오사카1엔파칭코 > 야마토게임장

고객 1만 명에 쿠폰은 500장 뿐이다. 누구에게 뿌릴지에 따라 매출이 갈린다. 은행 심사역은 어떤 대출을 승인할지 판단해야 하고, 공장장은 어느 설비가 멈출지 미리 헤아려야 한다. 고객 명단과 신용정보, 설비별 불량률은 모두 행과 열로 정리된 표로 관리된다. 기업의 하루는 이런 표 위에서 굴러간다. 지난달 28일 서울 강남구의 사무실에서 만난 유재민 넘즈에이아이 대표(32·서울대 컴퓨터공학부 조교수)는 “기업이 AI로 전환한다는 건 사람을 대신할 에이전트를 쓰는 것에 그치지 않고, 더 좋은 의사 결정으로 생산성을 높이는 게 목적”이라며 “그 목적을 위해서라면 언어보다 숫자가 더 중요하다”고 했다. 지금 인공지능(AI)이라고 불리는 거대언어모델(LLM)은 언어를 기반으로 학습한 탓에 표와 수치 데이터를 직접 다루지 못한다. 유 대표는 “넘즈에이아이는 새로운 표를 주고 결과를 예측하라고 했을 때 바로 수행하는 정형 데이터 파운데이션 모델(TFM, 테이블 파운데이션 모델로도 불림)을 만들고 성능을 높이고 있다”며 “세계적으로 1∼2년 사이 시작된 이 분야에서 우리는 세계적으로 앞서가는 스타트업”이라고 했다. 행과 열에 배치된 숫자로만 구성된 데이터를 이해하는 파운데이션 모델을 만드는 것이다. ● 대기업 데이터사이언스팀의 고민 표는 기업 활동에 중요한 정보를 담고 있다. 대기업들은 별도의 데이터사이언스팀을 두고 이탈 고객을 예측하거나 채권 회수 가능성, 제조 공정 설비의 검사와 정비 시. 최적화 방법, 가격 상승에 따른 판매량 변화 등을 예측해 왔다. 데이터사이언스팀이 활용하는 기술은 머신러닝에 기반한 ‘머신러닝 운영 자동화(MLOps)’가 근간이다. 기업 운영에 필요한 정보를 얻고, 고객이나 물류 등을 관리하기 위해 개별 목적에 맞춰 데이터 전처리, 머신러닝 모델학습, 미세조정 등의 과정을 반복하며 솔루션을 만들었다. 문제는 솔루션을 만들 때마다 이 과정을 반복해야 하고, 변수 하나(데이터의 1행이나 1열)만 바꿔도 처음부터 다시 만들어야 한다는 것이다. 프로젝트 완성에는 통상 몇 달이 걸린다. 릴게임추천 유 대표는 “이런 방식은 노동집약적이라 새 과제 수행 때마다 사람을 더 뽑아야 하는 문제가 있다”며 “최근에는 머신러닝 운영 자동화와 LLM을 결합해서 노동집약적인 문제를 해결하려고 하고 있지만 LLM의 태생적 한계 때문에 제대로 된 답을 찾지 못하고 있다”고 했다. 넘즈에이아이는 테이블 파운데이션 모델이 궁극적으로 기존 머신러닝 운영 자동화 시장을 대체하며 예측과 의사 결정 부문에서 새 지평을 열 것으로 보고 있다. 유 대표는 “머신러닝 운영 자동화 시장은 연평균 43.2%씩 성장하는 중으로 2030년 258억 달러(약 35조 원)에 달할 것으로 전망된다”고 했다. 넘즈에이아이는 이 시장을 노린다. ● 표 안 숫자들의 관계 파악하고 예측하는 모델 넘즈에이아이의 답은 솔루션마다 모델을 만들지 않는 것이다. 어떤 표의 어떤 빈칸이든 한 번의 추론으로 채우는 정형 데이터 파운데이션 모델(TFM) ‘코실로(Causilo)’를 만들었다. 작동 원리는 대형언어모델의 인컨텍스트 러닝과 닮았다. 표가 입력되면 코실로는 각 셀에 들어 있는 수치와 표 안의 위치 정보를 바탕으로 셀을 벡터로 표현한다. 이후 한 행 안의 수치 관계와 같은 열에 놓인 여러 행의 패턴을 여러 차례 오가며 관계를 파악한다. 유 대표는 “‘고객의 총 구매액’ 컬럼 이름을 보지 않고도 표 안의 수치만으로 예측을 해 낸다”고 설명했다. 이렇게 만들어진 벡터를 바탕으로 일부러 비워 둔 값이나 아직 알 수 없는 고객의 이탈 여부, 상품 수요 등을 예측한다. 성능은 。수로 입증됐다. 올해 9월 글로벌 벤치마크 탭아레나에서 코실로는 고객 이탈과 파산 등 51개의 다양한 데이터 세트를 바탕으로 한 성능 평가에서 1792。으로 종합·분류·회귀 모든 부문에서 모두 1위를 차지했다. 구글(TabFM, 1772。), 아마존(미트라 v2, 1771。), LG(엑사원 Tabular, 1749.), SAP가 인수한 독일 프라이어랩스(TabPFN-3, 1633。)를 앞섰다. 결과는 수 초 만에 금방 나온다. 통신사 가입자 이탈 예측에서 기존 머신러닝 모델의 91%를 제치고 93%의 확률로 맞췄다 릴천지릴게임 . 담보 가치 예측에서는 값 하나가 아니라 범위를 내준다. 모델 크기는 1억 파라미터 내외 수준이라 노트북PC에서도 운영 가능하다. 코드와 모델 가중치도 공개해 누구나 검증할 수 있게 했다. ● 세상을 바꿀 기술이라 여겨 창업 유 대표는 수치 데이터 AI를 10년 넘게 연구해 온 전문가다. 알파고와 챗GPT가 나오기 전부터였다. 2016년 서울대 컴퓨터공학과를 나와 2022년 같은 학교에서 박사학위를 받았고, 카네기멜론대에서 박사후연구원으로 일했다. 구글 기계학습 분야 박사과정 펠로우십을 받았고, 2023년 29세에 카이스트 전기 및 전자공학부 조교수가 됐다. 올해 3월 서울대로 옮겼다. 2025년 1월 네이처지에 실린 독일 연구팀의 테이블 파운데이션 모델 논문이 그를 창업으로 이끌었다. 그 논문을 처음 봤을 때 반응은 의심이었다. 제조의 표와 금융의 표는 전혀 다른데 하나의 모델이 다 예측하기 힘들 것이라는 상식 때문이었다. 유 대표는 “저도 안 된다고 생각한 사람 중 하나였다. 연구 과정에서 여러 차례 해봤으니까 안 된다고 생각했는데 그들의 논문을 보고 돌려보니 실제로 됐다”고 말했다. 직접 실험할수록 확신은 굳었다. 유 대표는 “독일 연구팀의 논문은 단순한 논문 한 편이 아니라 정형 데이터 분야를 완전히 바꿀 기술로 보였다. 학교 자원으로는 불가능하다고 생각해 투자를 받는 창업을 택했다”고 했다. 그는 “지금 안 하면 안 되겠다”는 생각이 강렬했다고 전했다. 그의 창업 계획에 스톤브릿지벤처스 등이 40억 원을 시드 단계로 투자했다. 팀은 다섯 명이다. TFM을 처음 알려준 제자 이두호 최고기술책임자(CTO)와 서울대 연구실 동료 조민용 최고제품책임자(CPO), 산업 현장에서 기존 방식으로 수치 데이터를 다뤄온 이진모·정민호 연구원이 함께 뛰어들었다. 유 대표는 “기존 머신러닝 모델 방식을 경험해본 사람이라 그 한계를 정확히 안다. TFM이 미래라고 판단해 함께 하는 것”이라고 했다. 모두 서울대 혹은 카이스트 출신이며 전원 최우수 AI 학회 논문을 냈다. ● “한국이 LLM은 늦었지만 TFM에선 1등 가능” 뽀빠이릴게임 핵심 기술은 사전 학습용 데이터를 제대로 만드는 기술이다. 유 대표는 “실제 데이터를 100개, 1000개 모으는 것보다 가상 숫자 100만 개를 넣는 게 더 좋은 학습 결과로 나온다”며 “수능에서 높은 。수를 받도록 하기 위해서 적정한 난이도의 문제로 훈련을 할 수 있도록 가장 적합한 연습 문제를 만드는 셈”이라고 비유했다. 그는 “LLM 개발의 경쟁이 학습용 데이터를 수집하는 것이라면, TFM의 경쟁은 학습용 데이터를 제대로 만드는 것”이라고 했다. 지금은 코실로를 API로 열어둔 단계다. 인바디 오픈이노베이션 프로그램에 선정돼 실증(PoC)을 진행 중이다. 또, 물류회사와는 물류 최적화를, 대기업 제조회사와는 품질 예측을 해보기 위해 협의 중이다. 넘즈에이아이는 자연어로 물으면 예측과 근거를 함께 내놓는 ‘코실로 챗’, 기업 데이터베이스에 연결돼 업무까지 처리하는 ‘코실로 에이전트’를 준비하고 있다. 예상하는 리스크도 있다. 유 대표는 “지금은 누가 더 좋은 아이디어를 냈느냐의 싸움이라 자본이 적어도 된다. 하지만 우열이 가려지고 스케일업이 시작되면 자본의 영향력이 더 커질 것이다. 그때를 대비해 더 효율적이고 성능이 좋은 모델을 미리 갖춰 두어야 한다”고 했다. 본격적인 글로벌 경쟁은 작년 독일 연구팀 논문 발표 이후 시작됐고, 시장은 빠르게 움직이고 있다. 논문을 발표한 독일 연구팀이 만든 회사 프라이어랩스는 SAP에 1조 원 넘는 가치로 인수됐고, 쿠모라는 회사는 엔비디아에 6000억 원에 팔렸다. 그는 TFM 분야에서는 한국이 독자 모델로 앞서갈 충분한 역량을 갖추고 있다고 생각한다. 유 대표는 “LLM에서는 출발이 늦어 글로벌 1등은 포기한 듯한 사회적 분위기가 있는데, 건강하지 않다고 생각한다. AI 강국으로 가려면 1등을 노리는 기업이 많아져야 한다. TFM은 숫자가 만국 공통어라 국경이 없고, 학습 데이터를 가상으로 만들기 때문에 데이터 해자도 없다. 또 모델이 작아 LLM보다는 자본이 덜 필요하다. 한국 AI 연구진의 역량은 세계 5위권, 공격적으로는 3위권이다. 정형 데이터 파운데이션 모델은 한국이 충분히 선구자로 나설 수 있는 분야다”고 힘줘 말했다. 다. 표가 입력되면