뉴스

제네시스랩, Good AI Awards 2023 심사위원장상 수상

제네시스랩이 Good AI Awards 2023 심사위원장상을 받았습니다. 서영주 포항공대 AI대학원장은 기술력과 AI 윤리 준수, 데이터 보안 조치를 수상 근거로 꼽았고, 평가 대상은 400만 건 면접 데이터를 학습한 뷰인터HR이었습니다.

원문: IT조선 — [Good AI Awards 2023] AI 채용 품격 높인 ‘제네시스랩’, 심사위원장상 수상

제네시스랩이 Good AI Awards 2023에서 심사위원장상을 받았습니다. AI 채용 분야에서 쌓아온 기술력과 신뢰성 확보 노력이 수상의 근거가 됐습니다.

심사위원장을 맡은 서영주 포항공대 AI대학원장은 제네시스랩이 AI 기술력 확보를 위해 노력해 왔고 AI 윤리 준수를 위한 구체적 방안까지 제시했다고 평했습니다. 데이터 획득과 보관 절차에서 개인정보보호와 보안 조치가 두드러진 점도 평가 요소로 꼽혔습니다.

수상 근거가 된 제품은 영상 면접 평가 AI 소프트웨어인 뷰인터HR입니다. 약 400만 건의 면접 데이터로 학습했고, 산업심리학 전공 교수를 포함한 전문가들이 레이블링에 참여해 현직 면접관의 판단 근거를 모델에 담았습니다. 부정행위 탐지와 얼굴 인증, 마스크 착용 감지 기능도 함께 제공합니다.

AI가 채용 결과에 영향을 주는 만큼 관련 기술을 꾸준히 고도화해 온 점이 수상 이유로 정리됐습니다.

Single LLMs Hit a Wall. Here’s What Comes Next

A single LLM quickly hits its limits on complex business problems. This article traces AI architecture evolution — from single prompts to multi-agent systems — and explores what multi-agent scaling laws mean for B2B platform design.

단일 LLM의 한계를 넘어서: Multi-Agent System은 왜 필요한가

단일 LLM으로 복잡한 비즈니스 문제를 해결하는 접근은 현실에서 쉽게 한계에 부딪힌다. 이 글에서는 단일 프롬프트부터 멀티 에이전트 시스템에 이르기까지 AI 아키텍처의 발전 단계를 분석하고, 각 구조가 왜 실패하거나 부족했는지 그 이유를 짚는다. 그리고 그 흐름 속에서 도출되는 멀티 에이전트 스케일링 법칙이 B2B 플랫폼 설계에 어떤 시사점을 주는지 살펴본다.

Real-Time Labeling Interfaces: Turning Clinical Judgment into AI Training Data

A psychiatrist rating "It's tough, but manageable" as 3/3 relies on reasoning that post-hoc labeling often loses. A joint study by Genesis Lab, UNIST, and Seoul National University Hospital, presented at IASDR 2025, shows how interface design can capture that reasoning as training data.

실시간 라벨링 인터페이스: 정신과 임상 판단을 데이터로 구조화한 방법

"힘들지만 버틸 만하다"는 환자의 말을 3점이라 판단하는 임상의의 근거는 어디에 있을까요. 기존 AI는 판단의 결과만 배웠을 뿐 근거를 놓쳤습니다. IASDR 2025에서 발표된 제네시스랩·UNIST·서울대병원 공동 연구는 라벨링 인터페이스 설계로 이 근거를 데이터로 만드는 방법을 보여줍니다.

Read more

Single LLMs Hit a Wall. Here’s What Comes Next

단일 LLM의 한계를 넘어서: Multi-Agent System은 왜 필요한가

Real-Time Labeling Interfaces: Turning Clinical Judgment into AI Training Data

실시간 라벨링 인터페이스: 정신과 임상 판단을 데이터로 구조화한 방법