가. 시장성 및 성장성
(1) 시장의 규모 및 산업의 성장잠재력
1) 글로벌 인공지능 시장 현황 및 전망
인공지능 산업은 4차 산업혁명의 핵심 기술 중 하나로 기술의 발전에 따라 기존의 산업기반 뿐만 아니라 생산성 증가, 공공분야 및 사회 전반에 끼치는 영향력이 지대할 것으로 예상되는 분야입니다. 인공지능은 단순한 신기술이 아닌 경제 및 사회 변혁의 핵심 동력으로 작용하여 각 국 경제성장에 비약적인 파급효과를 실현 것으로 파악되며, 이에 미국을 필두로 주요국들은 인공지능의 높은 잠재력에 주목, 기술력을 선점하기 위한 국가 차원의 대책을 추진 중입니다. 이러한 인공지능은 도입이 가능한 산업분야가 무궁무진하며 그 적용형태 또한 인공지능의 형태에 따라 여러 방면으로 나타날 것으로 파악됩니다.
인공지능시장의 경우 수많은 산업분야에 적용될 수 있어 전체적인 시장규모를 특정하기 어려우나, 대략적으로 정보통신기획평가원 추산 2017년 48억 달러에서 2023년 532억 달러 규모로 연평균 49.2%의 고도성장을 보일 것으로 예상되는 시장입니다.
Statista에 따르면 세계 AI 소프트웨어 시장은 2018년 약 95억 달러 규모에서 연평균 43.4%씩 성장하여 2023년에는 약 70억 달러 규모에 이를 것으로 전망되고 있습니다.
Tractica에 따르면 글로벌 기준 인공지능 시장은 2018년 95억 달러를 달성하였으며, 이후 약 43.4%의 성장률을 보이며 2025년에 약 1,186억 달러의 규모로 시장을 형성할 것으로 전망했습니다. 동 조사기관은 30개 산업 분야에서 300개 이상의 인공지능 적용 사례를 분류하였으며, 인공지능이 큰 변화를 가져올 수 있는 상위 산업 분야는 통신, 자동차, 헬스케어, 광고, 소비자(인터넷 서비스), 비즈니스 서비스 및 소매로 전망하고 있습니다.
세부 분야 중 목소리/음성인식 분야가 많이 사용되는 것으로 파악되었으며, 이는 스마트 스피커 및 스마트폰의 디지털 보조장치, 차량 내 음성 지원 등에 적용, 서비스 로봇, 제조 부문에서도 인간과 인간의 상호 작용에 적용되는 기술이 터치에서 음성으로 확대된 것에서 기인한 것으로 판단됩니다.
영상감시 분야는 규모 상 두 번째로 많이 사용되고 있으며, 각 국 정부와 기업이 실시간으로 얼굴 인식을 수행할 수 있는 인공지능 기반 영상감시 시스템을 배치하고 자세 추정 및 물체 인식등에 적용하고 있는 것으로 파악됩니다. 비슷한 규모로 네트워크 IT/운영 및 관리 등의 통신 분야가 형성되어 있습니다.
기술별로는 분류 시에는 하기와 같이 전문가시스템, 자율로봇, 지능형 개인비서가 시장을 주도할 것으로 BCC는 전망하였습니다.
조사기관에 따라 인공지능 시장의 성장 규모 및 성장률이 상이하나, 전반적으로 타산업 대비 높은 40% 이상의 성장률로 성장할 것으로 예상하고 있습니다. 이러한 높은 성장률은 인공지능이 적용가능한 산업이 매우 많으며, 인공지능 분야 또한 학습지능, 단일지능, 복합지능 등 여러 분야 여러 형태로 적용이 가능하기 때문으로 판단됩니다.
인공지능 기술의 경우 미국 중심으로 기술발전이 이루어지고 있으며, 타 주요국들 또한 미국과 격차가 존재하고 있습니다. 한국의 경우 국내 인공지능 기술수준은 지속적으로 성장하고 있으나, 아직은 타 주요국들과 격차가 크게 존재하고 있다고 판단됩니다. 정보통신기획평가원의 조사자료에 따르면, 인공지능 분야 전반에 걸쳐 미국이 압도적인 기술경쟁력을 확보하고 있으며, 중국의 경우 미국과의 협업으로 성장하고 있으나 양국간 관계악화로 자체 기술 확보 전략으로 선회하였습니다. 한국의 경우 국내수준은 경쟁국에 비해 낮은 수준으로 인공지능 기술의 향상을 위한 기초원천기술의 확보가 시급하다고 판단하고 있습니다.
주요국 중 미국과 중국 기업들의 활동이 활발하며, 19년도 기준 주요 현황은 다음과 같습니다.
2) 국내 인공지능 산업 현황 및 전망
한국의 경우 국가적 대응전략을 마련하여 인공지능 역량 개선에 집중해 왔으나 주요국 대비 기술격차가 크게 존재하고 있습니다. 인공지능 분야의 전문인력 확보 및 역동적 기술 혁신 생태계 구축이 미진합니다. 다만 많은 산업분야가 인공지능 적용을 시작하는 단계이므로 전략적인 접근 시에는 경쟁력 확보가 충분히 가능할 것으로 판단되며, 전산업에 걸쳐 적용이 가능하다는 특성에 따라 정부 및 민간기업의 주도에 따라 그 성장세는 크게 상승할 수 있을 것으로 판단됩니다.
정보통신기획평가원 조사자료에 따르면 국내 시장은 현재 개화시기로써 2017년 6.4조에서 2023년 19.2조 규모로 연평균 20.1%의 고성장이 예측됩니다. 2020년 기준 음성인식 및 통번역 시장 4.2조원, 영상처리 및 영상인식 시장 3.5조원, 기타 S/W 및 알고리즘 관련 시장은 3.4조원 규모가 될 것으로 예상하였습니다.
중소벤처기업부는 17년 약 1조 1천억 시장 규모에서 2022년 11조 규모로 약 10배 성장할 것으로 보았으며, 연평균 성장률 또한 58.8%로 전망하였습니다.
상기와 같은 국내 각 공공 기관 별 규모 및 성장률의 차이는 인공지능 산업분야가 아직 개화기이며, 적용가능 분야, 형태가 매우 다양하기에 범위 산정에 있어 차이점을 보인 것으로 판단됩니다. 다만 2023년 기준으로 약 17~19조 정도의 시장이 형성될 것으로 전망하고 있는 점과 타산업 대비 높은 성장률을 예측하고 있다는 점에서, 글로벌 트렌드에 따라 해당 분야가 고성장할 것으로 예측하고 있습니다.
전체 인공지능 시장의 세부분야로서 동사가 속한 영상 데이터 기반 AI 서비스는 영상과 이미지에 존재하는 객체의 종류와 특징들을 추출하고, 추출한 특징들로부터 유의미한 정보를 산출하는 AI 기술들을 활용하여 의료, 보안, 불량 검출, 범죄 인지, 상황 인지 등의 서비스의 인식률과 정확도를 높이는 AI 서비스입니다. 영상 데이터 기반 AI 서비스에서 사용되는 주요 요소 기술에는 객체인식 기술, 상황인식 기술, 모션인식 기술, 빅데이터 학습 기술등이 존재합니다.
이러한 영상데이터 기반 AI 서비스는 후방산업으로 대규모 데이터 저장, 병렬 분산 컴퓨팅, 영상 스트리밍, 카메라 제어 등이 있고, 전방산업으로는 의료, 정밀기계, 보안, 치안, 스마트시티 등이 존재합니다. 전방산업의 경우 기술의 개발, 타산업의 적용 가능점 증가에 따라 더욱 증가할 것으로 전망됩니다.
나. 회사의 경쟁력
(1) 기술성
가) 데이터기반 AI분석업체
일반적으로 인공지능 서비스를 위해 딥러닝 모델을 만드는 방법은 ImageNet과 같은 대량의 공개된 학습데이터로 이미 학습된 GoogleNet, ResNet, VGGNet 등의 오픈소스 백본(Backbone) 모델을 가져와서, 서비스가 요구하는 특정 객체검출 이나 얼굴인식, 또는 의료 영상 분석 등에 필요한 일정량의 학습 데이터로 전이학습(Transfer learning)과 상세 튜닝(Fine tuning)을 수행하게 됩니다. 서비스가 요구하는 정확도(인식률)를 확보를 위해서는 일반적으로 수백~수천 번의 전이학습을 반복하게 되는데 이유는 전이학습의 방식을 결정하는 하이퍼파라미터(Hyperparameter) 셋의 수많은 조합을 테스트해야 하기 때문입니다. 학습 결과로 자동으로 만들어지는 내부 파라미터와 달리 하이퍼파라미터의 경우 연구자가 직접 개별적으로 지정해야 합니다
전이학습을 위해서는 우선 학습의 과정과 방식을 결정하게 되는데, 이를 위한 변수들을 하이퍼파라미터(Hyperparameter)라고 합니다. 하이퍼파라미터의 종류는
학습 진도율 (Learning rate), 학습 반복수 (Epochs), 병렬 데이터 크기(Mini-batch size), 한정 변수(Regularization parameter), 비용 함수(Cost Function), 은닉 유닛 개수 (Hidden layer & node) 등이며, 이러한 변수들로 만들 수 있는 조합의 수는 지수적으로 증가할 수 있습니다. 문제는 딥러닝 모델의 특징으로 인해 하이퍼파라미터 셋에 의한 학습결과는 예측할 수 없다는 점입니다. 즉, 전이학습을 통해 해당 모델의 정확도를 높이기 위해서는 수많은 다양한 하이퍼파라미터 셋의 조합을 통해 반복적인 학습과정과 모델의 테스트를 통한 결과 확인이 필요하다는 점입니다. 최근 발표된 연구 결과에 따르면 시도 횟수를 줄일 수 있는 베이지안(Bayesian) 등의 통계적인 방법이 등장했으나 딥러닝의 근본적인 특성으로 인한 시간과 비용의 소모에 대한 문제는 여전히 존재하고 있습니다.
지금까지 설명한 방식을 동사는 알고리즘 기반의 모델 개발 방식으로 정의하고 있습니다. 이러한 방식은 기존 머신러닝의 경우 하이퍼파라미터 셋에 대한 분석적 접근(Analytical approach)이 가능하므로 결과를 미리 예측할 수 있고 따라서 적용에 무리가 없었으나, 분석적 접근이 불가능한 딥러닝의 경우 많은 시간과 비용의 소모라는 문제를 만들어 내고 있습니다. 무엇보다 딥러닝에 대한 알고리즘 기반 방식의 가장 큰 문제는 무수한 시도에도 불구하고 모델의 정확도 향상에 대한 보장이 없다는 점과 함께 전이학습과 상세 튜닝을 통한 정확도 향상의 정도는 제한적으로 최대 수 % 내외에 그치는 것이 일반적이라는 것입니다. 또한 특정 목적물에 대한 인식에 국한될 가능성이 높기때문에 범용의 AI모델을 구현해내기가 현실적으로 불가능합니다.
이러한 알고리즘 기반 방식의 문제점으로 인해 동사는 데이터 기반(Data-centric) 모델 개발 방식을 추진하고 있습니다. 데이터 기반 방식의 경우 하이퍼파라미터 셋은 기본적인 주요 파라미터 조합에 대한 테스트로 한정하고, 실제 서비스에 필요한 최적의 학습데이터를 통한 전이학습을 수행하는 것입니다. 동사는 최적의 학습데이터 확보를 위한 방안으로
[데이터 연계] MBN 등의 미디어 채널과의 연계를 통한 방대한 데이터 확보,
[데이터 생성] 가상 데이터 생성을 통한 비균형(Unbalanced & biased) 데이터 확보,
[데이터 평가] 최적 학습데이터 공급을 위한 데이터 평가 기술 확보
를 통해 데이터 기반 AI 기술 회사로서의 기술적-사업적 기반을 공고히 하고 있습니다. 동사는 최적의 학습데이터 확보 방안으로 MBN, 메가뉴스(ZDnet)를 비롯한 다수의 영상 등 데이터 유통 협력업체들로부터 원천데이터를 구습하고, 학습데이터와 연계하여 가상 학습데이터를 생성, 학습효율성 평가를 통해 학습데이터를 최적화 하는 방안을 가지고 있습니다.
특히 최적의 학습데이터 제공을 위해서는 학습데이터로서의 효율성을 평가할 수 있는 측정 방법이 필요한데, 동사는 자체 기술력을 통해 학습데이터의 학습 효율을 평가하고 이를 히트 맵을 통해 시각화 하여 직관적으로 확인 할 수 있는 툴을 개발하였습니다. 학습데이터 평가 과정은 그림 2, 3과 같이 가상 학습데이터 생성과정에서 보다 분명히 확인이 가능합니다.
상기 그림에서 볼 수 있듯이 효율이 높은 학습데이터(좌측)와 낮은 데이터 예시(오른쪽), 히트맵은 해당 딥러닝 모델의 주요 관심 영역에 대한 시각적 표현으로 학습 효율이 좋은 데이터의 경우 주요 관심영역과 관심 객체의 영역이 일치하는 경향을 보이고 있고, 이는 동사 고유 기술력으로 보유하고 있는 가상학습데이터를 이용한 학습의 결과 AI모델의 정확성이 우수하다는 것을 확인할 수있습니다. 더불어 국방, 재난상황 등과 관련된 원천데이터의 충분한 수급이 현실적으로 불가능한 영역에서의 AI모델의 분석 정확성을 높일 수 있는 방안으로 동사는 판단하고 있습니다.
다) 기술의 경쟁우위도
나) 기술의 완성도
동사는 2010년 설립 이후 인공지능/빅데이터 산업 내 여러 세부 분야 중 비디오 데이터 분야로 기술개발을 집중적으로 진행해 왔습니다. 동사 기술 중 근간 기술인 대용량 데이터 초고속 처리/분석을 시작으로 하여 현재 Uyuni, x-Labeller 등에 적용되는 기술들을 순차적으로 개발하였으며, 기술력을 인정받아 NVIDIA의 Preferred Partner, KT와의 인공지능 클라우드 협업, 국방과학연구소 등의 과제 수행 등 다방면으로 활동을 해왔습니다.
동사의 이우영 대표이사는 이러한 기술 개발 라인업을 바탕으로 향후 인공지능 데이터 처리 및 분석 플랫폼을 구축하는 것이 목표이며, 현재 개발 중인 x-AIVA의 개발완료 시점에 1차적인 플랫폼 라인업 구축이 완료될 것으로 판단됩니다.
이와 같이 동사는 비디오 데이터 분석 및 처리 분야에서 다양한 독자적 기술을 바탕으로 기술을 상품화 시키고 있으며, 국방과학연구소의 과제를 지속적으로 수행하며 추후 동사의 기술 확보 및 제품화가 가능한 기술 또한 지속적으로 개발하고 있습니다. 이러한 관점에서 보았을 시 동사의 기술완성도는 높은 수준으로 판단됩니다.
동사의 지적재산권 보호 방침은 지적재산권의 침해 여부를 확인하기 어렵고 권리보호가 불분명해 질 수 있는 소프트웨어 기술의 특성상 특허나 논문 공개를 통한 기술과 노하우 노출을 최대한 줄이고, 제품화에 우선 집중하여 제품화된 기술은 소프트웨어 등록을 통해 저작권 보호를 진행하는 전략을 취하고 있습니다.
라) 연구인력의 수준
동사의 연구개발조직은 해당 분야 17년 이상의 경력을 보유한 CTO 정대수 부사장을 필두로 하여 핵심인력인 각 팀의 팀장들, 휘하 연구원들에 의하여 운영되고 있습니다. 동사는 청구서 제출일 현재 현임원 1명, 팀장 6명, 팀원 28명 등 총 35명으로 구성되어있습니다..
(2) 성장성
동사는 기존 빅데이터, AI 분석 업체들이 분석대상으로 삼아왔던 텍스트, 이미지 등의 개별 데이터의 용량이 비교적 작은 데이터 집단의 분석이 아닌, 대용량의 영상데이터를 효율적, 효과적으로 분석하는 시장을 타겟으로 하고 있습니다. 이를 위해서는 대용량의 영상데이터를 기존의 방식이 아닌 새로운 방식을 통해 저장, 관리를 해야하고, 동사는 이러한 대용량의 데이터를 분산처리 시스템을 적용하여 관리하는 방식을 독자적으로 개발하여 적용하였습니다.
한편, 빅데이터, AI분석을 위한 인프라구축부터 솔루션을 통한 분석에 이르는 AI분석 파이프라인을 구축하고 있다는 점이 다른 빅데이터, AI분석 업체와의 차별성을 보이고 있습니다. 따라서 본격적으로 개화하게 될 대용량 영상데이터의 분석시장에서 동사가 주도적 위치에서 시장을 선도해 나갈 수 있다고 판단하고 있습니다.
가) 해외진출을 통한 사업영역 확장
동사는 2018년부터 NVIDIA GTC에 참가하여 논문발표 등을 통하여 기술력을 인정받았으며, 이를 바탕으로 2020년 NVIDIA의 우수파트너(Preferred Partner)로 승격되었습니다. 이에 따라 GPU 시장을 독점하고 있는 NVIDIA GPU에 대한 판매권을 확보할 수 있게 되었으며, 동사의 어플라이언스 제품의 기술적 우위를 인정받는 계기가 되었습니다. 현재 AI, 빅데이터 산업에 있어서 국내시장의 규모 및 기술력은 미국 등 관련 산업에 대한 선도국가 대비 크게 뒤쳐진 상태입니다. 따라서 동사는 국내 글로벌 기업을 중심으로 레퍼런스를 확보하여, 해외진출 시 서비스 신뢰도를 높이는 전략을 추진하고자 계획하고 있습니다.
동사는 NVIDIA의 기술 신뢰도를 바탕으로 미국 실리콘밸리에 지사 설립을 통하여 NVIDIA 본사와 직접 또는 간접 사업 추진을 계획 중입니다. NVIDIA와는 단기적으로 어플라이언스 제품 판매를 통한 해외시장에서의 기술력 및 입지 확보전략을 진행예정이며, 중장기적 계획으로 국내 판매 전략과 같이 어플라이언스 제품의 마진율 확대를 통한 매출원가 감소를 계획하고 있습니다. 또한 미국 시장에서 어플라이언스 제품을 통한 인지도 확대를 발판으로 x-AIVA 서비스를 포함한 제품군을 독립적으로 출시하여 제품별 사업화를 추진하고자 합니다.
NVIDIA 데이터센터 GPU 매출액은 2016년 339백만 달러에서 2019년 2,932백만 달러로 연간 71.5%의 급성장으로, NVIDIA 파트너쉽 네트워크를 활용하여 우유니 솔루션의 해외시장 진출을 진행할 예정입니다. 또한 NVIDIA 사의 Preferred Partner로 승격으로 H/W(GPU) 판매에서 15%~30%(제품별 상이)의 추가 마진율을 확보하여 영업실적 신장이 기대되고 있습니다.
NVIDIA의 파트너 네트워크는 동사 기술력에 대한 신뢰로서, NVIDIA의 글로벌 고객 네트워크를 활용하여 해외시장 진출 시 유리한 위치를 확보하고 있습니다. NVIDIA 거점의 글로벌 네트워크를 활용하여 고객을 확보할 것이고 제품의 범위를 솔루션에서 서비스로 확장해나갈 계획입니다.
나) 온라인 마켓플레이스 사업 확장
동사는 네이버 클라우드 플랫폼(NCP : Naver Cloud Platfrom)의 엄격한 테스트와 심사, 시연 등의 과정을 거쳐 딥러닝 미들웨어 솔루션으로 우유니(Uyuni)를 2019.03.07 마켓플레이스 등록/출시하였고 같은해 엑스레이블러(x-Labeller) 제품도 마켓플레이스에 등록/출시하였습니다.
네이버 클라우드 플랫폼은 국내 최대 IT 서비스를 운영하는 안정적 인프라를 보유하였으며, 전 세계 수억 명의 사용자가 있는 Line을 통해 안정성이 검증된 글로벌 망을 보유하고 있습니다. 또한 국내 최고 CSA STAR Glod 인증을 획득해 클라우드 기술력을 세계적으로 인정받았고, CSAP IaaS/SaaS 인증 취득 등 국내외 엄격한 기준의 인증으로 검증된 클라우드를 보유한 플랫폼입니다. 동사는 네이버의 테스트와 심사 과정으로 검증된 기술력과 경험으로 아마존(Amazon)의 AWS(Amazon Web Services) 마켓플레이스 등록을 진행중입니다.
AWS는 전세계적으로 분포한 데이터 센터에서 175개가 넘는 기능의 서비스를 제공하며 전세계적으로 다수의 정부 기관 및 기업에서 채택하여 사용중인 클라우드 플랫폼입니다. AWS 마켓플레이스는 AWS에서 실행되는 소프트웨어를 쉽게 검색, 테스트, 구매 및 배포할 수 있도록 수천 개의 독립 소프트웨어 기업들의 제품 목록을 제공하는 디지털 카탈로그이자 온라인 마켓입니다.
동사는 AWS의 마켓플레이스 등록 기준 및 가이드를 준수하여 AWS에서 제시하는 절차, 품질, 테스트, 테스트 환경 등을 기획중으로 서비스형 소프트웨어(SaaS) 형태로 AWS 마켓플레이스에 동사의 제품군을 출시예정입니다. 출시한 제품들은 클라우드 환경에서 지원하여 시간과 장소에 상관없이 제품의 판매와 사용이 가능합니다.
AWS 마켓플레이스에서 클라우드 형태의 제품 판매와 미국 지사의 중장기 전략인 인공지능 영상데이터 분석 플랫폼 환경 및 서비스 제공을 통하여 제품 판매의 다양성과 맞춤형 고객 중심의 제품을 제공함으로써 점진적 시장점유율 확대를 계획하고 있습니다.
다) 단계적 사업 확장
[요식업]
동사는 글로벌 요식업 기업과 '21년 'AI 영상분석 기반 매장 서비스 품질관리’ 실증 사업을 진행예정입니다. 국내 3개 매장을 시작으로 전국 매장('19년 기준, 170개)에 '23년까지 200여개 매장에 X-AIVA 제품 설치를 진행할 계획이며 해당 기업의 목표 가맹점 확대계획('25년까지 300개)에 맞춰 동사의 X-AIVA 제품 설치를 확대할 계획입니다.
국내 실증 사업을 발판으로 글로벌 매장 서비스 품질관리 사업으로 확대하여 미국시장에 진출할 예정입니다. 미국 요식업 부분 진출을 단기 전략으로 100개 매장에 동사의 X-AIVA의 기능이 탑재된 매장 관리 시스템 설치를 목표로 하고 있으며, 중장기 전략으로 요식업 매장을 비롯한 경쟁사 상권 데이터 분석 서비스 기능을 추가하여 사업영역을 확장할 계획입니다.
[금융]
동사는 금융권 은행기업과 '21년부터 'AI 영상분석 플랫폼 구축’ 사업을 진행할 예정입니다. 국내 2개 지점 실증을 시작으로 '22년까지 144개 지점, 2023년까지 약 1,000개의 지점에 X-AIVA 제품 설치를 진행할 계획이며 해당 레퍼런스를 토대로 금융권 타사 지점 분석 서비스를 확대해 나갈 예정입니다.
[지자체]
통계청의 공공기관 CCTV 설치 및 운영대수 현황자료에 따르면 지자체별 많게는 8,000대에서 적게는 1,000대의 CCTV가 운영되고 있습니다. 이는 교통감시, 주취, 폭력, 쓰레기 무단투기 등의 방범을 위한 목적과 화재, 지진 등의 재난안전에 대한 대비를 목적으로 하고 있습니다. 지자체의 CCTV는 통합관제센터 관제사들이 육안으로 감시하고 있는 실정입니다. 영주시의 경우 1명의 관제사가 약 150대의 CCTV를 관제하며 화성시의 경우 1명당 600대의 CCTV 관제를 담당하고 있습니다.
관제사에 의한 CCTV 실시간 관제는 물리적으로 불가하기 때문에 지자체에서는 AI를 통해 CCTV 영상을 선별적으로 관제할 수 있는 시스템을 구축하고 있습니다. 이상행동, 재난상황 등의 객체 이벤트 발생 시 AI가 이를 감지하여 관제사에게 우선적으로 알려주어 관제효율을 증가시키는 것에 그 목적이 있습니다.
'21년도 지자체 중 10여개의 지자체 통합관제센터에서 예산을 확보한 상황이며 영주시, 진주시, 이천시, 부산시 4개소에 X-AIVA 적용을 협의 중에 있습니다. 이 중 영주시는 '20년 10월부터 30여대의 CCTV에 x-AIVA 제품이 설치되어 데모 운영중이며 '21년부터 본 사업으로 전환되어 1,000여대의 CCTV로 설치가 확장되어 매출이 발생될 예정입니다.
공공기관 CCTV 운영대수는 '20년 현재 약 126만대로 추정(통계청)되며 '23년까지 약 166만대가 설치되어 운영될 것으로 예상하고 있습니다. 동사는 '21년 4개 지자체의 실증 레퍼런스를 기반으로 '23년까지 18,000여대의 공공 CCTV에 x-AIVA 제품을 설치하여 시장점유율 약 1%를 목표하고 있습니다.
[유통]
유통 분야 상품관리 및 지점영상 분석에서의 대표적인 사업 연계 협의는 G사 편의점 별 설치되어 있는 CCTV를 통해서 제품 진열대의 상품 점유율에 대한 영상 분석으로 영업점의 관리 및 현황을 파악할 수 있는 시스템 구축 사업입니다.
'21년 2개 지점의 CCTV 영상분석 시스템에 X-AIVA를 납품하여 실증을 진행할 예정이며 '23년까지 G사 전체 편의점('20년 기준 14,393개, '23년 추정 약 16,000개)의 50%인 약8,000여개의 매장에 X-AIVA를 납품하여 AI 영상분석 서비스를 진행하는 것을 목표하고 있습니다.
(3) 경영투명성
가) 경영체제
동사는 코스닥 상장 준비 과정에서 내부통제장치강화를 위하여 특수관계자 거래규정, 내부정보관리규정 등 규정의 제개정을 통해 정비하여 적절한 절차를 거쳐 회사 내부 업무가 진행될 수 있도록 운영해오고 있습니다. 동사의 이사회, 감사 등의 지배구조와 내부통제제도를 고려할 경우, 동사의 경영투명성은 상장법인으로서 적합한 수준으로 평가됩니다.
동사는 주요 경영상의 의사결정을 이사회 및 주주총회의 사전 결의를 통해 진행하였으며, 이해관계자와의 거래에 대해서는 규정을 준수하며, 내부 기안을 통해 진행하는 등 내부통제 절차를 준수하고자 노력한 것으로 판단됩니다. 동사는 이사회 운영 규정 제정을 통해 주요 경영상의 의사결정에 있어서 이사회의 권한 및 부의 안건 등을 결정하였으며, 이사회의 결의에 관하여 특별한 이해관계가 있는 이사는 의결권을 행사하지 못하게 하는 등 의결권 제한을 통해 이사회의 독립성을 강화하였습니다.
특히, 동사는 내부통제시스템 강화를 위해 상법상 상장회사의 사외이사 요건을 충족하는 사외이사로 선임하여 청구서 제출일 현재 2인의 사외이사를 선임하고 있으며, 감사 역시 상법상의 요건을 검토하여 동사의 경영 활동 감시 및 견제 역할을 수행할 수 있는 감사를 선임하고 있습니다.
이와 더불어 동사는 경영, 인사, 회계, 일반 분야 등 회사의 운영에 있어서 코스닥 상장사에 걸맞는 내부통제 관련 사규의 정비를 완료하였으며, 새롭게 정비된 사규를 적극적으로 활용하여 내부통제 수준의 향상을 이루고 있습니다.
나) 공시체제
동사는 현재까지 코넥스상장 법인으로 코스닥 상장법인에 준하는 공시의무를 수행하고 있으며, 2013년 12월 상장 이후 현재까지 약 7년간 상장법인으로서의 공시사항 및 규정을 준수하였으며 불성실공시에 대한 제재를 받은 사항이 없습니다. 또한 한국거래소에서 진행하는 공시책임자 및 공시담당자 교육에 필히 참석하여 상장 이후 회사의 내용을 신속 정확하게 투자자에게 전달할 수 있도록 공시당당자에게 권고를 하여, 공시업무를 충실히 수행할 수 있게 대비하고 있습니다.
다) 지분현황
현재 동사의 최대주주는 이우영 대표이사로 55.53%의 지분을 보유하고 있고, 특수관계인이 보유하고 있는 지분을 합하면 최대주주등의 지분율은 68.82%입니다. 향후 경영권변동의 위험이 적으며, 지배구조에 대한 위험이 발생할 가능성은 매우 제한적인 것으로 판단됩니다.
라. 재무상태
(1) 재무성장성
동사의 매출은 2019년까지 지속적으로 상승하고 있고 영업이익은 적자와 흑자를 반복하고 있으나, 추세적으로 상승 추세를 보이고 있습니다. 2020년 3분기 기준으로 연환산한 매출액과 영업이익은 전년 대비 감소추세를 보이고 있으나, 4분기에 매출이 집중되어 발생하는 사업특성상 2020년 예상매출액 및 예상영업이익을 기준으로는 전년대비 상승할 것으로 예상됩니다. 한편, 2018년 매출액이 전년대비 123.65% 상승했음에도 불구하고 영업이익 적자가 발생한 이유는 어플라이언스 제품 매출이 새롭게 발생함에 따라 초기 시장진입을 위한 추가 원가 발생, 신규 장기 기술용역 제공을 위한 사업 초기단계에서 발생한 비경상적 추가 원가가 발생함에 기인합니다.
동사는 현재 사업안정화 된계로 각 사업 별 효율적인 원가관리를 통하여 수익 창출 구조로 안정화 되었고, 신사업 등을 위한 기술개발이 완료되어 추가적인 거액의 일시적 개발비용 및 외주비 등의 비경상적 비용발생이 제한적일 것으로 예상합니다. 한편, 동사가 속한 국내외 AI시장의 성장에 힘입어 동사의 수익성 개선 및 외형 성장이 이루어 질것으로 예상됩니다.
(2) 재무안정성
동사는 '20년 3분기 별도 재무제표 기준, 부채비율 238.67%등 재무안정성에서 업종 평균(한국은행 발간 2019년 'J582, 소프트웨어 개발 및 공급업'을 적용)부채비율 69.37% 대비 열악한 재무안정성을 보이고 있는 것으로 판단됩니다. 동사의 최근 3개년 부채비율은 2017년 106.27%, 2018년 230.12%, 2019년 307.39%, 2020년 3분기 238.67%로 동업계 평균 대비 악화된 재무비율을 보이고 있습니다.
부채비율이 상승하고 유동비율이 악화된 주원인은 2018년 동사가 NVIDIA의 파트너로 어플라이언스 제품 판매를 위한 GPU매입에 따른 매입채무 증가에 따른 것으로, 경상적인 영업활동을 제외한 단기차입금의 경우 지속적으로 상환되고 있습니다.
동사의 주요 매출처는 공공기관, 금융기관, 대기업 등으로 재무 건전성이 우수하고 결제 조건은 다소 차이가 있으나 대부분 대금 청구 후 30일 이내에 회수가 이루어지고 있으므로, 동사의 매출채권 건전성은 양호한 수준을 보이고 있는 것으로 판단됩니다.
또한, 동사의 매출채권은 사업규모 확장에 따라 1년이상 매출채권의 규모가 일부 증가하였지만, 매출채권 잔액 대비 적은 금액이며, 거래처가 주로 대기업, 관공서 위주로 채권의 우량도가 우수하여, 안정적인 채권회수가 이루어지고 있습니다.
지금과 같은 지속적인 차입금 회수 및 안정적인 채권 거래, 향후 공모를 통한 추가적인 자금 조달, 신규 사업 및 시장 진출을 통한 매출 성장 등을 고려하였을 때, 동사의 재무안정성은 안정적인 수준을 유지하며 개선될 것으로 전망됩니다.
4. 공모가격에 대한 할인율
희망공모가액의 산정
상기 PER 상대가치 산출 결과를 적용한 ㈜씨이랩의 희망공모가액은 아래와 같습니다.
※ 혹시 부족하지만 저의 글의 내용이 도움이 조금이라도 되었다면, 단 1초만 투자해 주세요. 로그인이 필요없는 하트♥(공감) 눌러서 블로그 운영에 힘을 부탁드립니다. 그럼 오늘도 좋은 하루 보내세요^^
