기사 요약
- 뉴욕 기반 AI 스타트업 메탈이 Base10 Partners 주도로 500만 달러를 유치해 사모 시장용 첫 AI 운영체제 구축을 추진한다.
- 메탈은 사모펀드 실사 전 과정의 단편적 데이터를 통합·구조화해 LLM 분석과 출처 귀속을 지원하며, 일부 고객은 인바운드 딜 흐름이 200~300% 늘었다.
- SOC 2, 엔터프라이즈 API, 멀티 테넌트 등 보안 체계 아래 ‘기관의 두뇌’를 구축해 공식 기록 시스템으로 확장, 사모펀드 AI 인프라 우위를 노린다.
개요
사모펀드의 투자 기회 분석 방식을 바꾸겠다는 뉴욕 소재 인공지능 스타트업 메탈(Metal)이 6월에 마감된 라운드에서 Base10 Partners 주도로 500만 달러를 유치했다. 메탈은 사모 시장에서 만연한 핵심 난제—투자 의사결정 과정 전반에 흩어진 방대한 단편 데이터를 하나의 체계로 이해하는 문제—를 데이터·인프라 관점에서 풀어, “판단을 증폭하고 의사결정을 가속하는 살아있는 지능 시스템”을 지향한다는 설명이다.
사모펀드 AI가 풀려는 ‘수작업 딜 분석’의 낭비
사모펀드 AI로 본 실사 초기의 병목
사모펀드의 투자팀은 전문가 콜 녹취, SEC 공시, 재무제표, 이사회 프레젠테이션, CIM(기밀 정보 설명서) 등 흩어진 자료를 며칠씩 수작업으로 해석한다. 경쟁이 치열한 딜은 비효율적 실사 때문에 놓치기 일쑤이며, 애널리스트가 회사 기본 이해를 위해 10-K 보고서나 재무자료를 읽는 데만 수일을 쓰기도 한다. 이 과정은 고도로 수작업적이며, 애널리스트 연봉(연 20만 달러 이상) 대비 비효율이 크다.
데이터-우선, 인프라-우선 접근
메탈은 각 펀드가 축적해온 투자 데이터—투자 메모, 전문가 콜, 경영진 미팅, 재무 문서—를 단일 검색 시스템으로 집약한다. 이후 대규모 언어모델(LLM)로 인사이트를 추출하고 분석을 생성하되, 규정 준수를 위해 출처 귀속을 엄격히 유지한다. 이런 데이터·인프라 우선 설계가 사모펀드 AI 활용의 토대가 된다는 것이 회사의 설명이다.
전환과 전문화
범용 LLM 플랫폼에서 사모펀드 AI 전문기업으로
메탈은 Meta, Carta, Spotify 등 출신들이 모여 LLM 기반 앱을 만드는 범용 개발자 플랫폼으로 출발했다. 초기 고객인 버크셔 파트너스(Berkshire Partners)와의 협업을 통해 사모펀드 고유의 과제를 확인했고, 2024년 초 인프라 위에 전문 애플리케이션을 올리며 과감히 전환했다. CB Insights나 PitchBook처럼 광범위한 리서치 플랫폼과 달리, 메탈은 사모펀드의 실사 라이프사이클에만 집중해 각 펀드의 투자 프레임워크와 의사결정 과정을 깊이 통합한다. 표면적으로는 비슷해 보여도, 실제로는 펀드마다 원페이저, 시장 리서치, 투자위원회 메모 등 산출물이 모두 다르다는 점에 착안했다.
효과와 고객 사례
사모펀드 AI로 인바운드 딜 흐름 200~300% 확대
메탈의 고객사는 버크셔 파트너스, 클리어레이크 캐피털(Clearlake Capital), 블루 울프 캐피털(Blue Wolf Capital) 등으로, 일부는 인력 증원 없이 신규 기회에 대한 초기 데이터 수집과 스코어링을 자동화해 인바운드 딜 플로우를 200~300% 늘렸다. 핵심 데이터 포인트를 자동 추출해 내부 스코어링 프레임워크에 통과시키는 작업을 사실상 한계비용으로 처리할 수 있기 때문이다.
파트너십 중심 도입
버크셔 파트너스 CTO 에릭 수자(Eric Souza)는 메탈과의 파트너십 덕에 투자·지원 전 부문에서 의미 있는 AI 혜택을 빠르게 도입할 수 있었다고 강조했다. 기술 구현뿐 아니라 조직 전반의 채택을 보장하는 협업 방식이 성과의 기반이 됐다는 평가다.
‘기관의 두뇌’ 구축
내부 지식의 체계화와 쿼리화
메탈의 가장 큰 가치 제안은 수십 년의 투자 히스토리를 디지털화·구조화해 ‘기관의 두뇌(institutional brain)’를 만드는 데 있다. 펀드는 수백만 개 파일을 업로드하고, 딜팀은 챗 인터페이스로 질문하고, 리포트를 생성하며, 실사 산출물을 만들어낼 수 있다. 활용도가 높아질수록 새 데이터가 시스템에 순환되어 가치가 커진다. 평균적으로 고객은 의사결정에 내부 데이터 80~90%를 활용하는데, 이는 각 펀드에 고유한 통찰을 낳으며, 메탈은 이를 대규모로 저장·추출한다. 사모펀드 AI는 이 고유 지식의 제도화를 가속하는 수단이 된다.
보안과 기술 아키텍처
민감 데이터에 맞춘 사모펀드 AI 인프라
메탈은 화려한 UI보다 데이터 인프라를 우선한다. 재무 문서를 위한 전용 수집 파이프라인으로 시작해, 기업·섹터·투자 테마 간 복잡한 관계를 반영하도록 데이터를 구조화한다. 보안 측면에서는 SOC 2 컴플라이언스를 유지하고, 고객 데이터로 파운데이션 모델을 학습하지 않는 엔터프라이즈 API만 사용하며, 고객 간 데이터가 교차되지 않는 멀티 테넌트 아키텍처를 채택한다. 데이터가 외부 모델 학습에 사용되는 일은 없다는 점을 분명히 한다.
투자와 전략
Base10 주도 500만 달러 라운드
이번 투자는 금융서비스 영역에서 AI 수요가 커지고 있음을 보여준다. Base10 Partners의 제너럴 파트너 렉시 돌라쿠(Rexhi Dollaku)는 “지금은 몰라도 결국 모두가 메탈 같은 해법을 원하게 될 것”이라며, 상위 사분위 성과를 유지하려면 이러한 해법이 필수가 될 것이라고 전망했다. 메탈은 2023년 250만 달러를 유치한 바 있어 총 투자 유치액은 750만 달러가 됐다. 신규 자금은 엔지니어링·영업·마케팅 확장과 기존 고객과의 파트너십 심화에 투입된다.
공식 기록 시스템으로의 확장
메탈의 목표는 문서 검토 자동화를 넘어 사모펀드 전 생애주기의 인텔리전스를 담는 공식 기록 시스템(system of record) 구축이다. 모든 거래는 실사에서 시작되며, 그 지점부터 데이터를 체계적으로 축적해야 펀드가 학습하고 복리처럼 통찰을 쌓을 수 있다는 논리다. 경쟁자들이 광범위한 커버리지나 화려한 UI에 집중하는 동안, 메탈은 차세대 의사결정 도구를 떠받칠 데이터 토대를 조용히 구축하고 있다. 정보 격차가 승패를 가르는 업계에서, 사모펀드 AI 인프라를 선점한 플레이어가 승자가 될 것이라는 전망이다. “지금 AI에 전념해 투자하는 이들이 장기적으로 가장 큰 수익을 가져갈 것”이라는 메탈의 관점은 명확하다.
