서비스 제공 형태

구축형(On-Premise)과 연동형(API Integration)의 서비스 제공

데이터 유출 제로, 우리 회사만을 위한 특수 목적 AI

• 보안이 생명인 국방, 자동차, 반도체 산업군을 위한 솔루션입니다. 외부망과 완전히 차단된 내부 서버에, 검증된 오픈소스 LLM을 기반으로 고객사 전용 sLLM(소형 언어 모델)을 구축합니다.

1. 핵심 기술: 도메인 특화 파인튜닝 (Fine-tuning)

• 일반적인 AI는 우리 회사의 복잡한 '요구사항 명세서'나 '레거시 코드'를 이해하지 못합니다. VWAY는  성능이 입증된 오픈소스 모델을 베이스로, 고객사의 엔지니어링 데이터를 학습(Fine-tuning)시킵니다. 이를 통해 안전 분석(Safety Analysis), 요구사항 검증, 테스트 케이스 생성, 코드 리뷰 등 특정 목적에 전문가급 성능을 발휘하는 AI를 만듭니다.

2. 정확도 향상: RAG (Retrieval-Augmented Generation) 시스템

• AI가 거짓 정보를 사실처럼 말하는 '환각(Hallucination)'은 엔지니어링에서 치명적입니다. 이를 해결하기 위해 RAG(검색 증강 생성) 아키텍처를 도입했습니다.

• 작동 원리: AI가 답변을 생성하기 전, 사내 기술 문서 저장소(Vector DB)에서 근거가 되는 매뉴얼이나 규정을 먼저 검색(Retrieve)하고 이를 바탕으로 답변을 생성합니다.

• 효과: 근거 없는 창작을 막고, "참조 문서 34페이지에 따르면..."과 같이 정확한 출처를 제시합니다.

* 참고 기술: https://www.nvidia.com/en-us/glossary/retrieval-augmented-generation/

기존 자원의 극대화, 가장 빠르고 효율적인 기능 확장

• 이미 사내에 GPT-4, Azure OpenAI, Claude 등 고성능 AI 모델을 도입했거나 사용 중인 기업을 위한 모델입니다. 새로운 모델을 만드는 대신, VWAY의 '엔지니어링 프롬프트 모듈'을 고객사의 AI와 API로 연결하여 즉시 기능을 구현합니다.

1. 비용 절감과 고성능의 조화

• 모델 학습 및 서버 구축 비용(CAPEX) 없이, 기존 AI 인프라를 그대로 활용합니다. VWAY는 고객의 요구사항(SRS 검증, 자동화 테스트 등)을 가장 잘 수행할 수 있는 최적의 프롬프트 엔지니어링과 로직을 API 형태로 제공합니다.

2. 속도 및 효율성 최적화 기술: Semantic Caching

• API 연동형의 단점인 '응답 지연(Latency)'과 '토큰 비용'을 획기적으로 줄이기 위해 시맨틱 캐싱(Semantic Caching) 기술을 적용합니다.

• 기술 소개: 사용자의 질문을 벡터(Vector)로 변환하여 저장해 둡니다. 만약 "ISO 26262에 따른 ASIL 등급 분류해 줘"라는 질문이 들어왔을 때, 과거에 유사한(Semantic) 질문과 답변이 있었다면 AI를 거치지 않고 캐시 메모리에서 즉시 답변을 반환합니다.

• 효과: 답변 속도가 비약적으로 빨라지며, 불필요한 API 호출 비용을 획기적으로 절감합니다.

* 참고 기술: https://learn.microsoft.com/en-us/azure/ai-foundry/openai/concepts/prompt-engineering?view=foundry-classic