Experience is everything.
신뢰하는 파트너
AI가 만드는 살아 있는 경험. 행사장에서, 교실에서, 의회에서, 공장에서—모든 현장을 경험의 무대로 바꿉니다.
행사장보는 행사를 경험하는 행사로
관람객과 대화하고 캐릭터·포토카드·향수를 즉석에서 만들어 주는 행사용 AI 키오스크.
가정 · 어린이집정답 대신 선택하는 경험
의회AI가 맥락을 기억하는 의정지원 시스템
공장 · 설비물리 법칙과 AI가 융합된 부식 검사
문서하나의 모델로 문서의 모든 것을
매장 · 팝업감정과 취향을 향기로
플랫폼 솔루션 AI를 만드는 팀을 위한 기반—모델 API부터 배포 인프라까지.
모든 AI 모델을 API 하나로—Console
이미지 · 영상 · 음성 · LLM 330개 이상의 모델을 키 하나, 원화 크레딧 하나로 호출합니다.
보유 서버를 업무 서비스로—코어닷모아
랙서버·GPU 서버를 연결해 AI와 업무 앱을 만들고, 직원들이 함께 활용합니다.
모든 현장을
경험의 무대로
행사장, 교실, 국회, 공장—어디든 코어닷투데이의 AI가 닿는 곳에서 사람들은 기술이 아닌 경험을 만납니다.
모두를 위한 AI 놀이터
이미지 · 영상 · 오디오 생성 모델 176개를 계정 하나, 크레딧 하나로. 카드 등록 없이 매월 300 크레딧으로 시작하세요.
경험을 만드는 기술 역량
AI는 무대 뒤에, 경험은 무대 위에—보이지 않는 기술이 살아 있는 가치를 만듭니다.
기술은 숨기고 경험만 보여주다
복잡한 알고리즘은 무대 뒤에, 매끄러운 경험은 무대 위에—코어닷투데이가 만드는 AI의 방식입니다.
경험하는 행사
단순히 보는 행사를 관람객이 직접 참여하는 다감각 몰입 경험으로 전환합니다. AI가 얼굴을 분석하고, 나만의 캐릭터와 포토카드, 향수까지 즉석 제작합니다.
선택하는 독서
아이의 선택이 이야기가 되는 의사결정 기반 독서. 수동 시청을 넘어 능동적 판단과 경험을 제공합니다.
어디로 갈까요?
질문하는 AI 비서
단순 키워드 검색을 넘어 과거 발언을 기억하고 맥락을 이해하는 AI 비서 경험을 제공합니다.
직관적 산업 관제
물리 법칙과 AI를 융합한 고도의 기술을, 현장 엔지니어에게는 한눈에 보이는 위험 지도 대시보드로 제공합니다.
고객의 막연한 상상을
현실로 빚어내는 수고로움
그것이 코어닷투데이의 존재 이유입니다.
보이지 않는 복잡한 알고리즘과 수고로움—데이터 정제, 물리 법칙 융합, 안전 체계 구축—은 무대 뒤에 감춰두고, 무대 위 고객에게는 오직 매끄럽고 감동적인 경험만을 선사합니다.
모든 산업에 경험을 입히다
코어닷투데이의 AI 경험 솔루션은 행사, 교육, 공공, 제조 등 다양한 산업 현장에 맞춤 적용됩니다. 어떤 분야든 사용자 경험 중심으로 재설계합니다.
신뢰하는 고객사
다양한 산업의 리더들과 함께합니다
코어닷투데이의 AI 키오스크를 도입한 후, 행사 참관객의 체류 시간이 3배로 늘었습니다. 관람객들이 직접 참여하며 즐기는 모습이 인상적이었습니다.
토닥북은 우리 아이가 스스로 생각하고 선택하게 만들었습니다. 영상만 보던 아이가 이제 이야기 속에서 직접 결정을 내리며 독서를 즐깁니다.
Sharp-PINN 덕분에 현장 엔지니어들이 복잡한 데이터 해석 없이도 즉각적인 의사결정이 가능해졌습니다. 위험 지도 하나로 전체 상황이 보입니다.
인사이트
최근 인사이트
코어닷투데이가 직접 실험하고 정리한 AI 기술 이야기를 기술 블로그에 공개합니다.
작은 모델, 큰 벤치마크 — K-LegalDeID로 읽는 BIO와 CRF의 귀환, 109만 건의 데이터, 그리고 0.99 뒤의 0.94
판결문 비실명화에 대한 두 번째 답이 2026년 3월 EACL에 나왔습니다. 고려대 연구진의 K-LegalDeID는 앞선 Thunder-DeID와 거의 모든 선택이 반대입니다. 라벨은 729개가 아니라 11개, 모델은 처음부터 사전학습한 15억 파라미터가 아니라 공개된 KLUE-BERT 1억 1천만에 CRF 층 하나, 데이터는 판결문 6,700건이 아니라 채팅·판결문·공개 데이터를 합친 109만 문장입니다. 그리고 엄격한 개체 단위 F1 0.9923을 보고합니다. 이 글은 1995년의 BIO 표기와 2001년의 CRF가 왜 2026년에 다시 쓰이는지부터 풀고, 39개 법 분야 2,000건의 새 데이터와 주석자 일치도 0.7352, 여섯 가지 채점 방식을 그림·표·위젯으로 따라갑니다. 숫자를 뜯어 보면 0.9923은 채팅이 대부분인 시험지의 점수이고, 새로 만든 판결문만으로는 0.94~0.97이며, 다른 연구실의 정답지로 채점하면 0.37로 떨어집니다. 코어닷투데이는 공개된 KLUE-BERT 어휘로 이름 2,000개에 조사를 붙여 직접 토큰화해, 경계가 맞아떨어지는 비율 97.3%와 ‘신한은행’이 한 토큰이 되는 문제를 확인했습니다.
두 논문이 남긴 숙제 — 판결문 비실명화는 어디로 가야 하나: 729 대 11, 0.99 대 0.37, 그리고 세계의 흐름
한국 판결문 비실명화를 다룬 두 논문, 서울대의 Thunder-DeID와 고려대의 K-LegalDeID를 열세 가지 설계 선택으로 나란히 놓고 읽습니다. 한쪽은 729개 라벨과 전용 사전학습으로 세밀하게, 다른 쪽은 11개 라벨과 CRF로 가볍게 갔습니다. 두 논문 모두 0.98~0.99를 보고하지만, 한쪽 모델을 다른 쪽 정답지로 채점하면 0.37이 나오고, 서울대의 후속작 Thunder-DeID+가 원래 모델을 전체 길이 판결문에서 어절 단위로 다시 재니 0.73이었습니다. 숫자가 모델의 실력이 아니라 자와 시험지를 재고 있다는 뜻입니다. 이 글은 그 간극의 원인을 정답 정의, 평가 단위, 원본 부재로 나누어 짚고, 재식별 성공률로 채점하는 RAT-Bench, 독일의 ‘프로젝트 5만’과 일본의 지정 법인 제도, EU AI Act의 익명화 예외 같은 2024~2026년 세계의 흐름을 정리합니다. 그 위에서 한국이 택할 수 있는 일곱 가지 방향을 제안합니다. 시험지를 법원 안에 두고 모델이 찾아가게 할 것, 정답의 정의부터 맞출 것, 문서 단위와 재식별 위험으로 잴 것, 층을 쌓을 것, 사람의 자리를 설계할 것, 공개의 단계를 나눌 것, 벤치마크를 살아 있게 할 것입니다.
판결문의 이름을 지우는 AI — Thunder-DeID로 읽는 비실명화의 역사, 729개의 꼬리표, 그리고 2026년
한국의 판결문은 공개가 원칙이지만, 공개 전에 사람 이름과 주소, 가게 이름까지 지워야 합니다. 이 일은 지금도 대부분 사람 손으로 이뤄지고, 법원의 자동 프로그램은 2019년 자료에서 정확도 15%, 2025년 자료에서 처리율 8%로 보고됐습니다. 서울대 연구진의 Thunder-DeID(EMNLP 2025 Findings)는 이 문제를 토큰 분류 모델로 풉니다. 원본 판결문을 구할 수 없다는 제약을 뒤집어, 이미 지워진 판결문 6,700건에 사람이 종류 꼬리표 48,306개를 붙이고 그 자리에 진짜 같은 이름을 채워 넣어 학습 데이터를 만들었습니다. 그 과정에서 나온 2단·16갈래·80가지·729개 라벨의 분류 체계, 조사를 떼어 내는 토크나이저, 에폭마다 이름을 갈아 끼우는 증강, 처음부터 사전학습한 DeBERTa 계열 모델(이진 F1 0.98, 종류 F1 0.91)을 그림과 표와 함께 하나씩 풉니다. 스위니의 87%에서 2026년 9월 법원 홈페이지 사고까지 재식별의 역사를 따라가고, 코어닷투데이가 로컬 모델로 직접 돌려 본 ‘다시 쓰게 하기’와 ‘가리킬 곳만 말하게 하기’의 차이, 논문이 말하지 않는 한계, 형사 판결문 공개 확대를 앞둔 2026년에 이 기술이 놓인 자리를 정리했습니다.
경험을 함께 만들어 볼까요?
행사, 교육, 공공, 산업—어떤 현장이든 코어닷투데이의 AI가 살아 있는 경험으로 바꿔 드립니다.