(주)맥스테드 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

(주)맥스테드의 전체 정보

기업개요 및 핵심역량(요약)

1. 기업 개요회사명: 주식회사 맥스테드대표자: 이승엽주요 사업 분야:RAG 지식베이스 구축생성형 AI 플랫폼 구축RAG 기반 생성형 AI 고객 자동 응대 솔루션 개발주소: 서울특별시 중구 퇴계로 198, 3층설립 연도: 2010년 8월2. 주요 연혁 및 프로젝트 수행 내역2024년중소벤처기업부: 생성형 AI 챗봇과 RAG 기술을 활용한 연구비 관리 시스템 개발KT: Synapse 시스템(쿠버네티스 프로비저닝) 개발베스핀글로벌: 국민연금공단 LLM 기반 AI 챗봇 구축2023년한국지능정보사회진흥원(NIA): 잔디 생육환경 다분광 이미지 AI 학습데이터 구축2022년한국지능정보사회진흥원(NIA): 실내측위를 위한 융합데이터셋 구축한국지능정보사회진흥원(NIA): CCTV 기반 차량정보 및 교통정보 계측 데이터 구축2021년한국지능정보사회진흥원(NIA): 생활시설 안전 데이터 구축피엠그로우: 재사용 배터리 기반 ESS 통합 모니터링 시스템 구축3. 생성형 AI 개발 기술 역량데이터 처리 및 AI 학습 데이터 구축 역량데이터 수집 및 데이터셋 규격화데이터 전처리(정제·가공) 및 데이터 검증생성형 AI 학습 데이터 생성 및 검증AI 모델 학습 및 운영주요 프로젝트 수행을 통한 기술력 확보생성형 AI 챗봇과 RAG 기술을 활용한 연구비관리 시스템 개발국민연금공단 LLM 기반 AI 챗봇 구축KT Kubernetes Provisioning 개발NIA 프로젝트 수행을 통해 인공지능 학습용 데이터 구축 경험 축적(잔디 생육환경, 실내측위, CCTV 기반 차량정보 등)개인정보 비식별화 및 AI 데이터 정제·가공 기술 적용4. RAG 지식베이스 구축 및 생성형 AI 플랫폼 개발 경쟁력RAG 지식데이터베이스 구축 역량데이터 가공 및 검증 프로그램 자체 개발데이터 수집 및 모니터링 시스템 개발웹 기반 데이터 어노테이션 프로그램 개발RAG 기반 지식베이스 구축맥스 데이터 플랫폼(MaxData) 개발 및 저작권 등록생성형 AI 프로젝트를 위한 자체 플랫폼 개발프로그램 저작권 등록(맥스 데

기업한글명

(주)맥스테드

등록일

2025-02-13

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=2148863811&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

구분품명내용수량비고SW맥스데이터플랫폼 - RAG 지식베이스 구축 - 생성형 AI 플랫폼 개발 - RAG 기반 생성형 AI 고객 자동 응대 솔루션구독형 HWAI모델 학습서버DL380 G10 - CPU: Silver 4208(2.1GHz/2P16C) - RAM: 128GB(32GB*4ea) - SSD: 4TB*2ea - GPU: A100 80GB GPU*2ea1 HP IDS Z6 G4 WKS - CPU: Intel Xeon 4210R (2.4GHz/2P20C) - RAM: 128GB(32GB*4ea) - SSD: 8TB*1ea - GPU: NVIDIA RTX A4000 16GB*2ea1 Web/WAS/DB 서버V-Raptor PEC v2 - CPU: ARM 24Core*1ea - RAM: 32GB*1ea - SSD: 500GB*1ea4 NASSynology 8Bay2 Synology 4Bay1 Synology 확장 12Bay1 StorageHDD 18TB24

상세주소

3층

설립일자

2010-08-10

실적(요약)

구분사업명사업기간발주처1생성형 AI 챗봇과 RAG 기술을 활용한 연구비 관리 시스템 개발2024-10~2025-09중소벤처기업부2KT Synapse 시스템 (쿠버네티스 프로비저닝) 개발2023.10~2024.03KT3국민연금공단 LLM 기반 AI 챗봇 구축2023-07~2023-12베스핀글로벌4인공지능 학습용 데이터 구축 (잔디 생육환경 다분광 이미지 데이터)2023-07~2023-12한국지능정보사회진흥원5인공지능 학습용 데이터 구축 (실내측위를 위한 융합데이터셋 구축)2022-06~2022-12한국지능정보사회진흥원6인공지능 학습용 데이터 구축 (CCTV 기반 차량정보 및 교통정보 계측데이터)2022-05~2022-12한국지능정보사회진흥원7인공지능 학습용 데이터 구축 (생활시설 안전 데이터)2021-06~2021-12한국지능정보사회진흥원8전기차 모니터링 및 긴급 충전 ESS 시스템 구축2023-09~2023-12휴네이트9한우리열린교육 독서 구독서비스 개발2021-06~2022-04유라클10재사용 배터리를 활용한 ESS 통합 모니터링 시스템 구축2021-10~2021-12피엠그로우

유지보수(후속지원)전략(요약)

1. 공급기업 활동을 위한 자원 활용 전략(1) 사업 수행 추진체계각 분야 연구 및 사업 경험을 가진 전문가를 투입하여 최적의 수행팀을 구성한다.RAG 지식베이스 구축팀과 생성형 AI 서비스 개발팀을 운영하여 효율적인 데이터 구축과 AI 서비스 개발을 수행한다.전문기관 협력: 한국데이터산업진흥원, 데이터 활용 공급기업, AI 서비스 기업과 협력하여 프로젝트를 수행한다.(2) 주요 역할 및 업무 분담RAG 지식베이스 구축팀: RAG 파이프라인 성능 평가, 데이터 구축 및 품질관리 수행.생성형 AI 서비스 개발팀: AI 플랫폼 개발, SaaS 기반 챗봇 서비스 구축.기술 지원팀: 기술문서 수집 및 분류, 프롬프트 작성 및 최적화.2. 수요기업 발굴 및 매칭 전략(1) 마케팅 전략AI 서비스 개발을 위해 고품질 학습데이터 구축이 필수적이며, 이를 위해 데이터 전처리(정제/가공) 역량을 강화한다.클라우드 기반 AIaaS(AI as a Service) 수익 모델을 구축하여 지속적인 AI 데이터 서비스 제공.AI 학습데이터 구축 및 실증서비스 추진을 위해 유관기관과 협력하고, 다양한 산업군에 적용 가능하도록 AI 데이터 어노테이션 도구 활용 분야 확대.지속적인 연구개발 및 기술 보완, 데이터 유형 및 라벨링 기능 업데이트를 통해 글로벌 경쟁력을 확보한다.AI 기반 서비스 추진 기업들에게 데이터 라벨링 도구를 제공하여 데이터 라벨링 서비스 수익 창출.(2) 사업 수행 전략다수의 AI 데이터 구축 프로젝트 수행 경험을 바탕으로 개발 효율성을 극대화한다.AI 학습데이터 라벨링 프로그램에 대한 지식재산권 확보 및 보호.IaaS 기업, 수요기업 및 외부 전문가와 협력하여 실무 협의체 운영.애자일 방법론을 도입하여 데이터 유형별로 신속하고 지속적인 소프트웨어 개발을 추진.단계별·유형별 프로토타입 구축을 통해 안정적인 데이터 및 AI 모델 개발 환경을 조성.3. 수요기업 유지보수 및 협업체계 전략(1) 수요기업을 위한 운영전략온라인 협업 도구를 활용하여 현상 관리, 이슈 관리 등의

주요서비스 상세정보(요약)

1. 데이터(또는 활용서비스)의 상품성(1) RAG 기반 생성형 AI 서비스 구축OpenAI GPT, Mistral, Meta에서 2024년 공개한 Llama 3.2 모델 활용 및 연동 기술 보유.벡터 데이터베이스 Milvus 개발 및 RAG 지식베이스 구축 경험 보유.맥스테드가 저작권을 보유한 **생성형 AI 플랫폼(MaxData 플랫폼)**을 활용하여 AI 서비스 구축.2. 데이터 상품(또는 활용서비스)의 상세정보1) RAG 지식베이스 구축(1) 생성형 AI 학습용 데이터 수집 및 분류기업의 내부 문서, 가이드, 질의응답(Q&A) 등의 자료를 수집.기업, 제품, 자료 유형별로 데이터를 분류하여 RAG 지식베이스 구축을 위한 분석 수행.(2) 데이터 정제 및 학습 데이터 반영, 2차 데이터 수집수집된 데이터를 정제 및 전처리하여 RAG 지식베이스에 반영.추가 데이터 수집 및 2차 RAG 지식베이스 적재.프롬프트 작성 및 개선, RAG Search 알고리즘 개발.2) 생성형 AI 플랫폼 구축(1) 생성형 AI 플랫폼 설계요구사항 정의 및 시스템 아키텍처 설계 후 개발 환경 구축.(2) 생성형 AI 플랫폼 기능 개발UI/UX 설계, 논리·물리 데이터 모델 설계.사용자 포털 기능 개발, 서비스 카테고리 반영.상담 지표 모니터링 및 통계 기능 개발.외부 활용 API 개발(타 시스템과 연동 가능).(3) 생성형 AI 플랫폼 통합챗봇, 서비스 플랫폼 엔진, RAG, LLM 통합 및 연동 구성.플랫폼 테스트 계획 수립 및 테스트 진행 후 기능 보완.3) RAG 기반 생성형 AI 고객 자동 응대 솔루션 개발(1) AI 챗봇 서비스 기획 및 설계챗봇 서비스 요구사항 및 서비스 흐름 정의.거대언어모델(LLM) 및 검색증강생성(RAG) 프레임워크 선정, RAG 및 LLM 환경 구축.(2) 다국어 지원 AI 챗봇 서비스 개발자연어 이해(NLU), 대화 처리, 컨텍스트 인식, 언어 번역 처리 모듈 개발.RAG 및 LLM 인터페이스 개발, 챗봇 UI 개발.실시간 대화 처리,

카테고리구분

전처리,품질,코딩,시각화,정보추출또는조합,태깅또는라벨링,분석,기타,가명처리,데이터 보호 관련 기술 개발,AI Hub 학습용 데이터 재가공,전략수립,큐레이션,설계,생성·수집,자동화,적재

품질확보전략(요약)

1. 단계별 품질관리 수행 활동데이터 품질 관리는 준비/계획, 구축, 운영 3단계로 구분되며, 각 단계에서 품질 점검을 수행한다.준비/계획 단계: 사업 수행 및 구축계획 수립, 데이터 구축 절차 및 조직 구성, 품질 목표 및 점검 기준 수립.구축 단계:데이터 획득/수집: 데이터 수집 방법 및 기준 검토, 법적 근거 확인, 원시데이터 품질검사.데이터 정제: 개인정보 비식별화, 정제 도구 및 환경 검토, 원천데이터 품질검사.데이터 가공: 라벨링 방법 및 도구 검토, 품질검사.데이터 학습: AI 모델과 데이터의 합치성 검토, 학습 결과 최적화, 품질 검증 및 보완 조치.운영 단계: 데이터 유지보수 및 사용자 피드백 반영.2. 구축 단계별 산출물구축 단계별 주요 산출물은 문서, 데이터, 기타 기술 자료로 나뉜다.문서: 사업수행계획서, 구축공정 가이드라인(획득, 정제, 가공 등), 품질관리 결과서, 개인정보 자율점검표.데이터: 원시데이터(수집 데이터), 원천데이터(텍스트, 이미지, 음성 등), 라벨링 데이터(JSON, XML, CSV 등).기타: AI 모델 설명서, 테스트 결과서, 학습 모델 파일, 모델 구축 도커 이미지.3. 품질 점검 프로세스품질 점검은 수요기업과 공급기업이 협력하여 수행하며, 구축된 데이터의 정확성, 일관성, 적절성을 검토한다.4. 개인정보 보호 방안개인정보 보호는 기획·설계, 사업 수행, 사업 종료 단계에서 체계적으로 관리된다.개인정보 보호 현황: 최소한의 개인정보(이름, 이메일, 비밀번호)만 수집하며, 위탁처리 및 제3자 제공 없음.개인정보 보호 원칙:기획·설계: PbD(Privacy by Design) 7대 원칙 준수.사업 수행: 개인정보 보호 책임자 지정, 정기 점검.사업 종료: 사용 데이터 파기 및 결과물 점검.보호 조치:관리적 보호(사고 대책 마련)기술적 보호(접근 통제, 운영 보안, 암호화)물리적 보호(저장 매체 보안).

활용사례(요약)

ㅇ고객 응대 품질 향상 -LLM(Large Language Model) 도입으로 기업별 맞춤형 응대 제공 가능 -고객 질의에 대한 정확한 이해와 자연스러운 답변을 통해 신뢰 구축 -정확한 고객 응대 및 만족도 향상ㅇRAG 기술을 통한 응대 품질 향상 -LLM 사용 시 발생할 수 있는 부정확한 응답(환각현상)을 RAG 기술로 최소화 -기업의 최신 정보와 데이터를 실시간으로 반영하여 높은 정확도 유지ㅇ중소수출기업의 자립성 강화와 해외 경쟁력 확보 -비대면 상담을 통해 해외 고객 대응 효율화 -신속한 고객 응대와 문제 해결로 브랜드 이미지 제고 및 재구매율 상승ㅇ비대면 24/7 지원 시스템 응대 품질 향상 -시간과 공간의 제약을 극복하는 클라우드 SaaS 기반 시스템 -해외 고객이 언제 어디서든 필요한 정보를 실시간으로 제공받을 수 있도록 지원