NULLY × 버블클라우드
개발 협의 브리핑
주식회사 널리가 진행 중인 정부 R&D 과제(TIPS)의 시스템 개발을 함께해 주실 것을 제안드리며,
프로젝트가 어떤 것인지, 무엇을 논의드리고 싶은지를 이 한 장에 정리했습니다.
널리, 그리고 이 프로젝트
먼저 저희가 어떤 회사이고 무엇을 만들려는지 소개드립니다.
- 널리는 베트남 하노이에서 K-POP 아카데미를 운영하며, K-라이프스타일 커머스로 확장 중인 회사입니다. 2026년 중소벤처기업부 딥테크 TIPS R&D 과제에 선정되었습니다.
- 과제의 목표는 「AI로 현지 인플루언서를 분석해, 한국 상품과 연결하는 커머스 플랫폼」을 만드는 것입니다.
- 이 시스템의 개발을 버블클라우드에 맡기고자 하며, 전체를 일괄(턴키)로 위탁하는 방향을 희망합니다.
- 널리 측 창구는 김준수 이사(CPO)가 맡습니다. 설계 협의·자료 제공·검수를 전담합니다.
만들어야 하는 것
과제 계획서에 정의된 핵심 엔진 3종입니다. 이름은 낯설지만 하는 일은 명확합니다.
NV-Auth
진위 검증
인플루언서의 팔로워·반응이 조작인지 진짜인지 AI가 가려냅니다. 그래프 신경망 + 시계열 이상탐지 + 콘텐츠 일관성의 3중 앙상블 구조입니다.
포인트 — 신원이 검증된 널리 소속 인플루언서 데이터가 「정답 라벨」이라, 정답지가 없는 곳은 재현하기 어려운 모델입니다.
NV-Match
잘 팔릴 조합 찾기
어떤 상품을 어떤 인플루언서가 소개해야 그 팬들이 실제로 사는지, 상품·인플루언서·팬덤 셋을 같은 벡터 공간에 놓고 궁합을 계산합니다.
포인트 — 정답 데이터가 클릭·좋아요가 아니라 실제 구매 기록입니다. 목표 성능 F1 0.85 이상.
NV-Loop
자가 학습 루프
캠페인 결과(전환 기여)를 다시 학습 재료로 넣어, 운영할수록 매칭이 좋아지는 폐쇄 루프입니다. 월 단위 온라인 재학습을 계획하고 있습니다.
포인트 — 쓰면 쓸수록 격차가 벌어지는 플라이휠 구조가 과제의 핵심 차별점입니다.
1차년도 결과물 4묶음과 일정 시계
- ① 트래픽 추적 SDK·데이터 파이프라인 — 딥링크·서버측 트래킹으로 유입을 개별 식별
- ② 콘텐츠 멀티모달 분석 + 진위 검증 — 영상·음성·텍스트 분석(YOLOv11·Whisper·PhoBERT·CLIP)과 NV-Auth
- ③ 매칭 알고리즘 — NV-Match (F1 0.85 목표)
- ④ 대시보드 + 기여도(Attribution) 엔진 — Shapley 기반 기여 배분·추적 정확도 99.5% 목표
일정 시계 — 과제 1차년도가 2026년 12월 31일에 종료됩니다. 실질 개발 가용 기간이 약 4개월이라, 어디까지를 연내 목표로 삼을지가 첫 협의의 핵심입니다.
과제 전체의 정량 성과지표 6종 — 최종 합격 기준
협약 시 확정된 목표치입니다. 전 항목 KOLAS 공인시험기관 성적서로 검증하는 조건이라, 개발 설계 단계부터 이 기준을 함께 봐야 합니다.
- ① 인플루언서 진위성 검증 성능 = F1 0.93 이상 (비중 25% · Ground Truth 1만 건+ 기반)
- ② 상품-인플루언서 매칭 성능 = F1 0.85 이상 (비중 20% · 실구매 전환 라벨 기준)
- ③ 트래픽-매출 기여도 추적 정확도 = 99.5% 이상 (비중 15% · 검증 표본 2,000건)
- ④ 글로벌 플랫폼 데이터 동기화 지연 = 3초 이하 (비중 15% · API 신호→DB 반영·100회 평균)
- ⑤ 시계열 매출·트렌드 예측 오차율 = MAPE 15% 이하 (비중 15% · 1년치 백테스팅)
- ⑥ 개인정보 비식별 적합성 = k-익명성 k≥5 충족률 100% (비중 10% · 분기별 점검)
참고 — ①~③은 1차년도 개발 범위와 직결되고, ④·⑤는 주로 2차년도 결과물에 걸린 지표입니다. 연내 범위 협의 때 이 구분을 기준으로 삼으면 됩니다.
개발의 시작점 — CRM 연동과 Talent ID
저희가 생각하는 착수 순서입니다. 데이터가 흐르는 상태를 먼저 만들고, 그 위에 엔진을 올립니다.
널리 CRM
오디션 신청·회원·상담 기록이 쌓이는 운영 시스템
평가 데이터
심사 기록 508건 · 평가의견서 172건 등 실데이터 보유
Talent ID
사람 1명마다 이력·평가·활동이 붙는 표준 데이터 구조 (널리 내부 명칭)
AI 엔진 3종
이 데이터를 정답 라벨 삼아 학습
- 널리가 운영 중인 CRM에는 오디션 참가자·연습생의 실측 데이터가 이미 쌓여 있습니다. AI 학습의 「정답지」가 되는 자산입니다.
- Talent ID는 별도의 새 시스템이 아니라, 이 데이터에 표준 구조(스키마)를 입히는 작업입니다. 널리가 설계해 둔 스키마가 있습니다.
- 개발 착수 시 CRM 코드와 DB를 전면 공유할 예정입니다. 접근 방식(저장소 공유·DB 접속·API)은 편하신 쪽으로 맞추겠습니다.
첫 미팅에서 논의드리고 싶은 것
가볍게 시작하되, 아래 일곱 가지에 대한 의견을 듣고 싶습니다.
1팀 구성과 기술 범위
웹·시스템 개발과 함께 AI 모델(그래프 신경망·랭킹 모델 등) 개발까지 커버 가능하신지, 팀 구성을 듣고 싶습니다. 범위에 따라 역할 분담을 유연하게 설계하면 됩니다.
2연내(12/31) 현실적 범위
결과물 4묶음 중 연내 어디까지가 현실적인지, 우선순위를 어떻게 잡으면 좋을지 의견 부탁드립니다.
3비용 산정 방식
고정가(범위 확정형)와 투입 인력 기준(월 단위) 중 어느 방식이 익숙하신지, 대략의 규모감을 논의하고 싶습니다.
4CRM·DB 접근 방식
코드 저장소 공유·DB 직접 접속·문서 전달 중 선호하시는 온보딩 방식을 알려주시면 맞춰 준비하겠습니다.
5Talent ID 스키마 협업 방식
널리 설계안을 기준으로 구현하는 방식과, 버블클라우드에서 설계 개선까지 제안하는 방식 중 어느 쪽이 좋을지 논의드리고 싶습니다.
6연구 문서 작업
정부 R&D 특성상 연차 실적보고서·최종보고서 작성이 있습니다. 개발과 함께 문서 작업까지 맡아주실 수 있는지, 관련 경험이 있으신지 여쭙니다.
7산출물 귀속 원칙
정부 R&D 성과 규정상 코드·모델·데이터 등 산출물은 널리 귀속을 전제로 하고자 합니다. 소스코드·문서 인도 방식은 계약 시 함께 정리하겠습니다.
계약 단계에서 함께 정리할 항목
첫 미팅 이후 범위가 잡히면, 아래 항목을 계약서에 담아 서로 명확하게 하고자 합니다.
산출물 · 검수
- 결과물 묶음별 검수 기준 정의 (무엇이 되면 「완료」인지)
- 단계별 검수 통과 기준 지급
- 소스코드·문서 인도 방식
데이터 · 보안
- 비밀유지(NDA)
- CRM에 개인정보가 포함되어 있어 개인정보 처리 관련 계약 정리 (양사 법무 확인 병행)
- 접근 권한은 계정 분리·이력이 남는 방식
일정
- 12/31 기준 역산 마일스톤
- 주간 단위 진행 공유 리듬
운영 · 인수인계
- 과제 기간 이후 유지보수 조건
- 운영 이관·기술 문서화 범위
일정 프레임 (제안)
12월 31일에서 거꾸로 계산한 흐름입니다. 협의에 따라 조정 가능합니다.
첫 미팅
팀 구성·범위 감각 공유 (가볍게)
범위 · 견적
CRM 코드·설계 자료 공유 후 범위와 견적 협의
계약 · 킥오프
검수 기준·귀속·보안 포함 계약 체결
개발
CRM 연동 → Talent ID → 엔진 순으로, 데이터가 흐르는 상태에서 개발
검수 · 보고
결과물 검수와 연차 보고 문서 마무리