추진 배경
뉴스룸은 AI 업계 기사를 매주 1,000건 넘게 모아 요약합니다(과정은 AI 뉴스룸 업무 자동화 사례에 정리했습니다). 요약 글은 그 주의 큰 소식을 알려 주지만, 기사 사이의 연결은 알려 주지 않습니다. "이번 주 OpenAI와 관련된 회사는 어디인가", "국내 대기업 가운데 해외 AI 회사와 손잡은 곳은 어디인가" 같은 질문에 답하려면 여전히 기사를 모두 읽어야 했습니다.
기업의 사정도 같습니다. 경쟁사·고객사·협력사 소식은 기사와 보고서에 흩어져 있고, 담당자가 바뀌면 그동안 읽은 맥락도 함께 사라집니다. 젠아이랩스(GenAI Labs)는 이 문제를 지식그래프로 푸는 솔루션을 제안하는 회사로서, 먼저 자사 뉴스 데이터에 적용해 효과와 한계를 확인했습니다.
구축 조건
- 근거 기사가 없는 관계는 싣지 않음모든 관계는 원문 기사에 연결되고, 다른 AI의 확인을 통과해야 화면에 올라감
- 매일 실행하는 작업은 AI 호출 없이기사가 늘어도 비용이 늘지 않게, 매일은 이름 사전 매칭만 하고 AI는 주 1회만 씀
- 본 업무와 분리지식그래프 추출이 실패해도 주간 글 발행에는 영향이 없어야 함
- 그래프를 해석하지 않아도 이해되는 화면방문자가 점과 선을 해석하지 않아도 답이 보여야 함
구축 방법
데이터는 네 종류의 개체(회사·모델·인물·제품)와 그 사이의 관계(누가 · 무엇을 · 누구와), 관계마다 붙는 근거 기사와 주차로 이루어집니다. 이 틀을 정해 두면 기사 한 건이 "OpenAI → 출시했다 → GPT-6" 같은 한 줄로 바뀌고, 여러 주의 기사가 같은 회사를 중심으로 이어집니다.
기사 한 문장이 관계가 되기까지
실제로 처리된 세 건입니다. 왼쪽은 Claude가 기사에서 뽑은 관계, 오른쪽은 OpenAI가 근거 기사와 대조해 내린 판정과 그 이유(남긴 기록 그대로)입니다.
근거 기사'제미나이 3.8 라이브' 라이브 아바타 탑재…실시간 대화형 영상 AI 에이전트
Claude 추출Google Cloud → 출시했다 → Gemini 3.8 Live
고쳐서 저장Google Cloud → 출시했다 → 라이브 아바타 기능"Gemini 3.8 Live 자체가 아니라 그 '라이브 아바타' 기능의 일반 제공을 발표했습니다."
근거 기사Meta’s Muse just stole the AI spotlight from OpenAI and Anthropic
Claude 추출OpenAI → 경쟁한다 → Anthropic
제외근거 부족"같은 시기에 모델을 발표했다는 언급은 있으나 '경쟁한다'는 관계를 직접 명시하지 않습니다."
근거 기사NarrateAI: production-ready LLM quality assurance on Amazon Bedrock
Claude 추출NarrateAI → 기반으로 한다 → Amazon Bedrock
그대로 통과근거 확인"NarrateAI가 Amazon Bedrock 위에서 동작한다고 명시되어 있습니다."
두 번째 예처럼 그럴듯하고 상식에 맞는 관계도, 그 기사에 적혀 있지 않으면 뺍니다. 지식그래프에는 기사에 적힌 내용만 담는다는 규칙입니다.
추출을 두 단계로 분리
매일 단계는 이미 등록된 이름을 기사에서 찾아 언급 수만 집계합니다. 단어 경계를 지키는 문자열 매칭이라 AI 비용이 들지 않습니다. 매주 단계에서만 Claude가 주요 기사 20여 건을 읽고 관계를 뽑습니다.
다른 회사 AI로 교차 확인
뽑은 AI가 자기 결과를 채점하면 같은 실수를 놓치기 쉽습니다. 그래서 확인은 다른 회사의 AI(OpenAI)가 맡습니다. 판정은 그대로 통과·고쳐서 저장·제외 셋 중 하나이고, 이유를 함께 남깁니다.
새 이름은 두 번 나와야 등록
처음 보는 이름은 후보로만 둡니다. 서로 다른 기사 두 건에서 나와야 정식으로 등록하고, 그 다음 날부터 매일 찾는 이름 목록에 넣습니다. 한 번의 잘못된 추출이 그대로 데이터가 되는 것을 막습니다.
질문으로 읽는 화면
점과 선만 있는 그래프로는 무엇을 말하는지 알기 어려웠습니다. 그래서 화면 맨 위에 "새로 확인된 관계는?", "평소보다 많이 언급된 곳은?" 같은 질문 네 개를 두고, 그래프는 직접 찾아보는 도구로 아래에 두었습니다.
결과
2026년 10월 4일 기준, 2026년 4월부터 25주 분의 기사를 정리했습니다(뉴스·논문 합계).
확인 단계가 걸러 낸 것
판정 기록이 남아 있는 2026년 8월 이후 148건을 보면, Claude가 뽑은 관계 가운데 그대로 맞은 것은 59%였습니다. 26%는 주어·대상·관계 이름이 틀려 고쳐서 저장했고, 15%는 근거가 없어 뺐습니다. 추출을 AI 하나에 맡겼다면 열에 넷은 틀렸거나 부정확한 채로 남았을 것입니다.
이름 등록 기준도 같은 역할을 했습니다. 처음에 직접 넣은 40개 말고, AI가 기사에서 새로 찾아낸 이름은 741개였습니다. 이 가운데 두 기사 이상에서 확인되어 등록된 것은 78개(11%)입니다. 나머지는 한 번만 나온 이름이거나 같은 대상을 다르게 부른 것이었습니다.
그래프로 보인 것
기사를 하나씩 읽을 때는 보이지 않던 것들입니다.
관계의 4분의 1이 두 회사에 몰려 있음
확인된 관계 609건 가운데 162건(27%)이 OpenAI나 Anthropic과 이어져 있습니다. 관계가 세 번째로 많은 Google(17건)과 차이가 큽니다. 업계 뉴스가 이 두 회사의 발표와 제휴를 중심으로 움직였다는 뜻입니다.
관계의 3분의 1은 국내 기사에서 나옴
609건 가운데 190건이 국내 매체 기사에서 나왔고, 201건이 한글 이름 개체(삼성전자·업스테이지·KT 등)와 이어져 있습니다. 해외 기사만 보는 동향 서비스로는 보이지 않는 국내 기업의 제휴·도입 관계가 따로 쌓입니다.
경영자 이름의 언급이 먼저 늘면 큰 제휴 소식
9월 넷째 주에 Satya Nadella의 언급이 평소(앞선 4주 평균 0.8회)의 5배인 4회로 뛰었습니다. 기사를 열어 보니 LG 구광모 회장과의 회동으로 이어진 LG–마이크로소프트 AI 협력 확대 소식이었습니다. 회사 이름보다 경영자 이름이 먼저 늘어 제휴 소식을 알려 준 경우입니다.
새 모델 출시는 평소의 수십 배로 나타남
같은 주 Claude Opus 5 계열의 언급은 평소 0.2회에서 6회로 늘었습니다. 국내외 기사 6건이 같은 주에 Claude Opus 5.5 공개와 가격 인하를 다뤘습니다. 이런 급증은 별도 설정 없이 "평소보다 많이 언급된 곳은?" 질문에 바로 나옵니다.
관계 종류로 보면 협력·도입(90건)과 출시·공개·발표(83건)가 가장 많고, 개발·업데이트(46건), 인물·조직(45건), 투자·인수(35건), 경쟁·비교(23건), 소송·규제(8건) 순입니다. 나머지 279건은 표현이 제각각이라 한 묶음으로 세지 못했습니다(아래 남은 과제).
시행착오
구축 과정에서 효과가 없었거나 다시 만든 부분입니다.
"Google" 매칭의 94%가 오탐
이름 매칭을 실측해 보니 "Google" 매칭 대부분이 잘못된 것이었습니다. 2026년 7월에 폐기한 옛 수집 소스의 기사 본문에 news.google.com 링크가 HTML 그대로 남아 있었고, 주소 안의 "google"이 단어 경계를 통과했습니다. 본문에서 HTML 태그와 URL을 먼저 제거하도록 수정하고, 폐기한 소스의 기사는 삭제했습니다.
배운 점매칭 규칙보다 입력 데이터를 먼저 확인해야 합니다.
신뢰도 점수와 정확도가 일치하지 않음
AI가 관계마다 내는 신뢰도 값으로 걸러 낼 계획이었습니다. 그런데 주어와 대상이 뒤바뀐 관계가 오히려 0.8로 높게 나온 경우가 있었습니다. 점수 기준 필터링을 그만두고 다른 회사 AI의 교차 확인으로 바꿨습니다.
배운 점모델이 스스로 매긴 점수는 검증 수단이 되지 못합니다.
원문 인용 필드로 JSON이 깨짐
관계마다 근거 문장을 원문 그대로 받으려 했으나, 한글 따옴표가 이스케이프되지 않아 응답 JSON이 깨졌습니다. 인용 필드를 빼고 근거는 기사 참조로만 남겼습니다. 대신 확인하는 AI가 판정 이유를 짧게 남기게 했습니다.
배운 점AI 응답 형식에는 자유 텍스트 필드를 최소한으로 둡니다.
그래프만으로는 내용이 전달되지 않음
처음 공개한 화면은 개체 100여 개와 관계선을 한꺼번에 그린 그래프였습니다. 드래그와 검색은 됐지만, 처음 온 사람은 이 그래프가 무엇을 말하는지 알 수 없었습니다. 그래서 맨 위에 질문 네 개를 두고, 질문을 고르면 문장·막대·관계도로 답하게 바꿨습니다.
배운 점데이터를 보여 주는 화면은 먼저 답할 질문을 정해야 합니다.
필터를 잘못된 단계에 적용
AI와 관련 없는 기사가 많이 쌓였습니다. 관련도 필터가 수집 단계가 아니라 선별 단계에만 있었기 때문입니다. 일부 매체는 AI 전용 피드가 아닌 전체 피드여서 기사의 73~82%에 AI 키워드가 없었습니다. 필터를 저장 전 단계로 옮겼습니다.
배운 점데이터 범위를 좁히려면 저장 단계에서 걸러야 합니다.
배포 직후 빈 화면
첫 배포 직후 그래프에 아무것도 보이지 않았습니다. 페이지는 정상이었지만, 주 1회 실행되는 추출 작업이 아직 한 번도 실행되지 않아 관계가 0건이었습니다. 발행된 주차를 대상으로 수동 실행해 채웠습니다.
배운 점페이지가 열리는지와 데이터가 들어 있는지는 따로 확인해야 합니다.
남은 과제
- 관계 이름이 286가지로 흩어짐"투자를 유치했다"·"투자유치했다"·"투자받았다"가 따로 저장됨. 확인된 관계의 46%(279건)를 종류로 묶지 못함. 정규화 전에는 모델 계보·연표 같은 화면을 만들기 어려움
- 이름이 겹치는 개체 오류"Meta"는 회사 이름이지만 "Meta-Review" 같은 학술 용어와 겹침. "Claude Opus 5"가 "Claude Opus 5.5" 기사에도 잡힘. 문맥으로 구분하는 방법이 필요함
- 관계 확인은 한 주가 끝나야 나옴이름 언급은 매일 쌓이지만 관계는 일요일에 확인하므로, 질문 화면은 확인을 마친 가장 최근 주를 기준으로 보여 줌
- 외부 검수 없음교차 확인은 자기 채점을 피하는 장치이며 제3자 감사가 아님. 사람이 표본을 검수해 정확도를 측정한 기록은 아직 없음
향후 계획
- 관계 이름을 출시·투자·제휴 같은 표준 종류로 정규화해, 회사별 연표와 모델 계보 화면을 만듦
- 이름이 겹치는 개체를 문맥으로 구분. 임베딩 적용 실험부터 진행
- 관심 회사를 정해 두면 관계가 새로 확인될 때 알려 주는 기능
- 사람이 표본을 검수해 정확도를 수치로 기록
도입 지원
같은 구조는 업계 뉴스가 아닌 데이터에도 그대로 쓸 수 있습니다. 바뀌는 것은 모을 출처, 등록할 이름 목록, 확인 기준입니다.
경쟁사·시장 동향
관심 회사와 출처를 정하면, 매주 경쟁사가 무엇을 내놓았고 누구와 손잡았는지를 근거 기사와 함께 정리합니다. 전략·영업 회의 자료를 사람이 기사를 뒤져 만들 필요가 줄어듭니다.
협력사·공급망 위험 감시
협력사와 관련된 소송·제재·인수 관계만 골라 봅니다. 평소보다 언급이 급증한 협력사는 따로 표시해, 문제가 커지기 전에 담당자가 먼저 기사를 열어 볼 수 있습니다.
사내 문서 지식그래프
기사 대신 회의록·주간보고·완료보고를 넣으면 프로젝트·고객·담당자·산출물 사이의 관계가 쌓입니다. 비슷한 과거 사례를 찾아 제안서 초안을 쓰는 데까지 이어집니다. 지식그래프·온톨로지 솔루션
영업·투자 리서치
경로 찾기로 "우리 회사와 이 고객사가 어떤 회사·사람을 거쳐 이어지는가"를 봅니다. 소개받을 길을 찾거나, 투자 검토 대상의 협력 관계를 빠르게 훑을 때 씁니다.
출처 설계부터 이름 사전, 확인 기준, 화면까지 함께 만듭니다. 업무 분석이 먼저 필요하면 AI 도입 컨설팅으로 시작할 수 있습니다.