뷰티·플랫폼 AX 챌린지, AI 스타트업 검증장이 데이터로 바뀐다
모두의 챌린지 AX 뷰티·플랫폼 모집을 계기로 한국 AI 스타트업이 대기업 데이터와 실제 고객 접점에서 검증해야 할 PoC 전략을 분석했다.
뷰티·플랫폼 AX 챌린지, AI 스타트업 검증장이 데이터로 바뀐다
요약: 2026년 5월 말 한국 스타트업 생태계에서 눈여겨볼 흐름은 뷰티와 플랫폼 산업의 AX 과제가 동시에 열렸다는 점이다. IT동아와 동아일보 보도에 따르면 서울경제진흥원(SBA)은 중소벤처기업부, 창업진흥원이 총괄하는 초격차 스타트업 프로젝트의 개방형 혁신 분야 주관기관으로서 모두의 챌린지 AX 뷰티와 플랫폼 분야 참여기업을 모집한다. 뷰티 분야는 아모레퍼시픽, 한국콜마, LG생활건강이 참여해 약 15개사를 선발하고, 플랫폼 분야는 카카오모빌리티, 카카오뱅크, 토스가 참여해 약 10개사를 선발한다. 기업당 PoC 비용은 최대 1억 원이며 접수는 6월 8일까지다.
이 뉴스는 단순한 지원사업 공고가 아니다. Korean startup news, startup funding, AI startup, deeptech 흐름을 한 번에 보여주는 사례다. 정부와 대기업이 스타트업에게 요구하는 것은 이제 “AI를 붙인 아이디어”가 아니라 데이터, 인프라, 실제 고객 접점에서 작동하는 실증 결과다. 특히 뷰티와 플랫폼은 한국이 이미 강한 산업 기반을 가진 영역이다. K-뷰티는 연구·제형·피부 측정·콘텐츠·해외 유통망을 갖고 있고, 플랫폼 기업은 이동, 금융, 상권, 결제, 소상공인 데이터를 보유한다. 창업자에게 이번 챌린지는 지원금보다 더 중요한 질문을 던진다. 당신의 AI가 대기업의 운영 데이터와 고객 접점 안에서 6개월 안에 무엇을 바꿀 수 있는가.
한국 스타트업 투자는 2026년에도 AI와 딥테크 중심으로 재편되고 있다. 하지만 투자자가 실제로 보고 싶어 하는 것은 “어떤 모델을 썼는가”보다 “누가 데이터를 열어줬고, 누가 결과를 업무에 넣었고, 누가 다시 예산을 배정할 이유가 생겼는가”다. 모두의 챌린지 뷰티·플랫폼 분야는 이 질문을 압축한다. 창업자는 공고를 사업비 기회로만 보면 안 된다. 7월부터 12월까지의 협업 기간을 다음 투자 라운드의 고객 증거를 만드는 시간으로 설계해야 한다.
개방형 혁신은 발표장이 아니라 고객 데이터 접근권의 문제입니다
모두의 챌린지는 AI, 로봇, 방산, 바이오, 기후테크 등 전략 분야 스타트업과 분야별 선도기관이 PoC와 판로를 연결하는 프로그램으로 출발했다. 머니투데이는 4월 출범 기사에서 첫 AX 분야가 버티컬과 LLM 등 2개 분야로 시작됐고, LG전자, 퀄컴, LG AI연구원, 업스테이지, SKT, KT, 오라클 등 선도기관이 참여한다고 전했다. 이번 뷰티·플랫폼 모집은 그 흐름이 소비재와 소상공인 접점으로 내려오는 단계다.
개방형 혁신이라는 말은 익숙하지만, 스타트업 입장에서 핵심은 데이터 접근권이다. AI 스타트업은 모델을 만들 수 있어도 산업 데이터가 없으면 제품 검증이 멈춘다. 뷰티 분야에서는 제형 레퍼런스, 물성 데이터, 바이오 통합 DB, 성분 효능 검증 데이터, 임상 및 피부 측정 데이터가 중요하다. 플랫폼 분야에서는 이동 흐름, 검색, 결제, 사업자 계좌, POS 매출, 모임통장 거래, 지역별 숙박 수요 같은 데이터가 제품의 성능과 사업 모델을 동시에 좌우한다.
그러나 데이터 접근권은 자동으로 주어지는 선물이 아니다. 스타트업은 왜 그 데이터가 필요한지, 어떤 범위만 쓰면 되는지, 개인정보와 민감정보를 어떻게 다룰지, 실증 결과를 어떤 지표로 되돌려줄지 설명해야 한다. 대기업은 데이터를 열어주기 전에 보안, 법무, 브랜드 리스크를 먼저 본다. 따라서 이번 공고에 지원하는 팀은 모델 아키텍처보다 데이터 최소화, 익명화, 접근 권한, 로그, 결과 검증 프로토콜을 사업계획서 앞쪽에 배치해야 한다.
뷰티 AX는 콘텐츠 자동화보다 R&D와 제형 데이터가 더 큰 기회입니다
IT동아 보도에 따르면 뷰티 분야 협업 과제는 연구, 생산, 솔루션, 고객경험 4개 분야로 나뉜다. 연구 분야에는 항노화 신소재 발굴과 바이오 빅데이터 기반 효능 소재 개발이 포함되고, 생산 분야에는 AI 기반 처방 설계와 고안정성 제형 구현이 들어간다. 솔루션 분야에서는 온디바이스 기반 뷰티 디바이스와 진단 알고리즘 고도화가 다뤄지고, 고객경험 분야에서는 숏폼 콘텐츠 자동 생성 에이전트와 글로벌 버추얼 모델 자동 생성 시스템 같은 마케팅 과제가 제시됐다.
초기 창업자는 고객경험 분야가 화려해 보인다고 해서 무조건 그쪽으로 몰리면 안 된다. 생성형 AI로 숏폼을 만드는 팀은 많고, 대기업은 이미 다양한 마케팅 도구를 실험하고 있다. 오히려 깊은 기회는 R&D와 생산 데이터에 있을 수 있다. 화장품 개발은 성분 조합, 안정성, 효능, 피부 타입, 규제, 원가, 생산 가능성이 얽혀 있다. AI가 후보 소재를 줄이고, 제형 실패를 예측하고, 특정 시장의 피부 특성과 규제 조건에 맞춰 제품 개발 기간을 단축한다면 단순 콘텐츠 자동화보다 높은 진입장벽을 만들 수 있다.
뷰티 AI 스타트업이 설득해야 할 첫 고객은 마케팅팀만이 아니다. 연구소, 상품기획, 생산기술, 품질, 글로벌 규제 담당자가 모두 구매 의사결정에 영향을 준다. 그래서 PoC 목표도 “AI 추천 기능 구현”처럼 넓게 쓰면 약하다. 예를 들어 항노화 소재 발굴 과제라면 기존 후보 탐색 시간 대비 단축률, 실험 우선순위 추천의 적중률, 연구원이 실제로 채택한 후보 수, 후속 실험으로 넘어간 비율을 정해야 한다. 제형 과제라면 안정성 실패를 줄였는지, 원료 대체안 제안이 원가나 공급망 리스크를 줄였는지, 연구원이 설명 가능한 근거를 확인할 수 있는지가 핵심이다.
플랫폼 AX는 소상공인 문제를 제품 언어로 번역해야 합니다
동아일보 보도에 따르면 플랫폼 분야는 소상공인의 디지털·AI 전환을 목표로 한다. 카카오모빌리티는 상권분석 AI, 마케팅 자동화, 실시간 수요 예측, 카카오T POI 연계 AI 비서 등을 과제로 제시했고, 카카오뱅크는 모임통장 거래 데이터 기반 매출 최적화 AI, AI 광고·마케팅 통합 솔루션, 농어촌 민박 숙박 수요 예측 등을 운영한다. 토스 과제는 사업자 계좌와 POS 매출 데이터를 기반으로 AI 금융 어드바이저 플랫폼을 개발하는 구조다.
플랫폼 AX의 본질은 소상공인의 언어를 제품 언어로 바꾸는 일이다. 소상공인은 “LLM 기반 의사결정 솔루션”을 사고 싶어 하는 것이 아니다. 오늘 몇 명을 배치해야 하는지, 이번 주 광고비를 늘려야 하는지, 비 오는 날 배달 수요가 어떻게 바뀌는지, 근처 행사나 이동 흐름이 매장 방문에 어떤 영향을 주는지, 현금흐름이 언제 부족해지는지 알고 싶어 한다. AI 스타트업은 플랫폼 데이터와 자체 모델을 연결해 이런 질문에 실행 가능한 답을 줘야 한다.
특히 플랫폼 파트너가 제공하는 데이터는 양이 많아 보이지만 그대로 제품이 되지는 않는다. 이동 데이터는 매장 방문 의향을 직접 보여주지 않고, 금융 데이터는 고객 행동의 일부만 보여주며, POS 매출은 원인과 결과를 분리하기 어렵다. 창업자는 데이터를 많이 받는 것보다 어떤 의사결정 하나를 개선할지 좁혀야 한다. 상권분석이라면 신규 입지 추천인지, 기존 매장 광고 최적화인지, 특정 시간대 방문 유도인지 분명히 해야 한다. 금융 어드바이저라면 대출 추천인지, 재고 구매 타이밍인지, 세금·급여 지출 예측인지 나눠야 한다.
자체 LLM 요구는 기술 장벽이 아니라 운영 책임의 신호입니다
동아일보는 토스 과제에서 스타트업이 자체 보유한 LLM 엔진으로 구동 체계를 구현할 것을 명시한 점이 특징이라고 보도했다. 이 대목은 많은 창업자가 오해하기 쉽다. 자체 LLM이라고 해서 무조건 거대 모델을 처음부터 학습해야 한다는 뜻은 아니다. 고객 데이터, 금융 관련 응답, 소상공인 의사결정 조언처럼 민감한 업무에서는 외부 API 의존도, 데이터 반출, 응답 통제, 감사 가능성을 더 엄격하게 본다는 신호로 읽어야 한다.
AI 스타트업이 자체 모델 역량을 설명할 때는 “우리 모델은 몇 B 파라미터입니다”보다 운영 통제 능력을 말해야 한다. 어떤 데이터가 모델 학습에 들어가지 않는지, 고객별 데이터가 분리되는지, 검색증강생성으로 쓰는 지식베이스가 어떻게 갱신되는지, 위험한 금융 조언을 어떻게 차단하는지, 사용자가 왜 그런 추천을 받았는지 설명할 수 있는지, 사람이 검토해야 하는 답변을 어떻게 라우팅하는지가 중요하다. 플랫폼 기업은 기술적 독립성보다 고객 리스크를 관리할 수 있는지를 본다.
이 기준은 다른 AI 스타트업에도 확장된다. 뷰티 연구 데이터나 플랫폼 거래 데이터처럼 민감한 산업 데이터가 들어오면, 외부 모델 호출 한 줄도 제품 정책의 일부가 된다. 창업자는 오픈소스 모델, 상용 API, 자체 파인튜닝, 온프레미스 배포, 프라이빗 클라우드 중 무엇을 선택하든 그 이유를 고객 리스크 기준으로 설명해야 한다. 투자자도 이 부분을 봐야 한다. 모델 선택은 기술 취향이 아니라 매출 가능한 고객군을 결정하는 전략이다.
6개월 PoC는 기능 개발 기간이 아니라 투자 증거 생산 기간입니다
이번 모집은 선정 기업이 7월부터 12월까지 약 6개월 동안 수요기업과 과제를 수행하는 구조다. 6개월은 길어 보이지만 대기업 협업에서는 짧다. 계약, 보안 검토, 데이터 접근 승인, 실무자 매칭, 기술 환경 세팅을 거치면 실제 모델 개선과 현장 검증 시간은 빠르게 줄어든다. 그래서 지원 전부터 4주, 8주, 12주, 24주 마일스톤을 나눠야 한다.
첫 4주는 데이터와 의사결정 문제를 고정하는 시간이다. 뷰티 연구 과제라면 어떤 실험 데이터를 쓸지, 어떤 효능 지표를 예측할지, 연구원이 결과를 어떻게 검토할지 정해야 한다. 플랫폼 과제라면 어느 업종의 소상공인을 대상으로 할지, 어떤 추천이 실제 행동으로 이어졌는지 측정할 방법을 정해야 한다. 8주 시점에는 베이스라인 모델과 운영 화면이 나와야 한다. 12주 시점에는 실무자가 반복해서 쓰는 최소 기능이 있어야 한다. 24주 종료 시점에는 다음 계약으로 넘어갈 조건을 숫자로 말할 수 있어야 한다.
스타트업 투자 관점에서 이 구조는 매우 중요하다. 투자자는 선정 사실보다 PoC가 남긴 증거를 본다. 대기업 데이터 접근이 가능했는가, 실무자가 주 1회 이상 썼는가, 기존 방식 대비 시간이나 비용을 줄였는가, 모델 추천이 실제 상품기획·마케팅·금융 의사결정에 반영됐는가, 수요기업이 다음 단계 예산을 논의했는가. 이런 항목이 정리되면 PoC는 정부사업 실적이 아니라 투자자료의 고객 검증 파트가 된다.
지원팀은 과제 선택을 영업 전략으로 봐야 합니다
이번 프로그램은 수요기업 관계없이 기업당 1개 과제만 선택할 수 있다. 이는 사소한 행정 조건이 아니라 전략 조건이다. 같은 AI 기술을 가진 팀도 어떤 과제를 고르느냐에 따라 다음 고객군과 투자자 메시지가 달라진다. 뷰티 R&D 과제를 선택하면 연구소와 글로벌 규제, 제품 개발 효율이 중심이 된다. 플랫폼 금융 과제를 선택하면 소상공인 현금흐름, 신용, 매출 예측, 리스크 관리가 중심이 된다. 모빌리티 상권 과제를 선택하면 위치 데이터, 방문 전환, 광고 효율, 지역 상권 분석이 중심이 된다.
따라서 창업자는 “선정 가능성이 높아 보이는 과제”보다 “우리의 다음 12개월 영업 파이프라인과 맞는 과제”를 골라야 한다. 예를 들어 이미 화장품 연구소와 파일럿 경험이 있는 팀은 뷰티 생산·연구 과제에서 강점이 있다. 반대로 소상공인 SaaS를 운영하며 POS나 예약 데이터를 다뤄본 팀은 플랫폼 분야에서 더 빠르게 지표를 만들 수 있다. 생성형 AI 콘텐츠 팀은 뷰티 고객경험 과제에 맞을 수 있지만, 그 경우에도 단순 영상 생성이 아니라 브랜드 승인, 글로벌 현지화, 소재 성과 측정까지 포함해야 경쟁력이 생긴다.
과제 선택은 투자자에게도 메시지다. “우리는 AI 스타트업입니다”는 너무 넓다. “우리는 K-뷰티 연구소의 소재 탐색 시간을 줄이는 AI입니다”, “우리는 모빌리티 검색 데이터와 매장 데이터를 연결해 소상공인 방문 전환을 높이는 AI입니다”, “우리는 사업자 계좌와 POS 데이터를 기반으로 현금흐름 위험을 조기에 알려주는 AI입니다”처럼 고객과 지표가 보이는 문장이 필요하다. 모두의 챌린지는 이런 문장을 강제로 만들게 하는 장치다.
대기업 협업에서 가장 큰 리스크는 느린 의사결정입니다
대기업 오픈이노베이션은 매력적이지만 리스크도 크다. 첫째, 의사결정자가 여러 명이다. 실무자는 제품을 좋아해도 법무, 보안, 데이터, 브랜드, 구매 부서가 각각 다른 질문을 던진다. 둘째, 데이터 접근이 늦어질 수 있다. 셋째, PoC가 성공해도 실제 구매 예산으로 연결되지 않을 수 있다. 넷째, 수요기업 요구에 맞추다 보면 스타트업 제품이 특정 고객 전용 SI처럼 변질될 수 있다.
이를 줄이려면 지원서 단계에서부터 구매 이후 그림을 그려야 한다. PoC 성공 시 어떤 부서가 예산을 낼지, SaaS 구독인지 API 과금인지 공동상품화인지, 수요기업 플랫폼 입점이 가능한지, 해외 거점을 통한 판로 지원이 어떤 형태인지 확인해야 한다. 뷰티 분야는 해외 유통망과 마케팅 채널 활용 기회가 언급되고, 플랫폼 분야는 실서비스 입점과 파트너 연계 실증이 제시된다. 창업자는 이 문구를 막연한 기대가 아니라 구체적인 다음 계약 구조로 바꿔야 한다.
또 하나는 지식재산권과 데이터 파생물의 경계다. 대기업 데이터로 학습하거나 검증한 모델 개선분을 누가 소유하는지, 익명화된 통계와 벤치마크를 다른 고객에게 설명할 수 있는지, PoC 결과를 투자자료에 어느 수준까지 공개할 수 있는지 사전에 정해야 한다. 특히 AI 제품은 데이터와 모델 개선이 섞이기 때문에 계약 문구 하나가 이후 확장성을 좌우한다. 스타트업은 무료 법무 검토가 아니라 성장 전략의 일부로 이 문제를 봐야 한다.
투자자는 선정 여부보다 실사용 지표를 요구해야 합니다
VC가 모두의 챌린지 선정 기업을 볼 때 확인해야 할 질문은 명확하다. 첫째, 수요기업이 제공하는 데이터가 제품의 핵심 성능을 높이는 데 실제로 필요한가. 둘째, PoC 결과가 해당 수요기업 밖의 다른 고객에게도 반복될 수 있는가. 셋째, 실무자가 제품을 쓰는 빈도와 깊이를 측정하는가. 넷째, AI 추천이 매출, 비용, 시간, 품질, 리스크 중 어떤 운영 지표를 움직이는가. 다섯째, 보안과 개인정보 처리 구조가 대기업 조달을 통과할 수준인가.
선정 사실만으로 밸류에이션을 올리는 것은 위험하다. 정부 지원사업과 대기업 협업 이력은 좋은 신호지만, 그것이 매출 전환의 근거는 아니다. 반대로 작은 PoC라도 실무자가 반복 사용하고, 기존 프로세스 대비 시간이 줄고, 수요기업이 유료 확장 논의를 시작했다면 강한 신호다. 투자자는 “몇 개 지원사업에 붙었나”보다 “어떤 고객이 다시 돈을 낼 이유가 생겼나”를 봐야 한다.
한국 AI 스타트업에게도 같은 원칙이 적용된다. 2026년의 AI 투자는 데모 풍년 속에서 실제 사용 지표를 구분하는 싸움이다. 뷰티·플랫폼 AX 챌린지는 좋은 검증장이지만, 검증장은 자동으로 성과를 만들지 않는다. 창업자가 데이터, 고객 업무, 보안, 제품화, 다음 계약까지 하나의 흐름으로 묶어야 투자 가능한 증거가 나온다.
결론: AX 챌린지는 한국 스타트업의 실증 밀도를 높이는 시험대입니다
모두의 챌린지 뷰티·플랫폼 분야는 한국 스타트업 생태계가 지원금 중심에서 실증 중심으로 이동하고 있음을 보여준다. 뷰티 대기업은 연구와 생산, 고객경험 데이터를 열고, 플랫폼 기업은 이동·금융·상권 데이터를 통해 소상공인 AX 과제를 제시한다. 이는 AI startup에게 드문 기회다. 하지만 좋은 데이터와 대기업 이름은 출발점일 뿐이다. 창업자는 6개월 안에 고객 업무 안에서 작동하는 제품과 숫자를 남겨야 한다.
이번 공고를 준비하는 팀은 지원서보다 PoC 종료 보고서를 먼저 상상해야 한다. 어떤 데이터에 접근했고, 어떤 기능을 만들었고, 누가 반복해서 썼고, 어떤 운영 지표가 바뀌었고, 다음 계약 조건이 무엇인지 한 페이지로 설명할 수 있어야 한다. 그 한 페이지가 만들어질 수 있다면 이번 챌린지는 단순 정책자금이 아니라 다음 스타트업 funding 라운드의 핵심 자료가 된다.
피치보드가 이번 흐름을 주목하는 이유도 여기에 있다. 한국 스타트업 뉴스에서 중요한 것은 행사 이름이 아니라 산업 데이터와 창업팀의 제품화 역량이 만나는 접점이다. K-뷰티와 플랫폼은 한국이 이미 강한 고객 기반을 가진 영역이고, AI와 deeptech는 그 기반을 글로벌 제품으로 확장할 수 있는 도구다. 모두의 챌린지는 그 가능성을 숫자로 검증하라는 시장의 요구다.
