# AI 조직 운영체제 — 기업 AI 도입, 계정 다음에 답해야 할 모든 설계 질문 (2026)

> ChatGPT를 샀는데 회사가 그대로인 이유부터, 권한·업무 분담·워크플로·모델·회사 기억·에이전트·지표·보안·비용·부서별 첫 자리·조직 설계·운영 루프까지. OpenAI 2026 논문(기업 1,764곳·메시지 1,744만 건)을 근거로 마음컴퍼니가 쓴 26편 시리즈를 8계층으로 정리한 허브. 정가: SaaS 구축 70만 원부터 + 월 49만 원부터, 데모 무료.

- 정본(HTML): https://maeum.io/ai-org-os/
- 전체 26편 · 각 글 URL 뒤에 index.md 를 붙이면 마크다운 원문
- 저자: 마음컴퍼니 (MAEUM) — 정가를 공개하는 AI 개발사 · https://maeum.io

AI 도입의 성패는 **어떤 AI를 샀느냐가 아니라, 그걸 회사 어디에 심었느냐**가 가릅니다. OpenAI가 2026년 8월 기업 고객 1,764곳의 실제 사용 기록으로 확인한 결론입니다 — "도입은 배치의 시작일 뿐이다." 이 시리즈는 계정을 산 **다음**에 회사가 답해야 할 질문을 여덟 층으로 나눠 한 편에 하나씩 답합니다. 아래층이 없으면 위층이 안 섭니다. 마음컴퍼니는 라이선스를 팔지 않습니다 — **AI가 놓일 업무 흐름을 정가로 만듭니다.** 진단 5회권 25만 원, SaaS 운영형 구축 70만 원부터 + 월 49·99·149만 원(인원수 과금 없음), 계약 전 작동 데모 무료.

## 처음이면 이 순서

1. **0편**을 읽고 논문의 네 가지 발견을 5분 안에 챙깁니다 — [기업 AI 도입, 계정만 사면 왜 안 되나](https://maeum.io/blog/enterprise-ai-adoption-openai-2026/)
2. **1편**의 12질문 자가진단에서 "모름" 개수를 셉니다 — 4개 이상이면 개인 사용 단계입니다 — [AI 도입 후 답해야 할 12가지 질문](https://maeum.io/blog/ai-adoption-12-questions/)
3. "모름"이 몰린 층으로 갑니다. 권한이면 2층, 어디에 넣을지면 3층, 사고가 걱정이면 9편, 효과를 숫자로 보고 싶으면 8편.
4. 첫 자리 하나를 정하고(4편·11편) 진단 5회권 25만 원에서 같이 문서로 만듭니다. 계약은 데모를 본 다음입니다.

## 1층 · 가시성 — 우리 회사에서 AI가 어떻게 쓰이고 있나

측정이 없으면 "잘 되는 것 같다"에서 멈춥니다. 논문의 지표 4개와 마음컴퍼니의 5번째 지표(정착률), 그리고 대표가 매주 보는 한 장.

- [0편 · 기업 AI 도입, 계정만 사면 왜 안 되나 — OpenAI가 1,764개 회사 데이터로 답한 것 (2026)](https://maeum.io/blog/enterprise-ai-adoption-openai-2026/): ChatGPT를 전 직원에게 줬는데 회사는 그대로인 이유. OpenAI가 기업 고객 1,764곳·메시지 1,744만 건을 분석한 논문의 네 가지 발견과, 우리 회사에 대입하는 4문항. 마음컴퍼니는 AI가 놓일 업무 흐름을 정가로 구축 — SaaS 구축 70만 원부터 + 월 49만 원부터. 데모는 무료.
- [8편 · AI 사용 데이터를 어떻게 읽나 — OpenAI가 쓴 지표 4개를 우리 회사 대시보드로](https://maeum.io/blog/ai-usage-telemetry-dashboard/): OpenAI 논문이 기업 AI 사용을 측정한 지표 4개 — 활성 사용자/직원, 메시지/활성 사용자, 토큰/직원, 메시지/활성 주 — 를 그대로 우리 회사에 적용하면 "넓게 쓰나, 소수가 깊게 쓰나, 안 쓰나"가 한눈에 보입니다. 6개월 곡선 읽는 법, 마음컴퍼니가 더한 5번째 지표(결과물이 시스템에 남는 비율), 대시보드 한 장 예시.
- [14편 · 대표 대시보드 — 임원은 AI를 어떻게 쓰나, 판단 전 브리핑을 시스템으로 만드는 법](https://maeum.io/blog/executive-ai-dashboard/): OpenAI 논문에서 임원은 AI를 결과물 생산이 아니라 판단 전 브리핑(주제 개요·사실 확인·법률·재무)에 씁니다. 그 브리핑을 채팅창이 아니라 시스템으로 만드는 법 — 대표가 매주 보는 질문 8개, 데이터 출처, 브리핑 자동화 흐름, 프랜차이즈 본부 월요일 아침 시나리오. 대시보드는 결정을 대신하지 않습니다.

## 2층 · 거버넌스 — 누가 무엇을 할 수 있나

권한·데이터·보안·리스크. 사고가 나는 층이고, 대부분의 회사가 건너뛰는 층입니다.

- [1편 · AI 도입 후 회사가 답해야 할 12가지 질문 — 문제는 ChatGPT가 아니다](https://maeum.io/blog/ai-adoption-12-questions/): ChatGPT를 샀다고 끝이 아닙니다. 누가 쓰나·무엇에·어떤 데이터로·어떤 모델로·어디까지 스스로·누가 검토·실행 권한·승인·책임·평가·비용·개선 — 12개 중 답 못 하는 게 있으면 AI는 개인 계정에 머뭅니다. 예/아니오/모름 자가진단표 포함. 진단 5회권 25만 원으로 12개를 채웁니다.
- [2편 · AI 권한 설계 — 직원·AI·에이전트가 "뭘 할 수 있는가" 20가지 권한 정리](https://maeum.io/blog/ai-permission-design/): AI 권한은 "쓸 수 있다/없다" 둘이 아닙니다. 조회·생성·수정·삭제·다운로드·공유·외부전송·실행·승인·결재·구매·계약·고객접촉·시스템·데이터·모델·도구·에이전트·임시·위임회수 — 20개 권한을 사람·AI·에이전트 3열로 나눠 적는 매트릭스와 기본값 규칙. 병원 예약 확인 AI 시나리오 포함.
- [15편 · AI 데이터 거버넌스 — 분류·소유권·품질·계보, AI에 넣기 전 데이터를 정리하는 4가지 축](https://maeum.io/blog/ai-data-governance/): AI가 틀린 답을 하는 이유의 다른 절반은 회사 데이터 자체가 세 곳에서 다르게 말하기 때문입니다. 데이터 4축(분류·소유권·품질·계보), "정본 하나" 원칙, 충돌 감지, 부동산 중개 매물 정보 시나리오. OpenAI 논문의 무형자산(소프트웨어 자산·조직 역량) 발견이 근거. 9편(개인정보)의 짝.
- [9편 · AI 넣을 때 사고 안 나게 — 보안·개인정보·감사·규제 한 장 정리 (2026)](https://maeum.io/blog/ai-security-privacy-audit/): AI 사고는 대부분 넷 중 하나입니다 — 프롬프트 주입 · 데이터 유출 · 권한 상승 · 기록 부재. 각각 막는 장치 1개씩, 개인정보 5단계 흐름(분류→마스킹→최소수집→보존→삭제), 감사 로그 최소 7종, 병원·세무사 규제 시나리오, AI 회사 약관에서 확인할 3가지.
- [16편 · AI 리스크 목록 20 — 우리 회사에 해당하는 것만 점수 매기고 줄이는 법](https://maeum.io/blog/ai-risk-inventory/): AI 리스크는 막연한 불안이 아니라 목록입니다. 모델·데이터·사용자·업무·조직·보안·법률·규제·평판·운영·공급망·에이전트·자동화·환각·결정·실행 등 20개를 발생 가능성 × 피해로 점수 매기고, 상위 5개만 장치를 둡니다. 온라인 교육 회사 시나리오. 리스크는 금지 사유가 아니라 장치를 둘 자리입니다.

## 3층 · 워크플로 — AI가 업무 어디에 들어가나

한 번에 다 넣으면 실패합니다. 첫 자리 하나, 부서별 첫 자리, 도입 순서와 저항, 회의·이메일·메신저.

- [4편 · 업무 흐름에 AI를 심는 법 — 발견·분해·병목·투입 지점·예외·되돌리기 6단계](https://maeum.io/blog/ai-workflow-integration/): AI를 업무 흐름(workflow)에 넣는 순서는 발견 → 단계 분해 → 병목 찾기 → AI 투입 지점 1개 → 예외·되돌리기 규칙 → 버전 관리입니다. 한 번에 전 과정 자동화는 실패 공식. 문의→견적→계약→작업→정산→데이터 6단계 표에 AI 투입 가능 지점을 표시하고, 쇼핑몰 재고 발주 시나리오로 풉니다. OpenAI 논문의 "6개월 뒤 더 쓰는 곡선" 근거.
- [11편 · 부서별 AI 첫 자리 — 영업·CS·제품·개발·마케팅·재무·법무·구매, 어디부터 넣나](https://maeum.io/blog/ai-first-seat-by-department/): 부서마다 AI가 처음 들어갈 자리는 거의 정해져 있습니다 — 영업은 제안서 초안, CS는 문의 분류·1차 답변, 개발은 코드 리뷰, 마케팅은 콘텐츠 초안, 재무는 인보이스 분류, 법무는 계약 요약, 구매는 공급업체 비교. OpenAI 논문의 직군별 사용 패턴(문서·기술·메시지 3축)과 일치. 8부서 × (첫 자리 / 둘째 자리 / 사람이 남는 자리) 표.
- [17편 · AI 도입 순서와 저항 — 챔피언·교육·확산, 6개월 롤아웃 계획표](https://maeum.io/blog/ai-adoption-rollout-resistance/): AI는 저절로 퍼지지 않습니다. OpenAI 논문에서 큰 회사일수록 도입 후 직원당 사용이 낮았습니다 — 퍼지는 게 설계 대상입니다. 6개월 롤아웃 표(첫 자리+챔피언 → 검토 → 둘째 부서 → 지표 리뷰 → 권한 확대), 저항 4유형과 대응, 챔피언은 임원이 아니라 가장 깊게 쓰는 사람, 교육은 강의가 아니라 자기 업무 한 건.
- [18편 · 회의·이메일·메신저에 AI 첫 자리 — 회의록·액션 아이템·카톡에 묻힌 결정 잡는 법](https://maeum.io/blog/communication-ai-meetings-email/): OpenAI 논문에서 메시지 초안·의사소통은 전 직군 공통의 3대 축입니다. 회의 5단계(녹취→요약→결정 추출→액션 배정→다음 회의 전 확인), 이메일 분류·라우팅·초안, 메신저에 묻힌 결정 추출, 정보 흐름 사고 3종(누락·왜곡·병목)과 장치, 학원 원장·강사·학부모 3방향 시나리오. 녹취 동의는 필수.

## 4층 · 실행 — AI가 실제로 무엇을 하고, 누가 검증하나

어디까지 AI, 어디부터 사람. 에이전트 하나, 그다음 여러 개. 그리고 결과를 숫자로 평가하는 법.

- [3편 · 어디까지 AI, 어디부터 사람 — 인간-AI 업무 분담 기준표 (2026)](https://maeum.io/blog/human-ai-division-of-labor/): AI에게 맡길지 사람이 할지 정하는 기준은 셋입니다 — 되돌릴 수 있나 · 틀리면 누가 다치나 · 판단인가 처리인가. 세 기준으로 업무를 4구역(AI 자동 / AI 먼저 사람 검토 / 사람 먼저 AI 보조 / 사람만)에 배치하는 흐름도와 학원 상담 시나리오. OpenAI 논문의 신입·임원 사용 패턴 근거.
- [7편 · AI 에이전트를 회사에 들이기 전 체크리스트 20 — 사람 뽑을 때 묻는 걸 똑같이](https://maeum.io/blog/ai-agent-checklist-before-deploy/): 에이전트는 "말하는 AI"가 아니라 "실행하는 AI"입니다. 신원·역할·목표·권한·도구·기억·승인·에스컬레이션·롤백·종료·감사 — 사람 채용 때 묻는 것을 똑같이 물어야 합니다. 채용 vs 에이전트 대응표, 들이기 전 10 + 돌리면서 10 체크리스트, 발주·재고 에이전트 충돌 사례.
- [19편 · 에이전트 여러 개 굴리기 — 라우팅·위계·충돌·자원 배분, 둘째 에이전트부터 필요한 5가지](https://maeum.io/blog/multi-agent-coordination/): 에이전트가 둘을 넘으면 문제가 바뀝니다 — "이게 잘하나"에서 "누가 누구 결과를 믿나"로. 라우팅·위계·충돌 해결 3규칙·호출 예산·신뢰 점수 5장치, 오케스트레이션은 사람 팀장의 역할, 쇼핑몰 4에이전트(문의·재고·발주·정산) 충돌 지점 표, 늘리는 순서. 에이전트 수는 성과가 아닙니다.
- [20편 · AI 결과 평가 — 표본·자동 평가·사람 평가·회귀 테스트, '좋아진 것 같다'를 숫자로](https://maeum.io/blog/ai-output-evaluation/): 논문이 인용한 실험 연구들의 결론: AI 효과는 작업·평가·구현 방식에 따라 갈립니다. 평가 없이는 효과가 없는 게 아니라 모르는 겁니다. 업무별 "좋은 결과" 5문장 정의, 골든 표본 20~50건, 자동 평가(형식·규칙)와 사람 평가(품질) 분담, 모델·프롬프트 바꿀 때 회귀 테스트, 세무사무소 안내문 평가표.

## 5층 · 지식과 모델 — AI가 무엇을 알고, 어느 모델로 답하나

회사 기억을 연결하고(RAG), 문서를 찾을 수 있게 정리하고, 프롬프트를 회사 자산으로, 모델은 갈아끼울 수 있게.

- [6편 · 회사의 기억을 AI에 연결하기 — 컨텍스트·조직 메모리·사내 검색·RAG 실전](https://maeum.io/blog/organizational-memory-rag/): AI가 엉뚱한 답을 하는 이유의 절반은 모델이 아니라 회사 정보가 AI 손에 없어서입니다. 회의록·SOP·과거 결정·고객 기록 등 "회사 기억" 20종 체크리스트, 연결 방식 3가지(복붙·사내 검색·RAG) 비교, 권한 기반 검색과 출처 표시. 컨설턴트 제안서 시나리오.
- [22편 · 사내 지식 인프라 — 문서 저장소·태깅·버전·폐기, AI가 찾을 수 있게 정리하는 6요소](https://maeum.io/blog/knowledge-infrastructure/): 6편이 "연결"이면 이 편은 "정리"입니다. 찾을 수 없는 문서는 없는 문서입니다. 저장소 1곳·분류 체계·태그·버전·소유자와 신선도·폐기 6요소, 검색 5종(문서·사람·프로젝트·고객·결정), 오래된 문서가 AI 답을 오염시키는 문제와 폐기 규칙, 헬스장 PT 프로그램·회원 규정·트레이너 매뉴얼 시나리오.
- [21편 · 프롬프트 관리 — 레지스트리·버전·테스트, 직원 머릿속 지시문을 회사 자산으로 만드는 법](https://maeum.io/blog/prompt-management-registry/): OpenAI 논문에서 가장 깊게 쓰는 사람은 신입입니다 — 그 노하우(프롬프트)는 개인에 쌓이고 퇴사와 함께 나갑니다. 프롬프트 레지스트리 표(이름·용도·입력·출력 형식·모델·버전·소유자·테스트 표본), 시스템·역할·업무 3층 구조, 컨텍스트는 프롬프트에 박지 말고 RAG로, 버전·회귀 테스트·주입 방어, 마케팅 프롬프트 5개 자산화 시나리오.
- [5편 · AI 모델은 계속 바뀐다 — 모델 교체 가능한 구조로 만드는 법 (레지스트리·라우팅·폴백)](https://maeum.io/blog/ai-model-routing-switch/): 지금 1등 모델이 1년 뒤 1등이 아닙니다. 모델 레지스트리·라우팅·폴백·교체 절차·평가 기준 5개 장치가 있으면 모델이 바뀌어도 사업은 안 멈춥니다. "모델 바꾸면 뭐가 깨지나" 점검표 10과 업무별 모델 등급표. 마음컴퍼니는 어떤 AI가 이겨도 고객이 유리한 구조를 만듭니다.

## 6층 · 비용과 성과 — 얼마가 들고, 얼마가 남나

새는 곳 4가지, ROI 계산, 인당 구독 vs 정액. 정가는 숨기지 않습니다.

- [10편 · AI 비용, 어디서 새나 — 토큰·모델·부서별 비용 구조와 ROI 계산법 (2026)](https://maeum.io/blog/ai-cost-finops/): AI 비용은 토큰 × 모델 단가 × 호출 횟수인데, 새는 곳은 대개 "누가 얼마나 쓰는지 모르는 것"입니다. 비용 항목 8종, 새는 곳 4가지, 학원 상담 ROI 계산 예시, 인당 구독 vs 정액 비교, 예산 상한·알림 설계. 마음컴퍼니 정가: SaaS 구축 70만 원부터 + 월 49·99·149만 원, 인원수 과금 없음.

## 7층 · 조직 설계 — 사람과 에이전트를 어떻게 나누나

노동분업이 바뀌면 조직도도 바뀝니다. 신입은 가장 깊게 쓰는 사람이고, 결정은 기록돼야 다음 결정의 근거가 됩니다.

- [12편 · AI 이후 조직 설계 — 노동분업이 바뀌면 조직도도 바뀐다 (2026)](https://maeum.io/blog/ai-org-redesign/): 직원 5명이 하던 "조사→분석→보고→검토→결정"이 에이전트 3 + 사람 검증 1 + 판단 1로 바뀌면, 조직의 질문은 인력 배치에서 사람-에이전트 자원 배분으로 옮겨갑니다. OpenAI 논문의 조직 이론 근거(계층은 문제를 배분하는 장치)와 무형자산 발견, Before/After 흐름, 불필요한 승인·회의·사일로 점검 10, 작은 회사가 지금 쌓을 것 3가지.
- [23편 · 신입이 가장 깊게 쓴다 — AI 시대의 채용·온보딩·성장 경로, 사람을 회사 자산으로](https://maeum.io/blog/early-career-ai-onboarding/): OpenAI 논문에서 가장 집중적인 AI 사용자는 신입·초년생입니다(주 +8~9 메시지). 논문이 인용한 초년생 노동시장 논의는 두 해석을 남깁니다 — 대체와 생산. 회사가 할 일은 셋: 채용(90분 과제), 온보딩 1일차(권한·기억·프롬프트·첫 자리), 성장 경로(만드는 사람 → 검증하는 사람 → 판단하는 사람). 신입 결과물이 회사 자산이 되는 구조.
- [24편 · 의사결정 기록 — 근거·재검토·시나리오, '왜 그렇게 정했나'를 회사 기억으로 남기는 법](https://maeum.io/blog/decision-records/): 논문에서 임원은 AI를 판단 전 브리핑에 씁니다. 그런데 판단 자체는 어디에도 안 남습니다. 결정 기록 1장 템플릿(질문·대안·근거·결정자·날짜·재검토 시점·결과), AI 역할은 대안 생성·비교·시나리오 준비까지, 결정은 사람, 재검토 루프, 카페 2호점 출점 시나리오. 안 적히는 결정은 반복되는 논의입니다.

## 8층 · 재설계 루프 — 결과를 보고 조직을 다시 짜는 게 반복되나

논문이 말한 "느린 공동 발명"은 반복입니다. 한 시간짜리 월간 리뷰가 루프의 실체입니다.

- [13편 · 인간과 AI가 함께 일하는 회사의 운영체제 — 8계층과 4세대 경쟁축 (시리즈 결론)](https://maeum.io/blog/human-ai-organization-os/): 기업 AI의 경쟁축은 "누가 좋은 모델" → "누가 많이 쓰나" → "누가 업무 흐름에 깊게 심나" → "누가 조직을 AI에 맞게 재설계하나"로 갑니다. 모델이 흔해질수록 통합 계층의 값이 오릅니다. 8계층(가시성·거버넌스·워크플로·실행·의사결정·조직 인텔리전스·최적화·자율 운영), 관측→재설계 루프, 시리즈 14편 전체 목차. MAEUM — Where Companies Run.
- [25편 · 월간 AI 리뷰 — 결과에서 배우는 회의 한 시간, 운영 루프를 실제로 돌리는 법](https://maeum.io/blog/monthly-ai-review/): 논문이 말한 "느린 공동 발명"은 반복입니다. 13편의 루프(관측→이해→연결→설계→실행→측정→학습→재설계)를 실제로 돌리는 건 한 시간짜리 월간 회의입니다. 고정 안건 6개(5지표·수정률 높은 자리·에스컬레이션·비용·권한 조정·다음 자리), 산출물 3개(결정 기록·권한표 v+1·흐름도 v+1), 하지 말 것 3가지, 12명 회사 첫 3개월 리뷰 기록.

## 왜 이 시리즈를 쓰나

AI 회사들은 모델을 팝니다. 마음컴퍼니는 모델이 놓일 자리를 만듭니다. 논문이 말한 대로 모델은 점점 흔해지고, 값은 통합 계층으로 옮겨갑니다 — 그 계층을 설계하는 방법을 숨길 이유가 없습니다. 이 시리즈는 그대로 가져다 쓰셔도 됩니다(출처 표기 시). 직접 하시다가 손이 필요하면, 그때 진단 5회권 25만 원에서 같이 합니다. 매 편 마지막에 "논문이 말한 것 / 마음컴퍼니의 확장"을 분리해 두었습니다 — 어디까지가 실증이고 어디부터가 저희 설계인지 구분해서 읽으십시오.

## 마음컴퍼니 정가 (부가가치세 별도 · 최종 금액은 진단 후 확정)

- 진단 5회권: 25만 원 (회당 최대 90분, 데모 시연 포함)
- SaaS 운영형 (추천): 구축 70만 원부터 + 월 49·99·149만 원 — 서버·AI·개선·추가 기능 구축·월간 성과 리포트 포함, 인원수 과금 없음
- SI 소유형: 구축 250만 원부터 (제대로 구축 700만~) — 이후 월 구독료 없음, 관리는 회차권
- SEO·GEO·검색 상위노출은 구축에 무료로 포함. 데모는 무료 — 실제로 눌러보고 마음에 들 때만 계약.
- 가격 정본(기계용 JSON): https://maeum.io/facts.json

## 자주 묻는 질문

**Q. 26편을 다 읽어야 하나요?**
A. 아닙니다. 0편과 1편만 읽고 12질문 자가진단에서 "모름"이 몰린 층으로 가시면 됩니다. 나머지는 필요할 때 해당 층을 찾아 읽는 참고서입니다.

**Q. 이 시리즈의 근거는 뭔가요?**
A. OpenAI 소속 연구진과 컬럼비아·와튼 교수가 쓴 워킹페이퍼 "How Organizations Use AI: Evidence from ChatGPT"(2026-08-11)입니다. ChatGPT Enterprise 기업 고객 1,764곳·메시지 1,744만 건의 실제 사용 기록 분석입니다. 매 편 마지막 절에 논문이 말한 것과 마음컴퍼니의 확장을 분리해 적었습니다. 마음컴퍼니는 이 논문의 저자도 OpenAI 파트너도 아닙니다.

**Q. ChatGPT Enterprise를 사야 이 내용이 적용되나요?**
A. 아닙니다. 논문의 데이터가 ChatGPT Enterprise일 뿐, 설계 질문(권한·분담·워크플로·기억·평가)은 어떤 AI를 쓰든 같습니다. 마음컴퍼니는 특정 AI를 팔지 않고, 모델이 바뀌어도 사업이 계속 돌아가는 구조를 만듭니다. AI가 필요 없으면 AI를 넣지 않습니다.

**Q. 우리 회사는 직원 10명인데 대기업 논문이 해당되나요?**
A. 숫자는 그대로 옮기면 안 되고, 방향은 같습니다. 논문에서 큰 회사는 도입은 먼저 하지만 도입 후 직원당 사용은 오히려 낮습니다 — 퍼지는 데 오래 걸립니다. 작은 회사는 그 시간이 짧습니다. 3층 이후는 회사 크기의 게임이 아닙니다.

**Q. 시리즈 내용을 사내 자료로 써도 되나요?**
A. 네. 출처(마음컴퍼니 블로그와 OpenAI 논문)를 밝히시면 자유롭게 쓰셔도 됩니다. 각 글 URL 뒤에 index.md를 붙이면 마크다운 원문이 나옵니다.

**Q. 비용은 얼마인가요?**
A. 진단 5회권 25만 원(회당 최대 90분, 데모 시연 포함). SaaS 운영형 구축 70만 원부터 + 월 49·99·149만 원(인원수 과금 없음, 개선·추가 기능·월간 성과 리포트 포함). SI 소유형 구축 250만 원부터(제대로 구축 700만~), 관리 회차권 49만 원. 부가가치세 별도, 최종 금액은 진단 후 확정. 계약 전 작동 데모는 무료입니다.

---
마음컴퍼니 (MAEUM) · 무료 데모: https://maeum.io/start/ · 정가: https://maeum.io/price/ · 문의: support@maeum.io