22살에 창업해 AI로 연매출 100억 원~!창업 6년차, 젊은 리더 김지현 대표 [AI 머니?! 트렌드] / YTN사이언스

0:00AI는 진짜 자고 일어나면은 새로운

0:02기술이 나오고 있거든요. 그래서

0:04정보가 있으면은 딜레이가 전혀 도움이

0:07되지 않아요. 보통 데이터의 중요성을

0:09강가하는 경우도 많은데 인공지능은

0:11사실 데이터가 전부예요. 데이터가

0:138, 인공지능 모델은 2. 22살에

0:17회사를 창업을 했어요. 6년차 정도

0:20됐는데 누정 매출액이 한 100억

0:22정도거든요. 내년 매출액을 저희는

0:25100억을 또 보고 있습니다.

0:33>> 안녕하세요. AI 머니트랜드

0:34제작입니다.

0:35>> 안녕하세요. 김지현입니다.

0:44어, 제가 관심 있는 분야 뭐 예를

0:46들면 AI라든지

0:48아니면 기술 분야 같은 것들 자동으로

0:51인공지능한테 요약하게끔 설정해서 제가

0:55원하는 기사만 골라서 보고 있습니다.

0:58>> 아, 그럼 AI가 좀 기사를

1:01알아서 모아 주시는 건가요?

1:03네. 이거는 이제 슬랙이라는

1:05메신저인데이 메신저 안에 제가이 봇을

1:09설정을 해 놓은 거고이 봇이

1:11실시간으로 저한테 정보를 이렇게 주고

1:13있습니다.

1:15그래서 얼마 전에 오픈 AI라고 채찍

1:17만든 기업이 한국을 왔었거든요. 그

1:20기사를 공유했습니다.

1:23이거는 저희 회사 메신저 방인데요.

1:26뭐 어바웃 같은 경우에는 사람들이

1:28봐야 되는 것들 이제 전제 공지 같은

1:30것들 올라오고 그리고 이런 것들은

1:32이제 저희 홈페이지에서 고객이 문의를

1:36넣으면 자동으로이 슬랙 방으로 또

1:38알람이 오게끔 설정을 한 방이에요.

1:41>> 그럼 예전 방식으로 했었으면은 좀

1:43시간이 얼마나 걸렸었을까요? 예전에

1:45뭐 제가 검색해서 왔으면 한 30분,

1:48지금 제가 쭉 훑어도 5분 안 걸리는

1:51거 같아요.

1:56>> 일반인들한테 추천해 줄 수 있나?

1:58AI가 좀 있나요?

1:59>> 음. 저는 무조건 추천하는게 이제

2:03채찍. 예.P피T는 그냥 이제 기본

2:05도구라고 생각해 주셔도 될 거 같고.

2:08그래서 제가 평소에 어떻게 GPT를

2:10쓰는지를 아예 한번 보여 드릴게요.

2:13그래서 저는 GPT 앱을 깔아

2:15놨고요.

2:16GPT에다가 그냥 갖다 대고 말을

2:18해요.

2:20나 팀원한테 피드백을 줄 건데 팀원이

2:23쓴 보고서가 너무 댑스가 없고

2:25전문성이 없어. 그래서 AI 지식을

2:28훨씬 더 넣어서 보고서를 다시 쓰라고

2:30네가 다듬어서 얘기해 줘.

2:36와, 거의 한 3초 만에 나오네요.

2:38>> 그렇죠. 그래서 제가 말한게 제가

2:40얘기하는 것도 한 1, 2초밖에 안

2:42걸리고 실제 답변도 정리해서 나오는데

2:45몇 초 안 걸리니까 그냥 이거를

2:47그대로 복사해서 다시 팀원들한테

2:49이야기를 해 주면 됩니다.

2:53>> 업무 효율성이 엄청 올라갔겠네요.

2:55>> 그렇죠. 그래서 저희는 이런 GPT나

2:58클로드 같은 생산수도구를 쓰고 안

3:00쓰고가 거의 다섯 배는 넘게 차이

3:02나는 거 같아요.

3:17지금 제가 보는 거는 이제 트렌딩

3:20페이퍼스라고

3:22최근에 유행하는 논문들 그 개발자들

3:24사이에서 좀 화제가 되고 있는 기술들

3:27이런 것들이 올라오는 사이트고요.

3:29이런 거 재밌을 것 같은데 이제 저희

3:32주분야는 아니긴 하지만 이런 식으로

3:34이제 비디오 생성에 관련된

3:36논문들이고요.

3:37>> 와 이게 지금 AI 논문드요?네 네,

3:39맞아요. 이제 보면은 이런 페이스

3:43데이터를 넣었을 때 합성이 되는 괜히

3:46말하는 디페이크라고 하는 기술인데

3:49영상에서의 일관성을 유지하면서이

3:52사람의 얼굴이 들어가는

3:54그런 논문이에요.

3:58그래서 보고 좀 재밌는 논문이 있으면

4:01이런 것도 GPT에 넣어서 논문

4:03요약해 가지고 부팀들한테 공유하고

4:10AI는 사실 진짜 자고 일어나면은

4:13새로운 기술이 나오고 있거든요. 그

4:15속도가 저도 AI 옆에 종사하지만

4:18정말 빨라요. 제가 생각하는 것보다

4:20훨씬 빠르고 그래서 정보가 있으면은

4:25딜레이가 전혀 도움이 되지 않아요.

4:28네. 그래서 최대한 빠르게 공유를

4:30해야지 이게 낡은 정보가 되지 않기

4:33때문에 바로바로 공유를 하는 거

4:35같습니다.

4:39링크드인데요.

4:40해외에서는 명함 대신에 링크드인을

4:43쓸만큼 되게 좀 보편적인

4:45플랫폼이에요. 제가 쓴이 글 같은

4:48경우에는

4:49노출이 13만 해 정도 나왔네요.

4:52>> 어 근데 팔로 보통 다 같은 어깨의

4:56사람일까요?

4:57그런 거 같아요. 보통 이제

4:59스타트업분들이나 아니면 AI 업계에

5:02종사하시는 분들 거의 95%

5:06이상은 IT 종사일 것 같아요. 제

5:09그 SNS 친구는

5:16>> 감사합니다.

5:19여기는 저희 회사고요.

5:29>> 어, 대표님이셨어요?

5:33>> 네. 네. 저는

5:35어 한국딥러닝이라는

5:38어 인공지능 문서이의 기업이

5:41대표고요. 지금은 40명 정도 되는

5:44인공지능 전문가들이랑 함께 문서를

5:47이해할 수 있는 인공지능을 만들고

5:49있어요.

5:55지금이 화면이 저희 에이전트

5:58화면이거든요. 그래서 문서 기존에

6:00이제 넣었던 거에 대한 리스트고요

6:03문서 같은 경우에는 그 금융사나

6:05대출사에서 쓰는 문서예요. 뭐 많은

6:08글자들이 있어요. 뭐 어디 주식해서

6:10기준 뭐 무슨 변동 확인 등등이

6:13있지만 실제 우리가 업무에서 필요한

6:15정보는 아마 고객이 이름이 무엇인지

6:19고객의 생년어일이 무엇인지일

6:21거거든요. 근데 이제 저희 에이전트를

6:24쓰시면은 0.5초 5초 안에 바로

6:26따다다닥 정보를 읽어 줍니다. 그럼

6:29이걸 더 이상 천억을 필요 없이

6:31시스템이 이게 바로 연동이 되고요.

6:33>> 그럼이 모델을 좀 어떻게 하다가

6:36개발을 하시게 되신 걸까요?

6:38>> 네. VLM OC를 저희가 만들었기

6:40때문에 가능한 상황이라고 말씀드릴 수

6:43있겠습니다. 원래이 VLM이 어디에

6:46제일 많이 쓰이냐면 신언더스탠딩할 때

6:48많이 쓰이는 기술이에요. 그러니까

6:50관제 같은 것들. 그래서 CCTV에

6:54지금 뭐 사람이 몇 명이 있고 누가

6:56누구를 촬영하고 있는 모습 이런 거를

6:58할 때 VLM이 가장 많이

6:59쓰였거든요. 이런 이런 그림 해석해

7:02줘. 이거 지금 어떤 상황인지 나한테

7:04알려 줘. 이런 것들이. 근데 그거를

7:06문서라는 이미지 도메인에 맞게 저희가

7:08스페시픽하게 변형을 지금 준 거고

7:11그렇기 때문에 문서에 특화된

7:14VLM이라는 저희만의 기술이 나올 수

7:16있었던 거죠.

7:22부모님이 두 분 다 개발자셨고 집안

7:25어른분들도 1세대 개발자분들이세요.

7:28그래서 원래 컴퓨터랑 되게 친했고

7:30어렸을 때 책창에 왜 꽂혀 있는 책들

7:33보면서 잘하잖아요. 그런 것들이 막

7:36자바 막 씨뿔 막 이런 책들이었어요.

7:38네. 그래서 뭐 그때 그 모든 내용을

7:40다 이해하진 못했지만 그냥 그런 것들

7:43보면서 자랐고 그래서 부모님이

7:47좀 코딩이라든지 이런 교육들을 되게

7:49빨리 시켜 주시기는 했어요. 그래서

7:51그 영향을 되게 크게 받은 건 맞는

7:53거 같아요.

7:58그걸 보여 드릴까요? 구글과 저희 거

8:01넣었을 때 어떻게 다른지? 제가

8:03지금이 파일을 한번 넣어 볼 거예요.

8:05실제로 이렇게 주주명부를 매년

8:07비교해야 되는 곳들이 있어요. 기존에

8:10구글한테 읽히면 어떻게 되냐면 이걸

8:13이렇게 읽어요. 인공지능이 주식을

8:16성명, 관계, 기초, 기말, 비고

8:18종료, 주식수

8:19>> 그냥 글씨 있는 정도로만 끝나네요.

8:21>> 네. 그리고 구글에 비교해서 저희도

8:24같은 문서를 읽혀 볼게요. 이런

8:27식으로 이제 나오고 있는 거고요.

8:29아까 OCR이라든지 구글의 도큐먼트

8:32AI는 아예이 연계성을 못 잡았어요.

8:35저희는 이재용이라는 사람의 주식의

8:39종류가 보통 주고 주식의 기초

8:42주식수가 이만큼이고 지분율은 어느

8:44정도야?

8:46정보의 계층이 깨지지 않고 그대로

8:48묶여 있는 거예요.

8:49>> 오, 그대로 다 나오네요.

8:51>> 이게 이제 VLM이 사용된 문서위의

8:53기술과 사용되지 않은 문서위의 기술의

8:56극명한 차이를 보여주는 예시입니다.

8:59그래서 이런 것도 보시면은 원래 기존

9:01문서는 정상 판매 5% VAT 별도

9:07이거를 잘 인식했어. 5를 오라고 잘

9:09봤어. 근데 우리가 실제로 필요한

9:12정보는 정상 판매를 했을 때

9:14수수료율이 몇 퍼센트야? 그럼 균일

9:17판매를 했을 때는 수수료율이 몇

9:18%야? 이렇게 읽어야 되잖아요.

9:21그래서 지금 문서의 기술에서 필요한

9:23거는이 5%라는 거를 앞뒤에 있는

9:27정보들을 다 연계성을 파악을 하면서

9:30정상 판매의 수수료율이 5%야. 이걸

9:33읽는게 더 중요하다는 거죠. 그래서

9:35이제 저희 문서이의 에이전트의

9:37정확도의 기준은 가를 가라고 읽었어.

9:40더 이상은 이게 아닌 거예요.

9:42김지현을 신청인으로 분류했어.

9:452024년 12월의 승강기 유지비를

9:481128원이라고

9:50잘 분류했어. 이게 더 이젠 중요한

9:52시점입니다.

9:53>> 네. 대표님 그러면 여기이 숫자

9:55뭔가요? 아,이 숫자는 이제

9:57인공지능이 판단을 했을 때이 고객

10:00정보가 한 별수일 가능성에 대한

10:04숫자예요. 그래서 인공지능이 봤을

10:06때이 사람의 이름은 한 별수일

10:10거야.라고

10:12읽을 확률이 99.5%는 맞습니다라고

10:15이제 얘기를 해 주는 거죠. 그래서

10:17우리가이 컨피던스 스코어에 대한 룰도

10:19규정을 할 수가 있는데 예를 들면

10:21나는이 신뢰도 점수가 90% 이하로

10:24떨어지면 내가 한 번 더 확인할 수

10:26있게 해 줘라는 것들이 인공지능한테

10:28이제 오더를 할 수 있는 거죠.

10:30그래서 조금 부정확한 정보인

10:33것들은 사람한테 한 번 더 확인할 수

10:36있게끔 해 주는 그런 기능이라고 봐

10:38주시면 될 것 같습니다.

10:39>> 그 인공지능이 사실 사람 글씨라서

10:42인식하는게 좀 어려울 거 같은데

10:44>> 그렇죠. 이거를 얼마나 데이터를

10:47다양하게 모았는지가이 인식 정확도에

10:50대한 그 관건이 되고요. 저희 같은

10:53경우에는 6년 넘게 이런 문서

10:55데이터만 계속 모으고 문서와 사람의

10:58필체 그리고 뭐 인쇄체 같은 것들에

11:01대해서만 연구를 해 왔기 때문에 지금

11:03이런 데이터가 저희한테 4억장이 넘게

11:05있어요. 실제 필드에서 쓰는 오피스

11:08문서가 4억장이 넘게 있는 거고

11:10그렇기 때문에 다양한 필체를 저희는

11:11보유할 수 있게 된 거죠.

11:14와, 그렇게 많은 걸 모아서 지금

11:16그렇게 인식률이 많이 좋아진 거죠?

11:18>> 네, 맞습니다. 그래서 이렇게까지

11:20끌어올리는게

11:22산업에서는 굉장히 중요해요. 왜냐하면

11:24그냥 우리가 일반적인 목적으로 쓰는

11:26채치피pt 같은 경우는 어느 정도만

11:29잘 나와도 괜찮아요. 음. 어느

11:31정도만 잘 나와도 조금 수정해 쓰거나

11:33하면 되는데 이렇게 산업에 직접적으로

11:36들어가게 되는 인공지능 에이전트 같은

11:38경우에는 그 1, 2% 차이 때문에

11:41필드에서 쓸 수 있다, 없다가 결정이

11:43지어지는 거거든요. 그래서

11:44실질적으로는 이제 GPT 같은

11:46제너럴한 인공지능은 어 산업에

11:49적용하기에는 어느 정도 한계가

11:51있고요. 그래서 고객분들은 이제 어

11:54저희 기업을 많이 찾아 주시는

11:55이유이기도 해요.

11:59수고하셨습니다.

12:05>> 또 미팅 있으신 거 지금?

12:07>> 네. 지금 아까 말씀드렸던 그 고객이

12:10지방에서 저희 보려고 일부러 올라오신

12:12고객이라서 예. 또 큰 그 공공

12:15기관이기도 하고 그래서 제가 미팅에

12:18직접 참여를 하려고 합니다.

12:23>> 회인는 이제 보통 고객분들이 실제

12:25사용하시는 문서를 가지고 오시거든요.

12:28그러면 그 문서 이제 EDA라고 해서

12:31데이터 특성을 한번 저희가 검토하는

12:32거예요.

12:38>> 방에서도 세를 그냥 운영하고 있어요.

12:41>> 음.

12:43미팅하는 고객분들의 문서는 한 95%

12:46이상은 어 저희 거를 이제 제너럴하게

12:50사용 가능하신데

12:52특수 문서들이 있어요. 예를 들면 뭐

12:54도면 이런 것들은 산업에서 사용할만큼

12:59아직은 정확도가 올라오지 않거든요.

13:01예. 그거는 다 이제 커스텀 개발을

13:03해야 되는데 저희는 그런 작업은 또

13:05안 하고 있기는 해서 그래서 되면

13:07된다. 안 되면 안 된다. 정확하게

13:09말씀드리는 미팅이에요.

13:14저희 에이전트는

13:16지금 뭐 현대 캐피탈이라든지

13:19국세청, 과기부, 질병 관리 본부

13:22이런 대기업이나 공공기관에 80개

13:25넘는 곳에 이미 돌아가서 워킹을 하고

13:27있고요. 그리고 저희가 자체적인 이제

13:30라지비전 LLM에 대한 기술 특허를

13:3313건을 가지고 있는 곳이에요.

13:36그래서 문서에 대한 어 VLM 기술에

13:39특화해서 일반 인공진을 만들어 가고

13:42있는 팀입니다.

13:46>> 저희가이 기술을 올해 상반기에 이제

13:49상용화를 마쳤는데 작년 대비해서 거의

13:53400%가 넘어가는 어 누적 매출이

13:55한 100억 정도. 근데 내년

13:57매출액을 저희는 100억을 또 보고

14:00있습니다. 그래서이 기술이 출시되고

14:02저희가 두 달 만에 계약 금액이

14:0410.9억원 9억원 그니까 11억 원

14:06가까이에 수주가 되고 저희 에이전트를

14:11지금 도입하고자 하시는 고객분들도

14:14너무 많아서 사실 예약제처럼 지금 좀

14:17밀려 있는 상황이기는 해요.

14:19현실적으로 저희가 너무 많은 고객을

14:22한 번에 다 받으면 분명히 저희가

14:23예상하지 못하는 부분에서 문제가 생길

14:25건데 저희 에이전트 자체가 B2B나

14:28G를 타겟하는거다 보니까 굉장히

14:30안정성이 높아야 돼요. 그래서 저희가

14:33소화할 수 있을 정도로 이제 전환을

14:35시켰을 때의 최소 금액이 저희는

14:37100억 정도로 보고 있습니다.

14:39>> 진짜 여기저기서 좀 많이 연락이

14:41오시겠대요.

14:42>> 고객이 너무 많이 막 전화가 오고

14:44너무 많이 저희를 찾아 주시니까

14:46저희가 마케팅을

14:49전혀 안 하거든요. 유료 마케팅

14:50비용을 단 이론도 쓰지 않아요. 지금

14:53고객분들이 저희 거를 도입해 보시거나

14:55저희 거를 사용해 보신 고객분들이

14:57다른 고객분들을 소개해 주시면서

14:59저희가 좀 시장에서 인지도가 많이

15:01생긴 상황이고 그래서 고객 무늬가

15:04엄청나게 많이 몰리고 있는데 예,

15:07직원분들은 엄청 힘드시죠? 그래서

15:11아마 좀 있다가 로테이션 런치라고 그

15:14팀원분들이랑 일대일로 밥을 먹는

15:16자리가 있는데 아마 욕을 많이 먹을

15:19것 같습니다.

15:26>> 한 90% 이상은 혼나는 거고

15:2910%는

15:31그래요. 당신도 힘들죠. 이런 응원의

15:34메시지인 거 같아요. 초이

15:37>> 안녕하세요.

15:38>> 안녕하세요.

15:39>> 수급 많으셨어요.

15:40>> 네.

15:42그러면

15:44드

15:44>> 업무를 하면서 느껴지는 환경 개선

15:48사항 같은 것들. 네. 이런 거 빨리

15:50처리해 주셔야 돼요. 이런 것들을

15:52훨씬 캐주얼하게 이야기하는 자리.

15:54그래서 뭔가 그 어떤 팀원분이 하고

15:58있는 업무에 대한 평가나 더 빨라져야

16:01됩니다. 이런 피드백보다는

16:04어떻 내가 지금 어떤 어려움을 갖고

16:06있으니 해소해 주세요가이 런치의

16:08목적이기는 해요. 네. 지금 무늬가

16:10너무 많이 밀렸어요.

16:13지금 한 23건 정도 밀렸는데

16:16>> 지금 GPU 자체가 수급이 조금 예,

16:19쉽지 않은 상태라 조금 시간이 걸리는

16:21상황이고 제가 경영 관리 팀이 9월

16:23내로는 빨리 인프라 확충 해서 바로

16:26쓸 수 있게끔 아이디씨 넣으라고

16:28얘기해 놓은 상태거든요.

16:29>> 네.

16:29>> 식사하러 나오신게 아니면 회의하러

16:31나오신 거 같은데

16:34>> 이게 그죠. 예. 회의 일종의 회의

16:37맞기는 해요. 그래서 한 달에 뭐 한

16:39번이 될 수 있고 두 달에 한 번이

16:41될 수도 있는데 그냥 팀원분들이랑

16:43이렇게 일대일로 밥 먹으면서 평소에

16:45저한테 좀 다이렉트하게 이야기하고

16:48싶으셨던 내용 그냥네 다이렉트하게

16:51하시는 자리입니다.

16:56>> 맛있겠는데요. 이거 저 처음 봤는데

16:58생각보다 괜찮은데

17:01>> 이렇게 런치하는게 좀 어떠세요?

17:03아, 사실 업무하다 보면은 빠르게

17:07처리해야 되는게 많아 가지고 거기에

17:10집중하다 보면은 진짜 하고 싶은 말을

17:12못 하는 경우가 많거든요. 그러면은

17:14런치 식상하면서 좀 더

17:18직설적으로 말할 수 있는 기회라고

17:20생각합니다. 일고 뭔가 사적으로 더

17:24시간 보내거나 하지는 않았지만

17:26>> 산전 수전을 겪으면서

17:29>> 그냥 동료가 되었어요. 뼈속까지.

17:32그래서 어색하거나 뭔가 불편하거나

17:34하진 않고

17:35>> 그냥

17:36>> 미안하죠, 맨날.

17:37>> 아, 그래요?

17:40>> 아, 이분여 가지고

17:43찢어 취소 울지 마.

17:47잘해.

17:49>> 물론 이제 힘드시다고

17:52말씀은 다 주시지만

17:54그냥 웃으면서 말씀 주시는 거

17:56같아요. 왜냐면은 이제 팀원분들도

17:59뭔가 나눠먹을 파이가 커져야지 나눠

18:01먹을 수 있다는 거를

18:04알고 계시기 때문에 또 즐겁게 일을

18:06할 수 있을 것 있는 거 같습니다.

18:09네.

18:14제가 최종적으로 하고 싶은 거는

18:17인공지능이

18:19글을 읽고 사람이 하는 업무를

18:22덜어가는 거예요. 글을 읽는 인공진을

18:25만들고 싶어요. 이미지에 있는 그

18:28활자를 단지 눈으로 따라간다는게

18:31읽는다는 건 아니잖아요. 그 문장

18:34안에 있는 의미를 해석하고 전체

18:37맥락을 보고 그렇기 때문에 우리가

18:39어떤 뭐 뉴스를 보면 분노를 한다든지

18:42몰랐던 사실을 들으면 어떤 깨달음을

18:44얻는다든지 저는 그게 읽는 거라고

18:46생각하거든요. 어 수천년 동안

18:49인류는이 문서라는 형태로 모든 이제

18:53인류의 자산들을 남겨 왔고이 문서를

18:55읽는다는 거는 인류의 축적된 지식에

18:59접근할 수 있는 이제 통로가 열리는

19:02길이라고 저는 생각을 하고 그래서

19:05만약에 여기서 우리가 인공지능한테

19:07글을 읽혀서 그 사람만이 감당해야

19:09됐던 의무를 인공지능이 덜어갈 수

19:13있다면 그건이 세상이 움직이는

19:15시스템이나 제도 자체에 대한 개혁이

19:18일어날 수 있을 거다라는음 확신을

19:21가지고 일을 하고 있고요. 그래서

19:24저희는 인공지능이 글을 읽어서 어

19:27사람이 일을 하고 생활을 하는이

19:31모든 사회 시스템과

19:33제도에 대한 변역을 이끌어내는 거

19:36그게 저희의 궁극적인 미션이에요.

19:45across the night

19:47chasing endless time

19:49no rest no pause

19:52justice up hill cl

19:54on holidays in the

19:58early light I keep

20:00on moving

20:03day and night you

20:05love o