AI 기업 탐구: 업스테이지, 작고 빠른 SLM으로 '국민 AI'에 도전하다

12분

7시간 전

332

AI 기술이 이미 생활 속 필수재로 자리 잡은 요즘, 그 기술 뒤에서 움직이는 기업들의 정체와 비전이 궁금하지 않으신가요? AI는 이제 단순한 기술 트렌드를 넘어 세상을 바꾸는 핵심 동력으로 떠올랐습니다.

〈AI 기업 탐구〉시리즈는 AI 산업의 대표적인 기업들을 하나씩 꼼꼼하게 살펴보며, 이들이 어떻게 탄생했고, 현재 어떤 전략과 비전으로 미래를 그려나가는지 구체적으로 조명하고자 합니다. AI를 이끄는 주인공들의 생생한 이야기를 지금부터 만나보세요.

Chapter 0. 왜 지금, 이 기업을 알아야 하는가?

눈 달린 ChatGPT, 기억하시나요?

ChatGPT는 직관적인 UI/UX를 앞세워 생성형 AI의 대중화를 이끌었습니다. 그러나 웹 기반의 영어 서비스라는 한계로, 국내 사용자에게는 여전히 심리적 진입장벽이 존재했는데요. 이 벽을 허문 서비스가 바로 '아숙업(AskUp)'입니다.

오늘 소개할 기업, '업스테이지(Upstage)'는 한국인이라면 누구나 사용하는 카카오톡에 ChatGPT를 탑재해, 아숙업이라는 이름으로 서비스를 선보였습니다. 카카오톡이라는 친숙한 플랫폼을 매개로 접근성을 획기적으로 높인 아숙업은 출시 3일 만에 3만 명, 3개월 만에 100만 명 이상의 사용자를 끌어모았는데요. 이 수치는 실제 ChatGPT의 국내 사용자 수와 비교해도 결코 뒤지지 않는 수준이었습니다.

아숙업은 단순히 ChatGPT를 연동하는 것에 그치지 않았습니다. 업스테이지는 여기에 글자를 읽어주는 광학문자인식(OCR) 기술을 더해, 사용자가 촬영한 문서 이미지를 읽고 요약하는 기능까지 제공했습니다. 덕분에 '눈 달린 ChatGPT'라는 별명을 얻었고, 이후에는 그림 생성 기능까지 추가되며 AI의 실용성을 한층 확장하며 대중적인 성공을 거두었습니다.

이처럼 빠르게 주목을 받으며 업스테이지는 단숨에 주목받는 AI 스타트업으로 떠올랐습니다. 하지만 이 성과만으로는 업스테이지라는 기업을 온전히 설명할 수 없는데요. 오늘은 아숙업이라는 결과 너머, 업스테이지의 진짜 모습을 들여다보려 합니다.

Chapter 1. 탄생의 배경과 창립 철학

애증의 기술, AI

기업들에게 AI는 애증의 기술이었습니다. 홍보 문구만 보면 모든 걸 해결해 줄 것처럼 보이지만, 막상 현장에 도입하려 하면 제약투성이었기 때문입니다. AI 전문 인력은 부족하고, 데이터는 분산되어 있으며, 투자 대비 성과(ROI)도 불확실한 경우가 많았습니다.

이런 와중에 경쟁사가 AI를 도입해 생산성을 높였다는 이야기를 들으면, 막연한 불안감이 찾아옵니다. 여기저기서 AI 이야기가 쏟아지다 보니, 이른바 FOMO(Fear Of Missing Out)가 찾아오기도 하는데요. 업스테이지는 이런 고질적인 문제를 해결하기 위해 탄생했습니다.

진짜 사용할 수 있는 AI

업스테이지 창업자 김성훈 대표는 홍콩과학기술대학 교수이자, 네이버에서 클로바 AI 총괄을 맡았던 인물입니다. 여기에 전 카카오AI 팀장 김재범, 네이버 Visual AI / OCR 팀에서 세계적 성과를 낸 이활석, 번역기 파파고의 모델팀을 이끌었던 박은정, 엔비디아에서 AI 교육 및 개발 마케팅 담당의 손해인 등이 합류하며 업스테이지가 토대가 마련됐습니다.

왼쪽부터 이활석 CTO, 김성훈 CEO, 박은정 CSO <출처: 업스테이지>

언론에서는 이들을 'AI 어벤저스'라 부르기도 했지만, 더 주목할 점은 이들이 모두 AI를 실제로 써 본 사람들, 즉 AI 기술을 비즈니스에 직접 적용해 본 경험자들이라는 점입니다.

업스테이지는 많은 기업들이 데이터, 인력, 인프라의 제약으로 AI 도입에 번번이 좌절하는 현실을 누구보다 잘 알고 있었습니다. 그래서 기술 자체보다 더 중요한 것은 '정확한 문제 정의'와 '현장에서 작동하는 솔루션'이라고 보았는데요. 업스테이지는 이 간극을 좁히고, 기업의 AI 트랜스포메이션을 현실로 만들고자 설립됐습니다. 더 이상 AI가 애증의 대상이 아닌, 애정의 대상으로 만들겠다는 것이 이들의 비전입니다.

Chapter 2. 대표 서비스와 기술 혁신

AI와 OCR의 만남

업스테이지라는 이름이 대중에게 각인된 계기는 단연 '아숙업'입니다. 아숙업이 빠르게 인기를 끌었던 이유 중 하나는, 단순한 챗봇 기능을 넘어 OCR 기능이 탑재돼 있었기 때문인데요. 이때 아숙업에 OCR이 포함된 것은 결코 우연이 아닙니다. 애초에 업스테이지가 가장 먼저 기술력을 입증한 분야가 바로 OCR이었기 때문입니다.

OCR은 'Optical Character Recognition'의 약자로, 이미지나 스캔 문서에 포함된 글자를 인식해 사람이 읽을 수 있는 텍스트 데이터로 변환해 주는 기술입니다. 이 기술은 오래전부터 존재했지만 분명한 한계를 가지고 있었는데요. 글자의 위치가 고정되지 않은 문서, 표가 포함된 문서, 손으로 쓴 글씨, 기울어지거나 화질이 낮은 이미지 등에는 그 정확도가 크게 떨어져, 실제 업무에 적용하기에는 어려움이 많았습니다.

특히 서류를 많이 다루는 금융·보험 업계 등 문서 중심 산업에서는 OCR에 수요가 높았지만, 이 분야는 무엇보다 '정확도'가 생명인 만큼 기존의 낮은 정확도를 가진 OCR 기술로는 쉽게 도입하기 어려웠는데요. 업스테이지는 이 한계를 극복할 열쇠로 AI를 주목했습니다.

AI를 접목한 업스테이지의 OCR은 딥러닝 기반의 텍스트 검출·인식 기술을 고도화해, 기울어진 문서나 손글씨, 복잡한 레이아웃을 가진 비정형 문서에서도 높은 정확도를 구현했습니다. 단순한 텍스트 추출을 넘어, 문서의 의미 구조를 이해하고 자동으로 정렬·분류·요약하는 기능까지 더해 반복적인 문서 처리 작업의 효율을 획기적으로 높였습니다.

이러한 기술력을 바탕으로 업스테이지는 2023년 국제 OCR 대회인 ICDAR에서 아마존, 엔비디아, 알리바바 등 글로벌 AI 강자들을 제치고 4개 부문에서 1위를 차지했습니다. 이후 OCR 기술을 API 형태로 제공해 기업들이 손쉽게 적용할 수 있도록 했으며, 추천 엔진 등 다양한 기능과 함께 ‘AI Pack’이라는 통합 솔루션으로 발전시켜 나갔습니다.

작고 빠른 SLM

업스테이지가 OCR 기술로 주목받는 무렵, AI 업계에서는 ChatGPT를 필두로 대형 언어 모델(Large Language Model)이 최대 화두로 떠올랐습니다. LLM은 이름 그대로 크고 무거운 모델로, 뛰어난 성능을 자랑하지만 실제 기업 현장에 적용하기에는 속도, 비용, 인프라 측면에서 부담이 따를 수밖에 없었는데요. 기업에서 사용할 수 있는 AI를 지향해 온 업스테이지는 이 한계를 외면하지 않았습니다.

LLM과 유사한 성능을 유지하면서도 경량화된 형태의 모델이 필요하다고 판단한 업스테이지는 곧바로 SLM(Small Language Model) 개발에 착수합니다. SLM은 적은 연산 자원으로도 빠르게 작동하며, 기업 환경에 최적화된 성능을 제공하는 것을 목표로 하는데요. 특히 개인정보 보호가 중요한 기업 환경이나, 고객 데이터를 기반으로 실시간 질의응답이 이뤄지는 시스템에서는 클라우드 기반의 대형 모델보다 보안성과 응답 속도 측면에서 유리한 SLM의 필요성이 더욱 부각됩니다.

무엇보다 중요한 점은, SLM은 단지 기술적으로 작고 빠른 데 그치지 않는다는 것입니다. 기업의 실제 데이터와 업무 흐름에 맞춰 유연하게 커스터마이징이 가능하다는 점에서 그 진가가 발휘되는데요. 업스테이지는 이를 바탕으로, 단순한 모델 공급을 넘어 기업 맞춤형 AI 솔루션을 제공하는 파트너로 자리매김하고 있습니다.

업스테이지의 핵심 모델은 '솔라(Solar)' 시리즈입니다. 이 중 Solar-10.7B-Instruct라는 모델은 허깅페이스(Hugging Face) 오픈 LLM 리더보드에서 1위를 차지하며 업계의 주목을 받았는데요. 특히 72B개의 매개변수를 가진 QWEN 모델보다 높은 성능을 자랑하며, 말 그대로 작지만 강한 모델이라는 수식어를 갖게 됩니다. 이는 OCR에 이어 SLM 분야에서도 업스테이지가 글로벌 수준의 경쟁력을 갖추고 있음을 입증한 사례였습니다.

Chapter 3. 비즈니스 모델과 시장 성과

고객 맞춤형 AI

아숙업으로 대중적으로 주목을 받았지만, 업스테이지의 본질은 B2B 소프트웨어 기업입니다. OCR, 추천 시스템 등 다양한 AI 기능을 API 형태로 제공하며, 이를 조합해 기업 업무에 바로 적용할 수 있도록 구축한 'AI Pack'을 중심으로 비즈니스를 전개해 왔습니다.

이러한 모듈형 접근은 기업 입장에서 상대적으로 진입 장벽이 낮은데요. 자체적으로 AI 모델을 개발하지 않아도 되고, 필요한 기능만 골라 사용할 수 있기 때문입니다.

특히 업스테이지는 단순한 API 제공에 그치지 않고, 기업 고유의 데이터를 활용해 모델을 맞춤형으로 튜닝해 주는 컨설팅형 서비스까지 함께 제공하며 차별화된 경쟁력을 확보했습니다. 이 역시 실제 기업에서 비즈니스를 경험한 다양한 인재들이 모였기에 가능했던 전략이었습니다.

육각형 성장

업스테이지는 국내에서 입증한 기술력과 성과를 바탕으로 2021년 시리즈 A 투자에서 약 316억 원을 확보한 데 이어, 2024년 4월 시리즈 B 라운드에서는 1,000억 원 규모의 투자를 유치했습니다. 총 누적 투자액 1,400억 원은 국내 AI 스타트업 중에서도 손에 꼽히는 규모로, OCR·SLM 분야의 기술적 성숙도와 수익 기반 성장 잠재력이 동시에 평가된 결과인데요. 업스테이지는 이 투자금을 기반으로 글로벌 진출에도 속도를 내고 있습니다.

특히 업스테이지는 설립 초기부터 100% 원격 근무 체재를 도입, 국경을 넘는 인재 확보에 유리한 구조를 선제적으로 갖추었습니다. 이러한 토대를 바탕으로 미국 법인을 설립하고 현지 인재를 확보했으며, 일본에서는 현지 AI 기업 '카라쿠리(Karakuri)'와의 합작을 통해 일본어 특화 LLM '신(Syn)'을 출시하기도 했는데요. 신은 일본어 LLM 벤치마크 상위권을 기록하며 경쟁력을 입증했으며, 이외에도 동남아, 북미 시장을 중심으로 글로벌 SaaS 모델을 전개하며 해외 수익 기반을 다져가는 중입니다.

한편 업스테이지는 김성훈 대표가 교수 출신이라는 배경을 살려 AI 교육 사업에도 적극적입니다. 글로벌 온라인 인공지능 경진대회인 캐글에서 두각을 나타낸 엔지니어도 다수 포함하고 있는 업스테이지는 업계 실무자와 예비 엔지니어를 대상으로 한 다양한 교육 프로그램을 운영하고 있는데요. 기업 맞춤형 교육·오픈 클래스·해커톤 등 다양한 방식으로 AI 생태계 전반의 저변을 확대하며, 질적/양적 성장을 동시에 이루고 있습니다.

AI 산업의 '인싸'

최근 뉴스를 보다 보면 'MOU'라는 용어를 자주 접하게 됩니다. MOU(Memorandum of Understanding), 즉, 양해각서는 정식 계약에 앞서 기관 간 협력 의지를 밝히는 문서로, 실질적인 비즈니스로 이어지지 않더라도 '좋은 관계를 맺겠다'라는 의미를 담고 있습니다.

이런 관점에서 보면, 업스테이지는 AI 업계의 인싸라고 볼 수 있습니다. 2020년에 설립된 이래, 업스테이지는 수많은 기업 및 기관과 MOU를 체결하며 빠르게 기술 협업 네트워크를 넓혀왔는데요. 대표적으로 KT와는 AI 기반 페이퍼리스 DX 사업 협력 MOU, LG전자와는 온디바이스 AI 사업 협력 MOU 등이 있습니다. 이 외에도 롯데쇼핑, 식약처, 이테크시스템, 퓨리오사AI, 투이컨설팅 등 다양한 분야와 손을 잡으며 기술의 확장성과 신뢰도를 동시에 입증하고 있습니다.

특히 눈에 띄는 협업은 AWS와의 전략적 파트너십입니다. 업스테이지는 2024년 AWS와 다년간의 파트너십을 체결하고, 자체 개발한 LLM인 솔라 모델을 AWS SageMaker에 탑재했는데요. 단순히 기술을 등록하는 수준이 아니라, 글로벌 공동 영업(co-selling) 체계까지 마련해 AI SaaS 모델의 해외 진출을 위한 유통 채널을 확보하게 됐습니다.

이렇듯 업스테이지는 클라우드, 반도체, SI, 데이터, 스타트업 등 다양한 산업군과의 균형 잡힌 협업을 통해 독립적인 기술 생태계를 구축하고 있습니다. 이는 단순한 AI 솔루션 제공자를 넘어, AI 기반 생태계 전반의 성장 플랫폼으로 자리매김하고 있다는 중요한 지표라 할 수 있습니다.

Chapter 4. 도전과 한계

생성형 AI 시장에서 빠르게 존재감을 드러낸 업스테이지는 기술력, 수익 모델, 글로벌 확장 등 여러 측면에서 ‘잘 나가는 스타트업’으로 주목받고 있습니다. 하지만 모든 성장이 그렇듯, 그 이면에는 도전과 한계도 공존하는데요. 업스테이지는 다음과 같은 고민을 갖고 있습니다.

거인들과의 경쟁

업스테이지가 직면한 가장 큰 과제는 역시 초거대 AI 기업들과의 경쟁입니다. 현재 생성형 AI 시장은 마이크로소프트, 구글, 메타 등 이른바 '거인들'이 주도하고 있는데요. OpenAI와 Anthropic과 같은 스타트업도 두각을 나타내고 있지만, 이들 역시 사실상 빅테크의 날개를 단 플레이어입니다. 결국 이 시장은 자본력과 규모의 경제를 둘러싼 싸움인 셈입니다.

업스테이지는 독립 스타트업으로서 상대적으로 제한된 자원과 인프라로 경쟁에 나서야 하는 입장입니다. 솔라 모델이 오픈소스 LLM 중 최상위권 성능을 보였지만, 폐쇄형 초거대 모델과의 경쟁과는 직접적인 비교 자체가 어렵습니다. 현재의 평가는 어디까지나 공개된 모델들 사이에서의 상대적 우위일 뿐입니다. 게다가 최근 메타가 수백억 원을 들여 AI 인재를 흡수하고 있다는 내용이 화제가 된 것처럼, 고급 인재 확보 싸움에서도 업스테이지는 자본력에서 불리할 수밖에 없습니다.

더욱이 기존 LLM 시장을 주도하던 글로벌 빅테크들이 이제는 SLM 영역까지 본격적으로 진출하고 있습니다. 작고 빠른 모델에 집중하며 차별화를 이루던 전략마저 이제는 주류 경쟁 무대가 되어 경쟁이 치열해지고 있는 셈입니다.

고객 확장과 수익화의 한계

업스테이지는 뛰어난 기술력과 빠른 제품화를 통해 단기간 내 업계의 주목을 받았지만, 기술적 성과만으로는 지속 가능한 수익을 담보하기 어렵습니다. 특히 B2B 중심의 사업 구조에서는 고객 확보의 속도와 폭이 사업 성장을 좌우하는데요. 업스테이지의 경우, OCR과 추천 시스템 등 다양한 API 기반 솔루션을 제공하고 있지만, 국내 기업들의 AI 도입 속도는 여전히 제한적입니다.

이런 상황에서 업스테이지가 직면한 과제는 명확합니다. 어떻게 하면 ‘파일럿’을 ‘유료 계약’으로, ‘기술 데모’를 ‘지속 매출’로 전환할 것인가입니다. 현재 업스테이지는 AI Pack과 맞춤형 컨설팅 등으로 진입 장벽을 낮추고 있으나, 기업 내부의 예산 구조나 정책적 제약으로 인해 실제 유료 전환율이 제한되는 경우도 적지 않습니다.

더 나아가, 생성형 AI SaaS 모델의 경우 반복적 구독 수익 구조를 구축하는 것이 핵심인데, 아직까지 업스테이지가 국내/외에서 이 모델을 안정적으로 정착시켰다고 보기는 어렵습니다. 클라우드 사용료, 튜닝 인건비, 기술 유지 비용 등을 감안하면, 일정 이상의 고객 기반 확보 없이는 손익분기점에 도달하기 어렵다는 현실적인 한계도 존재합니다.

실제로 업스테이지는 2023년 50억 원 수준이던 매출을 2024년 140억 원 수준으로 끌어올리는 데 성공했지만, 연구개발(R&D)과 인프라 투자 등의 고정비용이 지속적으로 증가하면서 영업손실 역시 2023년 -190억 원 수준에서 2024년 -400억 수준으로 확대됐습니다. 이는 성장 곡선의 초입에 있는 스타트업으로서 당연한 수순이지만, 외부 투자와 시장 기대에 부응하기 위해서는 일정 시점부터 수익성과 확장성이라는 두 마리 토끼를 동시에 잡아야 한다는 과제를 안고 있는 셈입니다.

Chapter 5. 결론 및 향후 전망

업스테이지가 출범 이후 쌓아온 기술력과 시장 반응은 분명 인상적이었습니다. 하지만 본격적인 생존 경쟁은 지금부터이며, 앞으로의 길은 더욱 복잡하고 치열할 것으로 보입니다. 특히 정책 환경의 변화는 업스테이지 같은 스타트업에 중요한 외부 변수로 작용하게 됩니다.

2025년 새롭게 들어선 정부는 "100조 원 규모의 AI 투자"를 공식 공약으로 내세우며, AI 주권 확보에 대한 의지를 공식화했습니다. 그 상징적 조치로, 대통령실 최초의 ‘AI미래기획수석’ 자리에 민간 출신의 전문가 하정우 수석이 임명되기도 했습니다. 네이버클라우드 센터장을 지낸 그는 오랜 기간 '소버린 AI(Sovereign AI)'의 중요성을 강조해 온 인물로, 향후 정책 방향이 국내 AI 생태계의 기술 독립성과 인프라 구축에 무게를 둘 것이라는 관측이 힘을 얻고 있습니다.

이러한 변화는 업스테이지에게도 기회가 될 수 있습니다. 이미 업스테이지는 퓨리오사AI 등 국산 AI 반도체 기업과의 협력, 국내 LLM 및 OCR 모델 개발 경험을 축적해 왔고, 이는 정부의 기술 자립 전략과 맞물리는 지점입니다. 특히 업스테이지가 강조해 온 작고 빠르며, 정렬성 높은 SLM 전략은 공공영역에서 요구하는 에너지 효율, 비용 절감, 개인정보 보호 기준에도 부합합니다.

그러나 단순한 기대감만으로 미래를 낙관하기는 어렵습니다. 정책의 실행 속도는 예측하기 어렵고, 공공사업에서는 대형 SI 기업의 경험과 조직력이 먼저 평가받을 수 있습니다. AI 스타트업에게 ‘기회’란 주어지는 것이 아니라, 읽고 선점해야 할 흐름입니다. 업스테이지에게 중요한 것은 지금까지 그래왔듯, 기술과 시장의 균형을 읽는 감각이 될 것으로 보입니다.