유인환 씨냅스AI(CNAPS.AI) 대표
유인환 씨냅스AI(CNAPS.AI) 대표는 이데일리와의 인터뷰에서 최근 AI 산업에서 일어나는 패러다임 변화와 이에 대응하는 플랫폼 전략을 이같이 밝혔다.
씨냅스AI는 네이버, 블루포인트파트너스 등이 시드 투자에 참여한 AI 인프라 스타트업이다. 실리콘밸리 본사와 한국 법인을 병행 운영하고 있으며, 구글 리서치 및 엔비디아 출신 연구진이 2년 이상 기반 기술을 다져온 끝에 최근 이종 AI 모델 연결 플랫폼 ‘씨냅스 스튜디오(CNAPS Studio)’를 출시했다.
유 대표는 현 AI 생태계에 대해 “수천억 원을 들여 거대 AI 모델 하나를 직접 개발하는 ‘자본의 게임’은 스타트업이나 일반 기업이 이길 수 없다”며 “반면 ‘어떤 모델을 어떻게 연결할 것인가’는 자본이 아니라 경험과 설계의 영역이자 새로운 기회”라고 진단했다.
◇“모델 개발=자본 게임…AI시장, ‘오케스트레이션’이 승부처”
실제로 오픈소스 모델들이 불과 3~4개월 격차로 최상위 프론티어 모델을 따라잡으면서 모델 자체의 희소성은 사라지고 있다. 허깅페이스 등록 모델 중 상위 1.5%가 전체 다운로드의 99.2%를 차지할 만큼 실무에 쓰이는 모델도 극소수다. 유 대표는 “반도체 EDA 툴(반도체 회로 설계 소프트웨어)이 팹리스 산업의 성립을 가능케 했던 것처럼, AI 역시 부품이 된 모델들을 조립하고 연결하는 설계 도구가 산업의 핵심 병목이자 기회가 될 것”이라고 강조했다.
기업들이 AI 도입 시 겪는 고통으로는 ‘전문 인력 종속’과 ‘평가 체계의 부재’를 꼽았다. 유 대표는 “수억 원의 연봉을 주며 AI 엔지니어를 채용하기도 어렵고, 기존 방식은 코드가 강하게 결합돼 있어 최신 모델이 나와도 교체하지 못하고 경쟁력이 떨어진다”며 “데모 수준을 넘어 실제 트래픽과 비용, 지연시간 문제를 만날 때 무너지는데, 이를 미리 알려줄 자체 평가 체계가 없다는 점이 실패의 핵심”이라고 지적했다.
나아가 AI 시장의 평가 기준이 단순 성능에서 ‘비용당 성능’으로 옮겨갈 것으로 전망했다. 그는 허깅페이스 구동 모델의 83%가 10억 개 미만의 소형 특화 모델이라는 점을 언급하며 “추론 비용이 손익계산서에 잡히기 시작하면 특정 작업에 적합한 모델을 배치하는 ‘라우팅 기술’이 곧 기업의 마진이 된다”고 밝혔다.
유 대표는 이어 “데이터 주권 요구와 맞물려 온프레미스와 하이브리드 수요도 더욱 커질 것”이라며 “앞으로 기업은 자사만의 검증된 AI 파이프라인 포트폴리오를 자산처럼 보유하게 될 것”이라고 내다봤다.
씨냅스AI(CNAPS.AI) 한국팀
씨냅스AI는 이러한 변화에 맞춰 사용자가 작업만 입력하면 최적의 AI 모델 조합을 찾아주는 ‘인텔리전스 매핑’ 기술을 개발했다. 요청이 들어오면 태스크를 하위 단계로 분해하고, 메타데이터와 실사용 데이터 기반으로 호환성을 검증한 뒤, 성능·비용·속도를 종합 계산해 ‘파레토 최적 경로’를 추천한다.
신규 모델이 나오면 기존 파이프라인에서 노드만 교체해 자동 평가 리포트도 제공하며, 공통 데이터 규격을 경유하도록 설계해 모달리티 간 연결 시 데이터 손실과 지연시간을 대폭 줄였다. 핵심 플랫폼인 ‘씨냅스 스튜디오’는 텍스트·이미지·비디오·음성·3D 등 이종 모달리티를 마우스 클릭만으로 연결해 사용하게 해준다.
유 대표는 “모든 모델의 입출력을 엄격한 타입 스키마로 정의해 오류가 나는 조합은 UI 단계에서 차단되며, 완성된 파이프라인은 곧바로 프로덕션 API로 배포된다”며 “외부 LLM 에이전트가 검증된 파이프라인을 도구로 호출할 수 있는 MCP(AI-도구 간 표준 연결 규격) 서버를 제공하고, 오픈소스 모델의 GPU 서빙 인프라까지 수직 통합해 폐쇄망(온프레미스) 환경에서도 그대로 실행할 수 있다”고 설명했다.
플랫폼 완성도는 360도 영상 업스케일러, 로고·개인정보 가림 처리, 폐쇄망 전용 RAG(자체 데이터 기반 생성형 AI) 등 직접 구축한 상용 제품군으로 입증했다. e커머스 기업에서는 배경 제거부터 상품 설명 작성까지 단 하나의 워크플로우로 묶어 대량 처리하고 있으며, 엔터테인먼트 분야 역시 자막 및 더빙 파이프라인 내재화에 활용 중이다.
금융·공공 등 규제 산업군에서도 폐쇄망 인프라를 활용한 도입 사례가 늘고 있다. 이미 현장에서는 AI 전담 팀이 없는 기업도 수분 내에 워크플로우를 짜고 API 배포까지 완료하는 성과를 얻고 있다.
유 대표는 “앞으로 신규 모델 추가 인터페이스를 오픈소스로 공개해 모델과 파이프라인이 만나는 생태계를 만들 것”이라며 “AI 시대의 승부는 누가 더 좋은 모델을 만드느냐가 아니라, 누가 더 빠르게 자신의 문제에 AI를 연결하느냐에서 갈린다”고 강조했다.
