새롭게 승인된 AI를 사용할 수 있게 된 기술 인력
기존 승인 접근은 사실상 0
Evidence library
기업용 AI를 바로 사용 가능한 상태로 만드는 지식
Patty는 제품 설명만 하지 않습니다. 실제 운영에서 어떤 기술적 선택이 필요했는지, 어디까지 검증했고, 무엇은 아직 모르는지를 함께 기록합니다.
- 운영 변화Customer
- 검증 방법Method
- 기술 구조System
- 범위와 한계Limits
Patty의 관점
좋은 모델과 작동하는 AI 시스템은 공존해야 합니다.
Patty(주식회사 패티)는 모델 학습, 평가와 거버넌스, GPU 추론 인프라, 업무용 AI 제품을 하나의 기술 체계로 연결합니다.
한국어와 문서, 조직 규칙, 보안 경계를 이해하고 실제 운영까지 책임지는 기업 AI를 만듭니다.
Evidence system
어떤 근거를 공개하는가
서로 다른 질문에는 서로 다른 종류의 증거가 필요합니다.
Reader paths
역할에 따라 읽는 경로
같은 AI 시스템도 책임에 따라 먼저 확인해야 할 질문이 다릅니다.
- 01예시 시나리오 → AI 워크포스 → 거버넌스
경영진
AI 투자가 실제 운영 성과와 책임 구조로 이어지는가
- 02보안 & 거버넌스 → 공개 사양
보안·컴플라이언스
데이터, 모델, 도구 실행과 승인을 어떻게 통제하고 증명하는가
- 03Mirr Code → 기술 모노그래프 → 측정 리포트
엔지니어링
한국어 개발 환경과 레거시 시스템에서 에이전트가 어떻게 일하는가
- 04모델 & 학습 → 추론 & 인프라 → 벤치마크
AI·인프라
모델 학습과 GPU 추론을 어떤 구조와 조건으로 운영하는가
예시 시나리오
금지된 AI에서 통제된 일상 도구로
외부 생성형 AI를 쓸 수 없는 공공 환경을 가정한 예시입니다. 모델 서빙과 코딩 에이전트, 정책과 실행 기록을 내부에 두는 구성을 보여 줍니다.
시나리오 보기- 기술 인력
- 약 70명
- 배포 형태
- 온프레미스 · 통제 네트워크
- 추론
- 내부 분산 GPU 인프라
- 확장 단계
- 전문 에이전트 약 15–20개
선별된 AI 적합 업무의 처리율
전사 생산성이 아닌 코드 이해·테스트·반복 변경 등 수동 기준 비교
낯선 코드베이스의 첫 유용한 이해
이전에는 하루 대부분이 필요한 일부 사례
Research & reports
수치보다 먼저 방법을 공개합니다
결과가 의미 있으려면 무엇을, 어디서, 어떻게 측정했는지와 그 결과가 말하지 못하는 범위가 함께 있어야 합니다.
엔진 내장 에이전트 브라우저의 finished-path 측정
브라우저 엔진 안에 AI 에이전트를 넣는 방식에서, 관찰→분류→파킹→승인→실행의 전체 경로(finished path)를 측정한 결과. 시맨틱 스냅숏은 페이지 크기와 무관하게 ~14–16ms로 flat했고, 통제 사이클 전체가 25ms 미만이었습니다.
리포트 읽기코딩 에이전트 벤치마크 코퍼스 설계
8개 워크로드 클래스로 층화된 e2e 태스크 코퍼스와 SWE-bench Verified 부분집합(50 인스턴스), 컨텍스트 유지 A/B 하네스의 설계 문서. anti-guess 설계와 채점기 검증 규율을 포함합니다.
리포트 읽기Publication standard
우리 리포트는 이렇게 씁니다
하나의 주장을 실으려면 다섯 가지를 적습니다. 누가 말했는가, 무엇을 관찰했는가, 어떤 범위에 적용되는가, 어떻게 재현하는가, 무엇을 아직 주장하지 않는가.
- 01
출처
예시 시나리오, 내부 측정, 공개 연구를 구분합니다.
- 02
조건
기간, 참여자, 하드웨어, 데이터와 빌드를 기록합니다.
- 03
방법
측정 또는 판단이 만들어진 절차를 설명합니다.
- 04
결과
관찰된 변화와 의사결정에 미친 영향을 분리해 적습니다.
- 05
한계
전사 일반화, 인과관계, 인증처럼 증명하지 않은 범위를 명시합니다.
Explore by problem