이런 고민, 하고 계시지 않은가?

사내에 생성형 AI를 도입하고 싶은데, 보안팀에서 자꾸 제동을 건다.

고객 정보나 내부 기밀 문서를 외부 AI 서버에 올려도 되는지 확신이 서지 않는다.

해외 빅테크 AI는 데이터가 국외 서버로 넘어간다는 점부터가 불안하다.

이 글을 읽고 있다면, 아마 지금 이 세 가지 중 하나에 걸려 있을 확률이 높다.

왜 이 이야기를 지금 해야 하는가?

네이버클라우드는 자사의 초대규모 AI 하이퍼클로바X와 보안 인프라 뉴로클라우드를 결합한 서비스를 통해, 이미 한국은행의 전용 생성형 AI 플랫폼을 구축했다.

같은 방식으로 한국수력원자력의 특화 생성형 AI 플랫폼 구축 사업도 수주했고, 미래에셋증권 등 금융권에서도 맞춤형 AI 서비스를 이미 운영 중이다.

보안이 생명인 은행, 발전 공기업, 증권사가 선택한 구조라는 점은 그 자체로 신뢰의 근거가 된다.

하이퍼클로바X, 무엇이 다른가?

1) 한국어와 국내 업무 맥락에 강한 AI

하이퍼클로바X는 해외 AI 모델과 달리 한국어 문서, 국내 법령, 업무 관행을 훨씬 풍부하게 학습한 모델이다.

비유하자면, 영어 원서만 읽고 자란 컨설턴트와, 국내 기업 문화 속에서 커리어를 쌓은 컨설턴트의 차이라고 볼 수 있다.

2) 뉴로클라우드, AI를 '내 집' 안에 두는 방식

일반 클라우드 AI는 질문과 데이터가 외부 서버로 오간다.

반면 뉴로클라우드는 AI 서버 인프라 자체를 고객사 데이터센터 안에 직접 설치하는 구조다.

즉, 질문도 답변도 회사 담장 밖으로 나가지 않는다는 뜻이다.

"AI는 쓰고 싶은데 데이터는 내보내기 싫다"는 모순된 요구를, 인프라 설계로 해결한 것이 뉴로클라우드의 핵심이다.

3) 공공·금융권이 선택한 이유

공공기관과 금융사는 국내에서 가장 엄격한 보안 심사를 통과해야 시스템을 도입할 수 있는 곳이다.

이런 곳들이 뉴로클라우드 포 하이퍼클로바X를 선택했다는 것은, 일반 기업 입장에서도 보안 검증을 상당 부분 대신 받아준 셈이나 마찬가지다.

Before / After로 보는 도입 전후

Before (도입 전)

사내 문서 요약이나 보고서 초안 작성에 생성형 AI를 쓰고 싶어도, 보안팀 검토 단계에서 매번 막혔다.

결국 담당자들은 개인 계정으로 몰래 외부 AI를 쓰거나, 아예 포기하고 수작업으로 처리했다.

해결 과정

전용 인프라(뉴로클라우드)를 사내 데이터센터 또는 지정된 격리 환경에 구축하고, 그 위에서만 하이퍼클로바X를 호출하도록 접근을 제한했다.

외부 인터넷 구간을 거치지 않는 구조로 설계한 것이 핵심이다.

After (도입 후)

보안팀의 승인을 받는 데 걸리는 시간이 크게 줄었고, 실무 부서는 문서 요약, 상담 이력 분석, 초안 작성 같은 반복 업무에 AI를 정식으로 활용할 수 있게 됐다.

무엇보다 "외부 유출 우려" 자체가 논의 테이블에서 빠졌다는 점이 가장 큰 변화다.

하이퍼클로바X는 한국어·국내 업무에 강한 초대규모 AI라는 점,

뉴로클라우드는 그 AI를 외부로 데이터를 내보내지 않고 사내 환경에서 쓰게 해주는 보안 인프라라는 점,

그리고 이미 은행·공기업·증권사 같은 보안 최우선 조직들이 이 조합을 실제로 도입했다는 점,

이 세 가지가 오늘 글의 핵심이다.

이런 기업에는 권하지 않는다.

단순히 "AI가 유행이니까 일단 넣어보자"는 식으로 접근하는 조직에는 이 구조가 과할 수 있다.

데이터 보안이나 내부 통제에 큰 무게를 두지 않는 조직이라면, 뉴로클라우드 같은 전용 인프라보다는 가벼운 퍼블릭 AI 서비스가 더 맞을 수 있다.

반대로 고객 정보, 내부 기밀, 규제 산업 데이터를 다루면서 AI 도입을 진지하게 검토 중인 담당자라면, 이 조합을 검토 목록 맨 위에 올려둘 필요가 있다.

매일 수십, 수백 건의 거래 데이터를 다루면서도 "이걸 정말 안전하게 지키고 있는 게 맞나" 하는 불안을 떨치지 못하고 있을 것이다.

특히 AI 도입을 검토 중인 금융·핀테크 실무자라면, 외부 클라우드 AI에 데이터를 맡기는 순간 발생할 유출 리스크가 제일 먼저 머리를 스쳤을 것이다.

이 글은 세계 최대 은행 중 하나인 JP모건체이스가 수조 달러 규모의 거래 데이터를 어떻게 실시간으로 분석하고, 동시에 외부 유출 위험을 원천 차단했는지 그 구조를 실무 관점에서 정리한 자료다.

지난 몇 년간 빅데이터·AI 도입 컨설팅 사례를 다루며 확인한 바로는,

"얼마나 큰 AI를 쓰느냐"보다 "얼마나 안전하게 통제하느냐"가 실제 도입 성패를 가른다.

1. 수조 달러 거래를 실시간으로 감시하는 이상거래탐지(FDS) 구조

JP모건체이스는 하루에도 수백만 건에 달하는 거래를 처리한다.

과거의 규칙 기반(rule-based) 이상거래탐지 시스템은 정상 거래를 부정거래로 오탐지하는 비율이 최대 95%에 달할 정도로 정확도가 낮았다.

문제는 오탐지 하나하나가 실제 고객 불편과 업무 비용으로 이어진다는 점이다.

오탐으로 인한 손실 비용은 실제 부정거래 손실보다 더 큰 비중을 차지한다는 분석도 있다.

JP모건체이스는 이 문제를 OmniAI라는 자체 플랫폼으로 해결했다.

기존처럼 개별 거래 하나만 보는 게 아니라, 기기 정보·위치·구매 이력·계좌 간 연결 관계·거래 타이밍까지 하나의 네트워크로 묶어 분석하는 방식이다.

거래 하나당 확인하는 행동 신호(behavioral signal)는 5,700개가 넘는다.

타이핑 습관, 위치 패턴, 결제 지시어 문구까지 데이터로 활용한다.

그 결과는 숫자로 분명하게 드러난다.

• 기존 규칙 기반 시스템 대비 약 300배 빠른 이상거래 탐지 속도
• 자금세탁방지(AML) 심사에서 오탐지 약 95% 감소
• 사기 예방·트레이딩·신용 심사 등 전 영역에서 연간 약 15억 달러(약 2조 원) 규모의 비용 절감

핵심은 속도 자체가 아니라 "돈이 여러 계좌를 거쳐 해외로 빠져나가기 전에 잡아낸다"는 데 있다.

예전 시스템은 부정거래를 며칠 뒤에야 발견하는 경우도 있었지만, 지금은 거래가 발생하는 그 순간 위험도를 점수화해서 판단한다.

2. 자산관리(Wealth Management)를 바꾼 사내 AI, LLM 스위트

이상거래탐지가 '방어'의 영역이라면, 자산관리 AI는 '성장'의 영역이다.

JP모건체이스는 2024년 LLM 스위트(LLM Suite)라는 사내 생성형 AI 플랫폼을 자체 개발해 전 세계 임직원에게 배포했다.

현재 전 세계 20만 명이 넘는 직원이 매일 사용하는 규모로 커졌다.

이 플랫폼 안에는 자산관리 부문 전용 도구인 커넥트 코치(Connect Coach)가 있다.

Private Bank 소속 자산관리 어드바이저들이 고객 상담을 준비하고, 투자 아이디어를 정리하고,

시장 리서치 자료를 요약할 때 쓰는 도구다.

비포/애프터로 보면 차이가 확연하다.

• 도입 전(Before): 어드바이저 한 명이 고객 미팅 전 리서치 자료를 취합하고 요약하는 데만 상당한 시간을 투입해야 했다. 고객 수를 늘리고 싶어도 물리적인 시간이 발목을 잡았다.
  
• 도입 후(After): 실적 발표 자료를 분석하고, 재무 문서를 비교하고, 고객 맞춤 프레젠테이션 초안을 뽑아내는 작업이 크게 단축됐다. 직원들은 이 플랫폼 덕분에 주당 3~6시간을 아끼고 있다고 보고한다.

숫자 하나가 이 사례의 본질을 요약한다.

JP모건체이스는 현재 600개가 넘는 AI 활용 사례를 실제 업무에 투입 중이며, 이를 통한 연간 가치 창출 규모는 최대 20억 달러(약 2조 7천억 원) 수준으로 추정된다.

3. "왜 굳이 사내 AI를 직접 만들었나" — 데이터 유출 원천 차단의 이유

JP모건체이스는 왜 ChatGPT나 다른 외부 생성형 AI를 그냥 쓰지 않고,

굳이 막대한 비용을 들여 LLM 스위트를 사내에서 직접 만들었을까?

답은 간단하다.

직원이 외부 소비자용 챗봇에 업무 데이터를 입력하는 순간, 그 데이터가 어디로 흘러가는지 통제할 수 없기 때문이다.

그래서 JP모건체이스는 다음과 같은 원칙을 세웠다.

1) 외부 생성형 AI 사용 원천 금지

직원들이 업무 목적으로 ChatGPT, Gemini 같은 외부 소비자용 AI를 쓰는 것을 금지했다.

대신 사내에서 통제 가능한 환경을 제공했다.

2) 사내 인프라 위에서 여러 AI 모델을 골라 쓰는 구조

LLM 스위트는 특정 AI 모델 하나에 의존하지 않는다.

여러 제공사의 모델을 사내의 엄격하게 통제된 환경 안에서 골라 쓸 수 있도록 추상화 계층을 만들었다.

모델이 바뀌어도 데이터 흐름과 보안 체계는 그대로 유지된다.

3) 데이터 계보(data lineage) 추적이 가능한 구조 설계

어떤 데이터가 어떤 모델에 들어가서 어떤 결과로 나왔는지 끝까지 추적할 수 있어야, 규제 대응과 내부 감사가 가능하다.

JP모건체이스는 이 부분을 사내 개발의 핵심 이유로 꼽는다.

결국 이 전략의 본질은 "AI를 얼마나 화려하게 쓰느냐"가 아니라, "통제할 수 없는 곳에는 절대 데이터를 내보내지 않는다"는 원칙이다.

금융권처럼 데이터 하나의 유출이 곧 신뢰 붕괴로 이어지는 업종일수록 이 원칙은 타협 대상이 아니다.

지금까지 살펴본 JP모건체이스의 AI 전략은 세 가지로 요약된다.

• 수조 달러 거래를 실시간으로 감시하는 이상거래탐지(FDS) 체계
• 자산관리 어드바이저의 업무 방식을 바꾼 사내 생성형 AI(LLM 스위트)
• 외부 유출 리스크를 원천 차단하는 사내 폐쇄형 AI 인프라 설계 원칙

이 세 가지는 따로 노는 게 아니라 하나의 원칙 위에서 움직인다.

"큰 데이터를 다룰수록, 그 데이터를 외부로 내보내지 않는 구조를 먼저 설계해야 한다"는 원칙이다.

단순히 "우리도 AI 도입하자"는 구호 수준의 접근으로는 이런 결과를 만들 수 없다.

데이터 거버넌스, 보안 아키텍처, 실제 업무 프로세스까지 함께 설계할 준비가 안 된 조직이라면, 지금 단계에서는 오히려 무리한 도입을 권하지 않는다.

최근 전 세계적으로 ‘탄소중립’과 ‘디지털 전환’이 화두로 떠오르면서, 전력을 효율적으로 관리하고 자동화하는 기술의 중요성이 더욱 커지고 있다.

180년 이상의 역사를 가진 슈나이더 일렉트릭이 어떤 기업인지 알기 쉽게 알아보고,

세계 최대 IT·가전 전시회인 CES에서 혁신상을 받은 주력 제품들 속 AI와 빅데이터 분석 기술을 집중적으로 살펴보자!

1. 슈나이더 일렉트릭(Schneider Electric)은 어떤 기업인가요? 🏢

• 180년 역사의 글로벌 에너지 기술 리더: 1836년 프랑스에서 설립되어 전 세계 100여 개국에서 약 16만 명의 임직원이 근무하고 있는 초거대 글로벌 기업이다. (2025년 기준 매출 약 400억 유로 달성)
• ‘세계에서 가장 지속 가능한 기업’: 건물, 데이터센터, 공장, 가정 등 전 영역에서 전력화, 자동화, 디지털화를 추진하여 에너지를 절감하는 ‘에너지 기술 파트너’ 역할을 수행한다.
• 통합 IoT 플랫폼 '에코스트럭처(EcoStruxure)': 하드웨어 장비에 AI, 빅데이터 분석 소프트웨어를 연결하여 기기 상태를 실시간 모니터링하고 에너지를 최적화하는 개방형 플랫폼 기술을 자랑한다.

2. CES 혁신상 속 'AI & 빅데이터' 기술 집중 조명 💡

슈나이더 일렉트릭은 스마트 홈과 지속가능성 부문에서 여러 차례 CES 혁신상(CES Innovation Awards)을 수상했다.

그중에서도 AI 알고리즘과 데이터 분석이 핵심이 되는 대표 제품 2가지를 소개한다.

1) 2022 CES 혁신상 2개 부문 수상: 와이저 에너지 센터 (Wiser Energy Center) ⚡

(지속가능성 & 스마트 홈 2개 부문 동시 수상)

• AI 기반 전력 최적화 알고리즘: 집안의 배전반에 인공지능(AI) 알고리즘을 탑재한 차세대 스마트 배전반이다.
  가정 내 가전제품과 연결된 기기들의 전력 소비 패턴 데이터를 실시간으로 수집하고 분석한다.
• 재생에너지 자동 전환 기능: 태양광 등 생산된 재생 에너지를 감지하고, 하루 중 가장 효율적이고 비용이 저렴한 시간대에 재생 에너지로 전원을 자동 전환해 준다.
  소비자는 복잡한 제어 없이도 전기 요금을 아끼고 탄소 배출을 줄일 수 있다.

2) 2023 CES 혁신상 수상: 슈나이더 홈 (Schneider Home) 🏡

(통합 홈 에너지 관리 솔루션)

• 하나의 앱으로 제어하는 데이터 생태계: 스마트 배전반(Pulse), 가정용 배터리(Boost), 태양광 인버터(Inverter), 전기차 충전기(Charge)를 하나로 결합한 솔루션이다.
• 지능형 에너지 오케스트레이션: 가정 내 전력망, 태양광, 배터리, EV 충전 간의 전력 흐름 데이터를 시각화하고 AI 알고리즘으로 자동 제어한다.
  예를 들어, 실시간 기상 예보 데이터와 전력 요금제를 분석하여 누진세나 피크 시간대를 피하고 전기차를 저렴하게 충전하도록 최적화해 준다.

(※ 이 외에도 폐그물 및 폐플라스틱을 100% 재활용한 스마트 스위치 '머튼 오션 플라스틱'과 '오데이스 서스테이너블' 등 환경을 생각하는 친환경 기술로 CES 혁신상을 다수 수상했다.)

슈나이더 일렉트릭은 단순한 전기 장비 제조사를 넘어, 복잡한 전력 데이터를 AI와 빅데이터로 분석하여 일상 속 에너지 자립과 탄소 절감을 실현하는 기술 혁신 기업이다.

우리 집 전기 요금을 스마트하게 아끼고 지구 환경까지 지키는 AI 스마트 홈 기술의 미래가 더욱 기대된다!

밤늦게까지 부서마다 흩어진 데이터를 엑셀로 취합하고, 정작 필요한 답은 하루 지나서야 나온다.

누가 어떤 데이터에 접근했는지조차 파악이 안 돼서, 감사 시즌마다 식은땀을 흘린다.

지금 이 글을 읽고 있다면, 아마 이런 상황 중 하나에 놓여 있을 것이다.

지난 몇 년간 수많은 기업의 데이터 아키텍처 전환 프로젝트를 지켜보면서 확인한 사실이 하나 있다.

데이터가 많다고 경쟁력이 생기는 게 아니라, 그 데이터를 누가 얼마나 빠르고 안전하게 꺼내 쓸 수 있느냐가 진짜 격차를 만든다.

이 글을 3분만 투자해서 읽으면, 데이터브릭스가 왜 단순한 '빅데이터 툴'이 아니라 데이터 인텔리전스 플랫폼으로 불리는지, 그리고 우리 회사에 적용했을 때 어떤 문제가 실제로 풀리는지 명확히 그려질 것이다.

1. RAG·LLM 기반으로 사내 데이터를 곧바로 질문-답변 형태로 활용하는 법
2. Unity Catalog로 부서별·직급별 접근 권한을 세밀하게 통제하는 구조
3. Clean Rooms로 외부 파트너와 데이터를 공유하면서도 원본은 노출하지 않는 방법

이런 답답함, 낯설지 않을 것이다.

데이터 웨어하우스에는 데이터가 쌓여 있는데, 정작 그걸 꺼내 쓰려면 IT팀에 요청하고 며칠을 기다려야 한다.

그 사이 의사결정 타이밍은 이미 지나가 버린다.

거기다 개인정보나 계약 정보처럼 민감한 데이터는 누구에게 어디까지 보여줘도 되는지 기준조차 명확하지 않다. 사고가 터지고 나서야 접근 이력을 뒤늦게 확인하는 조직이 여전히 많다.

본질적인 문제 해결책: 데이터브릭스가 다르게 접근하는 지점

1) RAG와 LLM으로, 데이터를 '질문'하는 방식으로 바꾼다.

기존 방식은 분석가가 SQL을 짜고, 리포트를 만들고, 그걸 다시 현업이 해석하는 몇 단계를 거친다.

데이터브릭스는 사내 데이터를 검색 가능한 형태로 정리한 뒤, 이 데이터를 대형언어모델(LLM)에 연결한다.

쉽게 말하면, 도서관 사서에게 책 제목을 하나하나 알려주지 않아도,

"지난 분기 이탈 고객 중 재구매율이 높았던 요인이 뭐야?"라고 물으면 관련 자료를 찾아 답을 만들어주는 구조다.

이 과정을 RAG(검색 증강 생성)라고 부르는데, 핵심은 모델이 엉뚱한 답을 지어내지 않고 실제 사내 데이터에 근거해 답하도록 만드는 데 있다.

2) Unity Catalog: 누가, 무엇을, 어디까지 볼 수 있는지 하나의 기준으로 관리한다.

여러 팀이 각자 다른 도구로 데이터를 다루면, 권한 관리도 도구마다 따로 놀게 된다.

Unity Catalog는 이 흩어진 권한 체계를 하나의 통제탑으로 모아준다.

예를 들어 마케팅팀은 고객 세그먼트 데이터만 보고, 재무팀은 매출 데이터에만 접근하도록 세밀하게 나눌 수 있다.

누가 언제 어떤 테이블을 조회했는지 기록(데이터 계보, Lineage)도 자동으로 남기 때문에, 감사 대응이나 사고 원인 추적이 훨씬 수월해진다.

3) Clean Rooms: 데이터는 안 넘기고 협업만 가능하게 한다.

외부 광고 파트너나 협력사와 데이터를 맞춰봐야 할 때, 원본 데이터를 그대로 넘기는 건 늘 리스크였다.

Clean Rooms는 각자의 원본 데이터는 자기 환경에 그대로 둔 채, 정해진 계산 결과만 공유하는 방식이다.

비유하자면, 서로의 집 열쇠는 주지 않고도 필요한 물건만 안전하게 교환하는 창구를 만들어주는 셈이다.

실제 적용 사례: Before & After

기존 방식(Before) 한 유통 기업은 각 지점 데이터를 따로 관리하다 보니, 본사에서 재고 현황 하나를 확인하는 데 담당자에게 매번 요청하고 답을 기다리는 데 평균 2~3일이 걸렸다.

민감한 매출 데이터에 누가 접근했는지도 사후에 로그를 뒤져야만 알 수 있었다.

개선 방식(After) 데이터를 한곳에 통합하고 Unity Catalog로 접근 권한을 재정비한 뒤, 현업 담당자가 직접 챗봇 형태로 재고·매출 질의를 하는 구조로 바뀌었다.

결과적으로 확인 시간이 2~3일에서 즉시 조회 수준으로 줄었고, 접근 권한 관리도 부서장이 대시보드에서 한눈에 확인할 수 있게 됐다.

데이터브릭스의 본질은 '데이터를 더 많이 모으는 것'이 아니라,

모은 데이터를 안전하게, 그리고 즉시 쓸 수 있게 만드는 것이다. RAG·LLM은 활용 속도를, Unity Catalog와 Clean Rooms는 통제력을 담당한다.

단순히 유행이라서, 혹은 경쟁사가 도입했다는 이유만으로 접근하는 조직에는 이 방법이 맞지 않는다.

데이터 거버넌스 없이 도구만 바꾼다고 문제가 풀리지는 않기 때문이다.

데이터 통제 구조부터 제대로 설계하고 싶은 조직만 다음 단계를 살펴보길 권한다.

1. HL 디앤아이한라는 어떤 기업일까? 🏢

• 역사와 사업 영역: HL 디앤아이한라는 1980년에 설립되어 건축, 주택, 토목, 플랜트, 환경 등 다양한 분야에서 대한민국 인프라 구축을 이끌어온 종합건설회사다.
• 주거 브랜드: 오랜 기간 사랑받아온 '한라비발디'를 비롯해, 최근에는 첨단 기술과 젊은 감각을 담은 차세대 프리미엄 주거 브랜드 '에피트(EFETE)'를 새롭게 선보였다.
• 사명 변경과 도약: 2022년 9월 '㈜한라'에서 'HL D&I Halla(HL 디앤아이한라)'로 사명을 변경하였으며, 건설 본업의 경쟁력을 더욱 강화하는 동시에 IT·로봇·스마트 주거 서비스 등 비건설 및 신사업 분야로 영역을 확장하고 있다.

단순히 건물을 짓는 데 그치지 않고, 인공지능(AI)과 빅데이터 기술을 융합한 지능형 주거 공간과 자율주행 기술을 선보이며 미래형 스마트 플랫폼 기업으로 거듭나고 있다.

2. CES 2026 혁신상 4관왕! AI & 빅데이터 분석 기술 🤖📊

HL 디앤아이한라는 세계 최대 가전·IT 전시회인 CES 2026에서 2개 제품으로 총 4개 부문 혁신상을 수상하며 글로벌 무대에서 기술력을 입증했다.

① 자율주행 AI 로봇 '디봇픽스(DivotFiX)'

• 수상 부문: 로보틱스(Robotics), 어드밴스드 모빌리티(Advanced Mobility)
• AI 정밀 영상 분석: 골프장 페어웨이에서 발생한 잔디 손상 부위(디봇)를 AI 기반 정밀 영상 인식·분석 기술로 정밀하게 탐지
• 빅데이터 기반 자율주행: 방대한 지형·위치 데이터를 바탕으로 로봇 스스로 최적의 이동 경로를 판단하여 보수 작업을 자율적으로 수행합니다. 주야간 무인 운행이 가능해 필드 관리의 효율성과 안전성을 극대화했다.

② 차세대 지능형 주거 플랫폼 '터치에이치엘 AI하우스(TouchHL AI House)'

• 수상 부문: 모바일 디바이스 및 액세서리(Mobile Devices and Accessories), 스마트 홈(Smart Home)
• 행동 데이터 & 패턴 학습: 스마트홈 전문기업 코콤과 공동 개발한 지능형 플랫폼으로, 거주자의 행동 데이터와 생활 패턴을 AI가 스스로 학습합니다. 학습된 데이터를 바탕으로 실내 온도, 조명, 공기질, 에너지 소비 등을 자동으로 최적화
• 맥락 인식 및 능동형 제안: 정해진 음성 명령 이행을 넘어, "집이 너무 덥네"라는 거주자의 말에 현재 온도를 파악하고 "에어컨을 켤까요?"라고 응답하며 상황 맥락을 이해하고 능동적으로 주거 환경을 제안
• LLM & 로컬 AI 융합: 대화형 AI 월패드인 'AI Butler'에 거대언어모델(LLM)과 로컬 AI 서버 기술을 결합하여 개인정보 보호를 강화하고 응답 속도를 혁신적으로 향상시켰습니다. 향후 빅데이터 분석을 통해 세대별 에너지 절감 솔루션까지 통합 확장할 계획

HL 디앤아이한라는 건설 현장의 안전 관리는 물론, 거주자의 일상과 골프장 필드 관리에 이르기까지 AI 영상 인식, 빅데이터 학습, 자율주행 기술을 다방면으로 접목하고 있다.

전통 건설 산업과 첨단 IT 기술이 결합한 미래 주거 라이프스타일이 앞으로 더욱 기대되는 이유다!