플랜트 업계는 오랫동안 설계를 자동화가 닿지 않는 영역으로 두었다. 규모에 따라 수년씩 걸리는 설계 공정에서 문서를 쓰고, 고치고, 검토하는 일은 여전히 엔지니어의 노동집약적 수작업으로 남아 있었다1. 그런데 기존 CAD 를 바꾸지 않고 그 위에 프롬프트 창 하나를 얹은 회사가 나왔고, 거기에 카이스트청년창업투자지주·포항공과대학 기술지주·베이스벤처스 세 곳의 시드 투자가 붙었다1. 금액은 비공개다. 대신 설립 초기부터 유료 고객을 확보한 상태에서 받은 돈이라는 점이, 이 시드를 다른 시드와 구분한다1.
왜 '플랜트 설계'였나 — 가장 느리고, 가장 바꾸기 어려운 곳
생성형 AI 는 텍스트가 많은 곳부터 들어갔다. 문서, 코드, 고객 상담이 먼저였다. 플랜트·EPC 설계는 그 반대편에 있다. 도면과 설계 문서가 CAD 안에 묶여 있고, 프로젝트 하나가 규모에 따라 수년씩 이어진다1. 엔지니어가 설계 문서를 작성하고 수정하고 검토하는 반복 작업을 손으로 떠안는 구조다. 그래서 이 영역은 디지털 전환 논의에서 늘 뒤로 밀렸다. 바꿔야 할 툴이 너무 깊이 박혀 있고, 바꾸는 순간 수년짜리 프로젝트가 흔들리기 때문이다.
스냅스케일이 고른 접근은 툴을 교체하지 않는 것이다. AutoFlow 는 엔지니어가 기존에 사용하던 CAD 환경 위에 프롬프트 창을 더하는 방식으로 동작한다. 별도의 시스템 전환 없이, 설계 문서의 작성과 수정, 검토 업무를 AI 가 대신 처리한다1. 바꾸라고 요구하지 않고, 쓰던 화면 위에 얹는다. 이것이 보수적인 EPC 현장에 AI 가 들어가는 거의 유일한 입구다. 회사는 이 솔루션을 '제조 특화 생성형 AI' 로 부른다1.
설계의 근거도 현장에서 가져왔다. AutoFlow 는 국내외 현장 엔지니어 75명에 대한 심층 인터뷰를 바탕으로 개발됐고, 그래서 실제 업무 흐름에 밀착해 있다는 것이 회사의 설명이다1. 또 하나의 조건은 보안이다. 플랜트 설계 데이터는 고객사 밖으로 내보내기 어려운 자산이다. AutoFlow 는 모든 데이터를 고객사 인프라 내에서 처리한다1. 클라우드를 전제로 한 범용 AI 가 이 산업에서 번번이 막히는 지점을, 처음부터 온프레미스로 비켜 간 셈이다.
팀 구성도 이 선택과 맞물린다. POSTECH·서울대·고려대 출신 엔지니어로 구성된 팀에, 국내외 글로벌 엔지니어링 기업에서 경험을 쌓은 시니어 자문단이 제품 개발과 사업 전략을 돕는다1. 지난해에는 아산나눔재단이 주최한 2025 정주영 창업경진대회 예비창업 트랙에서 대상을 받았다1. 투자사 세 곳 가운데 두 곳이 대학 기술지주라는 사실은 이 이력과 무관하지 않다.
전통 설계실 vs AutoFlow 가 들어간 설계실 — 무엇이 바뀌고 무엇이 그대로인가
이 회사의 제품을 이해하는 가장 빠른 방법은 '무엇을 바꾸지 않았는가' 를 보는 것이다. CAD 는 그대로다. 엔지니어의 자리도 그대로다. 바뀌는 것은 문서를 만들고 고치고 검토하는 손의 일이다1.
| 업무 영역 | 전통 플랜트 설계실 | AutoFlow 도입 설계실 |
|---|---|---|
| 설계 문서 작성·수정 | 엔지니어의 노동집약적 수작업 | 프롬프트 입력 → AI 가 작성·수정 대행 |
| 도입 방식 | 새 시스템으로 전환, 툴 교체 부담 | 기존 CAD 환경 유지 + 프롬프트 창 추가 |
| 검토 업무 | 사람이 반복 검토 | AI 가 검토 업무를 대신 처리 |
| 데이터 위치 | 사내 보관, 외부 AI 로 반출 곤란 | 고객사 인프라 내부에서 전량 처리 |
| 자동화 범위 | 설계 단계 일부 | 설계 → 조달 → 시공, EPC 전주기 (목표) |
표의 마지막 행이 이 회사의 야심이다. 스냅스케일은 설계 단계를 넘어 조달·시공까지 EPC 전주기가 자동화되는 것을 목표로 제품을 고도화하고 있다1. 설계는 입구이고, EPC 전주기가 시장이다. 지금의 고객사가 EPC사, 벤더사, 공공기관으로 밸류체인 안에서 유형이 갈리는 것도 이 확장을 염두에 둔 배치로 읽힌다1.
세 단계로 읽는 스냅스케일의 플레이북
- 현장에서 문제를 정의했다 출발점은 모델이 아니라 인터뷰였다. 국내외 현장 엔지니어 75명을 심층 인터뷰해 설계 업무의 어디가 노동집약적 수작업으로 남아 있는지를 먼저 확인했다1. 범용 모델을 들고 산업에 들어가는 방식과 순서가 반대다.
- 툴을 바꾸지 않고 얹었다 기존 CAD 환경 위에 프롬프트 창을 더하는 구조를 택했다. 별도 시스템 전환이 없으니 도입 장벽이 낮고, 모든 데이터가 고객사 인프라 안에서 처리되니 보안 심사에서 막히지 않는다1. 보수적인 산업에서 '도입 가능한 형태' 를 먼저 설계한 것이다.
- 유료 고객으로 먼저 증명했다 설립 초기부터 유료 고객을 확보했고, 현재 4곳의 고객사를 두고 복수의 PoC 를 진행 중이다. EPC사·벤더사·공공기관 등 밸류체인 내 서로 다른 유형의 고객과 협업한다는 점이 포인트다1. 투자사들이 인정한 '사업화 역량' 은 바로 이 대목이다1.
The Bet — 왜 대학 기술지주 두 곳과 베이스벤처스가 이 시드를 샀나
타이밍을 먼저 보자. 투자 발표 며칠 뒤 발행된 wowtale 위클리 인텔리전스는 AI 투자금이 범용 모델에서 산업 인프라로 이동하고 있다고 짚었다5. 2026년 3분기 국내 투자 집계에서는 로보틱스가 뜨고 바이오헬스 메가딜이 실종됐다는 진단이 나왔다2. 범용 AI 의 자리는 좁아지고, 특정 산업의 노동을 직접 대체하는 AI 로 돈이 옮겨 가는 국면이다. 스냅스케일의 시드는 그 흐름 한가운데 있다.
베팅의 핵심은 진입 비용이다. 플랜트 설계는 툴이 깊이 박혀 있어 외부 AI 가 들어가기 어려운 시장이고, 그래서 들어가기만 하면 쉽게 밀려나지 않는 시장이다. 스냅스케일은 CAD 를 바꾸지 않고 얹는 방식과 온프레미스 처리로 그 진입 비용을 낮췄고, 유료 고객 4곳으로 실제 도입이 가능하다는 것을 보였다1. 카이스트·포스텍 기술지주가 보는 것은 기술의 깊이이고, 베이스벤처스가 보는 것은 설계에서 조달·시공으로 번지는 EPC 전주기의 크기다1. 두 시선이 같은 회사에서 만났다.
리스크도 분명하다. 투자 금액이 공개되지 않았고, 고객사 4곳과 PoC 는 증명의 시작이지 끝이 아니다1. 이 회사의 다음 1년은 PoC 를 정식 도입으로 바꾸는 전환율 하나로 평가된다. 회사 스스로도 이번 투자의 용도를 연구개발 인력 확충, 진행 중인 PoC 의 정식 도입 전환, 산업 현장 레퍼런스 확대로 못 박았다1.
다음 12개월에 지켜볼 지표 3개
- PoC 의 정식 도입 전환 지금 진행 중인 복수의 PoC 가운데 몇 건이 유료 정식 계약으로 넘어가는지가 첫 번째 지표다. 회사가 투자금 용도로 명시한 항목이기도 하다1. 현재 유료 고객 4곳이 기준선이다1.
- 설계 밖으로 나가는 첫 기능 회사의 목표는 설계를 넘어 조달·시공까지 EPC 전주기 자동화다1. 설계 문서 작성·수정·검토 이외의 영역에서 첫 기능이 공개되는 시점이, '설계 자동화 툴' 에서 'EPC 플랫폼' 으로 티어가 바뀌는 신호다.
- 레퍼런스의 유형 확장 EPC사·벤더사·공공기관으로 나뉜 고객 유형 가운데 어느 쪽에서 레퍼런스가 먼저 쌓이는지를 본다1. 연구개발 인력 확충 속도와 함께, 다음 라운드에서 금액이 공개되는지도 같은 맥락의 지표다.
유료 고객 4곳이 산업의 레퍼런스가 되는지가, 다음 이야기다.
