온톨로지AI/ 버티컬AI/디지털트윈/프롭테크

https://www.youtube.com/watch?v=-n7XEjLJaqI&t=152s

 

KCI_FI003196523AI 와 프롭테크.pdf

0.69MB

랜드북(Landbook)은 소규모 부동산 개발사업의 사업성 분석에서 다음과 같은 단계별 기능을 수행합니다.  
**토지·건물 가치 자동 추정**: 인근 유사 토지 거래와 공시지가 배율 등을 활용해 토지를, 인근 실거래 가격을 기반으로 건물을 추정합니다.  
**인공지능(AI) 기반 건축 설계안(가설계) 생성**: 법적 제약(용도, 용적률, 건폐율 등)을 반영해 수십 가지 설계 시나리오를 신속하게 생성하며, 평면/배치 등 결과를 제공합니다.  
**사업비(공사비) 예측**: 선택된 용도와 건축재료에 따라 예상 공사비를 범위로 산출합니다.  
**분양·임대 수익 예측(시세 빅데이터 분석)**: 국토교통부 전세·월세 거래가격 데이터를 기반으로 주변 임대 시세를 분석해 수익을 예측합니다.  
**사업성 평가 도출**: 추정 토지·건물 가치, 공사비, 예상 수익을 비교해 분양/임대 시나리오별 사업성을 최종적으로 도출합니다.  
결론적으로, 랜드북은 가치추정→AI 설계→사업비 예측→수익 예측→사업성 비교의 흐름으로 소규모 개발사업의 타당성을 분석합니다.

서울 마포구 망원동 386-1번지 사례에서 **랜드북**은 **토지·건물 가치를 추정한 뒤**, **공사비**와 **분양/임대 수익(시세)**을 결합해 **사업성을 최종 도출**했습니다.  
**토지·건물 가치 추정값(추정가)**: 토지는 인근 유사 토지의 최근 거래 사례를 바탕으로 **공시지가 대비 거래가격 배율**을 산정해 추정했고, 건물은 인근 **실거래 가격**을 기반으로 추정했으며, 그 결과 **토지 56.6억 원 + 건물 18.3억 원 = 총 74.9억 원**으로 제시되었습니다.  
**사업성 결론 도출 방식(사업비·수익 비교)**: (1) AI 설계로 가능한 개발 안을 도출한 뒤 (2) 용도/재료에 따라 **예상 공사비를 13억 7,165만 원~15억 4,676만 원 범위로 예측**하고 (3) 국토교통부 전세·월세 데이터 등을 기반으로 **주변 임대 시세(또는 분양 시나리오)로 수익을 예측**한 다음, **추정된 사업비와 개발 수익을 비교**해 사업성을 판단했습니다.  
**해당 사례의 사업성 결론(마이너스가 된 이유)**: 망원동 386-1번지는 **2021년 신축 이후 토지 가치가 2배 가까이 상승**한 영향으로, 추정 결과 **사업성이 마이너스로 도출**되었습니다.

랜드북의 **토지·건물 가치 추정 방식(공시지가 배율, 실거래 기반)**은 사업성 평가의 “출발점(기초 금액)”을 결정하므로, 최종적으로 **비용·수익 비교 결과(사업성 마이너스/플러스)**에 직접적인 영향을 주었습니다.
- **토지 추정(공시지가 대비 거래가격 배율)**: 망원동 386-1번지의 토지를 공시지가 배율로 추정하면서 **토지 가치가 2018년 매입가 대비 2배 가까이 상승**한 효과가 사업성 평가에 반영되었습니다.
- **건물 추정(인근 실거래 기반)**: 건물 가치를 실거래 기반으로 추정해 총 개발가치를 산정하는 데 사용되었고, 문서에서는 **토지 56.6억 + 건물 18.3억 = 총 74.9억 원**으로 제시됩니다.
- **사업성 평가 결과에 대한 영향**: 이후 문서의 절차에 따라 공사비(약 13.7억~15.4억)와 수익(분양/임대 시나리오)을 비교하는데, 이때 **토지 가치가 급등한 추정 결과가 사업비 대비 수익성의 균형을 악화시켜** 최종적으로 **사업성이 마이너스로 도출**되었다고 설명합니다.

이 논문에서 망원동 386-1번지 사례는 **AI가 만든 설계·시세 기반 예측 결과**를 바탕으로 **분양 시나리오 vs 임대 시나리오**의 수익성과 사업성을 비교해 판단하는 흐름으로 설명됩니다.  
**분양·임대 수익 산정이 같은 기준선(토지·건물 가치 추정, 공사비 추정) 위에서 비교됨**: 랜드북은 토지·건물 가치를 추정하고(토지 56.6억 + 건물 18.3억, 총 74.9억), 예상 공사비를 산출(약 13억 7,165만~15억 4,676만 원)한 뒤, 설계안에 따라 분양 수입 또는 임대 수입을 각각 예측해 수입과 비용을 비교합니다.  
**임대 시나리오는 ‘국토교통부 전세·월세 거래가격 데이터’로 주변 임대 시세를 분석해 수익을 예측함**: 문서에서는 임대 수익 예측을 위해 주변 거래 사례를 수집하고, 국토교통부 전세·월세 거래가격 기반으로 개발 수익을 예측한다고 명시합니다.  
**분양 시나리오는 분양 수입을 수익 항목으로 두고 동일한 방식으로 사업성을 산출함**: 사업성 평가 단계에서는 설계안의 호실·세대 수·면적 기반으로 분양(분양 수입) 또는 임대(임대 수입) 중 해당 방식의 개발 수익을 산정한 뒤 사업성을 도출한다고 설명합니다.  
**최종 판단 결과는 ‘사업성이 마이너스로 도출됨’으로 정리되며, 그 원인을 토지 가치 급등(2018 매입가 대비 2배 가까운 상승)으로 제시함**: 망원동 사례는 2021년 신축 이후 토지 가치가 2배로 증가한 영향 때문에 사업성이 마이너스로 나타났다고 결론에서 설명합니다.  
즉, 문서의 비교·판단은 **분양/임대 각각의 수익 예측을 산정한 후 비용(토지·건물·공사비 등)과 비교**하는 구조이며, 망원동 사례에서는 토지 가치 상승 영향으로 **사업성이 마이너스**로 결론났습니다. 다만 본문에는 **분양 시나리오와 임대 시나리오의 ‘수치별 결과(각각의 사업성/차이)’를 표로 나란히 제시한 상세 비교 내용은 제공되지 않습니다**.

 

이 문서는 '프롭테크 산업 101 Series ① 부동산 산업, 데이터 없는 성장은 없다'라는 제목의 보고서로, 부동산 산업에서 데이터의 중요성과 프롭테크 산업의 현재 동향 및 미래 사업 기회를 심층적으로 분석합니다. 전통적으로 직관과 경험에 의존했던 부동산 시장이 데이터 기반 투자 의사결정의 필요성이 증대되는 배경과 국내외 프롭테크 시장의 성장, 그리고 데이터 활용을 통한 새로운 사업 모델의 등장을 다루고 있습니다.

1. 📊 **부동산 산업의 데이터 활용도**: '금융 자본주의'에서 '데이터 자본주의'로의 대전환 시대에 데이터는 21세기 권력의 핵심으로 부상하고 있습니다. 하지만 부동산 산업은 중앙 거래소 부재, 자산별 이질성, 소수 플레이어의 직관 및 경험 의존 등으로 인해 데이터 축적과 활용도가 아직 낮은 수준입니다.
    - 전통 금융 자본(연기금 등)의 부동산 시장 유입은 데이터 기반 의사결정 요구를 증대시키고 있습니다.
    - 정부의 오픈 데이터 정책(미국, 영국 등)은 프롭테크 산업 성장의 기폭제로 작용하며 국내에서도 관련 정책이 본격화되고 있습니다.
2. 📈 **국내외 프롭테크 산업 동향**: 프롭테크는 부동산(Property)과 기술(Technology)의 합성어로, 첨단 IT 기술을 접목하여 부동산 서비스를 효율적으로 개선하는 비즈니스를 통칭합니다. 부동산 시장의 고질적인 '정보의 비대칭성'을 해소하기 위해 등장했으며, 구매, 판매, 임대, 개발, 관리 등 부동산 산업 전반의 밸류체인을 포괄합니다.
    - 글로벌 프롭테크 산업은 2,400여 개 기업과 1,800여 개 투자 기관이 어우러진 거대한 생태계로 성장했습니다. 벤처캐피탈을 중심으로 한 투자액은 2020년까지 연평균 30% 이상 성장했습니다.
    - 국내 프롭테크 산업 또한 기업 수 280여 개, 누적 투자액 1.69조원 규모로 급격히 성장했으며, 특히 부동산 마케팅 플랫폼, 공유 서비스, 데코 인테리어 분야가 활발합니다.
3. 💼 **데이터 기반 프롭테크 사업 기회**: 중앙 거래소가 부재했던 부동산 시장에서 '온라인 플랫폼'이 중앙 거래소의 역할을 대체하며 데이터를 축적하고 있습니다.
    - 프롭테크 기업은 내부 데이터와 정부의 오픈 데이터를 활용하고, 빅데이터 및 머신러닝 기술을 도입하여 데이터 분석의 깊이와 정확도를 높여나가고 있습니다. 특히 부동산 거래의 '비정형 데이터' 분석이 개선되고 있습니다.
    - 이러한 데이터와 기술을 기반으로 Marketplace 기능을 넘어 부동산 투자 의사결정을 지원하는 Data Analytics, Market Intelligence, 자동감정평가모델(AVM) 등 다양한 사업 모델로 진화하고 있습니다. 이는 전통적인 부동산 사업자 대비 시간과 비용을 대폭 절감하는 가치를 제공합니다.

이 문서는 부동산 산업의 디지털 전환과 데이터 기반 혁신이 가속화되는 현 시점에서 프롭테크 산업의 중요성과 성장 잠재력을 명확하게 보여주고 있습니다.
부동산 산업에서 데이터 활용도가 낮은 주요 원인 세 가지는 무엇이며, 이러한 문제점들이 프롭테크 산업의 성장에 어떤 기회로 작용했는지 설명하시오.
국내 프롭테크 산업의 성장을 촉진한 주요 요인들은 무엇이며, 현재 가장 활발한 사업 분야와 투자 유치 현황에 대해 구체적인 수치를 들어 설명하시오.
프롭테크 기업이 데이터 기반 사업 모델을 통해 전통적인 부동산 시장의 문제점인 '정보의 비대칭성'을 어떻게 해소하고, 투자 의사결정 과정을 어떻게 혁신하는지 사례를 들어 설명하시오.

 

https://zdnet.co.kr/view/?no=20250606141857#:~:text=%EB%B2%94%EC%9A%A9%20%EB%AA%A8%EB%8D%B8%EC%9D%B4%20%EC%9D%BC%EB%B0%98%ED%99%94%EB%90%9C%20%EC%A0%95%EB%B3%B4%EB%A5%BC%20%EC%B2%98%EB%A6%AC%ED%95%98%EB%8A%94%20%EB%8D%B0%20%EB%B9%84%ED%95%B4,%EB%B3%B5%EC%9E%A1%ED%95%9C%20%EC%97%85%EB%AC%B4%EB%A5%BC%20%EC%A7%81%EC%A0%91%20%ED%95%B4%EA%B2%B0%ED%95%9C%EB%8B%A4.%20%EB%8C%80%ED%91%9C%20%EC%82%AC%EB%A1%80%EB%8A%94%20%ED%85%8C%EC%8A%AC%EB%9D%BC%EB%8B%A4.

테슬라·팔란티어만의 기술 아니다…'버티컬 AI' 전쟁, 韓도 뛰어들었다

https://www.youtube.com/watch?v=6dx7m-gPjIc

https://www.youtube.com/@ontology-hub

Kelly Ontology Hub