설립 7개월 만에 5명으로 구글 TFM 제쳐… 첫 투자 40억 유치[허진석의 톡톡 스타트업]

표 속 숫자 이해하고 예측하는 AI 만든 넘즈에이아이 기업의 주요 자료 다 표로 관리… 정작 LLM은 표 제대로 못 다뤄 TFM 상용화 가능성 확인되자, 서울대-KAIST 출신들 팀 꾸려 “학습 데이터 해자도 없어… LLM과 달리 한국도 1등 가능” 유재민 넘즈에이아이 대표가 지난달 28일 서울 강남구 사무실에서 코실로의 성능 그래프를 가리키며 의미를 설명하고 있다. 허진석 기자 jameshur@donga.com 고객 1만 명에 쿠폰은 500장 뿐이다. 누구에게 뿌릴지에 따라 매출이 갈린다. 은행 심사역은 어떤 대출을 승인할지 판단해야 하고, 공장장은 어느 설비가 멈출지 미리 헤아려야 한다. 고객 명단과 신용정보, 설비별 불량률은 모두 행과 열로 정리된 표로 관리된다. 기업의 하루는 이런 표 위에서 굴러간다. 지난달 28일 서울 강남구의 사무실에서 만난 유재민 넘즈에이아이 대표(32·서울대 컴퓨터공학부 조교수)는 “기업이 AI로 전환한다는 건 사람을 대신할 에이전트를 쓰는 것에 그치지 않고, 더 좋은 의사 결정으로 생산성을 높이는 게 목적”이라며 “그 목적을 위해서라면 언어보다 숫자가 더 중요하다”고 했다. 지금 인공지능(AI)이라고 불리는 거대언어모델(LLM)은 언어를 기반으로 학습한 탓에 표와 수치 데이터를 직접 다루지 못한다. 유 대표는 “넘즈에이아이는 새로운 표를 주고 결과를 예측하라고 했을 때 바로 수행하는 정형 데이터 파운데이션 모델(TFM, 테이블 파운데이션 모델로도 불림)을 만들고 성능을 높이고 있다”며 “세계적으로 1∼2년 사이 시작된 이 분야에서 우리는 세계적으로 앞서가는 스타트업”이라고 했다. 행과 열에 배치된 숫자로만 구성된 데이터를 이해하는 파운데이션 모델을 만드는 것이다.● 대기업 데이터사이언스팀의 고민표는 기업 활동에 중요한 정보를 담고 있다. 대기업들은 별도의 데이터사이언스팀을 두고 이탈 고객을 예측하거나 채권 회수 가능성, 제조 공정 설비의 검사와 정비 시점 최적화 방법, 가격 상승에 따른 판매량 변화 등을 예측해 왔다. 데이터사이언스팀이 활용하는 기술은 머신러닝에 기반한 ‘머신러닝 운영 자동화(MLOps)’가 근간이다. 기업 운영에 필요한 정보를 얻고, 고객이나 물류 등을 관리하기 위해 개별 목적에 맞춰 데이터 전처리, 머신러닝 모델학습, 미세조정 등의 과정을 반복하며 솔루션을 만들었다. 문제는 솔루션을 만들 때마다 이 과정을 반복해야 하고, 변수 하나(데이터의 1행이나 1열)만...