회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2012년 설립 회사입니다. 그 외 기타 광고 관련 서비스업을 합니다. 2025년 그룹 연결 매출은 154억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 90명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-06-18 · 최근 등록 2026-10-01 · 최신 출원순
일 실시예에 따른 공공 법률 데이터 자동 수집과 정제를 위한 AI 모델 학습 방법은, 서버에서 문자 인식 모델 및 임베딩 생성 모델을 포함하는 AI 모델을 준비하는 단계, 복수의 공공 법률 데이터 제공원으로부터 수집된 공공 법률 데이터에 대해 생성된 구조화된 문서 데이터 및 통합 텍스트를 학습 원천 데이터로 준비하는 단계, 상기 공공 법률 데이터에 포함된 원문 파일 또는 상기 통합 텍스트의 이미지 포함 영역으로부터 문자 인식 대상 이미지 파일을 추출하는 단계, 상기 문자 인식 대상 이미지 파일과 이에 대응되는 정답 텍스트 문자열을 포함하는 제1 학습 데이터셋을 생성하는 단계, 상기 문자 인식 대상 이미지 파일을 상기 문자 인식 모델에 입력하여 예측 텍스트 문자열을 출력하고 상기 예측 텍스트 문자열과 상기 정답 텍스트 문자열 사이의 차이가 감소하도록 상기 문자 인식 모델의 파라미터를 갱신하는 제1 학습 단계, 상기 통합 텍스트를 복수의 청크 단위 법률 텍스트로 분할하고 문서명, 기관명 또는 문서 유형 중 적어도 하나를 포함하는 의미 문맥을 부가하는 단계, 동일 문서, 동일 사건 또는 동일 법령을 지시하는 청크 쌍을 양성 학습쌍으로 구성하고 상이한 문서, 상이한 사건 또는 상이한 법령을 지시하는 청크 쌍을 음성 학습쌍으로 구성하는 단계, 및 상기 양성 학습쌍에 대한 임베딩 벡터 간 거리는 감소하고 상기...(이하생략)
일 실시예에 따른 비정형 법률서적 데이터 처리 방법은, 서버가 비정형 법률서적 파일로부터 추출 및 정규화되어 문단 경계가 부여된 복수의 문단을 포함하는 문단 시퀀스를 획득하는 단계, 상기 복수의 문단 각각에 대해 문단 길이 정보, 임베딩 벡터, 실쪽번호 정보, 각주 참조 표현, 각주 식별자 및 제목 후보 정보를 생성하는 단계, 상기 문단 시퀀스에서 연속되는 복수의 문단으로 구성되는 복수의 후보 청크를 설정하는 단계, 상기 복수의 후보 청크 각각에 대해 인접 문단 사이의 의미 유사성, 각주 포섭 정도, 제목 후보 정보와 청크 내용 사이의 대표성, 실쪽번호 범위 및 청크 길이의 기준 범위 이탈 정도를 함께 반영하여 하나의 청크 적합도 평가값을 산출하는 단계, 상기 복수의 후보 청크로 구성 가능한 복수의 분할안 각각에 대해 후보 청크들의 청크 적합도 평가값을 누적하여 분할안 평가값을 산출하는 단계, 상기 분할안 평가값이 가장 큰 분할안을 선택하여 청크 경계를 결정하는 단계, 및 상기 결정된 청크 경계에 따라 상기 문단 시퀀스를 복수의 검색 단위 청크로 분리하고 청크 본문, 청크 헤더, 실쪽번호 범위, 각주 목록 또는 근거 목록 및 검색용 메타데이터를 포함하는 청크 데이터를 생성하는 단계를 포함하되, 상기 청크 적합도 평가값은 각주 참조 표현이 각주 식별자 또는 각주 데이터와 매칭되지 않는 경우 감소되고,...(이하생략)
일 실시예에 따른 판결서 수집을 위한 AI 모델 학습 방법은, 학습 서버가 완전한 판결문 원문을 포함하는 학습 대상 판결문 데이터를 획득하는 단계, 상기 완전한 판결문 원문 중 임의의 연속 구간을 생략 구간으로 설정하고 상기 생략 구간을 생략 기호로 치환하여 불완전 학습 샘플을 생성하는 단계, 상기 불완전 학습 샘플에서 상기 생략 기호의 전방에 위치하는 전방 문맥 영역 및 후방에 위치하는 후방 문맥 영역 중 적어도 하나를 추출하는 단계, 상기 전방 문맥 영역 및 상기 후방 문맥 영역 중 적어도 하나에 대하여 형태소 분석을 수행하고 각 형태소에 대응되는 품사 정보를 부여하여 품사 태그가 부여된 형태소 리스트를 생성하는 단계, 상기 품사 태그가 부여된 형태소 리스트로부터 명사에 해당하는 형태소를 추출하고 불용어 및 중복어를 제거하여 복수의 후보 명사를 생성하는 단계, 상기 복수의 후보 명사 각각을 이용하여 재검색을 수행하거나 후보 명사별로 기저장된 재검색 이력 데이터를 조회하여 각 후보 명사에 대응하는 복원 후보 텍스트를 획득하는 단계, 상기 각 후보 명사에 대하여 상기 복원 후보 텍스트와 상기 생략 구간 사이의 중복 정도, 텍스트 완결성, 의미 유사성 및 인접 정도 중 적어도 둘 이상을 반영하여 후보별 복원 적합도를 산출하는 단계, 상기 후보별 복원 적합도에 기초하여 후보 명사별 목표 선택 확률 분포...(이하생략)
일 실시예에 따른 법률뉴스 기사문 생성 방법은, 서버에 의해 수행되는 법률뉴스 기사문 생성 방법에 있어서, 사용자 단말로부터 법률뉴스 기사문 생성의 기초가 되는 소재 데이터를 수신하는 단계, 상기 소재 데이터를 분석하여 상기 소재 데이터에 포함된 법률뉴스 기사문 생성용 정보를 포함하는 소재 분석보고서를 생성하는 단계, 상기 소재 분석보고서에 기초하여 생성형 AI 모델에 입력될 프롬프트를 생성하는 단계, 상기 프롬프트를 상기 생성형 AI 모델에 입력하여 생성 기사문을 생성하는 단계, 상기 소재 데이터, 상기 소재 분석보고서 및 상기 생성 기사문을 이용하여 상기 생성 기사문의 검수 결과를 포함하는 리뷰 리포트를 생성하는 단계, 상기 리뷰 리포트에 기초하여 상기 생성 기사문을 최종 기사문으로 확정할지 또는 상기 생성 기사문을 수정할지 판단하는 단계, 및 상기 판단 결과에 따라 상기 생성 기사문을 최종 기사문으로 제공하거나 상기 리뷰 리포트에 기초하여 상기 생성 기사문을 수정하는 단계를 포함한다.
일 실시예에 따른 법률문서 처리 방법은, 서버에 의해 수행되는 법률문서 처리 방법에 있어서, 사용자 단말로부터 복수의 법률문서를 입력받는 단계, 상기 복수의 법률문서 각각에 대하여 법률문서 유형을 분석하는 단계, 상기 복수의 법률문서 각각에 포함된 문서 구조를 인식하는 단계, 상기 문서 구조로부터 사건 분석에 이용되는 핵심 정보를 추출하는 단계, 상기 복수의 법률문서 사이의 문서 간 연관성을 분석하는 단계, 상기 문서 간 연관성 분석 결과에 기초하여 상기 복수의 법률문서를 사건 단위로 통합 분석하는 단계, 및 상기 사건 단위로 통합 분석된 결과를 구조화하여 사용자 단말에 제공하는 단계를 포함한다.
일 실시예에 따른 메인 서버에 의해 수행되는 법률 문서 내 개인정보 처리 방법은, 법률 문서를 확보하는 단계, 상기 법률 문서를 전처리하는 단계, AI 모델을 이용하여 상기 법률 문서에 포함된 개인정보 엔티티를 식별하는 단계, 식별된 개인정보 엔티티를 익명화 또는 가명화하는 단계, 및 상기 익명화 또는 가명화된 정보를 반영하여 개인정보가 대체된 결과 문서를 생성하는 단계를 포함하고, 상기 AI 모델은 입력된 법률 문장에 대응하는 구조화된 출력값을 생성하도록 학습된다.
일 실시예에 따른 형량 통계 분석 방법은, 서버에 의해 수행되는 형량 통계 분석 방법에 있어서, 판례 데이터, 법령 정보 및 사건 메타데이터를 수집 또는 입력받는 단계; 입력된 판결문을 전처리하고, 상기 판결문 중 적어도 이유 부분을 분석 대상 텍스트로 정렬・구조화하는 단계; 상기 분석 대상 텍스트를 해석하여 범죄사실, 증거요지, 법령적용 및 양형이유를 분리 산출하는 단계; 상기 분리 산출된 범죄사실 및 법령적용으로부터 적용 법률 목록, 정규화된 법률 정보 및 법률 식별자를 산출하는 단계; 상기 분리 산출된 양형이유로부터 형벌 값, 중대성 및 형벌 유형 식별정보를 산출하는 단계; 상기 적용 법률 목록, 상기 정규화된 법률 정보, 상기 법률 식별자, 상기 형벌 값, 상기 중대성 및 상기 형벌 유형 식별정보를 사건 단위 데이터셋으로 통합하는 단계; 및 상기 사건 단위 데이터셋에 대하여 그룹별 집계를 수행하여 빈도, 분포, 평균, 최빈값 또는 추이 정보 중 적어도 하나를 생성하는 단계를 포함한다.
일 실시예에 따른 법률 추론 및 검색 증강 생성 방법은, 메인 서버에 의해 수행되는 법률 추론 및 검색 증강 생성 방법에 있어서, 법률 문서 제공 서버로부터 법률 문서를 수집 또는 입력받고, 상기 법률 문서로부터 텍스트 및 문서 구조 정보를 추출하며, 상기 법률 문서를 의미 단위로 분할하고, 분할된 청크에 대한 임베딩 및 검색 인덱스를 구축하는, 법률 문서의 구조화 기반 형성 단계; 상기 법률 문서 또는 상기 청크로부터 엔티티 및 관계 정보를 추출하여 법률 지식 그래프를 구축하고, 사용자 질의 또는 분석 요청을 수신하며, 상기 사용자 질의 또는 분석 요청에 대응되는 그래프 기반 검색 증강 문맥을 생성하는, 사건 지식 및 검색 문맥 생성 단계; 상기 그래프 기반 검색 증강 문맥을 기초로 법률 질의응답 결과, 사건 분석 정보, 사건 구조화 정보 및 실무 지원 정보 중 적어도 하나를 생성하는, 법률 추론 및 분석 결과 생성 단계; 및 상기 법률 질의응답 결과 또는 상기 사건 분석 정보의 근거가 되는 소스를 매핑하고 원문 위치를 하이라이팅하며, 생성된 결과를 시각화하여 제공하고, 상기 생성된 결과를 업무 관리 시스템에 연계하는, 근거 제시 및 업무 시스템 연계 단계를 포함한다.
일 실시예에 따른 AI 추론 기반 판결서 수집 시스템은, 판결서 등 법률 데이터를 제공하는 데이터 서버, 사용자의 판결서 수집 요청을 입력받고 판결서 수집 결과를 출력하는 사용자 단말, 및 상기 데이터 서버 및 상기 사용자 단말과 통신 가능하게 연결되며 상기 사용자 단말로부터 전달된 요청정보 및 기 확보 데이터를 분석하여 판결서의 수집 또는 처리 방향을 도출하는 AI 모델 및 판결서 원문, 메타데이터, 수집 이력, 사용자 요청 이력, AI 추론 결과, 중복 판정 결과 및 정제된 구조 데이터를 저장하는 데이터베이스를 포함하는 수집 서버를 포함한다.
일 실시예에 따른 공공 법률 데이터 자동 수집과 정제 방법은, 서버에서 수행되는 공공 법률 데이터 자동 수집과 정제 방법에 있어서, 수집 대상 소스 및 문서 유형을 설정하는 단계; 상기 설정된 수집 대상 소스 및 문서 유형에 기초하여, 복수의 공공 법률 데이터 제공원 중 적어도 하나에 접속하여 목록 정보를 요청하는 단계; 상기 목록 정보 및 기존 저장 데이터를 비교하여 신규 또는 갱신 대상을 선별하는 단계; 상기 선별된 대상에 대한 상세 문서 정보를 수집하는 단계; 상기 상세 문서 정보에 대응되는 원문 파일을 다운로드하거나 비표준 문서를 텍스트로 변환하는 단계; 상기 상세 문서 정보로부터 구조화된 문서 데이터를 생성하는 단계; 상기 구조화된 문서 데이터에 기초하여 통합 텍스트를 생성하는 단계; 상기 통합 텍스트의 이미지 포함 영역에 대해 문자 인식(OCR)을 수행하여 본문을 보완하는 단계; 상기 상세 문서 정보, 상기 구조화된 문서 데이터 및 상기 통합 텍스트에 기초하여 원문 접근 URL 및 검색 식별자를 생성하는 단계; 상기 구조화된 문서 데이터, 상기 통합 텍스트, 상기 원문 접근 URL 및 상기 검색 식별자에 대한 필수 필드의 유효성을 검증하여 저장 여부를 판정하는 단계; 상기 저장 여부의 판정 결과에 따라 상기 구조화된 문서 데이터와 상기 원문 파일을 각각 저장하는 단계; 및 상기 저장된 법...(이하생략)
일 실시예에 따른 비정형 법률서적 데이터 처리 시스템은, 비정형 법률서적 파일을 포함하는 입력을 제공하는 사용자 단말 및 상기 비정형 법률서적 파일로부터 검색 증강 생성(RAG)에 이용 가능한 구조화 데이터를 생성하는 서버를 포함하되, 상기 서버가 (i) 상기 사용자 단말로부터 상기 비정형 법률서적 파일을 획득하고, (ii) 상기 비정형 법률서적 파일의 레이아웃 및 처리 조건을 포함하는 설정정보를 저장하고, (iii) 상기 설정정보에 기초하여 상기 비정형 법률서적 파일로부터 본문 텍스트 및 각주 관련 요소를 포함하는 인덱스를 분리하여 추출하고, (iv) 상기 인덱스를 정규화하여 문단 경계를 표시하는 토큰을 삽입하고 표를 치환하고, (v) 정규화된 텍스트를 검색 단위의 청크로 분리하고, (vi) 상기 청크를 포함하는 JSON 형식의 청크 데이터 파일을 생성한다.
AI 기반 비정형 판결문 구조화 방법 및 이를 활용한 시스템이 제공된다. 일 실시예에 따른 비정형 판결문 구조화 시스템은, 판결문 파일이 저장된 데이터베이스 및 상기 데이터베이스로부터 상기 판결문 파일을 취득하고 상기 판결문 파일을 구조화 데이터로 변환하여 메타데이터를 생성하는 서버를 포함하되 상기 서버는 (i) 판결문 파일의 권한 상태 및 문서 속성에 기초하여 처리 경로를 선택하고 페이지 단위 이미지로 변환하여 복호화 이미지를 생성하고 (ii) 상기 복호화 이미지에 대한 라벨링 결과에 기초하여 줄바꿈, 문단, 구간 중 적어도 하나 및 구조 태그를 복원하여 복원된 판결문을 생성하며 (iii) 상기 복원된 판결문을 사건 속성으로 분류하고 표기 흔들림을 표준 코드 또는 표준 엔티티로 정규화하여 메타데이터를 생성한다.
본 발명은 인공지능 기술을 통해 소송 관련 데이터를 분석한 결과를 기반으로 검토보고서 및 서면의 초안을 생성하여 변호사에게 제공하는 변호사의 소송 업무 지원을 위한 정보 제공 방법 및 장치에 관한 것으로서, 변호사의 일정, 접수된 문건, 과거 소송 기록 및 법률 데이터베이스 중 어느 하나 이상을 포함한 소송 관련 데이터를 수집하는 단계, 인공지능 기술을 사용하여 상기 소송 관련 데이터를 분석하는 단계, 상기 분석 결과를 기반으로 소송 진행 상황, 주요 쟁점 및 대응 전략을 포함한 검토보고서를 생성하는 단계, 상기 분석 결과를 기반으로 소송 진행 단계에 따라 필요한 서면의 초안을 생성하는 단계 및 상기 검토보고서 및 상기 서면 초안을 제공하는 단계를 포함한다.
본 발명은 대형 언어 모델(Large Language Model; LLM)을 이용하여 생성된 답변 데이터에서 식별된 판례 및 법령이 인용취지에 부합하는지 여부를 평가하여 결과를 제공하는 AI 알고리즘을 활용한 법률 데이터 평가 장치 및 방법에 관한 것으로, 대형 언어 모델을 기반으로 하여 생성된 답변 텍스트에 포함된 판례 및 법령을 식별하는 단계, 식별된 판례 및 법령이 인용취지에 부합하는지 여부를 평가하는 단계 및 판례 및 법령의 평가 결과를 사용자에게 제공하는 단계를 포함한다.
본 발명은 단시간 내에 사건의 개요 및 내용을 파악할 수 있도록 일 사건에 대한 서면 데이터에서 사실관계 정리, 사실관계의 쟁점 및 법률적 쟁점을 추출하여 사건 전개에 대한 시간별 정보 요약 문서를 제공하는 방법 및 시스템에 관한 것으로서, 일 사건에 대한 서면 데이터로부터 당사자들 각각의 주장 및 항변을 추출하는 단계, 상기 각 주장 및 항변에 대응하는 증거들을 매핑하는 단계, 상기 각 주장 및 항변과 상기 증거들에 기초하여 사실관계를 정리하며, 상기 정리된 사실관계에 기초하여 사실관계에 대한 사실관계의 쟁점을 추출하는 단계 및 상기 각 주장 및 항변과 상기 증거들에 기초하여 법률적 쟁점을 추출하는 단계를 포함한다.
대형 언어 모델을 이용하여 법률 정보를 제공하는 방법, 컴퓨터 장치 및 컴퓨터 프로그램이 제시된다. 본 발명의 일 실시예에 따른 컴퓨터 장치에 의해 수행되는 대형 언어 모델(Large language model, LLM)을 이용하여 법률 정보를 제공하는 방법은, 사용자가 법률 정보를 질의함에 따라 리트리버(retriever)를 활용하여 법률 정보의 검색 시, 상기 리트리버(retriever)에 의해 패치(fetch)된 결과들이 사용자에게 최종적으로 제공할 정보와 관련된 법 관련 자료를 포함할 때 특정 자료가 다른 특정 자료를 인용하는지 여부를 판단하는 단계; 및 상기 특정 자료가 다른 특정 자료를 인용하는 경우, 인용 관계에 있는 두 개의 특정 자료 또는 각각의 특정 자료를 시각적으로 구분 표시하여 사용자에게 가시화하는 단계를 포함하여 이루어질 수 있다.
대형 언어 모델을 이용하여 미리 보기를 포함한 법률 정보를 제공하는 방법, 컴퓨터 장치 및 컴퓨터 프로그램이 제시된다. 본 발명의 일 실시예에 따른 컴퓨터 장치에 의해 수행되는 대형 언어 모델(Large language model, LLM)을 이용하여 미리 보기를 포함한 법률 정보를 제공하는 방법은, 사용자가 법률 정보를 질의함에 따라 리트리버(retriever)를 활용하여 법률 정보의 검색 시, 상기 대형 언어 모델을 통해 최종 출력 결과가 완성되기 이전에 사용자의 질의 또는 응답과 관련된 미리 보기 정보를 사용자에게 가시화하는 단계; 및 질의에 대한 응답인 상기 최종 출력 결과가 완성되는 경우, 상기 대형 언어 모델의 상기 최종 출력 결과를 사용자에게 가시화하는 단계를 포함하여 이루어질 수 있다.
대형 언어 모델을 기반으로 법령 또는 판결문의 개정을 반영하여 법률 정보를 제공하는 방법, 컴퓨터 장치 및 컴퓨터 프로그램이 제시된다. 본 발명의 일 실시예에 따른 컴퓨터 장치에 의해 수행되는 대형 언어 모델(Large language model, LLM) 기반으로 법령 또는 판결문의 개정을 반영하여 법률 정보를 제공하는 방법은, 사용자가 법률 정보를 질의함에 따라 리트리버(retriever)를 활용하여 법률 정보의 검색 시, 상기 리트리버(retriever)에 의해 패치(fetch)된 결과들이 사용자에게 제공할 정보와 관련된 법령 또는 판결문을 포함할 때 응답 내에 포함된 상기 법령 또는 판결문의 개정 여부를 판단하는 단계; 및 상기 법령 또는 판결문의 개정이 있는 경우, 사용자에게 개정에 따라 응답이 변경될 수 있음을 알리는 단계를 포함하여 이루어질 수 있다.
본 발명은 본인 인증, 계약서 작성, 서명 날인과 공유 및 관리를 수행하는 법률 문서 자동 작성 시스템을 제공한다.
본 발명은 본인 인증, 계약서 작성, 서명 날인과 공유 및 관리를 수행하는 법률 문서 자동 작성 시스템을 제공한다.
일 실시예에 따른 온라인에서 법률문서의 작성을 지원하는 방법은, 복수의 법률문서들의 템플릿들을 저장하는 데이터베이스를 유지하는 단계; 제1 사용자로부터 쿼리를 수신함에 응답하여, 상기 복수의 법률문서들 중 어느 하나를 선택하는 단계; 상기 선택된 법률문서를 완성하기 위한 상기 선택된 법률문서에 대응하는 마크업 언어 기반의 템플릿을 제공하는 단계; 상기 제1 사용자 및 상기 제1 사용자에 대응하는 제2 사용자의 입력에 기초하여 상기 템플릿을 채움으로써, 상기 법률문서를 완성하는 단계; 상기 제1 사용자 및 상기 제2 사용자를 인증하는 단계; 및 상기 제1 사용자 및 상기 제2 사용자를 인증하면, 상기 법률문서를 타임 스탬프(Trusted Timestamp)를 이용하여 보관하는 단계를 포함할 수 있다.
법률 서비스 제공 장치는 의뢰인 정보 및 상담 정보를 수신하는 수신부, 상기 수신된 의뢰인 정보가 DB에 기등록되어있지 않은 경우, 상기 수신된 의뢰인 정보를 상기 DB에 등록하는 의뢰인 관리부, 상기 수신된 상담 정보에 기초하여 상기 상담 정보에 대응하는 사건을 상기 DB에 기등록된 법률 분야 중 하나 이상의 법률 분야로 분류하고, 상기 DB에 기등록된 복수의 법률가 중 적어도 하나 이상을 상기 사건에 대한 법률가로서 선정하는 사건 분배부, 상기 수신된 상담 정보에 기초하여 상기 DB에 기등록된 법률가 중 적어도 하나 이상의 지정 가능한 법률가 목록을 의뢰인에게 제공하는 법률가 목록 제공부, 상기 수신된 상담 정보에 기초하여 상기 사건에 대한 사건 정보 및 사건 식별 코드를 생성하고, 상기 생성된 사건 식별 코드를 상기 생성된 사건 정보에게 부여하는 사건 정보 생성부, 상기 사건에 대한 관련 자료를 상기 DB로부터 수집하고, 상기 사건이 법원에 계속 중인 경우, 상기 사건에 대한 법원 자료를 수집하는 자료 수집부, 및 상기 적어도 하나 이상의 의뢰인 정보, 법률가 정보, 상담 정보 또는 사건 정보를 전송하는 전송부를 포함한다.
교육생 관리 장치는 사용자 계정에 대응하는 사용자 단말로부터 사용자 정보를 수신하는 사용자 정보 수신부, 상기 수신된 사용자 정보에 기초하여 상기 사용자 계정에 대한 이력서를 생성하는 이력서 생성부, 기설정된 종류의 계정으로 분류된 복수의 사용자 계정 각각을 관리하는 사용자 계정 관리부, 및 상기 사용자 계정에 대하여 설정된 일정 정보를 제공하는 정보 제공부를 포함할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 23건 중 23건 · 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) | 93.1 | 154.0 |
| 영업비용 | 188.0 | 210.9 |
| 영업이익(손실) | (94.9) | (56.9) |
| 영업외수익 | 26.6 | 298.6 |
| 기타이익 | 0.4 | 1.1 |
| 금융수익 | 26.2 | 297.5 |
| 영업외비용 | 31.8 | 52.1 |
| 기타손실 | 0.2 | 1.3 |
| 금융원가 | 31.6 | 50.7 |
| 법인세비용차감전순이익(손실) | (100.1) | 189.6 |
| 법인세비용 | — | 3.0 |
| 당기순이익(손실) | (100.1) | 186.6 |
매출은 154억으로 전년 대비 65.4% 증가한 것으로 나타났다.
영업이익률은 -37.0%로 전년 -101.9%에서 상승했다.
당기순이익은 186.6억으로 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 · 2026-11-07 확인