알레시오 주식회사 총0명이 열람하였으며, 0개의 리뷰가 있습니다.

알레시오 주식회사의 전체 정보

기업개요 및 핵심역량(요약)

‘기술로 삶을 더 행복하게’라는 비전으로 2016년 9월 설립된 알레시오 주식회사는 뛰어난 인공지능 기술을 통해 사람들에게 감동과 행복을 선사하는 것을 목표로 함. 현재 제공 중인 ‘베이비페이스’ 서비스의 국내 사업 성과를 바탕으로 아시아 시장 진출을 본격화하고 있으며, 차별화된 이미지 생성 기술을 바탕으로 ‘합성 데이터’ 시장 진출을 모색하고 있음.

기업한글명

알레시오 주식회사

도로명주소

등록일

2025-02-03

링크(URL)

https://kdata.or.kr/datavoucher/is/selectPortalFileDetail.do?rcpnYear=2025&brno=6638700549&sprnSctrCd=P01014002&prdcId=&sprnDsncCd=P11014001

보유솔루션(요약)

합성 데이터 생성을 위해서는 소량의 저품질 데이터로부터 전체 데이터의 분포를 근사하여, 고품질의 가상 데이터를 대량으로 생성할 수 있는 고도화된 이미지 생성 기술이 필요함. 또한 3D 모델링/렌더링을 통해 만들어진 가상의 이미지 데이터에 현실성을 더하여 AI 모델 학습의 효과를 극대화하는 Photorealistic Enhancement를 위해서는 고도화된 이미지 변환 기술이 필요함.알레시오는 다년간의 베이비페이스 상용화 경험을 통하여 고도화된 이미지 생성 기술과 이미지 변환 기술을 확보하였음. 가려짐이나 노이즈가 심한 이미지를 변환할 수 없는 기존 이미지 변환 기술과 달리, 알레시오의 차별화된 이미지 변환 기술을 이용하면 초저품질의 소량 데이터만으로 고품질의 목표 데이터를 대량으로 생성할 수 있음.

상세주소

(대치동, 디아이타워)1518호

설립일자

2016-09-30

실적(요약)

- 2023 합성데이터 관련 데이터바우처 사업 수행, 평가 등급 '우수' 취득

유지보수(후속지원)전략(요약)

고객사와 사전에 합의한 품질 기준을 달성할 때까지 고객 피드백 루프를 반복하여 이미지 품질 검수 AI 모델을 개선. 이를 수행하는 과정에서 조직별로 최소 1명의 전담 인력을 배정.사업 개발팀 주관하에 사업 진행 단계에 따라 다음과 같은 지속 협업 체계 구축.사업 착수 : 고객 요구사항을 명확히 파악하여 품질 기준을 수립하고, 위험 요소를 파악하여 조직별 체크리스트 및 대응 방안 마련.사업 수행 : 데이터 품질 기준을 주기적으로 점검하여 이행 여부 및 리스크 파악. 품질 기준 이행에 어려움이 예상될 경우 품질 기준 재협의, 과제 기간 연장, 기타 보상책 협의를 수행.사업 종료 : 품질 기준 이행 여부 확인. 사업 진행에 대한 업무 분야별 고객 만족도를 수집하고 개선안을 마련함과 더불어, 추가적인 협업 가능 항목을 도출하여 후속 사업 수주를 위한 추가 제안 진행.

주요서비스 상세정보(요약)

AI 모델 학습에 통상적으로 사용되는 데이터는 인력 투입이나 크롤링을 통해 원시 데이터(raw data)를 수집한 후, 라벨링 인력이 해당 원시 데이터의 메타데이터(metadata)를 수작업으로 만들어내는 방식으로 수집/가공됨. 그러나 이러한 방식은 여러 가지 한계를 가짐.첫 번째로, 수집/가공할 수 있는 데이터 규모에 한계가 있음. 수집 및 라벨링 인력이 투입되므로 데이터 규모가 커짐에 따라 금전적 비용과 시간이 급증하며, 대규모 데이터 마련에 장애물로 작용함. 앞서 언급했듯이 데이터 라벨링 수요 기업이 충분한 규모의 데이터를 라벨링 하기 위해 평균 27억원을 지출하며, 데이터 준비에는 평균 4개월이 소요됨.두 번째로, 인적 요소의 작용으로 인한 데이터 관리의 어려움이 발생함. 단순 반복 작업을 오랜 기간 수행해야 하는 라벨링 작업의 특성으로 인해 작업자의 심적/인지적 피로가 쌓임에 따라 데이터 품질이 저하되는 경향을 보임. 또한 작업자마다 서로 다른 라벨링 기준으로 데이터를 라벨링하게 되어 데이터의 일관성 확보가 어려움. 이러한 품질과 일관성 저하는 AI 모델의 성능 저하를 유발하는 주된 요인임.세 번째로, 데이터에 본질적으로 내재하는 편향을 해결하기 어려움. 예를 들어, 희귀질환 관련 의료 데이터의 경우 질환이 없는 사람의 데이터에 비해 해당 질환을 앓는 환자의 데이터 양이 극히 적음. 이러한 클래스 불균형(class imbalance) 문제는 AI를 실제로 적용하는 거의 모든 분야에서 빈번하게 발생하며, 단순히 수집 인력을 추가 투입하는 방식으로 해결할 수 없음. 또한 현실 세계에서 재현이 어려운 희소한 경우(edge case)에 해당하는 데이터를 얻기 어려운 문제도 발생함. 예를 들어, 자율 주행 AI를 학습시키기 위한 도로 주행 영상에서 야생 동물 출몰이나 수화물 낙하 등과 같이 발생 빈도가 낮은 사건에 대한 영상 데이터를 수집하기 어려움. 자율 주행을 비롯한 미션 크리티컬(mission critical) 시스템에서는 이러한 edge case가 시스

카테고리구분

생성·수집

품질확보전략(요약)

알레시오는 합성 데이터 사업 수행에 필요한 이미지 생성/변환 기술과 전문적인 AI 연구인력, 다년간의 사업 경험을 통한 이미지 품질관리 체계, AI 학습과 데이터 생성에 필수적인 고성능 GPU 인프라를 두루 갖춤.베이비페이스의 목표 고객인 임산부의 높은 품질 기준을 만족하기 위해 독자적인 기술 개발과 품질 기준 수립을 통해 고도화된 이미지 품질관리 체계를 구축하였음. 효과적인 이미지 품질관리 체계는 1) 검수 효율성과 2) 검수 비용, 3) 품질 보증의 세 가지 기준을 만족해야 함.알레시오는 검수 효율성 증대와 검수 비용 절감을 위해 이미지 품질 측정과 필터링을 자동화하는 AI 모델을 개발하였으며, 빠르고 손쉬운 이미지 보정을 위한 AI 보정 기술을 개발하였음. 이와 더불어 상대적으로 인건비가 저렴한 베트남에 품질 검수 센터를 설립하여 검수 비용을 절감하였으며, 다년간 안정적으로 운영 중임.또한 고객 불만족 사례를 바탕으로 품질 측정 AI 모델을 지속적으로 학습하고 개선함으로써 2021년 기준 고객 만족도 4.9(/5.0 만점)를 달성하여 뛰어난 품질 보증 역량을 입증하였음.알레시오는 이러한 체계를 운영하기 위한 숙련된 운영 인력과 시스템 개선/유지를 위한 개발 인력을 확보하고 있으며, 추후 사업 수요에 따라 지속적인 인력 채용을 진행할 계획임.

활용사례(요약)

2021년 미국 미시간 의대 신경외과에서는 뇌종양 진단에 합성데이터를 도입하여 큰 성과를 거둠. 다른 의료 분야와 마찬가지로 신경외과에서도 데이터 취득에 어려움이 존재하며, 미시간 의대에서 자체적으로 수집한 데이터는 300명 환자의 다섯 가지 종양에 불과했음. 이렇게 수집한 실제 데이터를 이용해서 학습된 AI 진단 모델의 정확도는 68%에 불과했으며, 이를 해결하기 위해 합성 데이터 기술을 이용하여 대량으로 생성된 데이터를 이용함. 합성 데이터를 이용하여 모델을 학습한 결과 정확도가 96%로 급격히 향상되었음. 아래 그림은 실제 종양 이미지와 합성 데이터를 보여주는데, 붉은색 점선으로 표시된 합성데이터는 실제 데이터와 육안으로 구별하기 어려울 정도로 유사한 속성을 보임.