go_bunzee

모임 데이터구조화를 통한 기업의 문제를 해결하는 소프트웨어

project

[projectLocation3String.KR01] 데이터구조화를 통한 기업의 문제를 해결하는 소프트웨어

  • 신인호

    신인호

    (phone_verification) 1일전 login
  • is_recruitingprojectStatusString.02
    0

    recruiting_status_title

    • jobDetailString2.0505

      0/1
    apply_input ✍️ (total2unit_count) applyInputString.type, applyInputString.reason

    platform_title

    platformString.01

    ai_analysis_title

    ai_analysis_desc
    1) 단기/중기/장기 관점의 주요 소비자 분석
    단기(0~1년)
    초기 고객은 “데이터는 많지만 실제 업무 판단은 여전히 사람 경험에 의존하는 기업”이 핵심입니다. 특히 중견 제조업, 건설사, 유통기업, 물류기업처럼 ERP·MES·CRM·엑셀·메일 등에 데이터가 분산된 조직이 우선 타깃이 될 가능성이 높습니다.
    주요 소비자 특성:
    - 대표자·임원: 실시간 경영 판단 니즈
    - 팀장·관리자: 보고서 자동화 및 이슈 탐지 니즈
    - 실무자: 데이터 탐색 시간 단축 니즈
    초기 시장 규모는 매우 크지만 실제 진입 가능한 시장은 “PoC를 빠르게 허용할 수 있는 중견기업” 중심으로 제한됩니다. 초기 고객은 완성도보다 “실제 업무 개선 효과”를 중요하게 보기 때문에, ROI가 명확한 업무 하나를 해결하는 것이 중요합니다.
    핵심 니즈:
    - 데이터 통합
    - 반복 보고 업무 감소
    - 빠른 의사결정
    - 현업 기준의 분석 결과
    - 기존 시스템과의 연동
    중기(1~3년)
    중기에는 특정 산업군에 특화된 Vertical AI 형태로 진화할 가능성이 높습니다. 예를 들어 제조업에서는 생산 이상 탐지, 건설에서는 원가·공정 리스크 분석, 유통에서는 재고·매출 예측 등으로 세분화됩니다.
    주요 소비자 특성:
    - 데이터 활용 수준이 높아진 기업
    - 사내 AI 전환을 추진하는 조직
    - SaaS 도입 경험이 있는 중견·대기업
    이 시기에는 단순 “AI 검색”보다 “업무 실행 자동화” 니즈가 커집니다.
    핵심 니즈:
    - 의사결정 추천
    - 워크플로우 자동화
    - 부서 간 데이터 연결
    - AI 기반 KPI 예측
    - 보안 및 권한 관리
    장기(3년 이상)
    장기적으로는 기업 운영 전반의 AI 운영 시스템으로 확대될 수 있습니다. 단순 분석툴이 아니라 “기업 운영 보조 AI”에 가까운 형태입니다.
    주요 소비자 특성:
    - AI 내재화 기업
    - 글로벌 운영 조직
    - 데이터 기반 경영 체계를 가진 대기업
    핵심 니즈:
    - AI Agent 기반 자동 실행
    - 의사결정 시뮬레이션
    - 멀티 시스템 자동 연결
    - 산업별 규제 대응
    - AI 거버넌스 및 감사 추적
    2) 현재 시장성과 향후 3년간 시장 추세
    현재 시장성
    현재 시장은 매우 유망합니다. 이유는 기업들이 생성형 AI 도입에는 관심이 높지만, 실제 업무 연결 단계에서 어려움을 겪고 있기 때문입니다. 특히 “사내 데이터 연결 + 업무 실행” 영역은 아직 완전히 장악한 플레이어가 없습니다.
    시장 성장 요인:
    - 기업 AI 도입 예산 증가
    - ChatGPT 이후 AI 친숙도 상승
    - SaaS 데이터 증가
    - 업무 자동화 수요 확대
    - 인건비 절감 압박
    향후 3년 추세
    1년 차:
    - 기업들이 PoC를 대량 시도
    - “RAG 기반 사내 검색” 경쟁 심화
    2년 차:
    - 단순 챗봇은 차별성 약화
    - 업무 실행형 AI Agent 수요 증가
    3년 차:
    - 산업 특화형 AI 플랫폼 중심 재편
    - 보안·권한·온프레미스 요구 확대
    - Microsoft·Google 생태계 통합 경쟁 심화
    예상 경쟁업체 및 서비스
    글로벌:
    - Microsoft Copilot
    → Office/ERP 기반 업무 AI
    - Salesforce Einstein
    → CRM 의사결정 AI
    - Notion AI / Atlassian Intelligence
    → 협업 데이터 AI
    - Palantir AIP
    → 대기업 데이터 의사결정 플랫폼
    국내:
    - 업스테이지
    - 뤼튼 B2B
    - 네이버클라우드 HyperCLOVA X 기반 솔루션
    - 삼성SDS Brity Copilot
    - LG CNS DAP GenAI
    실질 경쟁은 “범용 AI”보다 산업별 PoC 전문기업들과 더 가까워질 가능성이 높습니다.
    3) 경쟁력을 가지기 위한 차별화 전략
    첫째, “검색형 AI”가 아니라 “업무 실행형 AI”로 포지셔닝해야 합니다.
    예:
    - 생산 이상 발견 → 담당자 알림 → 리포트 자동 생성
    - 재고 위험 감지 → 발주 추천
    둘째, 산업 특화 템플릿을 제공해야 합니다.
    범용 플랫폼은 초기 도입 장벽이 큽니다. 제조·건설·유통별 KPI와 업무 흐름을 사전 탑재하면 도입 속도가 빨라집니다.
    셋째, 데이터 연결 난이도를 낮춰야 합니다.
    기업들은 AI보다 “데이터 연결 비용”에서 더 많이 막힙니다.
    - ERP 커넥터
    - 엑셀 자동 연동
    - 그룹웨어 연결
    - API 없는 시스템 대응
    넷째, Explainable AI 기능이 중요합니다.
    기업은 “왜 이런 판단이 나왔는가”를 원합니다.
    - 근거 데이터 표시
    - 추론 과정 기록
    - 리포트 자동 생성
    다섯째, 온프레미스·프라이빗 환경 대응이 필요합니다.
    특히 제조·금융·건설은 데이터 외부 반출에 민감합니다.
    4) 출시 플랫폼 우선순위
    1순위: PC 웹
    B2B 의사결정 업무는 대부분 사무 환경에서 발생합니다.
    또한:
    - 대시보드 활용
    - 대량 데이터 확인
    - 관리자 설정
    - 보고서 작업
    등이 PC 환경에 적합합니다.
    2순위: 모바일 웹
    관리자·임원 대상 빠른 승인 및 알림 확인 용도로 유용합니다.
    앱 설치 부담 없이 접근 가능합니다.
    3순위: 모바일 앱
    초기에는 우선순위가 낮습니다.
    다만 현장 업무(건설·물류·제조 현장) 중심으로 확장 시:
    - 이상 알림
    - 음성 질의
    - 현장 사진 업로드
    기능이 중요해질 수 있습니다.
    5) 초기 시장 진입 전략
    첫째, 특정 산업의 단일 문제 해결에 집중해야 합니다.
    예:
    - 제조: 불량 원인 분석
    - 건설: 공정 지연 예측
    - 유통: 재고 이상 탐지
    둘째, PoC 기반 레퍼런스를 확보해야 합니다.
    초기 B2B는 기능보다 “실제 도입 사례”가 가장 강력한 영업 자료입니다.
    셋째, SI 기업·ERP 기업과 협업하는 전략이 효과적입니다.
    이미 고객 데이터를 보유한 파트너를 활용하면 진입 속도가 빨라집니다.
    넷째, ROI 중심 세일즈가 필요합니다.
    “AI 기술”보다:
    - 보고 시간 70% 절감
    - 장애 탐지 속도 향상
    - 재고 손실 감소
    같은 수치 중심 접근이 중요합니다.
    다섯째, 초기에는 커스터마이징 허용이 필요합니다.
    완전한 SaaS보다 고객별 문제 해결형 접근이 현실적입니다.
    6) 시장 확대 전략
    첫째, 산업별 AI 패키지화
    초기 PoC 경험을 템플릿으로 축적하여:
    - 제조 AI 패키지
    - 건설 AI 패키지
    - 유통 AI 패키지
    형태로 확장할 수 있습니다.
    둘째, AI Agent 기반 자동화 영역 확대
    단순 분석에서:
    - 승인 요청
    - 보고서 작성
    - 일정 조정
    - 알림 발송
    까지 확장하면 락인 효과가 커집니다.
    셋째, 데이터 생태계 구축
    ERP·MES·CRM·Slack·Notion 등과의 연결을 늘리면 플랫폼 가치가 상승합니다.
    넷째, 파트너 생태계 전략
    컨설팅사·SI·클라우드 기업과 협력하면 엔터프라이즈 진입이 쉬워집니다.
    다섯째, 산업별 학습 데이터 확보
    장기적으로 경쟁력은 모델 자체보다 “산업 데이터와 업무 흐름 이해”에서 나옵니다. PoC 과정에서 축적되는 데이터와 사례가 핵심 자산이 될 가능성이 큽니다.

    introduction

    1. 프로젝트의 시작 동기

     

    기업에는 매일 많은 데이터가 쌓이고 있지만, 실제 업무에서는 필요한 데이터를 사람이 직접 찾아보고 여러 정보를 종합해 판단하는 경우가 많습니다.

    저희는 기업의 데이터를 서로 연결하고, AI가 필요한 정보를 분석하여 사람의 실제 업무 의사결정을 지원하는 B2B 소프트웨어 를 만들고 있습니다.

    단순히 기업 데이터를 검색하거나 질문에 답변하는 AI가 아니라,

    기업 데이터 연결 →

    업무에 필요한 정보 분석 →

    기업의 업무 로직 실행 →

    의사결정 지원

    까지 이어지는 제품을 만드는 것이 목표입니다.

    현재는 아이디어 단계에서만 개발하는 것이 아니라, 실제 기업과의 PoC를 진행하며 현업의 문제를 직접 인터뷰하고 검증하면서 제품을 만들고 있습니다.

    초기에는 PoC기업의 실제 업무 문제를 해결하는 것부터 시작하고, 이후 제조·건설·유통 등 다양한 기업의 의사결정 업무로 확장하는 것을 목표로 하고 있습니다.

    주요 사용자는 기업의 대표자, 관리자, 실무자 등 여러 데이터를 바탕으로 업무 판단을 내려야 하는 사람들입니다.

     

     

    2. 회의 진행/모임 방식 

     

    프로젝트는 온라인 중심의 사이드프로젝트로 진행합니다.

    • - 주 1~2회 정도 정기 온라인 회의

    • - 각자 맡은 영역은 일정에 맞게 자율적으로 진행

    • - 필요한 경우 담당자끼리 추가로 짧게 논의

    • - 개발 진행 상황과 기획 변경사항을 지속적으로 공유

    • - 직장이나 학업과 병행하는 팀인 만큼, 정해진 시간에 항상 작업하기보다는 각자의 일정에 맞춰 유연하게 참여하는 방식을 지향

    • - 다만 단순 스터디보다는 실제 제품을 만들어가는 프로젝트이기 때문에, 맡은 역할에 대해서는 책임감 있게 함께해주실 분을 찾고 있습니다.

     

    3. 팀원 구성 및 모집직군

    현재 팀은 PM/기획 · Front-end · Back-end 로 구성되어 있으며, 각자의 전문 영역을 나누어 개발하고 있습니다.

    이번에는 AI 영역을 담당할 AI Developer를 찾고 있습니다.


    4. 그외 자유기재 

     

    이번 프로젝트는 포트폴리오용으로 가상의 서비스를 만들어보는 프로젝트보다는 실제 기업의 문제를 발견하고, 실제 데이터를 활용해 PoC까지 검증해보는 프로젝트에 가깝습니다.

    AI 개발자분께는 기획자가 특정 기술이나 구현 방법을 정해서 전달하기보다, “어떤 문제를 해결해야 하는지 / AI가 어떤 역할을 해야 하는지 / 어떤 결과가 필요하지”

    를 공유하고, 이를 구현하기 위한 구체적인 AI 기술과 구조는 AI 개발자분의 판단을 존중하면서 함께 논의하는 방식으로 진행할 예정입니다.

    모든 기술을 알고 계실 필요는 없습니다.

    Python을 기반으로 AI 개발이 가능하고, LLM · RAG · ML/Data Analysis · AI Agent 등 AI 기술을 실제 서비스에 적용하는 것에 관심이 있는 분이면 좋습니다.

    project_tech_title

    • Python

      #Python

    • FastAPI

      #FastAPI

    • #LLM

    • #RAG

    • #GraphRAGrag

    • Neo4j

      #Neo4j

    project_news_title

    • no_news_yet

    member

    projectTypeString2.01 waiting_apply

    프로젝트 apply

    leader_info

    신인호

    신인호

    leader_authrespond_rateno_respond_rate

    period

    26.08.27 ~27.02.27  (185day)

    field

    projectIndustryString.12

    following_people 0people_count