애트모 vs 딜리네이트

애트모 장단점

• 전통적인 기상 예보 시스템(NWP) 대비 연산 속도가 압도적으로 빨라 급격한 기상 변화에 즉각적인 대응이 가능하며, 슈퍼컴퓨터 유지비와 전력 소비를 크게 절감할 수 있습니다. 300m에서 1km 단위의 정밀한 국지적 분석 기능을 제공하여 특정 산업 단지나 도시 구역의 미세 기후를 파악하는 데 유용합니다. 실제 동남아시아와 아프리카 등의 국가 기관에서 도입하여 인프라가 부족한 환경에서도 실용적인 예보 성능을 입증하고 있다는 점이 가장 큰 장점입니다.

• 국가 기관이나 대형 산업군을 타겟으로 하는 B2G/B2B 성격이 강해 개인 사용자나 일반 개발자가 API 등을 통해 가볍게 접근하기에는 장벽이 높습니다. AI 모델의 특성상 과거 데이터에 의존하기 때문에 기후 위기로 인한 전례 없는 이상 기후 발생 시 전통적인 물리 기반 모델에 비해 예측 안정성에 대한 의구심이 제기될 수 있습니다. 또한 Google이나 NVIDIA 같은 거대 IT 기업들이 기상 AI 모델을 오픈소스로 공개하며 생태계를 확장하고 있어 기술적 독점력을 유지하는 데 어려움을 겪을 수 있습니다.

딜리네이트 장단점

• 가장 큰 장점은 수작업으로 수개월이 걸리던 임상 데이터 수집 및 구조화 작업을 약 15배 이상 빠르게 처리할 수 있다는 점입니다. 특히 논문 속 그래프(Plots)에 숨겨진 수치를 정확하게 복원하는 능력이 뛰어나, 데이터가 소실된 과거 연구 결과도 다시 활용할 수 있게 해줍니다. 글로벌 Top 10 제약사들과 협업하며 검증된 높은 데이터 품질과 품질 관리(QC) 프로세스를 제공하며, 이를 통해 임상 설계 단계에서 하루만 앞당겨도 발생하는 수백만 달러의 기회비용을 절감하는 데 실질적인 도움을 줍니다.

• 제약 및 바이오 전문 엔터프라이즈 솔루션 특성상 일반 사용자가 접근하기 어려운 폐쇄적인 가격 정책을 가지고 있으며, 도입 비용이 상당히 높을 것으로 예상됩니다. AI가 추출한 데이터라 할지라도 임상 시험이라는 특수성 때문에 최종 단계에서는 반드시 전문가의 검토가 필요하다는 인적 리소스 부담이 여전히 존재합니다. 또한 현재는 영어권 기반의 연구 자료 처리에 최적화되어 있어, 한국어 등으로 작성된 국내 특허나 로컬 임상 자료에 대한 처리 정확도는 상대적으로 낮을 수 있다는 한계가 있습니다.

애트모 주요 기능

• 전 세계 142개 위성 및 수백만 센서 데이터 실시간 통합
• 기존 모델 대비 100배 상세한 1km 초정밀 해상도 예보
• AI 기반 데이터 동화(Data Assimilation) 기술 적용
• GPU 가속을 통한 초단위 예보 갱신(기존 대비 40,000배 빠름)
• 온프레미스 및 국가 데이터 주권 지원 배포

딜리네이트 주요 기능

• AI 에이전트 기반 체계적 문헌 고찰 자동화
• 컴퓨터 비전을 활용한 그래프·도표 수치 추출(plot digitization)
• 100% 감사 가능한 데이터 출처 추적
• 특정 약물 계급에 특화된 대규모 데이터셋 구축
• 비구조화 문서(PDF·특허)의 구조화 변환
• 멀티소스 파라미터 추출 및 생물학적 메커니즘 탐색