공공조달 · B2G
비드파인더 (BidFinder)
공공입찰 RFP 자동 파싱 + 자사 자격 자동 매칭 + 5개 영역 정량평가표 자동 생성까지 묶은 End-to-End SaaS 프로토타입입니다.

문제
공공입찰 시장에서 RFP 검토·자격 매칭·정량평가를 수작업으로 처리하는 데 3~5일이 소요되어 중소·중견기업의 의사결정을 늦추고 있었습니다.
접근
RFP 자동 파싱(OCR/NLP), 자사 자격·실적·인력·신용등급과의 자동 매칭, 정량평가표 자동 생성(수행실적·전담인력·경영상태·신인도·참가자격 5개 영역)을 수행합니다. 검색·요약 수준에서 멈추지 않고 End-to-End로 분석합니다.
결과
2026 예비창업패키지 사업계획서로 발전했습니다. 사내 RFP 솔루션의 외부 SaaS 변형으로 시장 수요를 검증했습니다.
Architecture
어떻게 동작하는가
- 01RFP 공고문 업로드
공고문·제안요청서 PDF + 회사 자료(사업자등록증·재무·인증서)를 올립니다.
- 02자동 파싱OCR/NLP · RFP Parsing
지원자격·정량평가 항목을 공고문에서 추출합니다.
- 03회사 정보 추출
업로드 자료에서 자사 실적·인력·신용등급·인증 유효기간을 자동 인덱싱합니다.
- 04자격 자동 매칭Eligibility Matching
자사 자격 vs 공고 요건 → 적합 / 부적합 / 점검필요로 분류합니다.
- 05정량평가표 생성Score Generation
수행실적·전담인력·경영상태·신인도·참가자격 5개 영역 점수를 산출합니다.
업로드 → 파싱 → 매칭 → 평가표. 검색·요약에서 멈추지 않는 End-to-End입니다.
Decisions · 3
왜 이렇게 설계했는가
기술 선택의 근거와 트레이드오프 — 코드 대신 의사결정으로 설계를 설명합니다.
?검색·요약 SaaS vs End-to-End 분석?
- 선택
- 파싱 → 자격 매칭 → 정량평가표 자동 생성까지 End-to-End
- 근거
- 공공입찰 의사결정의 병목은 '우리가 적격인가 + 몇 점인가'인데, 검색·요약만으론 그 답이 안 나옵니다. 평가표 산출까지 자동화해야 3~5일 걸리던 결정 시간을 실제로 줄입니다.
- 트레이드오프
- 도메인 규칙(5개 영역 배점) 구현 부담이 있습니다. 대신 결과가 곧 의사결정 자료가 됩니다.
?사내 RFP 도구를 왜 외부 SaaS로 다시?
- 선택
- 사내 전용으로 검증한 RFP 분석 코어를 공개 SaaS 프로토타입으로 변형
- 근거
- 사내 전용 도구로 검증한 분석 엔진의 시장 수요를 확인하려 외부 공개용 변형을 제작했습니다 — 예비창업패키지 사업계획서로 발전했습니다.
- 트레이드오프
- 공개용이라 사내 전용 케이스와 별개로 설계했습니다(API 기반, 자비 운영). 대신 시장 검증이 가능합니다.
?회사 자격을 매번 입력 vs 자동 추출?
- 선택
- 회사 자료 업로드 → 현황 자동 채움 + 인증 유효기간 자동 인덱싱
- 근거
- 입찰마다 같은 회사 정보를 재입력하는 낭비를 제거하고, 인증 만료·임박을 색 라벨로 사전 경고해 누락 리스크를 차단합니다.
- 트레이드오프
- 추출 정확도 검수가 필요합니다. 대신 반복 입력·만료 누락을 제거합니다.
Gallery · 4
실제 화면

01프로젝트 적격성 확인 메인 — 입찰 요약(공고일·예산·일정) + 적격성 검토 4 적합 / 0 부적합 / 1 점검필요 메트릭 + 입찰참가자격 상세 리스트를 보여줍니다. 
02로그인 화면 — "사업검토를 더 빠르고 정확하게." 공고문을 업로드하면 AI가 지원자격과 정량평가 항목을 자동으로 분석하고, 제안문서를 바탕으로 점수를 산출합니다. 
03회사 기본정보 자동 추출 — 사업자등록증·재무자료·회사소개서·경력증명서·인증서 등을 업로드하면 AI가 정보를 자동으로 채웁니다. 추출된 회사 현황을 수정·저장할 수 있습니다. (식별 정보는 사전 마스킹) 
04인증/자격 유효기간 확인 — 보유 인증서/자격을 자동 인덱싱하고 유효 · 만료 · 임박을 컬러 라벨로 즉시 식별합니다. 입찰 시 누락·만료 위험을 사전에 차단합니다.
Tech · 4
사용 기술
구현: AI (Claude 등) · 구조 결정과 검증: Ray Moon
- RFP Parsing
- Eligibility Matching
- Score Generation
- OCR/NLP
다른 케이스도 같은 (문제 → 접근 → 결과 → 아키텍처 → 의사결정) 구조로 정리되어 있습니다.
← 케이스 목록 보기