01
연구 기반 전문성
ETRI 근무 경력을 포함한 연구·개발 배경으로, 기술 타당성과 예상 성능 범위를 착수 전에 판단합니다.
01 / NUMBERS
기술보다 결과를 먼저 말합니다
어떤 기술을 썼는지보다 무엇이 얼마나 좋아졌는지가 기준입니다. 모든 프로젝트에서 도입 전과 후를 같은 방식으로 잽니다.
구축 모델
100+
비전·예측·언어 모델 누적
협업 기업
50+
제조·물류·공공
년 현장 경험
10+
핵심 기술진 기준
재의뢰·만족도
98%
완료 프로젝트 기준
02 / METHOD
세 단계로 일합니다
순서를 지키는 이유는 하나입니다. 기준값이 없으면 성과를 증명할 수 없습니다.
STEP 01
문제를 숫자로 정의합니다
어디서 시간이 새고 어디서 오류가 나는지 먼저 잽니다. 처리 지연, 반복 업무 시간, 오류율처럼 나중에 도입 전후를 비교할 수 있는 기준값을 함께 만듭니다. 이 숫자가 없으면 프로젝트가 끝났을 때 성공했는지 판단할 방법이 없습니다.
STEP 02
AI를 업무 흐름에 연결합니다
기존 시스템을 갈아엎지 않습니다. 필요한 지점에만 AI 를 붙여 지금 쓰는 방식 그대로 동작하도록 설계합니다. 도입 저항이 적을수록 실제로 쓰이고, 쓰여야 성과가 납니다.
STEP 03
성과를 눈에 보이게 증명합니다
도입 전과 후를 같은 기준으로 비교합니다. 시간·비용·품질 지표로 효과를 확인하고, 수치가 나오지 않으면 원인을 찾아 다시 개선합니다.
03 / SCOPE
우리가 다루는 문제 유형
기술은 수단입니다. 현장의 문제가 실제로 줄어드는 것만 결과로 봅니다.
02
도메인 전문가 협업
제조, 물류, 데이터, 운영 자동화 전문가가 한 팀으로 붙어 문제를 함께 정의합니다.
03
운영까지 끌고 갑니다
PoC 성공률보다 운영 도달률을 봅니다. 데모에서 끝나는 프로젝트를 만들지 않습니다.
04
2주 내 동작 확인
문서가 아니라 동작하는 프로토타입으로 이야기합니다. 방향이 틀렸다면 2주 차에 압니다.
05
폐쇄망 대응
데이터를 외부로 보낼 수 없는 조건을 전제로 온프레미스 구축과 사내 학습을 지원합니다.
04 / STACK
현장에서 실제로 쓰는 기술
새로운 기술을 위한 기술은 쓰지 않습니다. 운영에서 검증된 것만 선택합니다.
인터페이스부터 인프라까지 한 팀
화면, API, 모델, 데이터, 배포를 각각 다른 회사에 맡기면 경계에서 문제가 생깁니다. 다섯 레이어를 한 팀이 설계하고 책임집니다.
폐쇄망 · 온프레미스 대응
데이터를 외부로 보낼 수 없는 조건을 전제로 사내 학습과 온프레미스 배포를 구성합니다.
재학습을 전제로 설계
조명, 로트, 계절이 바뀌면 성능은 떨어집니다. 드리프트 감시와 재학습 경로를 처음부터 구조에 넣습니다.
STACKL5 → L1
Python
PyTorch
TensorFlow
scikit-learn
OpenCV
YOLO
LangChain
OpenAI API
HuggingFace
RAG
Vector DB
FastAPI
Next.js
React
TypeScript
Flutter
ASP.NET Core
C#
.NET
Node.js
PostgreSQL
MariaDB
Redis
Elasticsearch
Docker
Kubernetes
AWS
Azure
GCP
MLflow
Airflow
05 / TEAM
문제를 정의하는 사람들
연구 배경을 가진 기술진과 현장을 아는 도메인 전문가가 한 팀으로 움직입니다.
ETRI 출신 핵심 기술진
한국전자통신연구원에서 연구·개발을 수행한 기술진이 모델과 알고리즘의 타당성, 예상 성능 범위를 착수 전에 판단합니다. 컴퓨터 비전·자연어처리·예측 모델이 주 영역입니다.
도메인 전문가
제조, 물류, 데이터, 운영 자동화 전문가가 같은 팀에 붙어 현장의 조건을 함께 정의합니다. 연구실의 성능과 현장의 성능이 다르다는 사실을 전제로 일합니다.
구현까지 같은 팀
웹·앱·데스크톱까지 직접 구현합니다. 모델을 만든 사람과 화면을 만든 사람이 다르지 않아 경계에서 생기는 손실이 없습니다.
운영 환경 대응
폐쇄망·온프레미스 구축과 정부 R&D 과제 기술 자문을 수행해 왔습니다. 보안 조건이 먼저 정해진 환경을 기본값으로 다룹니다.
06 / WORK
함께 만든 결과
AI 학습기반 주소인식 솔루션
이미지 학습 기반 주소 인식 솔루션
다채널 계량기 실시간 데이터 수집 및 민감도 분석 시스템 구축
RS-232/485 시리얼 통신 기반 최대 20채널 산업용 계량기 데이터를 실시간 수집하고, 임계값 기반 민감도 변화 감지 및 사후 분석 보고서를 자동 생성하는 WPF 데스크톱 시스템을 구축했습니…
AI 솔루션
트리거 기반 영상 수집 파이프라인 구축으로 캡처-저장-전송 병목 최소화
Matrox MIL/OpenCV 기반 카메라 수집과 PCI-1733 트리거를 결합하고, 비동기 저장/전송 큐를 분리해 실시간 캡처 안정성을 강화했습니다.
07 / PROFILE
회사 개요
| 회사명 | 네이처프랙탈 (NatureFractal) |
|---|---|
| 사업 영역 | 웹 서비스 개발 · 앱 개발 · AI 알고리즘 개발 · AI 컨설팅 · AI 마케팅 |
| 소재지 | 대전시 대덕구 대화로 160, 18동 174호 |
| 연락처 | 010-8401-5971 nafkorea.dev@gmail.com |
| 영업시간 | 평일 09:00 - 18:00 (주말·공휴일 휴무) |
| 구성 | ETRI 출신 핵심 기술진과 도메인 전문가가 함께합니다 |
AI Builders · Problem Solvers — 문제를 발견하고, AI로 해결합니다