AI 시장은 지난 몇 년간 언어와 이미지에 과하게 몰려 있었다. 그러나 기업의 실제 의사결정은 여전히 표, 로그, 거래, 센서, 고객 속성 같은 정형 데이터 위에서 움직인다. 그동안 이 영역은 과제마다 별도 모델을 만들고, 데이터를 정제하고, 수개월짜리 파이프라인을 다시 짜는 방식으로 버텨 왔다. 그 병목을 하나의 정형 데이터 파운데이션 모델로 줄이겠다는 회사에 40억원이 붙었다1.
왜 정형 데이터였나 — LLM 이후 남은 가장 큰 표의 문제
대부분의 기업은 이미 데이터를 갖고 있다. 문제는 그 데이터가 곧바로 모델이 되지 않는다는 점이다. 수요 예측, 이상 탐지, 신용 평가처럼 이름은 익숙한 과제도 실제 현장에서는 데이터 스키마, 결측치, 도메인 규칙, 검증 방식이 모두 다르다. 그래서 모델 하나를 만드는 일은 기술 과제라기보다 매번 새 프로젝트를 여는 운영 부담에 가까웠다.
넘즈에이아이가 겨냥하는 지점은 바로 이 반복 비용이다. 회사는 표 형태의 수치 데이터를 다루는 정형 데이터 파운데이션 모델, 즉 TFM을 개발한다고 밝혔다1. 이 모델은 원샷 추론으로 결측값을 예측하는 방식이며, 기존에 수개월이 걸리던 도메인별 머신러닝 파이프라인 개발 공수와 비용을 줄이는 솔루션으로 설명된다1. 이 회사의 주장은 '더 좋은 분석 도구'가 아니라, 과제별 ML 제작 방식을 파운데이션 모델 호출로 바꾸겠다는 것이다.
이 베팅이 지금 나온 것도 우연은 아니다. 글로벌 시장에서는 정형 데이터 파운데이션 모델로의 전환이 가속화되고 있으며, 미국 Fundamental의 유니콘 등극, SAP의 Prior Labs 인수, NVIDIA의 Kumo AI 인수, Google Research의 TabFM 공개가 한 흐름으로 제시됐다1. 언어 모델의 경쟁이 토큰과 문맥의 규모를 키웠다면, 다음 경쟁은 기업 데이터의 가장 흔한 형식인 표를 누가 더 일반화하느냐로 이동하고 있다.
투자자들이 산 것은 시장 타이밍만이 아니다. 넘즈에이아이는 서울대학교 컴퓨터공학부 조교수인 유재민 대표가 설립했고, 유 대표는 Google PhD Fellowship 수상과 29세 KAIST 조교수 임용 이력을 갖고 있다1. 여기에 ICML·KDD 등 AI 학회에서 주저자 논문을 발표한 이두호 공동창업자, 딥핑소스 출신 머신러닝 엔지니어 조민용 공동창업자가 합류했다1. 딥테크 초기 투자에서 팀 이력은 과장이 아니라 리스크 측정 장치다.
정형 데이터 AI 는 무엇을 바꾸나
| 영역 | 전통 방식 | 넘즈에이아이 방식 |
|---|---|---|
| 모델 개발 | 수요 예측·이상 탐지·신용 평가마다 별도 ML 파이프라인을 구축 | 단일 TFM으로 과제별 개발 공수 단축을 제시1 |
| 데이터 처리 | 결측값과 스키마 차이를 프로젝트별 전처리로 해결 | 원샷 추론으로 결측값 예측을 수행하는 구조1 |
| 도입 방식 | 컨설팅·SI 성격의 맞춤 구축에 의존 | SaaS API와 온프레미스 구축 솔루션을 병행1 |
| 고객 조건 | 보안이 강한 산업은 데이터 반출 제약으로 도입이 느림 | 데이터 반출이 제한되는 기업 고객을 위해 온프레미스 옵션 제시1 |
| 확장 시장 | 산업별 PoC가 반복되고 재사용성이 낮음 | 제조·금융·커머스·헬스케어로 시장점유율 확대 계획1 |
왜 이 팀에 40억이 먼저 갔나
- 문제 정의가 넓다. 넘즈에이아이는 특정 산업의 예측 모델 하나를 만드는 회사가 아니다. 회사가 말하는 TFM은 표 형태의 수치 데이터를 대상으로 하며, 수요 예측·이상 탐지·신용 평가 등 여러 도메인 과제를 하나의 모델 패러다임으로 묶으려 한다1.
- 팀의 신뢰 자산이 기술 리스크를 낮춘다. 유재민 대표는 서울대학교 컴퓨터공학부 조교수이며 Google PhD Fellowship 수상, 29세 KAIST 조교수 임용 이력을 갖고 있다1. 공동창업자 이두호는 ICML·KDD 등 AI 학회 주저자 논문 경험을, 조민용은 딥핑소스 출신 머신러닝 엔지니어 경험을 보탠다1.
- 제품화 경로가 이중이다. 회사는 확보 자금을 GPU 인프라 확충과 전문 연구 조직 스케일업에 쓰겠다고 밝혔다1. 동시에 SaaS API와 온프레미스 구축을 병행해 보안이 중요한 enterprise 고객까지 겨냥한다1. 초기 딥테크 회사가 연구만이 아니라 배포 형태까지 말하고 있다는 점이 이번 라운드의 핵심 신호다.
The Bet — 왜 이 VC 들은 이 베팅을 샀나
스톤브릿지벤처스가 주도하고 SBVA, KT인베스트먼트, 베이스벤처스가 참여한 40억원 투자는 정형 데이터가 LLM 이후의 다음 파운데이션 모델 전장이 될 수 있다는 가설에 가깝다1. 기업의 핵심 판단은 문서보다 테이블에서 더 자주 발생한다. 그런데 이 테이블은 회사마다 다르고, 보안 제약도 강하며, 도메인별 예외가 많다. 넘즈에이아이의 베팅은 이 복잡성을 모두 없애겠다는 말이 아니다. 반복되는 모델 제작 비용을 줄이고, 표 데이터 문제를 API 또는 온프레미스 호출 가능한 계층으로 낮추겠다는 것이다. 그게 가능하다면 이 회사는 분석 툴이 아니라 기업 의사결정 인프라의 한 층을 차지하게 된다.
다음 12개월에 지켜볼 지표 3개
- GPU 인프라가 모델 성능으로 전환되는가. 회사는 투자금을 GPU 인프라 확충과 연구 조직 스케일업에 집중하겠다고 밝혔다1. 다음 관전 포인트는 인프라 증설이 공개 벤치마크, 고객 PoC, 또는 반복 가능한 제품 성능으로 드러나는지다.
- API와 온프레미스 중 어디서 먼저 매출 신호가 나는가. 넘즈에이아이는 SaaS 형태의 API 서비스와 보안 기업을 위한 온프레미스 구축을 병행하겠다고 했다1. API는 확장성이 빠르지만 신뢰 확보가 필요하고, 온프레미스는 느리지만 금융·헬스케어 같은 보안 산업에서 초기 채택 가능성이 있다.
- 제조·금융·커머스·헬스케어 중 첫 레퍼런스가 어디서 나오는가. 회사가 제시한 확장 시장은 네 곳이다1. 이 중 어느 산업에서 반복 가능한 사용 사례가 먼저 쌓이는지가 TFM의 범용성보다 더 중요한 초기 검증 지표가 될 수 있다.
다음은 연구실의 성능이 아니라, 보안이 강한 현장의 반복 구매다.
