过去以安全业务为市场所熟知的Fasoo，现已正式更名为FasooAI。公司正试图在原有安全业务基础上，进一步把企业级AI打造为新的核心业务方向。

Fasoo于2024年推出基于开源模型开发、支持私有化部署的小型语言模型（sLLM）“Ellm”，正式切入AI市场。近一年来，公司持续扩大相关落地案例，并将文档安全领域积累的经验与AI技术结合，重点支持企业在确保安全的前提下，更高效地利用内部文档。

FasooAI表示，其差异化竞争力并不在于面向某个行业推出通用方案，而是围绕行业内不同业务场景，提供经过定制化优化的AI平台。

负责AI研发的FasooAI CTO Yun Kyung-gu表示，企业若想真正通过AI取得成效，关键在于让AI与具体业务深度结合。公司将在4月15日举行的年度客户大会“FDI Symposium 2026”上，公布支撑企业AI落地的最新技术进展。

据Yun Kyung-gu介绍，FasooAI的定制化AI平台战略可以概括为：以Ellm为基础，整合RAG（检索增强生成）、知识图谱和AI Agent技术。

他表示，Ellm并不是单一的大语言模型，而是一个面向企业的AI平台。公司会预先在平台中实现企业所需的大约80%通用AI能力，其余20%再根据客户实际环境进行针对性优化和交付。Yun Kyung-gu指出，如果AI无法下沉到部门级、场景化的实际应用中，企业就很难真正把AI用起来；即便处于同一行业，不同部门的需求也可能截然不同，因此定制化优化能力尤为重要。

在他看来，RAG有助于企业借助大语言模型更有效地利用内部数据，但要真正发挥效果，仍需处理大量细节问题。围绕这一痛点，FasooAI目前将知识图谱和AI Agent作为重点布局方向。

关于知识图谱，Yun Kyung-gu表示，这一技术通过梳理事实数据之间的关系，有助于降低大语言模型幻觉，并提升推理能力。要提升RAG的实际效果，前提之一是提前构建好知识图谱。公司计划在此次FDI Symposium 2026上公布相关成果。

在AI Agent方面，他表示，RAG的表现很大程度上会受到数据本身特性的影响，而AI Agent则有助于提升特定场景下的适配度。公司目前正重点研发由多个Agent基于网页搜索结果和内部检索结果进行协同讨论的能力，以进一步提高结果准确性。

FasooAI还认为，公司原有的安全能力与AI业务之间存在较强协同效应。Yun Kyung-gu表示，FasooAI提供的并非传统意义上的RAG，而是更懂文档语义的RAG能力；同时，公司还把安全策略延伸到向量数据库检索环节，以降低企业在文档安全方面的顾虑。

自推出Ellm以来，FasooAI主要面向公共部门和企业客户，重点支持以信息检索为基础的业务场景。近期，公司也在持续扩大应用范围。Yun Kyung-gu透露，除信息检索外，公司近期还接到包括营收预测分析在内的多样化需求。