AI 두피진단 서비스 구축(AI 모델 개발 포함) 전문가

[당사는 국내 헤어케어 브랜드 기업이며, 매장에서 사용하는 AI 두피진단 서비스를 새로 구축합니다. 본 게시글은 사업 개요이며, 상세 제안요청서(RFP)는 사전 미팅 후 후보 업체에 별도 제공합니다.]

1. 사업 개요

매장에서 고객의 두피를 4개 부위 촬영하고 문진과 결합하여, 누가 진단해도 같은 기준으로 결과와 제품 추천을 제시하는 표준화된 AI 두피진단 플랫폼을 구축합니다. 진단 1건 단위의 데이터를 표준 구조로 축적하여 재진단·변화 추적과 모델 고도화의 기반을 확보합니다.

- 전체 흐름: 진단사 로그인·매장 선택 → 고객 문진(본인 휴대폰 웹) → 진단 코드 발급 → 진단사 앱에서 코드 매칭 → 4부위 촬영 → AI 측정모델이 5지표 산출 → 규칙 엔진이 종합값 생성 → 진단 결과 → 리포트 고객 전송 → 어드민 저장·이력 관리 → 재진단 시 회차 비교
- 진단 방식 2종: 일반 진단(회원 인증·리포트 전송·재진단 가능) / 간편 진단(익명·현장 QR 열람·세션 종료 시 폐기)
- 다국어: 한국어 UI + 중국어·일본어·영어 언어팩(필수). 표시 언어는 고객이 직접 선택

2. 구축 대상

1) 고객 웹 (고객, 본인 휴대폰)
QR·예약문자 진입, 진단 방식 선택, 동의, 인증(카카오·라인·구글·이메일), 문진, 진단 코드, 지난 진단 내역

2) 진단사 앱 (진단사, 안드로이드 태블릿)
로그인, 매장 선택, 코드 매칭, 4부위 촬영, 진단 실행·결과, 진단 관리, 고객 상세

3) 결과 리포트 웹 (고객)
첫진단·재진단 리포트, 회차 비교, 이미지 저장, 계정 관리

4) AI 측정모델 (시스템)
두피 이미지 → 5지표 값·등급·신뢰도·출처 산출 (딥러닝 기반)

5) 규칙 엔진 (시스템)
문진 반영, 종합값(점수·단계·두피 나이·유형), 제품 추천. 당사가 규칙 정의서를 제공하고 그대로 구현

6) 운영자 어드민 (본사 운영자)
기준정보·진단사 관리·이력·모니터링·통계·추출·감사로그. 당사 기존 어드민과 연계·확장

7) 인프라·운영환경
클라우드(국내 리전, 당사 계정), AI 모델 실행 환경, 스토리지·DB, 개발/검증/운영 환경 분리, CI/CD

※ 하드웨어(진단기·태블릿)는 당사가 별도 조달

3. AI 측정모델 — 핵심 요구사항

- 입력: 4개 부위(헤어라인·정수리·측두부·후두부) 저배율 촬영 이미지 각 1장
- 5지표: 모발 굵기 / 모공당 모발수 / 각질 / 민감도(붉음) / 피지. 각질·붉음·피지는 영역 분할 기반이며 서로 겹칠 수 있어 다중 레이블 분할 구조 적용. 조명 반사를 유분·각질로 오검출하지 않아야 함
- 출력: 지표별 값·등급·신뢰도 + 산출 출처. 측정 불가 시 결과를 비우지 않고 재촬영 요청
- 성능 목표: 전문가 판정 대비 등급 일치율로 평가하며 5지표 각각 충족(평균 대체 불가).
1단계(오픈): 완전 일치 75% / ±1등급 95% 이상 → 2단계(무상 하자보수 종료): 90% 이상.
픽셀 정확도는 성능 근거로 인정하지 않음
- 학습 데이터: 본 사업에서 수행사가 구축. 견적 통일용 가정값은 4,000프레임(부위 균등), 프레임당 5개 작업(모공당 모발수 / 굵기 측정선 / 피지·각질·붉음 마스크 3종). 라벨러 간 일치도(IAA) 관리·이중 검수 포함.
작업지시서·예시 이미지·보유 이미지는 당사 제공
- 필요 건수 제안: 1단계 성능을 내는 데 필요한 라벨링 건수를 제안사가 부위·지표별로 산정해 근거와 함께 제시. 착수 시 당사가 먼저 만들어야 하는 기초 라벨(예시·정답 이미지) 수량과 시점도 함께 제시. 제안한 건수로 1단계 미달 시 추가 구축 비용은 수행사 부담
- 방식 제약: 딥러닝 기반, 모델 구조·학습 방법은 제안사 제안. 외부 SaaS 분석 API로 측정을 대행하는 방식은 불허
- 이관: 소스·모델 가중치·학습 파이프라인·재학습 절차·학습 데이터·라벨은 당사 귀속. 당사가 자체 재학습·검증할 수 있는 스크립트·환경 정보 제공

4. 역할 분담

[당사]
- 진단 로직(지표·규칙 엔진·리포트 내용) 확정 제공
- 문진·동의 항목·화면설계서 등 콘텐츠 제공, 디자인 시안 승인
- 예외·빈 상태·로딩 화면 설계안 승인
- 라벨링 작업지시서·학습용 이미지 제공, 애매한 건의 전문가 최종 판정
- 클라우드 계정 명의·운영비 부담
- 하드웨어(진단기·태블릿) 조달, 외부 채널(인증·발송) 계약
- 최종 검수

[수행사]
- 진단 로직 구현(당사 정의를 그대로 반영)
- 화면 상세 디자인·구현
- 예외·빈 상태·로딩 화면 도출·설계·구현
- 라벨링 도구 준비, 라벨링 작업·검수, 학습 데이터 구축
- 클라우드 설계·구축·초기 운영
- 하드웨어·외부 채널 연동 개발
- 시험 수행 및 결과 제출

[인력 조건]
- 수행사는 PM 외에 AI 모델 개발 책임자와 시스템 구축 책임자를 각각 지정
- 핵심인력은 정규직이며 재하도급 불허. 라벨링·디자인 등 핵심인력 외 인력은 재하도급 가능

5. 규모·성능 가정값 (견적·설계 전제)

- 진단 건수: 월 1만 건 수준, 특정 시기 집중 발생 고려
- 1건 이미지 용량: 4컷 합계 40MB(무손실), 변경될 수 있음
- 진단 응답시간 / 가용성: 촬영 완료 후 30초 이내 / 99.5%(영업시간). 온라인 화면 3초
- 진단기 연동: 진단기 촬영 이미지를 태블릿 앱이 가져오는 방식. 규격은 착수 후 제공

6. 참고

- 사업 기간: 착수 후 3개월 기준(설계·개발·시험·안정화 포함). 근거를 갖춘 다른 기간 제안 가능
- 이미지 분할 모델을 직접 학습·서비스한 실적과 앱·웹·어드민 구축 실적이 있는 업체를 찾습니다
- 지원 시 유사 실적과 AI 모델 개발 책임자 이력을 함께 보내 주세요