클리브 테크 세미나

망분리 환경에서
AI 데이터 플랫폼,

저희의 경험을 나눕니다

G-Zero 기술 백서
세미나 현장에서
G-Zero 백서를 무료로 드립니다
출판사와 계약해 곧 서점에 정식으로 나올 예정이라,
저희가 직접 인쇄해 드리는 마지막 한정판입니다.

토스와 토스증권에서 데이터 플랫폼을 처음부터 자체 구축했던 경험과,
AI 시대에 맞게 망분리 환경에 다시 만들며 고민한 것들을 한 권으로 정리했습니다.

일시2026년 11월 10일(화) 오후 1시~4시오후 12시 30분부터 입장
장소 원센티널 위치 지도 — 여의도역(5·9호선) 3번 출구 북쪽, 콘래드 서울 옆 서울 영등포구 여의대로 70 ONE CENTINEL지도 © NAVER Corp.
대상망분리 환경에서의 AI 데이터 플랫폼을 고민하는 실무자·리더

G-Zero(Gravity-Zero)는 클리브가 만든 AI 데이터 플랫폼입니다.
레거시 환경과 망분리 규제를 딛고 빠르게 시도할 수 있기를 바라는 마음을 이름에 담았습니다.

세미나 참가 신청

좌석이 한정적인 관계로 조기 마감될 수 있습니다.

0000-0000

신청이 접수되었습니다 ✓

입력하신 이메일로 접수 확인 메일을 보내드렸습니다.

G-Zero 백서 출간에 대한 반응이 너무 폭발적이어서,
아예 세미나를 열기로 했습니다.

2026년 10월 13일 기준 · 원문 게시물 보기 →

백서를 요청하며 링크드인에 남겨 주신 댓글 중 일부를 옮겼습니다.

당근페이제품 팀 리드
토스 다니면서 TUBA 덕 정말 많이 봤죠. 새삼 감사 말씀 드려요.
CJ올리브영엔지니어
토스팀에서 서버 개발자로 근무할 때 TUBA 많이 사용했었습니다! 매번 잘 사용만 했었는데 g-zero에 담긴 기술과 경험과 내용이 궁금하네요!
토스뱅크데이터 엔지니어
금융권의 망분리 제약 속에서 데이터 플랫폼과 AI 환경을 어떻게 준비해야 할지 평소 고민이 많았는데, 경험이 고스란히 담긴 백서라 꼭 읽어보고 싶습니다.
KB금융지주데이터기획
금융사에서 데이터 플랫폼 구축 및 운영을 담당하고 있습니다. 관련 자료 공유해주시면 플랫폼 업무 수행에 큰 도움이 될 듯합니다.
우리금융그룹ICT 리드
금융권 망분리 환경 관련 검토중이었는데 해당 내용을 공유해주시면 저희 내부 구성에 도움이 될 것 같습니다.
한화생명IT Biz Dev
변화가 느린 대형 금융사 입장에서 꼭 필요한 인사이트입니다. 백서 읽어보고싶네요.
BNK투자증권데이터 애널리스트
금융권에서 신사업 진행하고 있는데 망분리로 인한 어려움이 많아 이런 백서가 너무 반갑네요! 꼭 읽어보고 싶어요.
카카오페이데이터 거버넌스
데이터와 AI 아키텍처에 관심이 많은 실무자인데요, 좋은 인사이트를 얻어가고 싶습니다.
토스플레이스데이터 애널리스트
AI-Ready Data와 에이전트 Eval에 관심이 많아서 자료 부탁드려보아요!
카카오페이증권데이터 애널리스트
증권사에서 여러 제약하에서 데이터레이크와 온톨로지 레이어 구축하고 있습니다. 여러 고민 많으셨을텐데, 어떻게 푸셨을지 공유해주시면 감사하겠습니다.
신한카드마케팅 부서
한참 고민하고 있던 부분을 이런 자료로 만들어 놓으셨다니 대단하십니다. 자료 공유받고 싶습니다.
신한투자증권AI 콘텐츠 전략
저는 증권사에서 근무하고 있는데, 요즘 에이전트를 직접 만들어 보면서 결국 좋은 AI는 좋은 데이터에서 시작된다는 걸 매일 배우고 있어요. 각자의 PC에 흩어진 자료와 노하우가 어떻게 조직의 데이터가 될 수 있을지도 가장 큰 고민입니다. 목차 중 5장 AI Ready Data가 특히 기대돼요! 오랜 시간 축적해 오신 노하우를 이렇게 나눠주셔서 감사드립니다 :)
메리츠화재경영관리팀
망분리 제약 하 인프라 구성과 거버넌스에 대한 정리된 내용은 정말 희소한 것 같습니다..! 좋은 자료 공유주셔서 감사합니다 :)
카카오페이프로덕트 매니저
망분리 환경에서 하셨던 AI데이터플랫폼 관련 고민들과, 어떻게 대처 하셨는지에 대한 방안이 궁금합니다.
Program

프로그램

AI 시대에 데이터 플랫폼을 다시 설계하고
만들어 온 이야기와,
실제 AI 투자 서비스
쓰론(Throne)을 만들며 G-Zero를
어떻게 활용하고 있는지에 대해 들려드립니다.

오후12:30~ 1:00

QR 체크인 및 백서 수령 후 입장

오후1:00~ 1:10
안찬봉
안찬봉대표
오프닝 키노트환영 인사 및 행사 취지 소개
오후1:10~ 1:35
신재승
신재승데이터·AI 총괄
G-Zero, AI 시대의 데이터 플랫폼토스의 속도를 만든 데이터 플랫폼을 AI 시대에 맞게 다시 설계한 이야기
오후1:35~ 2:00
박찬수
박찬수데이터 엔지니어
LLM 자체 서빙, 우리도 해봐야 할까?'그냥 모델 받아서 띄우면 되는 거 아냐?'에 대한 긴 대답
오후2:00~ 2:10

휴식

오후2:10~ 2:35
남영철
남영철제품 총괄
AI Wrapper 서비스? 새 모델 나오면 끝 아닌가?주식투자 버티컬 AI 서비스 '쓰론'을 운영하면서 배운 AI 제품 개발
오후2:35~ 3:00
한상윤
한상윤PM·데이터 엔지니어
모델은 똑똑한데, 우리 에이전트는 왜 이럴까?LLM이 도구를 쓰고 답을 찾는 과정부터, 그 결과를 평가하는 시스템까지 만들며 겪은 시행착오
오후3:00~ 3:10

휴식

오후3:10~ 3:35
김성아
김성아PM
작고 귀여운 오픈웨이트 모델인 나한테 증권사 DA가 되라구요?데이터 파이프라인, 메타데이터 카탈로그, 하네스, 평가, 파인튜닝으로
체급을 넘어서는 에이전트 만들기
오후3:35~ 4:00
장세진
장세진PM·데이터 사이언티스트 | ISO/IEC 27001·42001 인증심사원
데이터 거버넌스와 보안AI시대에 자동화할 수 없는, 사람이 책임져야 하는 최후의 보루
오후4:00~ 4:30
현장 Q&A
오늘 발표 및 백서의 내용에 대해 궁금하신 점을 연사들에게 직접 물어보세요.
Whitepaper

데이터 수집부터 AI 활용까지,
망분리 AI 데이터의 모든 것을 담았습니다.

세상에 나와 있는 기술들을 저희만의 경험과 노하우로 엮어 만들었습니다.
토스에서도 이런 방식으로 내부망에 모든 환경을 자체 구축하였고, G-Zero는 그것을 AI 시대에 맞게 재설계했습니다.

G-Zero 전체 구성도 — 백서에서 하나씩 풀어 설명합니다.
01전체 아키텍처 설계 시 고려사항Architecture
  1. 1.1적용 범위와 설계 의도
  2. 1.2증권사 데이터의 현황과 통합 목표
  3. 1.3실시간 데이터 파이프라인 설계
  4. 1.4G-Zero를 이루는 기술과 구성요소
02흩어진 데이터를 실시간으로 모으기Real-time Data
  1. 2.1원천 유형에 맞춘 수집 규격
  2. 2.2외부 분석 SaaS를 대체하는 행동 로그 SDK
  3. 2.3한 곳에서 관리하는 이벤트 정의와 표준 스키마
  4. 2.4원장에 부하를 주지 않는 변경 데이터 수집(CDC)
  5. 2.5배치로 수집하는 원천과 초기 적재
  6. 2.6스트리밍 경로의 중복, 순서, 삭제 처리
  7. 2.7유실을 막는 장치와 수집 상태 관측
03모은 데이터를 빠르게 적재하고 활용하기Lakehouse
  1. 3.1저장과 연산을 분리한 레이크하우스 구조
  2. 3.2원천 보존부터 활용까지의 세 레이어
  3. 3.3원천에서 마트까지 만드는 파이프라인
  4. 3.4흩어진 고객을 한 사람으로 모으는 식별 기준
  5. 3.5고객 통합 마트의 데이터 모델과 이력 관리
  6. 3.6업무 목적별 마트와 고객 세그먼트
  7. 3.7데이터 조회 환경과 보관 정책
04데이터를 믿고 쓰기 위한 관리 체계Data Governance
  1. 4.1데이터 소유자와 승인 책임
  2. 4.2데이터 표준과 자동 생성 카탈로그
  3. 4.3업무 용어와 지표의 단일 정의
  4. 4.4민감도 등급 태그와 변경 통제
  5. 4.5데이터 계보(Lineage)와 영향 분석
  6. 4.6품질 규칙과 AI 품질 진단
  7. 4.7변경 영향 확인과 보정 이력
05AI가 활용할 수 있도록 데이터 준비하기AI Ready Data
  1. 5.1AI Ready Data의 준비 순서
  2. 5.2자연어 질문의 데이터 탐색 경로
  3. 5.3문서 근거 색인과 소형 모델
  4. 5.4지식그래프(온톨로지) 플랫폼
06모델을 서빙하고 에이전트를 평가하기Serving & Evaluation
  1. 6.1서빙하는 모델과 평가하는 에이전트의 구분
  2. 6.2GPU 모델 서빙 구조
  3. 6.3GPU 자원 운영과 서빙 효율
  4. 6.4에이전트 실행 환경 구성
  5. 6.5모델 선정 기준과 실행 구성의 버전 관리
  6. 6.6업무 골든셋 기반 에이전트 평가
  7. 6.7평가 결과에 따른 모델 교체 절차
  8. 6.8회사의 맥락을 학습시키는 모델 파인튜닝
07비즈니스에 데이터 및 AI 활용하기Business Application
  1. 7.1AI 데이터 분석가
  2. 7.2담당자가 직접 정의하는 고객 세그먼트
  3. 7.3프롬프트로 제작하는 AI 대시보드
  4. 7.4작게 시작해서 빠르게 배포하는 A/B 실험
  5. 7.5통합 메시지 시스템
  6. 7.6업무 자동화를 위한 에이전트 스페이스
08플랫폼 배포 및 운영 체계Platform Ops
  1. 8.1개발계와 운영계의 환경 분리
  2. 8.2코드 기반 배포 통제(IaC와 GitOps)
  3. 8.3개발계에서 운영계로의 코드 반입과 승인 게이트
  4. 8.4배포, 롤백, 비상 변경
  5. 8.5통합 관제와 장애 대응
  6. 8.6오픈소스 목록과 취약점 관리
  7. 8.7운영 에이전트: 자연어 지시와 감사 증적
09인프라 구축 시 고려사항Infrastructure
  1. 9.1논리적 망분리 구성과 노드풀 배치
  2. 9.2부하 가정과 노드 수 산정
  3. 9.3계층별 저장소와 캐시 용량 산정
  4. 9.4GPU 수량과 배치 구성
  5. 9.5이중화, 백업, 재해 복구
  6. 9.6클라우드별 구현 사례와 대체 구성 원칙
  7. 9.7성능 확보 설계와 계층별 튜닝
10망분리 규제와 보안Security & Compliance
  1. 10.1민감도 등급과 처리 위치
  2. 10.2망 경계와 영역 구성
  3. 10.3반입과 반출, 관리자 접속 통제
  4. 10.4사람과 AI에 같은 기준을 적용하는 권한 체계
  5. 10.5암호화와 키 관리
  6. 10.6감사 기록과 보관 주기
  7. 10.7규제 조항별 준수 근거와 점검 증적
  8. 10.8증권사 보안 검토에서 자주 묻는 질문
11도입 시 고려사항Adoption
  1. 11.1검증 범위와 성능 목표(SLO)
  2. 11.2시험 구성과 수용 기준
  3. 11.3무중단 데이터 이행 절차
부록실측 근거와 시험 결과Benchmarks
  1. 부록 1성능 실측 근거와 시험 원칙
  2. 부록 2LLM과 게이트웨이 관측 결과
  3. 부록 3인프라 구성도
+용어집

같은 고민을 하고 계신 분들께
저희가 겪은 시행착오가
작은 도움이 되면 좋겠습니다.

11월 10일, 여의도 원센티널에서 뵙겠습니다.