laidback

Services

AI를 도입하는 일과, 시스템을 만드는 일

이 두 가지를 서로 다른 회사에 나누어 맡기는 경우가 많습니다. 그러면 AI를 담당하는 쪽은 기존 시스템을 모르고, 시스템을 담당하는 쪽은 AI를 모릅니다. 그 사이에서 연동이 중단되고 프로젝트 기간이 길어집니다. 레이드백은 두 가지를 한 팀에서 함께 수행합니다.

AI를 실제 업무에 도입하는 일

01

AI 에이전트 · LLM 애플리케이션 구축

AI Agent / LLM Application

사내 문서와 데이터를 근거로 답하는 검색·질의 시스템을 만듭니다. 필요한 도구를 직접 호출해 업무까지 처리하는 에이전트도 함께 구축합니다.

  • RAG 기반 사내 지식 검색
  • MCP 기반 사내 시스템 툴 연동
  • 멀티 에이전트 오케스트레이션
  • 응답 품질 평가 체계 설계
02

지능형 업무 자동화

Intelligent Automation

규칙 기반 RPA로는 처리하지 못했던 비정형 업무를 LLM과 결합해 자동화합니다. 자동화 플랫폼을 직접 구축한 경험을 그대로 활용합니다.

  • 비정형 문서 처리 (OCR + LLM 추출)
  • 기존 RPA 자산의 AI 확장
  • 승인·예외 처리를 포함한 워크플로 설계
  • 자동화 대상 업무 우선순위 산정
03

AI 도입 컨설팅 · PoC

AI Consulting / PoC

무엇부터 해야 하는지를 먼저 정리합니다. 현업 업무를 진단해 효과가 나는 지점을 찾고, 작은 범위에서 검증한 뒤 확대합니다.

  • 업무 진단 및 유즈케이스 발굴
  • PoC 설계 · 구현 · 검증
  • 도입 효과 및 비용 산정
  • 단계별 확산 로드맵 수립
04

데이터 파이프라인 · MLOps

Data & MLOps

AI가 계속 정확하게 동작하려면 데이터와 운영 체계가 필요합니다. 데이터 수집부터 모델 서빙과 모니터링까지 함께 구축합니다.

  • 임베딩 파이프라인 · 벡터DB 구축
  • 모델 서빙 및 버전 관리
  • 품질 평가 · 회귀 테스트 자동화
  • 비용 · 지연시간 모니터링

Technology

새로 나온 기술을 먼저 쓰기보다, 맡기신 쪽에서 나중에 직접 수정하고 운영할 수 있는 기술을 고릅니다. 아래는 실제 프로젝트에서 사용해 온 기술입니다.

AI

모델은 나중에 교체할 수 있는 구조로 연결합니다. 특정 업체에 종속되면 가격이나 정책이 바뀔 때 수정할 부분이 많아집니다.

  • Claude
  • OpenAI
  • LangChain
  • MCP
  • pgvector
  • Qdrant
  • LlamaIndex

Frontend

관리자 화면까지 같은 스택으로 만듭니다. 사용하는 사람이 적다고 해서 허술하게 만들면, 결국 운영 단계에서 비용이 발생합니다.

  • React
  • Next.js
  • Vue.js
  • TypeScript
  • Tailwind CSS
  • React Native
  • Flutter

Backend

기존 시스템이 사용하는 언어에 맞춥니다. 저희에게 익숙한 기술을 쓰는 것보다 인수인계가 가능한 것이 더 중요하기 때문입니다.

  • Node.js
  • Spring Boot
  • Python
  • FastAPI
  • PostgreSQL
  • MySQL
  • Redis

Infrastructure

온프레미스와 클라우드를 모두 다룹니다. 데이터를 외부로 내보낼 수 없는 곳이 많기 때문입니다.

  • Docker
  • Kubernetes
  • GitHub Actions
  • AWS
  • Naver Cloud
  • Nginx
  • Grafana