반 기업 업무 구조 분석 방법에 있어서,
(a) 기업 구성원의 R&R 데이터를 수집하는 단계와,
(b) AI가 R&R 데이터를 분석하여 역할을 분류하는 단계와,
(c) 역할별 맞춤 온톨로지 설문을 생성 및 수행하는 단계와,
(d) 응답으로부터 개념-관계 그래프를 생성하는 단계와,
(e) 그래프를 분석하여 병목 및 기회를 도출하는 단계와,
(f) 분석 결과를 기반으로 AX 제안서를 생성하는 단계를 포함하는 것을 특징으로 하는 방법.
3[독립항 - 기록매체] 제2항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
4제1항에 있어서, 상기 역할 온톨로지 엔진은 규칙 기반 1차 분류와 대규모 언어 모델(LLM) 기반 보정을 결합한 하이브리드 방식으로 역할을 분류하는 것을 특징으로 하는 시스템.
5제1항에 있어서, 상기 설문 엔진은 개념(Concept), 관계(Relation), 병목(Bottleneck), AI/AX 적용의 4개 영역으로 구성된 질문을 생성하는 것을 특징으로 하는 시스템.
6제1항에 있어서, 상기 온톨로지 빌더는 Force-directed 레이아웃 알고리즘을 적용한 SVG 기반 인터랙티브 그래프를 생성하며, 노드 드래그, 줌, 팬, 병목 하이라이트 기능을 포함하는 것을 특징으로 하는 시스템.
7제2항에 있어서, 상기 (e) 단계는 프로세스 효율, 데이터 활용도, 의사결정 속도, 자동화 잠재력의 4개 메트릭을 산출하는 것을 특징으로 하는 방법.
8제2항에 있어서, 상기 (f) 단계는 Executive Summary, 현황 분석, AX 전략, 실행 로드맵, 기대 효과, ROI를 포함한 제안서를 생성하는 것을 특징으로 하는 방법.
9제1항에 있어서, 프로젝트 데이터를 컨텍스트로 활용하는 RAG 기반 AI 챗봇을 더 포함하는 것을 특징으로 하는 시스템.
10제1항에 있어서, 모든 데이터를 브라우저의 localStorage에 저장하여 별도 서버 없이 실행 가능한 것을 특징으로 하는 시스템.
11[독립항 - AXOS 스키마] 온톨로지 기반 기업 업무 구조의 자동 생성 방법에 있어서,
기업의 업무 구조를 8개 노드 타입(Person, Process, System, Data, Decision, Bottleneck, Opportunity, AI_Solution)과 9개 관계 타입(performs, uses, generates, depends_on, collaborates, bottleneck_at, opportunity_for, ai_applicable, reports_to)으로 정형화한 AXOS 표준 스키마를 정의하고,
상기 표준 스키마를 기반으로 온톨로지 그래프를 자동 생성하는 것을 특징으로 하는 방법.
12제11항에 있어서, 8개 산업(IT/소프트웨어, 제조업, 건설, 금융/보험, 의료/헬스케어, 유통/물류, 교육, 서비스업)에 대해 사전 정의된 산업별 온톨로지 템플릿을 보유하고, 기업 등록 시 입력된 업종 정보를 자동 감지하여 해당 산업의 표준 노드, 관계, 병목 패턴을 자동으로 매핑하는 것을 특징으로 하는 방법.
13제1항에 있어서, 브라우저 localStorage와 Supabase 클라우드 데이터베이스에 데이터를 동시 저장하여, 오프라인 작동성과 클라우드 동기화를 모두 보장하는 이중 저장 구조를 포함하는 것을 특징으로 하는 시스템.
14제2항에 있어서, Mind(인식) → Structure(구조화) → Analysis(분석) → Strategy(전략) → Execution(실행)의 AXOS 5-Layer 방법론에 따라 진단 전 과정을 체계적으로 실행하는 것을 특징으로 하는 방법.
15제12항에 있어서, 상기 산업 자동 감지는 기업명, 업종, 주요 업무 키워드를 분석하여 8개 산업 중 최적 산업을 판별하고, 해당 산업 템플릿의 노드 타입별 기본 인스턴스와 관계 패턴을 온톨로지 그래프에 사전 배치하는 것을 특징으로 하는 방법.
16[독립항 - v3.0 Single Source] 온톨로지 제약 규칙의 자동 파생 방법에 있어서, 기업 온톨로지의 제약 조건을 Competency Question(CQ) YAML 형식으로 선언하는 단계와, 해당 CQ로부터 SHACL Shape(런타임 데이터 검증)·OWL Axiom(TBox 스키마 제약)·SPARQL ASK 쿼리(회귀 테스트)의 세 가지 산출물을 기계적 컴파일러가 자동 생성하는 단계를 포함하여, 제약 규칙의 중복 표현·누락·불일치를 원천 차단하는 것을 특징으로 하는 방법.
17제16항에 있어서, 상기 기계적 컴파일러는 min_count, max_count, class, datatype, pattern, sh_or(열거), disjoint의 7가지 제약 종류를 지원하고, CQ의 intent(query, constraint, consistency, coverage)와 priority(P0 블로커, P1 필수, P2 권장)에 따라 SHACL severity를 자동 매핑하는 것을 특징으로 하는 방법.
18[독립항 - UFO 자동 매핑] 온톨로지 노드의 상위 온톨로지 자동 분류 방법에 있어서, AXOS 8종 노드 타입(Actor, Process, Data, System, Artifact, Decision, Event, Issue)을 Unified Foundational Ontology(UFO)의 Endurant·Perdurant·Quality·Relator 계층에 자동 매핑하는 단계와, 매핑된 UFO 타입으로부터 OntoClean 메타속성(Rigidity, Identity, Unity, Dependence) 4개를 기계적으로 도출하는 단계와, Role(anti-rigid, -R)이 Kind(rigid, +R)를 subsume하는 관계를 컴파일 타임에 자동 차단하는 단계를 포함하는 것을 특징으로 하는 방법.
19제18항에 있어서, Issue·System·Decision 노드의 Endurant↔Perdurant 이중성은 reification 규칙을 통해 해결되되, Endurant가 작동 중일 때는 <Endurant>Execution Perdurant 서브클래스를 자동 생성하고, Perdurant에 상태 값이 부착될 때는 Quality 서브그래프를 자동 연결하는 것을 특징으로 하는 방법.
20[독립항 - LLMs4OL 3중 게이트] 대규모 언어 모델 기반 온톨로지 자동 학습 방법에 있어서, 자유기술 텍스트로부터 용어를 추출하는 Task E 단계와, 추출된 용어를 UFO 타입으로 분류하는 Task A 단계와, Ontology Design Pattern(ODP) 라이브러리와 서브그래프의 유사도가 임계치 이상인 경우 해당 ODP를 적용하고 그렇지 않으면 언어 모델 기반 fallback으로 분류 체계와 비분류 관계를 발굴하는 Task B+C 단계와, 서브그래프로부터 제약 axiom을 자동 발굴하는 Task D 단계와, 상기 Task 출력을 (i) ODP 매칭, (ii) OntoClean 자동 검증, (iii) CQ 컴파일 가능성 검사의 3중 게이트로 순차 검증하는 단계를 포함하고, 게이트 중 하나라도 실패 시 human-in-the-loop 큐로 이관하는 것을 특징으로 하는 방법.
21제11항에 있어서, 10개의 WOP(Workshop on Ontology Design Patterns) 표준 형식 Ontology Design Pattern(Approval-Workflow, CRUD-Resource, Role-Dashboard, Event-Trigger, Bottleneck-Root-Cause, Quality-Inspection, Risk-Assessment, Case-Record, Inventory-Flow, Multi-Stage-Review)을 라이브러리로 보유하고, 8개 산업 각각에 대해 필수 ODP 조합과 필수 게이트 ODP를 사전 정의하며, 기업 온톨로지가 산업 게이트 ODP를 만족하지 못할 경우 경고를 발생시키는 것을 특징으로 하는 시스템.
22[독립항 - GraphRAG Mode F] 온톨로지 기반 운영 추론 방법에 있어서, 사용자 질문을 수신하는 단계와, 질문 유형(근본원인 추적·영향 범위 분석·책임자 탐색·상태 조회·시계열 이벤트·규제 매핑·유사 사례)을 자동 감지하는 단계와, 온톨로지 그래프에서 UFO 타입을 인지하는 traversal 쿼리를 실행하여 관련 서브그래프를 추출하는 단계와, 추출된 서브그래프를 JSON 형식 컨텍스트 블록으로 직렬화하여 대규모 언어 모델에 전달하는 단계와, 언어 모델로 하여금 오직 해당 서브그래프만을 근거로 자연어 응답을 생성하도록 하는 단계를 포함하여, 환각을 최소화하고 노드 ID로 출처를 역추적 가능하게 하는 것을 특징으로 하는 방법.
23제22항에 있어서, 기존 정적 진단 제안서(Mode D)를 제22항의 Mode F의 t=0 스냅샷 쿼리로 재정의하여, 온톨로지가 갱신될 때마다 진단 제안서를 자동 재계산하는 라이브 대시보드로 진화시키는 것을 특징으로 하는 방법.
【요약서】
【요약】
본 발명은 온톨로지 방법론을 기반으로 기업의 업무 구조를 체계적으로 분석하고, AI가 AX 전환 전략을 자동으로 생성하는 시스템에 관한 것이다. R&R 데이터 수집, AI 역할 분류, 온톨로지 설문, 그래프 시각화, 병목/기회 분석, 제안서 자동 생성의 6단계 파이프라인으로 구성되며, 기존 수동 컨설팅 대비 진단 시간 90% 단축, 비용 80% 절감 효과를 제공한다. 특히, AXOS 표준 스키마(8개 노드 타입, 9개 관계 타입)와 8개 산업별 온톨로지 템플릿을 통해 산업 맞춤형 진단을 자동화하고, AXOS 5-Layer 방법론(Mind→Structure→Analysis→Strategy→Execution)으로 진단 체계를 표준화하며, localStorage와 Supabase의 이중 저장 구조로 데이터 안정성을 보장한다.
v3.0 고도화(2026.04): 세계 최고 수준 온톨로지 연구 7가지(UFO 상위 온톨로지·OntoClean·Competency Questions·SHACL·ODP·LLMs4OL·GraphRAG)를 통합한 6-Layer 아키텍처(L0 UFO Foundation → L1 OntoClean+ODP → L2 CQ Compiler → L3 LLMs4OL Pipeline → L4 SHACL Runtime → L5 GraphRAG Mode F)를 추가 구현한다. Competency Question YAML이 SHACL·OWL·SPARQL의 단일 진실 소스 역할을 수행하여 제약 규칙 중복을 원천 차단하고, LLMs4OL 파이프라인의 3중 게이트(ODP→OntoClean→CQ)가 LLM 환각을 규칙으로 차단하며, GraphRAG Mode F가 기존 정적 진단 제안서를 라이브 대시보드로 진화시킨다.
【대표도】 도 1
【부속서류】
1. 파일 목록 (25개, v3.1.2 기준)
| # | 파일명 | 기능 |
|---|---|---|
| 1 | index.html | 대시보드 |
| 2 | company-setup.html | 회사/직원 등록 |
| 3 | rr-input.html | R&R 입력 |
| 4 | role-classification.html | AI 역할 분류 |
| 5 | survey.html | 온톨로지 설문 |
| 6 | ontology-graph.html | 그래프 시각화 |
| 7 | analysis.html | AX 분석 |
| 8 | proposal.html | 제안서 생성 |
| 9 | chatbot.html | AI 챗봇 |
| 10 | manual.html | 사용자 매뉴얼 |
| 11 | copyright.html | 저작권 등록 자료 |
| 12 | patent.html | 특허명세서 |
| 13 | methodology.html | 온톨로지 진단 방법론 |
| 14 | js/axos-schema.js | L0 AXOS 표준 스키마 + AXOS_SUBTYPE_MAP + getCanonicalAxosType (v3.1.2 SSoT) |
| 15 | js/cq-compiler.js | L2 CQ → SHACL/OWL/SPARQL 3중 파생 컴파일러 |
| 16 | js/cq-pack-samples.js | L2 CQ 팩 46개(산업 40 + CORE 6, v3.1.2) |
| 17 | js/cq-pack-supabase.js | L2 CQ 팩 Supabase 동기화 + getCQPack() (v3.1.2) |
| 18 | js/shacl-validator.js | L2 SHACL 런타임 검증 엔진 (v3.1.2, 서브타입 awareness) |
| 19 | js/odp-library.js | L1 10개 WOP 표준 ODP + matchODP 알고리즘 |
| 20 | js/llms4ol-pipeline.js | L3 6-Task 파이프라인 + 3중 게이트 (v3.1.2 taskA 정규화) |
| 21 | js/graphrag-modef.js | L5 7 UFO-aware traversal + Mode D 흡수 |
| 22 | axos-v3-dashboard.html, cq-test.html | v3 통합 대시보드 + CQ 컴파일러 테스트 |
| 23 | database/create-tables.sql | Supabase 테이블 정의 |
| 24 | database/cq-packs.sql | CQ 팩 DB 스키마 (v3.1.2) |
| 25 | database/seed-prediag.js | 사전진단 시드 데이터 |
2. 기술 스택
- HTML5, CSS3, JavaScript ES6+ (async/await)
- Tailwind CSS 3.x (CDN)
- Google Gemini 2.0 Flash API
- SVG (Scalable Vector Graphics)
- Web Storage API (localStorage)
- Supabase (PostgreSQL 클라우드 DB, REST API, 이중 저장 동기화)
- AXOS Standard Schema (8 Node Types, 9 Relation Types)
- W3C SHACL (Shapes Constraint Language) — 순수 JS 런타임 검증 엔진 (v3.1.2)
- W3C OWL 2 DL — CQ 컴파일러 자동 파생 (v3.0)
- W3C SPARQL 1.1 ASK — 반례 검증 쿼리 자동 생성 (v3.0)
- UFO (Unified Foundational Ontology) — L0 기반 범주 매핑 (Endurant/Perdurant)
- OntoClean Methodology — Rigidity/Identity/Unity/Dependence 자동 도출
2.1 v3.1.2 신규 청구 범위
- 커스텀 서브타입 자동 정규화 —
AXOS_SUBTYPE_MAP(32 엔트리)과getCanonicalAxosType()헬퍼로 도메인 표현(Customer/Operation/Bottleneck 등)을 AXOS 표준 8종으로 자동 승격. 이 매핑은axos-schema.js에 Single Source of Truth로 정의되며,annotateUfo·nodeMatchesTarget·taskA_typeTermLLM의 3개 레이어가 공유 - SHACL 런타임 검증 엔진 — 외부 rdflib/shacl-engine 의존 없이 순수 JavaScript로 7 constraint(minCount/maxCount/class/datatype/pattern/sh_or/disjoint)를 해석하는 클라이언트-사이드 검증기. P0/P1/P2 severity 기반 Hard Reject / Soft Warning / Review 큐 라우팅
- CORE Competency Question — 도메인 무관 품질 규칙(CORE-001~006) 6개로 AXOS 표준 8종 노드의 기본 무결성(label/desc/required relations)을 산업 종속성 없이 검증
- DB 우선 + 정적 fallback 패턴 —
getCQPack({canonicalOnly, coreOnly})로 Supabase Postgres 우선 로드 → 실패 시 정적 샘플 fallback. 5분 세션 캐시로 네트워크 오버헤드 최소화
3. 참고 문헌
- Gruber, T. R. (1993). "A Translation Approach to Portable Ontology Specifications." Knowledge Acquisition, 5(2), 199-220.
- Noy, N. F., & McGuinness, D. L. (2001). "Ontology Development 101: A Guide to Creating Your First Ontology." Stanford Knowledge Systems Laboratory.
- W3C (2012). "OWL 2 Web Ontology Language Document Overview." W3C Recommendation.
- Fox, M. S. & Gruninger, M. (1998). "Enterprise Modelling." AI Magazine, 19(3), 109-121. (TOVE Ontology)
- Uschold, M. et al. (1998). "The Enterprise Ontology." The Knowledge Engineering Review, 13(1), 31-89.
- Hammer, M. & Champy, J. (1993). "Reengineering the Corporation." (BPR 방법론)
4. 용어 정의
- 온톨로지(Ontology): 특정 도메인의 개념과 그 관계를 형식적으로 정의한 지식 표현 체계
- AX(AI Transformation): AI 기술을 활용한 기업의 디지털 전환
- R&R(Role & Responsibility): 직원의 역할과 책임
- RAG(Retrieval-Augmented Generation): 외부 데이터를 참조하여 AI 응답을 생성하는 기법
- LLM(Large Language Model): 대규모 언어 모델
- AXOS 표준 스키마: 온톨로지 그래프의 노드와 관계를 8개 노드 타입, 9개 관계 타입으로 정형화한 표준 구조 정의
- AXOS 5-Layer: Mind, Structure, Analysis, Strategy, Execution 5단계 계층 방법론
- AXOS v3 6-Layer: L0(UFO Foundation) + L1(ODP) + L2(CQ Compiler + SHACL Runtime Validator) + L3(LLMs4OL 6-Task Pipeline) + L4(OntoClean Gate) + L5(GraphRAG Mode F)
- CQ(Competency Question): 온톨로지가 답할 수 있어야 할 질문을 선언적으로 기술한 객체. SHACL/OWL/SPARQL 3형식으로 자동 파생됨
- SHACL(Shapes Constraint Language): W3C 표준 RDF 검증 언어. 본 시스템은 Turtle 파싱 없이 CQ 객체를 직접 해석하는 순수 JS 구현체 내장
- UFO(Unified Foundational Ontology): 상위 온톨로지 — 모든 개체를 Endurant(지속자)와 Perdurant(발생자)로 이분하고 다시 Agent/Object/Event/MentalEvent 등 하위 범주로 분류
- AXOS_SUBTYPE_MAP: 도메인 표현 타입(Customer, Lead, Operation, Bottleneck 등)을 AXOS 표준 8종으로 매핑하는 정규화 테이블. v3.1.2에서 axos-schema.js에 Single Source of Truth로 승격
- Supabase: PostgreSQL 기반 오픈소스 클라우드 데이터베이스 플랫폼