사람과 AI가,
함께 일을 끝내도록.

현대에이티에프는 사람과 AI가 함께 일하는 속도와 효율을 높여, 생산성과 업무 성과를 극대화하는 소프트웨어 엔진을 만듭니다.

ATF Works

ATF Works는 일상 업무 공간입니다. LabChin은 이를 연구 업무로 확장하는 모듈입니다.

팀의 계획 수립, AI를 활용한 데스크톱 작업, 사람의 검토, 공동 지식 보관이 연결된 업무 공간을 표현한 생성 이미지

계획부터 다음 단계까지 이어지는 업무

  1. 01

    계획

    함께 정한 목표에서 시작합니다.

    목적과 담당자, 기한, 기대 결과를 함께 정리합니다. 사람과 AI가 시작점을 명확히 알 수 있게 합니다.

    바로 실행할 수 있는 계획

  2. 02

    연결

    업무에 필요한 배경 정보를 연결합니다.

    팀에 같은 설명을 다시 요청하지 않아도 관련 논의와 문서, 이전 결정 사항을 찾을 수 있게 합니다.

    업무를 시작하는 데 필요한 정보

  3. 03

    실행

    업무를 진행합니다.

    다음 단계는 사람이 결정합니다. AI는 허용된 권한과 사용 가능한 기능 안에서 정보를 준비하고 현황 정리를 돕습니다.

    명확한 다음 행동

  4. 04

    기록

    무엇을 했고 왜 했는지 남깁니다.

    완료한 작업과 결정 사항, 근거 기록을 해당 업무에 연결합니다. 현황 보고를 위해 정보를 다시 모으는 수고를 줄입니다.

    배경과 근거가 함께 남는 기록

  5. 05

    재사용

    다음 업무는 앞선 성과에서 시작합니다.

    유용한 기록을 다음 담당자가 활용할 수 있게 합니다. 보관과 접근 규칙을 지키면서 이전 업무의 성과를 이어갑니다.

    팀이 다시 활용할 수 있는 지식

사람과 AI가 함께 일하려면, 일의 맥락도 이어져야 합니다.

무엇을 끝낼지, 어떤 자료와 도구를 쓸지, 누가 결과를 확인할지 정합니다. 담당자나 도구가 바뀌어도 그 목적과 판단, 진행 상태가 이어지는 업무 환경을 만듭니다.

플랫폼 구성 살펴보기

같은 기반 안에서 맡는 역할

함께 보는 업무

ATF Works는 프로젝트와 일감, 문서와 업무 기록을 다룹니다. 사람과 AI가 맡은 일과 결과를 같은 과제에 연결하는 공통 업무 공간입니다.

AI의 실행 환경

Pleroma Harness는 AI가 자료와 도구를 사용하며 작업을 이어가도록 만들려는 데스크톱 환경입니다. 외부 AI 도구를 연결하는 방향도 여기에 포함됩니다.

다음에 쓰는 지식

Company Brain은 원본 자료와 현재 유효한 내용, 접근 권한을 연결하려는 지식 기반입니다. 출처와 수정한 이유가 다음 업무에도 남도록 발전시킵니다.

고객에게 기반을 제공하고, 우리도 그 위에서 일합니다.

고객이 플랫폼을 이용하도록 자료와 도구를 연결하고 운영을 돕습니다. 필요한 결과를 우리 팀에 맡기는 방식도 있습니다. 우리도 이 기반으로 연구와 여러 사업을 직접 수행하려 합니다. 그 과정에서 확인한 방법을 다음 일에 쓰고, 반복해서 필요한 기능을 제품으로 다듬습니다. 맡을 범위와 필요한 전문성, 책임은 과제마다 정합니다.

맡길 업무와 함께할 방식 이야기하기

어떤 일부터 함께할까요?

첫 업무를 논의하기 위한 예시입니다. 실제 고객 사례는 아닙니다. 제공할 자료와 검토할 사람, 맡길 범위를 확인한 뒤 시작합니다.

01AI 도입 기업

한 팀의 주간 업무 정리

AI 계정과 교육은 마련했지만 반복 업무가 그대로 남아 있습니다. 자료 연결과 운영, 결과 검토를 맡을 사람이 필요합니다.

함께 확인할 결과물
진행 상태와 확인할 사항, 근거 자료를 붙인 주간 보고 초안.
시작에 필요한 것
업무 기록과 보고 양식, 자료를 제공하고 결과를 검토할 현업 담당자.
확인할 기준
현업의 지속 사용 여부, 결과 검토 시간, 연결 유지 비용.
사람이 판단할 부분
보고 내용의 확인과 후속 업무 결정.
이 업무로 상담하기
02전문 서비스 회사

범위를 정한 조사 과제 하나

조사와 초안 작성이 반복됩니다. 숙련자는 근거를 다시 찾고 초안을 고치는 데 시간을 씁니다.

함께 확인할 결과물
출처가 붙은 분석 초안, 검토할 쟁점과 빠진 자료.
시작에 필요한 것
고객 자료, 사용이 허용된 이전 결과와 회사의 분석 기준.
확인할 기준
초안 작성과 수정에 든 총시간, 출처와 결론의 일치.
사람이 판단할 부분
프로젝트 책임자의 외부 제출 승인.
이 업무로 상담하기
03제조기업 기술영업

요청서 한 건의 견적 검토 준비

영업과 설계, 구매, 생산 부서의 확인을 기다립니다. 유사 견적을 찾아도 당시 조건을 아는 사람에게 다시 물어야 합니다.

함께 확인할 결과물
고객 요청 조건, 유사 견적과 기술 자료, 부서별 확인 사항과 제안서 초안.
시작에 필요한 것
고객 요청서와 기존 견적, 기술 자료에 대한 접근.
확인할 기준
답변 준비와 검토 시간, 누락된 기술 조건.
사람이 판단할 부분
가격과 납기, 공급 가능 여부의 확정.
이 업무로 상담하기
04품질팀

기록이 확보된 품질 사례 한 건 검토

불량이나 고객 불만이 생길 때마다 생산 기록과 시험 결과, 작업 일지를 다시 모읍니다.

함께 확인할 결과물
관련 기록과 과거 사례, 원인 후보, 추가 확인 사항과 보고서 초안.
시작에 필요한 것
생산 기록과 시험 결과에 대한 접근, 자료를 연결할 범위 확인.
확인할 기준
보고 준비와 검토 시간, 중요한 기록의 누락, 결론을 뒷받침하는 근거.
사람이 판단할 부분
원인 확정과 현장 조치, 출하 판단.
이 업무로 상담하기
05연구팀

연구 질문 하나의 후보와 검증 방법 비교

논문과 특허, 내부 실험 기록은 쌓이지만 다음에 무엇을 확인할지 정하는 데 시간이 걸립니다.

함께 확인할 결과물
후보별 근거와 적용 조건, 남은 불확실성, 먼저 확인할 질문과 작은 검증 방법.
시작에 필요한 것
연구 질문과 기존 자료, 결과를 검토할 분야 전문가.
확인할 기준
조사부터 검토까지의 총시간, 누락 조건, 잘못 제외한 후보.
사람이 판단할 부분
최종 연구 판단과 실제 실험 수행의 책임.
이 업무로 상담하기

모든 업무를
한눈에.

ATF Works는 계획과 프로젝트, 기록, 소통을 하나의 업무 흐름으로 연결합니다. AI는 각자의 접근 권한 안에서 업무를 돕습니다.

현재 제공하는 기능

캘린더

계획과 진행 상황을 한곳에서.

예정된 작업과 완료한 업무를 하나의 캘린더에서 확인합니다. 앞으로 할 일과 실제 진행 결과를 팀이 함께 파악합니다.

  • 예정된 작업과 마감일
  • 완료한 업무와 일일 업무일지
  • 별도 현황 문서 없이 팀 상황 공유

프로젝트

업무에 필요한 배경 정보가 함께합니다.

담당자와 상태, 주요 목표에 따라 프로젝트 업무를 정리합니다. 업무 보드와 전체 프로젝트 계획을 오가며 같은 작업을 이어서 확인합니다.

  • 목록, 보드, 타임라인 보기
  • 프로젝트 주요 목표와 담당자
  • 프로젝트와 함께 보는 문서와 위키

AI 어시스턴트

AI는 접근이 허용된 정보로 일합니다.

접근 권한이 있는 업무에 관해 질문하고, 할 일을 정리하며, 업무일지나 위키 초안을 준비합니다. AI 어시스턴트가 수행하는 작업은 조직에 허용된 권한과 활성화된 기능에 따라 달라집니다.

  • 관련 업무와 기록 찾기
  • 현황 정리와 요약문 준비
  • 기능이 활성화된 경우 정기 작업 예약
ATF Works 열기

보드와 함께 쓰는 기능

  • 일일 업무일지
  • 결재
  • 메시지
  • 공유 위키
  • 문서
  • AI 어시스턴트의 정기 작업

OPEN

외부 에이전트 연동

쓰던 AI를
업무에 연결하세요.

AI 도구를 하나로 고정할 필요는 없습니다. 업무 API와 명령줄 도구를 통해 다양한 에이전트에 필요한 자료를 연결하고, 처리한 결과를 업무 기록으로 남길 수 있습니다.

  • 실행 연결 기능

    Anthropic

    Claude Code

    업무 요청을 코드 작업으로 이어갑니다.

    Claude Code는 터미널과 편집기에서 동작합니다. 프로젝트 파일을 읽고 코드를 고치며 필요한 도구를 실행합니다.

    도구 호출 방식
    Terminal / IDE
    공식 제품 살펴보기
  • 실행 연결 기능

    OpenAI

    Codex

    코딩 에이전트에게 업무의 배경을 전달합니다.

    Codex는 저장소를 살피고 파일을 수정하며 명령을 실행합니다. 명령줄 호출과 개발용 라이브러리로 더 큰 업무 흐름에 연결할 수 있습니다.

    도구 호출 방식
    CLI / SDK
    공식 제품 살펴보기
  • 실행 연결 기능

    Nous Research

    Hermes

    다음 작업에도 필요한 맥락을 남깁니다.

    Hermes는 도구, 지속되는 기억, 재사용할 수 있는 작업 절차를 함께 다룹니다. 한 번의 코딩 작업을 넘어 이어지는 업무를 돕는 에이전트입니다.

    도구 호출 방식
    CLI / Tools / Skills
    공식 제품 살펴보기
  • 업무 API / CLI 확장

    Earendil

    Pi

    일하는 방식에 맞게 에이전트를 바꿉니다.

    Pi는 기능을 확장할 수 있는 코딩 에이전트입니다. 터미널과 프로그램 호출을 지원하며, 확장 기능으로 도구와 작업 흐름을 더할 수 있습니다.

    도구 호출 방식
    CLI / RPC / SDK
    공식 제품 살펴보기
  • 업무 API / CLI 확장

    Prime Intellect

    Prime Agent

    코드 실행과 데이터 분석을 한 작업 안에서.

    Prime Agent는 실행 상태를 유지하는 Python 환경에서 도구와 데이터를 다룹니다. 앞 단계의 변수와 중간 결과를 다음 단계에서 활용합니다.

    도구 호출 방식
    CLI / Python
    공식 제품 살펴보기
  • 업무 API / CLI 확장

    DeepSeek

    DeepSeek Harness

    필요한 도구로 에이전트를 구성합니다.

    DeepSeek Harness는 플러그인으로 실행 환경을 구성합니다. 공식 화면에서 세션, 도구 호출, 실행 기록을 살펴볼 수 있습니다. 현재 개발자 미리보기 단계입니다.

    도구 호출 방식
    CLI / SDK / ACP
    공식 제품 살펴보기
  • 개발 중

    HDATF

    Pleroma Harness

    업무에 맞춰 구성하는 자체 하네스입니다.

    하네스는 AI가 자료와 도구를 사용하고 결과를 확인하는 실행 기반입니다. 하네스는 AI가 수행 방법을 고르고, 작업 상태를 이어가며, 검증 결과로 다음 단계를 개선하도록 설계하고 있습니다.

    도구 호출 방식
    Desktop
    스스로 발전하는 업무 살펴보기
  • 다음에 쓸 에이전트도 열려 있습니다.

    도구를 바꿔도 업무의 맥락은 이어집니다. 프로그램 간 호출 방식인 업무 API나 명령줄 도구를 쓰는 에이전트라면 연결을 확장할 수 있습니다.

ATF Works 연결 방식

Claude Code, Codex, Hermes는 실행 연결 기능이 있습니다. Pi, Prime, DeepSeek Harness는 기본 연결이 아닌 확장 대상입니다. 연결별 설정과 검증이 필요합니다. 제품명과 이미지는 해당 제품을 소개하기 위한 것으로 제휴를 뜻하지 않습니다.

업무 API와 명령줄 도구
업무 API는 다른 프로그램이 업무 기능을 호출하는 연결 방식입니다. 인증된 도구가 허용된 자료를 조회하고, 부여된 권한 안에서 업무를 생성하거나 수정합니다.
승인된 외부 도구를 MCP로 연결
MCP는 AI가 외부 도구를 부르는 공통 규격입니다. 승인된 외부 MCP 서버에서 활성화된 도구를 가져와 사용할 수 있습니다.

WORK APP CONNECTIONS

쓰던 업무 앱을 그대로.
연결은 한 화면에서.

메일, 문서, 일정, 메신저를 업무에 연결하는 범위를 넓히고 있습니다. 아래는 연결 검토 대상이며, 도입할 앱별로 인증과 권한, 실행 가능 여부를 확인합니다.

연결 검토 대상 앱 1482개

1482개 중 24개 표시

  • Gmailcollaboration & communication
  • Google Calendarscheduling & booking
  • Google Drivedocument & file management
  • Google Docsdocument & file management
  • Google Sheetsproductivity & project management
  • Google Chatcollaboration & communication
  • Google Analyticsanalytics & data
  • Google Adminproductivity & project management
  • Outlookcollaboration & communication
  • One drivedocument & file management
  • Share pointcollaboration & communication
  • Exceldata & analytics
  • Microsoft teamscollaboration & communication
  • Microsoft To Doproductivity & project management
  • Microsoft Power Bianalytics & data
  • Slackcollaboration & communication
  • Notionproductivity & project management
  • Confluencecollaboration & communication
  • Jiraproductivity & project management
  • Atlassian MCPproductivity & project management
  • GitHubdeveloper tools & devops
  • Gitlabdeveloper tools & devops
  • Bitbucketdeveloper tools & devops
  • Linearproductivity & project management
1 / 62 쪽

ZDR

Zero Data Retention

AI와 함께 일하세요.
자료 보호의 기준은 그대로.

HDATF는 AI 도입 단계부터 자료 접근 권한, 외부 전송 범위, 보관 정책을 함께 정하겠습니다. 어떤 자료를 어떤 AI와 연결할지 먼저 확인하고, 조직의 기준에 맞춰 업무를 설계하겠습니다.

외부 전송은 범위부터 정하겠습니다
외부 AI를 사용하면 업무 내용이 서비스 밖으로 전송될 수 있습니다. 도입 전에 전송 대상과 자료 범위를 함께 확인하겠습니다. ZDR은 공급자의 보관을 제한하는 설정이며, 전송 자체를 막는 기능은 아닙니다.
AI 공급자의 자료 보관을 제한합니다
관리자가 지원되는 AI 연결에서 ZDR(요청과 응답을 보관하지 않는 정책)을 켤 수 있습니다. 켜면 이 정책을 따르는 모델 연결로만 요청을 보냅니다. 기본으로 켜져 있지는 않습니다.
업무 기록은 권한 안에서 관리합니다
업무 자료와 대화 기록은 서비스에 별도로 저장됩니다. 자료 접근에는 업무 공간의 권한이 적용됩니다. AI 공급자의 ZDR 설정이 이 기록을 지우지는 않습니다.

적용 범위 자세히 보기

ZDR은 지원되는 AI 처리 요청에만 적용됩니다. 외부 도구와 개인 AI 계정의 보관 정책은 다를 수 있습니다. 연결별 로그와 임시 저장 정책은 도입할 때 함께 확인하겠습니다.

ZERO DATA RETENTION

더 넓은 AI 선택.
같은 데이터 보관 기준.

입력과 응답을 보관하지 않는 50개 제공업체의 지원 경로를 연결합니다.

지원 모델과 연결 설정에 따라 적용됩니다. 업무 기록은 별도로 보관됩니다.

큰 시간을 쓰기 전에

큰 시간을 쓰기 전에, 중요한 가정부터 확인합니다.

LabChin은 확인하지 않은 가정과 같은 실패의 반복에 쓰는 시간을 줄이도록 개발하고 있습니다. 연구 방향을 바꿀 수 있는 질문부터 찾고, 판단에 필요한 가장 간단한 확인 방법을 고릅니다. 원문 확인, 작은 계산, 코드 실행, 시뮬레이션, 예비실험 중 필요한 방법을 씁니다.

연구 판단을 돕는 흐름 개발 중

AI가 연구 후보를 정리하고, 시뮬레이션 엔진으로 소재 모델을 비교한 뒤 연구자가 실험할 시료를 고르는 개념 이미지.
시뮬레이션은 필요한 근거를 얻는 방법 중 하나입니다.
  1. 방향을 바꿀 가정을 찾습니다

    기대 효과가 가능한지, 우리 조건과 맞는지, 부작용이 이득을 상쇄하는지 살핍니다. 현재 실험으로 차이를 구분할 수 있는지도 확인합니다.

  2. 작게 확인할 방법을 고릅니다

    원문과 기록, 간단한 계산, 작은 코드, 시뮬레이션, 예비실험 중 필요한 방법을 고릅니다. 실제 측정이 필요한 질문은 AI 설명만으로 끝내지 않습니다.

  3. 근거에 따라 다음 판단을 바꿉니다

    계속, 수정, 보류, 중단 권고를 적용 조건과 함께 정리합니다. 근거가 부족하면 후보를 버리지 않고, 판단 보류와 추가 확인 조건을 남깁니다.

  4. 같은 판단을 다시 검토할 수 있게 남깁니다

    원본 자료, AI의 해석과 코드, 실행 결과, 사람의 수정과 승인을 구분합니다. 실패한 조건과 남은 질문을 기록해 다음 업무에서 다시 확인할 수 있게 합니다.

개발 방향을 설명한 내용입니다. 실제 엔진 연결과 연구 시간 절감 효과는 아직 검증하지 않았습니다. 실제 측정과 중요한 실행은 연구자가 판단합니다.

LabChin의 연구 판단 흐름 보기

경험을 쌓아
스스로 발전하는 업무.

ATF Works의 다음 방향은 Self-evolving work입니다. AI가 검증된 결과로 다음 계획을 고치고, 더 나은 수행 방법을 시험하도록 개발하고 있습니다.

Self-evolving work / 개발 중
사람과 AI가 월간 보고서를 검토하고, 확인한 방법과 근거를 다음 업무에 쓰도록 정리하는 개념 이미지.

확인된 사실에서 시작합니다.

목표와 현재 자료, 관련 경험을 모읍니다. 다음에 끝낼 범위를 정하고 결과를 확인할 기준을 세웁니다.

실제로 달라진 결과를 확인합니다.

산출물과 업무에 반영된 결과를 검사합니다. 부족한 부분은 다음 계획에 담고, 이미 검증한 결과는 유지합니다.

검증한 방법을 다음 일에 씁니다.

더 나은 방법인지 시험한 뒤 재사용합니다. 근거와 변경 이력을 남겨 다음 업무가 검증된 방법에서 시작하도록 합니다.

매달 만드는 보고서가 다음 업무의 출발점이 됩니다.

개발 중인 흐름에서 AI는 이번 달 자료를 확인하고 보고서를 만듭니다. 검토에서 발견한 누락을 고칩니다. 유용한 확인 방법은 시험을 거쳐 다음 달에 다시 쓰고, 숫자는 그때의 최신 자료에서 확인합니다.

개발 방향을 설명한 내용입니다. 사람은 목표를 정하고 중요한 실행을 승인합니다. 개선 대상은 수행 방법, 기억, 산출물입니다. AI 모델이 회사 자료로 스스로 학습한다는 뜻은 아닙니다.

업무가 개선되는 과정 보기

연구에 쓸 시간을,
중요한 확인부터.

LabChin은 ATF Works를 바탕으로 개발 중인 연구 모듈입니다. 큰 시간을 쓰기 전에 중요한 가정을 확인하고, 배움 없는 반복을 줄이는 것이 목표입니다. 판단 근거와 남은 불확실성, 다음 행동을 함께 남겨 연구자가 방향을 정하도록 돕습니다.

연구 모듈 개발 중

연구 예시 살펴보기

밝은 연구실에서 연구자들이 시료와 기록을 검토하는 생성 이미지

하나의 결과와 그 결과를 이해하는 데 필요한 정보.

원본 데이터, 설정값, 실행 이력.

연구 자료와 배경 정보 연결

논문과 시료, 장비, 설정값, 결과를 연결합니다. 자료 사이의 관계를 기록하는 지식 그래프를 통해 결과의 배경과 근거를 파악할 수 있게 합니다.

실행 전에 연구 절차 확인

입출력 데이터 형식을 정한 블록을 조합해 코드를 적게 쓰고 연구 절차를 구성합니다. 실행 전에 각 단계의 출력이 다음 단계에 필요한 입력과 맞는지 확인합니다.

매뉴얼을 바탕으로 장비 연결

장비 문서를 활용해 연동용 블록을 준비합니다. 각 연동은 실제 장비와 운용 한계에 맞는지 별도로 검증해야 합니다.

다음 실험을 제안하는 연구

외부 연구와 이전 실험을 비교해 사람이 검토할 방법을 제안합니다. 해당 분야의 기존 모델을 먼저 활용합니다. 검증된 필요가 남아 있을 때만 학습합니다.

결과에는 그 과정이 함께 남아야 합니다.

원본 파일, 장비 조건, 설정값, 실행 기록을 함께 살펴보는 실험 자료 묶음을 설계합니다.

AI가 준비하고,
사람이 결정합니다.

목표를 세우고 중요한 결정을 내리는 일은 사람이 맡습니다. AI는 정보를 찾고 선택지를 비교하며 기록을 정리하고 빠진 내용을 확인합니다. 중요한 영향을 미치는 작업은 사람이 검토한 뒤 실행하도록 업무 흐름을 설계합니다.

연구자가 AI 어시스턴트와 함께 준비한 논문을 검토하는 생성 이미지
  1. AI가 준비근거와 제안 정리
  2. 사람이 검토승인 또는 수정
  3. 승인된 작업실행과 기록

AI 연구를 계속 읽고 쌓습니다.

에이전트부터 메모리와 머신러닝까지, 살펴본 AI 논문을 모았습니다. 각 논문의 요약과 원문 링크를 함께 제공합니다.

논문 아카이브 보기

논문 제목과 요약은 영어입니다. 논문 번호가 큰 순서이며 발행일 순서는 아닙니다.

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.

하나의 업무로 시작해, 운영을 이어갑니다.

맡길 업무와 예산, 지원 범위를 정합니다. 필요한 자료와 도구를 연결한 뒤, 진행 상황과 사용량, 결과를 계속 확인하는 운영 체계를 함께 만듭니다.

  1. 01

    대상 업무 선택

    정보가 누락되거나 같은 배경을 매번 다시 파악해야 하는 반복 업무를 찾습니다.

  2. 02

    시범 도입 범위 정의

    사용할 데이터와 연동 대상, 참여자, 검토 기준을 함께 정합니다. 구현 전에 범위와 제약을 명확히 합니다.

  3. 03

    운영과 개선

    진행 상황과 결과, 사용량과 비용을 확인합니다. 실패한 부분을 고치고 검증한 방법을 다음 업무에 활용합니다.

업무의 고민을 들려주세요.
함께 연결하겠습니다.

우리 기업의 업무에 맞는 플랫폼 이용과 운영 지원을 이야기해 보세요. 도입 범위와 관리할 업무, 이용 비용을 함께 정하겠습니다.

도입 상담하기