도입 사례
제조부터 금융 · 공공까지실제 도입된 DARVIS 사례
원인을 찾는 일은 보통 회의 몇 번과 몇 주짜리 조사가 됩니다.
원가 사례에서는 분석 한 건이 81~453초에 돌았습니다. 사례마다 전문 보기로 진행 흐름을 확인하세요.
- 118건종결된 분석 · 실행 161건 중 · 실패 0
- 4~6주첫 도입 기간
- 5단계감지 → 근거
대표 사례
실제 프로젝트 결과
원가 · 주문 전수 재계산
원인을 찾는 데 3시간,그때는 이미 결정이 끝난 뒤였습니다
품목 899개를 사람이 다 볼 수 없어 상위 몇 건만 보던 자리를, 전부 훑어 매달 놓치던 건을 찾아냅니다.
한 사업부에서 사람이 못 보던 손실
식품 제조 대기업 한 사업부 · 2026| 새는 돈 | 전에는 | 지금은 | 막을 수 있는 돈 (연, 시나리오) |
|---|---|---|---|
| 늦게 알아서 새는 돈 | 손실 확정 뒤에 앎 | 확정 전에 매일 알림 | 1,300만 |
| 못 찾아서 새는 돈 | 상위 5건만 사람이 봄 | 품목 899개 전부 훑음 · 월 약 17건 추가 발견 | 6,000만 |
| 찾느라 쓰는 돈 | 원인 한 건 3시간 · 재고 확인 30분 | 5분 | 3,850만 |
| 합계 | 한 사업부 · 월 약 930만 원 | 약 1.1억 |
시간·건수는 실측, 금액은 거기에 보수적 가정(인건비·건당 손실)을 곱한 시나리오입니다. 돌려받은 돈이 아니라 막을 수 있는 돈입니다. 회사명은 익명 처리했습니다.
이 숫자는 다음 견적 전, 다음 발주 전에 바뀝니다.
합계는 흑자인데, 주문 한 건씩 보면 팔수록 손해가 섞여 있었습니다
주문을 한 건 단위로 다시 세운 뒤에야 적자 구간이 드러났습니다. 판관비 배부를 빼고 직접원가만 봐도 같았습니다. 건수 · 비율 · 금액은 고객 자료라 공개하지 않습니다.
원가 손실 화면 보기공장 출고 능력(케파)과 센터 재고일수를 같이 봐, 이고를 사람이 승인하는 흐름으로
여러 물류센터의 건과·빙과 카테고리를 대상으로 생산할당·공장 이고·임박재고 에이징을 한 화면에서 봅니다. 할당·이고 추천 화면, 설정 페이지(센터별 공장 우선순위·케파), STO(재고 이동 지시) 연동까지 만들었고, 본계약 후 현업 테스트 중이며 2026-10 실오픈 예정입니다.
재고 손실 화면 보기- 전자부품
AI 에이전트 3종 PoC 완주
사내 챗봇 · DB 동기화 자동화 · 설비명 자동 검증. 세 과제를 같은 방식으로 풀었습니다.
I사 사례 전문 보기 - 시스템 반도체
109개 실무 질문으로 2주 만에 검증
24시간 공장에서 계속 바뀌는 매뉴얼을, 현장이 묻는 말 그대로 검증했습니다.
반도체 대기업 사례 전문 보기 연매출 1조 기업의 문서를 질문 하나로
사내 시스템마다 흩어져 있던 문서를 3단계로 검증해 하나의 답으로 모았습니다.
글로벌 부품 대기업 사례 전문 보기측정장비 데이터에서 감사 통과 보고서까지
적격성평가 보고서를 사람 손을 거치지 않고 만들 수 있는지 검증했습니다.
제약 제조 사례 전문 보기- 자동차 부품
자재 계획 검증을 실시간으로
분산된 시스템을 챗봇 하나로 연결, 데이터 맥락 통합.
W사 사례 전문 보기 예측 모델 해석부터 전사 데이터 통합까지
모델이 왜 그렇게 답했는지를 사람이 읽을 수 있게 만드는 데서 시작했습니다.
해운 대기업 사례 전문 보기- 금융 데이터
SQL 사용자 150명이 자연어로 지표를 찾습니다
1.5개월 PoC에서 Text-to-SQL, 프로파일 자연어 검색, 보고서 자동화, 권한 관리를 확인했습니다. 정량 효과는 측정 중입니다.
K사 사례 전문 보기 - 공공 행정
행정 응대 시간 단축
반복 행정 업무를 AI 챗봇이 흡수, 응대 시간 단축.
공공기관 사례 전문 보기
공통 절차
모든 사례가 같은 다섯 단계를 지납니다
이상 신호 감지
평소 범위를 벗어난 항목을 먼저 표시해, 어디부터 볼지 정합니다.
읽기 전용 연결
ERP · MES · 원가 시트를 읽기 전용으로 잇습니다. 기존 시스템 수정과 재배포가 없습니다.
주문 단위 재계산
원가를 주문 · 품목 단위로 다시 세웁니다. 집계값이 아니라 낱건에서 출발합니다.
변동 기여도 분해
지난달과 비교해 어떤 요인이 얼마나 밀었는지 금액으로 분해합니다.
근거 정리
모든 답에 어느 표 · 어느 열에서 나왔는지 근거를 붙여 전달합니다.
2026년 8월 기준 내부 실행 로그에서 관찰한 값: 분석 한 건의 실행 시간은 81~453초, 한 질문당 제시되는 원인 후보는 평균 2.38개입니다. 실행 시간과 후보 개수는 관찰값이며, 절감액이나 회수액을 뜻하지 않습니다.
다른 도구와의 차이
BI 도구와의 차이
BI는 지표를 보여줍니다. 여기서는 지표가 범위를 벗어나면 먼저 알리고, 기여도와 근거를 함께 남깁니다.
SI 컨설팅과의 차이
SI는 기존 시스템을 고칩니다. 여기서는 시스템을 건드리지 않고 읽기만 해서 분석합니다.
엑셀 수작업과의 차이
마감마다 사람이 다시 계산하던 것을, 같은 기준으로 매달 반복 실행합니다.
숫자를 읽는 법: 사례의 수치는 해당 현장의 데이터를 다시 계산해 관찰한 값입니다. 우리가 회수한 금액이 아니므로 절감액 · ROI 로 읽지 마십시오. 성과 수치는 귀속 검증이 끝난 뒤에 공개합니다.