카티지 vs 라이너

카티지 장단점

• Wilson이 이메일 기반으로 운송업체 및 공급업체와 직접 소통하기 때문에 물류 담당자가 일일이 이메일을 주고받을 필요가 줄어들고, 기존 TMS나 ERP 시스템에 로그인해 데이터를 직접 입력·수정하는 방식이라 별도의 복잡한 API 연동 없이도 통합이 가능합니다. 실제 직원처럼 행동한다는 컨셉 덕분에 팀원들에게 자연스럽게 적응할 수 있고, 고객 문의에 자동 응답하며 배송 상태를 능동적으로 공유해 커뮤니케이션 병목을 완화한다는 점도 장점입니다.

• 2025년 현재 G2, Capterra, Reddit 등 주요 리뷰 플랫폼에서 확인할 수 있는 실사용자 후기가 거의 없어 객관적인 성능 검증이 어렵고, 구체적인 가격 정책도 공개되지 않아 도입 전 비용 예측이 힘듭니다. AI가 기존 시스템에 로그인해 데이터를 조작하는 방식이므로 보안 담당자의 승인을 받기 까다로울 수 있으며, 제조·유통 업종에 특화된 솔루션이라 다른 산업군에는 적용하기 어렵습니다.

라이너 장단점

• 답변에 출처가 함께 표기돼 사실 확인이 빠르고, 학술 자료 기반이라 일반 챗봇보다 근거를 따져 보기 좋습니다
• GPT·Claude·Gemini 등 여러 모델을 한 화면에서 골라 같은 질문에 다른 답을 비교할 수 있습니다
• 검색 결과를 인용·레퍼런스로 자동 정리하거나 최대 20장 슬라이드로 바꿔 줘 리서치 후속 작업이 줄어듭니다
• Liner Scholar로 학술 데이터베이스에 특화된 심층 리서치까지 같은 생태계에서 이어 갈 수 있습니다

• 무료 플랜은 고급 검색이 하루 3회, 에이전트 크레딧이 월 100개로 제한돼 본격적으로 쓰려면 유료 전환이 사실상 필요합니다
• 강점이 검색·리서치에 쏠려 있어 긴 글쓰기나 코드 작성이 주 목적이라면 전용 도구가 더 낫습니다
• 답변이 출처를 인용하더라도 인용한 자료 자체의 신뢰도와 맥락은 사용자가 직접 검증해야 합니다

카티지 주요 기능

• WilsonOS를 통한 노코드 물류 전 과정 관리
• 브라우저 기반 레거시 ERP 직접 로그인 자동화
• Wilson Concierge를 통한 자동 고객 대응
• 역사 데이터 기반 시장 견적 분석
• 화물 통합 및 노선 최적화

라이너 주요 기능

• OpenAI, Anthropic, Google, Meta 등 8개 최신 AI 모델 선택 지원
• 출처 기반 AI 검색 및 학술 논문 연구 통합 워크플로우
• Liner Scholar: 학술 데이터베이스 기반 정확한 연구 보조
• 인용 및 레퍼런스 자동 생성
• 10,000,000명 이상의 학생·연구자 커뮤니티
• 50개국 이상에서 사용되는 다국어 지원