센슬리 vs Shiru

센슬리 장단점

• 메이요 클리닉과 NHS의 검증된 임상 알고리즘을 기반으로 하여 의료 정보의 신뢰도가 높고, 대화 내용이나 제공받은 건강 권장사항에 대해 사용자가 안심할 수 있다는 점이 가장 큰 장점입니다. Molly 아바타는 친근한 비주얼과 음성으로 대화를 이끌어가기 때문에, 특히 건강 불안감을 느끼는 사용자나 의료 용어에 익숙하지 않은 노년층에게 심리적 안정감을 줍니다. 보험사인 AXA PPP healthcare, 캘리포니아 블루 쉴드(Blue Shield of California) 등 글로벌 기업들이 실제로 도입하여 상담 대기 시간 단축과 콜센터 비용 절감 효과를 입증한 바 있어 B2B 도입 시 참고할 만한 사례가 풍부합니다. 사용자가 입력한 건강 데이터를 실시간으로 분석해 개인화된 권장사항을 제공하며, 앱과 웹, 메신저 등 다양한 채널에서 접근 가능해 유연성이 좋습니다.

• B2B 중심 플랫폼이라 일반 개인 사용자가 웹사이트에서 즉시 체험해볼 수 있는 데모나 무료 플랜이 사실상 없어, 도입 전 검토가 어렵습니다. 영어를 기본 언어로 제공되기 때문에 한국 사용자나 영어에 익숙하지 않은 사용자에게는 언어 장벽이 크며, 한국 의료 시스템이나 국내 병원 연계 기능은 기대하기 어렵습니다. 아바타 기반 대화 방식이 모든 사용자에게 적합하지 않아, 빠르고 간결한 텍스트 검색을 선호하는 젊은 층이나 IT 익숙층에게는 대화 흐름이 다소 느리게 느껴질 수 있습니다. 의료기관이나 보험사가 도입할 경우 내부 전산 시스템과의 연동, 직원 교육, 초기 셋업에 시간과 비용이 소요될 수 있어 중소 규모 조직에는 진입 장벽이 있을 수 있습니다.

Shiru 장단점

• Shiru의 가장 큰 강점은 단백질 발견 과정을 기존 대비 80% 이상 단축(5~15년 → 1~2년)시킬 수 있다는 점으로, Fortune 500대 기업을 포함해 다수의 글로벌 식품, 화장품, 농업 기업들과 파트너십을 맺고 실제 상업적 성과를 내고 있습니다. 3,300만 개 이상의 단백질 데이터를 보유한 자체 데이터베이스 Flourish™는 단순한 서열 정보를 넘어 구조-기능 관계를 학습한 머신러닝 모델과 결합되어, 목적하는 기능에 최적화된 후보물질을 정밀하게 예측할 수 있습니다. 또한 ProteinScreening™을 통해 예측된 후보를 실제 실험실에서 고처리량으로 검증하는 시스템을 갖추고 있어 AI 예측만으로는 확인하기 어려운 실제 성능까지 검증할 수 있습니다.

• Shiru는 개인이나 소규모 스타트업이 가볍게 사용할 수 있는 셀프서비스 SaaS가 아니며, 기업과의 파트너십 계약을 통해서만 이용 가능해 접근성이 제한적입니다. 공개된 가격 정책이 없어 프로젝트 규모나 요구사항에 따라 견적이 크게 달라질 수 있고, 바이오/화학 분야의 전문 지식이 없는 기업에게는 활용 난이도가 높을 수 있습니다. 또한 AI 예측 결과가 실험실 검증에서 100% 일치하지 않을 수 있어 여전히 시행착오가 필요하며, 제품화까지는 규제 승인, 대량 생산 공정 개발 등 추가 단계가 필요해 전체 개발 기간은 산업별로 상이할 수 있습니다.

센슬리 주요 기능

• Mayo Clinic·NHS 기반 신뢰할 수 있는 임상 콘텐츠
• 아바타 인터페이스 증상 체커 및 트리아지
• 실시간 데이터 활용 Insight Engine 개인화
• 웹·SMS·메시징 앱 멀티채널 배포
• 보험사·의료기관 대상 엔터프라이즈 API

Shiru 주요 기능

• ProteinDiscovery.ai: 7,700만 개 단백질 서열 검색 마켓플레이스
• Flourish™: 단백질 구조-기능 관계 학습 ML 모델
• Expressor: 생산 효율 및 수율 예측 도구
• ProteinScreening™: AI 예측 후보의 고처리량 실험실 검증
• OleoPro™: 식물 기반 고성능 구조화 지방 상용 성분
• uPro™: 유화 및 텍스처링 특화 감자 단백질