VENETA Enterprise 백서 · 2026년 10월 · v1.0
로컬 LLM의 한계를 넘어서
기업이 자기 네트워크 안에서 돌리는 언어 모델은 왜 기대만큼 답하지 못하는가, 그리고 모델을 바꾸지 않고 그 둘레에 기억, 자가발전 계층을 두면 무엇이 달라지는가. 오픈 모델 8종(12B~70B)에서 한 네트워크 안에서 측정한 결과입니다.
담긴 내용
모든 숫자는 측정한 것입니다.
다섯 가지 한계
로컬 LLM이 혼자서는 못 하는 것: 지금 상태를 알기, 기억하기, 지어내지 않기, 스스로 검사하기, 통제 아래 배우기. 더 큰 모델이 답이 아닌 이유.
계층
운영 질문 하나가 답해지는 여섯 단계, 네 종류의 통제된 기억, 코드로 된 검사가 비평 모델을 구속하는 방식.
측정한 것
데스크톱 기기 한 대에서 오픈 모델 8종: 기억 계층을 켜고 끈 결과, 판단 계층 전과 후, 배운 규칙의 적용, 오픈소스 메모리 계층과의 비교.
산업별 적용
텔코, 에너지, 반도체, 리테일, 제조, 국방: 질문, 모델 혼자서는 틀리는 것, 계층이 바꾸는 것. 그리고 고객 챗봇과 내부 AI 업무시스템.
보안과 거버넌스
공격면으로서의 기억에 대한 일곱 프로브: 저장 시 주입, 비밀, 사용자별 격리, 삭제 증명, 위·변조 탐지, 거절된 교훈, 텔레메트리 기본값.
주장하지 않는 것
합성 데이터, 에디션 하나, 작은 실험, 실제 지연 비용, 승인해야 하는 사람. 동료 심사 전에 한계를 먼저 적었습니다.
VENETA Enterprise
이 백서의 계층을, 이미 운영 중인 모델 위에.
VENETA Enterprise는 기억, 자가발전 계층을 기업이 이미 돌리는 LLM·에이전트·챗봇 앞에 OpenAI 호환 인터페이스로 놓습니다. 승인 콘솔, 원장, 역할과 이중 통제, 되돌리기가 기본값이고, 그 위에 멀티테넌트, 역할 기반 접근 제어(RBAC), SSO 같은 엔터프라이즈 기능이 들어갑니다. 오픈소스 project veneta에는 이 세 기능이 없습니다.