Kindo, 기업용 AI 에이전트 관리 강화와 비용 절감을 위해 3,000만 달러 조달

Kindo는 기업용 AI 에이전트 관리 플랫폼을 확장하기 위해 추가 자금을 조달했으며, 이번 조달로 누적 조달액은 5,760만 달러에 이르렀다. 이번 투자 라운드는 Crosspoint Capital과 Forgepoint Capital이 공동 주도했다. 두 회사는 AI 에이전트가 무엇에 접근할 수 있는지, 어떤 작업을 수행하는지, 비용을 얼마나 쓰는지 통제해야 하는 점점 더 커지는 운영상의 문제에 주력하는 기업에 투자했다.

캘리포니아주 베니스비치에 본사를 둔 이 회사는 조달한 자금을 시장 진출 조직 확대와 AI Control Center, Deep Hat 모델 및 애드온 개발 가속화에 사용할 계획이다. Kindo는 2026년 매출이 전년 대비 약 800% 증가했다고 밝혔다.

이번 신규 투자 라운드와 함께 이사회 인사도 이뤄진다. Crosspoint Capital의 매니징 디렉터 Andre Fuetsch와 Forgepoint Capital의 매니징 디렉터 Ernie Bio가 Kindo 이사회에 합류한다.

기업 전반에서 구축되는 에이전트를 위한 컨트롤 센터

에이전트를 배포하면 권한을 위임하게 된다. 기업 시스템에 연결된 에이전트는 내부 정보를 읽고, 기록을 업데이트하고, 요청을 승인하거나, 인프라를 수정할 수 있다. 에이전트 배포가 늘어날수록 보안 및 운영팀은 에이전트가 보유한 권한뿐 아니라 실제로 수행하는 작업도 파악해야 한다.

Kindo는 자사 플랫폼을 IT, 보안, 재무, 컴플라이언스 부문이 함께 사용하는 운영 계층으로 내세운다. 검색 기능은 승인된 AI와 비공식적으로 사용되는 AI를 파악하고, 중앙 대시보드에서는 활동, 접근 권한, 비용, 결과를 한눈에 확인할 수 있다. 조직은 Kindo에서 에이전트를 구축하거나 외부에서 개발한 에이전트를 연결할 수 있다. Kindo는 이를 AI 운영 센터라고 설명하며, 보안 운영 센터와 네트워크 운영 센터에서 익숙한 지속적인 모니터링과 개입 기능을 기업용 에이전트에 적용한다.

회사의 웹사이트에 따르면 에이전트의 소유자, 에이전트를 실행하는 사람에게서 상속되는 권한, 비용 귀속 정보를 관리하는 레지스트리가 제공된다. 이러한 기능은 하나의 관리 문제에서 서로 다른 측면을 다룬다. 즉, 책임자가 누구인지 확인하고, 권한을 통제하며, 에이전트가 수행한 작업이 투입된 자원을 정당화하는지 판단한다.

창업자 겸 CEO Ron Williams는 에이전트 구축 도구가 부족한 것이 문제가 아니라고 말했다. 조직에 필요한 것은 에이전트의 구축 방식, 에이전트가 접근할 수 있는 데이터, 정보가 전달될 수 있는 위치, 에이전트 운영 비용을 통제하는 도구라는 설명이다.

게이트웨이는 호출을 통제하고, 하네스는 더 깊이 개입한다

Kindo의 발표에 따르면 게이트웨이는 연결된 데이터, 도구, 승인된 모델을 대상으로 하는 에이전트 호출을 통제하고 감사한다. ID 제어 기능은 기존 조직 권한을 사람과 에이전트에 적용하며, 중앙에서 접근 권한을 더 엄격하게 제한할 수도 있다.

이로써 에이전트와 그 종속 요소 간의 연결이 통제 지점이 된다. 정책 계층은 각 에이전트 팀이 서로 단절된 제어 기능을 따로 구현하도록 두는 대신, 지원되는 통합 전반의 접근을 관리할 수 있다. 다만 이 계층의 적용 범위는 여기에 연결된 에이전트와 리소스에 따라 달라진다.

더욱 강력한 통제가 필요한 미션 크리티컬 배포를 위해 Kindo는 에이전트 전용 하네스를 제공한다. 하네스는 에이전트의 실행을 관리하는 환경으로, 문제가 생겼을 때 에이전트의 제어권을 넘겨받는 기능을 비롯해 운영자에게 추가적인 모니터링, 지원, 개입 기능을 제공한다.

이 차이는 사업적으로도 기술적으로도 중요하다. 외부에서 구축한 에이전트를 게이트웨이를 통해 연결하는 것과 Kindo의 실행 환경 안에서 구동하는 것은 다르다. 이번 발표에서는 하네스에서 실행되는 에이전트에 더 깊이 개입할 수 있는 기능과 Deep Hat의 여러 비용 절감 기능을 구체적으로 연계해 설명했다.

AI 지출과 성과를 함께 파악하기

Kindo의 AI Control Center는 실패한 실행을 포함해 토큰 사용량과 에이전트 실행 결과를 기록하므로 개인, 에이전트, 부서, 프로젝트별로 지출을 귀속할 수 있다. 재무팀은 예산을 설정하고 알림을 받으며 지출 상한을 엄격하게 적용할 수 있다.

이러한 회계의 가치는 비용이 가장 많이 드는 모델을 파악하는 데 그치지 않는다. 저렴한 에이전트라도 반복해서 실패하면 자원을 낭비할 수 있고, 반대로 어렵고 가치가 높은 작업에는 비싼 모델을 사용하는 것이 타당할 수 있다. 비용과 결과를 연결하면 팀은 반복되는 실패, 불필요한 모델 용량, 더 효율적으로 처리할 수 있는 작업을 파악할 수 있다.

Kindo는 배포 옵션을 통해 고객이 플랫폼을 실행할 위치도 선택할 수 있게 한다. Kindo 클라우드, 고객이 직접 관리하는 클라우드, 온프레미스 인프라 또는 외부 네트워크와 격리된 환경 가운데 선택할 수 있다. 배포 위치와 모델 선택은 별개의 결정이지만, 두 가지 모두 기업이 운영 요건, 통제 수준, 비용 사이에서 균형을 맞추는 데 영향을 미친다.

Deep Hat, 다양한 모델 비용 발생 요인을 겨냥하다

Deep Hat 제품군은 AI 워크플로가 자원을 소비하는 여러 가지 서로 다른 방식을 해결한다. 투자 관련 발표에서는 다음 네 가지 도구를 소개했다.

• Sift: 에이전트가 무시할 이벤트를 학습한 다음, 사람이 기준을 승인하면 해당 이벤트를 걸러낸다. 걸러낸 이벤트를 기록하고, 지속적인 측정을 위해 일부 표본을 전달한다.
• Tune: 특정 작업에 맞춰 더 작고 비용이 낮은 모델을 조정해, 더 큰 모델은 필요한 작업에 사용할 수 있도록 한다.
• 축소: 반복 가능한 워크플로 단계를 코드로 실행해 해당 단계에 드는 모델 비용을 없애고, 필요한 경우 예외를 모델로 다시 전달합니다.
• 공격: 일상적인 테스트 작업에 최첨단 사이버 보안 모델을 사용하는 대신, 비공개로 승인된 공격적 보안 테스트를 지원합니다.

Kindo가 공개한 Sift 설명에는 필터링 방식에 관한 유용한 세부 정보가 담겨 있습니다. 먼저 섀도 모드로 시작해 모든 이벤트를 대상 에이전트에 전달하면서 해당 에이전트의 판정을 학습합니다. 활성화하기 전에 사람의 승인을 거치며, 걸러질 이벤트 중 일부도 에이전트에 전달해 놓치는 이벤트가 있는지 확인합니다.

이 설계는 전체 에이전트 실행이 필요한 시점을 판단해 모델의 작업량을 줄입니다. 다만 측정 기준은 대상 에이전트의 판정이므로, 그 에이전트와의 일치 여부를 독립적으로 검증된 정답과 혼동해서는 안 됩니다.

고객 도입과 다음 성장 단계

Kindo에 따르면 금융 서비스, 전문 서비스, 의료, 항공 및 운송 분야의 대기업과 중견 기업에서 자사 제품이 실제 운영 환경에 도입되어 있습니다. 발표에서는 Aireon을 주요 사례로 소개했습니다. Aireon의 CISO는 2026년 5월, 위협 헌팅과 1·2단계 보안 운영에 Kindo를 활용해 연간 200만 달러 이상의 비용을 절감하는 데 도움이 됐다고 밝혔습니다. 이는 고객이 보고한 성과이며, 다른 도입 사례에서도 보장되는 결과는 아닙니다.

TFX Capital과 CircleRock Capital이 기존 투자자인 Drive Capital, Riot Ventures, RRE Ventures, Eniac Ventures, Marlinspike Partners, New Era Ventures, Sunset Venture와 함께 이번 투자에 참여했습니다.

이번 3,000만 달러 규모의 투자금은 에이전트 도입이 운영에 미치는 영향을 해결하는 사업에 투입됩니다. 에이전트를 만드는 일은 점점 더 쉬워지고 있지만, 실제 운영 환경에서 에이전트를 지원하려면 책임 주체, 접근 정책, 개입 수단, 지출 통제 기능이 필요합니다. Kindo는 서로 다른 곳에서 구축되어 각기 다른 팀을 지원하는 에이전트 전반에서 이러한 책임을 관리하기 쉽게 만드는 데 기회가 있습니다.