Euno, 기업 AI 에이전트를 위한 컨텍스트 레이어 구축을 위해 $23M 시리즈 A 투자 유치

Euno는 기업 AI 컨텍스트 플랫폼을 확장하기 위해 시리즈 A 투자 라운드에서 $23 million을 유치했으며, 기업들이 점점 더 기본 모델만으로는 해결할 수 없는 문제: AI 에이전트가 복잡한 비즈니스 데이터를 신뢰성 있게 다루기 위해 충분한 조직 지식을 제공받는 문제에 직면하고 있습니다.

이번 라운드는 N47이 주도했으며, 기존 투자자인 10D와 Wiz 공동창업자 Yinon Kostika, Cyera 공동창업자 겸 CEO Yotam Segev, Eon 공동창업자 겸 CEO Ofir Ehrlich, Tavily 창업자 Rotem Weiss, 전 Tableau CEO 겸 사장 Mark Nelson 등 기술 창업가 및 임원 그룹이 참여했습니다. 이번 투자로 Euno의 총 자금은 $29 million에 이르게 됩니다.

2023년에 Sarah Levy와 Eyal Firstenberg가 설립한 Euno는 새로운 자금을 주로 영업 및 마케팅 확대와 AI 연구 투자 증대에 사용할 계획입니다. 미국과 이스라엘 전역에서 운영되며 직원 수가 약 30명에 달하는 이 회사는 연말까지 인력을 대략 두 배로 늘릴 것으로 기대하고 있습니다.

기업 AI 병목 현상이 컨텍스트 쪽으로 이동하고 있다

대규모 언어 모델의 급속한 향상으로 데이터베이스 질의, 분석 생성, 코드 작성 및 비즈니스 프로세스 자동화를 수행할 수 있는 AI 에이전트를 배치하는 것이 점점 더 현실화되고 있습니다. 그러나 에이전트를 기업 시스템에 연결하면 또 다른 과제: 어떤 정보가 권위 있는지 파악하는 문제가 발생합니다.

대규모 조직은 수천 개의 테이블, 대시보드, 메트릭, 데이터 모델 및 동일한 비즈니스 개념에 대한 상충되는 정의를 보유하고 있을 수 있습니다. 예를 들어 매출을 계산하도록 요청받은 AI 에이전트는 단순히 데이터베이스에 접근하는 것 이상이 필요합니다. 승인된 매출 메트릭이 무엇인지, 최신 테이블은 어떤 것인지, 메트릭이 어떻게 계산되는지, 입력 데이터가 어디에서 유래했는지, 그리고 요청한 사용자가 해당 정보를 열람할 권한이 있는지를 알아야 합니다.

Euno는 이러한 조직 지식을 기계가 읽을 수 있는 인프라로 전환하려 시도하고 있습니다.

이 플랫폼은 데이터 계보, 사용 현황, 소유권, 비즈니스 로직, 건강 신호, 거버넌스 상태와 같은 정보를 포함하는 실시간 컨텍스트 그래프를 지속적으로 구축합니다. 모든 자산을 에이전트에 제공하는 대신, 시스템은 특정 사용자, 작업 및 의사결정에 관련된 컨텍스트만 제공할 수 있습니다.

이 구분은 기업이 질문에 답하는 AI 시스템에서 여러 기업 시스템을 가로질러 행동을 수행할 수 있는 자율 에이전트로 전환함에 따라 점점 더 중요해질 수 있습니다.

“모델은 계속해서 더 나아지고 비용도 낮아지고 있지만, 기업의 장기적인 AI 방어벽은 작업이 수행되는 축적된 기록에서 점점 더 나올 것입니다.”라고 Euno 공동창업자이자 CEO Sarah Levy가 말했습니다.

메타데이터를 AI 에이전트를 위한 인프라로 전환하기

Euno의 기술은 메타데이터를 기반으로 하며, 메타데이터는 데이터가 어디서 왔는지, 어떻게 변환되었는지, 누가 사용하는지, 그리고 다양한 자산이 서로 어떻게 연결되는지를 설명하는 정보입니다.

플랫폼은 데이터 웨어하우스, 분석 시스템, 대시보드 및 메트릭 전반에 걸쳐 컬럼 수준의 계보를 매핑한 뒤, 해당 정보를 사용 현황 및 거버넌스 신호와 결합합니다. 자동 라벨링 시스템은 조직이 설정한 규칙에 따라 자산을 “AI-ready”, “PII-free”, “healthy”, “certified”와 같은 속성으로 동적으로 분류할 수 있습니다. 이러한 분류는 기본 데이터 환경이 변함에 따라 업데이트됩니다.

Euno는 이러한 조건이 변할 때 대응할 수 있는 워크플로우도 제공합니다. 예를 들어, 갑자기 많이 사용되는 인증되지 않은 대시보드를 식별하거나, 개인 식별 정보(PII)의 전파를 추적하고, 문서화되지 않은 모델에 플래그를 지정하거나, 내부 품질 기준을 더 이상 충족하지 않는 메트릭을 표면화할 수 있습니다.

회사는 그래프 내 관계를 탐색하기 위해 자체 Euno Query Language (EQL)를 구축했습니다. Euno는 그래프 기반 아키텍처를 통해 에이전트가 더 적은 쿼리로 상호 연결된 메타데이터를 검색할 수 있어, 모델에 전달해야 하는 컨텍스트 정보의 양을 줄일 수 있다고 주장합니다.

특히, 이 플랫폼은 기존 기업 데이터 인프라를 대체하기보다 함께 작동하도록 설계되었습니다. Euno는 Snowflake와 Databricks와 같은 데이터 웨어하우스 및 플랫폼, dbt와 같은 변환 도구, 그리고 Tableau, Looker, Power BI, ThoughtSpot, Sigma, Omni와 같은 비즈니스 인텔리전스 플랫폼과의 통합을 지원합니다.

컨텍스트를 AI 시스템에 직접 도입하기

Euno 전략의 또 다른 요소는 이 조직 컨텍스트를 제3자 AI 에이전트가 직접 활용할 수 있도록 하는 것입니다.

회사는 Model Context Protocol (MCP) 서버를 운영하며, 이를 통해 Claude, Cursor, Visual Studio Code Copilot 등과 같은 도구 및 기타 호환 시스템이 Euno의 기업 컨텍스트에 질의할 수 있습니다. 에이전트는 이러한 도구를 사용해 리소스를 찾고, 상위 계보를 검사하며, 영향 분석을 수행하고, 문서를 검색하거나 EQL 쿼리를 생성·실행할 수 있습니다.

Euno는 Snowflake Intelligence를 포함한 시스템과의 통합 사례도 문서화했으며, 이를 통해 컨텍스트 레이어가 범용 AI 모델과 기업의 기본 데이터 자산 사이의 중개 역할을 효과적으로 수행할 수 있음을 보여줍니다.

이러한 포지셔닝은 기업 AI에서 진행 중인 보다 넓은 변화를 반영합니다. 능력 있는 모델에 대한 접근성이 점점 더 상품화됨에 따라 차별화 요소는 모델을 둘러싼 독점적인 정보: 조직 프로세스, 권한, 관계, 과거 의사결정, 정의 및 이전 에이전트 활동에서 얻은 피드백으로 이동할 수 있습니다.

컨텍스트가 기업 AI 방어벽의 일부가 될 수 있다

Euno는 이 축적된 컨텍스트가 시간이 지남에 따라 더욱 가치 있게 될 수 있다고 주장합니다.

에이전트가 작업을 수행하면 시스템은 컨텍스트가 어떻게 사용되었는지에 대한 정보를 포착하여 해당 신호를 기업 컨텍스트 레이어에 다시 전달할 수 있습니다. 이론적으로 이는 조직이 비즈니스 운영 방식을 보다 풍부한 기계가 읽을 수 있는 형태로 지속적으로 구축하는 피드백 루프를 생성합니다.

이는 또한 에이전트형 AI 배포가 직면한 핵심 과제 중 하나인 거버넌스: governance를 해결합니다. 자동화된 에이전트가 어떤 정보를 검색할 수 있는지, 그 정보를 어떻게 해석해야 하는지를 이해하지 못한 채 기업 시스템에 접근하도록 하면 운영 및 보안 위험이 발생합니다. Euno의 접근 방식은 컨텍스트 기반 검색과 역할 인식 거버넌스를 결합하여 에이전트가 작업 및 권한에 적합한 정보를 제공받게 하며, 전체 환경에 대한 무제한 접근을 방지합니다.

회사는 플랫폼이 기본 비즈니스 데이터를 직접 읽는 것이 아니라 기업 메타데이터를 읽는다고 밝혔으며, 이는 데이터 노출을 줄이면서도 시스템이 관계를 매핑하고 에이전트에게 운영 컨텍스트를 제공하도록 설계된 아키텍처적 구분입니다.

Euno는 이미 AlphaSense와 Zayo Group을 포함한 기업 고객과 협업하고 있으며, 웹사이트에는 Bolt와 같은 기업과의 배포 사례도 문서화되어 있습니다.

보다 넓은 AI 산업에 있어 Euno의 시리즈 A는 또 다른 기업 인프라 자금 조달 라운드를 넘어서는 의미를 갖습니다. 기본 모델은 빠르게 더 강력해지고 많은 워크로드에 대해 점점 더 교체 가능해지고 있습니다. 이러한 추세가 지속된다면, 이러한 모델에게 그들이 운영되는 조직에 대한 신뢰할 수 있는 이해를 제공하는 것이 더 어려운 문제 중 하나가 될 것입니다.

따라서 컨텍스트 인프라가 기본 모델 자체보다 신흥 기업 AI 스택에서 보다 중요한 계층 중 하나가 될 수 있습니다.