타입세이프(TypeSafe)가 AI 모델 제브(Jev)를 출시한 지 한 달도 안 돼 8억7000만달러를 유치하고 기업가치를 75억달러로 평가받았다. 실리콘앵글은 10월 10일 이같이 보도했다.
제브, 기업용 AI 요청을 구조화해 처리
이번 투자 라운드는 앤드리슨호로위츠(Andreessen Horowitz)가 주도했으며 세쿼이아캐피털(Sequoia Capital), DCVC와 이름이 공개되지 않은 엔젤 투자자들이 참여했다. 투자금 유치는 제브 출시 후 한 달이 채 지나지 않은 시점에 이뤄졌다. 보도에 따르면 제브는 이미 포춘(Fortune) 500대 기업의 약 3분의 1에서 채택됐다.
대규모언어모델(LLM)을 이용하는 일반적인 기업용 애플리케이션은 먼저 작업 내용을 모델에 보내고, 모델이 자연어로 답하면 이를 다시 정해진 구조에 맞춰 변환해야 한다. 제브는 이 변환 단계를 줄이도록 설계됐다. 애플리케이션의 요청에 자연어 문장 대신 구조화된 결과를 바로 내놓아, 개발자가 결과를 정리하고 처리하는 코드를 따로 작성할 필요를 낮춘다는 설명이다.
제브가 처리하는 요청 유형은 세 가지다. 질문에 ‘예’ 또는 ‘아니요’로 답하거나, 목록에서 항목을 고르거나, 점수를 생성할 수 있다. 점수의 평가 기준은 개발자가 설정할 수 있어 사이버보안 경보의 심각도를 매기거나 고객지원 요청의 긴급성을 수치화하는 데 활용할 수 있다. 목록을 선택하거나 점수를 낼 때는 답변의 확신도를 나타내는 숫자도 함께 제공해, 애플리케이션이 환각의 영향을 줄이는 데 활용할 수 있다고 회사는 설명했다.
추론 속도·비용 절감 내세워 기업 시장 공략
타입세이프는 제브를 새 학습 방식인 ‘보정된 의사결정을 위한 강화학습’과 자체 모델 아키텍처를 활용해 개발했다고 밝혔다. 이 방식은 LLM 학습에 널리 쓰이는 강화학습의 변형이다. 회사는 자체 기술을 적용한 제브가 사용자 요청을 700밀리초 이내에 처리하고, 일부 프런티어 LLM보다 최대 200배 빠르며 비용 효율은 최대 100배 높다고 주장했다.
자연어 응답을 다시 가공하는 단계를 줄이면 개발자가 작성해야 하는 데이터 준비 코드가 감소하고, 소프트웨어 프로젝트를 더 빨리 마칠 수 있다. 애플리케이션의 코인베이스가 간결해지면 오류 위험도 줄어든다. 다만 속도와 비용 효율 수치는 타입세이프가 제시한 비교 결과이며, 보도에는 비교 대상 모델이나 측정 조건의 세부 내용은 제시되지 않았다.
제브는 타입세이프가 ‘시스템 원(System One)’이라는 이름으로 계획한 모델 제품군에 포함된다. 회사는 이번 투자금을 제품군에 추가 모델을 개발하는 데 쓰고, 대기업이 모델을 더 쉽게 도입할 수 있도록 구체적인 내용이 공개되지 않은 ‘기업용 기능’도 내놓을 계획이다. 투자 유치와 기업 채택 규모를 공개했지만, 추가 모델과 기업용 기능의 출시 일정이나 가격은 보도에서 밝혀지지 않았다.
