딜리네이트 vs 벨벳

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.

벨벳 장단점

• Y Combinator의 지원을 받은 신뢰할 수 있는 팀이 운영하며, 월드 모델과 비디오 생성 AI라는 명확한 시장 수요에 부합하는 서비스를 제공합니다. 데이터 제공자 입장에서는 보유한 영상 자산을 수익화할 수 있는 명확한 채널이 있다는 점이 장점이며, 구매자 입장에서는 직접 수집하기 어려운 희귀 데이터(재난 현장, 특수 산업 환경 등)를 검증된 품질로 획득할 수 있습니다. 특히 자율주행, 로보틱스, 산업 안전 AI 분야의 연구자들에게는 희소성 높은 엣지 케이스 데이터를 확보할 수 있는 실질적인 대안으로 평가받고 있습니다.

• 플랫폼이 비교적 최근에 출시되어 데이터셋의 다양성과 거래량이 아직 제한적일 수 있으며, 일반 개발자가 접근하기에는 진입 장벽이 높은 B2B 특화 서비스입니다. 가격 정책이 명확하지 않아 구매 전 별도 문의가 필요할 수 있고, 한국어 지원 여부도 불확실합니다. 또한 경쟁사인 Scale AI나 이미 구축된 대형 데이터셋 보유 기업들에 비해서는 플랫폼 인지도와 네트워크 효과가 부족한 상태입니다.

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

벨벳 주요 기능

• 월드 모델 학습에 최적화된 고품질 비디오 데이터 큐레이션
• 프론티어 연구소와 데이터 보유자를 연결하는 마켓플레이스
• 맞춤형 데이터 템플릿 및 API 액세스 제공
• 고유 데이터셋 제출 및 잠재적 매입 프로세스
• 연구자·AI 개발자·기관을 위한 고급 분석 기능