Magentic, 산업 운영을 위한 AI 인력 구축을 위해 $18M 시리즈 A 라운드 유치

Magentic은 조달 및 공급망 운영 전반에 AI 에이전트를 확장하기 위해 $18 million 시리즈 A 펀딩을 유치했으며, 대형 산업 기업 내부의 가장 복잡한 워크플로 중 일부를 목표로 하고 있습니다.

이번 라운드는 Felicis가 주도했으며, 기존 투자자인 Sequoia Capital와 The Westly Group도 참여했습니다. 이는 런던과 뉴욕에 기반을 둔 회사가 $5.5 million 시드 라운드로 시작한 지 약 1년 후이며, 총 누적 자금은 $23.5 million으로 보고됩니다.

CEO Robin Van Aeken(전 McKinsey)과 CTO Odhran O’Donoghue(OpenAI 출신)가 설립한 Magentic은 차세대 엔터프라이즈 AI가 질문에 답하거나 콘텐츠를 생성하는 어시스턴트를 넘어설 것이라고 내다보고 있습니다. 대신, 이들의 에이전트는 제조업체가 이미 사용하고 있는 시스템 전반에 걸쳐 운영 작업을 수행하도록 설계되었습니다.

이는 회사가 두 가지 주요 트렌드의 교차점에 서 있음을 의미합니다: 에이전트형 AI의 급속한 확장과 보다 넓은 AI 경제를 지원하기 위해 필요한 물리적 인프라 구축에 대한 자본 집약적 투자.

산업 조달이 AI 타깃으로 부상하는 이유

많은 생성 AI 붐이 소프트웨어 개발, 고객 서비스, 마케팅 및 기타 주로 디지털 워크플로에 집중되어 왔습니다. Magentic은 덜 눈에 띄지만 경제적으로 중요한 목표인, 기업이 무엇을, 누구에게, 어떤 가격으로, 어떤 계약 조건으로 구매할지를 결정하는 프로세스를 공략하고 있습니다.

이러한 프로세스는 글로벌 제조업체 내부에서 특히 어려워집니다. 조달 데이터는 전사적 자원 관리(ERP) 플랫폼, 공급업체 계약, 스프레드시트, 청구서, 이메일 시스템, 그리고 수년간의 인수와 기술 변화로 축적된 데이터베이스에 흩어져 있을 수 있습니다.

동시에, 조달 조직에 대한 압박이 증가하고 있습니다. Hackett Group은 2026년에 조달 업무량이 8% 증가할 것으로 예측한다, 인력 규모와 운영 예산은 감소하는 상황에서도, 팀을 단순히 확대하지 않고 업무 자동화를 촉진할 인센티브가 생깁니다.

또한 훨씬 더 큰 인프라 사이클이 진행 중입니다. Goldman Sachs는 2026년부터 2031년까지 누적 AI 관련 자본 지출이 약 $7.6 trillion에 이를 것으로 추정한다, 이는 컴퓨팅, 데이터 센터, 전력 인프라를 포함합니다. 이러한 지출은 궁극적으로 방대한 장비, 자재, 건설, 공급업체 관계 및 계약을 관리해야 하는 상황을 만들게 됩니다.

Magentic의 주장은 AI가 인간이 분석하는 것을 돕는 수준을 넘어 점점 더 많은 의사결정에 참여할 수 있다는 것입니다.

AI 코파일럿을 넘어선 움직임

Magentic은 자사의 에이전트를 “디지털 작업자“라고 설명하지만, 더 중요한 차별점은 플랫폼이 제공하려는 자율성의 정도입니다.

직원에게 또 다른 대시보드나 대화형 인터페이스를 제공하는 대신, Magentic은 기존 엔터프라이즈 인프라 위에 얹히도록 설계되었습니다. 그 아키텍처는 데이터 수집, 통합 데이터 레이어, 에이전트 엔진, 조달 전용 지식, 실시간 모니터링, 피드백 루프, 그리고 엔드‑투‑엔드 실행을 포함합니다.

이 시스템은 ERP, 스프레드시트, PDF, 계약서 및 기타 출처에서 파편화된 정보를 수집해 AI 에이전트가 활용할 수 있는 구조로 변환합니다. Magentic은 또한 플랫폼이 작업에 따라 서로 다른 기반 AI 모델을 선택할 수 있다고 밝혔으며, 단일 대형 언어 모델에만 의존하지 않습니다.

이는 조달이 단순히 정보를 검색하는 것을 훨씬 넘어서는 작업을 포함하기 때문에 중요합니다.

에이전트는 동일한 부품이 공장마다 다른 가격으로 구매되고 있음을 식별하거나, 통합 가능한 중복 공급업체를 찾아내고, 협상된 계약 외에서 이루어지는 구매를 감지하거나, 한 번도 회수되지 않은 리베이트 및 계약 할인 등을 발견할 수 있습니다.

Magentic의 목표는 에이전트가 더 나아가 결과 워크플로를 완성하도록 돕는 것입니다.

그들의 디지털 작업자는 지출을 검토하고, 계약을 조사하며, 잠재적 절감액을 계산하고, 공급업체와의 커뮤니케이션을 준비하고, 주문과 청구서를 대조하며, 과다 지불을 회수하기 위해 필요한 증거를 수집할 수 있습니다. 회사는 에이전트가 지출, 소싱, 계약 및 청구서 전반에 걸쳐 운영될 수 있으며, 단일 조달 작업에 국한되지 않는다고 말합니다.

혼합된 엔터프라이즈 데이터를 기반으로 구축된 AI 에이전트

근본적인 데이터 문제는 AI 모델만큼이나 중요할 수 있습니다.

대형 제조업체는 AI 시스템을 기다리는 완벽한 데이터베이스를 거의 보유하고 있지 않습니다. 부서마다 공급업체 명칭이 다를 수 있고, 계약서는 PDF 형태로 존재할 수 있으며, ERP 인스턴스마다 가격 기록 방식이 다를 수 있고, 수십 년에 걸친 인수합병으로 인해 기업은 수많은 중복 시스템을 갖게 됩니다.

전통적인 엔터프라이즈 전환 프로젝트는 종종 새로운 애플리케이션을 도입하기 전에 해당 데이터를 정리하고 표준화하려고 시도합니다.

Magentic은 다른 접근 방식을 취하고 있습니다: 이미 존재하는 파편화된 환경 전반에 걸쳐 AI 에이전트가 작업하도록 허용하고, 작업을 완료하는 데 필요한 정보를 점진적으로 조직합니다.

이 플랫폼은 Microsoft Teams와 이메일 등 직원들이 이미 사용하고 있는 도구를 통해 소통하도록 설계되었으며, 내부 기업 시스템 전반에서 작동합니다. 이를 통해 에이전트를 독립형 소프트웨어 제품이 아니라 기존 프로세스 내의 또 다른 운영 참여자로 만들고자 합니다.

Magentic에 따르면 한 고객은 디지털 워커를 통해 이미 120만 건 이상의 주문을 처리하고 있으며, 다른 배포에서는 400만 달러의 비용 절감을 확인했습니다. Global 500 고객 기반 전체에서 회사는 약 2%에서 5%의 절감 효과와 평균 60%의 데이터 품질 향상을 보고하고 있습니다. 이는 독립적인 감사가 아닌 회사 자체 보고 수치입니다.

조달 과정에 인간을 참여시키기

더 큰 자율성은 특히 조달 분야에서 중요한 문제를 야기합니다: 잘못된 AI 결정은 즉각적인 재무적 또는 운영적 영향을 미칠 수 있습니다.

잘못된 공급업체 커뮤니케이션을 보내는 것은 챗봇에서 부정확한 문단을 생성하는 것과는 상당히 다릅니다.

따라서 Magentic은 에이전트 워크플로에 인간 검토 지점을 구축했습니다. 회사가 설명한 한 사례에서는 에이전트가 공급업체 계약을 스캔하고 비정상적인 결제 조건을 표시하지만, 실제 협상이 진행될지 여부는 조달 담당 임원이 최종 결정합니다.

또한 회사는 에이전트가 다른 에이전트가 만든 작업을 검증하고, 의사결정 과정을 보여주는 로그와 증거 흔적을 함께 제공하는 다중 에이전트 검토 메커니즘을 설명했습니다.

이 인간이 참여하는 모델은 기업 에이전트가 행동을 권고하는 단계에서 실행 단계로 이동함에 따라 여전히 중요할 것으로 보입니다.

보안이 에이전트 아키텍처의 일부가 되다

AI 시스템에 계약서, 공급업체 관계, 가격 정보, 청구서 및 내부 ERP 시스템에 대한 접근 권한을 부여하면 또 다른 기업 요구 사항이 발생합니다.

Magentic은 SOC 2 Type II 및 ISO 27001 인증을 받았으며, 유럽 연합 일반 데이터 보호 규정(GDPR)을 준수하고 EU AI 법안과도 정렬되어 있다고 밝혔습니다.

플랫폼은 기록 시스템과의 제어된 상호작용 및 중요한 작업에 대한 인간 체크포인트를 포함합니다. Magentic은 고객 데이터가 공유 또는 공개 모델을 학습하는 데 사용되지 않는다고도 말했습니다.

이러한 보호 장치는 에이전트가 정보를 단순히 검색하거나 요약하는 수준을 넘어 행동을 수행할 수 있게 되면서 더욱 중요한 의미를 갖게 됩니다.

물리적 경제를 위한 AI 인력 구축

Magentic은 시리즈 A 자금을 활용해 에이전트가 관리할 수 있는 조달 및 공급망 워크플로의 범위를 확대하고, 기본 AI 연구에 추가 투자할 계획입니다.

기술적 과제 중 하나는 컨텍스트입니다.

산업 최적화 문제는 수년간의 구매 데이터, 수천 건의 공급업체 계약, 가격 이력, 재고 정보, 청구서, 기술 문서 및 커뮤니케이션 기록을 포함할 수 있습니다. Magentic은 테라바이트 규모의 다중모달 정보를 한 번에 진단하고, 해결책을 계획하며, 행동을 취하고, 그 결과를 추적할 수 있는 에이전트를 개발하고 있다고 말했습니다.

“최첨단 AI를 물리적 세계에 적용하려면 제한된 컨텍스트 윈도우를 가진 AI 시스템을 넘어서는 노력이 필요합니다,”라고 O’Donoghue가 말했습니다. “우리는 문제를 진단하고, 해결책을 계획하며, 행동을 취하고, 테라바이트 규모의 다중모달 데이터를 한 번에 파악해 작업을 완수할 수 있는 AI를 구축하고 있습니다.”

보다 넓은 변화는 워크플로 중에 도구로 사용되는 AI에서 점점 더 큰 부분을 소유할 수 있는 소프트웨어로서의 AI로 이동하고 있습니다.

조달은 결과를 측정할 수 있기 때문에 흥미로운 테스트 사례를 제공합니다. 시스템은 잘못된 가격을 잡아내거나, 계약 외 지출을 방지하거나, 놓친 리베이트를 식별하거나, 청구서를 조정하거나, 그렇지 못합니다.

Magentic에게 $18 million 시리즈 A는 단순히 또 다른 엔터프라이즈 AI 제품을 확장하는 것 이상을 의미합니다. 이 회사는 가장 가치 있는 AI 에이전트 중 일부가 궁극적으로 챗봇 인터페이스에서 멀리 떨어진, 물리적 경제가 실제로 구축되는 방식을 결정하는 복잡한 조달 시스템 내부에서 작동할 것이라고 베팅하고 있습니다.