회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2014년 설립 회사입니다. 응용 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 1,691억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 49명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다. 보도로 확인된 투자유치가 1건 있습니다.
읽어오는 중입니다…
최근 출원 2026-03-11 · 최근 등록 2026-10-06 · 최신 출원순
본 발명은, 고객 정보를 기반으로 한 대출심사용 프롬프트를 통해 결정 토큰과 해당 토큰의 로그확률을 획득하고, 이를 변환하여 PoN을 산출한 후 과거 연체 데이터와 결합하여 실제 도메인에 적합하도록 보정하여 연체확률(PD)을 산출함으로써, 대출 심사 리스크 관리 및 정책 의사결정에 적용할 수 있는, 생성형 인공지능 기반 대출심사 응답 토큰의 로그확률을 활용한 대출심사 연체확률 산정 및 보정 방법을 제공한다. 본 발명에 따르면, 생성형 인공지능 응답을 심사 위험 지표와 직접 연계할 수 있으며, 별도의 모델 재학습 없이 보정만으로 실제 업무 적용이 가능하고, 또한 정책 임계값 적용, 승인・거절・수동심사 분기 및 한도・금리 차등화에 활용되어 대출심사의 정밀성, 일관성 및 설명가능성을 향상시킬 수 있다.
본 발명은 대안 데이터와 구간중도절단 추정방법론을 이용한 무담보 대출의 승인금액 산출 방법 및 시스템에 관한 것으로, 상기 방법은, 대안 데이터를 수집하는 제1수집 단계; 대출상환이력 데이터를 수집하는 제2수집 단계; 상기 무담보 대출의 기설정된 최대 승인금액 및 최소 승인금액에 대하여 상기 대안 데이터 및 상기 대출상환이력 데이터를 적용하여 구간중도절단 데이터를 생성하는 생성단계; 생성된 상기 구간중도절단 데이터에 대하여 추정방법론을 적용하여 개인화된 생존함수가 추정되도록 승인금액 산출모델을 기계학습시키는 학습 단계; 학습된 상기 승인금액 산출모델을 이용하여 대출 신청 건에 대한 적정 승인금액을 산출하는 산출단계; 및 산출된 상기 승인금액을 출력하는 출력 단계를 포함한다. 본 발명에 따르면, 신용 정보나 급여, 소득 정보가 없거나 누락된 NTC(New-To-Credit), 사회초년생 또는 신용불량자를 대상으로도 무담보 대출의 적정 승인금액을 자동으로 산출할 수 있다.
본 발명은 대안 데이터와 구간중도절단 추정방법론을 이용한 무담보 대출의 승인금액 산출 방법에 관한 것으로, 적어도 하나의 프로세서를 포함하는, 기계학습을 이용한 무담보 대출의 적정 승인금액 산출 방법에 있어서, 상기 프로세서가, 대안 데이터를 수집하는 제1수집단계; 상기 프로세서가, 대출상환이력 데이터를 수집하는 제2수집단계; 상기 프로세서가, 상기 무담보 대출의 기설정된 최대 승인금액 및 최소 승인금액에 대하여 상기 대안 데이터 및 상기 대출상환이력 데이터를 적용하여 구간중도절단 데이터를 생성하는 생성단계; 상기 프로세서가, 생성된 상기 구간중도절단 데이터에 대하여 추정법을 적용하여 적정 승인금액을 산출하도록 승인금액 산출모델을 기계학습시키는 학습단계; 상기 프로세서가, 학습된 상기 승인금액 산출모델을 이용하여 대출 신청 건에 대한 적정 승인금액을 산출하는 산출단계; 및 상기 프로세서가, 산출된 상기 승인금액을 출력하는 출력단계를 포함한다. 본 발명에 따르면, 신용 정보나 급여, 소득 정보가 없거나 누락된 NTC(New-To-Credit), 사회초년생 또는 신용불량자를 대상으로도 무담보 대출의 적정 승인금액을 자동으로 산출할 수 있다.
본 발명은 대안 데이터와 구간중도절단 추정방법론을 이용한 무담보 대출의 승인금액 산출 시스템에 관한 것으로, 대안 데이터를 수집하는 제1수집부; 대출상환이력 데이터를 수집하는 제2수집부; 상기 무담보 대출의 기설정된 최대 승인금액 및 최소 승인금액에 대하여 상기 대안 데이터 및 상기 대출상환이력 데이터를 적용하여 구간중도절단 데이터를 생성하는 생성부; 생성된 상기 구간중도절단 데이터에 대하여 추정방법론을 적용하여 개인화된 생존함수가 추정되도록 승인금액 산출모델을 기계학습시키는 학습부; 학습된 상기 승인금액 산출모델을 이용하여 대출 신청 건에 대한 적정 승인금액을 산출하는 산출부; 및 산출된 상기 승인금액을 출력하는 출력부를 포함한다. 본 발명에 따르면, 신용 정보나 급여, 소득 정보가 없거나 누락된 NTC(New-To-Credit), 사회초년생 또는 신용불량자를 대상으로도 무담보 대출의 적정 승인금액을 자동으로 산출할 수 있다.
어플리케이션 유저 인증 방법은 제1 단말에 설치된 제1 어플리케이션으로부터, 제1 어플리케이션 ID, 제1 단말 ID 및 제1 심 카드 ID를 수신하는 단계; 상기 제1 단말 ID, 상기 제1 심 카드 ID 및 상기 제1 어플리케이션 ID를 맵핑하여 제1 사용자 계정을 생성하는 단계; 상기 제1 사용자 계정을 데이터 베이스에 저장하는 단계; 제2 단말에 설치된 제2 어플리케이션으로부터, 제2 어플리케이션 ID, 제2 단말 ID 및 제2 심 카드 ID를 수신하는 단계; 및 상기 제2 어플리케이션 ID, 상기 제2 단말 ID 및 상기 제2 심 카드 ID 중 적어도 하나가 상기 제1 사용자 계정에 포함된 경우, 상기 제2 어플리케이션 ID, 상기 제2 단말 ID 및 상기 제2 심 카드 ID를 상기 제1 사용자 계정에 통합하여 상기 데이터 베이스에 저장하는 단계를 포함한다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 5건 중 5건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 1,460.2 | 1,691.3 |
| 영업비용 | 1,372.8 | 1,242.6 |
| 영업이익(손실) | 87.4 | 448.7 |
| 영업외수익 | 0.4 | 0.2 |
| 금융수익 | 5.9 | 9.2 |
| 영업외비용 | 0.0 | 0.9 |
| 금융원가 | 124.4 | 59.9 |
| 법인세비용차감전순이익(손실) | (30.7) | 397.3 |
| 법인세비용 | 66.8 | 137.2 |
| 당기순이익(손실) | (97.5) | 260.1 |
매출은 1,691.3억으로 전년 대비 15.8% 증가한 것으로 나타났다.
영업이익률은 26.5%로 전년 6.0%에서 상승했다.
당기순이익은 260.1억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-05 확인