Trace, 기업 내 AI 에이전트 도입 문제를 해결하기 위해 300만 달러 투자 유치

AI 에이전트가 기업 현장에서 외면받는 근본적인 이유: '맥락의 부재'

기대와 현실 사이의 간극

최근 몇 년간 생성형 AI의 발전은 눈부셨으며, 많은 기업이 AI 에이전트가 인간의 업무를 대신할 것이라는 장밋빛 미래를 꿈꿔왔습니다. 하지만 실제 기업 환경에서 AI 에이전트가 실질적인 영향력을 발휘하며 워크플로우에 녹아드는 속도는 예상보다 훨씬 더디게 나타나고 있습니다.

단순히 질문에 답을 하거나 텍스트를 생성하는 수준을 넘어, 실제 비즈니스 프로세스를 완결 짓기 위해서는 단순한 지능 이상의 것이 필요합니다. 현재 많은 에이전트 솔루션들이 직면한 가장 큰 벽은 바로 '맥락(Context)'의 결여입니다.

기업의 업무는 단편적인 명령으로 이루어지지 않습니다. 과거의 결정 사항, 부서 간의 협업 방식, 현재 진행 중인 프로젝트의 세부 사항 등 수많은 암묵적 지식이 얽혀 있습니다. 이러한 맥락을 이해하지 못하는 AI는 아무리 똑똑하더라도 기업 환경에서는 '맥락 없는 인턴'에 불과합니다.

Trace의 접근 방식: 지식 그래프를 통한 기업 프로세스의 디지털 매핑

파편화된 데이터를 하나의 지식 체계로

Y Combinator 2025년 여름 코호트에서 출범한 스타트업 Trace는 바로 이 '맥락의 부재' 문제를 정면으로 돌파하고자 합니다. Trace는 에이전트가 기업 내 어디에서, 어떻게 작동해야 하는지를 명확히 인지할 수 있도록 복잡한 기업 환경과 프로세스를 매핑하는 워크플로우 오케스트레이션 소프트웨어를 구축하고 있습니다.

Trace의 기술적 출발점은 기업의 일상적인 업무가 발생하는 다양한 시스템으로부터 '지식 그래프(Knowledge Graph)'를 구축하는 것입니다. 이들은 이메일, Slack, Airtable 등 현대 직장인들이 매일 사용하는 도구들을 연결하여 기업의 운영 데이터를 구조화합니다.

이러한 과정을 통해 구축된 지식 그래프는 기업의 흩어진 정보를 하나의 유기적인 맥락으로 통합합니다. 이를 통해 AI는 단순한 데이터 조회를 넘어, 특정 업무가 왜 필요한지, 어떤 데이터가 연관되어 있는지, 그리고 누구의 승인이 필요한지까지 이해할 수 있는 기반을 갖추게 됩니다.

상위 수준의 과업을 실행 가능한 단계로 분해

맥락이 확보되면 사용자는 매우 추상적이고 상위 수준의 과업을 지시할 수 있게 됩니다. 예를 들어, '새로운 마이크로사이트 설계안을 작성하라'거나 '2027년 영업 계획을 수립하라'와 같은 복잡한 명령이 가능해집니다.

Trace의 시스템은 이러한 명령을 받으면 즉시 실행하는 것이 아니라, 이를 달성하기 위한 단계별 워크플로우를 먼저 생성합니다. 이 워크플로우는 AI 에이전트가 수행할 수 있는 부분과 인간 운영자가 검토하거나 개입해야 하는 부분을 정교하게 분담합니다.

결과적으로 사용자는 세세한 명령을 내릴 필요 없이, 시스템이 제안하는 워크플로우를 확인하고 승인하는 것만으로도 복잡한 비즈니스 목표를 달성할 수 있는 환경을 갖게 됩니다.

'뛰어난 인턴'을 적재적소에 배치하는 '유능한 매니저'의 역할

모델의 지능과 운영의 지능을 분리하다

Trace의 CEO Tim Cherkasov는 현재의 AI 생태계를 매우 흥미로운 비유로 설명합니다. 그는 OpenAI나 Anthropic과 같은 모델 제공업체들을 '뛰어난 인턴'을 만들어내는 제작자로 정의하며, Trace 자신은 '그 인턴들을 어디에 배치해야 할지 정확히 아는 매니저'라고 정의합니다.

이 비유는 AI 도입의 핵심이 모델 자체의 성능(Intelligence)에만 있는 것이 아니라, 그 모델을 어떻게 활용하고 관리하느냐(Orchestration)에 있음을 시사합니다. 아무리 똑똑한 인턴이라도 회사의 업무 규칙을 모르고 권한이 없다면 아무 일도 할 수 없기 때문입니다.

Trace는 모델의 성능을 높이는 데 집중하는 대신, 모델이 기업의 실제 업무 흐름 속에서 제 역할을 할 수 있도록 돕는 '배포를 위한 배관(deployment plumbing)' 작업에 집중합니다. 이는 모델의 품질보다 시스템 간의 연결과 데이터의 흐름을 최적화하는 데 초점을 맞춘 전략입니다.

300만 달러 규모의 시드 라운드 유치와 글로벌 투자사들의 전략적 판단

강력한 투자자 라인업

Trace는 이러한 비전과 기술력을 인정받아 Y Combinator, Zeno Ventures, Transpose Platform Management, Goodwater Capital, Formosa Capital, WeFunder로부터 총 300만 달러 규모의 시드 라운드 투자를 유치했습니다. 여기에 추가적인 엔젤 투자자들의 참여도 이어졌습니다.

글로벌 VC들이 Trace에 주목한 이유는 명확합니다. 모델 경쟁이 가속화될수록, 그 모델들을 기업의 실제 워크플로우에 안착시키는 '인프라 계층'의 가치가 급상승할 것이라는 판단이 작용했기 때문입니다.

단순히 새로운 AI 기능을 만드는 것이 아니라, 기존의 기업용 소프트웨어 생태계와 AI 에이전트를 연결하는 필수적인 미들웨어를 구축한다는 점이 투자자들에게 강력한 매력으로 다가갔습니다.

기술적 패러다임의 전환: 프롬프트 엔지니어링에서 맥락 엔지니어링으로

새로운 경쟁 우위의 기준

현재 AI 시장은 모델 기업들과 기존 워크플레이스 소프트웨어 벤더들이 각자 자체적인 기업용 에이전트를 출시하며 치열한 경쟁을 벌이고 있습니다. 이러한 상황에서 Trace는 시장의 승패를 가르는 핵심 요소가 '프롬프트 엔지니어링'이 아닌 '맥락 엔지니어링(context engineering)'이 될 것이라고 주장합니다.

Trace의 CTO Artur Romanov는 시장의 중심축이 이미 이동하고 있다고 강조합니다. 단순히 모델에게 질문을 잘 던지는 기술은 점차 범용화되고 있으며, 진정한 차별점은 '적절한 시점에, 가장 최적화된 맥락을 모델에게 제공할 수 있는가'에서 결정될 것입니다.

결국 적절한 맥락을 제공할 수 있는 인프라를 선점하는 기업이, 향후 등장할 수많은 'AI 우선 기업(AI-first companies)'들이 그 위에서 서비스를 구축하게 될 핵심 플랫폼이 될 가능성이 높습니다.

기업 자동화의 실질적 해자: 워크플로우와 권한의 외재화

운영자들을 위한 전략적 시사점

Trace의 사례는 많은 기업이 AI 도입 과정에서 겪는 실패의 원인을 날카롭게 지적합니다. 에이전트 도입이 실패하는 이유는 모델의 지능이 부족해서가 아니라, 조직 내부의 워크플로우 구조, 접근 권한, 시스템 간의 복잡한 관계를 디지털 형태로 '외재화(externalize)'하지 못했기 때문입니다.

기업의 업무 방식이 문서나 개인의 머릿속에만 머물러 있다면, AI는 결코 그 업무를 대신할 수 없습니다. 업무 프로세스를 명문화하고, 데이터 간의 관계를 구조화하며, 권한 체계를 명확히 하는 작업이 선행되어야 합니다.

결론적으로, 기업이 가진 고유한 업무 맥락을 얼마나 정교하게 디지털 자산화하느냐가 향후 AI 시대에 기업이 가질 수 있는 가장 강력하고 실질적인 해자(moat)가 될 것입니다. 맥락은 단순한 정보가 아니라, AI가 실행력을 갖게 만드는 핵심 연료이기 때문입니다.