기업의 반복 업무를 AI가 실행하고,
승인·감사까지 하나의 흐름으로.
ARI는 자연어 요청을 받아 실행하고 사람 승인을 거쳐 결과를 발행합니다.
AI 파일럿이 실제 업무 프로세스가 되도록 Clevi가 설계했습니다.
AI 실험이 현업 프로세스로 연결되지 않습니다
챗봇과 AI 실험은 늘어나지만 실제 업무 워크플로우와 연결되지 않아 사일로로 남습니다. 각 도구는 따로 관리되고, 전사 거버넌스가 없어 파일럿에서 멈춥니다.
AI가 한 일을 추적하고 감사할 수 없습니다
AI가 어떤 문서를 참조했는지, 어떤 판단을 했는지, 누가 승인했는지 기록이 없습니다. 규제 환경이나 내부 감사 요건에서 AI 도구를 쓰기 어렵습니다.
위험한 작업도 AI가 자동으로 실행해버립니다
API 호출, 외부 시스템 수정, 코드 배포 같은 고위험 작업에 AI가 접근하면 통제가 어렵습니다. 사람의 검토 없이 실행되는 구조는 기업에서 수용하기 어렵습니다.
기업 문맥이 AI에게 전달되지 않습니다
내부 문서, 정책, 용어, 이전 업무 기록이 AI에게 전달되지 않아 매번 컨텍스트를 다시 설명해야 합니다. 조직 지식이 AI 자산으로 축적되지 않습니다.
장시간 AI 작업의 진행 상황을 알 수 없습니다
수 분 이상 걸리는 AI 작업은 중간 상태를 볼 수 없고, 오류가 나도 어디서 실패했는지 파악이 어렵습니다. 운영 환경에서 신뢰할 수 없는 구조입니다.
요청 접수
기준 고정
실행
사람 승인
외부 실행
결과 발행
승인 체계
위험 작업은 사람 검토 없이 실행되지 않습니다. 승인 정책을 작업 유형·권한 수준별로 설정하고, 미승인 작업은 자동 차단됩니다.
Audit 로그
AI가 한 일을 언제든 감사할 수 있습니다. 요청부터 결과까지 전체 실행 이력이 추적 가능한 형태로 기록되어 내부 감사·컴플라이언스에 대응합니다.
지식 축적
맥락을 조직 자산으로 관리합니다. 내부 문서, 업무 기록, 판단 근거가 누적되어 AI가 조직 고유의 지식을 기반으로 작업합니다.
서버 중계 Endpoint
ARI가 코드 실행 요청을 서버에서 직접 중계합니다. 클라이언트가 실행 환경에 직접 접근하지 않아도 됩니다.
Workspace Guard
ARI가 코드 에이전트로 작업할 때 접근 가능한 파일과 시스템 범위를 정책으로 제한합니다.
위험 작업 승인
ARI가 수행하려는 고위험 명령은 사람 검토를 거쳐야만 실행됩니다. 자동화 범위를 조직이 직접 통제합니다.
검증 가능한 산출물
ARI가 생성한 코드·문서·결과물에 실행 근거와 이력이 함께 저장됩니다. 결과물의 출처를 언제든 확인할 수 있습니다.
원격 파일 UX
ARI가 원격 환경에서 파일을 작업하고 그 결과를 직관적인 UI로 확인·수정할 수 있습니다.
Memory Write-back 통제
ARI가 작업 중 학습하거나 기억을 기록하는 범위와 방식을 정책으로 관리합니다. 비의도적 맥락 오염을 방지합니다.
Adapter 독립성
ARI는 특정 LLM이나 코딩 플랫폼에 종속되지 않습니다. 기반 모델이나 실행 환경을 교체해도 워크플로우가 유지됩니다.
운영 가능성
ARI의 작업 상태, 오류, 재시도 이력을 운영 수준에서 모니터링합니다. 블랙박스 없이 AI 에이전트를 운영합니다.
보고서 자동화
업무 자동화
코드 배포
ARI는 새로운 에이전트를 하나 더 만드는 것이 아닙니다. 여러 에이전트와 도구가 기업 업무 안에서 안전하게 실행되도록 하는 운영·권한·감사 중심의 control plane입니다.
| 대안 | 강점 | 한계 | ARI 차별점 |
|---|---|---|---|
| 일반 챗봇 / RAG | 빠른 질의응답과 문서 답변 | 실행, 승인, 외부 작업, 결과 발행이 약함 | 검색·실행·승인·발행을 하나의 흐름으로 결합 |
| IDE 코드 보조 도구 (Copilot, Cursor) |
개발자 개인 생산성 향상 | 기업 workflow, 원격 endpoint, 감사와 분리되기 쉬움 | 코드 작업을 Clevi 권한, 승인, 증적, 문서 발행 흐름 안에 편입 |
| 자율 에이전트 (OpenHands, Devin) |
파일 편집, shell, 테스트, 장시간 코드 작업 | agent가 memory / tool / session 상태를 자체 소유하기 쉬움 | ARI는 execution plane만 활용하고 서버가 policy, memory, approval, artifact를 소유 |
| 에이전트 프레임워크 (LangGraph, AutoGen) |
개발자가 agent flow를 코드로 만들기 쉬움 | 운영 UI, ACL, 도메인 데이터, endpoint queue는 직접 구현 필요 | Clevi의 내장 운영 기능으로 보완 |
| RPA / 전통 워크플로우 | 정형 절차 자동화와 시스템 연동 | 비정형 지식 검색, 자연어 판단, 코드 수정에 약함 | 명시적 workflow에 LLM, AgentLoop, Toolset, Memory, Code Agent 결합 |
* 비교 내용은 일반적인 제품 특성 기준이며, 세부 기능은 버전 및 설정에 따라 다를 수 있습니다.
ARI는 에이전트를 새로 만드는 것이 아니라, 기존 AI 에이전트와 도구들이 기업 업무 안에서 안전하게 실행되도록 하는 control plane입니다.
기존에 사용 중인 AI 도구, 외부 코드 에이전트, 내부 시스템을 하나의 추적 가능한 run으로 묶어 운영합니다.
Adapter 독립성 설계로 특정 플랫폼에 종속되지 않아 ERP, 문서 시스템, 협업 도구, 코드 레포지토리 등 다양한 환경과 연결할 수 있습니다.
예를 들어 외부 시스템 수정, 특정 파일 접근, 금액 임계치 초과 등 조직이 정의한 기준을 초과하는 작업은 자동으로 사람 검토 단계로 전환됩니다.
내부망 환경에서 기업 데이터와 실행 이력이 외부로 나가지 않도록 구성할 수 있습니다.
금융권, 공공기관, 보안 정책이 엄격한 대기업 환경에 적합합니다.
내부 감사 도구와 연동하거나 직접 조회·내보내기할 수 있습니다.
복잡한 AI 개발 없이 반복 문서·분석·승인 업무를 자동화할 수 있습니다.
기술적인 연동이 필요한 부분은 플랫폼 엔지니어가 Adapter 설정을 담당합니다.
도입 기간은 연동 시스템 범위와 조직 규모에 따라 달라지며, 구체적인 일정은 도입 문의를 통해 확인해 주세요.