농업 기업 앱 안에서 운영 중인 AI 재배 상담

필요했던 것

대형 농업 기업이 농가 대상 컨설팅 서비스를 운영합니다. 가장 좋은 지식은 전문가 지침, 수년치 컨설팅 보고서, 컨설턴트의 통화 안에 있었습니다. 그런데 농민이나 신입 컨설턴트가 필요한 순간에는 그 어느 것도 꺼내 볼 수 없었습니다. 상담 한 건을 보고서로 쓰는 데 방문만큼의 시간이 들었습니다.

만든 것

두뇌 하나를 공유하는 세 가지. 회사 문서로 만들고 회사 전문가가 품질을 관리한 농업 기술 지식 그래프. 출처를 달아 답하고, 근거가 없으면 답하지 않는 앱(웹·카카오톡) 안의 상담 AI. 녹음된 상담을 주제별 보고서로 바꿔 PDF로 내보내는 보고서 코파일럿. 모든 항목이 통화의 어느 문장에서 왔는지를 가리킵니다.

달라진 것

상담 AI와 보고서 코파일럿이 실제 서비스 앱 안에서 돌아갑니다. 2026년 5월부터 전체 농가로 넓히고 있습니다. 결과물만이 아니라 방법을 넘겼기 때문에, 고객사 팀이 인도 후에도 그래프를 직접 확장할 수 있습니다.

기술적으로는

• Neo4j 지식 그래프, 노드 유형 35개 이상, 도메인별 다중 데이터베이스. 유형별 few-shot 예시를 라우팅하는 text-to-Cypher. 실행은 코드 수준에서 읽기 전용(쓰기 차단, 30행 제한).
• 모순 해소가 붙은 LLM 추출: 사람이 해소한 사례 381건으로 보정. LLM 심사 평가 루프, 결정적 병합과 중복 제거.
• LangGraph 보고서 파이프라인: 전사 → 사실 추출 → 주제 선택 → 주제별 서브그래프(참조 조회 → 사실 매핑 → 결정적 매퍼가 모호하다고 표시할 때만 명확화 → 작성 → 렌더 → 검증). 모든 항목의 근거 목록을 전사 턴 번호로 검증하고, 근거가 남지 않은 항목은 삭제. 별도 검증 단계는 강등만 가능: 등급을 내릴 수는 있어도 올릴 수는 없음.
• 문서 인텔리전스: PDF, DOCX, XLSX, PPTX, CSV를 인코딩 폴백과 함께 읽는 로더 하나, 그리고 처음부터 작성한 HWPX(한글 오피스 형식) 파서.
• 측정한 뒤 끔: LLM 용어 교정 단계를 실제 통화 84건으로 다시 재고 비활성 상태로 출시. 카탈로그 85행과 규칙 하나면 충분했음. 전체를 관통하는 패턴은 LLM이 제안하고, 코드가 적용하고 지킨다.
• 운영: GPU 영역을 부르는 곳은 게이트웨이 하나뿐(OpenAI 호환 인터페이스라 Gemini, OpenAI, 자체 모델을 URL만 바꿔 교체). nginx + TLS. 운영 환경 LangSmith 트레이싱. 코딩 에이전트가 코드를 만지기 전에 지도를 읽도록 저장소마다 아키텍처 노트.