주주총회소집공고

주주총회 소집공고

주주님의 건승과 댁내의 평안을 기원합니다.

당사는 상법 제365조와 당사 정관 제23조에 의거하여 아래와 같이 정기주주총회를 소집하오니 참석하여 주시기 바랍니다.(「상법」제542조의4 및 정관 제23조에 의거하여 발행주식총수의 1% 이하 소유주주에 대하여는 이 공고로 소집통지에 갈음하오니 양해바랍니다.)

1. 일시 : 2026년 03월 27일(금) 오전 09시 00분

2. 장소 : 서울특별시 송파구 올림픽로35길 123, 9층(신천동, 향군타워)  

3. 회의의 목적사항

  1) 보고사항 : 감사보고, 영업보고, 내부회계관리제도 운영실태 보고

  2) 부의안건

     제1호 의안 : 제45기(2025년도) 재무제표 승인의 건

     제2호 의안 : 자본준비금의 이익잉여금 전입의 건  

     제3호 의안 : 이사 보수한도 승인의 건

     제4호 의안 : 감사 보수한도 승인의 건

4. 경영참고사항 비치

상법 제542조의 4에 의거 경영참고사항을 당사의 본점, 금융위원회, 한국거래소 및 국민은행 증권대행부에 비치하오니 참고하시기 바랍니다.

5. 전자투표, 전자위임장에 관한 사항

당사는 제45기 정기주주총회서 주주님께서 주주총회에 직접 참석하지 않고도 의결권을 행사하실 수 있도록 전자투표, 전자위임장제도(상법 제368조의4)를 활용하기로 하였으며, 관리업무를 삼성증권에 위탁하였습니다. 주주총회에 참석이 어려우신 주주님께서는 주주총회일 전에 전자투표, 전자위임장을 통해 귀중한 의결권을 행사해 주시기 바랍니다.

  1) 전자투표시스템 인터넷 및 모바일주소 :  https://vote.samsungpop.com

  2) 전자투표 행사기간 : 2026년 03월 17일 오전 9시 ~ 2026년 03월 26일 오후 5시

     - 첫날은 오전 9시부터 전자투표시스템 접속이 가능하며, 그 이후 기간 중에는

       24시간 시스템 접속이 가능합니다.(단, 마지막 날은 오후 5시까지만 가능)

  3) 시스템에서 인증서를 이용하여 주주 본인 확인 후 의안별 의결권 행사

     - 주주확인용 인증서의 종류 : 공동인증, 카카오페이, 휴대폰인증 등

  4) 수정동의안 처리 : 주주총회에서 상정된 의안에 관하여 수정동의가 제출되는 경

     우 전자투표는 기권으로 처리됩니다.

     (삼성증권 전자투표관리서비스 이용약관 제13조 2항)

6. 주주총회 참석시 준비물

  1) 직접행사 : 본인 신분증

  2) 대리행사 : 위임장(인적사항 및 날인), 주주의 인감증명서, 대리인의 신분증

2026년 03월 12일

주식회사 솔트룩스 대표이사 이경일(직인생략)

I. 사외이사 등의 활동내역과 보수에 관한 사항

1. 사외이사 등의 활동내역

가. 이사회 출석률 및 이사회 의안에 대한 찬반여부

나. 이사회내 위원회에서의 사외이사 등의 활동내역

2. 사외이사 등의 보수현황

* 주주총회 승인 금액은 사내이사 4명을 포함한 등기이사 총 5명의 보수한도 총액입니다.

II. 최대주주등과의 거래내역에 관한 사항

1. 단일 거래규모가 일정규모이상인 거래

* 매출총액의 100분의 1 이상의 금액

2. 해당 사업연도중에 특정인과 해당 거래를 포함한 거래총액이 일정규모이상인 거래

* 거래총액이 자산총액 의 100분의 5 이상의 금액에 해당하는 거래

III. 경영참고사항

1. 사업의 개요

가. 업계의 현황

(1) AI 에이전트 시장

1) AI 에이전트 시장의 정의

Agentic AI는 단순 텍스트 생성 중심의 기존 생성형 AI(Generative AI)를 넘어, 스스로 목표를 설정하고 도구를 조합해 실행할 수 있는 자율형 AI 시스템입니다. 현재 AI 산업 내에서 가장 빠르게 진화하고 있는 하위 분야 중 하나로, 에이전트 + 도구 호출(tool use) + 워크플로우 자동화 기능을 핵심으로 합니다.

2) AI 에이전트 시장 규모 및 전망

AI 에이전트 시장은 이미 상당한 규모를 형성하고 있으며, 향후 몇 년간 폭발적인 성장이 예상됩니다. 글로벌 조사기관에 따르면 AI 에이전트 시장 규모는 2023년에 41억 달러에서 2030년 618억 달러로 증가할 것으로 예상되며, 이 기간 동안 연평균 47.3%의 성장이 예상됩니다. 이는 AI 기술이 소비자의 기대를 충족시키고, 맞춤형 서비스 제공을 통한 고객 경험 개선으로 인해 더욱 가속화될 것으로 보입니다.

2024년에는 AI 에이전트 관련 스타트업이 총 38억 달러(약 5조 원)의 투자를 유치하며 전년 대비 3배 성장한 것으로 보고되었습니다. 이러한 성장에는 Amazon, Microsoft, Google 같은 대형 기술 기업들이 자율 AI 에이전트 개발에 뛰어든 것이 큰 영향을 미쳤습니다. 기업들은 이제 단순한 업무 자동화를 넘어서 AI와 인간이 협력하는 하이브리드 팀 구성을 목표로 하고 있습니다. 그러나, 여전히 이 기술은 신뢰성, 추론 능력, 보안 등에서 한계를 보이고 있어 완전한 자율 AI 시대가 도래하기까지는 시간이 필요할 것으로 예상됩니다.

AI 에이전트의 응용 분야는 상당히 다양합니다. 고객 서비스, 금융, 법률, 헬스케어 등 여러 산업에서 활용되고 있으며, 이들 각각의 도메인에 특화된 AI 에이전트들이 등장하고 있습니다. 예를 들어, 법률 분야에서는 계약서 검토를 자동화하는 AI 에이전트가 나오고 있으며, 금융 데이터 분석 및 보고서를 자동 생성하는 등 구체적인 업무에 맞춘 솔루션들이 활발히 개발되고 있습니다.

ㆍ 광범위한 적용 분야: 고객 서비스, 헬스케어, 금융, 제조, 유통, 교육, 마케팅 등 거의 모든 산업 분야에서 AI 에이전트의 도입이 확산되고 있습니다. 특히 개인화된 서비스 제공, 운영 자동화, 생산성 향상에 대한 기업의 요구가 높아지면서 AI 에이전트의 역할이 중요해지고 있습니다.

ㆍ AI 에이전트 경제 (AI Agent Economy)의 대두: 개별 AI 에이전트들이 서로 협력하고 상호작용하며 더 복잡한 문제를 해결하고 새로운 가치를 창출하는 'AI 에이전트 경제'라는 개념까지 등장하고 있습니다. 이는 단순한 자동화를 넘어선 새로운 경제 패러다임의 가능성을 시사합니다.

ㆍ 기술 발전 가속화: 거대언어모델(LLM)을 비롯한 생성형 AI 기술의 발전은 AI 에이전트의 지능과 자율성을 한층 더 높여, 더욱 정교하고 복잡한 작업 수행을 가능하게 하고 있습니다.

ㆍ빅테크 및 국내 기업들의 적극적인 투자: 구글, 마이크로소프트, 오픈AI 등 글로벌 빅테크 기업들은 물론, 국내의 삼성, SKT, 카카오와 같은 대기업들도 AI 에이전트를 차세대 성장 동력으로 인식하고 관련 기술 개발 및 서비스 출시에 적극적으로 나서고 있어 시장 성장을 견인할 것으로 예상됩니다.

3) AI 에이전트 기술 및 산업의 특징

AI 에이전트는 기술적인 발전과 함께 보다 복잡한 문제 해결 능력을 갖춘 시스템으로 진화하고 있습니다. 현재 AI 에이전트의 핵심 구성 요소로는 추론, 메모리, 도구 사용, 계획 등이 있습니다. 이들은 AI가 주어진 정보를 기반으로 결정을 내리고 행동하도록 지원하는 기초 모델 역할을 합니다. 예를 들어, AI는 데이터를 분석해 사전 결정된 목표 달성을 위한 최적의 행동을 스스로 결정합니다.

그러나 이러한 기술적 발전에도 불구하고, AI 에이전트를 도입하는 과정에서는 신뢰성, 보안, 성능 관리와 같은 복잡한 문제가 발생할 수 있습니다. IT 리더들은 이러한 문제를 해결하기 위해 필요한 도구와 관리를 마련하는 것이 중요합니다. AI 에이전트가 기업 환경에 본격적으로 자리 잡게 된다면, 기업의 생산성과 업무 효율성은 혁신적으로 변화할 것으로 기대됩니다.

ㆍ 자율성과 능동성 강화: AI 에이전트는 단순한 지시 수행을 넘어 스스로 목표를 설정하고, 계획을 수립하며, 주도적으로 문제를 해결하는 능력이 강조됩니다. 이는 기존 AI보다 한 단계 진화한 패러다임입니다.

ㆍ 고도의 지능화 및 추론 능력: 복잡한 데이터를 이해하고, 정교한 추론을 통해 최적의 해결책을 도출합니다. 거대언어모델(LLM)과의 결합으로 인간과 유사한 수준의 소통 및 작업 처리가 가능해지고 있습니다.

ㆍ 작업 자동화의 심화: 단순 반복 업무를 넘어, 여러 단계로 구성된 복잡한 워크플로우 전체를 자동화할 수 있는 잠재력을 가지고 있습니다.

ㆍ 실시간 상호작용 및 적응성: 변화하는 환경 및 사용자의 요구에 실시간으로 반응하고, 지속적인 학습을 통해 스스로 성능을 개선하고 적응해 나갑니다.

ㆍ 개인화 및 맞춤형 서비스 제공: 사용자의 데이터와 행동 패턴을 분석하여 개개인에게 최적화된 경험과 솔루션을 제공하는 데 중점을 둡니다.

ㆍ 데이터 의존성 및 품질 중요성: AI 에이전트의 성능은 학습 데이터의 양과 질에 크게 좌우됩니다. 편향되거나 부정확한 데이터는 에이전트의 잘못된 판단이나 결과를 초래할 수 있습니다.

ㆍ 인간-AI 협업 모델로의 전환: AI 에이전트가 고도화됨에 따라, 인간의 역할은 직접적인 업무 수행에서 AI 에이전트를 관리하고, 지시하며, 최종 결정을 내리는 협업 관계로 변화할 것입니다.

ㆍ 다중 에이전트 시스템의 부상: 여러 AI 에이전트가 서로 협력하고 정보를 공유하며 공동의 목표를 달성하는 다중 에이전트 시스템(Multi-Agent Systems)의 중요성이 커지고 있습니다.

ㆍ 윤리적 고려사항 증대: AI 에이전트의 자율성과 사회적 영향력이 커짐에 따라, 책임, 투명성, 안전성 등 윤리적 문제에 대한 깊이 있는 논의와 규제 마련이 중요한 과제로 부상하고 있습니다.

결론적으로, AI 에이전트 시장은 앞으로도 지속적으로 성장할 것이며, 수많은 기업이 이 영역에 뛰어들며 새로운 비즈니스 모델을 창출하는 데 힘쓸 것입니다. AI 에이전트의 발전을 통해 기업은 복잡한 작업을 보다 효율적으로 수행하고, 고객 경험을 개선하는 동시에 새로운 혁신을 이루어낼 수 있는 가능성을 지니고 있습니다. AI 에이전트가 기업의 핵심 역량으로 자리잡는 과정은 앞으로도 계속될 것입니다.

(2) 생성형 AI 서비스 시장

1) 생성형 AI 서비스 시장의 정의

생성형 AI 서비스 시장은 인공지능 기술을 활용하여 데이터와 정보를 바탕으로 새로운 콘텐츠를 생성하는 서비스로 정의됩니다. 이러한 서비스는 텍스트, 이미지, 오디오 및 동영상 등 다양한 형식으로 제공되어 기업과 소비자에게 혁신적이고 개인화된 경험을 제공합니다. 생성형 AI는 사용자 요구에 맞춰 콘텐츠를 생성하는 효율적인 도구로 자리 잡아가고 있으며, 다양한 산업에서 중요한 역할을 하고 있습니다. 최근에는 ‘생성AI + RPA + LLM’ 결합되어 초자동화 시장(Hyperautomation)으로 통합되는 흐름을 보이고 있습니다.

핵심은 기존 데이터를 학습하여 그 패턴과 구조를 이해하고, 이를 바탕으로 원본 데이터와 유사하지만 새로운 결과물을 만들어내는 AI 모델을 활용하는 것입니다. 이 시장은 다음과 같은 요소들을 포함합니다.

ㆍ AI 모델 제공: GPT, DALL-E, Stable Diffusion 등과 같은 거대언어모델(LLM) 및 이미지/비디오 생성 모델 자체를 API 형태로 제공하거나 특정 플랫폼을 통해 이용할 수 있도록 하는 서비스.

ㆍ 애플리케이션 및 플랫폼: 생성형 AI 기술을 특정 목적(예: 콘텐츠 마케팅, 소프트웨어 개발, 디자인, 엔터테인먼트 등)에 쉽게 활용할 수 있도록 개발된 소프트웨어나 클라우드 기반 플랫폼 서비스.

ㆍ 컨설팅 및 통합 서비스: 기업들이 생성형 AI를 효과적으로 도입하고 맞춤형 솔루션을 구축할 수 있도록 지원하는 전문 컨설팅, 시스템 통합(SI), 운영 관리 서비스.

2) 생성형 AI 서비스 시장 규모 및 전망

글로벌 시장 조사에 따르면, 2023년 생성형 AI 서비스 시장의 규모는 약 117억 7천만 달러에서 시작하여 2033년에는 약 2567억 달러에 이를 것으로 예상되고 있습니다. 이 같은 성장은 연평균 성장률(CAGR) 36.10%로 추정되며, 북미 지역이 시장의 큰 몫을 차지하고 있습니다. 특히, 대기업들이 이 분야에 막대한 투자를 하고 있으며, 신규 스타트업들도 이 생태계에 활발하게 참여하고 있습니다. 이런 배경을 바탕으로 생성형 AI 서비스의 자유도와 다양성을 더욱 확대해 나갈 것으로 전망됩니다.

ㆍ  혁신적인 콘텐츠 생성 능력: 텍스트, 이미지, 코드 등 다양한 형태의 콘텐츠를 자동 생성함으로써 마케팅, 디자인, 엔터테인먼트, 소프트웨어 개발 등 여러 분야에서 혁신을 주도하고 있습니다.

ㆍ 생산성 및 효율성 극대화: 반복적인 콘텐츠 제작 업무를 자동화하고, 아이디어 구상 및 초기 작업 시간을 단축시켜 기업과 개인의 생산성을 크게 향상합니다.

ㆍ  개인화된 경험 제공: 사용자 맞춤형 콘텐츠, 제품, 서비스 개발을 가능하게 하여 고객 경험을 고도화하고 있습니다.

ㆍ 클라우드 기반 서비스 확산: AI 모델 및 서비스가 클라우드를 통해 제공되면서 접근성이 향상되고, 다양한 규모의 기업과 개인 사용자들이 쉽게 활용할 수 있게 되었습니다.

ㆍ  다양한 산업으로의 적용 확대: 금융(리스크 관리, 고객 응대), 헬스케어(신약 개발, 의료 영상 분석), 제조(제품 디자인 최적화), 교육 등 전통적인 산업으로까지 활용 범위가 빠르게 넓어지고 있습니다.

ㆍ  지속적인 기술 발전: AI 모델의 성능이 지속적으로 향상되고, 새로운 아키텍처와 학습 방법론이 등장하면서 생성 가능한 콘텐츠의 품질과 다양성이 계속 발전하고 있습니다.

3) 생성형 AI 기술 및 산업의 특징

최근 생성형 AI의 기능과 범위는 지속적으로 확장되고 있습니다. 생성형 AI는 단순 텍스트 생성에서 출발해 이제 행위(Execution)까지 포함하는 에이전트형 AI로 진화하고 있습니다. 특히, 마케팅 분야에서는 개인별 맞춤 콘텐츠 제작을 통해 기업들이 고객과의 관계를 더욱 강화할 수 있도록 돕고 있습니다. 예를 들어, 고객의 취향에 맞는 광고 문구나 블로그 글을 자동으로 생성하여 마케팅 전략에 활용할 수 있습니다. 헬스케어 분야에서는 환자의 데이터를 분석하고 맞춤형 치료 계획을 추천하는 AI 모델이 개발되고 있으며, 법률 분야에서는 계약서 작성 및 검토를 자동화하는 시스템이 활용되고 있습니다. 이러한 분야에서 생성형 AI는 시간을 절약하고 오류를 줄여주는 중요한 도구로 자리잡고 있습니다.

생성형 AI 서비스는 사용자 친화성과 효율성을 강조하여 기업들이 더 나은 고객 경험을 제공할 수 있도록 하는 데 기여할 뿐만 아니라 기업들이 자원을 보다 효율적으로 배분하고, 고객의 기대에 부응하는 다양한 서비스를 신속하게 제공할 수 있게 해줍니다. 이와 함께 기업의 비즈니스 모델에도 상당한 영향을 미치고 있으며, 특히 기업 간 거래(B2B)의 경우 고객 맞춤형 솔루션을 제공하여 새로운 수익원을 창출하는 데 중요한 역할을 하고 있습니다.

ㆍ 빠른 기술 혁신과 진화 속도: AI 모델의 아키텍처, 학습 데이터, 서비스 방식 등이 매우 빠르게 발전하고 변화하며, 새로운 기능과 애플리케이션이 지속적으로 등장합니다.

ㆍ 파운데이션 모델의 중요성: OpenAI의 GPT 시리즈, 구글의 Gemini 등 소수의 대형 기술 기업들이 개발한 초거대 AI (파운데이션 모델)가 산업 생태계의 핵심적인 역할을 하며, 이를 기반으로 다양한 특화 서비스가 파생됩니다.

ㆍ 콘텐츠 제작의 민주화: 전문적인 기술이나 지식 없이도 누구나 고품질의 다양한 콘텐츠를 생성할 수 있게 되어 창작의 장벽을 낮추고 있습니다.

ㆍ 높은 컴퓨팅 자원 요구: 고성능 AI 모델을 학습하고 운영하기 위해서는 막대한 양의 데이터와 고성능 GPU 등 대규모 컴퓨팅 인프라가 필수적입니다.

ㆍ 데이터 품질 및 편향 문제: 생성형 AI 모델의 성능과 결과물의 품질은 학습 데이터의 질과 양에 크게 의존합니다. 데이터에 포함된 편향이 결과물에 반영될 수 있어 공정성 및 신뢰성 문제가 중요하게 다뤄집니다.

ㆍ 윤리적·사회적·법적 과제 대두: 생성된 콘텐츠의 저작권, 허위 정보(딥페이크 등) 생성 및 확산, 일자리 대체 우려, 개인정보보호 등 다양한 윤리적, 사회적, 법적 문제에 대한 논의와 규제 마련이 활발하게 진행 중입니다.

ㆍ 사용자 경험(UX) 및 적용 사례 중심: 기술 자체의 우수성도 중요하지만, 사용자가 얼마나 쉽고 유용하게 서비스를 활용하여 실제 문제를 해결하거나 가치를 창출할 수 있는지가 시장 성공의 핵심 요소입니다.

ㆍ 산업별 특화 서비스(Vertical AI) 확산: 범용적인 모델 외에도 특정 산업(금융, 의료, 법률, 제조 등)의 고유한 요구사항과 데이터에 맞춰진 특화된 생성형 AI 서비스가 빠르게 성장하고 있습니다.

ㆍ 파괴적 혁신 잠재력: 기존 산업의 비즈니스 모델, 업무 방식, 경쟁 구도 등을 근본적으로 변화시킬 수 있는 파괴적 혁신 기술로 평가받습니다.

ㆍ 신뢰성과 투명성 확보 노력: AI가 생성한 콘텐츠임을 명확히 알리고, 결과물의 정확성(환각 현상 방지)을 높이며, 모델의 작동 방식에 대한 투명성을 확보하려는 노력이 중요해지고 있습니다.

(3) RAG, 온톨로지 기술이 결합된 LLM 시장

1) RAG 및 온톨로지 결합 LLM 시장의 정의

RAG(Retrieval-Augmented Generation)과 온톨로지(Ontology) 기술이 결합된 LLM(Large Language Model) 기반 시장은, 대규모 언어모델의 한계를 보완하고 정확도·신뢰성·도메인 특화 능력을 강화한 고부가가치 AI 분야로 급속히 성장하고 있는 영역입니다. LLM의 응답 생성 과정에서 외부의 검증된 최신 정보 및 정형화된 지식 체계를 활용하도록 설계된 솔루션, 플랫폼, 서비스 시장을 의미합니다. 즉, LLM의 생성력과 외부 지식의 정합성/정확성을 동시에 추구하는 고급형 지식AI 시스템 시장을 의미합니다.

ㆍ 검색 증강 생성 (RAG): LLM이 응답을 생성하기 전에, 외부의 최신 데이터베이스나 문서 저장소에서 관련된 정보를 검색하고, 이 정보를 바탕으로 보다 정확하고 사실에 기반한 답변을 생성하도록 하는 기술입니다. LLM의 할루시네이션(환각) 현상을 줄이고 정보의 최신성을 확보하는 데 기여합니다.

ㆍ 온톨로지 (Ontology): 특정 도메인 내의 개념, 관계, 속성 등을 정형화된 방식으로 정의하고 표현하는 지식 표현의 한 형태입니다. 온톨로지는 지식그래프(Knowledge Graph) 형태로 구현되어, 데이터 간의 의미적 관계를 명확히 하고, 구조화된 지식 체계를 제공합니다.

ㆍ 대규모 언어 모델 (LLM): 방대한 텍스트 데이터를 학습하여 인간과 유사한 언어 이해 및 생성 능력을 갖춘 AI 모델입니다.

이 세 가지 기술이 결합된 LLM 시스템은 다음과 같은 특징을 갖습니다:

ㆍ 향상된 정확성 및 신뢰성: RAG를 통해 최신 정보를 참조하고, 온톨로지를 통해 검증되고 구조화된 지식을 활용함으로써 LLM의 응답 정확도를 높입니다.

ㆍ 설명 가능성 증대: 온톨로지의 명시적인 관계 정의는 LLM 응답의 근거를 추적하고 설명하는 데 도움을 줄 수 있습니다.

ㆍ 도메인 특화 지식 활용: 특정 산업이나 기업 내부의 전문 지식을 온톨로지로 구축하고 RAG를 통해 LLM에 통합함으로써, 범용 LLM의 한계를 넘어선 도메인 특화된 고품질 응답 생성이 가능합니다.

ㆍ 컨텍스트 이해도 향상: 온톨로지가 제공하는 개념 간의 관계 정보는 LLM이 사용자의 질문 의도나 복잡한 컨텍스트를 더 깊이 있게 이해하는 데 기여합니다.

2) RAG 및 온톨로지 결합 LLM 시장 규모 및 전망

LLM 시장 규모는 급격히 확대되고 있습니다. 마켓앤마켓의 보고서에 따르면, LLM 시장은 2024년 64억 달러에서 2030년까지 약 361억 달러에 이를 것으로 보이며, 이 기간 동안 33.2%의 연평균 성장률(CAGR)을 기록할 것으로 예상됩니다. 이는 기업들의 데이터 기반 의사결정 강화와 더불어, AI 기반 기술에 대한 수요가 증가하고 있는 결과로 해석됩니다. RAG와 LLM의 결합은 이러한 수요에 부응하여 텍스트 생성, 감정 분석 및 언어 번역 등의 작업에서 유용성을 높이는데 기여하고 있습니다.

다만, RAG 및 온톨로지 기술이 결합된 LLM 시장은 아직 초기 단계에 있으며, 이 세 가지 기술 조합만을 정확히 타겟팅한 구체적인 시장 규모 통계는 찾아보기 어렵습니다. 시장 조사 기관들은 아직 이 시장을 개별적으로 분류하여 집계하기보다는 광의의 "LLM 시장", "생성형 AI 시장", "엔터프라이즈 AI 시장", "지식 관리 시장" 등의 범주에 포함하는 경우가 많습니다. 하지만, 관련 기술 시장의 성장 추세를 통해 간접적으로 잠재력을 추정해 볼 수 있습니다

ㆍ LLM 및 생성형 AI 시장: 이미 수백억 달러 규모로 성장했으며, 향후 몇 년간 연평균 30-50% 이상의 매우 높은 성장률을 기록하며 수천억 달러에서 1조 달러 규모에 이를 것으로 예측됩니다.

ㆍ RAG의 부상: RAG는 LLM의 실질적인 활용도를 높이는 핵심 기술로 인식되면서, LLM 애플리케이션 개발에 있어 표준적인 접근 방식으로 자리 잡고 있습니다. 이는 RAG 관련 기술 및 서비스 수요 증가로 이어집니다.

ㆍ 지식그래프 및 온톨로지 시장: 데이터의 의미론적 연결과 지능형 검색/분석에 대한 수요 증가로 꾸준히 성장하고 있으며, AI와의 결합을 통해 그 중요성이 더욱 부각되고 있습니다. MarketsandMarkets에 따르면, 지식그래프 시장은 2023년 19억 달러에서 2028년 55억 달러로 연평균 23.3% 성장할 것으로 예상됩니다.

RAG 및 온톨로지 결합 LLM은 위 시장들의 교차점에서 시너지를 내며, 특히 엔터프라이즈 AI 분야에서 높은 가치를 창출할 것으로 기대됩니다. LLM의 단점을 보완하고 장점을 극대화하는 이 접근 방식은 전체 LLM 시장 내에서 점점 더 큰 비중을 차지하게 될 것이며, 특히 고도의 신뢰성과 전문성이 요구되는 B2B 솔루션 시장을 중심으로 빠르게 성장할 것입니다.

3) RAG 및 온톨로지 결합 LLM 기술 및 산업의 특징

RAG와 온톨로지 기술이 결합된 LLM 시장은 AI의 실질적인 기업 활용도를 한 단계 끌어올리는 중요한 열쇠로 인식되고 있습니다. RAG기반 LLM은 파라미터 내에 기억된 정보의 한계를 극복할 수 있고, 온톨로지 기반 LLM은 LLM이 생성한 문장이나 질문을 정형화된 지식 기반에 연결해 정확한 추론·정합성·설명력을 확보하게 됩니다. 이러한 기술적 복잡성에도 불구하고, 그 효용성과 가치 때문에 특히 신뢰성과 전문성이 중요한 엔터프라이즈 시장을 중심으로 빠르게 성장하며 AI 산업의 중요한 축을 형성할 것으로 예상됩니다. RAG 및 온톨로지 기술이 결합된 LLM 산업은 다음과 같은 주요 특징을 보입니다.

ㆍ 데이터 및 지식 품질 중심: 솔루션의 성능은 LLM 모델 자체뿐만 아니라, RAG를 통해 검색되는 외부 데이터 소스의 품질과 온톨로지로 구축된 지식그래프의 정확성 및 최신성에 크게 좌우됩니다. 고품질 데이터 및 지식 큐레이션 역량이 매우 중요합니다.

ㆍ 고도의 기술 융합 및 전문성 요구: LLM, 자연어 처리(NLP), 정보 검색, 온톨로지 공학, 지식그래프 구축 및 관리, 데이터베이스 기술(벡터 DB, 그래프 DB 등) 등 다양한 분야의 전문 지식과 기술 융합이 필수적입니다.

ㆍ 신뢰성, 설명 가능성, 통제 가능성 강조: "블랙박스" 형태의 LLM과 달리, RAG는 정보 출처를 제시하고 온톨로지는 지식의 구조를 명확히 함으로써 시스템의 투명성과 결과의 설명 가능성을 높이는 데 기여합니다. 기업 환경에서는 이러한 요소가 매우 중요합니다.

ㆍ 도메인 특화 및 맞춤화 경향: 범용 LLM을 기반으로 하되, 특정 산업이나 기업의 고유한 지식(온톨로지, 내부 데이터)을 RAG를 통해 효과적으로 통합하여 맞춤형 솔루션을 제공하는 데 중점을 둡니다.

ㆍ 복잡한 시스템 통합 및 구축: LLM, RAG 파이프라인, 벡터 데이터베이스, 온톨로지 저장소(그래프 DB 등), 지식그래프 관리 시스템 등 다양한 구성 요소를 통합하고 최적화하는 과정이 복잡할 수 있습니다.

ㆍ 지속적인 학습 및 지식 업데이트: 외부 정보와 내부 지식 체계는 끊임없이 변화하므로, 이를 RAG 시스템과 온톨로지에 지속적으로 반영하고 LLM이 최신 정보를 활용할 수 있도록 하는 유지보수 및 업데이트 메커니즘이 중요합니다.

ㆍ 플랫폼 및 도구 생태계 발전: 이러한 복합 시스템의 구축 및 운영을 용이하게 하는 MLOps, LLMOps 플랫폼, RAG 프레임워크, 지식그래프 구축 도구 등의 생태계가 빠르게 발전하고 있습니다.

ㆍ 높은 초기 투자 비용 가능성: 고품질의 온톨로지 및 지식그래프 구축, RAG 시스템 통합에는 상당한 시간과 비용, 전문 인력이 투입될 수 있습니다. 다만, 이를 통해 얻는 장기적인 가치와 ROI가 더 클 수 있습니다.

ㆍ "하이브리드 AI" 또는 "컴포저블 AI" 접근 방식의 확산: 정형/비정형 데이터, 기호적 AI(온톨로지)와 통계적 AI(LLM)의 장점을 결합하여 시너지를 창출하는 하이브리드 AI 접근 방식이 핵심입니다.

RAG는 특히 고관여 산업인 의료, 금융, 법률 분야에서 사용될 가능성이 높습니다. 이들 분야에서는 데이터의 신뢰성과 정확성이 필수적이기 때문에, RAG의 도입이 더욱 활발할 것으로 예상됩니다. RAG는 특정 도메인 지식과 온톨로지를 활용하여, 문맥에 기반한 정보를 제공할 수 있어 이러한 전문 분야의 다양한 요구를 충족시키는 데 유리합니다.

나. 회사의 현황

솔트룩스는 기계학습과 자연어처리 기술을 기반으로 2000년에 창업된 ㈜시스메타에 그 뿌리를 두고 있으며, 창업 이래 인공지능(AI)과 빅데이터 기술을 한 우물 파듯 집중적으로 연구ㆍ개발해온 국내 대표 인공지능 전문기업입니다. 2006년 사명을 ‘솔트룩스(Saltlux)’로 변경한 이후, 인공지능 기술개발과 신시장 개척에 더욱 박차를 가해왔습니다.

① 기업 철학과 기술 비전 : 하이브리드 AI 플랫폼의 완성

솔트룩스는 "세상 모든 사람들이 자유롭게 지식을 소통하도록 돕는다"는 기업 사명(mission statement)을 중심으로, 사람과 사람, 사람과 기계, 나아가 기계와 기계 간의 지식 교류와 협업을 가능하게 하는 미래형 지능 소통 기술 개발을 목표로 하고 있습니다.

창업 초기에는 컴퓨터가 인간의 언어와 사고를 이해할 수 있도록 하는 기계학습 기술에 집중하였으며, 단계적 기술 진화를 통해 현재의 통합 AI 플랫폼을 구축했습니다.

 - 2005년부터 : 지식공학(Knowledge Engineering)과 지식그래프(Knowledge Graph), 추론(Reasoning) 기술개발,
 - 2010년 이후 : 심층 질의응답(Deep QA)과 대화처리(Dialogue Processing) 기술 확보
 - 2015년 이후 : 딥러닝 기반 지식학습, 음성인식 및 합성, 감성·시각 AI 기술 고도화

이러한 연구의 축적은 현재 솔트룩스의 AI 핵심 기술 포트폴리오로 발전하였으며, LUXIA(루시아)를 중심으로 한 통합 앙상블 AI 플랫폼으로 융합하는 방향으로 진화하고 있습니다. 특히 2026년에는 에이전트 빌더, 온톨로지 파운드리, Document AI, 인텔리전트 모델 라우터가 결합된 종합 AI 플랫폼으로 완성되어 공공·제조·금융·국방 등 주요 산업 전반의 AI 전환(AX)을 선도하고 있습니다.

② 차세대 AI 기술 확보 및 사업 확장

루시아(LUXIA) 3.0과 에이전트 빌더 플랫폼:

솔트룩스의 자체 개발 대규모언어모델 '루시아(LUXIA)' 시리즈는 2025년 2분기 출시된 '루시아 3.0'을 통해 단순 생성형 AI를 넘어 스스로 사고하고 실행하는 에이전트형 AI(Agentic AI)로 진화하였습니다. 루시아 3.0은 GPT 대비 약 1/20 수준의 비용 구조를 실현하면서도 명령 기반 플로우 처리, 단계적 실행 자동화, 정밀 추론 기능을 지원하는 멀티모달 AI 구조를 갖추고 있습니다.

2026년 1분기 완료 예정인 '에이전트 빌더(Agent Builder)' 플랫폼은 고객이 직접 업무용 AI 에이전트를 GUI 기반으로 생성·운영할 수 있는 차세대 솔루션입니다.

-MCP(Model Context Protocol) 기반 통합: 외부 시스템·애플리케이션과의 유기적 연동으로 AI가 다양한 업무 맥락에서 실시간 작동·협업 가능
-자율 워크플로우 구성: 루시아와 VLLM을 결합하여 에이전트가 스스로 MCP를 호출하고 워크플로우를 자동 구축
-비즈니스 프로세스 통합: ERP·CRM·그룹웨어 등 사내 업무 시스템과 연동되어 지능적 의사결정 보조와 업무 자동화 수행

인텔리전트 모델 라우터:

멀티모델 시대에 대응하여 개발 중인 '인텔리전트 모델 라우터(Intelligent Model Router)'는 사용자의 질문 특성에 따라 루시아, GPT, Claude, Gemini 등 최적의 모델을 자동 선택하는 시스템입니다. 이를 통해 고객에게 최고의 성능과 경제성을 동시에 제공하면서 솔트룩스가 플랫폼 사업자로서의 지위를 확보하는 전략을 추진하고 있습니다.

③ Document AI 제품 개발

2026년 본격 출시 예정인 Document AI 제품은 업스테이지 등 경쟁사를 넘어서는 것을 목표로 하는 전략적 제품입니다. 루시아와 자체 개발한 PCR(Pre-Contextual Retriever) 기술을 결합하여 다음과 같은 차별화된 기능을 제공합니다:

핵심 차별화 요소:
- OCR + VLLM 통합: 문서 내 텍스트, 이미지, 표, 차트 등을 통합 인식하여 문서 전체의 맥락 이해
- 문서 필터링 및 인덱싱: 대량 문서의 자동 분류·필터링과 LLM 기반 심층 분석

- 엔드투엔드 문서 처리: 수집부터 요약·분류·분석까지 전 과정 자동화 및 논리적 관계 파악

타겟 시장: 법률, 의료, 금융, 공공기관 등 문서 중심 산업 도메인에서 상용화를 추진하고 있으며, 특히 한국수력원자력을 비롯한 대형 공공기관에서 20년 이상 축적된 120종 이상의 이질적 데이터베이스 통합 프로젝트에 최적의 솔루션으로 평가받고 있습니다.

④ 솔트룩스 온톨로지 파운드리: 특허 기반 시장 독점 전략

Palantir의 성공이 증명하듯 전 세계적으로 온톨로지(Ontology)가 AI의 '이해·추론·실행' 역량을 높이는 핵심 기술로 재조명받고 있습니다. 솔트룩스는 이 분야에서 대한민국 최고의 기술력과 특허 포트폴리오를 보유하고 있습니다.

시장 배경 및 기회: 데이터 사일로 문제와 기존 데이터웨어하우스 방식의 한계가 부각되면서 데이터 패브릭(Data Fabric) 및 데이터 메시(Data Mesh) 아키텍처 수요가 급증하고 있습니다. 물리적 데이터 통합이 아닌 의미적 연계(Semantic Layer)를 통한 데이터 통합이 핵심 트렌드로 자리잡고 있으며, 이를 위해 온톨로지와 지식그래프가 필수 기술로 요구되고 있습니다.

솔트룩스 온톨로지 파운드리 구성:
- 나루지 스튜디오(Naruzzi Studio): 엑소브레인(Exobrain) 국가과제를 통해 검증된 온톨로지 구축·관리 도구

- 트랜스포머 + 루시아 통합: LLM과 온톨로지를 결합한 하이브리드 AI 아키텍처
- 에이전트 빌더 연동: 데이터 연계/통합부터 워크플로우 자동화까지 엔드투엔드 플랫폼

특허 전략: 솔트룩스는 온톨로지 관련 출원 특허 50~60건, 등록 특허 20건 이상을 보유하고 있으며, 2026년부터 대한민국 온톨로지 시장 진입 경쟁사에 대한 특허 침해 검토 및 적극적인 라이선스 전략을 통해 시장 독점력을 확보할 계획입니다.

⑤ AI 혁신 프로그램과 공공 AI-X 시장 공략

AI 혁신 프로그램 전사 확대:

고객들이 가장 궁금해하는 "AI를 도대체 어디서부터, 무엇부터 시작해야 하는가?"라는 질문에 대한 솔트룩스의 답변이 바로 AI 혁신 프로그램입니다.

프로그램 구성:
- 4주 과정 (약 2천만 원) / 8주 과정 (약 5천만 원)
- 1단계: 고객 인터뷰 및 워크숍을 통한 핵심 문제 정의
- 2단계: AI로 해결 가능한 유즈케이스 도출 및 루시아, 온톨로지 등 적용 방안 설계
- 3단계: 패스트 프로토타이핑으로 2주 내 PoC 구현 및 고객 검증

전략적 목표: 상반기 투입률을 기존 50%에서 80%까지 끌어올려 소프트웨어 기업의 고질적인 계절성 문제(3-6월 비수기, 7-1월 과열)를 해결하고, 연간 매출의 균형을 달성하고자 합니다.

공공 AI-X 10조 원 시장 선점:

2026년 정부가 공공 부문 AI 전환(AI-X)에 편성한 10조 원 규모 예산은 작년 대비 약 10배 증가한 수치입니다. 솔트룩스는 초기 단계부터 파이프라인을 강화하고, MPU·루시아 등 핵심 제품의 조달 등록을 확대하여 이 시장을 선점하고 있습니다.

⑥ 피지컬 레이어: 로봇 및 디지털 트윈 (중장기 전략)

로봇 사업 진출: 중국 및 한국 로봇 업체 6-7곳과 MOU 및 계약을 진행 중이며, 2026년 2-3월 중 사내 휴머노이드 로봇 도입을 검토하고 있습니다.

기술 융합 전략: 단순 로봇 공급을 넘어 공간 온톨로지(Spatial Ontology) + 에이전트 + BIM + 디지털 트윈을 융합한 통합 솔루션으로, 제조업의 진정한 디지털 트윈 구현과 스마트시티 확장을 목표로 합니다.

타겟 시장:
- 제조업: 공장 내 관제, 순찰, 단순 노동 대체
- 공공·서비스: 안전 관리, 시설 운영 등

⑦ 사업구조 및 자회사 전략

다이퀘스트(Diquest): 커머스 및 금융권 AI 검색, 지능형 컨택센터(AICC) 전문 기업으로, 2025년 4월 플루닛과 합병 완료 후 2026년 클라우드 기반 융합 서비스 출시를 통한 신규 성장 동력을 확보하고 있습니다.

구버(goover) - AI 서비스 사업본부: LUXIA 기반 SaaS 모델로 출시 4개월 만에 150만 명 이상 사용자를 확보한 구버는 2026년 다음과 같이 확장됩니다:

제품 진화 로드맵:
- 현재: 텍스트 리포트 자동 생성
- 2026년 2월: PPT 슬라이드 자동 생성
- 2026년 3월: 영상 쇼츠 자동 생성
- 향후: 인포그래픽 카드 등 시각화 도구

B2B 확장: 금융기관을 대상으로 기업 정보 자동 수집·분석을 통한 고객별 개인화된 리포트, 슬라이드, 영상을 매일 제공하는 서비스로 사업 영역을 확장하고 있습니다.

⑧ 중장기 성장 비전: 고슴도치 컨셉과 2027년 목표

솔트룩스는 짐 콜린스의 『좋은 기업을 넘어 위대한 기업으로』에서 제시한 고슴도치 컨셉을 경영 철학으로 삼고 있습니다:
- 열정(Passion): 고객과 기술에 대한 진심
- 세계 최고(Best in the World): 온톨로지, 하이브리드 AI 등 차별화된 기술 영역 집중
- 경제성(Economic Engine): 고객과 회사 모두에게 경제적 가치 제공

2027년 중장기 목표:  
- 글로벌 이용자 1억 명 확보
- 기업 가치 1조 원 이상 달성
- 전체 매출 중 글로벌 비중 50% 이상

R&D 투자 전략: 매년 매출액의 30% 이상을 R&D에 투자하여 자체 원천 기술을 강화하고, 외국 기술 의존도를 낮추며 국가 AI 경쟁력 강화에 기여하는 핵심 기업으로 성장해 나갈 것입니다.

2026년은 솔트룩스가 작년의 어려움을 딛고 "Move Forward"하는 전환점이 될 것입니다.  AI 혁신 프로그램, 온톨로지 파운드리, Document AI 등 차별화된 기술 포트폴리오와 FDE/FDPM 양성, 혁신적 인센티브 체계 등 조직 혁신을 통해 지속 가능한 성장 모델을 완성하고, 글로벌 AI 생태계에서 독보적인 경쟁력을 확보하는 원년이 될 것입니다.

2. 주주총회 목적사항별 기재사항

□ 재무제표의 승인

(1) 해당 사업연도의 영업상황의 개요

연결회사의 영업상황의 개요는 동 보고서 'Ⅲ. 경영참고사항'의 '1.사업의 개요'를 참고하시기 바랍니다.

(2) 해당 사업연도의 대차대조표(재무상태표)ㆍ손익계산서(포괄손익계산서)ㆍ이익잉여금처분계산서(안) 또는 결손금처리계산서(안)

※ 아래의 재무제표는 감사전 연결ㆍ별도 재무제표입니다. 외부감사인의 감사의견을 포함한 최종 재무제표는 3월 18일 전자공시시스템(http://dart.fss.or.kr)에 공시예정인 당사의 감사보고서를 참조하시기 바랍니다.

(가) 연결재무제표

<연  결  재  무  상  태  표>

<연 결 포 괄 손 익 계 산 서>

(나) 별도재무제표

<별  도  재  무  상  태  표>

<별 도 포 괄 손 익 계 산 서>

<결 손 금 처 리 계 산 서>

- 최근 2사업연도의 배당에 관한 사항

해당사항 없음

□ 준비금의 자본전입 또는 이에 따른 신주발행

가. 자본준비금의 이익잉여금 전입 목적
배당가능이익을 확충함으로써 향후 주주환원정책에 유연하게 대응하기 위함.

나. 자본준비금의 이익잉여금 전입 전, 후 비교

※ 기타 참고사항

해당사항 없음

□ 이사의 보수한도 승인

가. 이사의 수ㆍ보수총액 내지 최고 한도액

(당 기)

(전 기)

※ 기타 참고사항

해당사항 없음

□ 감사의 보수한도 승인

가. 감사의 수ㆍ보수총액 내지 최고 한도액

(당 기)

(전 기)

※ 기타 참고사항

해당사항 없음

IV. 사업보고서 및 감사보고서 첨부

가. 제출 개요

나. 사업보고서 및 감사보고서 첨부

상법시행령 제31조 4항 4호에 따른 사업보고서 및 감사보고서는 주주총회일 1주일 전까지(상기 제출일) 당사 홈페이지 (IR 게시판 - 경영보고서)에 게재할 예정이며, 금융감독원 전자공시시스템을 통해 공시할 예정이오니 참고하시기 바랍니다. 향후 사업보고서는 주주총회 이후 변경되거나 오기 등이 있는 경우 수정될 수 있으며, 이 경우 전자공시시스템(http://dart.fss.or.kr)에 정정보고서를 공시할 예정이므로 이를 참조하시기 바랍니다.

※ 참고사항