사 업 보 고 서

【 대표이사 등의 확인 】

대표이사 등의 확인

I. 회사의 개요

1. 회사의 개요

가. 연결대상 종속회사 개황

(1) 연결대상 종속회사 현황(요약)

(2) 연결대상회사의 변동내용

나. 회사의 법적ㆍ상업적 명칭

당사의 명칭은 주식회사 솔트룩스이며, 영문명은 Saltlux, Inc.입니다. 단, 약식으로 표기할 경우에는 "㈜솔트룩스" 라고 표기합니다.

다. 설립일자

당사는 1981년 08월 17일에 설립되었으며, 2020년 7월 23일 한국거래소에 주식을 상장한 공개법인입니다.  

라. 본사의 주소, 전화번호, 홈페이지 주소

마. 중소기업 등 해당 여부

바. 주요 사업의 내용 및 신규 사업

솔트룩스는 언어, 음성, 시각, 감성, 지식 등 주요 인공지능 기술을 고도화하고, 이를 하나의 통합 앙상블 AI 플랫폼으로 융합하는 전략을 통해 현재 기계학습 기반 AI의 한계를 뛰어넘는 차세대 AI 기술 확보를 추진하고 있습니다.

자체 개발한 대규모언어모델(LLM) '루시아(LUXIA)' 시리즈는 그 기술력을 대표하는 결과물로, 최근 2분기에 출시된 '루시아 3.0'은 자율적 사고 및 실행이 가능한 에이전트형 AI로 진화했습니다. 솔트룩스는 이 기술을 중심으로 다음과 같은 핵심 사업 영역 및 신규 사업 전략을 전개하고 있습니다.

1. 자체 LLM 기반 차세대 AI 플랫폼: LUXIA 3.0

- 루시아 3.0은 '스스로 사고하고 실행하는' 에이전트 아키텍처를 갖춘 고도화된 LLM으로, 기존 생성형 AI의 한계를 넘어서는 자율성, 정밀 추론, 플로우 기반 처리 능력을 제공합니다.

- 명령 기반 플로우 구성과 단계적 실행 자동화로 비즈니스 적용 효율을 극대화하며, 멀티모달 처리(텍스트, 이미지, 음성 등) 및 API 연동성을 기반으로 다양한 산업에 확장 가능한 구조로 설계되었습니다.

-  특히, GPT 기반 상용 서비스 대비 약 1/20 수준의 비용 구조를 실현함으로써, 고성능·저비용 AI의 새로운 표준을 제시하고 있습니다.

2. AI 에이전트 기반 리서치 서비스: Goover
- 루시아 3.0 기반의 대표 서비스인 'goover'는 AI 에이전트가 사용자의 지시를 이해하고, 신뢰 가능한 출처로부터 자료를 검색·해석한 뒤, 딥리서치 및 심층 리포트 형태로 요약 제공하는 전문 리서치 에이전트입니다.
- 사용자는 복잡한 정보탐색 과정 없이, 고도화된 AI가 구조화된 인사이트를 제공받을 수 있어, 투자, 산업 분석, 법률, 정책 등 고지능 분야에 특화된 활용이 가능합니다.
- goover는 향후 글로벌 SaaS 플랫폼으로 확장되며, 비즈니스 특화형 AI 에이전트 시장의 성장을 주도할 예정입니다.

3. 신규 확장 사업 전략
- 멀티모달 융합 AI (LUXIA-On)
언어·음성·시각 데이터를 통합 인식 및 분석하는 'LUXIA-On'  프로젝트를 통해, 고객 응대, 스마트팩토리, 의료 문서 분석 등 고난이도 복합 업무 영역에 AI를 적용하고 있습니다.
특히 루시아 3.0은 기본적으로 멀티모달 구조를 갖추고 있으며, 향후 다큐먼트 AI, OCR-RAG 기반 서비스로도 확대할 예정입니다.

- Document AI + Agent 연계 제품 개발
문서 자동화 및 업무에이전트 특화형 Document AI 제품을 개발 중이며, 루시아 기반의 PCR(Pre-contextual Retriever)와 연계해 시각+텍스트 멀티모달 기능이 강화된 제품이 2026년 상용 출시 예정입니다.
해당 제품은 법률, 의료, 공공기관 등 도메인 문서 해석이 필수적인 분야에 우선 적용될 예정입니다.

- B2B/B2G 도메인 특화 플랫폼 확대
산업별 규제 및 업무 절차에 최적화된 도메인 특화 AI 서비스(금융, 의료, 법률 등)를 확대하고 있으며, 국방, 교육, 지방자치단체 등 공공분야에 최적화된 Agentic AI를 개발 중입니다.

- MCP 연계 및 API 에코시스템 확장
솔트룩스는 자체 개발한 MCP(Model Context Protocol) 구조를 통해 LUXIA 모델을 외부 워크플로우 및 시스템과 유기적으로 연동할 수 있도록 구성하고 있으며, 컨텍스트 기반 API 생태계를 확장하고 있습니다. 이를 통해 고객 시스템 내 다양한 이벤트 흐름(예: 정책시스템, CRM, ERP 등)과 에이전트가 실시간 상호작용할 수 있는 기반을 마련했습니다.

- 글로벌 SaaS 진출
자체 모델(LUXIA)과 서비스(Goover)를 기반으로, 북미·동남아 중심의 SaaS 수출을 본격화하고 있습니다. 특히 정부기관·금융사·헬스케어 등 고신뢰 요구 산업을 타깃으로 한 에이전트 SaaS 패키지를 준비 중입니다.

루시아는 인공지능 산업 생태계 조성을 위해 국내 소프트웨어 기업과 개발자에게 루시아 API를 무상 제공하고 있습니다. 기타 자세한 사항은 'Ⅱ. 사업의 내용'을 참고하시기 바랍니다.

사. 신용평가에 관한 사항

(1) 신용평가 현황

(2) 신용등급 정의

아. 회사의 주권상장(또는 등록ㆍ지정) 및 특례상장에 관한 사항

2. 회사의 연혁

가. 회사의 본점 소재지 및 그 변경

나. 경영진 및 감사의 중요한 변동

다. 최대주주의 변동

라. 상호의 변동

마. 회사가 화의, 회사정리절차 그 밖에 이에 준하는 절차를 밟은 적이 있거나 현재 진행중인 경우 그 결과

당사는 보고서 제출일 현재 해당사항이 없습니다.

바. 회사가 합병 등을 한 경우 그 내용

당사의 합병 등을 한 경우는 'Ⅲ. 재무에 관한 사항'의 '8. 기타 재무에 관한 사항'의 '1. 재무제표 재작성 등 유의사항'의 '(2) 합병, 분할, 자산양수도, 영업양수도에 관한 사항'을 참조하시기 바랍니다.

사. 회사의 업종 또는 주된 사업의 변화

당사는 보고서 제출일 현재 해당사항이 없습니다.

아. 그 밖에 경영활동과 관련된 중요한 사항의 발생내용

3. 자본금 변동사항

4. 주식의 총수 등

가. 주식의 총수 현황

나. 자기주식

(1) 자기주식 취득 및 처분 현황

(2) 자기주식 취득, 처분 이행현황
공시대상기간 중 자기주식의 취득, 처분 내역이 없습니다.

공시대상기간 중 자기주식의 취득, 처분 내역이 없습니다.

(3) 자기주식 소각 현황
공시대상기간 중 자기주식의 소각 내역이 없습니다.

(4) 자기주식 보유현황
사업연도 개시일부터 6개월이 되는 날 또는 사업연도말일을 기준으로 발행주식총수의 100분의 1이상 자기주식을 보유한 바 없습니다.

다. 다양한 종류의 주식

당사는 보고서 제출일 현재 해당사항이 없습니다.

5. 정관에 관한 사항

가. 정관 이력

(1) 최근 개정일

보고서에 첨부된 정관의 최근 개정일은 2022년 3월 30일이며, 제45기 정기주주총회(2026년 3월 27일 개최) 안건에는 정관 변경이 포함되어 있지 않습니다.

(2) 정관 변경 이력

나. 사업목적

(1) 사업목적 현황

(2) 정관상 사업목적 변경 내용

당사는 공시대상기간 중 해당사항이 없습니다.

(3) 정관상 사업목적 추가 현황표

당사는 공시대상기간 중 해당사항이 없습니다.

II. 사업의 내용

1. 사업의 개요

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. 주요 제품 및 서비스

가. 주요제품 설명

솔트룩스 제품 라인업

(1) 스튜디오 제품군 (소프트웨어)

(2) 거대언어모델 (LUXIA, 루시아)

1) 개요

- 루시아 3.0 LLM (32B): 2025년 5월 29일 출시

- Agentic AI 특화 모델로 설계되어, 고급 추론·계획·정보 검색·멀티모달 처리에서 뛰어난 성능을 발휘

- GPT, Qwen, LLaMA, Mistral, Gemma, EXAONE 등 최신 모델과 비교 시 한국어 및 도메인 특화 벤치마크에서 우수한 결과

2) 성능 특징

① Chat·추론 성능

일반적인 대화, 지시 수행, 논리적 추론, 복잡한 질문에 대한 이해와 답변 품질을 측정합니다.예: 사용자가 “A라는 조건에서 B가 가능할까?”라는 질문을 했을 때, 모델이 문맥을 파악하고 논리적으로 결론을 도출하는 능력.

주요 지표:

- MT-Bench: 다양한 대화 주제에서의 전반적인 답변 품질.

  80.6점 → Qwen 3, Gemma 3 대비 근소한 차이

- LogicKor: 한국어 기반 논리·추론 문제 해결 능력.

  94.5점 → 최고 수준 (Gemma 3와 동일 최고)

- BiGGen-Bench: 생성형 응답의 창의성과 사실성 평가.

  80.5점

I- FEval / Ko-IFEval: 사용자가 준 엄격한 프롬프트를 정확하게 따르는지 확인

  정밀 프롬프트 처리 능력에서 상위권

② Agentic AI 벤치마크

단순 대화가 아니라, **여러 단계의 행동(Plan → Search → Execute)**을 수행하는 ‘에이전트형 AI’의 능력을 평가.즉, 모델이 스스로 계획을 세우고, 필요한 자료를 검색하거나 함수를 호출해, 단계적으로 결과를 완성하는 역량을 본 것입니다.

주요 지표:

- LongRAG: 긴 문서나 대규모 데이터에서 정보 추출 및 응답 능력.

  56.8점 (LUXIA 2.5 대비 향상)

- RAGEval / Ko-RAGEval: 검색(Retrieval) + 생성(Generation) 결합 정확도.

  91.9점 (Qwen3-32B와 유사)

- FunctionChat-Bench: 함수 호출 기반의 API 연동, 외부 시스템 제어 능력.

  87.6점 → 함수 호출 기반 에이전트 처리 능력 높음

- Ko-RAGEval : 87.5점 → 한국어 기반 RAG 성능 우수

③ Planning Accuracy

사용자의 질문을 보고, 해당 질문이 어떤 분야·도메인에 속하는지 정확히 분류하는 능력.예: “AI가 사람의 움직임을 감지할 수 있나요?”라는 질문을 보고, 이것이 공학-컴퓨터공학 카테고리에 속한다고 판단.

- 계획 정확도(도메인 분류) : 83% → GPT4.1-mini(74%), Qwen3-32B(69%) 대비 월등

- 복잡한 RAG 기반 도메인 매핑에서도 높은 정확도로 응답

④ Retrieval Accuracy

사용자의 질문에 답하기 위해 검색할 키워드를 정확하게 뽑아내는 능력.
한국어와 영어 등 다국어 키워드 생성까지 포함.

- 정보 검색 정확도 : 85% → GPT4.1-mini(80%), Qwen3-32B(60%)보다 우수

- 한국어·영어 키워드 생성과 관련 문서 검색에서 강점

⑤ Multimodal RAG & Document AI

텍스트뿐 아니라 표, 차트, 이미지가 포함된 문서를 이해하고 검색·분석하는 능력.일반 텍스트 모델은 표·도표에서 정보를 잘 못 읽는 경우가 많은데, 이를 보완.

- Multimodal RAG:

   Text+Figure/Chart: 90% (최고)

   Text+Table: 80% (경쟁 모델 대비 5~35%p 우위)

- Document AI:

   Text: 91% (최고)

   Text+Figure/Chart: 88%

   Text+Table: 42% (경쟁 모델 대비 월등)

⑥ Adaptive CoT & Reasoning

문제 난이도에 따라 적절한 사고 과정(Chain-of-Thought, CoT)을 유연하게 적용하는 능력.

- 쉬운 문제: 짧고 빠르게 정답 도출 → 비용 절감, 속도 향상.

- 어려운 문제: 더 많은 단계의 추론을 거쳐 정확도 확보.

- EASY Reasoning: 약 96% 정확도 (경쟁 모델 대비 최고 수준)

- HARD Reasoning: 수학, GPQA, LiveCodeBench 등 복잡 추론에서도 최고 성능

- 테스트 토큰 수 대비 효율성도 우수

3) 핵심 차별화 포인트

①한국어·도메인 특화 성능 최상위

   - LogicKor, Ko-RAGEval 등 한국어 중심 벤치마크에서 최고 수준

② Agentic AI 특화

   - 계획·검색·함수 호출 등 다단계 실행 구조 최적화

③ 멀티모달 처리 능력 강화

   - 표, 차트, 이미지가 포함된 문서에서 높은 인식·이해율

④ 고효율 추론

  - 높은 정확도 + 짧은 테스트 토큰 소비 → 응답 속도와 비용 효율 동시 달성

⑤ 루시아 2.5 대비 전반적 성능 향상

  - Chat, RAG, 멀티모달, 복잡 추론에서 모두 개선

나. 주요 제품 및 서비스 현황

다. 주요 제품 등의 가격변동추이
당사의 제품은 제조업의 표준화된 판매가격으로 운영되는 서비스가 아닌 관계로,
해당 가격 변동 추이를 정확하게 기재하기는 어렵습니다.

3. 원재료 및 생산설비

가. 원재료

당사는 용역 제공 및 라이선스 매출을 주요 사업영역으로 영위하고 있어 별도의 원재료가 투입되지 않고 있으므로 해당사항 없습니다.

나. 생산 및 설비

당사는 용역 제공 및 라이선스 매출을 주요 사업영역으로 영위하고 있어 별도의 생산설비를 구입하고 있지 않습니다.

4. 매출 및 수주상황

가. 매출실적

나. 판매 경로와 방법, 전략 및 주요 매출처 등

(1) 판매 경로와 방법

당사의 모든 거래는 고객처와 직접 계약(D2C : Direct to Customer)하거나 파트너사를 통하여 고객처와 계약을 진행하고 있습니다.

(2) 판매 전략

1)  전략 고객 매출 극대화

당사는 공공기관, 금융, 제조, 유통 등 다년간의 대형 사업 고객 매출 비중이 약 60% 이상을 차지하고 있습니다. 당사는 동 고객들에 대해기존 업무영역의 고도화 뿐만 아니라, 2026년 사업 목표 달성을 위해 수익성 중심의 사업 구조로 개편하고 있습니다.

특히 검증된 효익을 기반으로 적용 영역을 확대하되, 단순 구축형 사업을 넘어 지속적인 수익 창출이 가능한 구독형 및 서비스 모델 비중을 높여 영업이익률을 개선하는 데 주력하고 있습니다.

2) 생성형 인공지능 서비스 및 AI 검색 사업 확장

당사는 '루시아(LUXIA)'와 생성형 AI 도구를 기반으로 초기 시장 진입 단계를 넘어, 2026년에는 본격적인 시장 확산과 수익 실현에 집중하고 있습니다 .

최근 생성형 AI의 실효성을 입증하기 위한 PoC 프로젝트들이 본 사업으로 전환되는 시점에 맞춰, 공공부문의 거대언어모델(LLM) 도입 트렌드에 최적화된 성공 전략을 제시하고, 금융 부문의 규제 준수 및 보안 요건을 충족하는 맞춤형 루시아(LUXIA) 모델 공급을 통해 대형 수주를 목표로 하고 있습니다.

3) 클라우드 서비스 기반 확산형 사업 운용

당사는 AIaaS (클라우드 기반 인공지능 서비스) 확산 전망에 따라 2016년 국내 최초의 인공지능 서비스 플랫폼인 ADAMs.ai를 출시 후 2022년 4분기부터 Saltlux.ai 제3세대 인공지능 클라우드 서비스를 제공중입니다. 또한, 데이터분석 SaaS 서비스인 DATAMIXI와 프리미엄 대시보드를 2017년 출시해 다수의 타겟 애플리케이션 시장에 공급하고 있습니다. 고객의 인바운드 문의에 대해 영업조직의 간략한 커스터마이징 니즈 청취 및 반영에 기반해 당사의 클라우드 서비스로 유입하고 있습니다. 또한 효과적 영업대응을 위한 MSP 협력 라인업의 지속적 구축 뿐만아니라 자사 AI솔루션 기반으로 MSP 사업도 계획하고 있습니다.

4) 인공지능 파트너 생태계 운용

당사는 핵심 제품/서비스에 대해 약 30여개 회사와 영업 및 수행 파트너 등록을 통해 파트너십 생태계를 구축하였습니다. 당사는 파트너사를 통해 솔루션 라이선스 공급, 공동 영업 혹은 프로젝트 수행을 통해 당사만의 인공지능 판매 생태계를 조성하였습니다. 또한, 파트너사의 우수 솔루션을 당사와 융합된 Solutions-in-a-Box를 제공, 차별적인 제품력을 고객에게 제공할 수 있습니다. 국내는 물론 해외의 선도 솔루션 혹은 다국어 역량을 결합해 차별화 포인트를 가져가고 있습니다.

5) 지역별 거점 연계 활용

당사는 지방 사업에 대한 효율적인 수행을 위해 부산/울산/경남 지역, 세종/대전/충청권 지역의 전략적 사업 수행과 AI 융합(기술/도메인) 사업 수행을 최적화할 수 있도록 울산사무소와 세종사무소를 운영중입니다. 또한, 지사와 파트너사 인력들의 업무 유형에 따른 차별화 정기/수시 교육 프로그램을 진행하여 자사 솔루션에 관한 기술을 습득하고 사업을 원활히 수행할 수 있도록 지원하고 있습니다.

6) 고객 중심 비즈니스 확대

당사는 기존 고객과의 지속적인 관계와 운영 경험을 바탕으로 고객의 실질적인 니즈를 조기에 파악하고, 이를 고도화 및 확장 사업으로 연결하기 위한 유지보수 조직을 CE(Customer Engagement)팀으로 확대 운영하고 있습니다. CE팀은 유지보수와 운영 지원 과정에서 축적되는 고객의 업무·데이터·시스템 이해를 기반으로 개선 과제와 중·장기 발전 방향을 도출하며, 이를 사업 기회로 발전시키는 역할을 하고 있습니다. 또한 CE팀은 고객 신뢰를 기반으로 PoC, 시범사업, 단계적 고도화 제안을 선제적으로 추진하고, 영업 조직과 협업하여 계약 및 수주로 연결합니다. 이를 통해 신규 고객 중심의 단기 영업이 아닌, 기존 고객 기반의 안정적이고 지속 가능한 매출 확대에 집중하고 있습니다.

(3) 주요 매출처

연결회사의 주요 매출처 중 매출 비중 10% 이상인 업체는 없습니다.

다. 수주상황

※ 연결기준 수주총액 5억원 이상에 해당하는 계약 현황 입니다.
※ 계약 당사자가 공시를 동의하지 않은 사항은 제외되었습니다.
※ 매출로 인식되지 않는 연구개발사업은 제외되었습니다.

5. 위험관리 및 파생거래

가. 시장위험과 위험관리

연결회사의 시장위험과 위험관리는 'Ⅲ. 재무에 관한 사항'의 '3. 연결재무제표 주석'의 '주석4. 재무위험관리'를 참조하시기 바랍니다.

나. 파생상품 및 풋백옵션 등 거래 현황

연결회사의 파생상품 및 풋백옵션 등 거래 현황은 'Ⅲ. 재무에 관한 사항'의 '3. 연결재무제표 주석'의 '주석16. 상환부채' 및 '주석17. 파생상품부채'를 참조하시기 바라며, 파생상품 관련 손익은 다음과 같습니다.

6. 주요계약 및 연구개발활동

가. 경영상의 주요계약 등

나. 연구개발활동

(1) 연구개발활동의 개요 및 담당조직

당사의 연구 개발을 담당하는 연구조직은 회사의 비전에 따라 목표된 제품이나 응용기술을 연구 개발하는 AI Labs(Artificial Intelligence Labs, 인공지능연구소)와 데이터 수집, 정제, 저장, 분석, 레포팅 등 각 단계에서 빅데이터/텍스트 마이닝과 기술연구 및 데이터 큐레이션의 협력에 의해 사업을 수행하는 수행본부 내 3개 팀으로 운영되고 있습니다. 해당 조직은 각 사업의 운영관리, 기획, 영업 및 수행, 구축, 제품개발 등을 수행하는 역할뿐만 아니라 인공지능과 지식그래프 기반 솔루션/서비스 제품 등을 개발합니다. 또한, 베트남 법인인 Saltlux Technology Joint Stock Company가 솔트룩스 본사의 일부 연구개발 용역을 담당하고 있습니다.(※ 아래 표에 자회사의 연구개발 조직은 포함되지 않았습니다.)

(2) 연구개발비용(연결기준)

(3) 연구개발실적

7. 기타 참고사항

가. 지적재산권 보유현황

당사는 생성형 AI(Generative AI) 및 기계학습 기반 빅데이터 증강분석(Augmented big data analytics)라는 2가지 핵심 원천기술을 기반으로 사업을 영위하고 있으며, 특허가 사업 경쟁력의 원천임을 인식하고 비즈니스 경쟁력을 높이기 위하여 다음과 같이 지식재산권 출원 및 등록을 관리하고 있습니다.

※ 현재 등록 진행중인 건을 포함하여, 주요 특허를 기재하였습니다.

나. 시장여건 및 영업의 개황

(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.

(4) 특화 LLM 분야

① 법률 도메인

계약 검토, 리스크 분석, 판례 탐색 등에서 Agent 도입 활발

솔트룩스는 LUXIA 기반의 법률·IP 특화 에이전트 설계 및 서비스화를 진행 중

구독형 SaaS로 전환하여, 로펌·공공·중소기업 법무팀 대상 확산 전략 추진

② 국방 도메인

정찰/작전 계획/물류 최적화/자율 무인체계 운용 등에서 Agent 활용 가능성 큼

솔트룩스는 지휘 판단 자동화, 물류에이전트, 드론 스웜 운용 에이전트 등 개발 전략 추진

국방망 연동 가능한 경량화·보안형 Agent 인프라 확보 계획

③ 공공행정 도메인

민원 자동분류/행정 문서 자동 생성/정책 모니터링 등 활용 가능

정부 AI 민원처리 시범사업 중심으로 실증 레퍼런스 확대, 공공 SaaS 전환 추진

공공데이터셋 학습, 행정윤리 기반 거버넌스 체계 설계 중

(5) ESG 경영 보고

솔트룩스는 '세상 모든 사람이 자유롭게 지식소통 하는 세상을 만들겠다.'는 사명을 갖고 2000년에 창업이 되었으며, 인공지능 및 빅데이터 산업에서 한 우물만 파온 기업입니다. 솔트룩스 모든 임직원은 인공지능 대표기업으로서 사회적 책임을 준수하고 '올곧게 일하고, 혁신을 통해 공헌하며, 동료의 행복과 성장을 추구'하는 핵심 가치를 갖고 일하고 있습니다. 솔트룩스 임직원은 우리의 기업 사명과 핵심 가치가 고객의 성공을 넘어 사회와 인류의 지속가능한 삶을 실천하는 것이라 믿습니다. 앞으로도 환경, 사회참여, 투명한 경영으로 지속가능한 성장을 위해 더욱 노력하겠습니다.

1) 환경경영(Environmental Responsibility)

솔트룩스는 최근 3~4년 전부터 인공지능 성능 개선과 학습을 위한 컴퓨팅 파워, 전기 에너지 절감에 큰 노력을 기울여 왔습니다. 기존 머신러닝, 딥러닝과 동일한 성능을 내면서도 4~5배 정도의 에너지를 절감하기 위해 기술 개발 중이며, 산학연과 긴밀하게 협력하고 있습니다.

첫 번째, 솔트룩스는 FPS의 속도 향상과 GPU 메모리 사용량을 줄이는 목표로 소이넷과의 모델 가속화 프로젝트를 진행하였으며, 프로젝트 결과 알고리즘 변경으로 인해 속도는 4.4배 향상되었고, GPU 메모리 사용량은 3.3배 낮아진 것을 확인했습니다. 결과적으로 소이넷의 추론엔진 성능을 3배 이상 개선함으로써 에너지 소비량을 1/3 이하로 절감할 수 있었습니다.

두 번째, 오픈이노베이션을 통해 대학들과 함께 딥러닝 뉴럴 네트워크 학습 및 추론을 위한 심층신경망 가속화 및 최적화 기술 연구를 진행했습니다. 주요 성과로 Kernel Fusion과 FP16 연산을 적용한 결과 Google BERT 모델 대비 2배 이상 추론 속도가 향상되었으며, 정확도는 유지되는 것을 확인했습니다. 또한, 컴퓨팅 파워는 1/4 수준으로 절감되어 전기 및 탄소 배출을 줄이는 효과가 있습니다.

세 번째, 디지털 뉴딜 AI 학습용 데이터 구축 사업 '해안 오염물질 데이터'는 영상 정보 기반의 해양쓰레기 모니터링 기술 개발과 해양쓰레기 수거 및 관리 기반 강화를 위한 인공지능 응용 모델 개발을 목표로 합니다. 구체적인 사업 목표는 ▲해안 오염물질 인공지능 학습용 데이터 구축(40만장 이상) ▲인공지능 학습용 데이터를 활용한 응용 모델 개발 ▲크라우드 소싱을 통한 청년, 사회적 약자 등의 일자리 창출입니다. 본 사업에 적용되는 인공지능 모델의 기술은 크게 2가지입니다. 해안, 부유, 침적쓰레기 탐지를 위해 YOLOv5, EfficientDet 등 Object Detection 분야의 최신 기술을 활용하며, 이 모델은 모두 객관적인 정량적 성능지표에 대한 성능 공개를 통해 대외적으로 검증되었습니다. 재해쓰레기 탐지는 의미론적 분할 모델이 적용되며 U-Net, DeepLabv3+ 등으로 개발 예정입니다. 이를 통해 기대되는 사업 효과는 데이터 기반 전주기 해양쓰레기 관리 효율성 제고 및 다양한 서비스가 가능하며, 해양쓰레기의 발생량 및 현존량 추정에 대한 과학적 정확성을 높임으로써 처리/저감 대책 마련에 기여할 수 있습니다. 마지막으로 해양쓰레기 모니터링 공간의 확대 및 시간/비용/인력의 절감 효과가 있습니다.

향후 솔트룩스는 메타휴먼을 다양한 사업 분야로 상용화하고, 메타버스 내 적용을 통해서 실제로 가상세계에서의 활동을 강화할 것입니다. 그 외에도 디지털 트윈, 자동화된 AI 기반 서비스, 에너지 소비뿐만 아니라 기후변화 대책을 위한 AI 기반 시뮬레이션 등 다양한 부분에 당사가 보유한 인공지능 및 빅데이터 분석 기술을 활용해 IT/SW 분야의 환경경영을 적극적으로 이행하고 강화할 예정입니다.

2) 사회책임경영(Social Responsibility)

솔트룩스는 16년 전부터 기업의 사회적 책임을 다하고 소외계층을 위한 지원을 시작했습니다. '1% 나눔운동' 사회공헌 활동은 직원 급여의 0.5%에 회사 지원 0.5%를 합한 1%를 기금으로 조성하는 것이며, 현재까지 5억원 이상의 기금이 누적, 활용 되었습니다. 아동·청소년 가장·노인, 미혼모 등 소외계층의 자활을 위해 봉사해 왔으며, 서울시와 함께 아이들의 방과 후 및 방학 동안의 학습과 성장을 위해 작은 도서관 '해다미'를 지어 지역아동센터에 기부해 왔습니다. 현재 해다미 도서관은 10호관 이상 설립되어 대한민국 미래 인재들을 위한 교육과 삶 자리 역할을 하고 있습니다.

[1%나눔운동 후원현황]

솔트룩스는 인공지능 윤리 및 개인정보 보호에 대한 사회적 책임을 다하고 있으며, 신기술 도입의 잠재적 위험을 줄이고 안전한 인공지능 서비스 환경을 조성하기 위해 여러 원칙을 준수하고 있습니다. 2019년 방송통신위원회와 정보통신정책연구원이 발표한 '이용자 중심의 지능정보사회를 실현하기 위한 원칙' 에 솔트룩스는 적극 참여했습니다.

이 원칙은 사람 중심의 서비스 제공, 투명성과 설명 가능성, 책임성, 안전성, 차별 금지, 참여, 프라이버시 및 데이터 거버넌스 등 총 7가지로 구성되어 있습니다. 예를 들어, 서비스는 인간의 존엄성을 보호하는 방향으로 제공되어야 하며, 사용자는 서비스의 작동 방식을 이해할 수 있어야 합니다. 또한, 지능정보 서비스의 제공으로 인해 발생할 수 있는 피해를 사전에 대비하고, 모든 구성원이 평등하게 정책과정에 참여할 수 있는 환경을 조성해야 합니다.

솔트룩스는 개인정보 보호를 위해 사내에 전담 임원을 배치하고, 머신러닝 및 딥러닝 학습 데이터의 민감한 정보에 대한 접근을 제한하는 등의 절차를 마련했습니다. 특히, 데이터의 편향성을 검증하고 저작권 문제를 해결하기 위한 노력도 기울이고 있으며, 이러한 점에서 사회적 책임 경영을 적극적으로 실천하고 있습니다.

3) 기업지배구조(Governance)

당사는 주주 가치를 증대시키고 권익을 보호하기 위해 투명하고 안정적인 지배구조를 유지하고 있으며, 이를 통해 지속 가능한 성장과 글로벌 도약을 목표로 하고 있습니다. 현재 이사회 구성은 총 5명 중 1명의 사외이사(20%)로 운영되며, 향후 사외이사 비율을 과반수로 확대하고 외부 인사를 영입하여 전문성과 다양성을 강화할 예정입니다. 이를 통해 이사회의 독립성과 경영진에 대한 견제 기능을 개선하고, 전문위원회를 설치하여 효율성을 극대화할 계획입니다.

당사는 정기주주총회를 매년 3개월 이내에 개최하고, 주총 관련 정보는 전자공시시스템(DART)을 통해 공개합니다. 주주친화정책의 일환으로 의결권 행사 편의를 제고하기 위해 전자투표를 도입하였으며, 활발한 IR 활동을 통해 주주에게 필수 정보를 공정하게 제공합니다. 주주환원 정책도 마련하여 장기적인 성장과 함께 주주 가치를 높일 계획입니다.

내부거래 및 자기거래 통제를 위해 이사회 결의사항으로 이사와 회사 간 거래를 승인하며, 특별한 이해 관계가 있는 이는 의결권 행사를 제한합니다. 또한, 내부회계 관리를 위해 2014년에 제정된 내부회계관리 규정을 바탕으로 전문 조직을 운영하고 있습니다. 이사와 감사에게 매년 운영 실태를 보고하며, 효과성을 지속적으로 점검하고 있습니다. 이러한 조치를 통해 기업의 투명성과 신뢰성을 높이고 있습니다.

III. 재무에 관한 사항

1. 요약재무정보

가. 요약연결재무정보

나. 요약별도재무정보

2. 연결재무제표

2-1. 연결 재무상태표

2-2. 연결 포괄손익계산서

2-3. 연결 자본변동표

2-4. 연결 현금흐름표

상기 재무제표는 주주총회 승인 전 재무제표이며 정기주주총회에서 재무제표 승인 관련 안건이 부결되거나 수정이 발생한 경우 정정보고서를 통해 그 내용 및 사유 등을 반영할 예정입니다.

3. 연결재무제표 주석

1. 일반사항

한국채택국제회계기준 제1110호 '연결재무제표'에 의한 지배회사인 주식회사 솔트룩스(이하 '지배기업')는 (주)솔트룩스이노베이션, (주)플루닛, (주)솔트룩스벤처스,
(주)다이퀘스트, Goover, Inc 및 Saltlux Technology Joint Stock Company(이하 주식회사 솔트룩스와 그 종속기업을 일괄하여 '연결회사')를 연결대상으로 하여 연결재무제표를 작성하였습니다.

(1) 지배기업의 개요

지배기업은 1981년 8월 17일 모비코인터내셔날 주식회사라는상호로 설립되었으며, 2003년 3월 31일을 합병기준일로 하여 주식회사 시스메타를 흡수합병, 상호를 모비코앤시스메타 주식회사로 변경 후 2005년 7월 15일 상호를 현재의 주식회사 솔트룩스로 변경하였습니다. 지배기업은 컴퓨터 하드웨어 및 소프트웨어의 자문, 개발, 제조, 공급 및 판매업 및 정보처리 컨설팅, 자료처리, 데이터베이스업 및 정보통신 부가가치망 사업을 주사업목적으로 하고 있으며, 당기 중 서울특별시 송파구 신천동으로 본사를 이전하였습니다.

지배기업은 2020년 7월 23일 대한민국 코스닥 시장에 상장하였습니다.

당기말 현재 지배기업의 주요 주주현황은 다음과 같습니다.

(2) 보고기간말 현재 연결대상 종속기업의 현황은 다음과 같습니다.

(3) 보고기간말 현재 종속기업의 요약재무정보는 다음과 같습니다.

1) 당기말

2) 전기말

2. 재무제표 작성기준 및 중요한 회계정책

(1) 재무제표 작성기준

연결회사의 연결재무제표는 한국채택국제회계기준에 따라 작성되었습니다. 한국채택국제회계기준은 국제회계기준위원회("IASB")가 발표한 기준서와 해석서 중 대한민국이 채택한 내용을 의미합니다.

연결재무제표 작성에 적용된 중요한 회계정책은 아래 기술되어 있으며, 당기 연결재무제표의 작성에 적용된 중요한 회계정책은 아래에서 설명하는 기준서의 도입과 관련된 영향을 제외하고는 전기 연결재무제표 작성시 채택한 회계정책과 동일합니다.

연결재무제표는 다음을 제외하고는 역사적 원가에 기초하여 작성하였습니다.

한국채택국제회계기준은 재무제표 작성시 중요한 회계추정의 사용을 허용하고 있으며, 회계정책을 적용함에 있어 경영진의 판단을 요구하고 있습니다. 보다 복잡하고 높은 수준의 판단이 필요한 부분이나 중요한 가정 및 추정이 필요한 부분은 주석 3에서 설명하고 있습니다.

(2) 회계정책과 공시의 변경

1) 연결회사가 채택한 제ㆍ개정 기준서 및 해석서

연결회사는 2025년 1월 1일로 개시하는 회계기간부터 다음의 주요 제ㆍ개정 기준서를 신규로 적용하였습니다.

- 기업회계기준서 제1021호 '환율변동효과', 제1101호 '한국채택국제회계기준의 최초채택' 개정 - 교환가능성 결여

동 개정사항은 기업이 한 통화가 다른 통화로 교환 가능한지 여부를 평가하고, 통화가 교환 가능하지 않은 경우 사용할 현물환율을 결정할 때 일관된 접근 방식을 적용하고 관련 정보를 공시하도록 요구합니다. 동 개정사항이 재무제표에 미치는 중요한 영향은 없습니다.

- 기업회계기준서 제1117호 ‘보험계약’ 개정

동 개정사항은 기업이 보험계약을 측정하기 위해 사용한 투입변수의 추정기법이 보험 관련 법규에서 요구하는 원칙적인 추정기법과 다른 경우, 그 차이내역과 재무제표에 미치는 영향이 재무제표이용자들에게 목적적합하고 중요하다고 판단된다면 이를 공시하도록 요구합니다. 동 개정사항이 재무제표에 미치는 중요한 영향은 없습니다.

2) 연결회사가 적용하지 않은 제ㆍ개정 기준서 및 해석서

제정 또는 공표됐으나 2025년 1월 1일 이후 시작하는 회계연도에 시행일이 도래하지않았고, 회사가 조기 적용하지 않은 주요 제ㆍ개정 기준서는 다음과 같습니다.

- 기업회계기준서 제1109호 '금융상품', 제1107호 '금융상품: 공시' 개정

동 개정사항은 금융상품 분류와 측정 요구사항을 명확히 하였으며, 금융상품 추가 공시사항을 규정하고 있습니다. 주요 개정내용은 다음과 같습니다.

· 전자지급시스템을 통한 금융부채 결제 시 특정 조건을 충족하는 경우, 결제일 전에 전자지급시스템을 통해 금융부채가 결제된 것으로 간주하여 부채를 제거할 수 있도록 허용

· 금융상품의 계약상 현금흐름 특성을 평가할 때, 원리금 지급만으로 구성되어 있는 현금흐름 관련 규정 명확화

· 기타포괄손익-공정가치 측정 지분상품의 투자 종류별 공정가치 변동 및 실현손익 정보에 대한 추가 공시

· 계약상 현금흐름의 시기나 금액을 변경시키는 계약조건이 기업에 미치는 영향과 기업이 노출되는 정도를 금융상품의 각 종류별로 공시

동 개정사항은 2026년 1월 1일 이후 최초로 시작하는 회계연도부터 적용되며, 조기적용이 허용됩니다. 연결회사는 동 개정사항이 재무제표에 미치는 중요한 영향은 없을 것으로 예상하고 있습니다.

- 한국채택국제회계기준 연차개선 Volume 11

한국채택국제회계기준 연차개선 Volume 11은 2026년 1월 1일 이후 시작하는 회계연도부터 적용되며, 조기적용이 허용됩니다. 연결회사는 동 개정사항이 재무제표에 미치는 중요한 영향은 없을 것으로 예상하고 있습니다.

· 기업회계기준서 제1101호 '한국채택국제회계기준의 최초채택' : K-IFRS 최초 채택시 위험회피회계 적용

· 기업회계기준서 제1107호 '금융상품: 공시' : 제거 손익, 실무적용지침

· 기업회계기준서 제1109호 '금융상품' : 리스부채의 제거 회계처리와 거래가격의 정의

· 기업회계기준서 제1110호 '연결재무제표' : 사실상의 대리인 결정

· 기업회계기준서 제1007호 '현금흐름표' : 원가법

- 기업회계기준서 제1109호 '금융상품', 제1107호 '금융상품: 공시' 개정 -자연에 의존하는 전력과 관련된 계약

동 개정사항은 전력 생산의 원천이 통제할 수 없는 자연 조건(예: 날씨)에 의존하기 때문에 기업이 기초 전력량의 변동성에 노출되는 계약으로 자연에 의존하는 전력과 관련된 계약을 정의하고, 자연에 의존하는 전력을 매입하거나 매도하는 계약이 ‘자가 사용’ 예외 요구사항의 평가 대상임을 명확히 하였습니다. 또한, 기업이 일부 자연에 의존하는 전력과 관련된 계약을 예상 전력거래의 위험회피에서 위험회피수단으로 지정하는 경우, 예상 전력거래의 변동 가능 명목수량을 위험회피대상항목으로 지정할 수 있음을 명확히 하고, 관련 공시를 추가하였습니다. 동 개정사항은 2026년 1월 1일 이후 최초로 시작하는 회계연도부터 적용되며, 조기적용이 허용됩니다. 연결회사는 동 개정사항이 재무제표에 미치는 중요한 영향은 없을 것으로 예상하고 있습니다.

- 기업회계기준서 제1118호 '재무제표 표시와 공시' 제정

기업회계기준서 제1118호 '재무제표 표시와 공시'는 기업회계기준서 제1001호 '재무제표 표시'를 대체하며, 기업 간 재무성과의 비교가능성을 향상시키고 목적적합한 정보를 제공하기 위한 새로운 요구사항을 포함합니다. 동 기준서는 손익계산서에 포함된 수익과 비용을 영업, 투자, 재무, 법인세 및 중단영업의 다섯 가지 범주 중 하나로 분류하고, 손익계산서에 특정 총합계와 중간합계를 표시하도록 요구합니다. 또한 '경영진이 정의한 성과측정치'의 공시를 요구하고, 주요 재무제표와 주석의 역할에 따라 재무정보를 통합하거나 세분화하는 요구사항을 포함합니다.

동 기준서는 2027년 1월 1일 이후 최초로 시작하는 회계연도부터 적용되며, 조기적용이 허용됩니다. 동 기준서는 소급 적용이 요구되므로, 2026년 12월 31일로 종료되는 회계연도의 비교정보는 동 기준서를 적용하여 재작성됩니다. 연결회사는 동 기준서의 제정이 재무제표에 미치는 영향을 검토 중에 있습니다.

(3) 연결

연결회사는 기업회계기준서 제1110호 '연결재무제표'에 따라 연결재무제표를 작성하고 있습니다.

1) 종속기업

종속기업은 지배기업이 지배하고 있는 모든 기업입니다. 회사가 투자한 기업에 관여해서 변동이익에 노출되거나 변동이익에 대한 권리가 있고, 투자한 기업에 대해 자신의 힘으로 그러한 이익에 영향을 미칠 능력이 있는 경우, 해당 기업을 지배한다고 판단합니다. 종속기업은 회사가 지배하게 되는 시점부터 연결재무제표에 포함되며, 지배력을 상실하는 시점부터 연결재무제표에서 제외됩니다.

연결회사의 사업결합은 취득법으로 회계처리 됩니다. 이전대가는 취득일의 공정가치로 측정하고, 사업결합으로 취득한 식별가능한 자산ㆍ부채 및 우발부채는 취득일의 공정가치로 최초 측정하고 있습니다. 연결회사는 청산 시 순자산의 비례적 몫을 제공하는 비지배지분을 사업결합 건별로 판단하여 피취득자의 순자산 중 비례적 지분 또는 공정가치로 측정합니다. 그밖의 비지배지분은 다른 기준서의 요구사항이 없다면 공정가치로 측정합니다. 취득관련 원가는 발생 시 당기비용으로 인식됩니다.

영업권은 이전대가, 피취득자에 대한 비지배지분의 금액과 취득자가 이전에 보유하고 있던 피취득자에 대한 지분의 취득일의 공정가치 합계액이 취득한 식별가능한 순자산을 초과하는 금액으로 인식됩니다. 이전대가 등이 취득한 종속기업 순자산의 공정가액보다 작다면, 그 차액은 당기손익으로 인식됩니다.  

연결회사 내의 기업간에 발생하는 거래로 인한 채권, 채무의 잔액, 수익과 비용 및 미실현이익 등은 제거됩니다. 또한 종속기업의 회계정책은 연결회사에서 채택한 회계정책을 일관성 있게 적용하기 위해 차이가 나는 경우 수정됩니다.

지배력의 상실을 발생시키지 않는 비지배지분과의 거래는 비지배지분의 조정금액과 지급 또는 수취한 대가의 공정가치의 차이를 지배기업의 소유주에게 귀속되는 자본으로 직접 인식합니다.

연결회사가 종속기업에 대해 지배력을 상실하는 경우, 보유하고 있는 해당 기업의 잔여 지분은 동 시점에 공정가치로 재측정되며, 관련 차액은 당기손익으로 인식됩니다.

2) 관계기업

관계기업은 연결회사가 유의적 영향력을 보유하는 기업이며, 관계기업 투자지분은 최초에 취득원가로 인식하며 지분법을 적용합니다. 연결회사와 관계기업간의 거래에서 발생한 미실현이익은 연결회사의 관계기업에 대한 지분에 해당하는 부분만큼 제거 됩니다. 또한 관계기업투자에 대한 객관적인 손상의 징후가 있는 경우 연결회사의관계기업투자 회수가능액과 장부금액과의 차이는 손상차손으로 인식됩니다.

3) 공동약정

둘 이상의 당사자들이 공동지배력을 보유하는 공동약정은 공동영업 또는 공동기업으로 분류됩니다. 공동영업자는 공동영업의 자산과 부채에 대한 권리와 의무를 보유하며, 공동영업의 자산과 부채, 수익과 비용 중 자신의 몫을 인식합니다. 공동기업참여자는 공동기업의 순자산에 대한 권리를 가지며, 지분법을 적용합니다.

(4) 외화환산

1) 기능통화와 표시통화

연결회사는 재무제표에 포함되는 항목들을 영업활동이 이뤄지는 주된 경제 환경에서의 통화("기능통화")를 적용하여 측정하고 있습니다. 지배회사의 기능통화는 대한민국 원화이며, 연결재무제표는 대한민국 원화로 표시되어 있습니다.

2) 외화거래와 보고기간말의 환산

외화거래는 거래일의 환율 또는 재측정되는 항목인 경우 평가일의 환율을 적용한 기능통화로 인식됩니다.  외화거래의 결제나 화폐성 외화 자산ㆍ부채의 환산에서 발생하는 외환차이는 당기손익으로 인식됩니다. 다만, 조건을 충족하는 현금흐름위험회피나 순투자의 위험회피의 효과적인 부분과 관련되거나 보고기업의 해외사업장에 대한 순투자의 일부인 화폐성항목에서 생기는 손익은 기타포괄손익으로 인식합니다.

비화폐성 금융자산ㆍ부채로부터 발생하는 외환차이는 공정가치 변동손익의 일부로 보아 당기손익-공정가치 측정 지분상품으로부터 발생하는 외환차이는 당기손익으로, 기타포괄손익-공정가치 측정 지분상품의 외환차이는 기타포괄손익에 포함하여 인식됩니다.

(5) 금융자산

1) 분류

연결회사는 다음의 측정 범주로 금융자산을 분류합니다.

- 당기손익-공정가치 측정 금융자산

- 기타포괄손익-공정가치 측정 금융자산

- 상각후원가 측정 금융자산

금융자산은 금융자산의 관리를 위한 사업모형과 금융자산의 계약상 현금흐름 특성에근거하여 분류합니다.

공정가치로 측정하는 금융자산의 손익은 당기손익 또는 기타포괄손익으로 인식합니다. 채무상품에 대한 투자는 해당 자산을 보유하는 사업모형에 따라 그 평가손익을 당기손익 또는 기타포괄손익으로 인식합니다. 연결회사는 금융자산을 관리하는 사업모형을 변경하는 경우에만 채무상품을 재분류합니다.

단기매매항목이 아닌 지분상품에 대한 투자는 최초 인식시점에 후속적인 공정가치 변동을 기타포괄손익으로 표시할 것을 지정하는 취소불가능한 선택을 할 수 있습니다. 지정되지 않은 지분상품에 대한 투자의 공정가치 변동은 당기손익으로 인식합니다.

2) 측정

연결회사는 최초 인식시점에 금융자산을 공정가치로 측정하며, 당기손익-공정가치 측정 금융자산이 아닌 경우에 해당 금융자산의 취득과 직접 관련되는 거래원가는 공정가치에 가산합니다. 당기손익-공정가치 측정 금융자산의 거래원가는 당기손익으로 비용처리합니다.

내재파생상품을 포함하는 복합계약은 계약상 현금흐름이 원금과 이자로만 구성되어 있는지를 결정할 때 해당 복합계약 전체를 고려합니다.

① 채무상품

금융자산의 후속적인 측정은 금융자산의 계약상 현금흐름 특성과 그 금융자산을 관리하는 사업모형에 근거합니다. 연결회사는 채무상품을 다음의 세 범주로 분류합니다.

(가) 상각후원가

계약상 현금흐름을 수취하기 위해 보유하는 것이 목적인 사업모형 하에서 금융자산을 보유하고, 계약상 현금흐름이 원리금만으로 구성되어 있는 자산은 상각후원가로 측정합니다. 상각후원가로 측정하는 금융자산으로서 위험회피관계의 적용 대상이 아닌 금융자산의 손익은 해당 금융자산을 제거하거나 손상할 때 당기손익으로 인식합니다. 유효이자율법에 따라 인식하는 금융자산의 이자수익은 '금융수익'에 포함됩니다.

(나) 기타포괄손익-공정가치 측정 금융자산

계약상 현금흐름의 수취와 금융자산의 매도 둘 다를 통해 목적을 이루는 사업모형 하에서 금융자산을 보유하고, 계약상 현금흐름이 원리금만으로 구성되어 있는 금융자산은 기타포괄손익-공정가치로 측정합니다. 손상차손(환입)과 이자수익 및 외환손익을 제외하고는, 공정가치로 측정하는 금융자산의 평가손익은 기타포괄손익으로 인식합니다. 금융자산을 제거할 때에는 인식한 기타포괄손익누계액을 자본에서 당기손익으로 재분류합니다. 유효이자율법에 따라 인식하는 금융자산의 이자수익은  '금융수익'에 포함됩니다.

(다) 당기손익-공정가치 측정 금융자산

상각후원가 측정이나 기타포괄손익-공정가치 측정 금융자산이 아닌 채무상품은 당기손익-공정가치로 측정됩니다. 위험회피관계가 적용되지 않는 당기손익-공정가치 측정 채무상품의 손익은 당기손익으로 인식하고 발생한 기간에 손익계산서에 '금융수익 또는 금융비용'으로 표시합니다.

② 지분상품

연결회사는 모든 지분상품에 대한 투자를 후속적으로 공정가치로 측정합니다. 공정가치 변동을 기타포괄손익으로 표시할 것을 선택한 장기적 투자목적 또는 전략적 투자목적의 지분상품에 대해 기타포괄손익으로 인식한 금액은 해당 지분상품을 제거할 때에도 당기손익으로 재분류하지 않습니다. 이러한 지분상품에 대한 배당수익은 연결회사가 배당을 받을 권리가 확정된 때 '금융수익'으로 당기손익으로 인식합니다.

당기손익-공정가치로 측정하는 금융자산의 공정가치 변동은 손익계산서에 '금융수익 또는 금융비용'으로 표시합니다.  기타포괄손익-공정가치로 측정하는 지분상품에대한 손상차손(환입)은 별도로 구분하여 인식하지 않습니다.

3) 손상

연결회사는 미래전망정보에 근거하여 상각후원가로 측정하거나 기타포괄손익-공정가치로 측정하는 채무상품에 대한 기대신용손실을 평가합니다. 손상 방식은 신용위험의 유의적인 증가 여부에 따라 결정됩니다. 단, 매출채권에 대해 연결회사는 채권의 최초인식시점부터 전체기간 기대신용손실을 인식하는 간편법을 적용합니다.

4) 인식과 제거

금융자산의 정형화된 매입 또는 매도는 매매일에 인식하거나 제거합니다. 금융자산은 현금흐름에 대한 계약상 권리가 소멸하거나 금융자산을 양도하고 소유에 따른 위험과 보상의 대부분을 이전한 경우에 제거됩니다.

연결회사가 금융자산을 양도한 경우라도 채무자의 채무불이행시의 소구권 등으로 양도한 금융자산의 소유에 따른 위험과 보상의 대부분을 연결회사가 보유하는 경우에는 이를 제거하지 않고 그 양도자산 전체를 계속하여 인식하되, 수취한 대가를 금융부채로 인식합니다. 해당 금융부채는 재무상태표에 "차입금"으로 분류하고 있습니다.

5) 금융상품의 상계

금융자산과 부채는 인식한 자산과 부채에 대해 법적으로 집행가능한 상계권리를 현재 보유하고 있고, 순액으로 결제하거나 자산을 실현하는 동시에 부채를 결제할 의도를 가지고 있을 때 상계하여 재무상태표에 순액으로 표시합니다. 법적으로 집행가능한 상계권리는 미래사건에 좌우되지 않으며, 정상적인 사업과정의 경우와 채무불이행의 경우 및 지급불능이나 파산의 경우에도 집행가능한 것을 의미합니다.

(6) 매출채권

매출채권은 최초에 공정가치로 인식되고 후속적으로 유효이자율법을 적용한 상각후원가에 손실충당금을 차감하여 측정됩니다.

(7) 유형자산

유형자산은 원가에서 감가상각누계액과 손상차손누계액을 차감하여 표시됩니다. 역사적 원가는 자산의 취득에 직접적으로 관련된 지출을 포함합니다.

유형자산은 다음의 추정 경제적 내용연수에 걸쳐 정액법으로 상각됩니다.

유형자산의 감가상각방법과 잔존가치 및 경제적 내용연수는 매 회계연도 말에 재검토되고 필요한 경우 추정의 변경으로 조정됩니다.

(8) 정부보조금

정부보조금은 보조금의 수취와 정부보조금에 부가된 조건의 준수에 대한 합리적인 확신이 있을 때 공정가치로 인식됩니다. 자산관련 보조금은 자산의 장부금액을 계산할 때 차감하여 표시되며, 수익관련 보조금은 이연하여 정부보조금의 교부 목적과 관련된 비용에서 차감하여 표시됩니다.

(9) 무형자산

무형자산은 역사적 원가로 최초 인식되고, 원가에서 상각누계액과 손상차손누계액을차감한 금액으로 표시됩니다.

내부적으로 창출한 무형자산인 개발비는 기술적 실현가능성, 미래경제적효익 등을 포함한 자산 인식요건이 충족된 시점 이후에 발생한 지출금액의 합계입니다. 회원권은 이용 가능 기간에 대하여 예측가능한 제한이 없으므로 내용연수가 한정되지 않아 상각되지 않습니다. 한정된 내용연수를 가지는 다음의 무형자산은 추정내용연수동안정액법으로 상각됩니다.

(10) 비금융자산의 손상

상각대상 자산에 대하여는 자산손상을 시사하는 징후가 있을 때 손상검사를 수행하고 있습니다. 손상차손은 회수가능액(사용가치 또는 처분부대원가를 차감한 공정가치 중 높은 금액)을 초과하는 장부금액만큼 인식되고 영업권 이외의 비금융자산에 대한 손상차손은 매 보고기간말에 환입가능성이 검토됩니다.

(11) 매입채무와 기타 채무

매입채무와 기타 채무는 연결회사가 보고기간말 전에 재화나 용역을 제공받았으나 지급되지 않은 부채입니다. 해당 채무는 무담보이며, 보통 인식 후 30일 이내에 지급됩니다. 매입채무와 기타 채무는 지급기일이 보고기간 후 12개월 후가 아니라면 유동부채로 표시되었습니다. 해당 채무들은 최초에 공정가치로 인식되고 후속적으로 유효이자율법을 적용한 상각후원가로 측정됩니다.

(12) 금융부채

1) 분류 및 측정

연결회사의 당기손익-공정가치 측정 금융부채는 단기매매목적의 금융상품입니다. 주로 단기간 내에 재매입할 목적으로 부담하는 금융부채는 단기매매금융부채로 분류됩니다. 또한, 위험회피회계의 수단으로 지정되지 않은 파생상품이나 금융상품으로부터 분리된 내재파생상품도 단기매매금융부채로 분류됩니다.

당기손익-공정가치 측정 금융부채, 금융보증계약, 금융자산의 양도가 제거조건을 충족하지 못하는 경우에 발생하는 금융부채를 제외한 모든 비파생금융부채는 상각후원가로 측정하는 금융부채로 분류되고 있으며, 재무상태표 상 "매입채무", "미지급금",
"차입금" 및 "미지급비용" 등으로 표시됩니다.

특정일에 의무적으로 상환해야 하는 우선주는 부채로 분류됩니다. 이러한 우선주에 대한 유효이자율법에 따른 이자비용은 다른 금융부채에서 인식한 이자비용과 함께 손익계산서 상 "금융원가"로 인식됩니다.

2)  제거

금융부채는 계약상 의무가 이행, 취소 또는 만료되어 소멸되거나 기존 금융부채의 조건이 실질적으로 변경된 경우에 재무상태표에서 제거됩니다. 소멸하거나 제3자에게 양도한 금융부채의 장부금액과 지급한 대가(양도한 비현금자산이나 부담한 부채를 포함)의 차액은 당기손익으로 인식합니다.

(13) 충당부채

과거사건의 결과로 현재의 법적의무나 의제의무가 존재하고, 그 의무를 이행하기 위한 자원의 유출가능성이 높으며, 당해 금액의 신뢰성 있는 추정이 가능한 경우 충당부채를 인식하고 있습니다. 충당부채는 의무를 이행하기 위하여 예상되는 지출액의 현재가치로 측정되며, 시간경과로 인한 충당부채의 증가는 이자비용으로 인식됩니 다.

(14) 당기법인세 및 이연법인세

법인세비용은 당기법인세와 이연법인세로 구성됩니다. 법인세는 기타포괄손익이나 자본에 직접 인식된 항목과 관련된 금액은 해당 항목에서 직접 인식하며, 이를 제외하고는 당기손익으로 인식됩니다.

법인세비용은 보고기간말 현재 제정됐거나 실질적으로 제정된 세법을 기준으로 측정됩니다. 경영진은 적용 가능한 세법 규정이 해석에 따라 달라질 수 있는 상황에 대하여 연결회사가 세무신고시 적용한 세무정책에 대하여 주기적으로 평가하고 있습니
다. 연결회사는 세무당국에 납부할 것으로 예상되는 금액에 기초하여 당기법인세비용을 인식합니다.

이연법인세는 자산과 부채의 장부금액과 세무기준액의 차이로 발생하는 일시적 차이에 대하여 장부금액을 회수하거나 결제할 때의 예상 법인세효과로 인식됩니다. 다만,사업결합 이외의 거래에서 자산·부채를 최초로 인식할 때 발생하는 이연법인세자산과 부채는 그 거래가 회계이익이나 과세소득에 영향을 미치지 않는다면 인식되지 않습니다.

이연법인세자산은 차감할 일시적 차이가 사용될 수 있는 미래 과세소득의 발생가능성이 높은 경우에 인식됩니다.

종속기업 투자지분과 관련된 가산할 일시적 차이에 대해 소멸시점을 통제할 수 있는 경우, 그리고 예측가능한 미래에 일시적 차이가 소멸하지 않을 가능성이 높은 경우를제외하고 이연법인세부채를 인식하고 있습니다. 또한 이러한 자산으로부터 발생하는차감할 일시적 차이에 대하여 일시적 차이가 예측가능한 미래에 소멸할 가능성이 높고 일시적 차이가 사용될 수 있는 과세소득이 발생할 가능성이 높은 경우에만 이연법인세자산을 인식하고 있습니다.

이연법인세자산과 부채는 법적으로 당기법인세자산과 당기법인세부채를 상계할 수 있는 권리를 회사가 보유하고 있으며, 동시에 이연법인세자산과 부채가 동일한 과세당국에 의해서 부과되는 법인세와 관련이 있으면서 순액으로 결제할 의도가 있는 경우에 상계됩니다.  

(15) 종업원급여

1) 퇴직급여

연결회사의 퇴직연금제도는 확정급여제도입니다. 일반적으로 확정급여제도는 연령, 근속연수나 급여수준 등의 요소에 의하여 종업원이 퇴직할 때 지급받을 퇴직연금급여의 금액이 확정됩니다. 확정급여제도와 관련하여 재무상태표에 계상된 부채는 보고기간말 현재 확정급여채무의 현재가치에서 사외적립자산의 공정가치를 차감한 금액입니다. 확정급여채무는 매년 독립된 보험계리인에 의해 예측단위적립방식에 따라산정되며, 확정급여채무의 현재가치는 그 지급시점과 만기가 유사한 우량회사채의 이자율로 기대미래현금유출액을 할인하여 산정됩니다. 한편, 순확정급여부채와 관련한 재측정요소는 기타포괄손익으로 인식됩니다.

제도개정, 축소 또는 정산이 발생하는 경우, 과거근무원가 또는 정산으로 인한 손익은 당기손익으로 인식됩니다.

2) 주식기준보상

종업원에게 부여한 주식결제형 주식기준보상은 부여일에 지분상품의 공정가치로 측정되며, 가득기간에 걸쳐 종업원 주식보상비용으로 인식됩니다. 가득될 것으로 예상되는 지분상품의 수량은 매 보고기간말에 비시장성과조건을 고려하여 재측정되며, 당초 추정치로부터의 변동액은 당기손익과 자본으로 인식됩니다.

주식선택권의 행사시점에 신주를 발행할 때 직접적으로 관련되는 거래비용을 제외한순유입액은 자본금(명목가액)과 주식발행초과금으로 인식됩니다.

3) 장기종업원급여

연결회사는 장기 근속 임직원에게 장기종업원급여를 제공하고 있습니다. 이 급여를 받을 수 있는 권리는 각 조건별로 장기간 근무한 임직원에게만 주어집니다. 기타장기종업원급여는 확정급여제도와 동일한 방법으로 측정되며, 근무원가, 기타장기종업원급여부채의 순이자 및 재측정요소는 당기손익으로 인식됩니다. 또한, 이러한 부채는 매년 독립적이고 적격한 보험계리사에 의해 평가하여 인식됩니다.

(16) 수익인식

연결회사는 기업회계기준서 제1115호'고객과의 계약에서 생기는 수익'을 적용하였습니다. 이 기준서는 연결회사가 고객과의 계약에 5단계법을 적용함에 있어 관련된 모든 사실과 정황을 고려하여 판단할 것을 요구합니다. 또한 이 기준서는 계약을 체결하기 위해 발생한 원가와 계약을 이행할 때 드는 원가에 대한 회계처리를 구체적으로 명시하였습니다.

1) IT 시스템 구축 용역

연결회사는 고객에게 컨설팅, 시스템 구축, 운영, 유지, 보수 등 IT서비스 전반에 걸친 토탈 솔루션을 제공하는 사업을 영위하고 있습니다. 고객과의 IT 시스템 구축 용역 계약에서 ① 소프트웨어 판매, ② 하드웨어 판매 및 ③ 개발용역을 구별되는 수행의무로 식별합니다. 이 중 소프트웨어 및 하드웨어의 판매는 고객에게 해당 재화의 통제가 이전되는 한 시점에 수익을 인식하며, 개발용역의 제공은 고객에게 해당 용역의 통제가 기간에 걸쳐 이전되는 것으로 보고 진행율에 따라 수익을 인식합니다.

2) Big Data 수집 및 유상유지보수 용역

연결회사는 고객에게 Big Data를 수집하여 제공하는 사업 및 기설치된 IT시스템을 유상으로 유지보수하는 용역 사업을 영위하고 있으며 고객은 연결회사가 용역을 수행하는 대로 제공되는 효익을 동시에 얻고 소비하므로 진행율에 따라 수익을 인식합니다.

(17) 리스

연결회사는 사무실, 자동차를 리스하고 있습니다. 리스계약은 일반적으로 2~3년의 고정기간으로 체결되지만 연장선택권이 있을 수 있습니다.

계약에는 리스요소와 비리스요소가 모두 포함될 수 있습니다. 연결회사가 리스이용자인 부동산 리스의 경우 리스요소와 비리스요소를 분리하지 않고 하나의 리스요소로 회계처리하는 실무적 간편법을 적용하였습니다.

리스조건은 개별적으로 협상되며 다양한 계약조건을 포함합니다.

연결회사는 리스된 자산을 사용할 수 있는 리스개시일에 사용권자산과 이에 대응하는 부채를 인식합니다.

연결회사는 계약이 집행가능한 기간 내에서 해지불능기간에 리스이용자가 연장선택권을 행사할 것이 상당히 확실한 경우의 그 대상기간과 종료선택권을 행사하지 않을 것이 상당히 확실한 경우의 그 대상기간을 포함하여 리스기간을 산정합니다. 연결회사는 리스이용자와 리스제공자가 각각 다른 당사자의 동의 없이 종료할 수 있는 권리가 있는 경우 계약을 종료할 때 부담할 경제적 불이익을 고려하여 집행가능한 기간을 산정합니다

리스에서 생기는 자산과 부채는 최초에 현재가치기준으로 측정합니다. 리스부채는 다음 리스료의 순현재가치를 포함합니다.

또한 리스부채의 측정에는 상당히 확실한(reasonably certain) 연장선택권에 따라 지급될 리스료를 포함합니다.

리스의 내재이자율을 쉽게 산정할 수 있는 경우 그 이자율로 리스료를 할인합니다. 내재이자율을 쉽게 산정할 수 없는 경우에는 리스이용자가 비슷한 경제적 환경에서 비슷한 기간에 걸쳐 비슷한 담보로 사용권자산과 가치가 비슷한 자산을 획득하는 데 필요한 자금을 차입한다면 지급해야 할 이자율인 리스이용자의 증분차입이자율을 사용합니다.

연결회사는 증분차입이자율을 다음과 같이 산정합니다.

각 리스료는 리스부채의 상환과 금융원가로 배분합니다. 금융원가는 각 기간의 리스부채 잔액에 대하여 일정한 기간 이자율이 산출되도록 계산된 금액을 리스기간에 걸쳐 당기손익으로 인식합니다.

사용권자산은 다음 항목들로 구성된 원가로 측정합니다.

사용권자산은 리스개시일부터 사용권자산의 내용연수 종료일과 리스기간 종료일 중 이른 날까지의 기간동안 감가상각합니다. 연결회사가 매수선택권을 행사할 것이 상당히 확실한(reasonably certain) 경우 사용권자산은 기초자산의 내용연수에 걸쳐 감가상각합니다.

장비 및 차량운반구의 단기리스와 모든 소액자산 리스와 관련된 리스료는 정액 기준에 따라 당기손익으로 인식합니다. 단기리스는 리스기간이 12개월 이하인 리스이며,소액리스자산은 IT기기와 소액의 사무실 가구로 구성되어 있습니다.

(18) 재무제표 승인

연결회사의 재무제표는 2025년 2월 12일자로 이사회에서 승인되었으며, 2025년 3월 27일 정기주주총회에서 수정 승인 될 수 있습니다.

3. 중요한 회계추정 및 가정

재무제표 작성에는 미래에 대한 가정 및 추정이 요구되며 경영진은 연결회사의 회계정책을 적용하기 위해 판단이 요구됩니다. 추정 및 가정은 지속적으로 평가되며, 과거 경험과 현재의 상황에 비추어 합리적으로 예측가능한 미래의 사건을 고려하여 이루어집니다. 회계추정의 결과가 실제 결과와 동일한 경우는 드물 것이므로 중요한 조정을유발할 수 있는 유의적인 위험을 내포하고 있습니다.

다음 회계연도에 자산 및 부채 장부금액의 조정에 영향을 미칠 수 있는 경영진 판단과 유의적 위험에 대한 추정 및 가정은 다음과 같습니다. 일부 항목에 대한 유의적인 판단 및 추정에 대한 추가적인 정보는 개별 주석에 포함되어 있습니다.

(1) 법인세

연결회사는 보고기간말 현재까지의 영업활동의 결과로 미래에 부담할 것으로 예상되는 법인세효과를 최선의 추정과정을 거쳐 당기법인세 및 이연법인세로 인식하였습니다.하지만 실제 미래 최종 법인세부담은 인식한 관련 자산ㆍ부채와 일치하지 않을 수 있으며, 이러한 차이는 최종 세효과가 확정된 시점의 당기법인세 및 이연법인세 자산ㆍ부채에 영향을 줄 수 있습니다.

(2) 금융상품의 공정가치

활성시장에서 거래되지 않는 금융상품의 공정가치는 원칙적으로 평가기법을 사용하여 결정됩니다. 연결회사는 보고기간말 현재 중요한 시장상황에 기초하여 다양한 평가기법의 선택 및 가정에 대한 판단을 하고 있습니다.

(3) 순확정급여부채

순확정급여부채의 현재가치는 보험수리적방식에 의해 결정되는 다양한 요소들 특히 할인율의 변동에 영향을 받습니다.

4. 재무위험관리

연결회사는 여러 활동으로 인하여 시장위험(외환위험, 가격위험, 이자율위험), 신용위험 및 유동성 위험과 같은 다양한 금융 위험에 노출되어 있습니다. 연결회사는 이러한 위험요소들을 관리하기 위하여 각각의 위험요인에 대해 면밀하게 모니터링하고 대응하는위험관리 정책 및 프로그램을 운용하고 있습니다.

위험관리는 이사회에서 승인한 정책에 따라 재무부서의 주관으로 이루어지고 있습니다. 재무부서는 영업부서들과의 긴밀한 협조 하에 재무위험을 식별하고 평가하고 관리합니다. 이사회는 전반적인 위험관리에 대한 원칙과 외환위험, 이자율 위험, 신용 위험 및 유동성을 초과하는 투자와 같은 특정 분야에 관한 정책을 문서화하여 제공하고 있습니다.

(1) 시장위험

1) 외환위험

연결회사는 일부 외화 자산ㆍ부채를 보유하고 있으나, 대부분의 거래는 국내거래로 환율변동위험에 대한 노출은 제한적입니다. 연결회사는 투기적 목적의 외환관리는 수행하지 않고 있습니다.

2) 가격위험

연결회사는 재무상태표상 당기손익-공정가치 측정 금융자산으로 분류되는 연결회사보유 채무증권 및 지분증권의 가격위험에 노출돼 있습니다.  중요한 채무증권 및 지분증권의 투자는 개별적으로 관리되며 중요한 취득 및 매각 의사 결정에는 이사회의 승인이 필요합니다.

당기손익-공정가치 측정 금융자산의 손익은 당기손익에 영향을 미치며, 연결회사의 투자금융상품이 당기손익에 미치는 영향은 주석 6 및 주석 8에서 설명하고 있습니다.

3) 이자율 위험

연결회사의 이자율 위험은 미래 시장이자율 변동에 따라 예금 또는 차입금 등에서 발생하는 이자수익 및 이자비용이 변동될 위험으로서 이는 주로 변동금리부 조건의 예금과 차입금에서 발생합니다. 연결회사의 이자율 위험관리의 목표는 이자율 변동으로 인한 불확실성과 금융원가의 최소화입니다.

이를 위해 연결회사는 내부 유보자금을 활용한 외부차입의 최소화, 고금리 조건 및 단기 차입금 비중 축소, 공정금리 차입금과 변동금리 차입금 간의 적정비율 유지, 정기적인 국내외 금리동향 모니터링 실시 및 대응방안 수립 등을 통해 선제적으로 이자율 위험을 관리하고 있습니다.

한편, 당기말 현재 연결회사가 보유하고 있는 금융자산의 이자율변동이 공정가치 또는 미래현금흐름에 미치는 영향은 중요하지 아니합니다.

(2) 신용 위험

신용위험은 기업 및 개인 고객에 대한 신용거래 및 채권 뿐 아니라 현금성자산, 채무상품의 계약 현금흐름 및 예치금 등에서도 발생합니다.

연결회사는 신용등급이 높은 은행 및 금융기관과만 거래합니다.

기업 고객의 경우 외부 신용등급을 확인할 수 있는 경우 동 정보를 사용하고 그 외의 경우에는 내부적으로 고객의 재무상태와 과거 경험 등을 근거로 신용등급을 평가하여 신용이 우량한 고객에 한하여 신용매출을 제공하고 있습니다.

연결회사의 신용위험은 개별 고객, 산업, 지역 등에 대한 유의적인 집중은 없습니다.

일부 매출채권에 대해서는 거래상대방이 계약을 불이행하는 경우 이행을 요구할 수 있는 보증 또는 신용장 등의 신용보강을 제공받고 있습니다.

연결회사는 기대신용손실 모형이 적용되는 다음의 금융자산을 보유하고 있습니다.

ㆍ재화 및 용역의 제공에 따른 매출채권

ㆍ용역 제공에 따른 계약자산

ㆍ상각후원가로 측정하는 기타 금융자산

현금성자산도 손상 규정의 적용대상에 포함되나 식별된 기대신용손실은 유의적이지 않습니다.

1) 매출채권과 계약자산

연결회사는 매출채권과 계약자산에 대해 전체기간 기대신용손실금액을 대손충당금으로 인식하는 간편법을 적용합니다.

기대신용손실을 측정하기 위해 매출채권과 계약자산은 신용위험 특성과 연체일을 기준으로 구분하였습니다. 미청구용역에 따른 계약자산은 동일 유형의 계약에서 발생한 매출채권과 유사한 위험속성을 가지므로 연결회사는 매출채권의 손실율이 계약자산의 손실율에 대한 합리적인 추정치로 판단하였습니다.

기대신용손실율은 보고기간 말 기준으로부터 각 36개월 동안의 매출과 관련된 지불 정보와 관련 확인된 신용손실 정보를 근거로 산출하였습니다. 과거 손실 정보는 고객의 채무 이행능력에 영향을 미칠 거시경제적 현재 및 미래전망정보를 반영하여 조정합니다.

① 보고기간말의 매출채권 및 계약자산에 대한 연령분석 및 손실충당금은 다음과 같습니다.

(가) 당기말

(나) 전기말

② 당기와 전기 중 매출채권과 계약자산의 손실충당금 변동내역은 다음과 같습니다.

2) 상각후원가 측정 기타금융자산

상각후원가로 측정하는 기타금융자산에는 미수금, 단기대여금, 장기대여금, 보증금 등이 포함됩니다. 연결회사는 상각후원가로 측정하는 기타금융자산은 모두 신용위험이 낮은 것으로 판단하였습니다.
따라서 손실충당금은 12개월 기대신용손실로 인식하였습니다.

3) 당기손익-공정가치 측정 금융자산

연결회사는 당기손익-공정가치 측정 금융자산에 대한 신용위험에도 노출되어 있습니다. 보고기간말 현재 연결회사의 관련 최대노출금액은 해당 장부금액입니다 (당기말 :  19,003,538,904원, 전기말 : 13,320,379,346원).

(3) 유동성 위험

연결회사는 정기적인 자금수지계획의 수립을 토대로 영업활동, 투자활동, 재무활동에서의 자금수지를 미리 예측해 금융부채와 금융자산의 만기구조를 대응시키고 있으며, 이를 통해 필요 유동성 규모를 사전에 확보하고 유지하여 향후에 발생할 수 있는 유동성리스크를 사전에 관리하고 있습니다.

1) 보고기간말 현재 파생금융상품이 아닌 주요 금융부채의 명목가액에 대한 연도별 상환계획은 다음과 같습니다.

① 당기말

(주1) 인건비 관련 잔액이 제외된 금액입니다.

② 전기말

(주1) 인건비 관련 잔액이 제외된 금액입니다.

상기 금융부채의 잔여만기 구간별 금액은 할인하지 않은 계약상 원금으로 재무상태표 상 금융부채의 장부금액과 차이가 있습니다.

(4) 자본 위험 관리

연결회사의 자본 관리 목적은 계속기업으로서 주주 및 이해당사자들에게 이익을 지속적으로 제공할 수 있는 능력을 보호하고 자본 비용을 절감하기 위해 최적의 자본 구조를 유지하는 것입니다.

연결회사는 산업내 다른 기업과 일관되게 부채비율에 기초하여 자본을 관리하고 있습니다. 부채비율은 부채총계를 자본총계로 나누어 산출하고 있습니다.

보고기간말 현재 부채비율은 다음과 같습니다.

5. 사용제한금융상품

보고기간말 현재 사용이 제한된 금융상품은 다음과 같습니다.

(주1) 특정 국책과제를 수행하기 위한 목적으로만 사용이 가능합니다.

6. 당기손익-공정가치금융자산

보고기간말 현재 당기손익-공정가치금융자산은 다음과 같습니다.

7. 매출채권 및 기타상각후원가 금융자산

보고기간말 현재 매출채권 및 기타상각후원가 금융자산의 내역은 다음과 같습니다.

8. 범주별 금융상품

(1) 보고기간말 현재 금융자산의 범주별 내역은 다음과 같습니다.

1) 당기말

2) 전기말

(2) 보고기간말 현재 금융부채의 범주별 내역은 다음과 같습니다.

1) 당기말

(주1) 연차미지급비용 및 기타장기종업원급여가 제외된 금액입니다.

2) 전기말

(주1) 연차미지급비용 및 기타장기종업원급여가 제외된 금액입니다.

(3) 금융상품의 공정가치 서열체계

금융상품은 공정가치를 측정하기 위하여 사용된 가격과 가치평가모형에 투입되는 변수의 관측가능성 정도에 따라 수준을 1, 2 및 3으로 나누고 있으며 각각의 금융상품을 어느 수준으로 측정했는지 구분하여 공정가치수준을 공시하고 있습니다. 각각의 수준은 다음과 같이 구분됩니다.

보고기간말 현재 공정가치로 측정되는 금융상품의 공정가치 서열체계 구분은 다음과 같습니다.

1) 당기말

2) 전기말

(4) 가치평가기법 및 투입변수

연결회사는 공정가치 서열체계에서 수준 2와 수준 3으로 분류되는 반복적인 공정가치측정치, 비반복적인 공정가치측정치에 대해 다음의 가치평가기법과 투입변수를 사용하고 있습니다.

1) 당기말

2) 전기말

연결회사의 재무팀은 재무보고 목적의 공정가치 측정을 담당하고 있으며 매 결산기말에 공정가치평가과정 및 그 결과에 대해 재무담당이사 및 감사와 협의하고 있습니다.

(5) 수준3으로 분류된 반복적인 공정가치 측정치의 민감도 분석

금융상품의 민감도 분석은 통계적 기법을 이용한 관측 불가능한 투입변수의 변동에 따른 금융상품의 가치 변동에 기초하여 유리한 변동과 불리한 변동으로 구분하여 이루어집니다. 그리고 공정가치가 두 개 이상의 투입변수에 영향을 받는 경우에는 가장유리하거나 또는 가장 불리한 금액을 바탕으로 산출됩니다. 민감도 분석대상으로 수준 3으로 분류되는 금융상품은 해당 공정가치 변동이 당기손익으로 인식되는 출자금
, 전환상환우선주, 전환사채 및 파생상품부채입니다.

각 금융상품별 투입변수의 변동에 따른 손익효과에 대한 민감도 분석 결과는 아래와 같습니다.

(6) 당기와 전기 중 금융상품별 범주별 손익은 다음과 같습니다.

1) 당기

2) 전기

9. 관계기업투자

(1) 당기말 현재 관계기업의 현황 및 요약재무정보는 다음과 같습니다.

1) 관계기업 현황

(주1) 지분율은 20%미만이나 이사회 또는 이에 준하는 의사결정기구에 참여하여 의결권을 행사할 수 있으므로 지분법을 적용하여 평가하고 있습니다.

2) 관계기업 요약재무정보

(2) 보고기간말 현재 관계기업의 내역은 다음과 같습니다.

(3) 당기와 전기 중 관계기업투자의 변동내역은 다음과 같습니다.

1) 당기

2) 전기

(주1) 당기말 현재 누적결손으로 인하여 지분법 적용을 중단하였으며, 지분법 적용 중단으로 인식하지 못한 미반영 손실은 43,734,600원입니다.

10. 투자부동산

(1) 보고기간말 현재 투자부동산의 내역은 다음과 같습니다.

(2) 당기와 전기 중 투자부동산의 변동내역은 다음과 같습니다.

1) 당기

2) 전기

(3) 당기와 전기 중 투자부동산의 임대수익은 13,200,000원(전기: 14,400,000원)입니다.

11. 유형자산

(1) 보고기간말 현재 유형자산의 내역은 다음과 같습니다.

(2) 당기와 전기 중 유형자산의 변동내역은 다음과 같습니다.

1) 당기