어느 글로벌 대형 제약 그룹은 여러 지역에 걸친 IT 평가를 거쳐, Dify Enterprise를 기반으로 사내 AI 애플리케이션 개발 플랫폼을 구축했습니다.
이 플랫폼은 회사의 전문가용 AI 환경으로서 Microsoft Copilot과 나란히 운영되며, 둘 사이의 인계 경로가 명확합니다. 일상은 Copilot이 맡고, 누군가 그 한계를 넘어서는 순간——이를테면 HTTP 요청이 필요해질 때——전문가 환경으로 업그레이드됩니다.
2026년 초 기준으로 1,000명이 넘는 활성 전문가 사용자가 40개 모델 중에서 선택할 수 있게 되었습니다. 사내 AI 학원은 15,000명 목표를 향해 4,000명 교육을 완료했습니다.
1,000+
명의 활성 전문가 사용자（Dify 기반 플랫폼）
40
개 모델 중 유스케이스별로 선택
4,000
명의 직원이 플랫폼 활용 교육 이수
15,000
명 24개월 온보딩 목표
출처: 어느 글로벌 대형 제약 그룹의 Dify Enterprise 도입 사례, 2026년
“Microsoft Copilot은 사내 초심자를 위한 것이고, Dify는 전문가를 위한 것입니다. 초심자의 요구가 Copilot이 할 수 있는 범위를 넘어설 때—이를테면 HTTP 요청이 필요해질 때—그 사람은 전문가 쪽으로 올라섭니다.”
제약·생명과학은 몇 가지 까다로운 전제 위에 섭니다. 연구개발 주기는 수십 년에 이르며, 하나의 핵심 발견이 조금만 앞당겨져도 그 가치는 수십억 달러에 달합니다. AI를 제대로 활용했을 때의 보상이 그만큼 큽니다. 임상·환자·지식재산·제조 품질에 이르기까지 데이터는 전 과정에서 규제를 받으므로, AI 환경은 첫날부터 거버넌스와 감사를 견뎌야 하며 나중에 덧붙여서는 늦습니다. AI로 가장 큰 효익을 얻는 사람은 일반 사무직이 아니라 과학자, 생물통계 전문가, 규제·메디컬 어페어스 책임자, 제조 엔지니어, 연구 IT입니다. 범용 챗봇은 이들의 업무가 전문적으로 바뀌는 순간 멈춰 섭니다.
그래서 이 업계에서 AI는 전사 공통 챗봇을 하나 더 두는 일이 아닙니다. 문제는 전문 사용자가 필요한 앱을 직접 만들 수 있느냐입니다. 사내 데이터 위에서, 업무마다 알맞은 모델을 골라, 규제가 요구하는 통제 안에서 말입니다. Dify에서 AI가 하는 일은 세 가지입니다. 전문가에게 거버넌스가 갖춰진 구축 공간을 내어주어 워크플로우를 짜고, 사내 데이터를 연결하고, 운영까지 내보내는 것. 모델에 종속되지 않아 각 앱에 가장 알맞은 모델을 다시 작성하지 않고 얹는 것. 그리고 일상 어시스턴트로는 부족해진 순간, 사람들이 올라서는 전문가 계층이 되는 것입니다.
