Kore.ai

Artemis는 나머지 모든 것이 돌아가는 토대다. 복잡하고 처리량이 많으며 규제가 강한 워크플로를 위해 만들어졌고, 에이전트는 매번 같게 행동해야 한다. Artemis가 인프라를 맡으므로 팀은 기술 배선이 아니라 업무 로직에서 시작한다. 회사는 설계 목표로 5배 빠른 가치 실현과 무단 에이전트 행동 0건을 내세우며, 컴파일된 중간 표현, 명시적 메모리 계약, 모든 결정에 대한 타입 기반 추적 이벤트로 이를 뒷받침한다.

고객 경험 쪽은 음성과 디지털 에이전트, 에이전트 지원, AI 네이티브 품질 관리를 아우른다. 음성 에이전트는 자연스럽게 말을 주고받고 맥락을 따져 추론하며 자사 시스템에서 실시간으로 행동한다. 에이전트 지원은 통화 중인 상담원에게 실시간 제안과 동작을 전한다. 품질 관리는 사람이 표본으로 확인해 겨우 8%에 못 미치는 범위가 아니라 모든 통화를 채점하고, 컴플라이언스 빈틈과 추세를 드러낸다.

직원 쪽은 엔터프라이즈 검색과 HR용 AI, IT, 채용 에이전트를 묶는다. 엔터프라이즈 검색은 연결된 각 시스템에서 권한에 맞는 실시간 답을 가져오고 그 답이 어디서 왔는지 보여준다. HR 에이전트는 휴가와 문서와 급여 질문을 다루고, IT 에이전트는 비밀번호를 재설정하고 티켓을 분류하며, 채용 에이전트는 지원자를 찾아 걸러내고 일정을 잡는다. 목표는 직원이 한곳에서 묻고 일을 끝내는 것이다. 포털도 티켓도 필요 없다.

검색은 100개 이상의 기성 커넥터를 넘나드는 에이전트형 AI 검색으로 돌아간다. 의미 검색과 키워드 결과를 합치고 다시 순위를 매긴 뒤, 그 사람이 볼 수 있는 것만 남긴다. API와 MCP 기반 도구로 가동 중인 시스템을 직접 조회하므로, 답변이 낡은 색인이 아니라 현재 데이터를 반영한다. 답변은 대화 기록과 연결된 앱, 사용자의 역할에 맞게 유지된다.

ABL은 에이전트의 행동과 도구와 가드레일, 오케스트레이션, 인계 로직을 구조적으로 정의하는 타입 기반의 스키마 주도 언어다. 정책은 LLM 바깥에 있어, 에이전트가 업무와 보안과 컴플라이언스 경계를 넘지 않고 추론할 수 있다. Arch는 자연어 의도를 ABL로 옮기는 내장 솔루션 아키텍트다. 업무 전문가가 기여하고 기술 팀이 검증된 패턴에서 더 빨리 결과를 낸다.

Autoloop은 개선 엔진이다. 에이전트가 배포 준비를 갖추기 위해 충족해야 할 목표를 정하면, 통과할 때까지 구축과 평가와 진단과 재수정을 반복하고, 배포 뒤에도 같은 목표로 계속 검증한다. StateTrace는 실행 경로 전체를 붙잡고, ABL은 실패한 단계를 그것을 만든 구조로 되돌려 연결한다. 그래서 수정이 에이전트 전체가 아니라 원인을 향한다. 컴플라이언스 규칙은 모델 바깥인 엔진 계층에서 적용되고, 에이전트 세션에 100% 관측성을 갖춘다.