North.cloud, 클라우드 및 AI 지출 관리 자동화를 위해 시리즈 B에서 6,000만 달러 유치

North.cloud가 클라우드 인프라, AI 사용량 및 데이터 비용 관리 플랫폼을 확장하기 위해 시리즈 B 투자금 6,000만 달러를 유치했다. 10월 15일 발표된 이번 투자 라운드는 PeakSpan Capital이 주도했으며, Litquidity, Companyon Ventures, Alpaca, Uncommon Denominator, Gaingels, Mana Ventures가 참여했다.

이번 투자는 AI가 실제 운영 환경에 도입되면서 더욱 해결하기 어려워진 문제를 겨냥한다. 제품 운영 비용은 클라우드 컴퓨팅, 모델 API, 데이터 플랫폼에 걸쳐 발생할 수 있지만, 해당 비용을 관리하는 담당자들은 서로 분리된 시스템을 사용한다. North는 이러한 재무 현황을 지출과 관리 업무를 줄이는 자동화 기능과 연결하고자 한다.

회사 측은 관리 중인 클라우드 지출이 20억 달러에 육박하며, 고객이 4억 달러 이상을 절감하도록 지원했다고 밝혔다. 이번에 조달한 자금은 클라우드 제공업체 전반의 최적화 확대, 연동 기능 강화, AI 지출 관리 가속화, 엔지니어링·제품·시장 진출 팀의 확충에 사용할 예정이다.

클라우드와 AI 비용을 하나의 시스템으로 통합

흔히 FinOps라고 줄여 부르는 클라우드 재무 운영은 기술 사용량을 비즈니스 비용과 연결하고 비용 효율성을 개선할 방법을 결정하는 업무다. 여기에는 비용이 어디에서 발생했는지, 리소스 규모가 적절한지, 할인 구매 계약이 실제 수요에 부합하는지 파악하는 일이 포함된다.

AI는 여기에 또 다른 비용 요소를 더한다. 기업은 애플리케이션을 호스팅하는 인프라 비용을 지불하는 동시에, 해당 애플리케이션이 사용하는 토큰에 대해 모델 제공업체에 별도로 비용을 지불할 수 있다. 청구서 하나를 이해하는 것만으로는 고객 서비스를 제공하거나 워크플로를 완료하는 데 드는 비용을 반드시 파악할 수 있는 것은 아니다.

North의 투자 유치 발표에 앞서 North v3가 출시됐다. 이 버전에서는 Amazon Web Services와 Google Cloud Platform에 더해 Microsoft Azure 지원이 추가됐다. 회사는 이번 릴리스에서 OpenAI, Anthropic, Snowflake와의 기본 연동 기능도 도입하고 Autobot 제품을 통해 자동화된 약정 관리 기능을 확장했다고 밝혔다.

이 전략은 Unite.AI가 2025년에 다룬 North의 기존 클라우드 FinOps 플랫폼을 기반으로 한다. 이번 확장으로 클라우드 비용 절감에 초점을 맞추던 플랫폼의 범위가 인프라, AI, 데이터 지출을 통합적으로 살펴보는 방향으로 넓어졌다.

약정 자동화의 작동 방식

클라우드 비용을 낮추는 한 가지 방법은 약정을 통해 용량을 할인된 가격으로 구매하는 것이다. 어려운 점은 이 약정을 향후 사용량에 맞추는 데 있다. 너무 적게 구매하면 절감 기회를 놓칠 수 있고, 너무 많이 구매하면 더는 필요하지 않은 용량에 비용을 지불하게 될 수 있다.

North의 커버리지 관련 문서는 두 가지 방식을 구분한다. Flexbot은 North가 소유한 멤버 계정을 통해 할인을 제공하며, 약정 관리는 North가 맡는다. Autobot은 고객 소유의 약정을 관리하고, 사용량과 비즈니스 목표에 따라 단계적으로 구매 결정을 내린다. 고객은 두 방식을 함께 사용할 수도 있다.

이 구분은 약정의 소유 주체와 구매 관리 방식을 결정하기 때문에 중요하다. North는 Autobot이 예측과 고객 목표를 활용해 시간이 지남에 따라 커버리지를 구축하고, 구매 전에 절감액과 유연성을 평가할 수 있는 시뮬레이션 기능을 제공한다고 설명한다. 관련 문서에 따르면 Autobot은 자동 구매를 위해 추가 권한을 요청하며, 고객은 해당 권한을 취소할 수 있다.

약정 최적화는 사용량에 대해 지불하는 가격을 낮추는 데 초점을 둔다. 이와 별개로 워크로드에 할당된 리소스가 모두 필요한지 살펴볼 필요가 있다. North의 리소스 적정화 기능은 워크로드의 동작 방식, 성능 요건, 예상 절감액을 바탕으로 적정 리소스 규모를 추천한다. 이 두 가지 메커니즘을 구분하면 최적화 플랫폼이 실제로 무엇을 바꾸는지 명확히 이해할 수 있다. 더 나은 요금과 더 작은 리소스 규모는 서로 다른 결과다.

TokenFlow, AI 사용량으로 모델 확장

North는 모델 사용량, 비용 귀속, 예산, 재무 통제를 하나의 환경으로 통합하기 위해 TokenFlow도 개발하고 있다. 회사는 투자 유치 발표에서 클라우드와 AI 지출을 하나의 재무 문제로 다루려는 노력의 일환으로 TokenFlow를 소개했다.

TokenFlow 제품 페이지에는 모델, 제공업체, 팀별 사용량을 추적하고, 비용을 발생시킨 워크로드에 비용을 귀속하며, 사용량을 제한하는 한도나 정책을 적용하는 기능이 설명돼 있다. 검토 당시 해당 페이지에는 여전히 대기자 명단이 표시돼 있었으며, 일부 사용자를 대상으로 베타 이용을 제공한다고 안내했다. 이러한 공개된 이용 가능성 정보는 투자 유치 발표에서 밝힌 더 광범위한 확장 계획과 구분해야 한다.

비용 귀속의 가치는 총 토큰 사용량을 파악하는 데 그치지 않는다. 팀은 어떤 기능이나 워크플로에서 비용이 발생했는지, 그 지출이 유용한 결과로 이어지는지 이해해야 한다. 개별 요청의 비용이 저렴하더라도 워크플로에서 대규모로 반복되면 상당한 예산 항목이 될 수 있다.

모델 사용량과 인프라 비용을 함께 살펴보면 이러한 절충점을 더 쉽게 파악할 수 있다. 그렇다고 어떤 모델이나 배포 방식이 최선인지 자동으로 결정되는 것은 아니다. 그 판단은 여전히 품질 요건, 지연 시간, 사용 패턴, 주변 시스템의 비용에 달려 있다.

North의 성장 지표가 보여주는 것

North는 고객사로 AssemblyAI, Atlan, Tines, SnapLogic, Emplifi, Imply를 꼽습니다. 보도자료에서 AssemblyAI의 추론 부문 책임자 Ben Gotthold는 인프라가 지난 1년간 확장됐는데도 실질 절감률이 약 50%에 달했다고 밝혔습니다.

이는 특정 고객의 결과이지 모든 조직이 기대해야 할 절감률은 아닙니다. 관리 중인 지출액이 약 20억 달러이고 절감액이 4억 달러를 넘는다는 수치 역시 회사가 보고한 총액입니다. 보도자료에는 이 수치들을 비교하기 위한 구체적인 산정 방법론이나 통일된 측정 기간이 제시되어 있지 않습니다.

구매자가 유용하게 비교할 수 있는 것은 서비스 비용, 이용률, 구매 의무를 고려한 뒤 자사 워크로드에서 얻는 재무적 성과입니다. 컴퓨팅 비용을 낮추는 것도 가치가 있지만, 수요가 변했는지, 더 저렴한 구성으로 애플리케이션에 필요한 성능을 유지할 수 있는지 파악하는 것 역시 중요합니다.

가시성 확보에서 실행까지 확장

CEO 겸 공동 창업자인 Matt Biringer는 North의 접근 방식을 엔지니어링 및 재무 팀이 해석해야 하는 대시보드를 하나 더 만드는 대신 FinOps 업무를 자동화하는 것으로 설명합니다. PeakSpan의 투자는 더 큰 지출 기반 전반에 걸쳐 지속적인 관리로 나아가려는 이러한 움직임을 뒷받침합니다.

시리즈 B 투자로 North는 AI 운영 비용이 제품 결정과 더욱 밀접하게 연결되는 상황에서 이러한 접근 방식을 확장할 자원을 확보하게 됩니다. 실행 과제는 정확한 비용 귀속을 유용한 조치와 연결하는 동시에 구매 권한과 운영상의 상충 관계를 명확히 하는 것입니다. 고객에게 성공의 기준은 인프라와 AI 사용량이 늘어남에 따라 예측 가능한 비용 구조를 유지하고 수작업 비용 관리 업무를 줄이는 것입니다.