Resource,Whitepaper

지난 3 년 동안 국내 대기업과 금융권, 공공기관의 CIO 사무국을 관찰해 보면 지식 협업 도구 스택에 세 가지 균열이 동시에 발생하고 있습니다.

첫 번째 균열은 데이터 소재의 불투명성입니다. 노션과 Confluence Cloud 는 미국과 유럽 리전에 데이터를 저장하며, 국내 규제 산업이 요구하는 데이터 국내 잔류 원칙과 충돌합니다. 금융감독원 전자금융감독규정, 개인정보 보호법, 공공기관 클라우드 이용 지침은 모두 데이터 물리적 소재를 통제 요건으로 명시하고 있습니다. SaaS 벤더가 제시하는 SOC 2 인증서는 통제 절차의 존재를 증명할 뿐 데이터가 어느 국가 어느 데이터센터에 저장되는지 규정하지 않습니다.

두 번째 균열은 AI 학습 노출입니다. 2024 년 이후 주요 SaaS 벤더는 고객 데이터를 자사 AI 모델 개선에 활용한다는 조항을 약관에 추가했습니다. Opt-out 옵션이 존재하지만 규제 산업 CIO 는 “사내 문서가 외부 모델의 파라미터에 흡수될 가능성이 조금이라도 존재하는가”라는 질문에 명확한 ‘아니오’를 요구합니다. SaaS 지식베이스는 이 질문에 구조적으로 답하기 어렵습니다.

세 번째 균열은 좌석 과금의 예측 불가능성입니다. 노션 Enterprise 는 사용자당 월 24 달러 수준이며, 임직원 5,000 명 규모 조직에서 연간 14 억 원을 초과합니다. 조직이 성장할수록 비용은 선형으로 증가하고, 3 년 총소유비용은 자체 인프라 구축 비용을 상회하는 지점에 빠르게 도달합니다.

이 세 균열을 동시에 해결하려면 설치형(self-hosted) 오픈소스 대안이 필요합니다. 그리고 현재 시점에서 노션과 유사한 사용자 경험을 유지하면서 규제 산업 요구를 충족하는 유일한 선택지가 Docmost 입니다.

Docmost 는 2024 년 공개된 오픈소스 협업 위키로, AGPL-3.0 라이선스로 배포됩니다. 프랑스 개발자 그룹이 주도하며 GitHub 스타 26,000 개를 넘어섰고, 국내에서는 여러 금융기관과 공공기관이 PoC 를 진행 중입니다.

Docmost 가 다른 오픈소스 위키(BookStack, Wiki.js, Outline)와 구분되는 지점은 규제 산업 우선 설계입니다. 기업 도입 요건인 SSO(SAML 2.0, OIDC), SCIM 2.0 기반 자동 계정 프로비저닝, RBAC 세분화, 감사 로그, 페이지 검증 워크플로가 커뮤니티 에디션에도 기본 탑재되어 있습니다. 상용 위키가 Enterprise 티어에서만 제공하는 기능을 오픈소스 라이선스로 접근할 수 있다는 점이 CFO 관점에서도 설득력을 얻습니다.

백서 3장 제품 비교 매트릭스에서 노션·Confluence·Outline·BookStack·Docmost 5 개 제품을 42 개 항목으로 비교한 결과, Docmost 는 데이터 주권·규제 대응·AI 통합 3 영역에서 유일하게 완전 충족 판정을 받았습니다. 특히 다음 항목에서 격차가 두드러졌습니다.

• 데이터 물리적 소재 통제: Docmost 만 사내 인프라 배포 가능
• 감사 로그 기본 탑재: BookStack 은 플러그인 필요, Docmost 는 기본 제공
• AI 통합 아키텍처: 노션과 Confluence 는 자사 클라우드 AI 강제, Docmost 는 Local LLM 연결 지원
• 페이지 검증 워크플로: 규제 산업이 요구하는 승인·이력 추적, Docmost 만 기본 제공

노션 사용자 경험을 이미 학습한 임직원이 위화감 없이 이행할 수 있는 블록 기반 편집기, 실시간 협업, 계층 구조 페이지 관리를 동일하게 제공한다는 점도 도입 저항을 낮추는 요인입니다.

Docmost 를 단순 SaaS 대체재로만 보면 도입 논리의 절반만 이해한 상태입니다. 규제 산업 CIO 가 지금 Docmost 를 검토하는 진짜 이유는 Local LLM 과 MCP 표준을 결합했을 때 완성되는 Private AI Agent 지식 기반입니다.

Docmost 의 AI 통합 계층은 두 축으로 구성됩니다.

첫째 축은 Ollama 기반 Local LLM 연결입니다. 백서 5장에서 Gemma 3 27B 모델을 사내 GPU 서버에 배포한 후 Docmost 문서를 대상으로 자연어 질의응답을 수행한 사례를 정리했습니다. 문서 요약, 관련 페이지 추천, 번역, 태그 자동 생성이 모두 사내 네트워크 내에서 완결되며 외부 API 호출은 발생하지 않습니다. 상용 GPT-4 대비 일부 태스크에서 품질 격차가 있으나, 규제 산업은 품질 비교보다 데이터 격리가 대체 불가한 요구사항입니다.

둘째 축은 MCP(Model Context Protocol) 표준 지원입니다. MCP 는 Anthropic 이 2024 년 공개한 표준으로, AI Agent 가 사내 시스템의 데이터에 안전하게 접근하는 방식을 규정합니다. Docmost 는 MCP 서버를 내장하여 사내 AI Agent 가 위키 문서를 컨텍스트로 사용할 수 있도록 개방합니다. 이 조합은 CIO 관점에서 두 가지 함의를 가집니다. 첫째, 사내 AI Agent 는 Docmost 를 단일 지식 소스로 활용해 답변 정확도와 감사 가능성을 동시에 확보합니다. 둘째, MCP 는 표준이므로 향후 다른 AI 제품으로 이행할 때 위키 데이터가 재사용 가능한 자산으로 남습니다.

MSAP.ai 가 국내 규제 산업 고객에게 제공하는 통합 스택은 Docmost, LiteLLM 라우터, Ollama, Hermes Agent 4 개 컴포넌트로 구성됩니다. Docmost 가 지식 저장소, Ollama 가 추론 엔진, LiteLLM 이 모델 라우팅, Hermes 가 Agent 오케스트레이션을 담당하며, 4 개 모두 오픈소스입니다. 이 스택은 사내 GPU 서버 1 대와 일반 컴퓨트 노드 3 대로 시작할 수 있으며, 백서 6장 참조 아키텍처에서 세부 배포 다이어그램을 확인하실 수 있습니다.

Obsidian 을 개인 지식 관리 도구로 사용하는 조직이라면 Docmost 와 상호 보완 구도가 자연스럽습니다. Obsidian 이 개인의 사고 정리와 초안 작성을 담당하고, Docmost 가 팀 단위 공식 지식 저장소 역할을 맡는 이원 구조가 국내 지식 노동자의 실제 작업 흐름과 부합합니다.

Docmost 도입은 조직 특성에 따라 세 가지 경로로 갈립니다.

시나리오 A — 규제 우선 대형 조직 (임직원 3,000명 이상)

금융권, 공공기관, 방산 기업이 여기에 해당합니다. 데이터 주권과 감사 대응이 도입의 첫 번째 이유이며, AI 통합은 2 순위입니다. 초기 3 개월은 SSO·SCIM·감사 로그 연동과 기존 위키 마이그레이션에 집중하고, 이후 6 개월 내 Ollama 기반 Local LLM 연결을 추가하는 순차 도입이 안정적입니다. 총 도입 리드 타임은 약 9 개월이며, 3 년 총소유비용은 노션 Enterprise 대비 60% 이상 절감이 가능합니다.

시나리오 B — AI 우선 중견 조직 (임직원 500-3,000명)

제조업, 유통, 헬스케어 중견 기업이 해당합니다. 사내 데이터로 훈련된 Private AI Agent 구축이 도입의 첫 번째 이유이며, 규제 대응은 부수 효과로 획득합니다. 초기부터 Docmost 와 Ollama, MCP 를 동시 배포하고 사내 위키 마이그레이션과 AI Agent 파일럿을 병행 진행합니다. 총 도입 리드 타임은 약 6 개월이며, AI 서비스 사용료(GPT-4 API) 대체 효과가 초기 12 개월 내 회수 지점에 도달합니다.

시나리오 C — 비용 민감 소규모 조직 (임직원 500명 미만)

스타트업과 중소기업이 해당합니다. 노션 Team 플랜 비용 자체가 부담이며, 좌석 확장에 따른 비용 예측 불가능성이 도입 트리거입니다. Docker Compose 기반 단일 서버 배포로 시작해 초기 리드 타임을 2 개월 이내로 단축할 수 있습니다. AI 통합은 초기에는 배제하고, 조직 성장 후 추가 검토합니다. 3 년 총소유비용은 노션 대비 80% 이상 절감이 가능합니다.

세 시나리오 모두에서 공통되는 성공 요인은 임직원 온보딩 전략입니다. 노션 사용자 경험을 이미 학습한 조직은 UI 유사성을 활용해 별도 교육 없이 이행 가능하며, 초기 사용성 저항이 발생하는 지점은 주로 통합 검색과 페이지 이력 관리 영역입니다.

Docmost 도입을 검토하시는 CIO 께 반드시 말씀드려야 할 세 시점의 지연 비용이 있습니다.

6 개월 지연 비용: 노션 Enterprise 좌석 계약이 자동 갱신되며, 조직 규모에 따라 5 억에서 15 억 원의 계약이 이미 확정됩니다. 이 계약은 위약금 없이 해지하기 어렵고, 다음 갱신 시점까지 대체재 도입이 지연됩니다.

12 개월 지연 비용: 사내 임직원이 SaaS 지식베이스에 축적하는 문서 자산이 연간 200-500 GB 규모로 증가합니다. 이 데이터를 셀프호스팅 대안으로 이관하는 마이그레이션 비용과 리스크가 지연 기간에 비례해 증가합니다.

24 개월 지연 비용: 사내 AI Agent 프로젝트가 GPT-4 API 나 노션 AI 에 종속된 형태로 배포되며, 이후 Local LLM 기반 재구축 시 초기 개발 비용의 2 배 이상을 재투자해야 합니다. 무엇보다 그 사이 축적된 사내 문서가 외부 모델 학습에 노출되었을 가능성을 사후에 검증할 방법이 존재하지 않습니다.

규제 대응, 데이터 주권, AI 통합 세 축의 요구는 모두 지금 시점에 도달했습니다. Docmost 는 세 요구에 동시에 답하는 유일한 오픈소스 협업 위키이며, 국내 규제 산업 CIO 께 지금 시점의 검토 대상이 되기에 충분한 성숙도를 확보했습니다.

Docmost 도입 판단에 필요한 39 페이지 백서를 다운로드하실 수 있습니다. 규제 대응 매트릭스, 5 개 제품 비교, 참조 아키텍처, 3 년 총소유비용 시뮬레이션을 모두 담았습니다.

MSAP.ai 는 국내 규제 산업 30 개 이상 조직의 오픈소스 협업 인프라 도입을 지원해 왔으며, Docmost + Ollama + MCP 통합 스택의 사전 컨설팅을 무상으로 제공합니다. 도입 시나리오 판단, 규제 대응 매트릭스 정리, 참조 아키텍처 리뷰가 30 분 세션으로 가능합니다.