에이전트 기록으로 기업 전용 AI 만드는 레머넌스, 3천만 달러 투자유치


AI 에이전트를 업무에 쓰는 기업에는 도구를 부르고, 실패하고, 고친 기록이 쌓인다. 그 기록에는 그 회사가 실제로 일하는 방식이 담겨 있지만 대부분은 버려진다. 다음 실행도 똑같은 범용 모델로 시작해 같은 실수를 되풀이하고, 비용도 그대로 든다. 이 기록을 기업이 소유하는 AI 모델로 바꾸겠다는 레머넌스(Remanence)가 스텔스를 벗고 3천만 달러 시드 투자를 발표했다. 퍼스트마크캐피털(FirstMark Capital)과 EQT벤처스(EQT Ventures)가 공동으로 라운드를 이끌었다.

레머넌스 창업자들

버려지던 실행 기록을 학습 환경으로

레머넌스는 기업이 이미 쓰는 AI 모델에 연결해, 에이전트의 실행 기록(트레이스)을 맞춤형 학습 환경으로 바꾼다. 그 위에서 오픈웨이트(open-weight) 모델을 강화학습으로 후학습(post-training)한다. 오픈웨이트 모델은 학습된 가중치를 공개해 누구나 내려받아 고쳐 쓸 수 있는 모델이다. 과정은 네 단계다. 기록을 분석해 에이전트가 어디서 실패하는지 찾고, 기록에서 새 과제와 검증기를 만들어 실제 앱과 비슷한 샌드박스를 꾸린다. 이어 오랜 시간에 걸친 작업을 다루는 장기 강화학습으로 모델을 훈련하고, 추론(서비스 운영)까지 맡는다. 레머넌스가 완전 관리형으로 운영하거나 고객의 클라우드 안에서 돌릴 수 있다. 기록이 쌓이면 모델을 다시 학습시켜 정확도와 비용, 지연 시간이 계속 나아진다고 한다.

핵심은 소유권이다. 고객은 자기 전용 모델을 갖고, 모델 가중치도 회사가 쥐며, 데이터는 자체 인프라 안에 둘 수 있다. 회사는 후학습한 오픈웨이트 모델이 고객 업무에서 최첨단 모델에 맞먹는 성능을 훨씬 낮은 비용으로 낼 수 있다고 주장한다. 고객은 유럽과 미국의 법률, 고객 지원, 기업용 소프트웨어 업체라고만 밝혔고 이름은 공개하지 않았다.

H컴퍼니에서 함께한 창업팀

창업자는 CEO 피에르루이 세도즈(Pierre-Louis Cedoz), 함자 벤체크룬(Hamza Benchekroun), 악셀 모얄(Axel Moyal)이다. 세 사람은 프랑스의 컴퓨터 사용(computer-use) AI 연구소 H컴퍼니(H Company)에서 함께 일하며 오픈웨이트 모델 ‘홀로(Holo)’의 후학습을 이끌었고, 컴퓨터 사용 벤치마크에서 최고 성적을 냈다고 밝혔다. 팀에는 구글 딥마인드(Google DeepMind), 메타(Meta), 인스타딥(InstaDeep) 출신도 있다. 회사는 장기 강화학습 후학습과 학습 환경 생성이 대부분 프런티어 랩(최첨단 AI 연구소) 안에서 이뤄져 왔다며, 이를 가장 필요한 기업으로 가져오는 것이 목표라고 했다. 세도즈 CEO는 AI 기업이 분기마다 지능에 더 많은 돈을 쓰면서도 정작 그 어느 것도 소유하지 못한다고 말했다.

이번 시드에는 제로프라임벤처스(Zero Prime Ventures), 엠블럼(Emblem), 드라이스데일벤처스(Drysdale Ventures), 글로벌파운더스캐피털(Global Founders Capital), 옐로(Yellow)가 참여했다. 엔젤로는 데이터독(Datadog) 공동창업자 겸 CEO 올리비에 포멜(Olivier Pomel), 미라클(Mirakl) 공동창업자 필리프 코로(Philippe Corrot), 피그먼트(Pigment) 공동창업자 로맹 니콜리(Romain Niccoli), 신세시아(Synthesia) 공동창업자 빅터 리파벨리(Victor Riparbelli)와 스테펜 티예룹(Steffen Tjerrild), AI71의 메디 기사시(Mehdi Ghissassi)가 이름을 올렸다. 투자 발표에는 기업가치가 나오지 않는다.

자금은 전용 GPU 클러스터를 포함한 연구·컴퓨트 인프라와 강화학습 환경, 평가 시스템, 후학습 연구에 쓴다. 파리와 런던, 샌프란시스코에서 연구자와 엔지니어를 채용한다.

경쟁 구도: 오픈웨이트 후학습 시장의 경쟁자들

레머넌스가 노리는 시장은 비싼 폐쇄형 범용 모델(API) 대신, 오픈웨이트 모델을 기업 맞춤형 모델로 후학습해 쓰게 하는 시장이다. 학습 데이터를 모으는 방식과 중점을 두는 단계는 회사마다 다르다.

가장 앞선 곳은 어플라이드컴퓨트(Applied Compute)다. 오픈AI 출신 창업자들이 세운 이 회사는 고객의 데이터와 업무 방식으로 오픈웨이트 모델을 강화학습으로 재훈련하고, 엔지니어를 고객사에 상주시켜 모델을 만든 뒤 자체 클라우드에서 운영한다. 최근 3억 5천만 달러를 투자유치해 기업가치 32억 5천만 달러를 인정받았다.

트래젝토리(Trajectory)는 세쿼이아캐피털 주도로 4,500만 달러 시리즈A를 투자유치하고 기업가치 3억 달러를 인정받았다. 오픈소스 모델을 고른 기업이 플랫폼을 서비스에 연결하면, 모델이 실제 업무에서 낸 결과에 대한 피드백을 모아 다시 훈련하는 방식이다. 변호사나 의사 같은 전문가가 ‘좋은 결과’의 기준을 정하면 그 판단이 모델 개선으로 이어진다. 하비(Harvey)와 로고(Rogo), 디카곤(Decagon), 머코(Mercor), 엔비디아(NVIDIA)가 고객이다. 데이터의 출처는 전문가의 판단이 담긴 서비스 피드백이다.

뉴욕의 플루라이(Plurai)는 팀8(Team8) 주도로 1,300만 달러 시드를 투자유치했다. 출발점은 시뮬레이션이다. 고객 에이전트의 ‘디지털 트윈’을 샌드박스에 만들고 가상 사용자 수천 명을 투입해 출시 전에 실패를 찾아낸다. 같은 시뮬레이션 데이터로 에이전트별 소형 언어모델을 후학습해, 값비싼 프런티어 모델을 대신하거나 에이전트의 행동을 검사하는 데 쓴다.

레머넌스는 이미 운영 중인 에이전트의 실행 기록에서 학습 환경을 합성하고, 장기 강화학습과 추론까지 하나의 루프로 묶었다고 내세운다. 어플라이드컴퓨트가 상주 엔지니어와 고객 데이터, 트래젝토리가 전문가 피드백, 플루라이가 시뮬레이션에서 데이터를 얻는 것과 출발점이 다르다. 다만 고객 이름과 성능 수치는 공개되지 않았고, 비용과 성능에 대한 설명은 모두 회사의 주장이다. 이 시장에는 어플라이드컴퓨트가 이미 대형 투자를 받았고 신생 기업도 잇따라 등장하면서 경쟁이 빠르게 달아오르고 있다.

경쟁사에 대한 자세한 내용은 여기를 참고하시길.

이 기사는 영문기사로 발행되었습니다: Remanence Raises $30 Million Seed to Turn AI Agent Runs Into Models Companies Own

기사 공유하기

답글 남기기