㈜누보 AX가 운영하는 농업 AI 서비스입니다. 표준시비와 검증된 제품 데이터를 바탕으로 RAG(검색 증강 생성)로 답하고, 제품 추천·적합도는 별도 규칙 엔진이 계산합니다.
Portal
ai.nousbo.com
누보 AI 허브
Region
Seoul
Supabase ap-northeast-2
Knowledge
4 cols
엑셀 업로드
Products
Top 3
규칙 기반 %
DATA · 핵심 요약
아래부터 질문 → 필요한 엑셀이 한눈에 이어집니다. 먼저 30초 요약을 보시고, 필요하면 아래 상세를 펼쳐 보시면 됩니다.
비료도사 = 「시비 교과서」 + 「제품 카탈로그」를 넣어 둔 현장 상담 창구
ChatGPT처럼 AI가 알아서 채우는 게 아닙니다. 우리가 엑셀로 정리해 올린 내용만 답하고 추천합니다. 엑셀이 비어 있으면 → 「답을 찾지 못했습니다」, 채워 있으면 → 출처와 함께 답·제품 비교가 나옵니다.
✕ 데이터 없을 때
「지식베이스에서 답을 찾지 못했습니다…」
→ 표준시비·제품 엑셀을 아직 안 넣은 상태
✓ 데이터 넣은 후
「본논 벼 질소는 10a당 90~110kg… [출처 S1]」 + 제품 Top 3
→ 엑셀 업로드 후 같은 질문에 바로 답변
질문 유형별 — 무엇을 준비해야 하나요?
농업인·영업이 이렇게 물으면
질문
「벼 본논에 질소 얼마나 줘야 해요?」
넣어야 할 데이터
① 표준시비·재배 가이드 엑셀
한 줄 = 한 주제 (예: 벼 본논 질소량, 웃거름 시기). 농진청·사내 자료를 4칸짜리 표로 정리.
준비 AX + R&D (농진청 표 준거)
채팅에 나오는 답
10a당 N 90~110kg, 밑거름·웃거름 비율과 함께 출처 표시
농업인·영업이 이렇게 물으면
질문
「벼 본논에 질소비료 뭐 써야 해요?」
넣어야 할 데이터
② 제품 카탈로그 엑셀
한 줄 = 제품 하나 (회사명, 제품명, N-P-K, 작물, 시기). 영업·제품 자료를 9칸짜리 표로 정리.
준비 영업·제품기획 (AX가 양식 통일)
채팅에 나오는 답
등록된 제품 중 적합도 % Top 3 (데이터 있는 경우만)
농업인·영업이 이렇게 물으면
질문
「우리 밭 pH 5.8인데 얼마나 줘요?」
넣어야 할 데이터
③ 토양검정·기상 (3단계)
2026 하반기엔 ①② 우선. 밭별 맞춤은 토양·기상 연동 후.
준비 AX + 외부 API (로드맵)
채팅에 나오는 답
표준시비 보정 답변 (9월 이후 목표)
기억하실 것 — 엑셀은 딱 2종류
형식만 맞으면 어드민에서 드래그·업로드로 끝. (매뉴얼: Admin 탭 참고)
엑셀 ① 지식베이스
「언제·얼마나 시비?」 질문용
| 항목명 | 재배상황 | 근거 | 시비정보 |
|---|---|---|---|
| 벼 본논 질소 | 본논 벼 재배 시… | 표준시비 10a당 N 90~110kg | 밑거름 40%·웃거름 30%… |
업로드: 어드민 → 지식베이스 탭
엑셀 ② 제품 목록
「뭐 써야 해?」 질문용
| 회사 | 제품명 | 작물 | N-P-K | … |
|---|---|---|---|---|
| (회사명) | 벼 웃거름 21 | 벼 | 21-0-0 | 웃거름 |
업로드: 어드민 → 제품 탭
▼ 상세 (담당·원천·일정)
비료도사는 「공신력 있는 글」과 「실제 제품 정보」 두 축이 있어야 합니다. AI가 알아서 채우지 않습니다 — AX팀·영업·R&D가 정리한 엑셀을 올리면, 그 범위 안에서만 답하고 추천합니다.
①
표준시비·가이드
「언제·얼마나?」
②
제품 카탈로그
「뭐 써야 해?」
③
토양·기상 (추후)
「우리 밭엔?」
데이터가 서비스로 바뀌는 경로
원천
AX 정리
시스템
농업인
DATA 01
지식베이스 — RAG 답변의 근거
무엇을 모으나
작물·재배형태별 시비 시기, 10a(또는 ha)당 질소·인산·칼륨, 밑거름/웃거름 비율, 주의사항(도복·과다 시비 등)
원천 · 담당
농촌진흥청·지역 농업기술센터 표준시비량표, 사내 기술자료
담당: AX팀 (R&D·영업 자문) · 1차 작물: 벼
서비스에서 이렇게 쓰임
「벼 본논 질소 얼마나?」「웃거름 시기?」 → 출처 [S1]과 함께 가이드 답변
엑셀 1행 예시 (실제 이렇게 한 줄씩 쌓음)
DATA 02
Top 3 추천 — LLM이 아닌 규칙·스펙
무엇을 모으나
회사명, 제품명, N-P-K 함량(%), 대상 작물, 시기(밑거름/웃거름), 비료 유형(질소·복합·유기), 한 줄 용도
원천 · 담당
㈜누보 및 협력사 제품 리스트, 라벨·성분표, 영업 자료
담당: 영업·제품기획 (AX가 엑셀 형식 통일) · 자사 우선, 경쟁사는 범위 협의
서비스에서 이렇게 쓰임
「뭐 써야 해?」「A사 B사 비교」 → 적합도 % Top 3 (데이터 있는 경우만)
제품 1행 예시
DATA 03
맞춤 시비 고도화 — 별도 앱과 연계
무엇을 모으나
밭별 pH·유기물·유효인산, 기상(강수·적산온도), 품종별 시비 보정 계수
원천 · 담당
농기센터 토양검정, 기상 API, 품종 재배 매뉴얼
담당: AX + 외부 API · 토양·기상 AI 앱(로드맵)과 통합
서비스에서 이렇게 쓰임
「우리 밭 pH 5.8인데?」 → 표준시비 보정 (9월 이후 목표)
수집 시기
의사결정 · 협조 요청
아래가 정해지면 AX팀이 수집·업로드 일정을 확정할 수 있습니다.
AI에게 맡기면 안 되는 것 (명확히 구분)
ChatGPT에게 표준시비·제품명을 «알아서 써»라고 하지 않습니다. 웹에서 긁어온 미검증 데이터, LLM이 지어낸 시비량·적합도 %는 서비스에 넣지 않습니다. 검증된 원천 → 사람이 엑셀 정리 → 업로드가 원칙입니다.
01 · SERVICE
비료도사는 농업인·컨설턴트·내부 영업이 「언제·얼마나·왜」 시비할지 빠르게 확인하고, 필요할 때 「어떤 제품」을 쓸지 비교할 수 있도록 돕습니다.
표준시비 가이드
농촌진흥청·지역 표준시비를 구조화한 지식베이스. RAG로 출처와 함께 답변.
제품 Top 3
회사·제품·N-P-K·작물·시기가 등록된 카탈로그. LLM이 아닌 규칙 점수로 추천.
현장 친화 UX
텍스트·음성 질문, 답변 자동 읽기(TTS). PC·모바일 웹(앱 9월 목표).
설계 원칙
02 · WHY RAG
비료·시비 정보는 표준시비, 토양, 품종, 지역마다 달라집니다. 일반 챗봇은 그럴듯하지만 틀린 답을 할 수 있어, 검색(Retrieval) + 생성(Generation)구조를 택했습니다.
일반 LLM만 사용할 때
제품명·시비량을 지어낼 위험. 출처 확인 불가. 회사·농업인 신뢰 하락.
비료도사 RAG + 규칙 추천
지식베이스·제품 DB에 있는 내용만 사용. [S1] 출처·적합도 % 근거 제시.
03 · PIPELINE
질문 입력
농업인이 작물·시비·제품을 자연어(또는 음성)로 질문합니다.
임베딩 검색
질문을 벡터로 변환한 뒤, 지식베이스에서 의미가 가까운 항목 Top 5를 검색합니다.
가이드 답변
검색된 표준시비·재배 가이드만 근거로 LLM이 2~4문장 답변을 생성합니다. [S1] 출처 표시.
제품 추천 (조건부)
「뭐 써야 해요」 등 제품 의도 질문일 때, 등록된 제품 DB에서 규칙 점수로 Top 3·적합도 %를 계산합니다. LLM이 제품명을 만들지 않습니다.
출처·추천 표시
답변, 지식 출처 카드, (해당 시) 추천 제품 카드를 한 화면에 제공합니다.
04 · DATA MODEL
비료도사는 지식베이스와 제품 카탈로그를 분리합니다. 같은 엑셀 4열 형식이 아니며, 역할이 다릅니다.
지식베이스 · fertimaster_knowledge
표준시비·재배 가이드. OpenAI 임베딩(1536차원) → pgvector 코사인 검색.
term — 항목명description — 재배상황role — 추천·비교 근거details — 시비·제품 정보(가이드)제품 카탈로그 · fertimaster_products
회사·제품·함량·작물. 임베딩 없음 — 규칙 점수로 Top 3.
company_name · product_namecrop · growth_stagefertilizer_type · N-P-K %usage_note — 비고임베딩 가공 (지식베이스만)
업로드 시 term + description + role + details를 합쳐 OpenAI text-embedding-3-small로 벡터화합니다. 엑셀 100건은 배치 API로 5~15초 내 처리. 수정 시 임베딩 자동 재생성.
05 · EXCEL GUIDE
어드민(/fertimaster/admin)에서 일괄 업로드합니다. 지식과 제품 탭·양식이 다릅니다.
지식베이스 (표준시비·가이드)
| 컬럼 | 필수 | 작성 팁 |
|---|---|---|
| term | ✓ | 짧은 항목명. 예: 「벼 본논 질소 시비」 |
| description | ✓ | 재배상황 2~3문장. 검색·답변의 핵심. |
| role | 선택 | 표준시비 근거, 비교 포인트, 주의사항. |
| details | 선택 | ①②③ 시비 단계, 10a당 kg, 시기. 제품명은 가급적 제품 탭에. |
제품 카탈로그
| 컬럼 | 필수 | 작성 팁 |
|---|---|---|
| company_name | ✓ | 회사명 (실데이터). |
| product_name | ✓ | 상표·제품명. company와 쌍으로 유일. |
| crop | 권장 | 벼, 마늘, 전체 등. |
| growth_stage | 선택 | 밑거름, 웃거름, 본논 … |
| fertilizer_type | ✓ | 질소 / 인산 / 칼륨 / 복합 / 유기 |
| n_pct, p_pct, k_pct | 권장 | 숫자(%). 추천 점수에 반영. |
| usage_note | 선택 | 한 줄 비고. UI 추천 사유에 표시. |
주의 · term·제품명 중복은 skip · 한 번에 100건 · 헤더는 영문 소문자 그대로 · 지식용 파일을 제품 탭에 올리지 마세요
07 · INFRASTRUCTURE
직접 서버를 운영하지 않습니다. 아래 그림 한 장으로 어떤 데이터가 들어가고, 어떤 경로로 답변이 나오는지 파악할 수 있습니다.
그림 1. 비료도사 전체 아키텍처 — INPUT DATA → Vercel → Supabase / OpenAI → OUTPUT·SVG 원본 열기
Gabia DNS
ai.nousbo.com → Vercel
Vercel
Next.js · CI/CD · Serverless
Supabase
PostgreSQL · pgvector · 서울
OpenAI
임베딩 · gpt-4o-mini
08 · ROADMAP
2026. 7
허브·비료도사 MVP, 표준시비 시드, 제품 Top 3 v0
2026. 9
정식 출시 · iOS/Android 앱 · 실제 제품 DB
2026 Q4
적합도 고도화 · 토양검정 연동 검토
2027~
누보 AI 포털 추가 앱(진단·기상 등)
Try it
모바일 앱은 2026년 9월 App Store · Google Play 출시 예정입니다. 지금은 웹에서 바로 질문해 보세요.
㈜누보 AX · nousbo-ax · 문의는 사내 AX팀