에이전트 시뮬레이션 플루라이, 1,300만 달러 시드 투자유치

AI 에이전트를 만드는 일은 쉬워졌지만, 실제 고객 앞에 내놓아도 될 만큼 믿을 수 있게 만드는 일은 여전히 어렵다. 사람이 시나리오를 하나하나 점검해도 현장에서 마주칠 변수를 다 예측하기는 불가능하고, 서비스가 시작된 뒤 모든 상호작용을 거대 언어모델(LLM)로 검사하자니 느리고 비싸다. 이 간극을 ‘시뮬레이션’으로 메우겠다는 스타트업이 정식 출시와 함께 투자를 받았다.

뉴욕에 본사를 둔 플루라이(Plurai)는 11일(현지시간) 시드 라운드로 1,300만 달러를 투자유치했다고 밝혔다. 라운드는 팀8(Team8)이 주도했고 U&I, 벨로시티(Velocity), 머서(Mercer)와 20여 명의 엔젤 투자자가 참여했다. 사이버아크(CyberArk) 창업자 우디 모카디(Udi Mokady), 구글 클라우드의 리아 미야라(Reah Miyara) 등이 엔젤로 이름을 올렸고, 마이크로소프트 365 코파일럿 CTO 에얄 카르미(Eyal Carmi) 박사는 자문위원으로 합류했다. 회사는 제한된 파트너에게만 열어 두었던 플랫폼을 이번에 모든 에이전트 개발자에게 공개하고, 무료 이용 구간도 두었다.

플루라이의 출발점은 에이전트의 ‘디지털 트윈’이다. 고객사의 지식 베이스와 도구, 정책을 바탕으로 에이전트와 그 환경을 샌드박스에 복제하고, 현실적인 사용자와 악의적인 사용자 수천 명을 투입해 에이전트를 시험한다. 정책 위반, 환각, 잘못된 행동, 도구 호출 오류, 작업 실패, 민감 정보 유출 같은 문제를 출시 전에 드러내는 것이 목표다.

시뮬레이션은 점검에서 끝나지 않는다. 플루라이는 발견한 실패에 대한 수정안을 만들고, 같은 시뮬레이션 데이터로 각 에이전트에 맞춘 소형 언어모델(SLM)을 학습시킨다. 서비스 단계에서 이 소형 모델은 두 가지 역할을 한다. 값비싼 프런티어 LLM을 대신해 에이전트를 구동하거나, 상시 평가자이자 가드레일로서 에이전트의 모든 행동을 검사하고 회사 정책을 강제한다. 여기서 새로 잡힌 실패는 다시 시뮬레이션으로 돌아가 에이전트를 개선한다. 회사는 이를 “시뮬레이션, 수정, 사후 학습, 반복”의 순환으로 설명한다.

성과 수치는 회사가 공개한 설계 파트너 사례다. 플루라이는 에이전트 개발 주기가 수개월에서 수시간으로 줄고, 실제 사용자에게 도달하는 실패가 82% 감소했으며, 안정적인 에이전트를 운영하는 비용이 97% 낮아졌다고 밝혔다. 엔비디아·네비우스(Nebius)와 함께 한 글로벌 기업 고객 사례에서는 플루라이가 사후 학습한 모델이 오픈AI와 앤트로픽의 프런티어 모델보다 정확도가 높으면서 비용은 각각 40배, 44배 낮았다고 했다. 고객사 이름과 측정 조건은 공개하지 않았고, 독립적으로 검증된 수치도 아니다.

자율주행 시뮬레이션에서 에이전트로

공동창업자는 일란 카다르(Ilan Kadar) CEO와 엘라드 레비(Elad Levi) CTO다. 두 사람은 자율주행 데이터 기업 넥사(Nexar)에서 각각 AI 부사장과 AI 아키텍트로 일하며 웨이모(Waymo) 같은 자율주행 업체를 위한 실시간·대규모 시스템을 만들었다. 출시 전에 시뮬레이션으로 검증하는 자율주행의 방식을 AI 에이전트로 옮겨 온 셈이다.

카다르 CEO는 웨이모가 실제 주행의 약 100배에 해당하는 200억 마일 이상을 시뮬레이션으로 학습·검증하며 신뢰를 쌓았다고 소개하며, 플루라이도 가장 어려운 상황과 드문 사건을 사용자에게 가기 전에 에이전트에 미리 겪게 하는 것이라고 말했다. 팀8의 아비아드 하렐(Aviad Harell) 매니징 파트너는 시뮬레이션이 소프트웨어의 CI/CD처럼 에이전트 스택의 기본 요소가 될 것이라고 평가했다.

회사는 자체 연구도 내세운다. 맞춤형 소형 모델용 합성 학습 데이터를 만드는 방법 ‘BARRED’는 머신러닝 학회 ICML 2026에 채택됐고, 소형 모델 수백 개를 GPU 한 대에서 실시간으로 서비스하는 방법도 연구했다고 한다. 개발자는 클로드 코드(Claude Code), 코덱스(Codex), 깃허브 코파일럿(GitHub Copilot) 같은 기존 도구에서 바로 시작할 수 있고, 세일즈포스 에이전트포스(Agentforce) 같은 기업용 플랫폼에서 만든 에이전트도 시뮬레이션할 수 있다.

고객은 AI 네이티브 기업과 규제가 엄격한 산업의 포천 500대 기업, 대형 금융사라는 설명이다. 가트너(Gartner)는 올해 ‘AI 평가·관측 플랫폼 마켓 가이드’에서 플루라이를 대표 벤더로 꼽았다고 회사는 밝혔다. 같은 보고서에서 가트너는 소프트웨어 엔지니어링 팀의 60%가 2028년까지 이 범주를 도입할 것으로 내다봤다(2025년 18%).

에이전트 검증 시장, 시뮬레이션이 새 격전지로

에이전트 검증·감시 시장은 이미 자금이 몰린 곳이다. 관측·평가 쪽에서는 노션·리플릿 등을 고객으로 둔 브레인트러스트(Braintrust)가 아이코닉 주도로 8,000만 달러 시리즈B를 유치하며 8억 달러 가치를 인정받았고, 갈릴레오(Galileo)는 시스코가 인수를 추진했다. 갈릴레오는 자체 소형 모델 ‘루나-2’로 평가 비용을 줄였다고 내세운 곳으로, 소형 모델로 평가를 대신한다는 접근은 플루라이와 닮았다.

가장 가까운 경쟁자는 레인드롭(Raindrop)이다. CRV 주도 시리즈A로 누적 5,000만 달러를 모은 레인드롭 역시 고객별로 학습한 소형 모델로 에이전트의 실패를 잡아내고, 최근에는 프로덕션 트래픽을 코드 변경안에 재생해 보는 ‘시뮬레이션’ 제품을 냈다. 패트로너스AI(Patronus AI)는 그린필드 파트너스 주도 5,000만 달러 시리즈B와 함께, 평가를 넘어 에이전트가 훈련할 환경 자체를 만드는 ‘디지털 월드 모델’로 방향을 틀었다. 플루라이는 시뮬레이션에서 찾은 실패를 수정안과 맞춤 소형 모델로 이어 붙이는 데까지 한 제품으로 묶는다는 점을 앞세운다. 다만 이 시장의 여러 업체가 같은 방향으로 모이고 있어, 시뮬레이션 충실도와 비용 절감 수치를 고객 현장에서 입증하는 일이 경쟁력을 가를 전망이다.

AI 에이전트 생태계 전반은 와우테일의 에이전틱 AI 지형도에서 확인할 수 있다.