시스템 아키텍처 개요

Taylro는 하나의 통합 플랫폼이지만, 내부는 역할이 뚜렷한 네 개의 계층으로 나뉩니다. 현장의 데이터를 받아, 공통 데이터베이스에 인과관계로 쌓고, 결정론 엔진이 원가와 수익성을 계산한 뒤, AI가 그 결과를 사람에게 해석해 전달합니다. 각 계층이 무엇을 맡고 왜 그렇게 나눴는지가 이 글의 주제입니다.

네 개의 계층

제품 관점에서 보면 공식은 단순합니다 — Production Autopilot(현장 입력) + Profit(원가 분석) = Agent(자동 판단). 이 세 제품이 아래 다이어그램의 네 계층으로 흐르며 하나로 맞물립니다. 데이터는 왼쪽에서 오른쪽으로, 원자료에서 판단으로 한 방향으로 흐릅니다.

• ① 수집(Production Autopilot) — 현장의 실시간 데이터와 파일 업로드로 품목·BOM·공정·자원 같은 마스터와 거래·재고·수불 실적을 받습니다.
• ② 공통 데이터베이스 — 받은 데이터를 객체와 관계(수익성 온톨로지)의 형태로 한곳에 저장합니다. 전 고객이 같은 구조를 공유합니다.
• ③ 결정론 원가 엔진(Profit) — 웹 화면과 분리된 별도 워커에서 배치로 단위원가와 제품·거래처별 수익성을 계산합니다.
• ④ Taylro Intelligence(Agent) — 엔진이 낸 결과를 읽어 사람에게 해석·경고·초안으로 전달합니다. 계산은 하지 않습니다.

① 수집 — 현장과 파일

가장 아래 계층은 데이터가 시스템에 들어오는 입구입니다. 두 경로가 있습니다 — 현장에서 실시간으로 올라오는 데이터, 그리고 담당자가 올리는 파일입니다. 과거·대량 자료는 파일로, 진행 중인 현장 실적은 실시간으로 받습니다.

• 마스터 — 무엇을 만들고 어떤 공정·자원을 거치는지처럼 사업의 뼈대가 되는 정의.
• 실적 — 무엇이 얼마나 팔리고 만들어지고 움직였는지를 남기는 거래·재고 기록.

현장 수집이 덜 된 항목이 있어도 원가 계산은 멈추지 않습니다.

② 공통 데이터베이스

수집된 데이터는 흩어진 표가 아니라 객체와 관계로 저장됩니다. 어떤 제품이 무엇으로 만들어지고, 어떤 공정·자원을 거치며, 어느 거래처에 얼마나 팔렸는지가 인과관계로 이어집니다. 이렇게 구조화한 것이 수익성 온톨로지이며, 원가가 참되게 흐를 수 있는 이유입니다. 그리고 이 데이터베이스는 전 고객 공통입니다 — 고객마다 코드를 갈아끼우지 않고 차이는 오직 설정값으로만 두므로, 개선과 검증이 특정 고객에 갇히지 않고 모두에게 동시에 적용됩니다.

③ 결정론 원가 엔진

세 번째 계층은 숫자를 만드는 곳입니다. 원가 엔진은 웹 화면과 분리된 별도 워커에서 배치로 돌며, 같은 입력에 항상 같은 결과를 내는 결정론 계산기입니다. 화면을 여는 순간 즉석에서 추정하지 않고, 확정된 입력을 모아 한 번에 계산합니다.

간접비를 생산수량으로 기계적으로 나누지 않고, 원인이 되는 활동을 따라 붙입니다. 쓰이지 않은 능력의 원가는 제품에 떠넘기지 않고 따로 드러냅니다.

④ Taylro Intelligence 계층

맨 위 계층이 Taylro Intelligence입니다. 원칙은 앞에서 말한 그대로입니다 — AI는 엔진이 낸 숫자를 다시 계산하지 않고, 읽어서 해석·서술만 합니다. 답변은 근거로 이어지는 인용 딥링크만 제시하며, 외부 URL이나 이미지를 만들어 내보내지 않습니다(반출 차단). AI가 관여하는 정도는 단계로 나뉘며, 오늘 실제로 제공하는 범위는 브리핑·감시·초안까지입니다.

• 브리핑 — 일일 결산 브리핑과 개인화 추천을 자동으로 정리해 알립니다.
• 감시·경고 — 이상 감시, 수익성 발견, 마감 코파일럿, Taylro Intelligence와의 대화로 이상을 짚어냅니다.
• 제안(초안) — 권고안, 트윈 시나리오 초안, 생산계획(MRP) 초안을 만들되, 실행은 사람이 승인합니다.