스타트업 집중 조명: Dust

Snowflake의 스타트업 집중 조명 시리즈에 오신 것을 환영합니다. 스타트업 창립자들에게 해결하고 있는 문제와 개발 중인 제품, 창업 과정에서 얻은 교훈을 들어봅니다. 이번에는 Dust의 공동 창립자 겸 CTO인 Stanislas Polu를 만나, 기업의 데이터와 팀의 의사 결정 사이의 거리를 줄이는 협업형 AI 플랫폼을 Dust가 어떻게 구축하고 있는지 살펴봅니다.

기존의 전제를 다시 생각하게 만드는 기술적 변화에서 영감을 받습니다. 대규모 언어 모델은 지능을 풍부하게 만들었지만, 풍부함은 새로운 질문을 낳습니다. 기업은 자사의 고유성을 이루는 요소에 대한 통제권을 잃지 않으면서, 계속 변하는 지능의 원천을 어떻게 활용할 수 있을까요? AI가 개별 도구와 공급업체 전반으로 확산되면 기업의 컨텍스트, 에이전트, 일하는 방식이 분절될 수 있습니다. 저는 조직이 끊임없는 기술 발전을 받아들이면서도 이러한 자산과 선택권을 직접 유지할 수 있도록 하는 계층을 만들고 싶습니다.

Dust는 기업의 일하는 방식을 재구성하고, 사용하는 지능을 통제하며 생성하는 데이터를 직접 소유할 수 있게 하는 협업형 AI 플랫폼입니다.

기업들은 더 많은 지능을 활용할 수 있게 되었지만, 그에 대한 통제권을 잃을 위험이 있습니다. 업무 현장의 AI는 여전히 한 번에 한 사람, 하나의 어시스턴트 또는 하나의 모델 단위로 도입되는 경우가 많습니다. 그 결과 세 가지 형태의 의존성이 생깁니다. 단일 모델 제공업체에 대한 의존, 에이전트가 생성한 데이터와 트레이스에 대한 통제력 상실, 비용과 동작에 대한 제한적인 가시성입니다.

트레이스는 중요합니다. 트레이스는 업무가 어떻게 완료됐는지를 담습니다. 지시문, 컨텍스트, 모델과 도구 선택, 출력, 사람의 피드백이 모두 포함됩니다. 시간이 지나면 이 기록은 기업의 가장 가치 있는 AI 자산 중 하나가 되어, 워크플로우를 평가하고 실제 운영 방식에 맞춘 시스템을 개발하는 데 도움이 될 수 있습니다. 기업은 이 자산을 당연하다는 듯 외부에 넘겨서는 안 됩니다.

공동 창립자인 Gabriel Hubert와 저는 Stripe에서 일하면서, 회사가 약 150명 규모에서 훨씬 큰 조직으로 성장하는 동안 업무 조율에서 겪는 성장통을 목격했습니다. 정보는 유실되고, 의사 결정 과정을 추적하기 어려워지며, 팀들은 더 이상 같은 컨텍스트를 공유하지 않게 됩니다. LLM이 실제 업무에 충분히 활용될 수 있는 수준이 되었을 때, 저희의 가설은 기업에 필요한 것이 또 하나의 모델이 아니라는 것이었습니다. 사람, 기업 데이터, 기존 시스템, 사용할 수 있는 모델을 잇는 공유 계층이 필요했습니다.

Dust가 바로 그 계층입니다. Dust는 팀이 AI와 협업하고, 지원되는 프런티어 모델과 오픈소스 모델 사이를 전환하며, 업무 과정에서 생성되는 컨텍스트와 에이전트, 트레이스에 거버넌스를 적용할 수 있게 합니다. 한 사람이 구축한 것을 단일 소스의 지능에 의존하지 않는 재사용 가능한 기업 역량으로 전환할 수 있습니다.

저희는 기업이 에이전틱 트레이스를 이해하고 개선하며 보유할 수 있는 자산으로 전환하도록 돕고 있습니다.

업무 수행에 필요한 데이터는 한곳에만 존재하는 경우가 거의 없습니다. 하나의 질문에 답하는 데도 Snowflake의 웨어하우스 데이터, CRM의 고객사 컨텍스트, Slack, Notion 또는 통화 메모의 정성적 정보가 함께 필요할 수 있습니다. 하지만 결과는 가치의 일부일 뿐입니다. 결과가 나오기까지의 트레이스는 어떤 컨텍스트, 지시문, 모델, 도구, 사람의 의사 결정이 그 결과물을 만들어 냈는지 보여줍니다.

Dust는 이러한 요소들을 기업이 공동으로 사용하는 시스템에 모읍니다. AI 운영자는 무엇이 효과적인지 분석해 에이전트나 스킬을 개선하고, 동료들이 재사용할 수 있도록 만들 수 있습니다. 기업이 모델이나 제공업체를 바꾸더라도 워크플로우와 관련해 축적한 컨텍스트와 학습 내용은 그대로 유지됩니다. 향후 이 코퍼스는 기업이 특정 업무에 맞춰 모델을 평가하거나 학습시키는 데도 도움이 될 수 있습니다. 모델은 바뀔 수 있지만, 조직이 그 모델을 중심으로 구축한 지능은 자사의 것으로 남아야 합니다.

Snowflake는 Dust 에이전트가 활용할 수 있도록 연결된 정형 비즈니스 데이터 소스입니다. 조직은 Snowflake를 Dust에 연결해 팀이 관련 웨어하우스 데이터를 자연어로 쿼리하고, 이를 다른 기업 시스템의 컨텍스트와 결합하도록 할 수 있습니다.

이는 유용한 비즈니스 질문이 여러 시스템의 경계를 넘나드는 경우가 많기 때문에 중요합니다. Snowflake는 정형 데이터 기반이자 신뢰할 수 있는 기준 데이터 소스로 유지될 수 있으며, Dust는 사람과 에이전트가 해당 데이터를 더 폭넓은 업무에 활용하도록 돕습니다.

이는 기업 소유 AI의 중요한 부분입니다. 기업은 AI 공급업체에 맞춰 데이터 전략을 다시 짜는 대신, Snowflake를 신뢰할 수 있는 기준 데이터 소스로 유지하고 관련 권한을 적용하며 에이전트의 컨텍스트 사용 방식을 통제할 수 있어야 합니다.

Snowflake는 데이터 팀뿐 아니라 다른 팀도 정형 데이터를 활용할 수 있게 합니다. Dust와 함께 사용하면, 비즈니스 사용자는 자연어로 질문하고 관련 웨어하우스 데이터를 다른 기업 컨텍스트와 함께 활용한 뒤, 결과를 일회성 분석이 아닌 반복 가능한 워크플로우로 전환할 수 있습니다.

저희가 주목하는 방향은 바로 이것입니다. 기업의 데이터와 그 데이터가 뒷받침해야 할 의사 결정 또는 행동 사이의 거리를 줄이면서도, 해당 데이터에 대한 기업의 통제권을 약화하지 않는 것입니다. 액세스와 통제는 서로 대립되는 개념이 아닙니다. 데이터 팀은 신뢰할 수 있는 액세스와 비즈니스 로직을 코드화할 수 있고, 더 많은 동료들은 이를 실제로 활용할 방법을 얻게 됩니다.

AI를 단 하나의 영원한 승자가 존재하는 경쟁으로 보는 것은 잘못입니다. 모델은 역량, 비용, 지연 시간, 전문화 수준 면에서 계속 변화할 것입니다. 기업이 어느 모델이 승자가 될지 예측하거나, 최첨단 기술이 발전할 때마다 운영 계층을 다시 구축해야 하는 상황은 피해야 합니다.

Dust는 설계부터 멀티모델을 전제로 합니다. 조직은 지원되는 프런티어 모델과 오픈소스 모델 중에서 선택하고, 환경이 변하면 회사 컨텍스트와 워크플로우를 다시 구축하지 않고도 그 선택을 업데이트할 수 있습니다. 저희에게 주권이란 실제로 이런 의미입니다. 모든 것을 로컬에서 처리하거나 외부 제공업체를 거부하는 것이 아니라, 제공업체, 가격, 정책 또는 모델이 바뀌더라도 통제권을 유지하는 것입니다.

기업은 여러 소스에서 지능을 빌려 쓰게 될 것입니다. 오래도록 가치를 유지하는 자산은 기업이 그 지능을 바탕으로 구축하는 것입니다. 조직의 업무 방식과 지식, 그동안 내린 의사 결정, 사람의 판단이 중요한 지점이 여기에 포함됩니다. 그 계층은 오늘 우위를 점한 특정 모델이 아니라 기업의 소유여야 합니다.

다음 전환은 개인이 어시스턴트에 프롬프트를 입력하는 방식에서, 기업이 사람과 에이전트로 구성된 디지털 팀을 조율하는 방식으로 이동하는 것입니다. 오늘날 저희의 원칙은 단순합니다. 에이전트가 제안하고, 인간이 결정합니다.

커리어 초기에 연구 논문 발표를 앞두고, 제 연구의 타당성을 뒷받침할 만큼 충분한 권위가 있는지 걱정했습니다. 지도교수는 제가 그 특정 문제에 거의 누구보다 많은 시간을 쏟았으니, 연구의 깊이를 신뢰해야 한다고 일깨워 주었습니다.

그 조언은 창립자가 된 지금까지도 제 안에 남아 있습니다. 깊이 몰입하면 오히려 의심이 생길 수 있습니다. 솔루션이 자신에게 명확해지면 다른 모든 사람에게도 당연히 명확할 것이라고 생각하기 때문입니다. 하지만 실제로는 그렇지 않은 경우가 많습니다. 틀릴 가능성에는 늘 열려 있어야 합니다. 동시에 실제 문제에 지속적으로 집중할 때 얻는 인사이트를 존중하고, 사용자와 함께 계속 검증해야 합니다.

그 기술이 크고 중요한 시장의 수요를 충족할 수 있는지 파악하기 전에 기술 자체에 매료되어서는 안 됩니다.

Gabriel과 제가 Dust 이전에 창립한 TOTEMS에서, 저희는 기술로 무엇을 할 수 있는지에 매료되어 있었습니다. 모든 것이 잘됐을 때 그 비즈니스가 얼마나 크게 성장할 수 있는지를 충분히 일찍 묻지 않았습니다. Dust에서는 몇 가지 중요한 베팅을 하고, 이를 빠르게 검증하며, 시장에서 아직 의미 있는 규모가 아닌 것을 최적화하지 않으려 노력했습니다.

그 교훈을 바탕으로 초기에 세운 원칙 중 하나가 있습니다. ‘제품 시장 적합성이 없으면 GPU도 없다.’ 모델 학습에 집중할 수도 있었지만, 매력적이면서도 본질에서 벗어나는 선택이었을 것입니다. 저희는 고객에게 구체적인 문제가 있고, 고객의 사용 현황이 다음에 무엇을 구축해야 할지 알려 줄 수 있는 제품 계층을 선택했습니다.

AI는 개인이 열어 사용하는 애플리케이션 모음이라기보다, 기업이 조율하는 인력에 가까워질 것입니다. 지능을 활용할 기회는 희소하지 않을 것입니다. 희소한 리소스는 한 공급업체의 모델, 인터페이스 또는 로드맵에 의존하지 않고 그 지능을 지휘할 수 있는 조직적 역량이 될 것입니다.

저는 Dust를 기업이 자사 AI를 구축하고 거버넌스를 적용하는 공동 시스템으로 봅니다. 여기에는 기업의 컨텍스트, 에이전트, 스킬, 모델 선택, 그리고 사람과 에이전트가 함께 일하는 방식이 포함됩니다. 성과를 낸 업무 방식은 조직 전반에서 재사용할 수 있어야 하며, 기반 모델이 바뀌어도 계속 가치를 유지해야 합니다.

목표는 모든 기업이 파운데이션 모델을 소유하는 것이 아닙니다. 목표는 모든 기업이 AI를 활용해 축적한 소프트 스킬과 하드 스킬, 학습 내용, 노하우, 워크플로우, 트레이스, 운영 방식을 포함한 자사의 AI 자본을 소유하는 것입니다. Dust는 바로 그 미래를 위한 시스템을 구축하고 있습니다.

Dust에 대한 자세한 내용은 https://dust.tt/에서 확인하세요. Snowflake를 기반으로 제품을 개발하는 스타트업이라면, Snowflake for Startups 프로그램을 통해 Snowflake가 목표 달성을 어떻게 지원할 수 있는지 확인해 보세요.