큰 결정을 앞두고 있다면, 벌어질 수 있는 미래를 먼저 겪어 보세요. 어떤 선택이 어떤 결과로 이어지는지 미리 확인하고, 가장 유리한 전략을 손에 쥔 채 실행할 수 있습니다. 감이 아니라 근거로 결정하는 방법입니다.
"Alea iacta est", 주사위는 던져졌다. 우리는 변수를 포착하고, 판세를 예측하고, 전략으로 전환합니다. 먼저 현실을 충실히 닮은 디지털 트윈, 곧 거울을 만들고, 대부분이 멈추는 그 거울 위에서 아직 일어나지 않은 일까지 만들어 봅니다.
하나의 현실을 수만 개의 차원 공간으로 복제합니다. 각 공간마다 합성인구가 직접 행동하며 서로 다른 미래를 만들고, 그 수만 개의 결과 중 가장 유리한 길을 찾습니다. 추세를 늘려 짚는 예측이 아니라, 직접 살아본 미래로.
거울에서 멈추지 않고, 미래를 생성합니다.
대부분의 데이터·AI는 지금 벌어지는 일을 비추는 데서 멈춥니다. 우리는 그 위에서 아직 오지 않은 미래를 직접 만들어 보고, 가장 유리한 길을 찾아 실행까지 함께 갑니다. 가장 예측이 어렵다는 다자 선거에서, 서울시장 결과를 실제 개표와 0.4%p 차이로 맞혔습니다.
현실을 모델로 옮기는 것에서 시작해, 합성인구를 올리고, 미래를 분포로 생성하고, 최적 경로를 탐색해, 실행 전략까지 역제안합니다. 방법론은 같지만, 분야마다 온톨로지·모집단·전략 공간을 새로 설계해 전용 엔진을 만듭니다.
출발점은 도메인 모델링과 룰 메이킹입니다. 그래프 DB와 온톨로지로 개체·관계·규칙을 정의해 현실을 통째로 미러링합니다.
모델 위에 그 분야의 현실을 1:1로 닮은 합성 세계(디지털 트윈)를 올립니다. 각 개체마다 수백 개의 속성을 부여하고, 속성 간 결합분포를 보존하는 IPF 합성으로 현실의 구조를 그대로 재현합니다. 실제 세계관을 미러링한, 살아 움직이는 사본입니다.
몬테카를로 엔진은 현 시점의 특정 이벤트를 트리거해, 그 충격을 합성 세계에서 수만~수백만 번 굴립니다. 하나의 답이 아니라 단일 사건의 결과 확률분포를 신뢰구간과 함께 내어, 그 한 수의 불확실성을 정량화합니다.
몬테카를로가 낸 단일 사건 분포들을 시점별로 이어 붙여, MCTS가 전략의 나무를 탐색합니다. 매 시점 어떤 수를 두어야 중장기 시계열에서 목표에 닿는지 — 그 최적 경로, 곧 골든패스를 찾아냅니다.
워게임은 단순한 예측이 아닙니다. 목표에 도달하는 최적 경로를 찾고, 그 경로에 올라타기 위해 어느 시점에 어떤 정책·이슈를 던져야 하는지 역으로 제안합니다.
예측은 한 번 내고 끝나지 않습니다. 매주 현실에서 벌어진 결과를 모델에 다시 반영하고, 그 위에서 다음 예측을 돌립니다. 시간이 갈수록 세계 모델은 현실에 수렴하고, 예측은 점점 더 정교해집니다. 우리는 이 순환을 상시 운영하며 현실 모델을 지속적으로 정리·갱신합니다.
범용 엔진을 돌려 쓰지 않습니다. 분야마다 네 개의 레이어를 새로 쌓아 전용 예측 엔진을 만듭니다. 정치와 투자가 다르듯, 세계가 다르면 엔진도 다릅니다.
분야의 개체·관계·규칙을 그래프 DB와 온톨로지로 정의하고, 도메인 데이터를 잇는 RAG를 설계합니다.
합성 모집단을 올리고 몬테카를로로 가능한 미래를 분포로 생성하는 전용 시뮬레이터를 구축합니다.
MCTS 워게임으로 골든패스를 도출하고 시점별 개입 전략을 역설계해 리포트로 전달합니다.
대화형·페르소나 챗봇, 심층조사, 운영 자동화 앱까지 현장이 쓰는 산출물로 전환합니다.
2026 6·3 지방선거에서 여론을 묻는 대신 100만 명의 합성인구에게 직접 물어 결과를 예측하고, 그 위에서 만든 제품을 현장에 납품했습니다.
정책·행정과 AI 사업화·시뮬레이션을 아는 창업자와, 이를 구현하는 엔지니어링 팀이 함께 예측 엔진을 만듭니다. 복잡한 계산은 시스템에 맡기고, 마지막 판단은 사람이 내립니다.
정책·행정과 대형 사업 설계, 그리고 글로벌 기업에서의 IT 신사업·개발 경험을 바탕으로 회사의 방향을 이끕니다.
이후 AI 사업화 및 시뮬레이션 모델링 등을 총괄하며, 예측 엔진의 사업화를 이끕니다.
새로운 분야든, 기존 의사결정을 다시 설계하든, 알레아캡타는 검증에서 실행까지 함께합니다. 실행 데이터가 있다면, 그 분야의 전용 시뮬레이터를 만들어 드립니다.