데이터 중앙집중화
AI 네이티브 컴퍼니가 SaaS·노션·메일·드라이브에 흩어진 사내 데이터(프로젝트·고객·매출·일정·녹취·메일·명함)를 단일 ERP/데이터베이스로 모아 LLM 에이전트가 누락 없는 컨텍스트로 분석·실행하도록 만드는 설계 원칙.
정의
LLM 에이전트의 출력 품질 = f(컨텍스트 완전성). 회사 데이터가 N개 SaaS에 파편화되어 있으면 에이전트는 매번 사람이 요약·전달해 주는 부분 컨텍스트로만 일하게 된다. 데이터를 단일 시스템(자체 ERP, 워크스페이스 DB 등)으로 모으면 페어링-에이전트가 즉시 풀 컨텍스트로 컨설팅·분석·실행을 수행한다.
윤자동 사례 (윤비서)
| 데이터 종류 | 출처 | 적재 방식 |
|---|---|---|
| 미팅 녹취 | Plaud 녹음기 | Zapier 자동 전송 |
| 프로젝트·고객 | 자체 입력 | 윤비서 UI |
| 매출 | 자체 입력 + 홈택스 API | 자동 동기화 |
| 메일 | Gmail | API 연동 |
| 일정 | Google Calendar | 양방향 동기화 |
| 명함 | 사진 OCR | Google Contacts API |
| 파일 | Google Drive API | 폴더 자동 매핑 |
| 입금 | 은행 앱 푸시 | 푸시 캐치 → API |
| 개발 작업 | GitHub | 푸시 기반 일일 보고 |
→ Claude-Code가 윤비서에 연결되어 매출 분석·미팅 후속 전략·계약 실패 원인 분석을 풀 컨텍스트로 수행한다.
핵심 원리
“데이터가 모여 있어야 된다. 컨텍스트가 중요하다라는게 정말 중요한 거 같아요.” — 윤용승
- 요약 전달 ≠ 풀 컨텍스트 — 사람이 요약하면 항상 일부 누락
- 단일 DB → 다중 에이전트 — 한 곳에 모이면 여러 에이전트가 공유 가능
- 데이터 정리는 AI 활용의 1단계 — AI 네이티브가 깔끔하게 작동하는 회사의 첫 조건이 “데이터가 이미 깔끔히 정리되어 있음”
보안·권한 설계
중앙 집중화는 권한 분리와 함께 가야 한다. 윤비서는 채널별·아이디별로 노출 데이터를 분리:
- 직원 급여·인사 정보 → 경영진만
- 채널별 에이전트 권한 분리 → Slack 채널마다 다른 도구 노출
- 삭제 등 민감 동작 → confirm 단계 필수
관련 개념
- AI-네이티브-vs-AI-어시스티드 — 데이터 중앙집중화는 AI 네이티브의 전제조건
- 페어링-에이전트 — 중앙 데이터를 활용하는 에이전트
- 기억-비의존-시스템 — 중앙 데이터로 사람의 기억 의존을 제거
- AI-컨텍스트-동기화 — 인접 개념 (벡터·임베딩 동기화)
- MCP-모델-컨텍스트-프로토콜 — 다중 데이터 소스 통합 프로토콜