18개월. SAP가 프라이어랩스를 통째로 사들이는 데 걸린 회사 나이야

지난 7월 17일, SAP가 독일 AI 스타트업 프라이어랩스(Prior Labs) 인수를 공식 완료했다고 발표했어. 그런데 이 회사, 2024년에 세워졌거든. 인수가 마무리된 시점 기준으로 겨우 설립 18개월밖에 안 된 스타트업이야. 유럽 최대 소프트웨어 기업이 창업한 지 1년 반 된 랩을 통째로 삼킨 거지.

그냥 인수만 하고 끝이 아니야. SAP는 앞으로 4년간 10억유로 이상을 투자해 프라이어랩스를 "유럽에서 세계적 수준의 프론티어 AI 연구소"로 키우겠다고 못 박았어. 인수 대금 자체는 공식적으로 공개하지 않았지만, TechCrunch는 딜 규모를 약 11억6천만달러로 보도했고, 유럽 스타트업 매체들은 "10억유로 규모 엑싯"으로 정리했어. 18개월짜리 스타트업 하나에 조 단위 자금이 걸린 셈이야.

타임라인을 보면 SAP가 얼마나 빠르게 움직였는지 드러나. 5월 4일에 인수 계약을 공식 발표했고, 두 달여 만인 7월 17일에 딜을 완료했어. 규제 심사가 필요한 대형 인수치고는 상당히 신속했지. 그만큼 SAP가 이 팀을 놓치고 싶지 않았다는 뜻이기도 해. 유럽·미국 빅테크가 표형 파운데이션 모델 인재를 두고 조용히 경쟁하던 와중에, SAP가 먼저 도장을 찍은 셈이야.

핵심은 이 회사가 뭘 만드느냐야. 프라이어랩스는 ChatGPT 같은 대형 언어모델(LLM)을 만드는 곳이 아니야. 이들은 엑셀 표, 데이터베이스 테이블, ERP 장부처럼 줄과 칸으로 정리된 정형(테이블형) 데이터를 위한 파운데이션 모델을 개척한 곳이야. SAP CTO 필리프 헤르치히(Philipp Herzig)의 말이 이 딜의 성격을 정확히 요약해.

"일찌감치 SAP는 엔터프라이즈 AI에서 가장 크게 남아 있는 미개척 기회가 대형 언어모델이 아니라는 걸 알아봤다. 그건 세계의 비즈니스를 굴리는 정형 데이터를 위해 만들어진 AI였다."

프라이어랩스는 누구고, TabPFN은 뭐야

프라이어랩스는 2024년 독일에서 세워졌어. 본사는 독일 프라이부르크(Freiburg)에 있고, 공동창업자는 세 명이야. CEO 프랑크 후터(Frank Hutter), CTO 노아 홀만(Noah Hollmann), 그리고 사우라지 감비르(Sauraj Gambhir). 특히 프랑크 후터는 AutoML(자동 머신러닝) 분야에서 세계적으로 이름난 연구자야. 회사는 2024년 초 900만유로 규모의 초기 자금을 모았고, 그 뒤 1년 반 만에 SAP로 엑싯한 거야. 벤처 역사에서도 손에 꼽을 만큼 빠른 회수 사례지.

이 회사의 대표작이 TabPFN이야. 이름이 좀 낯설지만 뜯어보면 이래. Tab은 테이블(표), PFN은 Prior-data Fitted Network의 약자야. 쉽게 말하면 "표 데이터를 위한, 미리 사전학습된 파운데이션 모델"이라는 뜻이야. LLM이 문장·단어를 다룬다면, TabPFN은 행과 열로 된 표를 통째로 이해해서 예측을 뽑아내. 오픈소스로 풀려 있는데 다운로드가 300만회를 넘었고, 표 데이터 AI 생태계에서 사실상 표준 도구로 자리잡았어.

성능도 말이 돼. 프라이어랩스에 따르면 최신 버전 TabPFN-2.6은 표형 파운데이션 모델(TFM)의 대표 벤치마크인 TabArena에서 1위를 찍었어. 더 인상적인 건 속도야. 원래 표 데이터로 예측 모델을 만들려면 데이터 전처리·특성 선택·하이퍼파라미터 튜닝을 거치는 자동 머신러닝 파이프라인을 몇 시간씩 돌려야 하거든. TabPFN-2.6은 그 4시간짜리 파이프라인과 맞먹는 정확도를 단일 모델로, 즉시 뽑아낸다고 해. 그 위에는 추론 특화 버전인 TabPFN-3-Thinking까지 얹혀 있어.

권위도 무시 못 해. 프라이어랩스의 과학 자문위원회에는 튜링상 수상자이자 딥러닝 대부인 얀 르쿤(Yann LeCun), 그리고 막스플랑크 지능시스템연구소 소장이자 유럽 AI 연구망 ELLIS 회장인 **베른하르트 쇨코프(Bernhard Schölkopf)**가 이름을 올렸어. 학계의 무게중심이 실린 스타트업이라는 뜻이지.

왜 표 데이터가 중요한지 조금 더 풀어보자. 기업이 매일 답을 얻고 싶어 하는 질문들, 그러니까 "이 고객이 이번 달에 결제를 미룰까", "이 공급업체가 납기를 어길 리스크가 얼마나 되나", "이 계약 고객이 갱신을 안 하고 이탈할 확률은", "다음 분기 이 제품 수요가 얼마일까" 같은 것들은 전부 정형 데이터에서 답이 나와. 문장이 아니라 숫자와 범주로 이뤄진 표에서 말이야. LLM은 이런 예측을 잘 못해. 애초에 문장을 이어붙이도록 학습됐지 표의 통계 구조를 읽도록 만들어지지 않았거든. 프라이어랩스가 판 곳이 바로 이 틈이야. 그리고 그 틈이야말로 SAP 같은 ERP 회사의 심장부지.

인수 조건·금액·구조를 정리하면

발표된 정보만으로 이번 딜의 구조를 정리하면 이래. 인수 대금은 공식 비공개지만, 투자 약정과 일정은 꽤 구체적이야.

항목 공개된 내용
인수 발표 2026년 5월 4일 (SAP 공식)
인수 완료 2026년 7월 17일
프라이어랩스 설립 2024년 (완료 시점 기준 약 18개월)
투자 약정 4년간 10억유로 이상 (랩 확장용)
보도된 딜 규모 약 11억6천만달러 (TechCrunch), "10억유로급 엑싯"(유럽 매체)
운영 방식 SAP 산하 독립 법인으로 계속 운영
본사 독일 프라이부르크
핵심 자산 TabPFN(오픈소스, 300만+ 다운로드), TabPFN-2.6, TabPFN-3-Thinking
자문위 얀 르쿤, 베른하르트 쇨코프
SAP 연계 기존 자체 모델 SAP-RPT-1 가속

여기서 짚어야 할 게 두 가지야. 첫째, "10억유로 이상"은 인수가가 아니라 향후 4년간의 투자 약정이라는 점이야. SAP는 인수 가격 자체를 공식 발표하지 않았고, 11억6천만달러라는 숫자는 TechCrunch 보도야. 즉 SAP는 회사를 사들이는 데 든 돈과 별개로, 그 랩을 프론티어급으로 키우는 데 다시 4년간 10억유로 넘게 붓겠다고 약속한 거야. 인수보다 육성에 방점이 찍힌 구조지.

둘째, 프라이어랩스는 SAP에 흡수되지 않고 독립 법인으로 남아. 이건 의미가 커. 대기업이 스타트업을 사면 보통 조직에 녹여서 정체성이 사라지는데, SAP는 연구 자율성을 지키는 대신 자기가 가진 걸 붙여주는 방식을 택했어. 프라이어랩스는 SAP의 방대한 기업 데이터 환경, 수십만 고객사 네트워크, 그리고 제품화 경로에 접근하게 돼. 후터 CEO의 말도 이 지점을 정확히 겨눠. "SAP 가족에 합류하면서 우리는 이 카테고리를 온전한 잠재력까지 끌어올릴 자원, 데이터 환경, 고객 접근성을 얻게 됐다."

각자가 뭘 얻나 — SAP에게, 프라이어랩스에게

SAP에게는 세 가지 이득이 명확해. 첫째, 엔터프라이즈 AI의 사각지대 선점이야. 지난 3년간 AI 투자는 LLM에 쏠렸어. 그런데 기업이 실제로 굴리는 데이터의 대부분은 문장이 아니라 표야. 매출 장부, 재고 테이블, 공급망 데이터, 고객 이탈 지표 전부 정형 데이터거든. SAP는 이 시장이 통째로 비어 있다고 봤고, 그 자리를 개척한 팀을 통째로 확보한 거야. 둘째, 자체 모델 가속. SAP는 이미 SAP-RPT-1이라는 자체 표형 파운데이션 모델을 갖고 있었는데, 프라이어랩스의 세계 최고 연구팀을 붙이면서 이 방향에 확신을 실었어. 셋째, 비즈니스 AI 전략의 킬러 무기. SAP는 이미 Joule이라는 AI 어시스턴트를 밀고 있는데, 여기에 결제 지연·공급업체 리스크·고객 이탈·수요 예측 같은 비즈니스 결과 예측 능력이 붙으면 경쟁사 ERP가 따라오기 힘든 해자가 생겨.

프라이어랩스에게는 스타트업이 꿈꿀 수 있는 최고의 착지야. 표 데이터 AI는 기술은 훌륭해도 "그래서 팔 데이터와 고객이 어디 있냐"는 벽에 부딪히기 쉬워. LLM처럼 소비자용 히트작을 내기 어려운 B2B 인프라 기술이거든. 그런데 SAP는 전 세계 대기업의 ERP 장부를 쥔 회사야. 지구상에서 정형 비즈니스 데이터를 가장 많이 다루는 조직에 붙는 순간, 프라이어랩스의 모델은 실전 데이터로 검증받고 곧장 제품이 될 길이 열려. 연구 자율성은 지키면서 4년 10억유로라는 실탄까지 받는 거고.

양쪽 공통 이득은 **유럽 AI 주권(소버린)**이라는 명분이야. 미국의 OpenAI·앤트로픽·구글이 프론티어 AI를 독식하는 구도에서, 유럽 기업이 유럽 땅(프라이부르크)에 세계급 AI랩을 세운다는 스토리는 정치적으로도 강력해. SAP는 이걸 "유럽에 세계적 프론티어 AI랩을 만든다"는 문구로 대놓고 내세웠어. 기술 확보인 동시에 유럽 산업 정책의 상징 자산이 되는 거야.

한 가지 더 짚을 게 있어. SAP는 이 인수를 자기 기존 자산인 SAP-RPT-1과 엮어서 설명해. SAP-RPT-1은 SAP가 이미 내부적으로 개발하던 표형 파운데이션 모델인데, 회사는 이걸 "정형 데이터가 답이라는 초기 전략적 확신을 검증한 프로젝트"라고 표현했어. 다시 말해 SAP는 이미 이 방향에 베팅을 걸어놨던 상태였고, 프라이어랩스 인수는 그 베팅에 세계 최고 연구팀이라는 가속 페달을 밟은 거야. 밑그림을 그려놓고 그 위에 실력자를 앉힌 구조라, 인수 후 통합 리스크가 상대적으로 낮다는 게 SAP의 계산이야.

과거 유사 사례 — 성공과 실패

대기업이 AI 인재·기술을 통째로 사들이는 시도는 이미 여러 번 있었고, 결과는 극명하게 갈렸어. 이번 딜을 평가하려면 선례를 봐야 해.

성공 사례 — 구글 × 딥마인드(2014, 약 5억달러). 구글은 창업 4년차 영국 AI랩 딥마인드를 사들이면서 "런던에 독립 연구조직으로 남긴다"는 조건을 지켰어. 그 결과 알파고, 알파폴드까지 이어지는 세계 최고 연구 성과가 나왔지. 교훈: 대기업이 인수한 AI랩의 연구 자율성을 지켜주면 장기적으로 폭발적 성과가 나온다는 거야. SAP가 프라이어랩스를 독립 법인으로 두겠다는 건 명백히 이 모델을 벤치마킹한 거야.

성공 사례 — 마이크로소프트 × 깃허브(2018, 75억달러). 마이크로소프트는 개발자 생태계의 심장인 깃허브를 사면서도 브랜드와 독립성을 유지했고, 나중에 Copilot이라는 거대 자산으로 되돌려받았어. 교훈: 인수 뒤 생태계와 오픈소스 커뮤니티를 죽이지 않고 살려두면 배가 돼서 돌아와. 프라이어랩스의 TabPFN이 오픈소스로 300만 다운로드를 찍은 자산이라는 점에서, SAP도 이 커뮤니티를 죽이지 않는 게 관건이야.

실패 사례 — 여러 대기업의 'AI 인재 흡수형 인수'. 반대로 대기업이 유망 AI 스타트업을 사서 조직에 녹여버린 케이스들은 대부분 핵심 인재가 2~3년 안에 이탈하면서 껍데기만 남았어. 자율성을 뺏기고 관료제에 갇힌 연구자들이 떠나버린 거야. 교훈: AI 인수의 진짜 자산은 특허가 아니라 사람이고, 사람은 자유가 없으면 나간다. SAP가 4년 10억유로와 독립성을 동시에 약속한 건 이 리스크를 의식한 설계야.

경계 사례 — 오픈소스와 상업화 사이의 줄타기. 오픈소스로 커뮤니티를 키운 프로젝트가 대기업에 인수된 뒤 라이선스를 조이거나 핵심 기능을 유료 제품 뒤로 숨기면서 커뮤니티가 등을 돌린 사례도 많아. TabPFN은 지금 300만 다운로드를 찍은 오픈소스 자산이고, 그 개방성이 곧 이 기술의 표준화 동력이거든. SAP가 이걸 상업 제품 안으로만 가두면, 커뮤니티가 대체 오픈소스로 갈아타면서 표준의 주도권을 잃을 수도 있어. 인수는 완료됐지만, 오픈소스를 어떻게 다루느냐가 이 딜의 성패를 가르는 숨은 변수야.

경쟁자 카운터 플레이

미스트랄(Mistral)과 알레프알파(Aleph Alpha) 같은 유럽 토종 AI 기업엔 복잡한 신호야. 이들은 유럽 AI 주권의 대표 주자로 스스로를 포지셔닝해왔는데, SAP가 정형 데이터라는 다른 축에서 "유럽 프론티어 랩" 깃발을 꽂았거든. 경쟁이라기보다 영역 분할에 가까워. 미스트랄은 여전히 범용 LLM에서 유럽의 대안이고, SAP-프라이어랩스는 엔터프라이즈 정형 데이터에 특화돼 있어. 다만 유럽 정부·기업 자금과 인재를 놓고는 서로 파이를 나눠 먹는 관계가 될 수밖에 없어.

**미국 프론티어랩(OpenAI·앤트로픽·구글)**의 대응은 다른 각도에서 나올 거야. 이들은 LLM에서 압도적이지만 정형 비즈니스 데이터 예측은 상대적으로 약한 영역이야. SAP가 이 틈을 파고든 만큼, 미국 랩들도 표 데이터·기업 데이터 툴을 강화하거나, 아예 SAP 같은 데이터 보유 기업과 파트너십을 맺는 쪽으로 움직일 가능성이 커. "데이터를 가진 자 vs 모델을 가진 자"의 합종연횡이 본격화되는 거지.

**경쟁 ERP·엔터프라이즈 SW 진영(오라클·마이크로소프트·세일즈포스)**의 반응이 제일 중요해. 이들도 각자 AI 어시스턴트(오라클 AI, 마이크로소프트 Copilot, 세일즈포스 Agentforce)를 밀고 있거든. SAP가 표형 파운데이션 모델이라는 차별화 무기를 확보한 이상, 이들도 비슷한 예측 AI 역량을 급히 붙여야 하는 압박을 받게 돼. 특히 오라클은 SAP의 최대 ERP 라이벌이라, 유사한 정형 데이터 AI 랩을 인수하거나 자체 개발을 가속할 가능성이 높아.

**하이퍼스케일러(AWS·구글 클라우드·애저)**는 인프라 관점에서 움직여. 표형 파운데이션 모델이 뜨면 이걸 클라우드에서 서비스로 파는 시장이 생기거든. 이들은 특정 편에 서기보다 TFM을 자기 AI 서비스 카탈로그에 얹는 방향으로 대응할 거야. 결국 프라이어랩스 딜은 "정형 데이터 AI"라는 새 카테고리 자체를 업계 어젠다로 끌어올렸어.

주목할 지점은 이번 딜이 인재 시장에 던지는 신호야. 그동안 유럽의 최고급 AI 연구자들은 더 큰 자금과 컴퓨팅 자원을 좇아 미국 빅테크로 빠져나가는 경우가 많았어. 그런데 SAP가 4년 10억유로짜리 프론티어 랩을 유럽에 세우면서, 유럽에 남아도 세계급 연구를 할 수 있다는 대안이 하나 생긴 거야. 얀 르쿤·쇨코프 같은 거물이 자문위에 붙었다는 건 이 랩이 단순 제품 개발조직이 아니라 진짜 연구 기관으로 인정받고 싶어 한다는 신호이기도 해. 유럽 AI 생태계 입장에서는 두뇌 유출을 조금이나마 막을 방파제가 하나 늘어난 셈이지.

그래서 뭐가 달라지는데

기업 IT·데이터 담당자에게는 앞으로 몇 년 안에 예측 분석의 방식이 바뀔 수 있어. 지금은 데이터 사이언티스트가 몇 주씩 붙어서 이탈 예측·수요 예측 모델을 만드는데, TabPFN 같은 표형 파운데이션 모델이 SAP 제품에 녹아들면 그 작업이 단일 모델로 즉시 처리되는 시대가 올 수 있어. ERP 장부에 바로 "이 공급업체 리스크가 몇 %", "이 고객 이탈 확률이 몇 %"가 뜨는 거지. 다만 이게 실제 제품에 언제 반영될지는 아직 로드맵이 구체적이지 않아.

AI 연구자·개발자에게는 표 데이터 AI라는 분야가 드디어 주류 자금을 받았다는 신호야. 그동안 LLM에 가려 저평가됐던 정형 데이터 연구가 4년 10억유로짜리 랩을 얻었으니, 관련 인재 수요와 오픈소스 생태계가 커질 가능성이 높아. TabPFN이 오픈소스로 남을지, SAP 제품 안으로 닫힐지가 커뮤니티의 최대 관심사야. 여기서 오픈소스를 죽이면 딥마인드가 아니라 실패 사례 쪽으로 기울 수 있어.

유럽 산업·정책 관점에서는 상징성이 커. 미국·중국이 프론티어 AI를 양분한 구도에서, 유럽 최대 SW 기업이 유럽 땅에 세계급 AI랩을 세운다는 건 "유럽도 판에 낀다"는 선언이야. 일반 사용자가 당장 체감할 변화는 없지만, 앞으로 유럽 규제·데이터 주권 논의에서 SAP-프라이어랩스가 자주 인용되는 레퍼런스가 될 거야. 유럽이 미국 프론티어랩에 어떻게 대응하느냐의 첫 실험이 시작된 셈이지.

정리하면 이 딜의 진짜 메시지는 "AI 경쟁이 LLM 하나로만 끝나지 않는다"는 거야. 세상엔 문장으로 된 데이터보다 표로 된 데이터가 훨씬 많고, 기업 세계는 특히 더 그래. SAP는 남들이 LLM 군비경쟁에 몰두하는 동안 조용히 다른 링에 올라섰고, 거기서 세계 최고 선수를 데려왔어. 이게 실제 제품 성과로 이어질지, 아니면 값비싼 상징으로 끝날지는 앞으로 4년간 SAP가 프라이어랩스를 얼마나 자유롭게 뛰게 두느냐에 달렸어. 인수는 시작일 뿐이고, 진짜 승부는 지금부터야.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 당장은 직접 영향 없어. 다만 네가 SAP를 쓰는 기업에서 일한다면, 몇 년 안에 ERP 화면에 이탈·리스크·수요 예측이 자동으로 뜨는 걸 보게 될 수 있어. 데이터 분석 업무를 한다면 표형 파운데이션 모델은 지금부터 눈여겨볼 분야야.

— 왜 하필 지금, LLM도 아닌 표 데이터야? LLM 경쟁이 미국 빅테크에 쏠려 레드오션이 된 반면, 기업이 실제로 굴리는 정형 데이터 AI는 아직 임자가 없는 블루오션이거든. SAP는 자기가 세계에서 가장 많은 기업 장부 데이터를 쥔 회사라, LLM보다 이쪽에서 이길 확률이 높다고 본 거야.

— 유럽이 미국 프론티어랩을 진짜 따라잡을 수 있어? 단정하긴 일러. 4년 10억유로는 큰돈이지만 미국 빅테크의 AI 투자 규모엔 못 미쳐. 다만 SAP는 정면승부 대신 "정형 데이터"라는 다른 링을 골랐고, 여기선 데이터 보유량이 무기라 승산이 있다는 계산이야. 결과는 향후 몇 년이 말해줄 거야.

참고 자료

숫자와 기준은 발표 시점 기준이라 바뀔 수 있어. 투자 판단은 각자의 몫!