배포 후에도 배우는 기업용 AI 노에리, 1.1억 달러 투자유치


AI 모델은 학습이 끝나면 더는 배우지 않는다. 마지막 학습일에 알던 지식이 배포 기간 내내 그대로 유지된다. 기업이 AI에 막대한 돈을 쓰면서도 성과를 내기 어려운 이유 중 하나다. 범용 모델은 모든 일을 웬만큼 잘하도록 만들어졌을 뿐, 한 회사의 특정 업무에 맞춰져 있지는 않다. 그래서 기업은 가장 성능 좋은 비싼 모델을 쓰거나, 값싼 모델의 낮은 성능을 감수하는 선택에 놓인다. 스탠퍼드대 컴퓨터과학 교수 두 명이 이 구도를 바꾸겠다며 AI 랩을 세우고 1억1천만 달러를 투자유치했다.

노에리 로고

노에리(Noeri)는 현업에서 일하면서 스스로 나아지는 ‘자기개선 AI’를 만드는 랩이다. 한 번 학습시켜 배포하는 기존 방식과 달리, 회사의 데이터와 업무 속에서 경험을 쌓으며 오래 쓸수록 능력이 커지는 AI를 내세운다. 2026년에 설립됐고 미국 팰로앨토에 본사, 스위스 취리히에 사무소를 두고 있다.

노에리의 AI는 먼저 기업의 데이터와 업무 흐름을 파악한다. 그런 다음 모델 하나가 아니라 한 업무를 둘러싼 시스템 전체를 개선한다. 모델에 주는 지시문과 스킬, 쓰는 도구, 단계마다 어떤 모델을 쓸지를 조정하고, 효과가 크다면 모델의 파라미터까지 손본다. 모든 변경은 이유와 함께 담당자에게 올라가 코드 리뷰처럼 승인을 받는다.

폐쇄형과 오픈웨이트 모델을 가리지 않고 쓰며, 새 모델이 나오면 거기에 맞춰 시스템을 바꾼다. 데이터와 고객이 개발한 워크플로·모델의 소유권은 고객에게 있다. 다만 서드파티 모델 라이선스 조건은 따라야 한다.

회사가 내세우는 차별점은 세 가지로 정리된다. 배포한 뒤에도 현업 경험으로 계속 개선되고, 모델만 바꾸는 데 그치지 않고 지시문·도구·모델 배치까지 업무 단위로 최적화하며, 결과물을 고객이 소유한다는 점이다. 노에리는 한 기업이 만들고 소유하는 단일 초지능 대신, 크기와 강점이 다른 작은 AI들이 각 조직의 문제에 맞춰 자라는 생태계를 지향한다고 설명한다. 회사 이름이 ‘복수형의 지능’을 뜻하는 이유다.

같은 방식은 과학 연구에도 쓴다. AI가 가설을 세우고 실험하며 결과에서 배워, 새로운 분자와 단백질, 복잡한 기술 시스템을 찾는 과학자·엔지니어의 공동 연구자가 되겠다는 구상이다. 탐색에는 단일 답변보다 훨씬 많은 연산이 필요해, 작고 특화된 모델이 경제성을 맞추는 열쇠라고 회사는 주장한다.

이 접근은 창업자들의 연구에 뿌리를 둔다. 두 사람이 함께한 테스트타임 트레이닝(배포 후 학습) 연구는 현업에서의 학습이 새로운 능력으로 이어질 수 있음을 보였다. 게스트린의 자기증류(SDPO) 연구는 모델이 스스로 교사가 돼 실수를 학습 자료로 바꾸는 방식이고, 최예진의 에이전트 오케스트레이션 연구는 작은 모델이 여러 모델과 도구를 지휘하면 프런티어 모델을 낮은 비용으로 앞설 수 있다는 결과를 냈다고 회사는 설명했다.

공동 CEO 최예진(Yejin Choi)은 맥아더 펠로(MacArthur Fellow)이며 2023년과 2025년 타임이 뽑은 ‘AI 분야 영향력 있는 100인’에 올랐다. 워싱턴대 교수와 앨런AI연구소 시니어 디렉터를 거쳐 현재 스탠퍼드대 교수로 있고, 작은 AI 모델의 성능을 높이는 연구에 집중한다. 인간의 다양한 가치에 AI를 맞추는 ‘다원적 정렬’ 연구로 슈미트 사이언시스 AI2050 시니어 펠로도 맡고 있다.

공동 CEO 카를로스 게스트린(Carlos Guestrin)은 머신러닝 플랫폼 튜리(Turi)를 공동 창업해 2016년 애플에 매각했고, 이후 애플의 중앙 머신러닝·AI 조직을 세워 이끌었다. 가장 널리 쓰이는 머신러닝 기술 중 하나인 오픈소스 XGBoost를 공동 개발하기도 했다. 두 사람은 워싱턴대 동료였다가 함께 스탠퍼드로 옮겼다.

노에리는 멘로벤처스(Menlo Ventures)가 주도한 1억1천만 달러 투자유치를 발표했다. 마드로나벤처그룹(Madrona), 킨드레드벤처스(Kindred Ventures), 윙벤처캐피털(Wing Venture Capital), NEA가 참여했고, 전략 투자자로 시스코 인베스트먼트(Cisco Investments), 엔비디아(NVIDIA), 스노우플레이크(Snowflake)가 함께했다. 투자 단계와 기업가치는 공개되지 않았다.

게스트린 공동 CEO는 기업들이 가장 뛰어난 모델에 더 많은 돈을 내거나 값싼 모델의 낮은 성능을 받아들이는 같은 곡선 위에 있다며, 특화를 통해 이 곡선 자체를 옮길 수 있다고 말했다. 멘로벤처스의 벤키 가네샨 파트너는 대부분의 신생 AI 랩이 시장에 수년을 기다려 달라고 하는 데 비해, 두 창업자는 세계 수준의 연구와 기업 현장 적용을 동시에 하고 있어 빠르게 투자를 주도했다고 밝혔다.

노에리는 일부 투자사를 포함한 여러 업종의 전략 파트너와 협업하고 있다. 개별 고객에 특화하기에 앞서 기술이 일반화하는 법을 먼저 배우도록 일부러 다양한 파트너를 골랐다고 한다. 팰로앨토와 취리히에서 연구자와 엔지니어도 채용 중이다.

기업 맞춤 AI 시장의 경쟁 구도

기업 데이터로 모델을 맞춤화하는 시장에서는 어플라이드컴퓨트(Applied Compute)가 오픈웨이트 모델을 기업 데이터로 다시 학습시켜 운영해 주는 방식으로 3억5천만 달러를 투자유치했다. 기업가치는 32억5천만 달러, 창업 18개월 만에 연환산 매출 런레이트는 1억 달러를 넘겼다.

프런티어 랩들은 대형 모델 자체로 경쟁하고 있다. 씽킹머신즈랩(Thinking Machines Lab)은 5940억 파라미터 모델 ‘잉클링 2 스몰’을 공개하고 50억 달러 투자유치를 추진 중인 것으로 보도됐고, 구글 딥마인드 출신들이 세운 리플렉션AI(Reflection AI)는 첫 오픈웨이트 모델 ‘빔’을 공개했다. 노에리는 이런 대형 모델 경쟁보다, 기업이 소유하는 작고 특화된 AI와 이를 스스로 개선하는 시스템을 내세운다.

경쟁사와 주요 AI 기업들의 투자 관계망에 대한 자세한 내용은 여기를 참고하시길.

이 기사는 영문기사로 발행되었습니다: Noeri Raises $110M for Enterprise AI That Keeps Improving After Deployment

기사 공유하기

답글 남기기