애프트쿼리 vs 루닛

애프트쿼리 장단점

• 단순 라벨링을 넘어 골드만삭스, 구글 출신 등 실제 업계 전문가들이 직접 설계한 고품질 데이터를 제공하므로 모델의 전문성이 비약적으로 향상됩니다. 특히 루브릭(Rubrics) 기반의 RLHF를 통해 모델이 왜 해당 답변을 내놓아야 하는지에 대한 정교한 피드백을 학습시킬 수 있으며, 에이전트 전용 훈련 환경을 통해 복잡한 멀티스텝 워크플로우 학습이 가능합니다. 또한 독자적인 벤치마크(IDE-Bench, FinanceQA 등)를 보유하고 있어 모델 성능을 객관적으로 검증할 수 있는 연구 역량이 뛰어납니다.

• 전문 인력을 직접 투입하는 방식의 특성상 구축 비용이 경쟁사 대비 매우 높을 것으로 예상되며, 대규모 범용 데이터를 단기간에 확보해야 하는 프로젝트에는 가성비가 떨어질 수 있습니다. 소규모 스타트업이나 개인 개발자를 위한 셀프 서비스 플랜이나 공개된 가격 정보가 부족하여 접근성이 낮으며, 주로 최상위 AI 리서치 랩이나 엔터프라이즈를 타겟으로 하기에 도입 상담 과정이 복잡할 수 있다는 점이 진입 장벽으로 작용합니다.

루닛 장단점

• 국제 학술지(The Lancet, JAMA 등)와 실제 임상 연구를 통해 검증된 높은 진단 정확도를 보여줍니다. 실제 응급 환경 도입 시 환자 분류 시간을 약 77% 단축하고 전문의의 판독 시간을 10%가량 절감하는 등 실질적인 업무 효율 향상 효과가 입증되었습니다. GE 헬스케어, 후지필름 등 글로벌 의료기기 제조사의 장비에 기본 탑재되는 등 하드웨어와의 호환성 및 글로벌 신뢰도가 매우 높습니다.

• AI 특성상 정상적인 조직이나 병변이 아닌 부분을 암으로 의심하여 경고하는 '위양성(False Positive)' 판독이 여전히 존재하며, 이로 인해 전문의가 다시 확인해야 하는 과정이 필수적입니다. 주로 대형 병원이나 검진 센터를 타겟으로 한 고가의 솔루션인 경우가 많아 소규모 의원급에서의 도입 비용 부담이 큽니다. 또한 AI 판독 결과에 따른 의료 사고 발생 시 책임 소재에 대한 법적·제도적 가이드라인이 아직 완전히 정립되지 않았다는 점이 현장의 우려사항입니다.

애프트쿼리 주요 기능

• 고품질 SFT·RLHF 훈련용 전문가 제작 데이터 페어
• 추론·코딩 성능 개선을 위한 루브릭 기반 피드백
• MCP 기반 에이전트 훈련 상호작용 데이터
• 맞춤형 도메인 특화 데이터셋 제작 서비스
• 컴퓨터 사용 환경 시뮬레이션 및 데이터 수집

루닛 주요 기능

• 흉부 엑스레이(CXR) 기반 폐결절·기흉 등 10가지 이상 질환 자동 검출
• 유방 촬영(MMG·DBT) AI 분석 및 5년 발병 위험도 예측 (INSIGHT Risk)
• 면역항암제 반응 예측을 위한 AI 바이오마커 분석(SCOPE)
• IHC·종양 미세환경 공간 분석 정밀 종양학 지원
• GE헬스케어·후지필름 등 글로벌 의료기기 탑재 통합