기본정보

회 사 명	주식회사 업사이트		사업자번호	247-81-02339
대 표 자	임강후		홈페이지	www.upsight.co.kr
기업구분	중소기업
사업장주소(본사)	소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주	우편번호	04147
	상세주소	서울 마포구 백범로31길 21 (공덕동)
사업분야	주식회사 업사이트는 AI 기반 스마트건설 공정관리 솔루션을 개발하고 제공하는 Cont-Tech 기업. AI 기술로 현장 데이터를 분석하여 공정을 효율적으로 관리하며, 국내외 건설사·공공기관과 협업하며 해외 실증을 확대하고 정부 R&D 선정으로 기술력을 입증함.
주 제 품	AI 기술을 활용하여 건설 현장의 공정 데이터를 분석하고 관리하는 스마트 공정관리 솔루션을 개발하고 제공하고 있음. - 공정 진척과 지연, 이슈를 통합적으로 관리 - 일일보고서와 도면, 자재 정보를 자동 분석해 요약·검색 등 지원 - 건설 특화 AI 챗봇으로 현장과 문서 기반 질의응답 및 업무 지원 제공 - 영상 기반 3D Reconstruction 기술로 현장 상태를 직관적으로 가시화하고 기록 가능 - 대시보드와 리포트로 실시간 현황을 공유하여 빠른 의사결정 지원
회사보유 기술현황 및 업적	영상 기반 현장 3D Reconstruction 기술 관련 특허 출원 및 등록 건설 특화 AI 챗봇(RAG) 기술 관련 특허 출원 및 등록 국내·외 건설 PoC 12건 수행 및 파트너 MOU 22건 체결 국토부·서울시 등 R&D 5건 수행 및 대외 수상 8건 TIPS·NVIDIA Inception 선정, 해외 실증 확대(콜롬비아·영국·스페인·베트남 등) 딥테크창업사관학교, 글로벌기업협업프로그램(NVIDIA), 신용보증기금 리틀펭귄 등 국내외 주요사업 50개 이상 선정

회사소개자료	KOR_업사이트_서비스소개서_2602.pdf

회사로고	03_업사이트_로고.png

기본정보

참여이력	기참여		ICT기술분류	산업 특화 문제 해결 기술
사업장주소(본사)	서울 마포구 백범로31길 21 (공덕동)			소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주
근무지 주소(실습생)	서울 마포구 백범로31길 21 (공덕동) 서울창업허브 별관 406호			소재지	서울 부산 대구 인천 전남광주 대전 울산 세종 경기 강원 충북 충남 전북 경북 경남 제주
회사소개	주식회사 업사이트는 AI 기반 스마트건설 공정관리 솔루션을 개발하고 제공하는 Cont-Tech 기업. AI 기술로 현장 데이터를 분석하여 공정을 효율적으로 관리하며, 국내외 건설사·공공기관과 협업하며 해외 실증을 확대하고 정부 R&D 선정으로 기술력을 입증함.
주요 제품 및 서비스	AI 기술을 활용하여 건설 현장의 공정 데이터를 분석하고 관리하는 스마트 공정관리 솔루션을 개발하고 제공하고 있음. - 공정 진척과 지연, 이슈를 통합적으로 관리 - 일일보고서와 도면, 자재 정보를 자동 분석해 요약·검색 등 지원 - 건설 특화 AI 챗봇으로 현장과 문서 기반 질의응답 및 업무 지원 제공 - 영상 기반 3D Reconstruction 기술로 현장 상태를 직관적으로 가시화하고 기록 가능 - 대시보드와 리포트로 실시간 현황을 공유하여 빠른 의사결정 지원
회사보유 기술현황 및 업적	영상 기반 현장 3D Reconstruction 기술 관련 특허 출원 및 등록 건설 특화 AI 챗봇(RAG) 기술 관련 특허 출원 및 등록 국내·외 건설 PoC 12건 수행 및 파트너 MOU 22건 체결 국토부·서울시 등 R&D 5건 수행 및 대외 수상 8건 TIPS·NVIDIA Inception 선정, 해외 실증 확대(콜롬비아·영국·스페인·베트남 등) 딥테크창업사관학교, 글로벌기업협업프로그램(NVIDIA), 신용보증기금 리틀펭귄 등 국내외 주요사업 50개 이상 선정
인력현황	경영·행정	연구개발	홍보·마케팅	생산·기타	합계
	3 명	6 명	1 명	2 명	12 명

참여배경

참여배경

참여배경

◦ 건설 산업은 여전히 아날로그 방식의 보고·의사결정·커뮤니케이션 비중이 높아 데이터 활용이 어렵고, 그 결과 비효율과 일정 지연이 반복되는 문제가 있음. UPSIGHT는 공정 인식, 도면 분석, 영상 기반 3D Reconstruction 등 현장 데이터를 디지털로 전환하는 기술을 개발·적용해 왔음. ◦ 최근 사업 확장과 기술 수요 증가에 따라, AI 결과를 사용자가 이해 가능한 형태로 제공하는 프론트엔드 완성도가 제품 경쟁력의 핵심 요소로 부각되고 있음. 이에 당사의 핵심 기술을 우수 인재와 함께 검증·고도화하고, 미래 건설 산업을 이끌 디지털 전문 인력을 조기 발굴·양성하기 위해 본 인턴십에 참여하고자 함. ◦ 또한 빠르게 변화하는 ICT 환경에 대응하고, 신기술을 실무에 적용 가능한 인재를 양성함으로써, 지속적인 서비스 고도화와 안정적인 운영·유지보수 인력을 확보하는 것이 필요함. ◦ 본 인턴십은 이러한 니즈를 충족하며, 참여자에게는 실서비스 개발 경험과 포트폴리오를 제공하고 기업에는 서비스 고도화와 채용 연계 기반을 마련하는 상호 윈윈 모델로 운영될 것으로 기대함.

실습조건

실습조건

실습요일	주 5일제	월 화 수 목 금
실습시간	전일제	09:00 ~ 18:00
실습조건	휴가	• 월 1회 휴가 부여 (필수)
	복리후생	식사(점심) 교통 기숙사
	기타 지원사항	시차 출퇴근제(09:00~10:00, 15분 단위) , 커피 및 간식 제공, 최신 장비 제공

실습환경 사진

프로젝트 내용

프로젝트 개요

프로젝트명	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발
목표	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 - 건설현장 이미지·영상 데이터를 활용하여 3D Reconstruction 결과물에 적용 가능한 3D Segmentation 파이프라인 구축 - Diffusion 기반 합성 이미지 생성, 전처리, Auto-labeling, 수동 검수 과정을 통해 건설 현장 도메인에 맞는 학습 데이터를 확보 - 2D Object Detection, 2D Segmentation, VLM 기반 Feature Map 추출 결과를 3D Gaussian Splatting 결과물에 Lifting하여 3D 공간 내 객체·영역 단위 분할 가능성 검증 - 건설현장 내 장비, 자재, 구조물, 작업 영역 등 주요 객체를 3D 공간에서 구분하고 시각화할 수 있는 기술적 기반 마련 - 실제 현장 데이터가 부족한 상황에서도 합성 데이터와 도메인 적응 기법을 활용하여 3D Segmentation 성능을 개선할 수 있는 실험 구조 확립 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발 - 예정공정표, 공사일보, 현장 운영 문서를 기반으로 건설 현장의 공정 진행 상태와 운영 리스크를 분석하는 LLM Agent 개발 - 계획 대비 실적 편차, 공정 지연, 이상징후, 문서 누락 등 현장 운영 과정에서 발생하는 주요 리스크 자동 탐지 - 공정 데이터와 문서 데이터를 연계하여 현장 상황을 종합적으로 요약·분석하는 AI 분석 기능 구현 - 일간 이상징후 알림, 주간 공정 리포트, 주간 리스크 예측 등 실무 활용 가능한 분석 결과 생성 - 향후 사용자 질의응답 Agent와 연계할 수 있는 공통 분석 데이터 및 컨텍스트 저장 구조 마련
주요내용	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 - 건설현장 도메인 데이터 구축 - 2D Vision 모델 기반 도메인 적응 - VLM 기반 Feature Map 활용 - 3D Reconstruction 및 3D Segmentation 연동 - 실험 결과 분석 및 기술 문서화 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발 - 예정공정표·공사일보 분석 Agent 개발 - 현장 운영 문서 분석 Agent 개발 - AI Agent 테스트 및 품질 개선
주요결과물	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 - 건설현장 특화 합성 이미지 데이터셋 및 전처리 기준 문서 - Auto-labeling 및 수동 검수 기반 Object Detection/Segmentation 학습 데이터셋 - 2D Object Detection 또는 2D Segmentation 모델 학습·검증 결과 - VLM 기반 이미지 Feature Map 추출 및 건설현장 클래스 프롬프트 정리 자료 - 3D Gaussian Splatting 기반 Reconstruction 결과물 - 2D Detection/Segmentation 또는 VLM Feature를 3D 공간에 Lifting한 3D Segmentation - 실험별 성능 비교표 및 정성 결과 이미지/영상 - 데이터 구축, 모델 학습, 3D Lifting, 결과 분석 과정을 정리한 기술 문서 - 최종 프로젝트 발표자료 및 연구개발 결과 보고서 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발 - 공정표·공사일보 기반 공정 분석 Agent - 현장 운영 문서 자동 분류 및 정보 추출 기능 - 일간 이상징후 탐지 및 알림 기능 - 주간 공정 분석 리포트 - 주간 리스크 예측 리포트 - 문서 유형 자동 분류 체계 및 핵심 정보 추출 결과 - Agent 성능 평가 결과 및 개선 내역 - 프롬프트 최적화 및 분석 로직 개선 결과 - 기능 설계 문서 및 개발 산출물

실습생 직무

실습생 직무

직무구분
기술스택
직무내용	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 - Diffusion 기반 건설현장 이미지 생성 프롬프트 작성 및 합성 데이터 품질 검수 - 생성 이미지 및 실제 현장 이미지에 대한 전처리, 클래스 정리, 데이터셋 구조화 수행 - Auto-labeling 도구를 활용한 Bounding Box 또는 Segmentation Mask 생성 및 수동 검수 - 2D Object Detection 또는 2D Segmentation 모델 학습 데이터 구성 및 실험 수행 - 모델 추론 결과를 분석하고, 클래스별 탐지·분할 품질 및 실패 사례 정리 - VLM 기반 이미지 Feature 추출, 텍스트 프롬프트 구성, 건설현장 객체 설명 체계 정리 - 3D Reconstruction 및 3D Gaussian Splatting 결과물 생성 보조 - 2D 모델 결과 또는 VLM Feature를 3D 공간에 Lifting하는 실험 코드 작성 및 결과 검토 - 3D Segmentation 결과를 시각화하고, 객체별 분할 품질을 정성적으로 비교 분석 - 실험 과정, 코드 사용법, 데이터셋 구성 방식, 결과 분석 내용을 Notion 또는 기술 문서로 정리 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발 - 건설 현장 데이터 및 문서 구조 분석 : 예정공정표, 공사일보, 현장 운영 문서의 주요 항목 정리 : 공정·문서 분석에 필요한 데이터 필드 및 메타데이터 정리 : 분석 시나리오 및 테스트 케이스 작성 - AI Agent 개발 보조 : 공정표·공사일보 분석 Agent 기능 개발 지원 : 현장 문서 자동 분류 및 정보 추출 기능 개발 지원 : LLM 기반 분석 결과 요약 및 리포트 생성 기능 검증 - RAG 및 데이터 검색 구조 테스트 : 문서 전처리, 임베딩, 검색 결과 검증 : 사용자 질문에 필요한 근거 문서 검색 품질 점검 : 검색 결과와 LLM 응답 간 정합성 확인 - 프롬프트 및 응답 품질 개선 : Agent 시스템 프롬프트 및 응답 규칙 개선 : 분석 결과 누락, 오류, 과도한 추론 사례 정리 : 테스트 질문셋 기반 반복 검증 및 개선 로그 작성
요구(우대) 역량	1) 건설현장 특화 3D Reconstruction 기반 3D Segmentation 개발 - 컴퓨터공학, 인공지능, 소프트웨어, 전산학, 로보틱스, 건축/건설 IT 관련 전공 또는 이에 준하는 개발 경험 보유자 - Computer Vision 개념에 대한 이해 - Object Detection, Image Segmentation, Vision-Language Model 중 1개 이상에 대한 학습 또는 프로젝트 경험 - 3D Reconstruction, 3D Gaussian Splatting, Point Cloud, Mesh 등 3D Vision 분야에 대한 이해 - 이미지 데이터 전처리, 데이터셋 구축, Annotation, Auto-labeling 경험 우대 - Diffusion 모델, VLM, CLIP 계열 모델, SAM 계열 모델 활용 경험 우대 - 논문, 오픈소스 코드, 기술 문서를 읽고 실험으로 재현하려는 태도 - 실험 결과가 기대와 다르더라도 원인을 분석하고 개선 방향을 정리할 수 있는 문제 해결 역량 2) AI 기반 스마트 건설 공정관리 SaaS 솔루션 LLM Agent 및 RAG 시스템 개발 - Python 기본 문법 및 데이터 처리 경험 - JSON, Markdown, REST API 구조에 대한 기본 이해 - 머신러닝, 딥러닝, 데이터 분석에 대한 기초 이해 - 데이터 시각화 및 데이터 그래프 해석 능력 - LLM, RAG, Prompt Engineering에 대한 기초 이해 - OpenAI API, Claude API 등 LLM API 사용 경험 우대 - LangChain, LangGraph, Langsmith, LlamaIndex, FastAPI, Pydantic 등 관련 기술 경험 우대 - 벡터 검색, 임베딩, Vector DB에 대한 관심 또는 경험 우대 - Git, Github 등 형상관리 도구 사용 경험

실습생 지도계획

지도계획

지도계획

◦ 담당 멘토 지정 - 전담 실무 멘토(Front-End)를 배정하여, 주 1회 30~60분 정기 미팅과 수시 질의응답 지원 ◦ 주간 점검 - 매주 목표 대비 진행 현황을 PR/커밋, Notion 주간 리포트, 데모 공유를 기준으로 점검하고 개선 피드백 제공 ◦ 중간 리뷰 세션 - 7~8주차에 진행 현황 공유와 코드 리뷰를 실시하며, 구조개선 및 성능/품질 지표 기반 개선 방향 코칭 ◦ 기술 문서 및 발표 교육 - 기능 개발과 병행하여 문서 작성(요구사항·설계·회고)과 발표자료 구성 방법 등 실무 문서화 역량 강화 ◦ 협업 툴을 사용한 실시간 커뮤니케이션 - Slack, 카카오워크, Notion을 활용하여 업무 공유, 이슈 트래킹, 일정·진행 현황을 수시로 확인 및 조율 ◦ 1:1 피드백 세션 - 인턴십 전반기(8주차) 및 후반기(종료 전) 총 2회 개별 면담을 통해 성과·개선점·성장 계획을 피드백하고 채용 연계 여부를 검토

실습생 평가계획

실습생 평가계획

평가기준	- 근태관리 : 출석률, 지각 및 결근 여부, 일정 준수 등 기본적인 근무 태도 - 실무 응용 역량 : 실습 과제를 실제 업무에 적용하는 능력, 업무 이해도 및 기술 적용 능력 - 프로젝트 완수 정확성 : 프로젝트 목표에 대한 이해도, 기능 구현의 완성도 및 정확성, 요구사항 충족 여부 - 커뮤니케이션 능력 : 팀원 간 협업 태도, 보고/공유 방식, 협업 툴 활용 능력 등 업무 내외 커뮤니케이션 역량 - 업무에 대한 적극성 : 자발적인 학습 및 과제 수행 태도, 피드백 수용 및 개선 노력, 문제 해결을 위한 주도적 시도 여부
평가방법	- 평가 시점 : 매주 주간 점검, 7~8주차 중간평가, 종료 주 최종평가로 단계별 평가 진행 - 근태관리 : 출퇴근 기록표 및 담당자의 주간 출석 체크 기반 정량 평가 - 업무 습득 및 자세 : 주차별 과제에 대한 이해도, 실습 태도, 보고서 제출 등을 기반으로 한 멘토의 종합 정성 평가 - 실무 응용 결과물 : 개발된 기능, 구현 정확성, 실습 주제에 대한 결과물 완성도 및 기술적 응용력 중심 평가 - 팀/프로젝트 리더 평가 : 팀장 또는 멘토의 관찰 및 면담을 통해 협업 태도, 커뮤니케이션 능력, 책임감 등을 종합 평가 - 평가 결과 활용 : 평가 결과를 개인 피드백으로 공유하고 개선 목표를 설정하며, 우수 인턴은 채용 연계 여부를 검토

추진일정

추진일정

실습기간	내용
1개월차	[3D Reconstruction 및 3D Segmentation] - 프로젝트 온보딩 및 3D Reconstruction, 3D Gaussian Splatting, 3D Segmentation 관련 기술 배경 학습 - 건설현장 객체·자재·작업 영역 등 주요 클래스 체계 정리 - Diffusion 기반 합성 이미지 생성 프롬프트 설계 및 초기 데이터 생성 - 생성 이미지 품질 검수 기준 수립 및 전처리 파이프라인 구성 - Auto-labeling 도구 조사 및 Bounding Box/Segmentation Mask 생성 방식 테스트 [LLM Agent 및 RAG 시스템] - 스마트 건설 SaaS 서비스 및 AI Agent 개발 환경 이해 - 예정공정표, 공사일보, 현장 운영 문서 구조 파악- LLM Agent, RAG, Vector DB, 문서 분석 기본 구조 학습 - 기존 코드 및 데이터 흐름 분석 - 테스트 질문셋 및 분석 시나리오 초안 작성
2개월차	[3D Reconstruction 및 3D Segmentation] - 합성 이미지 및 실제 이미지 기반 학습 데이터셋 구성 - Auto-labeling 결과 수동 검수 및 클래스별 라벨 품질 개선 - 2D Object Detection 또는 2D Segmentation 모델 학습 실험 수행 - 모델 추론 결과 분석 및 실패 사례 정리 - VLM 기반 Feature Map 추출 방식 조사 및 건설현장 객체 프롬프트 정리 [LLM Agent 및 RAG 시스템] - 공정표·공사일보 분석 Agent 개발 보조 - 계획 대비 실적 편차, 작업 지연, 이상징후 분석 결과 검증 - 일간 이상징후 알림 및 주간 공정 리포트 샘플 생성 - RAG 검색 결과 및 LLM 응답 품질 테스트 - 오류 사례 정리 및 개선 방향 도출
3개월차	[3D Reconstruction 및 3D Segmentation] - 3D Reconstruction 및 3D Gaussian Splatting 결과물 생성 실험 - 2D Detection/Segmentation 결과를 3D 공간에 Lifting하는 방식 구현 및 테스트 - VLM Feature Map을 3D Gaussian 또는 3D 좌표에 연결하는 방식 검토 - Detection 기반, Segmentation 기반, VLM 기반 접근 방식의 장단점 비교 - 3D Segmentation 결과 시각화 및 정성 평가 자료 정리 [LLM Agent 및 RAG 시스템] - 현장 운영 문서 자동 분류 및 정보 추출 기능 개발 보조 - 공정 단계별 필수 문서 체크리스트 정리 - 문서 누락 및 이상 패턴 탐지 결과 검증 - Agent 분석 결과 요약 및 리포트 생성 기능 개선 - 평가 데이터셋 및 테스트 결과 정리
4개월차	[3D Reconstruction 및 3D Segmentation] - 최종 3D Segmentation PoC 결과 정리 및 보완 실험 수행 - 합성 데이터 기반 도메인 적응 효과 분석 - 데이터 구축, 모델 학습, 3D Lifting, 결과 시각화 전체 파이프라인 문서화 - 실험 결과표, 시각화 이미지/영상, 실패 사례 및 개선 방향 정리 - 최종 발표자료 및 연구개발 결과 보고서 작성 [LLM Agent 및 RAG 시스템] - 공정 분석 Agent와 문서 분석 Agent 통합 테스트 - 주요 업무 시나리오 기반 최종 기능 검증 - 분석 정확도, 알림 적중률, 문서 분류 정확도 평가 - 기능 명세서, 실험 기록, 기술 문서 정리 - 최종 발표자료 제작 및 프로젝트 결과 발표

기대효과

기대효과

기대효과

◦ 유형 성과 - 우수 인재 조기 발굴 및 정규직 전환 연계 : 실무 수행을 통해 검증된 인재를 채용으로 연계하여 인력 수급의 불확실성과 채용 비용 부담을 완화 - 솔루션 개선 및 개발 일정 단축 기여 : 실습생의 프로젝트 참여를 통해 반복 작업 분산, 코드 작성 및 테스팅 지원 등으로 전체 개발 속도 향상 - 최신 기술 기반 기능 고도화 및 기술 내재화 : 3D Reconstruction, LLM 등 실습생이 접한 최신 딥테크 기술을 실서비스에 반영하여 기능 개선과 기술 스택 확장에 기여 - 기획·설계·문서화 등의 실질적인 개발 산출물 확보 : 화면 설계서, 기능 정의서, 기술 보고서, API 연동 가이드, 운영/배포 체크리스트 등은 향후 프로젝트 참고자료 및 내부 자산으로 활용 가능 ◦ 무형 성과 - 신규 관점의 유입을 통한 프로젝트 접근 방식 다각화 : 사용자 관점의 피드백과 개선 제안을 통해 UI/UX 및 기능 우선순위 재정립에 기여 - 온보딩 중심의 긍정적 조직 문화 확산 : 멘토링과 코드리뷰를 통해 협업 커뮤니케이션과 팀워크 문화를 강화 - 딥테크 기술 중심의 인재 양성과 기업 브랜딩 강화 : 실서비스 개발 경험 기반 교육 제공으로 인재 육성과 사회적 기여를 실현하고, 기술기업으로서 대외 이미지 제고 - 사내 교육 체계 및 협업 프로세스의 구조화 계기 마련 : 온보딩 문서, 개발 가이드, 리뷰 규칙, 협업 절차 등을 정비하여 내부 운영체계 고도화

향후 실습생 채용 계획

채용계획

채용계획

◦ 우수 실습생 대상 정규직 전환 제도 운영 - 실습 기간 중 기술 역량, 협업 태도, 자기주도성 등 종합 평가(PR/코드리뷰, 기능·문서 산출물, 데모 발표 등을 근거)를 통해 우수 실습생을 선별하고, 본인의 희망에 따라 정규직 전환을 적극 추진함 ◦ 학업 병행자 대상 유연 근무제 제공 및 졸업 후 전환 연계 - 재학/수료 등 학업 상황을 고려하여 주 3~4일 근무 등 유연한 근무 조건을 지원하고, 졸업 이후 정규직 전환이 자연스럽게 이어질 수 있도록 전환 프로세스를 설계함 ◦ 수습기간 대체형 인턴십 운영을 통한 신속 채용 전환 - 인턴십 기간 동안의 실무 수행 결과를 전환 평가에 반영하여, 정규직 전환 시 별도의 추가 검증 절차를 간소화하고 신속한 채용 전환이 가능하도록 운영함 ◦ 지속적인 기술 교육 연계를 통한 연구개발 인력 확대 - 실습 과정 이후에도 사내 기술 세미나, 프로젝트 참여, 외부 컨퍼런스 등을 통해 역량을 고도화하며 장기적 관점의 개발 인재를 육성함