모두의 챌린지 AX 33개사 모집, LLM 스타트업은 PoC 증거로 갈린다

산업용 장비 앞에서 엔지니어들이 테스트 장비를 점검하는 연구실 장면 — 모두의 챌린지 AX는 LLM 스타트업이 산업 현장의 데이터와 장비, 운영 조건 안에서 PoC 증거를 만드는 무대다.

요약: 2026년 6월 8일 현재 Korean startup news에서 AI startup 창업자가 눈여겨봐야 할 공고는 서울경제진흥원(SBA)이 추진하는 ‘모두의 챌린지 AX’ LLM 분야 참여기업 모집이다. IT동아 보도에 따르면 이 프로그램은 중소벤처기업부 초격차 스타트업 프로젝트 추경의 일환으로, LLM·생성형 AI 기술을 산업 현장과 디바이스, 플랫폼에 적용하려는 창업 10년 이내 스타트업을 대상으로 한다. 모집 규모는 총 33개사 안팎이며, 신청 마감은 2026년 6월 24일 오후 3시다.

핵심은 단순한 지원금이 아니다. 선정 기업에는 최대 1억 원 규모의 PoC 자금과 GPU(B200), 데이터, 인프라, 기술 개발, 테스트 환경 지원이 제공된다. LG AI연구원, 오라클, 네이버클라우드, KT, 업스테이지가 수요기업 또는 파트너사로 참여하고, 선정 기업은 2026년 7월부터 12월까지 약 6개월 동안 협업 과제를 수행해야 한다. startup funding 관점에서는 “AI 모델을 만들 수 있다”보다 “수요기업의 실제 과제를 끝까지 검증할 수 있다”가 더 중요한 평가 언어가 됐다는 신호다.

이번 공고가 deeptech 창업자에게 던지는 질문은 분명하다. 우리 기술이 어느 산업의 어떤 병목에 들어가는가, 데이터와 보안 조건을 감당할 수 있는가, 6개월 뒤 시장 출시나 매출, 투자유치, 글로벌 진출로 이어질 증거를 만들 수 있는가다. 2026년의 AI 스타트업 지원사업은 데모를 보여주는 무대에서 벗어나 수요기업의 업무 흐름 안에 들어가는 PoC 경쟁으로 이동하고 있다.

33개사 모집이 보여주는 변화

이번 ‘모두의 챌린지 AX’ LLM 분야는 숫자만 보면 일반적인 모집 공고처럼 보일 수 있다. 그러나 수요기업별 선발 구조를 보면 성격이 다르다. IT동아는 LG AI연구원 10개사, 오라클 9개사, 네이버클라우드 8개사, KT 4개사, 업스테이지 2개사를 선발할 예정이라고 전했다. 스타트업이 먼저 제품을 만든 뒤 고객을 찾는 방식보다, 수요기업의 과제와 스타트업의 기술을 맞춰 검증하는 방식에 가깝다.

이 구조는 AI startup에게 장점과 부담을 동시에 준다. 장점은 고객 과제가 이미 비교적 구체적이라는 점이다. 제조, 전력망, ERP, 이상거래 탐지, 교육, 법률, 특허, 보안, 로보틱스 데이터 같은 영역은 추상적 시장이 아니라 실제 예산과 운영 책임자가 존재하는 영역이다. 부담은 수요기업의 데이터, 보안, 성능, 일정, 책임 범위를 맞춰야 한다는 점이다. 실험실의 모델 성능만으로는 부족하고, 현장 도입에 필요한 운영 설계까지 보여줘야 한다.

한국 스타트업 뉴스에서 이 흐름이 중요한 이유는 정책 지원과 대기업 오픈이노베이션, 클라우드 인프라가 한 묶음으로 평가되기 때문이다. 창업자는 공고를 지원금으로만 보면 안 된다. 이것은 고객 개발, 제품 검증, 기술 실사, 투자자 설득 자료를 동시에 만드는 프로그램이다. 6개월의 PoC가 끝났을 때 남아야 할 것은 결과보고서가 아니라 고객 레퍼런스와 반복 가능한 판매 논리다.

수요기업 과제는 제품 방향을 압축한다

LG AI연구원은 산업 및 엔터프라이즈 환경에 특화된 AI 에이전트 개발 과제를 제시했다. 보도에 언급된 과제에는 실회의실 기반 다화자 음성인식 학습데이터, 전력망 최적화 에이전트, ERP NL2SQL 성능 고도화, 이상거래·부정행위 탐지, 산업 도메인 특화 Tool Learning 및 Agentic AI 실증 등이 포함된다. 이 목록은 2026년 LLM 스타트업이 어디에서 고객 예산을 만날 가능성이 높은지 보여준다.

오라클의 과제는 산업별 특화 LLM 에이전트로 넓게 펼쳐져 있다. 기업 콘텐츠와 마케팅 자동화, 금융 리스크 분석과 규제 대응, 스마트팩토리 품질 예측, 헬스케어 데이터 분석, 개인화 추천, 공급망 관리, 교육·보안·HR 특화 에이전트가 언급됐다. 네이버클라우드는 제조 특화 AI 에이전트 RAG와 자동차 부품 제조, 제조 데이터 분석·검색, 하네스 엔지니어링 기반 AI 에이전트 같은 더 현장형 과제를 제시했다.

KT는 자체 AI 모델 ‘믿:음’을 기반으로 통신, 교육, 법률, 특허 분야 AI 에이전트 개발 과제를 운영한다. 업스테이지는 Solar LLM 기반 교육 특화 에이전트와 RAG 자동 채점·피드백 에이전트를 제안했다. 이처럼 수요기업 과제는 단순히 “생성형 AI를 적용하자”가 아니라, 어느 업무의 데이터를 어떤 방식으로 읽고, 어떤 책임 있는 의사결정에 연결할 것인지를 묻는다. 창업팀은 모델 이름보다 업무 단위를 먼저 정리해야 한다.

PoC 자금보다 중요한 것은 검증 설계다

최대 1억 원 PoC 자금은 초기 팀에 분명히 도움이 된다. 그러나 투자자의 관점에서는 자금 자체보다 그 돈으로 어떤 불확실성을 줄였는지가 중요하다. 예를 들어 ERP NL2SQL 과제를 수행하는 팀이라면 자연어 질의 정확도만 볼 것이 아니라 권한별 접근, 쿼리 실패 처리, 데이터 누락, 업무 담당자의 승인 흐름, 기존 ERP와의 연결 비용까지 확인해야 한다. PoC는 데모 영상이 아니라 도입 장애물을 하나씩 지우는 과정이어야 한다.

노트북 화면의 대시보드와 손이 보이는 데이터 검토 장면 — PoC의 성패는 모델 성능만이 아니라 고객 데이터, 권한, 승인 흐름, 실패 처리까지 함께 설계하는 데서 갈린다.

GPU(B200)와 인프라 지원도 같은 방식으로 봐야 한다. 고성능 연산 자원이 주어지면 모델 실험 속도는 빨라질 수 있다. 그러나 고객이 구매를 결정하는 지점은 연산량이 아니라 결과의 신뢰성, 지연 시간, 보안, 비용 구조다. 창업팀은 “지원받은 GPU로 성능을 높였다”에서 멈추지 말고, 어떤 성능 지표가 고객 업무 결과에 연결됐는지 설명해야 한다. 모델 비용이 매출총이익률을 얼마나 흔드는지도 일찍 계산해야 한다.

6개월 수행 기간도 중요하다. 2026년 7월부터 12월까지 과제를 끝내야 한다면, 창업팀은 첫 달에 고객 워크플로와 데이터 접근 조건을 확정하고, 둘째 달에 베이스라인을 만들고, 셋째 달부터 현장 피드백을 반복해야 한다. 마지막 달에 통합과 보고를 몰아서 처리하면 제품 검증은 약해진다. 좋은 PoC는 일정표가 아니라 학습 루프다. 무엇을 언제 배워야 다음 투자 미팅에서 강한 증거가 되는지부터 설계해야 한다.

투자자는 AI 기능보다 현장 잔존율을 본다

startup funding 미팅에서 AI 기능은 이제 출발점이다. 투자자는 어떤 LLM을 썼는지, RAG를 붙였는지, 에이전트 구조가 있는지를 듣지만, 거기서 멈추지 않는다. 실제 고객이 매주 쓰는지, 담당자가 업무 시간을 줄였는지, 오류가 났을 때 책임과 복구가 정리돼 있는지, 경쟁 대안보다 도입 비용이 낮은지를 묻는다. 기업 고객의 예산은 신기함보다 리스크 절감에 반응한다.

연구실에서 로봇 장비를 둘러싼 방문단이 데모를 보는 장면 — 투자자와 수요기업은 기술 소개보다 실제 현장에 남을 수 있는 운영 구조와 반복 사용 증거를 확인한다.

특히 엔터프라이즈 AI 에이전트는 “사용률”보다 “업무 잔존율”이 중요하다. 직원이 한두 번 써본 도구는 많다. 그러나 월말 정산, 품질 검사, 법률 검토, 특허 문서 작성, 고객 상담, 제조 안전관리처럼 반복 업무에 남는 제품은 적다. PoC 기간에는 이 차이를 분리해서 측정해야 한다. 클릭 수보다 반복 작업 전환율, 승인 시간 단축, 오류율 감소, 후속 업무 생성 여부 같은 지표가 더 설득력 있다.

deeptech 팀은 기술 난이도를 강조하고 싶어 하지만, 투자자는 기술 난이도와 시장 난이도를 같이 본다. 어려운 모델을 만들었다는 사실이 시장을 자동으로 만들지는 않는다. 반대로 고객 문제를 정확히 고르고 작은 모델과 좋은 워크플로로 빠르게 검증한 팀은 더 강한 평가를 받을 수 있다. 모두의 챌린지 AX는 이런 전환을 보여준다. 기술 우위는 현장 데이터와 고객 반복 사용으로 번역돼야 투자 언어가 된다.

창업팀이 지원 전에 점검할 것

첫째, 한 과제만 선택할 수 있다는 조건을 가볍게 보면 안 된다. 여러 수요기업 과제가 매력적으로 보여도, 창업팀은 자신이 가장 깊게 이해하는 산업과 데이터 유형을 골라야 한다. 제조 RAG와 교육 튜터, 금융 리스크, 법률 에이전트는 모두 AI지만 고객의 구매 기준과 리스크가 다르다. 지원서에는 “우리는 LLM을 잘한다”가 아니라 “이 업무의 병목을 알고 있다”가 보여야 한다.

둘째, 데이터 접근 계획을 현실적으로 써야 한다. 기업 데이터는 깨끗하지 않고, 권한이 복잡하며, 외부 반출이 제한될 수 있다. PoC에서 가장 늦게 풀리는 문제가 데이터라면 일정 전체가 흔들린다. 창업팀은 필요한 데이터의 종류, 최소 샘플, 익명화 방식, 보안 환경, 평가 데이터 분리, 실패 시 대체 데이터까지 준비해야 한다. 투자자는 이런 준비에서 팀의 엔터프라이즈 감각을 읽는다.

셋째, 12월 말 개발 완료 이후의 상업화 경로를 미리 잡아야 한다. 프로그램은 시장 출시, 매출 창출, 투자유치, 글로벌 진출 연계까지 지원한다고 설명하지만, 그 결과는 자동으로 오지 않는다. 수요기업 내부에서 파일럿이 유료 계약으로 넘어가는 조건, 파트너사 확장형 모델에서 어떤 고객군으로 복제할지, 클라우드 마켓플레이스나 SI 파트너와 어떻게 묶을지까지 고민해야 한다. PoC 종료일은 끝이 아니라 첫 영업 자료가 완성되는 날이어야 한다.

넷째, 팀 내부의 역할을 지원서 단계에서 나눠야 한다. 한 명은 수요기업의 업무 언어를 정리하고, 한 명은 데이터와 인프라 리스크를 관리하고, 한 명은 모델 성능과 제품 화면을 책임지는 식의 운영 구조가 필요하다. 초기 스타트업은 인원이 적기 때문에 역할이 겹칠 수밖에 없지만, 책임 소재가 흐리면 6개월 PoC에서 같은 문제가 반복된다. 투자자는 작은 팀일수록 누가 고객을 만나고, 누가 제품을 닫고, 누가 기술 리스크를 줄이는지 더 세밀하게 본다.

초격차 프로젝트와 함께 읽어야 하는 이유

정책브리핑에 따르면 중소벤처기업부는 2026년 신규 초격차 스타트업 200개사를 선정했고, 선정 기업은 최대 12억 원의 사업화·기술개발 자금을 받을 수 있다. 비수도권 신규 선정 기업 비율은 2023년 28.7%에서 올해 35.5%로 늘었고, 지원 기업 가운데 파두, 리벨리온, 퓨리오사AI가 글로벌 유니콘으로 성장했다는 성과도 소개됐다. 모두의 챌린지 AX는 이런 초격차 정책의 개방형 혁신 실행부에 가깝다.

다른 한쪽에서는 과학기술정보통신부와 연구개발특구진흥재단이 2026년 딥테크 스타트업 챌린지를 추진하고 있다. 헤럴드경제 보도에 따르면 이 프로그램은 직접투자와 R&D 과제를 연계해 딥테크 기업의 사업화를 지원하며, 결선에서 3개 기업에 기업당 최대 10억 원 직접투자와 2027년 R&BD 과제 연계를 제공한다. 정책 자금과 민간 투자, 고객 PoC가 서로 다른 트랙에서 같은 메시지를 내고 있다. 기술만으로는 부족하고, 사업화 증거를 빨리 만들어야 한다는 메시지다.

창업자는 이 흐름을 지원사업 목록으로만 보지 말아야 한다. 초격차 프로젝트는 장기 기술 개발과 스케일업을 돕고, 모두의 챌린지 AX는 수요기업과의 현장 PoC를 밀어주며, 딥테크 챌린지는 투자와 R&D 연계를 강조한다. 세 트랙은 서로 다르지만 공통적으로 검증 가능한 지표를 요구한다. 2026년 한국 스타트업 생태계에서 정책 자금은 runway가 아니라 증거 예산으로 쓰일 때 가장 강하다.

결론

모두의 챌린지 AX LLM 분야 모집은 단순한 AI 지원사업이 아니다. LG AI연구원, 오라클, 네이버클라우드, KT, 업스테이지가 제시한 과제는 한국 AI 스타트업이 어떤 산업 문제로 들어가야 하는지 보여주는 지도다. 33개사 안팎 모집, 최대 1억 원 PoC 자금, B200 GPU와 테스트 환경 지원, 6개월 협업 수행이라는 조건은 모두 같은 방향을 가리킨다. 이제 투자자는 생성형 AI 데모보다 고객 현장에 남는 제품을 원한다.

창업팀에게 이번 공고의 핵심은 합격 가능성이 아니라 준비 과정이다. 어떤 과제를 선택할지, 어떤 데이터를 쓸지, 어떤 업무 지표를 줄일지, 어떤 보안과 비용 구조를 만들지 정리하면 결과와 무관하게 회사의 영업 자산이 된다. 합격하면 그 자산을 수요기업 현장에서 검증하고, 불합격해도 다음 고객 미팅과 startup funding 라운드에서 쓸 수 있다.

2026년 Korean startup news의 중요한 변화는 AI startup 평가가 점점 더 구체적인 PoC 증거로 이동한다는 점이다. deeptech는 깊은 기술을 뜻하지만, 시장에서는 깊은 기술만으로 충분하지 않다. 고객의 데이터 안에서 작동하고, 담당자의 업무에 남고, 비용과 보안을 설명하며, 반복 매출로 이어지는 증거가 필요하다. 모두의 챌린지 AX는 그 증거를 만들 수 있는 팀과 만들 수 없는 팀을 빠르게 가르는 시험대가 될 것이다.