비아이매트릭스 트리니티 분석: 금융·유통사가 대화형 BI를 도입하는 이유

기업들이 생성형 인공지능을 단순한 문서 작성 도구에서 데이터 분석과 의사결정 지원 시스템으로 확대하고 있다. 사내 데이터베이스에 축적된 정보를 AI가 직접 분석하고, 임직원이 자연어로 질문하면 필요한 수치와 차트를 제공하는 방식이다.

기업용 AI·BI 솔루션 기업 비아이매트릭스는 2026년 8월 금융과 유통 분야 대형 고객사의 AI 데이터 분석 사업을 연이어 수주했다고 밝혔다.

금융회사에는 생성형 AI 분석 솔루션인 G-MATRIX와 업무시스템 구축 플랫폼인 AUD플랫폼을 공급한다. 유통기업에는 온톨로지 기반 에이전틱 AI 개발 플랫폼인 TRINITY가 적용된다.

이번 수주는 동일한 AI 제품을 일괄적으로 공급하는 것이 아니라 산업별 데이터 환경과 보안 조건에 맞춰 서로 다른 솔루션을 조합한다는 점에서 주목할 만하다.

비아이매트릭스가 수주한 사업의 주요 내용

구분	금융 분야	유통 분야
사업 목적	데이터 기반 의사결정 지원	전사 대화형 데이터 분석
주요 솔루션	G-MATRIX·AUD플랫폼	TRINITY
이용 대상	금융회사 현업 임직원	임원·영업·마케팅·SCM 담당자
사용 방식	자연어 질문으로 데이터 조회	PC·모바일·메신저에서 복합 질문
보안 구조	내부망 전용 프라이빗 LLM	사내 데이터베이스 연동
결과 형태	보고서·대시보드·다차원 분석	차트·핵심지표·분석 인사이트

다만 고객사 이름과 계약금액, 구축기간 등은 현재 공개된 자료에서 확인되지 않는다. 수주 사실과 기술적 의미는 평가할 수 있지만, 이번 계약이 비아이매트릭스의 매출과 영업이익에 미칠 영향을 구체적으로 계산하기에는 정보가 부족하다.

G-MATRIX는 어떤 솔루션인가

G-MATRIX는 사용자가 일상적인 문장으로 질문하면 AI가 질문의 의도를 해석하고 데이터베이스 조회에 필요한 SQL을 자동으로 생성하는 솔루션이다.

예를 들어 금융회사 직원이 다음과 같이 질문할 수 있다.

“최근 6개월 동안 연체율이 가장 크게 상승한 고객군을 지역별로 보여줘.”

기존 방식에서는 데이터 담당자가 필요한 테이블을 찾고 SQL을 작성한 뒤 분석 결과를 엑셀이나 보고서로 가공해야 했다. G-MATRIX는 이 과정을 자동화해 현업 담당자가 데이터 분석 부서의 도움 없이 필요한 정보를 직접 조회하도록 지원한다.

일반적인 처리 과정은 다음과 같다.

1. 사용자가 자연어로 질문한다.
2. AI가 질문의 목적과 핵심 지표를 분석한다.
3. 관련 데이터베이스와 테이블을 선택한다.
4. 데이터 조회에 필요한 SQL을 생성한다.
5. 조회 결과를 표와 차트로 변환한다.
6. 사용자가 추가 질문을 통해 세부 내용을 탐색한다.

이처럼 전문 분석가가 아닌 현업 사용자가 직접 데이터를 조회하고 분석하는 환경을 ‘Self-BI’라고 부른다.

AUD플랫폼이 함께 사용되는 이유

G-MATRIX가 자연어를 데이터 조회 명령으로 바꾸는 역할을 담당한다면 AUD플랫폼은 분석 결과를 업무 화면과 보고서, 대시보드 형태로 구현하는 역할을 한다.

금융권 프로젝트에서는 G-MATRIX와 AUD플랫폼을 결합해 다음 기능을 하나의 환경에서 제공한다.

• 자연어 기반 데이터 조회
• 다차원 데이터 분석인 OLAP
• 시각화 대시보드 제작
• 엑셀 업무 프로세스 자동화
• 분석 보고서 출력
• 사용자별 데이터 접근권한 관리

AI가 좋은 답변을 생성하더라도 실제 업무시스템과 연결되지 않으면 임직원은 별도의 프로그램으로 데이터를 옮겨야 한다. 분석 AI와 업무화면 개발 플랫폼을 함께 사용하는 것은 질문부터 결과 활용까지의 과정을 하나로 연결하기 위해서다.

금융권이 프라이빗 LLM을 선택하는 이유

금융회사에는 고객의 개인정보와 거래내역, 신용정보 및 내부 경영자료가 저장돼 있다. 이러한 데이터를 외부 생성형 AI 서비스에 그대로 입력하면 정보 유출과 규제 위반 위험이 발생할 수 있다.

비아이매트릭스는 금융권 고객사 내부망에서만 작동하는 경량화 언어모델을 적용해 프라이빗 LLM 환경을 구축한다는 계획이다.

프라이빗 LLM은 기업이 통제하는 서버나 전용 클라우드에서 AI 모델을 운영하는 구조다. 외부 API로 데이터를 전송하지 않고 내부 보안정책에 따라 이용자와 데이터 접근범위를 관리할 수 있다.

다만 내부망에 설치했다는 사실만으로 완전한 보안이 보장되는 것은 아니다. 다음과 같은 통제체계가 함께 적용돼야 한다.

• 사용자별 데이터 조회 권한
• 개인정보와 민감정보 마스킹
• 질문·조회·출력 기록 보관
• 비정상적인 대량조회 탐지
• AI가 생성한 SQL에 대한 실행 전 검증
• 분석 결과의 외부 반출 통제

기업용 AI에서는 모델의 성능만큼 권한관리와 감사기록, 데이터 거버넌스가 중요하다.

유통기업에 적용되는 TRINITY

유통 분야 고객사에는 비아이매트릭스의 에이전틱 AI 개발 플랫폼인 TRINITY가 적용된다.

TRINITY는 단순히 질문에 답하는 챗봇이 아니라 기업의 데이터와 업무규칙을 바탕으로 분석 계획을 세우고 필요한 작업을 수행하는 AI 에이전트를 개발하는 플랫폼이다.

유통기업에서는 다음과 같은 질문에 활용할 수 있다.

• 지난달 지역별 매출이 감소한 원인은 무엇인가?
• 재고 회전율이 낮은 상품군을 찾아줘.
• 판매량과 재고를 비교해 품절 가능성이 높은 상품을 보여줘.
• 특정 프로모션이 매출과 이익률에 미친 영향을 분석해줘.
• 공급망 지연이 예상되는 상품과 대체 공급처를 정리해줘.

임원부터 영업과 마케팅, 공급망관리 담당자까지 PC와 모바일에서 질문을 입력하면 AI가 관련 데이터를 조회해 차트와 분석 결과를 제공하는 구조다. 사내 메신저와 연동하면 기존 업무환경을 벗어나지 않고 분석 시스템을 이용할 수 있다.

에이전틱 AI가 일반 챗봇과 다른 점

일반적인 챗봇은 사용자의 질문을 입력받고 학습된 지식을 바탕으로 문장을 생성한다. 반면 에이전틱 AI는 목표를 달성하기 위해 여러 단계의 작업을 계획하고 실행한다.

구분	일반 생성형 AI	에이전틱 AI
주요 기능	질문에 대한 문장 생성	목표에 필요한 작업 계획·실행
데이터 이용	학습 데이터·입력 문서	기업 DB·업무규칙·외부 도구
처리 방식	한 번의 질문과 답변	계획·실행·검증·재시도
기업 활용	문서 요약·초안 작성	데이터 분석·업무 자동화·의사결정 지원

TRINITY는 각 AI 에이전트가 ‘계획→실행→재시도’ 과정을 수행하도록 설계됐다. 기업은 에이전트가 사용할 데이터와 AI 모델, 업무규칙 및 출력방식을 지정할 수 있다.

통합 메타가 AI 환각을 줄이는 원리

기업 데이터 분석에서 가장 큰 문제 중 하나는 동일한 용어가 조직마다 다른 의미로 사용된다는 점이다.

예를 들어 ‘매출’이라는 단어도 다음과 같이 다르게 정의될 수 있다.

• 주문이 접수된 전체 금액
• 취소와 반품을 제외한 순매출
• 부가가치세를 제외한 회계상 매출
• 상품권과 포인트를 포함한 결제액

정확한 정의 없이 AI가 데이터베이스를 조회하면 사용자가 의도하지 않은 수치를 제시할 수 있다.

통합 메타 또는 시맨틱 메타는 데이터의 위치뿐 아니라 지표의 정의와 테이블 사이의 관계, 계산방법과 업무용어를 함께 정리한 정보체계다. AI가 이를 활용하면 질문에 포함된 업무적 의미를 파악하고 적절한 데이터를 선택할 가능성이 높아진다.

비아이매트릭스는 유통기업 프로젝트에서 내부 데이터베이스를 기반으로 통합 메타를 구축해 AI 환각을 줄였다고 설명했다.

응답 정확도 85%와 처리시간 10초의 의미

비아이매트릭스는 해당 구축 환경에서 85% 이상의 응답 정확도를 확보하고, 고성능 GPU 서버를 활용해 조회 응답시간을 약 10초까지 줄였다고 밝혔다.

이 수치는 회사가 프로젝트 과정에서 확인한 성능으로 이해해야 한다. 다른 기업이나 데이터 환경에서도 동일한 결과가 보장되는 것은 아니다.

기업용 AI의 정확도를 비교하려면 다음 조건이 함께 제시돼야 한다.

• 평가에 사용한 질문의 수와 난이도
• 정확하다고 판단한 평가기준
• 단순조회와 복합분석 질문의 비율
• 사용한 언어모델과 GPU 종류
• 데이터베이스 규모
• 동시 접속자 수
• 최초 질문과 후속 질문의 응답시간
• 잘못된 답변을 탐지하는 검증 절차

특히 85%의 정확도는 뒤집어 보면 일부 질문에서 오류가 발생할 가능성이 있다는 의미다. 대출심사나 재무보고처럼 결과의 오류가 큰 손실로 이어질 수 있는 업무에서는 사람의 최종 검토와 승인 절차가 필요하다.

기업이 대화형 BI를 도입하는 이유

기존 BI 시스템은 미리 설계된 대시보드와 보고서를 중심으로 운영된다. 새로운 질문이 생기면 데이터 담당자에게 별도의 보고서를 요청해야 하는 경우가 많다.

대화형 BI는 사용자가 필요한 순간 직접 질문하고 데이터를 탐색할 수 있도록 한다. 이를 통해 다음과 같은 효과를 기대할 수 있다.

1. 반복적인 자료 요청과 SQL 작성 업무 감소
2. 보고서 작성시간 단축
3. 임직원의 데이터 접근성 향상
4. 경영지표 이상 징후의 조기 발견
5. 부서별 데이터 해석기준 통일
6. 모바일과 메신저를 활용한 신속한 의사결정

그러나 대화형 화면을 만드는 것만으로 Self-BI가 완성되는 것은 아니다. 데이터 품질이 낮거나 부서별 지표 정의가 다르면 AI 역시 신뢰하기 어려운 결과를 제공할 수 있다.

비아이매트릭스 수주의 관전 포인트

이번 금융·유통 분야 수주는 비아이매트릭스의 AI 플랫폼이 실제 대기업 업무시스템에 적용되고 있다는 점에서 의미가 있다.

앞으로는 다음 항목을 확인할 필요가 있다.

• 고객사의 실제 이용자 수와 사용빈도
• 구축 이후 유지보수·라이선스 매출 발생 여부
• 정확도와 응답속도의 장기 유지 여부
• 금융·유통 외 산업으로의 추가 수주
• 고객사 이름과 계약규모 공개 여부
• 일회성 구축매출과 반복매출의 비중
• AI 사업 확대가 수익성에 미치는 영향

수주 건수가 늘어도 프로젝트별 개발인력과 원가가 크게 증가하면 이익 개선은 제한될 수 있다. 반대로 플랫폼을 표준화해 여러 고객에게 반복적으로 공급할 수 있다면 매출 증가보다 영업이익이 더 빠르게 늘어나는 구조를 만들 수 있다.

결론

비아이매트릭스의 이번 수주는 생성형 AI가 일반적인 사무지원 도구에서 기업의 핵심 데이터를 분석하는 업무시스템으로 이동하고 있음을 보여준다.

금융권에서는 보안과 권한관리가 중요한 만큼 프라이빗 LLM과 G-MATRIX, AUD플랫폼의 결합이 핵심이다. 유통기업에서는 TRINITY와 통합 메타를 활용해 매출·재고·마케팅·공급망 데이터를 대화형으로 분석하는 구조가 적용된다.

다만 85% 이상의 응답 정확도와 10초 내외의 처리속도는 특정 구축환경에서 확인된 회사 측 수치다. 실제 경쟁력은 장기간의 운영 안정성과 오류 통제, 업무시간 절감 및 고객사의 추가 계약을 통해 판단해야 한다.

기업용 AI의 최종 목표는 화려한 답변을 만드는 것이 아니다. 올바른 데이터를 권한에 맞게 조회하고, 검증 가능한 근거를 제공해 사람이 더 빠르고 정확하게 의사결정을 내리도록 지원하는 데 있다.

※ 이 글은 공개된 기업 및 제품 자료를 바탕으로 작성한 정보성 콘텐츠이며, 특정 종목에 대한 투자 권유가 아닙니다.