SemanAI Ontology
← Back to Ontology Main
SERVICE VALUE CHAIN

From Prescription
To Optimization

세만AI의 서비스 온톨로지는 단순한 '목록'이 아닙니다.
표준 계획(Plan)과 현장의 실행(Execution) 사이의 간극을
AI 센싱(Sensing)으로 메우고, 피드백(Feedback)을 통해
끊임없이 진화하는 서비스 가치 사슬(Service Value Chain)입니다.
📋 PLAN 🧠 SENSING 💎 VALUE Ground Truth Loop

3-Stage Service Architecture

규범적 계획에서 시작하여, AI 감지를 거쳐, 최적의 가치로 귀결됩니다.

Stage 1. Standard
📉 Gap Analysis

국가/지자체 표준 계획과 현장의 실행 사이의 간극(Gap)을 측정하고 규정을 준수합니다.

Entity A: Care Plan Master 급여/통합돌봄 목표 스케줄, 수가 코드, 필수 과업 정의 (Prescriptive)
Entity B: Service Execution 실제 수행 시간, 이행률(Compliance), 이상 징후 체크 (Descriptive)
Stage 2. Sensing
👁️ Context Awareness

'안심케어다이어리'를 통해 정량적 기록이 놓치는 현장의 감정과 맥락을 비정형 데이터로 포착합니다.

Entity C: Safe Care Diary • 음성/사진: 비정형 로그 수집
• Sentiment: 환자 거부/고통 감정 분석
• Context: #식사거부 #우울 등 태그화
Stage 3. Optimization AI Care Coordinator
🚀 Value & Coordination

데이터 분석을 넘어 가장 인간적인 케어를 실현합니다.
현장의 거부 반응(Sensing)을 학습하여, 싫어하는 케어를 강요하지 않고 가장 편안해하는 시간과 담당자를 매칭하는 최적화(Optimization)를 수행합니다.

Entity D: Consulting Session 개인 성향과 거부 패턴을 분석한 맞춤형 케어 스케줄링 및 시설 매칭
Entity E: Ground Truth 실제 입소 여부, 만족도, 사고 예방 성과를 통한 RLHF 학습 (Data Moat)

Technology Meets Business Model

규칙 준수를 넘어
스스로 진화하는 서비스

세만AI는 심볼릭 엔진으로 행정 리스크를 제거하고,
뉴로 엔진으로 현장의 맥락을 이해하며,
Graph RAG & RLHF로 독점적인 데이터 경쟁력을 확보합니다.

사용자가 서비스를 이용할수록, 세만AI의 추천은 더욱 정교해집니다.

⚖️
Symbolic Engine 급여 기준 위반 차단 & 행정 자동화
🧠
Neuro Engine (NLP/Vision) "식사 반만 드심" → [섭취량:50%, 상태:부진] 구조화
🕸️
Graph RAG & RLHF 실제 만족도 데이터(Ground Truth)로 추천 모델 재학습