셀바스AI, 의료기기 밖으로 나와 공공 AX 시장을 파고드는 중

• 셀바스AI가 한국고용정보원의 ‘온톨로지센터 운영 지원 사업’을 다시 따냈음. 이번엔 2년짜리 계속 사업이고, 사업비는 27억2100만원 규모임

  • 2022년, 2024년에 이어 계속 사업자로 확정된 흐름이라 단발성 수주라기보다 공공 고용 데이터 인프라 쪽 레퍼런스를 계속 쌓는 그림에 가까움
  • 핵심은 고용정보원의 ‘직무온톨로지’를 추가 구축하고 고도화하는 것임

• 여기서 온톨로지는 쉽게 말해 AI가 고용 데이터를 이해하게 만드는 ‘맥락 지도’에 가까움

  • 기존 고용정보가 직종 분류나 채용정보 검색 중심이었다면, 직무온톨로지는 직무 간 유사성, 공유 역량, 추가로 필요한 역량까지 연결함
  • 고용정보원은 2020년부터 이 체계를 만들어왔고, 21억5000만건 직무 관련 데이터를 활용해 직무온톨로지 구조와 관리시스템 특허까지 등록한 상태임

• 이번 사업에서 범위가 더 커지는 게 포인트임. 단순 직무 데이터에서 ‘고용 온톨로지’로 확장됨

  • 고용24의 기업정보, 법제처 법령 정보, 행정·정책 자료까지 묶어서 AI가 더 복합적인 판단을 하게 만들겠다는 방향임
  • 예를 들면 특정 기업의 임금체불 이력이나 어떤 직무에 필요한 법적 요건을 함께 보고 사전 경고하는 식의 서비스가 가능해질 수 있음

• 고용정보원 쪽 설명을 보면, 특히 다양한 이력을 가진 사용자에게 맞는 전직 로드맵을 만드는 문제가 중요해 보임

  • 예컨대 50대 후반 사용자가 새 직무로 옮기려 할 때, 나이·경력·역량 제약 때문에 기존 데이터만으로는 현실적인 경로를 잡기 어려웠다는 것
  • 이번 고도화는 이런 한계를 줄이고, 사용자 조건에 맞는 직무 이동 가능성을 더 잘 분석하는 쪽에 초점이 있음

• 셀바스AI를 ‘의료기기 전문기업’으로만 보면 반쪽짜리 이해임

  • 매출 구조상 자회사 메디아나의 의료기기 매출 비중이 절반 이상이고, 의료기기에 셀바스AI의 AI 소프트웨어를 얹는 모델이 핵심 수익 구조인 건 맞음
  • 그런데 셀바스AI가 강조하는 기술은 의료 AI 모델 자체라기보다 음성인식, 음성합성, 광학문자인식(OCR), 필기인식 같은 인간과 컴퓨터 상호작용(HCI) 기술임

• 이 HCI 기술은 의료에만 묶이는 기술이 아님. 그래서 공공 정책사업이 셀바스AI에 꽤 중요한 무대가 됨

  • 공공기관 업무에는 민원 응대, 조사 기록, 재난 신고, 교육 콘텐츠 관리, 고용 상담처럼 말·글·문서를 데이터로 바꿔야 하는 일이 많음
  • 셀바스AI 입장에서는 각 정책사업이 단순 매출원이 아니라 산업별 데이터와 업무 맥락을 확보하는 실증 환경이 되는 셈임

• 실제로 셀바스AI는 이미 여러 공공·정책사업에 들어가 있었음

  • 2020년에는 재난안전플랫폼기술개발사업에서 실시간 119 신고 환경에 특화된 음성인식 텍스트 변환과 대화 분석 시스템을 구축함
  • 2021년에는 문학작품 낭송 음성 데이터 구축, 맞춤형 식이설계 플랫폼 개발 사업에 참여함
  • 2022년에는 NIA의 인공지능 학습용 데이터 구축 사업에서 감성·발화스타일을 함께 고려한 음성합성 데이터를 구축했고, TIPA 스마트서비스 지원사업으로 크루즈 예약 실시간 플랫폼도 다룸

• 다만 정책사업을 많이 한다고 바로 수익성이 좋아지는 건 아님. 여기서 냉정하게 봐야 할 지점이 있음

  • 공공 정책사업은 사업비와 기간이 정해져 있고, 컨소시엄 참여가 많아서 실제로 한 회사에 떨어지는 수익이 크지 않은 경우도 있음
  • 결국 관건은 정책사업에서 만든 레퍼런스를 반복 구매되는 민간·공공 솔루션으로 바꿀 수 있느냐임

• 셀바스AI의 다음 숙제는 의료기기에서 했던 ‘하드웨어 결합형 수익모델’을 다른 영역에서도 만들 수 있느냐임

  • 고용, 교육, 재난, 행정 분야에서 음성·문서·필기 인식 기술이 실제 업무 솔루션으로 자리 잡으면 AX 확장 스토리가 꽤 설득력을 얻음
  • 반대로 실증사업 레퍼런스만 쌓이고 반복 매출로 이어지지 않으면 “정책사업 많이 하는 AI 회사”에서 멈출 위험도 있음

---

기술 맥락

• 이 사례에서 중요한 기술 선택은 ‘범용 AI 모델 하나로 끝내기’가 아니라, 업무 데이터를 AI가 이해할 수 있는 구조로 바꾸는 쪽이에요. 고용 데이터는 직무명, 역량, 훈련, 자격, 법령, 기업정보가 따로 놀기 쉬워서 단순 검색만으로는 전직 경로나 위험 신호를 잡기 어렵거든요.

• 온톨로지를 쓰는 이유는 데이터 간 관계를 명시적으로 표현할 수 있기 때문이에요. 예를 들어 어떤 직무가 다른 직무와 어떤 역량을 공유하는지, 추가로 어떤 교육이 필요한지 연결해야 사용자의 다음 선택지를 계산할 수 있어요.

• 셀바스AI의 HCI 기술도 여기서 의미가 있어요. 공공 업무의 입력은 깔끔한 데이터베이스만 있는 게 아니라 음성 신고, 상담 기록, 문서, 손글씨처럼 정리되지 않은 형태가 많거든요. 이런 입력을 텍스트와 구조화 데이터로 바꾸는 능력이 있어야 AX 프로젝트가 실제 업무에 붙어요.

• 그래서 이번 사업은 단순한 공공 SI라기보다, 고용 영역에서 AI가 쓸 수 있는 지식 구조와 입력 파이프라인을 쌓는 작업에 가까워요. 다만 기술적으로 가능하다는 것과 반복 구매되는 제품이 된다는 건 다른 문제라, 레퍼런스를 솔루션 매출로 바꾸는 단계가 진짜 시험대예요.