KAIGENT · INDUSTRIAL INTELLIGENCE

데이터로 위험을 읽고,
AI로 미래를 설계합니다.

눈에 보이지 않는 인프라의 변화부터 현장 운영의 복잡성까지.
KAIGENT는 데이터를 행동 가능한 인사이트로 연결합니다.

PILLAR 살펴보기
01 Satellite InSAR 02 Predictive AI 03 Operational Intelligence
SCROLL TO EXPLORE
KAIGENT / INNOVATION FOR REAL WORLD
WHO WE ARE / 회사 소개

기술은 현장에 닿을 때
가치가 됩니다.

KAIGENT는 AI, 소프트웨어, 위성 데이터 분석 및 현장 자동화를 바탕으로 산업의 운영 문제를 해결하는 기술기업입니다.

거대한 인프라의 변화를 더 넓게 살피고, 복잡한 운영 데이터를 더 쉽게 활용할 수 있도록 안전과 효율을 연결하는 실용 기술을 개발합니다.

카이젠트가 일하는 방식
OUR MISSION

불확실성을 줄이는 기술,
더 나은 판단을 위한 데이터

현장의 문제를 발견하고 데이터 기반 의사결정으로 연결합니다.

OUR VISION

더 안전한 인프라,
더 스마트한 산업 운영

산업마다 다른 데이터를 하나의 실행 가능한 인사이트로 바꿉니다.

THE CHALLENGE / 문제 인식

문제가 커지기 전에,
놓치고 있는 신호는 없을까요?

산업 현장의 데이터는 증가하지만 위험을 조기에 살펴보고 대응 우선순위를 정하는 일은 여전히 쉽지 않습니다.

01 / COVERAGE

넓은 관리 범위,
한정된 점검 자원

교량·댐·도로·지반을 모두 직접 확인하려면 많은 인력과 시간, 비용이 필요합니다.

02 / FRAGMENTED DATA

흩어진 데이터,
분리된 분석 결과

위성 변위·재료 상태·현장 기록이 따로 관리되면 종합적 판단에 어려움이 생깁니다.

03 / PRIORITIZATION

점검은 필요하지만,
우선순위는 불분명

어디를 먼저 확인해야 하는지 비교하기 어렵고 분석과 보고에 추가 시간이 소요됩니다.

+

KAIGENT는 이 간극을 위성 데이터와 AI의 결합으로 줄이고자 합니다.

01 / FLAGSHIP SOLUTION
PILLAR · INFRASTRUCTURE AI

보이지 않는 변화를 발견하는
인프라 안전 스크리닝

PILLAR는 위성 InSAR 변위 분석, 재료 열화 모델, AI 시계열 예측과 불확실도 분석을 결합합니다. 넓은 시설물 중 추가 점검이 필요한 구간을 선별하고 관리 우선순위 결정을 지원합니다.

핵심 기술 알아보기
위성 관측 이미지와 교량·댐을 결합한 PILLAR 기술 콘셉트
SATELLITE-INSPIRED VISUALIZATION 기술 콘셉트 이미지
ONE PLATFORM · THREE PRIORITIES

PILLAR가 살펴보는 세 가지 위험 영역

PILLAR 대형 인프라 분석 영상 중 교량 장면01
LARGE INFRASTRUCTURE

대형 인프라

교량·댐 등 주요 구조물의 변위 추세와 상태 정보를 살펴보고 점검 우선순위 판단을 지원합니다.

PILLAR 도로 포장 위험 분석 영상 중 도로 장면02
ROAD & PAVEMENT

포트홀

도로 상태와 변화 징후를 통합 분석해 위험 가능 구간을 선별하고 예방적 유지관리 계획에 활용합니다.

PILLAR 지반 위험 스크리닝 영상 중 도로·지형 장면03
GROUND DEFORMATION

싱크홀

지표 변위와 지형 정보를 바탕으로 이상 징후를 스크리닝하고 추가 현장조사가 필요한 구간을 제안합니다.

PILLAR는 법정 정밀안전진단을 대체하지 않는 사전 스크리닝·의사결정 지원 기술입니다. 영상은 AI로 제작한 시각화 콘셉트이며 실제 분석 결과가 아닙니다.
CORE TECHNOLOGY / 핵심 기술

관측에서 예측까지,
하나의 분석 흐름으로.

기술의 목적은 복잡한 계산 자체가 아니라, 관리자가 점검과 대응을 결정하는 데 필요한 근거를 제공하는 것입니다.

01

위성 InSAR 변위 분석

광역 위성 관측 자료로 지표와 구조물의 미세한 변위 경향을 분석하고 변화가 나타나는 구간을 살펴봅니다.

SATELLITE DATA
02

AI 시계열 변화 예측

과거 관측값의 시간적 패턴을 활용해 향후 변화 추세를 검토하고 예측 불확실도를 함께 제시합니다.

TIME-SERIES AI
03

재료 열화·불확실도 분석

구조물 재료의 열화 가능성과 데이터의 변동성을 확률적 분석 관점에서 검토합니다.

RISK MODELING
04

위험도 스크리닝·보고서

분석 신호를 종합해 비교 가능한 위험도 지표, 관리 권고 및 한·영 보고서 형태로 제공합니다.

DECISION SUPPORT
PILLAR WORKFLOW
01데이터 수집
→
02변위·열화 분석
→
03위험도 스크리닝
→
04점검·보고 지원
PILLAR / TECHNICAL ARCHITECTURE

위성 관측에서
위험도 판단까지.

위성 시계열의 불확실성을 보정하고, 물리 기반 열화 분석과 AI 예측 결과를 결합합니다. 단순한 변위 지도가 아니라 왜 이 구간을 먼저 살펴봐야 하는지 설명하는 플랫폼을 목표로 합니다.

INPUT 01Sentinel-1 SAR위성 관측·간섭쌍 생성
ENGINE 02InSAR 시계열변위·속도·가속도·σ
ENGINE 03AI + 열화 모델180일 예측·물리 확률
OUTPUT 04SHI · 위험 등급점검 우선순위·보고서
PILLAR 데이터 입력, 주문형 InSAR, 시계열 AI 및 재료 열화 엔진, SHI 등급 평가와 보고서 생성 아키텍처 개념도사업계획서 원본 도해 · PILLAR 사업계획서 p.6
SYSTEM OVERVIEW

세 가지 분석 엔진,
하나의 판단 체계.

Sentinel-1을 활용한 주문형 간섭 처리, TimesFM 3.0 기반 변위 시계열 예측, ERA5·구조물 속성 기반 재료 열화 모델을 결합해 구조 건전성 지수(SHI)를 제시합니다.

Sentinel-1ASF HyP3TimesFM 3.0ERA5SHI
01 · REMOTE SENSING

주문형 InSAR 처리

ASF HyP3 주문형 처리와 연속 간섭쌍 체인 역산을 통해 격자별 변위 시계열, 연간 속도와 변위 가속 징후를 산출합니다. 대기 지연과 간섭쌍 잡음을 통계적으로 구분해 속도 불확실도(σ)도 함께 제시합니다.

80m 격자 · 위성 변위 분석
02 · TIME SERIES AI

180일 변위 시나리오

TimesFM 3.0 시계열 기초모델을 활용해 누적 변위의 향후 6개월 변화 추세를 탐색합니다. 예측은 관측 자료와 조건에 의존하는 추정치이며, 현장 진단 결과와 동일하게 취급하지 않습니다.

6개월 예측 · 제로샷 방식
03 · MATERIAL SCIENCE

재료 열화 확률 모델

탄산화·염화물 침투·부식·동결융해를 기후 재분석 데이터와 구조물 속성으로 모의하고, 600회 몬테카를로 계산을 통해 열화 관련 불확실성을 검토합니다. 현장 코어·염화물 자료 기반 보정은 추진 과제입니다.

4대 열화 기전 · 600회 시뮬레이션
04 · EXPLAINABLE DECISION

SHI 등급·점검 우선순위

위성 변위와 열화 분석을 0~100 범위의 SHI 및 A~E 등급으로 종합합니다. 통계적 불확실도 보정과 추천 근거를 함께 제시하여 현장점검 우선순위와 한·영 보고서 작성을 지원합니다.

SHI 0~100 · A–E · PDF
DEVELOPMENT EVIDENCE / 분석 사례

실제 위성 데이터로
처리 흐름을 확인했습니다.

2026년 10월 고리 지역 공개 위성 자료를 이용한 PILLAR 내부 분석 사례입니다. 소프트웨어 처리·산출 확인 결과이며, 시설 운영기관의 공식 진단이나 수준측량·GNSS와의 정확도 검증 결과를 의미하지 않습니다.

24쌍

생성·처리한 간섭쌍

25개

관측 시점

427일

분석 시계열 길이

±2.8mm/yr

계산된 속도 불확실도

84 / B

자체 모델 SHI 출력 예시

위 수치는 2026.10.09 내부 분석·소프트웨어 동작 사례에 기재된 값입니다. ‘SHI 84(B)’는 해당 시설물의 공식 안전 등급이나 안전성 보증이 아닙니다. 현장 실측과의 비교 검증은 별도로 진행할 계획입니다.

PILLAR 구조물 지도 등록 및 변위 분석 화면 예시
구조물 등록과 공간 데이터대상 구조물·위치 기반 분석 화면
PILLAR 분석 결과 SHI 지수와 위험등급 화면 예시
위험도 등급·판정 근거SHI 및 상세 분석 화면
PILLAR 구조물의 지형과 공간정보 3D 시각화 기능
3D 분석·시각화데모 인터페이스 구현 장면
IMPLEMENTED 지도 등록 · InSAR 시계열 · 예측·열화 모델 · 대시보드 · 한·영 PDF VALIDATION NEXT GNSS/수준측량 비교 · RMSE · 기관 공동 PoC
PILLAR 실제 MVP 시연

실제 시스템 화면은 본 페이지의 기술·실증 설명에 일부 발췌했습니다. 보안이 필요한 데모 서버의 로그인 주소·비밀번호는 공개하지 않으며, 기관별 시연은 별도 협의합니다.

비공개 기술 시연 문의 ↗
ROAD & GROUND INTELLIGENCE

위험이 발생한 뒤가 아니라,
발생 조건부터 살핍니다.

도로 관리에서는 발생한 포트홀의 탐지와 별개로, 물고임·기상·교통량·포장 이력·지표 변위 등의 조건을 통합해 우선 순찰 구간을 선정하는 접근을 제안합니다.

02 / POTHOLE구현 · 현장 성능 검증 예정

포트홀 위험지수 PRI

OSM 도로망을 약 400m 단위로 나눠 위험 조건을 가중 결합합니다. 주간 위험 순위와 ‘이번 주 순찰 우선 구간’을 제공하는 것을 목표로 합니다.

저지점·물고임25%
강우·동결융해20%
교통 하중20%
포장 이력20%
위성 InSAR 변위15%
수치는 2026.10 사업계획서의 초기 지수 설계안이며, 관측·보수 이력 검증을 통해 변경될 수 있습니다.
03 / GROUND SUBSIDENCE구현 · 외부 검증 예정

지반침하 전조지수 GSI

지표 변위·변위 가속, Sentinel-2 수분·포장 변화, 관로·굴착 근접도를 통합해 지반의 이상 징후를 선별합니다. 현장 GPR 조사 등의 우선순위를 결정하기 위한 보완적 지표입니다.

01 InSAR 변위·가속
02 Sentinel-2 변화
03 관로·굴착 거리
04 25m 격자별 GSI
지표 변위만으로 지하 공동이나 싱크홀 발생을 직접 확정할 수 없으며, 현장조사가 필요합니다.
도로 구간 포트홀 위험지수 PRI PILLAR 구현 화면
포트홀 구간별 지도 분석사업계획서 도로안전 모듈 데모 화면
PILLAR 싱크홀 지반침하 위험 격자 화면
지반침하 우선 스크리닝위험 격자·상세 입력 근거 시각화
EVALUATION PLAN / 향후 성능 검증 목표

측정 가능한 실증 성과로 검증합니다.

한국도로공사 대상 제안서에 기재된 사업 목표로, 현재 달성한 성능을 의미하지 않습니다.

50km고속도로 1개 노선 실증안
상위 10%주요 위험 구간 선별
≥ 50%포트홀 발생 포착률 목표
ρ ≥ 0.3순위–발생 상관 목표
02 / AI RESTAURANT OS
AGENTIC AI · RESTAURANT INTELLIGENCE

매장 데이터를
의사결정과 실행으로.

카이젠트는 POS·테이블오더·매출·재고·주문 흐름을 AI가 이해하도록 연결하고, 점주의 판단을 지원하는 AI Restaurant OS를 개발하고 있습니다.

AI 매출분석메뉴별 수요예측재고·발주 추천AI 운영 에이전트
3개소외식업 매장과 PoC 추진 MOU 체결
사업계획서 기준 · 2027년 상반기 매장 PoC 계획

MVP 데이터 및 개발 화면은 제출 사업계획서에서 발췌했습니다. 로봇 완전자율 운영 장면은 향후 기술 비전의 시각화입니다.

카이젠트 AI 테이블오더 콘셉트 이미지: 레스토랑 테이블의 주문 시스템AI TABLE ORDER · CONCEPT VISUAL
2,700테이블 세션
8,488주문라인 데이터
2,160재고 일별 기록
TableOps MVP 관련 3개월 운영 데이터 · 2026년 제출자료 기준
APPLICATION AREAS / 적용 분야

기술은 다양한 현장에
적용될 수 있습니다.

아래는 카이젠트 솔루션을 제안할 수 있는 산업 분야입니다. 특정 기관이 실제 고객이거나 도입을 확정했다는 뜻은 아닙니다.

01

대형 인프라 운영기관

교량·댐 등 구조물 상태 관리

02

도로 관리기관

포트홀 위험 구간 우선순위

03

지자체 지반안전 부서

지반변위 이상 징후 스크리닝

04

건설·엔지니어링 기업

설계·유지관리 의사결정 참고

05

시설물 안전진단 전문기업

분석 결과·보고서 활용

06

외식업·프랜차이즈

매장 운영 데이터 활용 및 자동화

TECHNOLOGY FILMS / 기술영상

기술의 방향을
영상으로 만나보세요.

PILLAR의 AI 기술 콘셉트 영상과 AI Restaurant OS 실제 MVP 시연 녹화를 구분해 소개합니다.

카이젠트 기술영상의 댐 분석 장면
FULL HD · 약 28초
KAIGENT ORIGINAL FILM

PILLAR: A clearer view of risk.

외식업 매장의 3D 디지털 트윈을 보여주는 AI Restaurant OS MVP 시연 영상04 AI Restaurant OS 실제 MVP ↗
영상에 표시된 스캔·위험 시각화는 AI 연출입니다. 실제 측정값, 검증된 위험 예측 결과 또는 안전진단 판정이 아닙니다.
ABOUT KAIGENT / 기업 역량

다양한 산업의 경험을
하나의 문제 해결 능력으로.

반도체·디스플레이·임베디드 소프트웨어 개발 경험과 외식업 현장 운영 노하우를 연결해, 기술과 현장 사이의 거리를 좁힙니다.

ENGINEERING제조·공정·품질 및 기술 개발 경험↗
AI & SOFTWARE위성·시계열·분석 플랫폼 기술 개발↗
FIELD EXPERIENCE실제 산업 현장과 외식업 운영 이해↗
VALIDATION실증과 검증을 통한 단계적 사업화 지향↗
OUR JOURNEY / 회사 연혁

현장에서 시작해,
기술로 증명해 갑니다.

카이젠트는 산업 경험을 AI 기술과 연결해 인프라 안전 분석과 현장 운영 자동화 분야의 실용적인 솔루션을 개발합니다.

2026KAIGENT 설립 · 핵심 기술 개발 착수
  1. 주식회사 카이젠트 설립

    AI·소프트웨어·데이터 분석 기술을 기반으로 사업 시작

  2. 인천글로벌캠퍼스 입주기업 선정

    기술 개발 및 사업화 기반 확보

  3. 송도 인천글로벌캠퍼스로 본점 이전

    인천광역시 연수구 송도문화로 119, 지원센터동 B1006호

  4. PILLAR 핵심 기능 구현 및 위성 데이터 분석

    대형 인프라 변위 스크리닝 구현, 고리 지역 공개 위성 관측 데이터 기반 분석 수행

  5. 피지컬 AI·InSAR 특허 출원 및 인도네시아 발명전시회 3개 부문 수상

    피지컬 AI 공간 로봇 기술 대상·금상·WIIPA 특별상 / PILLAR 관련 InSAR 특허 출원

  6. AI Restaurant OS MVP 개발 및 운영 데이터 분석

    TableOps 운영 데이터 분석 및 AI Agent 기반 운영지원 기능 개발·고도화

  7. PILLAR 현장 실측 비교 검증 및 사업화 추진 계획

    실측 데이터 비교·검증과 기관·기업 공동 실증 협력 및 사업화 추진 예정

  8. AI Restaurant OS 매장 PoC 준비 및 현장 실증 계획

    기체결한 3개 매장 PoC MOU를 바탕으로 실증 준비 및 AI Agent 기능 고도화 추진 예정

INTELLECTUAL PROPERTY & GLOBAL AWARDS

연구개발의 결과를 기록하고,
기술의 가능성을 증명합니다.

PATENT PORTFOLIO 2026년 사업계획서 기준 출원 현황
01 PHYSICAL AI · PATENT APPLICATION

피지컬 AI 공간 로봇
하이브리드 엣지 제어

이기종 분산 단말 간 페르소나 컨텍스트 핸드오버 및 가상 인터랙션 상태 동기화 기반 제어 시스템

출원번호 2026-0161530
특허 출원 완료 · 심사/등록 상태 별도 확인
02 SATELLITE INSAR · PATENT APPLICATION

InSAR 시계열의 잡음 분해 및
변위 가속 탐지

합성개구레이더 간섭 시계열 잡음 분해와 불확실도 보정에 기반한 구조물 변위 판정·변위 가속 탐지 방법 및 시스템

출원번호 2026-0197937
특허 출원 완료 · 심사/등록 상태 별도 확인
INDONESIA INVENTORS DAY 2026 2026.10.03—06 · 자카르타 · 카이젠트·두둘 공동 출품
INTERNATIONAL RECOGNITION

해외 발명전시회에서 거둔
3개 부문 수상

출품 기술: 피지컬 AI 기반 공간 로봇 제어 기술

핵심 기술 구현에서 특허 출원, 국제 발명전시회 수상까지. 카이젠트는 다음 단계인 현장 실측·실사용 검증을 추진합니다.

공동 실증 문의 ↗
FAQ / 자주 묻는 질문

자주 묻는 질문

기술 도입을 검토할 때 궁금할 수 있는 내용을 정리했습니다.

PILLAR가 법정 정밀안전진단을 대신하나요?+

아닙니다. PILLAR는 광역 데이터를 활용해 우선 확인할 대상과 구간을 선별하는 사전 스크리닝 및 의사결정 지원 플랫폼입니다. 법정 안전점검과 상세 진단은 관련 규정에 따라 별도로 진행해야 합니다.

어떤 데이터로 분석하나요?+

위성 InSAR 기반 변위 자료와 구조물·재료 상태 정보를 결합하는 방향으로 개발 중입니다. 적용 가능한 데이터와 분석 범위는 대상 시설물 및 자료 가용성에 따라 달라질 수 있습니다.

기술영상은 실제 PILLAR 분석 결과인가요?+

홈페이지에 공개한 영상은 기술의 활용 개념을 보여주는 AI 생성 시각화입니다. 실제 분석 화면 및 실측 비교 자료는 검증·공개가 가능한 범위에서 별도로 제공합니다.

PoC·공동 실증을 제안할 수 있나요?+

네. 대상 시설, 데이터 접근성, 현장 검증 방법 및 협력 범위에 대해 논의할 수 있습니다. 문의 이메일로 기관명과 검토 대상을 보내주시면 협의가 가능합니다.

AI Restaurant OS는 어떤 분야에 적용하나요?+

POS·테이블오더·예약 등 매장 운영 데이터를 바탕으로 매출·수요·재고 관리와 운영 자동화를 지원하는 외식업 분야를 대상으로 합니다. 개별 기능의 제공 범위는 개발·검증 단계에 따라 다릅니다.

포트홀 위험지수와 싱크홀 전조지수의 정확도는 검증되었나요?+

2026년 사업계획서 기준 초기 모듈 구현·실데이터 동작 확인 단계이며, 보수 이력 및 현장 실측 자료와의 비교를 통한 성능 검증은 앞으로 추진할 계획입니다. 상위 위험 구간 포착률 50% 이상 등은 제안서에 제시한 목표값입니다.

국제발명전시회 수상은 어떤 기술에 대한 것인가요?+

2026 인도네시아 국제발명전시회에서 피지컬 AI 기반 공간 로봇 제어 기술로 대상(Grand Prize WINTEX), 금상, WIIPA 특별상을 수상했습니다. PILLAR의 성능 인증이나 공식 안전 평가 결과와는 별개입니다.

AI Restaurant OS의 실제 MVP와 향후 로드맵을 볼 수 있나요?+

네. AI Restaurant OS 상세 페이지에서 TableOps 데이터 지표, 실제 디지털 트윈 MVP 시연 녹화, 테이블오더·운영 대시보드 콘셉트와 KRA 4단계 사업화 로드맵을 공개합니다. 로봇·자율 운영 기능은 미래 목표로 표기합니다. AI Restaurant OS 상세 보기 ↗

CONTACT / 도입·기술 협업 문의

더 나은 현장의
다음 단계를 함께.

인프라 안전 스크리닝 실증, 기술 공동개발, 시범매장 운영과 관련한 제안을 기다립니다.

이메일로 문의하기
ceo@kaigent.co.kr
01

인프라 운영·도로 관리기관

02

안전진단·건설·엔지니어링

03

외식업·프랜차이즈·시범매장