GPU to Agent.
One package.
기존 시장은 분절되어 있습니다 — GPU는 하드웨어 벤더, LLM은 모델 제공자, Agent는 SI, 방법론은 컨설팅. SME는 4곳을 따로 만나 따로 통합해야 합니다. 카이렌은 5층을 단일 패키지로 — SME의 통합 비용을 0으로 만듭니다.
SME가 AI 도입 시
부딪히는 3가지 함정.
이 함정들은 회사가 작거나 IT 인력이 부족해서 생기는 것이 아닙니다 — AI Agent라는 기술의 특성상 누구나 빠지는 함정입니다.
기성품의 도메인 불일치
시장의 AI 도구는 "평균적인 회사"의 평균적인 결과물을 만든다. 우리 회사 고유의 분류·명명·기간 규칙은 반영되지 않는다.
자체 구축의 인프라 과부담
LLM API 비용 통제, RAG 인프라, 운영 모니터링, 평가 셋, 보안 — SME가 직접 만들면 본업이 아닌 일에 6개월이 사라진다.
방법론 없는 도입의 실패
"AI 도구를 도입했는데 직원들이 안 쓴다" — 도구가 나빠서가 아니라 도입 방법론이 없어서 발생한다.
단일 공급자가 책임지는
5층 가치사슬.
L1~L4는 카이렌 공급 — 모든 고객사에 동일하게 적용되는 공통 자산. L5만 고객사 정의 — ElevenLabs의 Knowledge Base 교체 구조와 동일.
Hardware GPU Server
GPU 서버 + 전력 + 냉각 + 설치. 조직 규모에 맞는 6단계 사양 (400만 원 ~ 5억 원). 부품 보증 3년, 운영 매뉴얼, 원격 모니터링 포함.
LLM Runtime Embedded Models
오픈웨이트 LLM 사전 설치 + vLLM/Ollama 런타임 + OpenWebUI. 모델 선정·양자화·서빙 최적화 완료 상태로 공급. 전원 켜면 ChatGPT 같은 UI가 사내 IP로 즉시 동작.
Agent Infrastructure
LangGraph + Qdrant + LiteLLM 멀티 에이전트 프레임워크. Prompt Caching · 비용 통제 · 사용량 로깅 · Retry · HITL Gate를 표준으로 장착. 8가지 비용 방어 원칙 적용.
Methodology Adoption Framework
MVP → 1차 → 최종 3단계 게이트 + 자동화 우선순위 공식 + 30개 모범사례 매트릭스. 정량 합격 기준으로 Go/No-Go 결정. 도입 실패를 도입 전에 차단.
Domain Customer-Owned
회사 고유 업무 패턴 · 분류 규칙 · 명명 규칙 · 합격 임계값. 이 층만 고객사가 정의하며, 우리는 정의하는 방법(4주 워크숍)만 공급. ElevenLabs의 Knowledge Base 교체 구조와 동일.
조직 규모별
6단계 표준 패키지.
HW + 설치 + LLM + Agent 구축까지 포함된 패키지 가격. 2026년 5월 한국 시장 기준, 부가세 별도. ★ TIER 3·4가 가장 ROI가 좋은 구간.
| PACKAGE | SCOPE | GPU | MODELS | HW | BUILD | TOTAL |
|---|---|---|---|---|---|---|
TIER 1 Starter | 10~30명 · PoC | RTX 5090 32GB 128GB DDR5 | Qwen 3.6 27B DeepSeek R1-Distill 32B | ₩400만 | ₩500만 | ₩900만 |
TIER 2 Small Office | 30~80명 | RTX 5090 ×2 (NVLink) 256GB ECC | Qwen 3.6 72B (Full) EXAONE 4.0 Llama 3.3 70B | ₩800만 | ₩1,000만 | ₩1,800만 |
TIER 3★ Mid-Market | 80~200명 · 최적 균형 | RTX Pro 6000 96GB 512GB ECC | DeepSeek V4-Flash (FP8) K-EXAONE 236B (Q4) | ₩3,000만 | ₩2,000만 | ₩5,000만 |
TIER 4★ Corporate | 200~500명 | H100 80GB 768GB ECC | Llama 4 Scout 풀스피드 V4-Flash FP8 | ₩5,000만 | ₩3,000만 | ₩8,000만 |
TIER 5 Enterprise | 500~1,000명 | H200 141GB ×2 1TB ECC | GLM 5.1 754B (Q4) K-EXAONE Full Llama 4 Maverick | ₩1.5억 | ₩5,000만 | ₩2억 |
TIER 6 Datacenter | 1,000명+ | H200 ×8 · InfiniBand 2~4TB ECC | DeepSeek V4-Pro 1.6T Kimi K2.6 1.1T | ₩5억+ | ₩1억+ | ₩6억+ |
HW 견적은 시장 평균을 따르며, 마진의 핵심은 Agent 구축 · 방법론 자산
사용자 수별
손익분기 시점.
ChatGPT Enterprise $60/user/月 기준 SaaS 연간 비용 대비 On-Prem 4년 TCO 비교. 150~300명이 가장 ROI가 좋은 구간.
| USERS | SaaS / Year | TIER | 4-Year TCO | Break-Even | 4yr Saved |
|---|---|---|---|---|---|
| 20명 | ₩2,000만 | TIER 1 | ₩700만 | 5개월 | ₩7,300만 |
| 50명 | ₩5,000만 | TIER 2 | ₩1,500만 | 4개월 | ₩1.85억 |
| 150명★ | ₩1.5억 | TIER 3 | ₩4,500만 | 3.6개월 | ₩5.5억 |
| 300명★ | ₩3억 | TIER 4 | ₩7,500만 | 3개월 | ₩11.25억 |
| 500명 | ₩5억 | TIER 5 | ₩2억 | 4.8개월 | ₩18억 |
| 1,000명 | ₩10억 | TIER 6 | ₩7억 | 8.4개월 | ₩33억 |
★ ChatGPT Enterprise 최소 인원 150석과 정확히 일치하는 손익분기 지점
도입 실패를
도입 전에 차단합니다.
각 게이트는 정량 합격 기준으로 Go/No-Go를 결정합니다. 시점에 따라 기준을 완화하지 않습니다. "도입 실패"가 1년 끌리는 것을 막는 핵심 메커니즘.
동작 증명
“자동화 1종이 실제로 작동하는가?”
일상화 진입
“AI Agent가 일상 업무에 정착하기 시작했는가?”
운영 확장
“"AI Agent 없으면 일이 불편하다"가 다수 의견인가?”
AI 도입의 가장 비싼 실패는 "도입했지만 효과 없는 상태로 1~2년 끌고 가는 것"입니다. 이 구조는 그런 실패를 3개월 안에 발견하고 멈춥니다 — 매몰비용 함정 회피.
우선순위 점수
즉석 계산부터.
첫 미팅 의제: 귀사의 반복 업무 인벤토리 · 자동화 우선순위 점수 시범 계산 · 자동화 부적합 영역 식별 · MVP 합격 기준 초안.