AI 기반 문서 자동분류, ‘한국딥러닝’ 120억 투자에 집중

문서 자동분류 인공지능(AI) 기술을 선도해온 국내 스타트업 ‘한국딥러닝’이 120억 원 규모의 신규 투자를 유치했다. 본지 확인 결과, 이번 투자는 국내외 벤처캐피탈(VC)과 전략적 투자자(SI)가 참여한 시리즈B 라운드 중심으로 이뤄졌다. 기업용 AI 솔루션 시장이 전방위로 확대되는 가운데, 한국딥러닝이 ‘문서 자동분류’라는 핵심 영역에서 경쟁력과 탄탄한 수요를 입증한 데 따른 결과라는 평가다. 실제로 최근 금융, 의료, 공공기관 등에서는 연간 수십억 건에 달하는 비정형 문서를 효율적으로 처리해야 하는 과제에 직면해 있다. 과거에는 다수 인력이 투입되어야 하던 영역이었으나, 딥러닝·자연어처리(NLP) 기반 AI 모델의 정확도가 상용수준에 도달하면서 자동화 추진이 현실화되고 있다.

투자사들이 주목한 포인트는 세 가지다. 첫째, 한국딥러닝이 보유한 딥러닝 엔진의 국산화 비율이 압도적으로 높다는 점이다. 주요 글로벌 AI 솔루션들이 해외 빅테크 의존성이 큰 반면, 한국딥러닝은 한국어에 특화된 자체 모델을 개발해왔다. 둘째, 정보보호 이슈와 연동된 온프레미스(내부 구축형) 솔루션 제공 역량이다. 클라우드 SaaS 모델이 급성장 중임에도, 민감 정보가 많은 국내 대형기관 상당수는 여전히 데이터 주권·보안 리스크로 인해 온프레미스 방식을 선호한다. 실제 본지 취재 결과, 해당 솔루션은 금융, 법조계, 공공기관에서 개인정보·기밀정보 유출 위험을 크게 완화시키는 것으로 나타났다. 셋째, AI 판별 과정을 ‘설명 가능한 AI(XAI)’로 설계해, 분류 근거와 처리 결과 투명성을 확보했다는 평가다. 이는 최근 정부와 산업계 모두에서 ‘AI 신뢰성’ 확보와 관련한 규제·정책 논의가 급증하고 있는 것과 맞물린다.

한편, 글로벌 동향과 국내의 기술 투자 환경을 교차 검토하면 추가적인 도전과제가 뚜렷하다. 첫째는 데이터 기밀성 보장과 인공지능 자동화의 균형 문제다. AI 모델 학습을 위해서는 대량의 데이터 확보가 필수적이나, 실제 산업계에서는 기밀문서 처리 규정 등으로 인해 데이터 확보가 쉽지 않다. 일각에서는 AI 기업들이 ‘데이터 라벨링 인력 대행’을 외부에 의존하다 데이터 의도 노출 우려가 있다고 비판한다. 이에 산업계는 ‘프라이버시 강화형 학습’, ‘연합학습(Federated Learning)’ 기술로 위협요인 감소에 주력하고 있지만, 적용 현실성에는 한계가 존재한다. 둘째, AI의 판단 오류로 인한 문서 분류·누락·오분류 위험이 있다. 실제 현장 사용성 시험에서 1~3%대 오류률이 보고되는데, 이는 실제 몇 천 건의 문서 분류 오류로 연결될 수 있다. 특히 법률·금융 분야에선 하나의 분류 착오가 막대한 금전·업무 피해로 연결되는 만큼, AI엔진이 신규 위협·에지케이스를 더 잘 식별하도록 모델 업데이트가 필수적이다.

시장 측면에선 투자 확대에 따라 국내 AI 솔루션 기업 간 기술 경쟁이 한층 치열해진다. 네이버클라우드, 카카오엔터프라이즈, 뷰노 등 대형 ICT 기업 또한 AI 문서 자동분류·검색 엔진에 R&D를 집중 투자 중이다. 국내외 시장 대다수는 글로벌 AI 모델, 예컨대 오픈AI의 GPT, 구글의 PaLM 등에서 파생된 방식—하지만, 한국딥러닝 사례처럼 로컬 언어·보안 규제에 맞춘 맞춤형 솔루션 수요가 여전히 뚜렷하다. 이는 일견 글로벌 표준이나 플랫폼 종속에 대한 산업계 거부감, 규제 변수, 자체 보안 아키텍처 강화가 동시에 작용하는 환경에서 비롯된다. 아울러 AI 기반 자동분류 솔루션이 상업적으로 준수한 도입 성과를 이어가려면, ‘사용자/문서 유형별 AI 성능 인증 체계’ 확립과, 전용 보안 인프라, 그리고 아웃풋 검증 프로세스의 연동 등 복합적인 접근이 요구된다. 실제 업계 내부에서는 AI를 활용한 문서 처리 영역에서의 사고·정보유출 R&R에 대한 표준화 논의와, 신속한 사고 대응체계 확립 필요성이 제기되고 있다. AI 도입 과정에서 IT 자산, 기존 업무 프로세스와의 데이터 연동 문제도 지속적으로 지적된다. 주력 고객군인 금융·공공·법조 분야 등은 초기에 도입 전수 테스트, 시범분석, 단계별 인식률 평가(베이스라인) 등을 반드시 병행해야 한다.

요약하면, 한국딥러닝의 대규모 투자는 국내 AI 시장의 ‘문서 자동분류’ 솔루션 부문 역량 강화와 시장 확대 가능성을 보여준다. 하지만 실제 현장 도입 이후 아직 해결되지 않은 위협 요인―데이터 기밀성, 규제 준수, AI 오분류에 대한 사고 대응, 사용자 신뢰성 확보 등―에 대한 중앙 집중형 점검과 보안 아키텍처 강화 노력이 향후 중요한 분수령이 될 전망이다. 국내외 기술·인프라 정책 변화, 글로벌/로컬 AI기술 경쟁, 데이터거버넌스 강화라는 다층적 위협에 대해 업계가 민첩하게 대응하는 한편, 투자 이후의 보안·신뢰 인프라까지 다각도로 검증되어야 한다.

— 윤세현 ([email protected])