Labelbox, 강화학습 및 AI 에이전트 발전 위해 기업가치 12억 5,000만 달러로 1억 달러 이상 시리즈 E 투자 유치

Labelbox는 2026년 10월 14일, 지분 투자와 신용 한도를 결합한 투자 라운드에서 1억 달러가 넘는 시리즈 E 투자를 유치했다고 밝혔다. 이번 라운드는 투자 전 기업가치 12억 5,000만 달러를 기준으로 Infinitum Partners가 주도했다.

Wipro Ventures, Andreessen Horowitz (a16z), B Capital, Tau Ventures, Snowpoint Ventures 등이 투자에 참여했다. 공동 창업자 겸 최고경영자 Manu Sharma는 회사 블로그 게시물에서 투자 조건을 자세히 설명했다. 회사는 이번 자금 조달을 통해 핵심 제품인 Horizon과 Recursion Managed Agents의 지속적인 연구·엔지니어링을 지원하고, 고객에게 두 제품을 제공하는 팀도 확장할 계획이라고 밝혔다. Sharma는 컴퓨팅 자원에 대한 접근성이 회사의 다음 단계에서 핵심이 될 것이라고 썼다. 또한 Infinitum의 John Yetimoglu가 Groq의 초기 투자자였으며, 현재 GroqCloud에서 대규모 컴퓨팅 인프라 구축에 참여하고 있다고 덧붙였다.

회사 현황과 연혁

Labelbox는 2026년에 전년 대비 5배 넘게 성장하면서 흑자를 달성했다고 밝혔다. 회사에 따르면 고객사는 400곳이 넘으며, 미국을 선도하는 AI 연구소의 90% 이상이 여기에 포함된다. 고객 기반은 최첨단 AI 연구소, 하이퍼스케일러, 스타트업, 포춘 500대 기업에 걸쳐 있다.

Sharma, Brian, Dan은 2018년에 Labelbox를 설립했다. Sharma는 창업자의 글에서 항공기와 로켓을 설계하고 제작하는 법을 배우기 위해 미국에 왔으며, 전산유체역학과 신경망을 연구했다고 썼다. 이후 DroneDeploy와 Planet Labs에서 일하면서 머신러닝 분야의 기회 가운데 상당 부분이 데이터에 있다는 점을 알게 됐다고도 밝혔다.

게시물은 회사의 역사를 세 단계로 설명한다. 첫째는 AI를 개발하는 사람들을 위한 학습 데이터 소프트웨어, 둘째는 Sharma가 ‘ChatGPT의 순간’이라고 부르는 시기 이후에 구축한 강화학습 환경이다. 당시 가장 역량이 뛰어난 모델들이 실제 업무를 연습하면서 성능을 개선하기 시작했다. 셋째는 에이전트다. 회사는 먼저 자체적으로 사용하기 위해 에이전트를 구축한 뒤, 시스템을 고객에게도 제공하기 시작했다.

Sharma는 Labelbox가 플랫폼의 모든 계층을 자체적으로 구축한다고도 썼다. 여기에는 장기간에 걸친 작업을 수행하도록 설계된 에이전트 실행 환경, 수백만 대의 가상 머신을 실행하는 샌드박스 인프라, 자체 강화학습 사후 학습 인프라, 400만 명이 넘는 전문가 네트워크가 포함된다.

Horizon 강화학습 환경

회사에 따르면 Horizon의 WorldSim 시스템은 현실적인 비즈니스 데이터로 채운 코드, 대시보드, 스프레드시트, 프레젠테이션 자료, 문서가 포함된 가상 회사를 구축한다. 모델은 이 환경에서 복잡한 다단계 작업을 처음부터 끝까지 수행하며, 모든 단계는 궤적으로 기록된다. 결정론적 검증기는 실행할 때마다 각 궤적을 동일한 방식으로 평가한다. 두 궤적이 모두 정답일 경우에는 전문가의 선호를 반영해 모델에 Sharma가 ‘안목’이라고 부르는 기준을 가르친다. 회사는 코딩, 컴퓨터 사용, 연구, 멀티모달 작업, 음성 작업 전반에서 연구소의 pass@k 목표에 맞춰 수천 개의 가상 세계와 수백만 개의 평가된 궤적을 운영한다고 설명한다.

Horizon 제품 페이지에는 자율형 AI 연구, 에이전트 코딩 및 소프트웨어 엔지니어링, 멀티모달 지식 노동, 에이전트 기반 도구 사용을 포함한 음성 작업, 컴퓨터 사용, 사이버 보안 등의 분야가 소개돼 있다. Sharma는 Labelbox가 현재 최첨단 AI 연구소와 하이퍼스케일러 가운데 90%와 협력하고 있다고 썼다.

Recursion 관리형 에이전트

투자 유치 발표에 따르면 Labelbox는 2026년 10월 초에 기업 고객을 대상으로 Recursion Managed Agents를 출시했다. 제품 설계상 관리형 에이전트에는 목표와 일정, 알림, Slack 메시지, 웹훅 또는 API 호출 같은 트리거, 그리고 우수한 작업의 기준을 정의하는 평가 기준이 제공된다. 별도의 평가 에이전트가 매 실행을 평가 기준에 따라 한 항목씩 채점하고 각 판단의 근거를 제시하며, 작업이 기준에 미치지 못하면 에이전트가 이를 수정한다.

에이전트는 세 가지 모드로 작동할 수 있다. 다중 에이전트 모드에서는 각자 고유한 모델, 지침, 도구, 권한을 갖춘 전문가들을 코디네이터가 연결한다. 팀 모드에서는 한 에이전트를 여러 개로 복제해 공유 보드에서 작업을 나누고 서로의 결과를 확인한다. 기본 설정인 자동 모드에서는 작업에 전문가나 팀이 필요한지 에이전트가 스스로 판단한다.

회사에 따르면 에이전트는 100개가 넘는 업무용 애플리케이션과 모든 MCP 서버에서 작동한다. 각 도구의 권한은 읽기 전용, 데이터 변경, 파괴적 작업 중 하나로 제한되며, 자격 증명은 보관소에 저장해 모델이 이를 볼 수 없도록 한다. 세션은 격리된 샌드박스에서 실행되며, Labelbox는 플랫폼이 모든 LLM 제공업체에서 데이터 보존 없이 작동한다고 밝혔다. 공개된 규정 준수 프로그램에는 SOC 2 Type II, GDPR, CCPA, NIST 800-171, PCI DSS가 포함된다. 요금은 에이전트 세션 시간당 책정되며, 컴퓨팅 비용과 모델 사용 비용을 하나의 견적에 합산한다. 기존 Labelbox 기업 고객에게는 일회성으로 100달러 크레딧이 제공된다.

Labelbox는 2026년 10월 8일자 제품 출시 게시물에서 회사 내부 도입 과정을 설명하며 이렇게 썼다. “놀라운 점은 에이전트가 일을 해낼 수 있다는 사실이 아니었다. 에이전트가 얼마나 빠르게 더 나은 성과를 내기 시작했는지가 놀라웠다.” 회사에 따르면 현재 11개 팀에서 에이전트 51개를 운영하고 있으며, 소프트웨어 엔지니어링, 안정성, 보안, 머신러닝 연구, 평가, 제품, 재무, 영업, 전략, 조달 분야에 걸쳐 있다.

내부 사례 한 건에서 Labelbox는 풀 리퀘스트 검토 에이전트가 단일 에이전트 버전과 모델로 채점 대상 검토 39건을 수행했으며, 채점 기준을 통과한 검토 33건의 중앙값 비용은 처음 11건에서 13.15달러였던 데서 마지막 11건에서는 8.90달러로 낮아져 검토 1건당 32% 줄었다고 밝혔다. 이 기간에 에이전트의 메모리는 15회 업데이트됐고, 검토 1건당 소요 시간은 약 27분으로 유지됐다. 제품의 메모리 작동 방식에 따르면, 새 세션 보고서가 5건 쌓이면 큐레이터 에이전트가 이를 읽고 에이전트의 메모리를 업데이트하며, 이 작업은 시간당 최대 1회 이뤄진다. 고객은 에이전트가 학습한 내용을 확인하고 더 이상 유효하지 않은 교훈을 삭제할 수 있다.