시퀘이아·엔비디아 참여한 시리즈A
AI 모델 후속 학습(post-training) 자동화 스타트업 트래젝토리(Trajectory)가 시리즈A 라운드에서 4500만 달러를 유치했다고 2일(현지시간) 밝혔다. 기업 가치는 3억 달러로 평가됐다. 투자는 시퀘이아(Sequoia)가 주도했고, 엔비디아(NVIDIA), 베세머벤처파트너스(Bessemer Venture Partners), 베인캐피털벤처스(Bain Capital Ventures)가 참여했다.
트래젝토리는 약 1년 전 스탠퍼드대 동기 3명이 세웠다. 구글 딥마인드(Google DeepMind)와 애플(Apple) 출신이 창업자로 있으며, 직원은 18명이다.
지속 학습으로 전문 분야 AI 모델 개선
오픈AI(OpenAI)나 앤트로픽(Anthropic)의 모델이든 오픈소스 모델이든 추가 학습 없이는 실수에서 스스로 배우지 못한다는 한계가 있다. 법률·금융 등 전문 분야에 쓰려는 기업은 보통 범용 모델을 미세조정(fine-tuning)하는데, 이때 내부 연구팀을 꾸리거나 값비싼 컨설턴트(전진 배치 엔지니어, FDE)에 의존해야 한다.
트래젝토리는 이 과정을 자동화하는 '지속 학습(continual learning)' 방식을 내세운다. 기업이 오픈소스 모델을 골라 자사 애플리케이션과 플랫폼을 연결하면, 모델 성능에 대한 피드백이 수집되고 이를 토대로 모델이 재학습된다. 공동창업자 로낙 말데(Ronak Malde)는 거대 모델을 '새 직장에 막 들어간 똑똑한 박사과정생'에 빗대며 "경제가 가치를 두는 것은 30년간 일한 사람"이라고 말했다. 조직이 '좋은 결과의 기준'을 정하고 이를 모델 개선으로 연결할 수 있다는 설명이다.
이미 하비(Harvey)와 로고(Rogo)가 이 플랫폼으로 오픈소스 모델을 후속 학습해 특정 유형의 계약서 검토나 특정 방식의 기업가치 평가 같은 작업 성능을 높이고 있다. 데카곤(Decagon), 머코(Mercor), 엔비디아도 고객이다. 회사는 후속 학습 플랫폼을 일반에 공개했다.
경쟁 구도와 안전성 논리
공동창업자 마이클 엘라브드(Michael Elabd)는 이 방식이 AI가 스스로 능력을 높이는 재귀적 자기 개선(RSI)과 닮았지만, 사람이 학습 과정에 관여하기 때문에 더 안전하다고 주장했다. 자율적 자기 개선은 의도치 않은 위험한 결과로 이어질 수 있다는 이유다.
경쟁사로는 미라 무라티(Mira Murati)가 세운 싱킹머신스랩(Thinking Machines Lab)의 미세조정 플랫폼 '팅커(Tinker)', 지난달 32억5000만 달러 가치를 인정받은 어플라이드컴퓨트(Applied Compute), AI 에이전트 학습을 돕는 프라임인텔렉트(Prime Intellect) 등을 꼽았다. 말데는 구글 딥마인드가 윈드서프(Windsurf)에서 영입한 연구진 출신이며, 회사는 팀 역량과 비전문가용 인터페이스 설계를 차별점으로 내세웠다.
오픈소스 모델을 도입해 업종 특화 AI를 만들려는 국내 기업에도 후속 학습 자동화 도구의 확산은 참고할 만한 흐름으로 보인다.
