애프터쿼리가 파는 건 데이터가 아니라 공정이다 — 그리고 해자는 둘 다 얇다

애프터쿼리를 "AI 회사에 데이터를 파는 회사"로 읽으면 이 밸류가 이해가 안 돼요. 누적 조달 3,050만 달러에 기업가치 32억 달러, 조달액의 105배. 4월 시리즈A 때 포스트머니가 3억 달러였으니 다섯 달 만에 열 배가 넘게 뛴 거고요. 데이터 판매업이 이 배수를 받을 리 없죠. 제가 보기에 이 회사가 파는 건 데이터가 아니라 공정이에요. 변호사가 계약서를 볼 때 무엇을 먼저 보고 어떤 순서로 판단하는지는 그 사람 머릿속에만 있는데, 그걸 시급을 주고 글로 풀어내게 해서 학습 자료로 만드는 공정. 암묵지를 명시지로 바꾸는 생산 라인이고, 밸류는 그 라인에 붙은 값입니다.

왜 지금 이 공정이 비싼가

원문이 짚은 배경은 두 가지예요. 웹에 있는 텍스트는 이미 다 학습에 썼고, AI 회사들이 원하는 게 "그럴듯하게 답하는 모델"에서 "계약서를 검토하고 재무제표를 분석하고 코드를 배포까지 하는 모델"로 바뀌었다는 것. 이 두 번째 능력은 텍스트를 더 읽힌다고 생기지 않아요. 전문가가 실제로 그 일을 어떻게 하는지 보여주는 자료가 있어야 하는데, 그런 자료는 세상에 거의 없죠.

피봇 경로가 이 진단을 뒷받침해요. 처음 만들려던 건 금융 업무 AI 에이전트였는데, 최고 성능 모델들이 전문직 업무의 미묘한 판단에서 계속 실수했고, 원인을 파고든 끝에 나온 결론은 모델 구조가 아니라 학습 데이터의 공백이었어요. 여기서 방향을 틀었죠. 애플리케이션을 얹는 대신 판단 과정 자체를 수집하는 쪽으로. 자기 제품이 실패한 지점에서 시장을 발견한 셈인데, 그 실패를 겪는 고객이 프론티어 랩 전체라는 게 이 피봇의 크기죠.

지금 파는 건 네 가지. 사고 과정이 붙은 지도학습 데이터셋, 전문가가 설계한 채점 기준으로 모델이 연습하는 강화학습 환경, API와 MCP로 실제 업무 흐름을 재현한 에이전트 환경, 사람이 컴퓨터를 조작하는 과정을 그대로 기록한 트라젝토리. 이걸 만드는 인력이 금융·법률·의료·소프트웨어·ML 분야에서 검증을 거친 실무자 10만 명이고, 시급은 일반 검수 35~75달러, 박사와 의사·변호사급은 100~250달러예요. 엔비디아 네모트론 3 울트라 기술 보고서에는 이 회사의 오피스 에이전트 데이터셋이 지도학습과 강화학습 양쪽에서 GDPval 점수를 올리는 데 쓰였고 어블레이션 기여분이 11.4점으로 적혀 있어요. 보고서에 이름이 명시된 데이터 파트너는 애프터쿼리 하나였고요. 개발자 눈으로 보면 이게 제일 센 증거입니다. 고객사 로고 나열이 아니라 모델 회사의 기술 보고서에 데이터 출처로 박힌 거니까.

해자는 10만 명이 아니다

10만 명은 해자가 아닙니다. 경쟁사 머코르도 AI 면접관으로 선별한 대규모 계약자 풀을 굴리고, 사람은 돈을 더 주는 쪽으로 움직여요. 마티가가 차별점으로 내세우는 건 사람이 만든 데이터를 검증하는 자체 소프트웨어예요. 저도 여기가 해자라고 봐요. 전문가 열 명이 같은 계약서를 보고 다른 순서로 판단할 때 어느 게 학습 자료로 쓸 만한지 가리는 건 라벨러가 아니라 검증 공정의 일이고, 그게 없으면 이 사업은 시급 250달러짜리 인력 파견이에요.

두 번째 해자는 중립성입니다. 2025년 6월 메타가 스케일AI 지분 49%를 확보한 뒤 구글, 오픈AI, xAI가 차례로 거래를 줄였죠. 데이터 벤더에게 특정 랩과의 자본 관계가 곧 사업 리스크라는 게 그때 확인됐어요. 애프터쿼리 시리즈A에는 구글 딥마인드, 오픈AI, 앤트로픽, 메타, 마이크로소프트 AI 소속 인물들이 엔젤로 들어왔지만 회사 차원의 전략 투자는 없었고요. 모든 랩의 사람이 개인 자격으로 들어와 있고 어느 랩도 회사로는 안 들어와 있는 상태. 그게 이 회사가 팔 수 있는 위치고요.

둘 다 얇은 이유

문제는 이 두 해자가 각각 다른 방식으로 얇다는 점이에요.

검증 소프트웨어는 고객이 내재화할 수 있는 종류의 자산이에요. 프론티어 랩은 세상에서 가장 좋은 ML 엔지니어를 갖고 있고, 데이터 검증 파이프라인은 그들이 못 만들 물건이 아니에요. 지금 사는 이유는 못 만들어서가 아니라 전문가 조달과 검증을 한 번에 맡길 곳이 필요해서고, 그 필요는 랩 내부 데이터 팀이 커지면 줄어요. 머코르의 상반기 매출 6억 1,400만 달러 중 91%가 파운데이션 모델 회사에서 나왔다는 숫자를 애프터쿼리에 대입하면, 고객 몇 곳의 내재화 결정이 매출 대부분을 흔들 수 있다는 뜻이에요. 원문은 머코르 숫자만 인용했지만, 같은 시장에서 같은 고객에게 파는 애프터쿼리가 고객 집중에서 자유롭다고 볼 근거는 없어요.

중립성은 더 얇아요. 이건 자산이 아니라 아직 안 한 선택이거든요. 다음 라운드에서 어느 랩이 전략 투자를 제안하면, 받는 순간 스케일AI의 길이고 안 받으면 그 랩이 경쟁 벤더를 키울 수 있어요. 105배 밸류를 정당화하려면 매출이 계속 커져야 하고, 매출을 키우는 가장 빠른 길이 큰 고객과의 깊은 관계라는 점에서 중립성과 성장은 어느 지점에서 충돌합니다.

여기에 이 업종의 원가 구조가 있어요. 머코르는 인건비가 매출의 3분의 2였어요. 애프터쿼리가 시급 35달러에서 250달러를 주고 사람을 쓰는 이상, 검증 소프트웨어가 마진을 얼마나 바꾸는지에 대한 근거는 원문에 없어요. 연환산 매출이 4월에 1억 달러를 넘고 7월엔 수억 달러 수준이라는 건 분명 빠른 속도지만, 그 매출의 3분의 2가 전문가에게 나가는 구조라면 이 회사는 소프트웨어 회사 배수를 받는 인력 회사입니다.

그래서 105배는 무엇의 값인가

제 결론은 이래요. 32억 달러는 지금 사업의 값이 아니라 "인건비 3분의 2 구조를 검증 소프트웨어로 깨겠다"는 약속의 값이에요. 그 약속이 지켜지면 데이터 벤더가 아니라 전문가 판단을 규격화하는 플랫폼이 되고, 안 지켜지면 스케일AI와 머코르 옆에 이름 하나가 더 붙어요. 어느 쪽인지 가르는 지표는 둘입니다. 다음 라운드에 랩이 회사 자격으로 들어오는지, 그리고 매출 대비 인건비 비율이 얼마인지.

실무자로서 하나 더. 이 회사가 사는 건 결국 "네가 내리는 판단을 근거와 순서까지 글로 써라"예요. 그게 시급 250달러짜리 상품이 됐다는 건, 우리 팀의 PR 리뷰 코멘트와 장애 회고에 적힌 판단의 근거가 이미 같은 종류의 자산이라는 뜻이기도 해요. 남이 사 가기 전에 우리가 먼저 쌓고 있는지 돌아볼 일이죠.