KTP Platform
KTP — Knowledge Tracing Platform
AI 시대에 빠진 조각 — 지식의 축적과 증명
Problem
LLM 시대, 지식은 어디로 가는가
LLM과 함께 일하는 시대, 정작 생성된 지식은 사라지고 있습니다.
LLM과의 작업에서 생성된 통찰은 각 대화창 안에 갇혀 사라집니다. 새 대화를 시작하면 맥락은 리셋되고, 매번 같은 배경을 다시 설명해야 합니다.
Claude에서 GPT로, GPT에서 로컬 모델로 옮기면 축적된 맥락은 처음부터 다시 시작입니다. 지식이 특정 LLM 공급자에 갇힙니다.
“이 시점에 이런 탐구를 했다”는 사실을 제3자에게 증명할 방법이 없습니다. 학습 이력, 업무 역량, 문제 해결 과정이 기록으로 남지 않습니다.
노트 앱, 위키로 지식을 정리하려는 시도는 유지 비용이 축적 가치를 초과하면서 결국 포기됩니다.
Solution
블루에이전트의 접근
모든 LLM에 ‘기억력’과 ‘집단 지혜’를 공급하는 인프라
타겟 → 이익 — 사용자는 분류·태그를 고민하지 않습니다. 시스템 에이전트가 지식을 자동으로 추출·분류·연결합니다.
AI 배제 → 불변성 증명 — 이벤트 소싱과 해시 체인으로 “이 시점에 이 탐구가 존재했다”는 사실을 암호학적으로 증명합니다.
사용자 관리 → 시스템 관리 — 수동 정리 대신 에이전트가 지식을 구조화합니다. 사용자는 평소처럼 LLM과 대화하면 됩니다.
LLM 종속 → MCP 연결 — 어떤 LLM을 쓰든 MCP 프로토콜로 연결됩니다. 지식은 LLM이 아닌 사용자에게 귀속됩니다.
개인 → 집단 — 개인이 쌓은 지식은 개인 자산으로 관리되고, 일반화 가능한 부분은 익명화되어 집단 허브에 기여됩니다.
Architecture
시스템 아키텍처
Features
주요 기능
중고생 — 탐구 기록의 자산화
진로 탐구 과정이 자동으로 구조화됩니다. 어떤 주제를 어떤 깊이로 탐구했는지, 시간순 이력이 증명 가능한 포트폴리오가 됩니다.
취준생·프리랜서 — 역량 증명
프로젝트 경험, 문제 해결 과정, 기술 학습 이력이 해시 체인으로 증명됩니다. "언제, 무엇을, 어떻게 했는지"를 제3자에게 보여줄 수 있습니다.
개발자 — 과거 지식 자동 소환
6개월 전에 해결한 문제의 맥락이 새 대화에서 자동으로 소환됩니다. 매번 같은 배경을 다시 설명할 필요가 없습니다.
기업 팀 — 조직 지식 자산화
팀원 개개인의 업무 지식이 조직 자산으로 축적됩니다. 퇴사·이동으로 지식이 사라지는 문제를 구조적으로 해결합니다.
Tech Stack
기술 스택
Process
도입 프로세스
Phase 0 — MVP
핵심 지식 그래프 + MCP 연동 · 현재 설계 단계
Phase 1 — 에이전트 분리·전문화
추출·분류·연결 에이전트 분리, 다중 사용자 지원
Phase 2 — 허브 레이어
집단 지식 허브, 익명화 파이프라인, 경험 모드 분화