가공데이터 · 도서자료 기계독해

기업의 성장 유형과 사례 분석: 분사 및 Born Global 전략, 사업 다각화, 그리고 기술력을 바탕으로 한 스타트업의 성장 과정 doc_id CNTS-00118875514_4

주제 (main_topic)
기업의 성장 유형과 사례 분석: 분사 및 Born Global 전략, 사업 다각화, 그리고 기술력을 바탕으로 한 스타트업의 성장 과정
답변 불가 (is_impossible)
False
문맥 (context)
첫 번째가 창업 초기 안정적이고 급속한 성장을 한 유형으로, 마이다스IT와 프라비스시스템즈는 각각 사내 창업, Born Global 창업이라는 특징이 있다. 포스코 사내벤처 1호인 마이다스IT는 당시 프로그램 개발팀이 전략적으로 분사한 경우로 모기업의 전폭적 지원 하에 성장할 수 있었다. 그 결과 창업 2년만에 중국법인을 설립, 대한민국 벤처대상까지 수상하였고, 해당 연도인 2012년 말 총 매출 100억원을 달성할 정도로까지 초기에 안정적인 성장을 하였다. 프라비스시스템즈는 영상보안장비 분야에서 시장이 협소한 국내보다 해외시장을 겨냥한 Born Global 창업으로 미국 등 선진국 뿐만아니라, 동남아시아 등으로의 다변화 및 시장점유율을 높이면서 성장하였다. 그 결과 창업 1년만에 3백만불, 5백만불 수출의 탑을 수상하였으며, 3년만에 1천만불 수출의 탑 수상까지 급격히 성장하였다. 에코프로비엠은 2016년 모회사 에코프로에서 전지 재료 사업 부문을 물적 분할하여 종속회사로 귀속되며 설립되었다. 에코프로는 분할의 목적은 개별 사업 부문별 특성에 맞는 신속한 의사결정과 독립적 투자결정을 통해 개별 사업의 고도화를 위함이었다. 이에 따라, 에코프로는 기존의 환경 사업을 전문을 담당하고, 에코프로비엠이 2차 전지 핵심 소재 사업을 담당하게 되었다. 분사 이후, 에코프로비엠은 가파른 성장세에 있다. 직원 규모로만 보면, 2015년 말 약 280명이던 직원 규모는 2016년 말 370명으로 증가했고, 올해 말 약 900명 수준으로 증가할 것으로 예상된다. 이러한 증가세가 계속될 경우 에코프로비엠은 2020년 경에는 약 1,500명 규모의 회사로 크게 성장할 것으로 보인다. 에코프로비엠 성장의 두 번째 요인은 최근 급증하고 있는 고출력 이차전지의 수요다. 세계적으로 전기차를 중심으로 에너지 저장장치, 전동공구 등의 수요가 늘어나면서 이에 맞는 고출력 이차전지의 수요가 함께 증가하고 있다. 관련 산업 동향 리포트 역시 고출력 이차 전지(리튬 이차전지가 대표적이다)의 가파른 성장세를 예상하고 있다. 이에 따라, 고출력 이차 전지의 핵심 소재인 NCA 계열 양극 소재에 대한 수요도 많이 증가하고 있다. 이러한 성장세를 반영하듯, 현재 세계 시장점유율 1위를 기록하고 있는 일본의 스미모토 화학은 지난 7월 생산설비 투자 계획을 발표했다. 예정대로라면, 오는 2018년 6월부터 스미모토 화학은, 현재의 1,850톤/월 대비 약 150%가량 늘어난 4,550톤/월의 생산능력을 보유하게 된다. 에코프로비엠 역시 새롭게 성장하고 있는 2차 전지 사업에 더욱 집중하기 위해 공격적으로 신규시설투자를 진행하고 있다. 구체적으로 에코프로비엠은 내년 말까지 총 550억 원을 투자해 현재의 월 1,000톤가량의 생산 능력을 최대 2,000톤/월 가량으로 늘릴 계획이다. 설립된지 4년밖에 되지 않은 신생기업인 루닛은 의료데이터 접근에 대한 규제로 인해 어려움을 겪고 있으며, 이의 타개를 위해 미국 등으로의 진출을 꾀하고 있다. 의료분야 규제로 인해 충분한 경영성과를 보이고 있지 못한 루닛이 미국 현지에서 창업하는 등의 Born Global 창업 전략을 좀 더 빨리 했다면, 경영성과 측면에서도 좀 더 빠른 성장을 했을 것으로 판단된다. 두 번째 유형은 사업 확장 및 다각화를 통해 성장을 가속화하고 있는 기업들이다. 대표적 사례기업인 에코프로비엠은 환경사업을 주력으로 하던 에코프로가 전지재료 사업을 준비, 2차전지 핵심소재 사업을 담당하는 에코프로비엠 설립, 전기차 등 고출력 2차전지에 대한 수요 급증으로 급격한 성장을 이루고 있다. 그 결과 2017년 말에는 총 종업원 수가 900명에 달할 것으로 전망된다. CHC LAB 또한 실험 장비 제조 전문기업에서 최근 실험실 레이아웃, 폐수 처리 등 실험실 운영에 관한 맞춤형 컨설팅을 제공하기 시작하는 등 기존의 제조 중심에서 제조+서비스로 사업을 확장하고 있다. 루닛의 백승욱 대표는 첨단기술 스타트업 창업을 목적으로 KAIST 전자공학과 대학원에 입학, 차례대로 석사, 박사학위를 받았다. 대학원 과정 중 개인적으로 관심이 있던 컴퓨터 비전과 딥러닝을 공부하고 이후 동문과 함께 회사를 설립했다. 이들의 첫 사업 아이템은 놀랍게도 패션 비즈니스다. 사진으로 멋진 옷차림의 사람을 만나 사진을 찍으면 인공지능이 그 제품을 찾아 쇼핑몰을 알려주는 방식이었는데, 사업의 수요와 기술 측면에서 완전히 실패했다고 자평했다. 패션은 기술 외 다른 요소가 사용자의 선택에 많은 영향을 끼치는 분야이기 때문이다. 내부적으로 깊은 고민 끝에 이들이 생각한 두 번째 아이템이 바로 의료 영상 진단 분야다. 의료 영상 진단 분야로 방향을 튼 후, 이들은 꾸준하게 성장해 설립 초기 6명이던 회사 직원 수는 2017년 기준 약 35명 수준으로 성장했다. 특히, 신규 채용 인원의 대다수가 국내외 유수 대학에서 관련 분야 전공으로 학위를 받은 고급 인력이며 의료인도 5명 포함되어 있다. 이러한 성장배경에는, 루닛이 인공지능을 활용한 의료 영상 진단 분야에서 세계 최고 수준의 기술을 확보하기 위한 노력이 숨어 있다. 인공지능을 활용한 의료 영상 진단 분야는 타 분야와는 달리, 기술적 측면에서 몇 가지 어려운 부분이 있다. 첫째, 이미지의 크기다. 의료 영상 이미지는 일반 사진과는 달리 이미지의 크기가 크고, 여러 layer가 하나의 이미지에 포함되어 있기 때문에 영상 분석을 위한 전처리 작업이 매우 중요하며, 노하우가 필요하다고 알려져 있다. 둘째, 자료의 불균형성이다. 의료 데이터는 특히, 정상/비정상 클래스 간 데이터의 수에서 불균형성이 심하게 나타난다는 특징이 있다. 왜냐하면, 정상인 사람 수가 비정상(질병에 걸린)인 사람 수보다 훨씬 많기 때문이다. 따라서 인공지능의 성능이 과대평가되거나 혹은 충분히 학습되지 못하는 경우가 발생할 소지가 크다. 이 부분 역시 기술적 노하우가 매우 중요한 부분인데, 루닛은 타 경쟁업체 대비 우수한 자료 처리 능력을 보유하고 있는 것으로 알려져 있다. ‘AI Powered Imaging beyond human vision’이라는 이들의 비전에 걸맞게 루닛은 인공지능을 활용한 이미지 인식 등의 영상 자료 분석 기술 분야에서 우수한 기술력을 보유한 기업이다. 이를 바탕으로, X-ray 등의 의료 영상 이미지에서 폐결핵, 폐암, 유방암을 효과적으로 찾아내는 솔루션을 개발했다. 이후 2016년 세계 최고의 의료영상처리학회(MICCAI)가 주최한 유방암 종양 확산 스코어 자동 판독 알고리즘 대회에서 IBM과 MS 같은 세계 유수의 기업들을 제치고 1위에 오르며 주목을 받았으며, 올해에는 CB Insight에서 발표한 세계 100대 AI 신생기업, ICT 분야 유망 기업 K-global 300 등에 선정되기도 했다. 본사는 서울특별시에 있으며, 설립 이후 꾸준한 성장을 기록하면서 현재 약 35명의 직원이 근무하고 있다. 루닛은 2016년 12월 31일 기준으로 자산총계 21억 원, 매출액 9백만 원의 규모의 기업이며, 주요 재무상황과 연혁은 다음과 같다.
지시문 (instruction)
다음 문맥을 읽고 질문에 답하시오.
질문 (question)
루닛이 의료 영상 진단 분야에서 인공지능 기술을 적용할 때 직면하는 기술적 어려움 두 가지는 무엇인가?
추론 과정 (compact_reasoning)
  1. 1과제 해석task_interpretation

    루닛이 의료 영상 진단 분야의 인공지능 기술 구현 과정에서 겪는 구체적인 기술적 난제 두 가지를 파악해야 한다.

  2. 2정보 추출information_extraction

    문맥 내에서 루닛의 기술적 어려움과 관련된 내용을 추출한다.

    • 인공지능을 활용한 의료 영상 진단 분야는 타 분야와는 달리, 기술적 측면에서 몇 가지 어려운 부분이 있다.
    • 첫째, 이미지의 크기다.
    • 둘째, 자료의 불균형성이다.
  3. 3근거 선택evidence_selection

    질문에서 요구하는 두 가지 어려움에 해당하는 핵심 문구를 선택한다.

    • 첫째, 이미지의 크기다.
    • 둘째, 자료의 불균형성이다.
  4. 4논리 통합logical_integration

    추출된 두 가지 요소인 이미지의 크기 문제와 자료의 불균형성 문제를 결합하여 답변을 구성한다.

  5. 5결론 도출conclusion_formulation

    의료 영상 이미지의 큰 크기와 정상/비정상 클래스 간의 데이터 수 불균형이 기술적 어려움임을 도출한다.

    • 의료 영상 이미지는 일반 사진과는 달리 이미지의 크기가 크고
    • 의료 데이터는 특히, 정상/비정상 클래스 간 데이터의 수에서 불균형성이 심하게 나타난다는 특징이 있다.
  6. 6답변 생성answer_generation

    질문에 대해 명확하게 두 가지 항목으로 정리하여 답변을 생성한다.

최종 답변 (final_answer)
첫째는 이미지의 크기 문제이며, 둘째는 자료의 불균형성이다.
핵심 해석 (core_interpretation)
문맥에서 언급된 루닛의 기술적 어려움 중 이미지 크기와 데이터 불균형성이라는 두 가지 핵심 요소를 찾아내어 답변을 구성한다.