AI 요약
생성형 AI 기술이 고도화됨에 따라 단순한 모델의 크기보다 산업 목적에 부합하는 정교한 데이터의 가공 및 활용 능력이 핵심 경쟁력으로 떠오르고 있습니다. 이에 따라 반도체 산업의 파운드리 모델처럼 데이터의 설계, 가공, 생산을 전문 업체에 맡기는 '데이터 파운드리' 구조가 본격화되고 있습니다. 특히 AI가 실제 업무 수행 영역으로 확대되면서 맥락이 반영된 구조화 데이터에 대한 수요가 커지고 있으며, 이는 글로벌 빅테크 기업들의 대규모 투자로 이어지고 있습니다. 국내외 스타트업들이 로봇, 자율주행, 신소재 개발 등 특화된 분야에서 데이터를 정제하며 성과를 내고 있으나, 개별 고객사 맞춤형 제작에 따른 수익 구조의 한계에 대한 목소리도 나오고 있습니다. 결과적으로 데이터 파운드리는 AI 산업의 분업화를 촉진하며 시장의 질적 성장을 견인할 것으로 기대됩니다.
핵심 인사이트
- 스케일 AI의 기업 가치: 미국 데이터 레이블링 전문 기업 '스케일 AI'는 작년 메타로부터 약 143억 달러(약 21조 원)를 투자받았으며, 당시 기업 가치는 약 290억 달러(약 43조 원)로 평가받음.
- 바운드포의 급성장: 직원 12명 규모의 국내 스타트업 '바운드포'는 2024년 1분기 수주액이 전년 동기 대비 약 5배 증가하는 성과를 기록함.
- 글로벌 빅테크 투자 참여: 스케일 AI의 투자에는 메타를 비롯해 엔비디아, 아마존 등 주요 AI 하드웨어 및 서비스 기업들이 대거 참여함.
- 카이로스랩의 특화 전략: 실험 데이터를 표준화하여 반도체·배터리 등 소재 개발 과정의 시행착오를 줄이는 소재 특화 AI 솔루션 개발에 집중함.
주요 디테일
- 분업화 구조의 도입: 반도체 업계가 설계와 생산을 나눈 것처럼, AI 분야도 데이터 설계와 생산을 전문화된 영역으로 분리하는 흐름이 확산 중임.
- 데이터 가공의 고도화: 단순 레이블링을 넘어 인간 피드백 기반 강화 학습(RLHF) 데이터 생산 등 AI 학습의 핵심 역할을 데이터 파운드리가 수행함.
- 사업 영역의 변화: 바운드포는 초기 로봇 및 자율주행용 이미지·영상 데이터 중심에서 최근 텍스트 기반 업무형 데이터 가공으로 사업 영역을 확장함.
- 구조화 데이터 수요 증가: AI가 실제 업무에 적용되면서 단순 데이터보다 산업적 맥락이 반영된 정교한 구조화 데이터에 대한 시장 수요가 급증함.
- 수익성 확보의 과제: 고객사별 맞춤형 요구가 커질수록 일관된 체계 구축이 어렵고, 프로젝트성 용역 사업에 가까워져 규모의 경제 달성이 어려울 수 있다는 우려가 존재함.
향후 전망
- 전문화 흐름의 가속화: 황인호 바운드포 대표는 데이터 양보다 목적에 맞는 설계와 활용 역량이 중요해짐에 따라 생산·가공 전문 영역 분리가 더 확산할 것으로 전망함.
- 수익 모델의 지속 가능성: 데이터 파운드리 기업들이 단순 용역을 넘어 독자적인 플랫폼 경쟁력을 갖추고 장기적인 수익성을 입증할 수 있는지가 향후 시장 안착의 관건임.