모델을 현장에 최적화하는 일, 운영하며 다시 학습시키는 일, 새 모델을 설계하는 일을 에이전트가 맡습니다.
사람은 기준을 정하고 결과를 확인합니다.
고객 데이터로 최적화
성능 저하 시 재학습
다음 학습에 쓸 운영 데이터
새 모델 설계
AI 에이전트라고 하면 보통 완성된 AI로 일을 처리해 주는 에이전트를 떠올립니다.
슈퍼브에이아이의 에이전트는 그보다 한 단계 앞에서 일합니다. 현장에 도입할 AI를 설계하고, 최적화하고, 학습시키는 에이전트입니다.
설계·최적화·학습
AI 완성
현장 투입현장 투입을 위한 최적의 AI를 만드는 슈퍼브에이아이 에이전트
탐지
판단완성된 AI로 일을 하는 일반적인 에이전트
에이전틱 모델 팩토리(Agentic Model Factory)의 세 트랙을, 지금 바로 적용할 수 있는 것부터 순서대로 소개합니다.
산업 특화 비전 파운데이션 모델 제로(ZERO)를 고객 현장에 맞게 최적화합니다.
고객 데이터를 받으면 에이전트가 제로의 설정을 바꿔 보며 정확도를 올립니다.
정확도 0.610 → 0.968 +59%
데이터 499장, 6시간 22분 소요
검출 모델, VLM 같은 모델을 만들고 고도화하는 일을 에이전트가 맡습니다. 운영자가 목표를 말하면 에이전트가 슈퍼브 플랫폼의 데이터 선별과 라벨링, 모델 학습과 평가, 배포 기능을 사람 대신 직접 써서 필요한 작업을 골라 실행합니다.
318장으로 8분 안에 성능 고도화
데이터 선별부터 배포·실검증까지 에이전트가 수행
연구자가 하던 모델 설계를 에이전트가 합니다. 공개 논문을 근거로 검출 모델의 구조를 설계하고, 학습시키고, 정한 기준으로 검증하는 과정이 사람 개입 없이 이어집니다. 이렇게 만든 모델이 같은 크기의 모델 가운데 공개된 최고 기록을 넘었습니다.
YOLO보다 높은 정확도, 모든 체급에서
같거나 적은 파라미터로 YOLO26 S·L·X 대비 +1.7 ~ +3.4 AP. 3주 무인 진화로 도달
세 트랙 모두 순서는 같습니다. 사람이 기준을 정하면 에이전트가 맞춰서 변경해 보고, 점수가 오른 것만 남깁니다.
다른 것은 바꿔보는 대상입니다. 각각 제로의 설정, 플랫폼 작업, 모델 구조를 바꿔가며 반복합니다.
고객 데이터와 함께 무엇을 좋다고 볼지 기준을 넣습니다.
에이전트가 직전 라운드에서 틀린 사례를 읽고 다음에 시험할 방법을 고릅니다. 예시와 지시 다듬기, 이미지 읽는 방식 바꾸기, 추가 학습 가운데 하나입니다.
찾을 대상 예시 · 걸러낼 것 · 이미지 분할 · 결과 재채점 · 추가 학습
학습에 쓰지 않은 시험 데이터로 다시 점수를 잽니다. 우연이라고 보기 어려울 만큼 좋아진 변경만 남기고, 채택하고 버린 이유를 기록으로 남깁니다.
+10 ~ +132%정확도
A100 GPU 1장으로 14회 실행, 합계 88.5시간
운영자가 "이 데이터로 검출 모델을 만들어 배포해 달라"처럼 목표를 말합니다.
에이전트가 슈퍼브 플랫폼의 기능을 사람 대신 직접 씁니다. 데이터를 선별해 부족한 장면을 찾고, 라벨링하고, 학습하고, 평가한 뒤 배포합니다. 결과를 보고 다음 작업을 스스로 정합니다.
데이터 선별 · 라벨링 · 모델 학습 · 평가 · 배포
배포한 모델에 테스트 이미지를 넣어 결과를 확인하고 근거와 함께 보고합니다. 어디까지 자동으로 둘지는 운영자가 정합니다.
8분안에 성능 고도화
데이터 선별·라벨링·학습·평가·배포를 에이전트가 자동 수행
목표 추론 속도, 메모리 한도, 미지원 연산을 먼저 조건으로 넣습니다.
에이전트가 공개 문헌을 근거로 후보를 설계하고 학습해서 정한 기준으로 검증합니다.
모델 구조 · 학습 방법
기준을 넘는 모델만 남깁니다. 실패한 실험도 원인과 함께 기록합니다.
+25%정확도
32회 루프로 같은 체급 YOLO26보다 높은 정확도에 도달
에이전트가 제안한 변경 232건 가운데 시험 데이터에서 확실히 좋아졌다고 확인된 34건만 채택됐습니다.
채택된 효과는 학습에 쓰지 않은 시험 데이터에서도 유지됐습니다.
| 데이터셋 | 사진 장 수 | 라운드 | 최적화 전 정확도 | 최적화 후 정확도 | 개선율 |
|---|---|---|---|---|---|
| cell-towers | 705 | 11 | 0.252 | 0.585 | +132% |
| cable-damage | 919 | 10 | 0.328 | 0.635 | +94% |
| water-meter | 499 | 9 | 0.610 | 0.968 | +59% |
| soccer-players | 114 | 8 | 0.623 | 0.942 | +51% |
| aquarium | 448 | 11 | 0.563 | 0.694 | +23% |
| soda-bottles | 1,547 | 9 | 0.806 | 0.906 | +12% |
| aerial-spheres | 318 | 11 | 0.898 | 0.989 | +10% |
에이전트가 움직이려면 세 가지가 먼저 갖춰져 있어야 합니다. 현장 맞춤형 모델, 호출할 운영 도구, 그리고 학습에 쓸 데이터입니다.
슈퍼브에이아이는 이 세 가지를 하나의 파이프라인으로 이미 운영하고 있습니다.
비전 파운데이션 모델 제로를 직접 개발해 운영해 왔습니다.
설계부터 추론 설정, 재학습까지 손댈 수 있는 범위가 넓습니다.
MLOps 플랫폼과 데이터 엔진이 이미 연결돼 있습니다.
에이전트가 호출할 도구를 새로 만들지 않아도 됩니다.
1.3억 장 이상의 산업용 시각 데이터를 정제해 왔습니다. NVIDIA 피지컬 AI(Physical AI) 생태계의 유일한 한국 기업입니다.
슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다.
로봇이 배울 데이터를 만드는 피지컬 AI 데이터 팩토리와, 그 데이터로 배울 모델을 만들고 운영하는 에이전틱 모델 팩토리가 하나의 파이프라인으로 이어집니다.
아래 항목에서 찾아보세요.
에이전틱 모델 팩토리란 무엇인가요?
현장에 도입할 비전 AI 모델을 에이전트가 설계하고, 최적화하고, 학습시키는 슈퍼브에이아이의 체계입니다. 사람이 현장마다 반복하던 최적화, 재학습, 모델 설계를 에이전트가 맡고, 사람은 기준을 정하고 결과를 확인합니다. Agentic ZERO, Agentic MLOps, Agentic Research 세 트랙으로 구성됩니다.
Agentic ZERO는 무엇인가요?
고객 데이터에 맞춰 산업 특화 비전 파운데이션 모델 제로(ZERO)를 최적화하는 트랙입니다. 에이전트가 제로에게 줄 예시와 지시, 이미지를 읽는 방식, 추가 학습 여부 같은 설정을 바꿔 가며 여러 라운드 시험하고, 학습에 쓰지 않은 시험 데이터에서 점수가 오른 변경만 남깁니다.
흔히 말하는 AI 에이전트와 무엇이 다른가요?
보통의 AI 에이전트는 AI가 도입된 뒤, 완성된 AI로 일을 처리합니다. 슈퍼브에이아이의 에이전트는 그보다 한 단계 앞에서 현장에 도입할 AI를 설계하고, 최적화하고, 학습시킵니다. 업계에서 말하는 에이전트 운영 도구는 사람이 에이전트를 관리하도록 돕는 도구입니다. 슈퍼브에이아이의 에이전트는 반대로 모델을 관리합니다.
에이전트가 재학습까지 한다면 통제는 어떻게 하나요?
판단 기준과 자동화 범위를 사람이 먼저 정합니다. 에이전트는 그 기준 밖의 결정을 하지 않습니다. 모든 채택과 기각이 근거와 함께 기록됩니다. 운영자는 루프를 언제든 멈출 수 있고 어떤 근거로 무엇이 바뀌었는지 확인할 수 있습니다.
에이전트가 모델을 만든다는 게 무슨 뜻인가요?
사람이 기성 모델을 골라 튜닝하는 대신, 에이전트가 공개 문헌과 코드를 근거로 문제에 맞는 모델을 직접 설계하고 학습시키고 검증한다는 뜻입니다. 목표 추론 속도, 메모리 한도, 미지원 연산 같은 제약을 설계 시작 전에 조건으로 넣습니다.
우리 데이터를 학습에 쓰나요?
고객 데이터는 해당 고객의 모델을 맞추는 데만 사용합니다. 처리 범위와 보관 기간은 계약에 명시합니다. 온프레미스를 포함한 격리 환경 배포를 지원합니다.
지금 사용할 수 있나요?
함께 검증할 현장을 찾고 있는 단계입니다. 어떤 데이터를 갖고 계신지, 지금 어느 단계가 병목인지 알려주시면 트랙별 적용 범위와 진행 방식을 제안드립니다.
귀사의 현장에 맞는 모델과 운영을설계해 드립니다
어떤 데이터를 갖고 계신지, 지금 어느 단계가 병목인지, 어떤 칩에서 돌아야 하는지 알려주시면 필요한 트랙과 진행 방식을 제안드립니다.
슈퍼브에이아이와 함께
산업 현장의 문제를 쉽고 빠르게 해결해 보세요.
빠른 전문가 상담을 위해서 고객의 정보를 입력해 주세요
고객의 어려움에 대해 이해하고, 최적의 해결 방법을 제시할 전문가와 상담을 예약하세요.
산업현장의 AI 전문가에게
지금 문의하세요
