AST의 솔루션은 어디까지 진행되었을까요?

매뉴얼, 도면, 제안서, 계약서, 기술 문서, 운영 이력까지. 기업에는 이미 수많은 데이터가 있습니다. 그런데 막상 문제가 생겼을 때 필요한 답을 찾는 데는 여전히 시간이 오래 걸립니다.

AST(에이에스티홀딩스)는 이 문제를 풀기 위해 기업용 AI 엔진 Quanton AI(퀀튼 AI)를 개발하고 있습니다. 그리고 한 가지 원칙을 세웠습니다. 우리가 매일 쓸 수 없는 AI라면 고객에게도 권하지 않는다. 그래서 AST는 Quanton의 개발사이자 첫 번째 고객입니다.

이번 글에서는 Quanton을 기반으로 한 세 갈래의 솔루션이 지금 각각 어느 단계에 와 있는지, 숫자와 그림으로 살펴봅니다.

엔진: "그럴듯한 답"이 아니라 "믿을 수 있는 답"

Quanton AI는 기업 안에 흩어진 데이터와 시스템을 연결해, 필요한 정보를 자연어로 찾고 활용하게 해 주는 기업용 AI 솔루션입니다. 지금 AST에서는 제안서 작성, 기술 문서 검색, 번역, 개발 업무에 Quanton을 실제로 쓰고 있습니다.

생성형 AI를 업무에 들일 때 기업이 가장 먼저 묻는 질문은 세 가지입니다. 우리 데이터가 밖으로 나가지 않는가, 답을 믿을 수 있는가, 특정 회사 모델에 묶이지 않는가. Quanton은 이 세 질문에 대한 답으로 설계되었습니다.

특히 두 번째 원칙이 중요합니다. Quanton은 회사 문서를 근거로 답하고 출처를 함께 보여 줍니다. 문서에 답이 없으면 그럴듯하게 지어내지 않고 "자료에 없다"고 답합니다. 업무용 AI에서는 모르는 것을 모른다고 말하는 능력이 정확도만큼 중요하기 때문입니다.

적용 1: 클릭 대신 질문으로 쓰는 Quanton Geo

도시 규모의 디지털 트윈에는 의사결정자에게 필요한 답이 들어 있습니다. 문제는 그 답에 도달하려면 메뉴, 필터, 레이어, 그리고 GIS 전문 지식이 필요하다는 점입니다. 그래서 고가의 트윈이 일상적인 의사결정 도구가 아니라 발표용 배경에 머무는 일이 많습니다.

AST는 Quanton Geo를 사우디아라비아의 KSA Digital Twin 플랫폼(메디나·메카 아마나)에 통합했습니다. 사용자는 3D 트윈 위의 채팅 패널에 한국어, 영어, 아랍어로 질문하면 됩니다. Quanton Geo가 필요한 작업을 판단해 트윈을 조작하고, 데이터를 조회하고, 결과를 지도에 바로 보여 줍니다.

인용. 출처: AST Holdings Digital Reality Labs, 백서 「디지털 트윈과 대화하다」(2026.10), 그림 1

"메디나에서 공원이 가장 적은 지구는?"이라는 질문을 예로 들어 보겠습니다. 기존에는 트윈을 열고, 분석 메뉴에 들어가고, 아마나와 필터를 설정한 뒤, 지구를 하나씩 확인하고 기록해서 비교해야 했습니다. Quanton Geo에서는 한 문장이면 됩니다. 답변에는 근거가 된 수치와 인접 지구 비교가 함께 붙고, 지도는 해당 지구로 이동합니다.

한 번의 요청에서 세 가지 역할

역할	사용자 질문	Quanton Geo의 응답
트윈 운영자	"3D 건물을 보여주고 CCTV 카메라를 켜줘."	실시간 트윈의 레이어, 필터, 패널, 카메라를 변경
데이터 분석가	"공원이 가장 적은 지구는 어디야?"	플랫폼 데이터를 조회·분석해 수치와 함께 답변
어드바이저	"새 공원을 지을 지구를 추천하고 그곳으로 이동해줘."	후보 순위와 근거를 설명한 뒤 필터 적용, 지도 이동

어떻게 연결되어 있나: 모든 기능은 '도구'

Quanton Geo는 플랫폼의 인터페이스를 대체하지 않습니다. 사용자와 똑같은 방식으로 인터페이스를 조작합니다. 지도 레이어, 카메라, 필터 같은 프론트엔드 동작과 자산·인구·CCTV 같은 백엔드 데이터 조회를 각각 AI가 호출할 수 있는 도구(Tool)로 정의하고, 온프레미스 언어 모델이 요청마다 어떤 도구를 어떤 순서로 쓸지 판단합니다.

인용. 출처: 백서 「디지털 트윈과 대화하다」(2026.10), 그림 2

인용. 출처: 백서 「디지털 트윈과 대화하다」(2026.10), 그림 3

이 구조 덕분에 기존 플랫폼 컴포넌트는 하나도 바꾸지 않습니다. 트윈에 새 모듈이 추가되면, 그 모듈의 동작을 도구로 노출하는 것만으로 대화에 합류합니다.

적용 2: 매뉴얼 번역에 들어간 Quanton Translate

AST의 출발점은 매뉴얼입니다. 제품 주기는 짧아지고 다국어 매뉴얼 물량은 늘어나는데, 번역 예산과 일정은 그만큼 늘지 않습니다. 동시에 번역 시장은 이미 "AI 초벌 번역 + 전문가 감수(MTPE)" 구조로 바뀌었습니다.

다만 매뉴얼에는 아직 발표되지 않은 제품 정보가 담기는 경우가 많아, 외부 클라우드 번역에 그대로 맡기기 어렵습니다. 그래서 AST는 사내 인프라 안에서만 동작하는 소버린 AI 번역 엔진 Quanton Translate를 검증하고 있습니다. 데이터와 모델, 보안 통제권을 모두 조직 안에 두는 방식입니다.

검증 결과: 초벌 번역으로는 기대 이상

AST는 자사 TM 번역과 Quanton Translate를 실제 매뉴얼 원문으로 비교 검증하고 있습니다.

아직 남은 과제도 분명합니다. 현재 버전은 여러 언어를 요청하면 한 언어씩 순차적으로 번역하고, 작업 도중 개별 언어만 취소하거나 우선순위를 바꾸는 기능은 없습니다. 이런 부분은 다음 고도화 단계에서 다룰 항목입니다.

다음은 어디로 가나요?

Quanton Geo 쪽은 제다를 시작으로 서비스 도시를 넓히고, 분석 출발점을 말로 지정하는 기능과 질문하기 전에 주목할 패턴을 먼저 알려 주는 선제적 인사이트로 나아갑니다. Quanton Translate 쪽은 사내 TM 정제, 용어집 자동 매핑을 거쳐 "AI 번역 → AI 리뷰 → 사람 승인 → 학습"으로 이어지는 순환 구조를 완성하는 것이 목표입니다.

정리하면, Quanton AI는 AST 안에서 이미 매일 쓰이는 엔진이 되었고, Quanton Geo는 해외 공공 플랫폼에 통합되어 운영 단계에 들어섰으며, Quanton Translate는 실제 매뉴얼로 품질을 검증하는 단계에 와 있습니다. 세 영역 모두 같은 원칙을 따릅니다. 데이터는 고객 안에 두고, 답에는 근거를 붙이고, 직접 써 보고 검증한 것만 내놓는다는 원칙입니다.

SOURCES

1. AST Holdings, 「Quanton AI 소개」 (2026)
2. AST Holdings Digital Reality Labs, 백서 「디지털 트윈과 대화하다」 (2026.10) — 본문 인용 그림 3점
3. AST Holdings, 「소버린 AI 번역 엔진 검토」 및 1·2차 품질 검증 결과 (2026)

그림 1~6(IG1~IG6)은 위 자료를 바탕으로 AST가 재구성한 인포그래픽입니다.