InBodyLIKE 지원서 (작성본)

영유아 4명 중 1명이 편식을 겪지만, 부모는 아이가 뭘 얼마나 못 먹는지조차 객관적으로 모릅니다. 끼니 기록은 흩어져 있고 코칭은 일반론에 그칩니다. 식습관이 굳기 전 골든타임(만 6세 무렵)은 짧은데, 결핍을 그 아이만의 처방으로 바꾸는 데이터 기반 관리도, 실제로 나아졌는지 보여줄 객관적 결과 데이터도 없습니다.

출발점은 작은 확신이었습니다. 대표가 유치원생 조카에게 편식 교정 방법론을 직접 적용했더니, 엄마도 포기한 '편식이 매우 심한 아이'가 3주 만에 당근을 스스로 집어먹었습니다. '이 방법은 통한다' — 그 장면에서 확신을 얻어 '밀프레드 편식'을 시작했습니다. 밀프레드 편식은 '끼니 한 줄 기록'을 데이터로 바꿔 그 아이만의 식이를 처방하고, 그 처방을 실제 식재료로 충족시킵니다. (1) 대표 엔진(라이브) — 메뉴→식재료 매핑 + 급식 코퍼스 플라이휠: NEIS 전국 급식 데이터(약 1만 메뉴)로 학습해 음식명을 식재료·31종 영양으로 환원합니다. 학교 급식이라는 동일 도메인에서 지금 실제로 작동하는, '진짜 우리 것'인 대표 기술입니다. (2) 결정론 코칭 플랜 엔진 — 보건복지부 지침과 35가지 국제 편식 치료 방법론·이론(Satter 책임분담·Food Chaining·SOS·HabEat·ICFQ 등)을 흩어진 채로 두지 않고 하나의 코칭 하네스(시나리오·코칭무브·금기)로 코드화했습니다. '계획은 코드, 작문만 LLM' — 무슨 결핍을 어떤 검증된 방법으로 공략할지는 이 하네스가 결정론적으로 정하고, LLM은 마지막 편지 문장만 씁니다. 그래서 매일 그 아이에게 맞는 한 가지 행동을 환각 0·저비용으로 처방하며, 일반론을 뱉는 단순 LLM 래퍼와 갈라집니다. 실제로 아이 1명당 월 LLM 운영비는 약 1,000원 안팎(추정)입니다 — 결정의 대부분은 무료인 결정론 코드가 하고, 소형 모델(LLM)은 하루 한 통의 편지 작문에만 쓰이기 때문입니다. 매 판단마다 LLM을 부르는 단순 래퍼였다면 수십 배의 토큰 비용이 들었을 구조입니다. (3) 검증된 제조·물류 — 편식은 앱(앎)으로 끝나지 않습니다. 그 아이 성향에 맞는 식재료를 '다품종·소량'으로 실제로 만나야 바뀌는데, 부모가 직접 사면 한 봉지에 한 조각만 쓰고 대부분 버려집니다. 즉 폐기 없는 개인화 소량 배송이 반드시 필요하지만 가정에서는 불가능합니다 — 이 충족을 긴밀한 협력사가 메웁니다: 창업자 동생이 운영하는 신선 밀키트 제조사 '밀프레드'로, B2C 밀키트 6년·누적 100만 인분·5중보냉 48h 콜드체인·100평 시설(연 20억 capa)을 보유합니다. 우리는 엔진(SW)에 집중하고, 검증된 제조·물류는 가족처럼 묶인 이 협력사가 받쳐 분석한 처방을 실제 식재료로 폐기 없이 충족합니다. (4) 교육기관 영업망 (0-CAC 채널) — '밀프레드' 브랜드가 낮은 가격과 높은 신뢰도로 전국 교육기관을 영업해 구축한 망입니다. 매해 2배 이상 늘어나는 '요리교육을 경험하는 아동'을 부모 앱 설치로 자연스럽게 연결하는 유통 해자입니다. [비전·검증 목표] 이번 투자로 이루려는 것은 분명합니다 — 업계 1위지만 '제조'만 있는 교육용 요리키트 브랜드와 우리의 AI 엔진을 강력하게 연결하는 것입니다. 분석(SW)과 충족(키트 HW)을 한 몸으로 잇는 개인화 키트 배송의 닫힌 루프 — 지금 이미 돌리고 있다고 말하지 않습니다. 이번 라운드의 검증 대상입니다. 가장 솔직한 약점은 개인의 섭취·성장 '결과 데이터'가 아직 없다는 것이며, 바로 이 한 칸을 인바디가 메워줍니다.

송곳 → 우산 → 글로벌의 단계 확장입니다. 기존 대안의 공백: 지금 부모가 기댈 곳은 ① 맘카페의 파편적 정보 ② 비싼 사설 편식 치료 프로그램 ③ 간편식 구매뿐입니다. '그 아이에게 개인화해서 편식을 다뤄주는' 서비스는 비어 있습니다 — 우리가 그 빈자리에 들어갑니다. · 진입(SOM): 편식 고민 가구 약 60만 — 가장 절박한 페인으로 좁게 들어갑니다. · 확장(SAM): 0~6세 약 230만 명·영유아 약 200만 가구의 레시피·성장발달·건기식까지 영양 헬스케어 전반. · 글로벌(TAM): 편식·아동영양은 전 세계 공통 페인. 인바디 다국가 네트워크가 그대로 해외 교두보가 됩니다. 순풍: 저출생 역설 — 머릿수는 줄어도 1인당 지출은 늘어 프리미엄 개인화에 지갑이 열리는 시장입니다. 유통 해자: 이미 전국 초등학교의 약 14%가 구매하는 학교(B2G) 채널을 갖고 있고, 이는 영유아 가구로 가는 0-CAC 앱 유통 경로입니다. 25년 유료고객 6.4만 명, 재구매율 37.4%로 채널 자체가 살아 작동합니다(채널 크기 지표).

이 팀의 핵심은 '엔진 빌더' 대표 + 검증된 제조·물류 협력사 + 한 번의 실패에서 단련된 태도입니다. · 대표 임남규 — IoT 스마트홈 스타트업 '아이오(IO)' 코파운더로 프라이머·캡스톤파트너스·스트롱벤처스로부터 시리즈A 7.5억원 등 기관투자를 유치하고 TIPS에 선정(스마트조명 '스위처')된 뒤, 그 하드웨어 사업의 실패까지 정면으로 겪었습니다. SW마에스트로 멘토(24~25)이자 '집꾸미기'에서 2년간 라이브 서비스 백엔드 개발을 담당했고, 지금은 밀프레드 편식의 매핑·코칭 엔진을 직접 설계·운영합니다. · 긴밀한 협력사 (제조·물류) — 창업자 동생이 운영하는 신선 밀키트 제조사 '밀프레드'(업계 1위급 교육용 요리키트 브랜드). B2C 밀키트 6년·누적 100만 인분·5중보냉 48h 콜드체인·100평 시설(연 20억 capa). 우리가 직접 못 하는 '극다품종 소량 콜드체인 충족'을 가족처럼 묶인 파트너십으로 확보합니다. 엔진(SW)은 우리가 직접, 충족(제조·물류)은 긴밀한 협력사가 — 둘이 한 몸처럼 움직여 측정-처방-충족 루프를 닫습니다. 대표는 한 번의 창업 실패에서 배운 사람이고, 유치원생 조카에게 편식 교정 방법론을 직접 적용해 3주 만에 당근을 스스로 집어먹는 걸 보고 확신을 얻어 이 길을 시작했습니다. 잘 되던 길 대신 아이의 편식을 '실제로 고치는' 더 근본적인 문제로 향할 줄 아는 것 — 끊임없이 더 나은 솔루션을 찾는 겸손함과 간절함이 우리 팀의 진짜 상수입니다.

인바디 핵심 자산을 정면으로 활용해, 지금 우리에게 비어 있는 한 칸을 함께 메우자는 제안입니다. 솔직히 우리의 가장 큰 약점은 개인의 객관적 섭취·성장 '결과 데이터'가 없다는 것입니다. 우리 엔진은 '무엇을 먹였나'까지는 정확히 읽지만 '그래서 몸이 어떻게 변했나'는 보지 못합니다. 바로 이 지점을 인바디 체성분·성장 측정이 채웁니다. [측정-처방-충족-재측정 루프] · 측정(InBody): 체성분·성장 데이터로 아이의 객관적 출발점과 변화를 잽니다 — 우리 약점인 '결과·반응 데이터 부재'를 정확히 보완. · 진단·처방(밀프레드 편식 엔진): 끼니 기록을 식재료·31종 영양으로 환원하고, 그 아이만의 식이를 매일 처방. · 충족(개인화 키트): 처방한 식재료를 협력사 콜드체인으로 극소량·개인화 배송해 실제 섭취까지 닫음. · 재측정(InBody): 다시 재서 처방이 '실제로 나아지게 했는가'를 검증 — 희망사항이 아니라 데이터로 증명되는 닫힌 헬스케어 루프. 나아가 인바디 다국가 네트워크는 '편식은 전 세계 공통'인 영유아 영양의 글로벌 교두보가 되고, 블루포인트의 딥테크 투자·스케일 멘토링은 이 엔진을 헬스케어 그레이드로 끌어올려 자본·운영 양면에서 함께 키웁니다.

세 가지를 검증하고자 합니다. (1) 사회적 비용 절감 — 편식의 골든타임 안에 객관적 데이터로 개입해, 영유아 영양 불균형과 그로 인한 장기 의료·발달 비용을 실제로 줄일 수 있는지. 측정 가능한 아동 건강 개선을 인바디와 함께 증명합니다. (2) 개인화 식재료 배송 구독 검증 — 이번 라운드의 핵심 목표인 '편식 분석 → 개인화 식재료 배송 구독'의 전환·리텐션을, 인바디 측정 데이터를 결과 지표로 삼아 객관적으로 검증합니다. (3) 글로벌 교두보 — 인바디 다국가 네트워크를 발판으로, 측정-처방-충족-재측정 루프를 해외 영유아 영양 시장으로 확장하는 첫 거점을 만듭니다. 이 셋을 '엔진은 직접 만들고 검증된 제조·물류 협력사를 등에 업은 팀'이 동시에 밀어붙일 수 있다는 점, 그리고 루프가 한 번이라도 객관적 데이터로 돌면 우리는 '먹였다'를 넘어 '나아졌다'를 증명하는 회사가 된다는 점 — 그것이 우리가 InBodyLIKE에서 가장 빨리 답을 낼 팀인 이유입니다.