유화 그리던 청년이 지구 전체를 시뮬레이션하겠다고 나섰어

2023년 봄, 스탠퍼드의 한 대학원생이 게임 '심즈'처럼 생긴 픽셀 마을을 만들었어. 마을 이름은 스몰빌(Smallville). 주민은 25명인데 사람이 아니라 언어 모델로 굴러가는 에이전트였지. 이 에이전트들은 아침에 일어나 밥을 해 먹고, 출근하고, 서로 안부를 묻고, 하루를 돌아보고 다음 날 계획을 세웠어. 연구팀은 딱 하나의 씨앗만 심었어. "에이전트 한 명이 발렌타인데이 파티를 열고 싶어 한다." 그러자 이틀 동안 초대장이 마을에 퍼지고, 서로 데이트를 신청하고, 약속 시간에 맞춰 모이는 일이 아무도 시키지 않았는데 일어났어. 논문 제목은 'Generative Agents: Interactive Simulacra of Human Behavior', 1저자는 박준성(Joon Sung Park)이었고 UIST 2023 최우수 논문상을 받았어.

그로부터 3년 하고 몇 달이 지난 2026년 7월 30일, 그 대학원생이 세운 회사가 2억 달러 넘는 시리즈B를 발표했어. 회사 이름은 Simile, 기업가치는 포스트머니 기준 20억 달러야. 라운드는 그린오크스(Greenoaks)가 이끌었고, 회사 공식 블로그는 그린오크스와 인덱스벤처스(Index Ventures)가 공동 리드했다고 적었어. 하나비(Hanabi), 베인캐피털벤처스, A*, 팩토리(Factory), CVS 헬스 벤처스, 데피니션(Definition)이 함께 들어왔지. 놀라운 건 타이밍이야. Simile이 스텔스에서 나와 1억 달러 시리즈A를 알린 게 2026년 2월 12일이었거든. 5개월 만에 밸류가 두 배가 됐고, 공개된 누적 투자금은 3억 달러가 됐어.

Simile이 하겠다는 일을 한 문장으로 줄이면 이래. "지구상 80억 명 전체를 정확하고 정직하게 시뮬레이션한다." 미친 소리처럼 들리지만 회사는 이걸 마케팅 문구가 아니라 연구 로드맵으로 취급해. 공동창업자이자 스탠퍼드 교수인 퍼시 리앙(Percy Liang)은 같은 날 올린 글에서 "예측의 시대, 추론의 시대를 지나 이제 시뮬레이션의 시대가 온다"고 썼어. 회사가 파는 건 설문 대체품이 아니라 '사람의 행동을 담은 파운데이션 모델'이라는 주장이지. 실제로 CVS헬스, 딜로이트, 갤럽, 웰스프론트 같은 곳이 이미 이 모델 위에서 수천만 건의 시뮬레이션을 돌렸다고 회사는 밝혔어.

근데 여기서 멈추면 그냥 펀딩 뉴스야. 진짜 재미있는 질문은 따로 있어. 왜 하필 시장조사판에서 이런 밸류가 나오는 걸까? 여기저기서 인용되는 "85% 정확도"는 도대체 뭘 85%라고 부르는 걸까? 5개월 만에 매출 5배라는데 그 출발점이 얼마였는지는 왜 아무도 말을 안 할까? 그리고 무엇보다 — 설문조사를 AI가 정말 대체할 수 있나? 이 글에서는 원논문과 회사 공식 자료, 그리고 이 방법론을 정면으로 두들긴 최신 벤치마크 논문까지 같이 놓고 하나씩 뜯어볼게.

이 판에 서 있는 사람들과 회사들

먼저 Simile. 팔로알토에서 시작해 지금은 전 세계 50명 넘는 팀이 됐어. 회사가 스스로를 부르는 이름은 "The Simulation Company"야. 창업자는 세 명인데 면면이 좀 특이해. CEO 박준성은 원래 유화를 그리던 사람이야. 인덱스벤처스의 샤둘 샤(Shardul Shah)는 시리즈A 발표 글에서 그를 "모순을 편안하게 끌어안는 재능"이 있는 사람이라고 묘사했어. 깊이 창의적인데 운영은 지독하게 꼼꼼하고, 야망은 하늘을 찌르는데 발은 땅에 붙어 있다는 식이지. 스몰빌 논문은 그 시절 AI 분야에서 가장 많이 인용된 논문 중 하나가 됐고, 그게 회사의 출발점이 됐어.

공동창업자 두 명은 스탠퍼드 교수야. 마이클 번스타인(Michael Bernstein)은 HCI(인간-컴퓨터 상호작용) 쪽 대가로 스몰빌 논문의 교신저자였고, 퍼시 리앙은 스탠퍼드 기초모델연구센터(CRFM)를 이끈 사람이야. 인덱스벤처스가 지적한 디테일 하나가 재밌는데, 이 창업팀이 '파운데이션 모델(foundation model)'이라는 용어 자체를 만든 그룹이라는 거야. 2021년 스탠퍼드 CRFM이 낸 보고서에서 처음 쓴 말이거든. 그러니까 지금 AI 업계 전체가 쓰는 단어의 저작권자들이 "다음 프런티어는 시뮬레이션"이라고 말하고 있는 셈이야. 투자자 입장에선 이 서사가 꽤 무겁게 다가올 수밖에 없어.

투자자 쪽도 보자. 이번 라운드를 이끈 그린오크스는 실리콘밸리에서 '조용하지만 크게 베팅하는' 곳으로 유명해. 소수 종목에 집중적으로 들어가서 오래 들고 가는 스타일이지. 인덱스벤처스는 시리즈A를 리드했고 이번에 더블다운했어. 샤둘 샤는 시리즈A 글에서 "위즈(Wiz) 초기 이후로 이 정도 시장 견인력을 느껴본 적이 없다"고 썼는데, 사이버보안에서 역대급 성장을 보여준 회사를 레퍼런스로 든 거야. 세일즈 사이클이 짧고 엔터프라이즈가 먼저 문을 두드린다는 뜻으로 읽히지.

고객사 목록도 그냥 로고 나열이 아니야. CVS헬스는 투자자로도 들어왔어(CVS 헬스 벤처스). 갤럽은 90년 넘게 여론조사를 해온 회사인데, 이 판의 원조 격인 곳이 시뮬레이션 회사의 고객이 됐다는 게 상징적이야. 딜로이트는 컨설팅 대형사고, 웰스프론트는 로보어드바이저 핀테크지. 헬스케어·전문서비스·금융이라는 세 축이 다 걸려 있는 건데, 공통점은 하나야. 의사결정 한 번 잘못하면 비용이 어마어마한 산업이라는 것.

마지막으로 이 판의 배경. ESOMAR가 집계한 글로벌 인사이트 산업 규모는 약 1,530억 달러야(시장조사 560억, 리서치 소프트웨어 620억, 리포팅 350억 달러). 2022년 1,300억 달러에서 2023년 1,420억 달러로 커졌고 계속 올라오는 중이지. Simile 같은 회사가 노리는 건 이 파이의 일부를 뜯어오는 게 아니라, 파이 자체의 단위경제를 바꿔버리는 거야. 설문 한 번 돌리는 데 몇 주와 수십만 달러가 들던 걸 몇 시간과 API 호출로 바꾸겠다는 거니까.

실제로 발표된 게 뭔지 정확히 보자

회사 공식 블로그의 문장을 그대로 옮기면 이래. "출범 5개월 만에 매출을 5배로 키웠고, 포춘 100 기업을 위해 수천만 건의 시뮬레이션을 돌린 새로운 인간 행동 파운데이션 모델을 만들었고, 모든 시뮬레이션의 정확도를 예측하는 최초의 신뢰도 모델을 훈련했고, 조직이 미래를 검증 가능하게 예측할 수 있는 첫 제품을 출시했고, 팔로알토의 작은 집에서 50명 넘는 글로벌 팀으로 커졌다." 여기서 가장 덜 주목받았지만 가장 중요한 대목은 **'신뢰도 모델(confidence model)'**이야. 시뮬레이션 결과를 내놓는 것과 "이 결과를 얼마나 믿어도 되는지"를 같이 내놓는 건 완전히 다른 제품이거든. 엔터프라이즈가 돈을 내는 이유는 보통 후자야.

CVS헬스 사례는 회사가 공개한 것 중 가장 구체적이야. Simile은 40만 명 이상의 참여자로부터 받은 290만 건의 동의 기반 응답, 200개 이상의 행동 시나리오 위에 에이전트를 세웠다고 밝혔어. CVS는 이걸로 네 가지를 했대. 기존 리서치 결론을 빠르게 재현해 아이디어를 사전 스크리닝하고, 약사 접근성·대기시간·안내 명확성 같은 여정 요소를 테스트해 NPS 드라이버를 뽑고, 리마인더 주기나 혜택 설계 조합을 바꿔가며 처방 재조제 의향이 어떻게 움직이는지 파일럿 전에 확인하고, 경쟁사 대비 인지도를 벤치마킹했다는 거야. 특히 만성질환 환자처럼 전통 패널에서 잘 안 잡히는 집단을 다룰 때 유용했다고 강조해.

정확도 얘기를 해보자. 여기저기서 "85% 정확도"라고 인용되는 숫자의 출처는 박준성·리앙·번스타인 등이 참여한 논문 'LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals'(arXiv 2411.10109)야. 미국 전역에서 뽑은 1,052명을 대상으로 미국인의 삶을 기록하는 American Voices Project 인터뷰 양식으로 2시간짜리 반구조화 인터뷰를 하고, 그 기록으로 에이전트를 만들었어. 그리고 학습에 쓰지 않은 종합사회조사(GSS) 문항으로 테스트했지. 결과는 인터뷰만 쓴 에이전트 83%, 설문만 쓴 에이전트 82%, 둘 다 쓴 에이전트 86%, 인구통계만 쓴 에이전트 74%.

여기가 핵심이야. 이 퍼센트는 정답률이 아니야. 논문이 정확히 말하는 건 "참가자 본인이 2주 뒤에 같은 문항에 다시 답했을 때의 일치도(test-retest consistency)를 100으로 놓았을 때의 비율"이야. 사람도 2주 뒤에 자기 답을 그대로 반복하지 않거든. 그러니까 "AI가 85% 맞힌다"가 아니라 "사람이 자기 자신을 재현하는 만큼의 83~86%를 재현한다"가 정확한 표현이야. 이건 여전히 놀라운 숫자지만, 회의실에서 "AI가 85% 정확해요"라고 말하는 것과는 의미가 완전히 달라. 그리고 논문 자신도 인터뷰와 설문을 합쳤을 때의 개선폭이 크지 않다며, 한 도메인 안에서 증거가 충분히 쌓이면 예측력이 **점근한다(asymptote)**고 인정했어.

항목 내용 확인 근거
라운드 규모 2억 달러 이상 Simile 공식 블로그 "over $200 million"
기업가치 20억 달러 포스트머니 Simile 공식 블로그·TechCrunch 일치
리드 투자자 공식 블로그는 그린오크스+인덱스 공동 리드, TechCrunch는 그린오크스 리드로 표기 두 출처 표현이 다름
참여 투자자 하나비, 베인캐피털벤처스, A*, 팩토리, CVS 헬스 벤처스, 데피니션 Simile 공식 블로그
직전 라운드 1억 달러 시리즈A, 인덱스벤처스 리드, 2026년 2월 12일 Index Ventures 공식 포스트
매출 5개월간 5배 성장(출발점 금액은 비공개) Simile 공식 블로그
인력 50명 이상, 글로벌 Simile 공식 블로그
고객사 CVS헬스, 딜로이트, 갤럽, 웰스프론트 Simile·Index 공식 포스트
데이터 규모 40만+ 참여자, 290만 건 동의 응답, 200+ 시나리오 Simile CVS 사례 포스트
"85% 정확도" 실제로는 GSS 문항에서 참가자 본인의 2주 재검사 일치도 대비 83~86% arXiv 2411.10109 초록
반증 연구 개별 수준에서 LLM이 비(非)LLM 베이스라인을 못 이김, 세그먼트 격차 2~4배 과장 arXiv 2607.26348 초록

마지막 행이 이 기사에서 제일 불편한 대목이야. 2026년에 나온 'When Synthetic Users Fail'이라는 벤치마크 논문은 4개 모델(8B급부터 프런티어급까지)을 GSS와 세계가치관조사(WVS) 두 도메인에서 돌렸는데, 두 가지 실패가 일관되게 재현됐다고 보고했어. 첫째, 개인 수준 예측에서 어떤 LLM도 사람 데이터로 학습한 비LLM 베이스라인을 이기지 못했어. 둘째, 모델들이 인구통계를 과도하게 결정적인 변수로 취급해서 — 즉 "당신이 이런 사람이면 이렇게 생각할 것"이라는 고정관념을 실제 사람보다 훨씬 강하게 적용해서 — 세그먼트 간 격차를 2~4배 부풀렸어. 그 결과 세그먼트 타깃팅 과제에서 미국 데이터의 절반, 교차문화 데이터의 대부분에서 엉뚱한 세그먼트를 고르게 만들었다는 거야. 모델을 키운다고 해결되지 않았다는 점도 명시돼 있어.

중요한 건 이 두 연구가 서로를 반박하는 게 아니라는 점이야. Simile 계열 연구는 "실제 사람에게서 2시간 인터뷰를 받아 개인별로 접지(grounding)한 에이전트"를 다루고, 비판 논문은 "인구통계 프롬프트만 주고 사람인 척 시키는 합성 응답자"를 다뤄. 즉 이 판의 진짜 분기점은 LLM의 성능이 아니라 데이터를 실제 사람에게서 얼마나 정직하게 받아왔는가야. Simile이 "동의 기반 응답 290만 건"과 "참여자 약관(Participant Agreement)" 페이지를 굳이 사이트에 걸어둔 이유도 여기 있다고 봐야지. 값이 비싼 쪽 길을 택했다는 신호거든.

누가 웃고 누가 조용히 손해 보나

가장 크게 웃는 건 당연히 창업팀과 초기 투자자야. 인덱스벤처스는 2월에 1억 달러를 10억 달러 미만 밸류에 넣었을 가능성이 큰데(시리즈A 밸류는 공개되지 않았어), 5개월 만에 20억 달러 라운드에 다시 참여했어. 장부상 수익률만 보면 훌륭하지만, 더 중요한 건 이 회사가 '리서치 회사'가 아니라 '파운데이션 모델 회사'로 가격이 매겨졌다는 점이야. 시장조사 SaaS의 멀티플과 AI 인프라의 멀티플은 자릿수가 다르거든. 창업팀이 논문·용어·연구 계보를 앞세운 전략이 밸류에이션에서 그대로 값으로 환산된 셈이야.

CVS헬스는 좀 특이한 위치야. 고객이면서 투자자거든. 이 구조는 양쪽에 다 좋아 보이지만 리스크도 있어. 초기 엔터프라이즈 AI에서 앵커 고객이 동시에 주주인 경우, 그 회사의 유스케이스에 제품이 과도하게 최적화될 위험이 있어. 반대로 Simile 입장에선 헬스케어라는, 규제가 빡세고 데이터가 민감해서 아무나 못 들어오는 도메인의 레퍼런스를 확보한 거라 방어벽이 되기도 해. CVS 사례 글에서 "민감한 건강 행동, 프라이버시 제약 데이터를 직접 연구하기 어려운 영역"을 강조한 건 이 해자를 의도적으로 드러낸 거라고 읽혀.

조용히 손해 보는 쪽은 전통 패널 사업자들이야. 온라인 패널을 운영하며 응답자 한 명당 인센티브를 지급하고 필드워크를 돌리는 회사들 말이야. 이들의 비용 구조는 응답 건수에 선형으로 비례해. Simile이 파는 건 그 선형성을 깨는 상품이지. 물론 하루아침에 대체되진 않아 — 오히려 Simile의 방식은 더 좋은 인간 데이터를 더 비싸게 사야 굴러가. 하지만 예산이 "탐색은 시뮬레이션, 검증만 실사"로 재배분되면 필드워크 물량은 줄어들 수밖에 없어. 업계 설문에서도 이 긴장이 드러나는데, 리서처들 사이에선 AI 도구 사용률은 90%대인데 합성 응답자에 대한 신뢰도는 훨씬 낮게 나와.

그리고 아무도 잘 언급 안 하는 손해자가 있어. 응답자 본인들. Simile 모델은 실제 사람의 2시간 인터뷰와 과거 선택 기록 위에 세워져. 한 번 디지털 트윈이 만들어지면 그 사람은 다시 부르지 않아도 계속 '응답'하게 돼. 회사는 동의를 받았다고 명시하고 참여자 약관도 공개하고 있지만, "내 트윈이 앞으로 몇 년간 몇 만 번 답하는 것"에 대한 보상 구조가 어떻게 되는지는 공개 자료에서 확인되지 않았어. 이건 음악·이미지 학습데이터에서 이미 한 번 크게 터진 논쟁이고, 대상이 사람의 인격과 취향이라는 점에서 더 예민해질 소지가 있어.

마지막으로 기업 안에서 조용히 위치가 바뀌는 사람들. 소비자 인사이트 팀은 "데이터를 모아 오는 조직"에서 "시뮬레이션을 검증하고 언제 믿을지 판정하는 조직"으로 역할이 이동해. 이건 축소가 아니라 성격 변화에 가까운데, 실제로 그 전환에 실패하면 예산 라인 자체가 마케팅이나 데이터사이언스로 흡수될 수 있어. Simile이 '신뢰도 모델'을 전면에 내세운 게 이 사람들에게는 사실 좋은 소식이야. 판정할 근거를 제품이 제공해주니까.

예전에도 이런 시도가 있었어 — 성공한 것과 처참했던 것

성공 사례부터. 자동차 충돌 시뮬레이션은 산업 전체의 단위경제를 실제로 바꿨어. 예전엔 새 차 하나 개발하는 데 실물 차를 수십 대씩 벽에 박아야 했는데, 유한요소해석이 성숙하면서 대부분의 충돌 시나리오가 컴퓨터 안으로 들어갔지. 지금도 실물 충돌 테스트는 사라지지 않았어 — 규제 인증과 최종 검증에는 여전히 실물을 써. 하지만 탐색은 시뮬레이션, 검증은 실물이라는 분업이 자리 잡으면서 개발 주기와 비용이 극적으로 줄었어. 반도체도 마찬가지야. SPICE 계열 회로 시뮬레이터와 EDA 도구가 없었으면 수십억 개 트랜지스터짜리 칩을 설계한다는 발상 자체가 불가능했을 거야. Simile이 그리는 그림은 정확히 이 궤적이야.

또 하나의 성공은 조금 아이러니해. 갤럽의 창업 신화 자체가 '적은 표본으로 큰 여론을 맞힌' 사건이거든. 1936년 미국 대선에서 리터러리 다이제스트는 240만 명에게서 응답을 받고도 랜던의 승리를 예측해 대참사를 냈고, 조지 갤럽은 훨씬 적은 표본으로 루스벨트의 승리를 맞혔어. 표본 수가 아니라 표본이 모집단을 어떻게 대표하느냐가 전부라는 걸 증명한 사건이었지. 지금 Simile의 논문이 하는 주장도 구조가 비슷해. 인구통계만 넣은 에이전트(74%)보다 실제 인터뷰로 접지한 에이전트(83%)가 낫고, 특히 인종·이념 집단 간 정확도 격차가 줄어든다고 보고하거든.

이제 실패 사례. 구글 플루 트렌드(GFT)가 교과서야. 검색 쿼리로 독감 유행을 실시간 예측하겠다는 아이디어는 처음엔 눈부시게 작동했어. 그런데 2013년 2월, GFT는 CDC 실측 대비 두 배 넘는 독감 유사 증상 진료 비율을 예측했어. 원래 CDC 수치를 맞히려고 만든 모델이 CDC를 두 배로 빗나간 거야. 레이저·케네디·킹·베스피냐니가 사이언스에 쓴 'The Parable of Google Flu'는 이걸 '빅데이터 오만(big data hubris)'이라 불렀어. 데이터가 크다는 이유로 측정의 타당성 검증을 건너뛰고, 모델이 놓인 환경(구글 검색 알고리즘 자체가 계속 바뀌었지)이 변하는 걸 반영하지 않은 게 원인이었지.

두 번째 실패는 2016년 미국 대선 여론조사야. AAPOR 평가 보고서를 보면 흥미로운 비대칭이 있어. 전국 단위 조사는 오히려 역사적 기준으로 정확한 편이었어. 무너진 건 주 단위 조사였고, 가장 증거가 뚜렷한 원인은 두 가지였어. 막판 표심 이동, 그리고 대졸자 과대표집을 보정하지 않은 것. 이게 Simile 같은 회사에 던지는 교훈은 명확해. 집계 수준(전체 평균)에서 잘 맞는다는 게 세분화 수준(주·세그먼트)에서 잘 맞는다는 뜻이 아니라는 거야. 그리고 앞서 본 'When Synthetic Users Fail' 논문이 지적한 실패가 정확히 세분화 수준의 실패였다는 점, 이건 우연이 아니야. 기업이 시뮬레이션에 돈을 내는 이유는 대개 "평균 소비자"가 아니라 "이 세그먼트"를 알고 싶어서거든.

경쟁자들은 어떻게 받아칠까

가장 직접적인 경쟁자는 아루(Aaru)야. 뉴욕 기반이고 2024년 3월에 십대 창업자들이 만든 회사인데, 2025년 12월 레드포인트가 리드한 시리즈A에서 '헤드라인 밸류' 10억 달러를 받았다고 보도됐어. 다만 여러 매체가 이 라운드에 다층 밸류에이션 구조가 있었고 실제 혼합 밸류는 10억 달러 아래였다고 전했으니, 숫자를 그대로 비교하긴 조심스러워. ARR은 1,000만 달러 미만으로 알려졌지. 아루의 카운터 플레이는 속도와 가격이 될 가능성이 커. 인터뷰 기반 접지는 비싸고 느리니까, "충분히 좋은" 예측을 훨씬 싸게 대량으로 뿌리는 전략이지.

두 번째 축은 기존 리서치 인프라의 반격이야. 퀄트릭스는 이미 세계에서 가장 널리 쓰이는 설문 플랫폼에 합성 응답자 기능을 붙였고, 업계 조사에 따르면 시장조사 실무자의 상당수가 어떤 형태로든 합성 응답을 이미 써봤어. 이쪽의 무기는 유통이야. 새 회사가 아무리 좋은 모델을 만들어도, 이미 기업의 설문 워크플로 안에 들어앉아 있는 플랫폼이 "버튼 하나 추가"로 같은 기능을 제공하면 승부는 모델 품질만으로 안 나. Simile이 '신뢰도 모델'과 '검증 가능한 예측'을 전면에 내세운 건 여기에 대한 답이라고 봐야 해. 유통에서 밀리면 품질 증명으로 이기겠다는 거지.

세 번째는 좀 다른 종류의 위협인데, 범용 프런티어 랩들이야. OpenAI, 앤트로픽, 구글 딥마인드가 "우리 모델로 페르소나 시뮬레이션 하면 되잖아"라고 나오면 시장의 하단이 잘려나가. 다만 여기서 Simile의 포지셔닝이 흥미로워. 프런티어 랩들은 모델을 더 똑똑하고 더 정확하게 만드는 방향으로 가는데, Simile은 평범한 사람처럼 틀리는 모델을 원해. 같은 편향을 갖고, 같은 실수를 하고, 같은 취향을 갖는 모델. 이건 RLHF로 다듬어진 어시스턴트 모델과 목적함수가 정반대야. 실제로 정렬된 모델일수록 사회적으로 바람직한 '평균적' 답으로 수렴하는 모드 붕괴가 관찰되는데, 이건 시뮬레이션에는 독이거든.

네 번째는 학계와 업계 협회의 저항이야. 이건 경쟁자라기보다 심판인데, 힘이 세. 여론조사·사회조사 커뮤니티는 "합성 표본을 대표성 있다고 부르는 건 방법론적으로 방어 불가능하다"는 입장을 반복해서 내고 있어. 특히 소수 집단·소외 집단에 대해 신뢰할 만한 원본 데이터가 없으면 합성 표본은 격차를 해결하는 게 아니라 오히려 증폭한다는 지적이 날카로워. 만약 어느 대형 기업이 합성 데이터를 근거로 한 의사결정으로 크게 사고를 치는 사례가 한 번 나오면, 이 산업 전체의 도입 곡선이 몇 년 뒤로 밀릴 수 있어.

마지막으로 갤럽 같은 전통 강자의 선택도 변수야. 지금은 Simile의 고객으로 이름이 올라 있지만, 90년 치 시계열 데이터와 브랜드 신뢰를 가진 조직이 언제까지 남의 모델 위에 올라타 있을지는 모르는 일이야. 데이터 소유자가 모델을 직접 만들기 시작하면 판이 또 바뀌지. 이건 미디어 회사들이 AI 랩에 콘텐츠를 라이선싱하다가 결국 자체 모델과 협상력을 고민하게 된 궤적과 비슷해.

그래서 뭐가 달라지는데

개발자와 ML 엔지니어 입장에서 실질적으로 달라지는 건 '평가'의 개념이야. 지금까지 제품 A/B 테스트는 실사용자 트래픽이 필요했고, 그래서 배포가 선행돼야 했어. 시뮬레이션 레이어가 성숙하면 배포 전에 페르소나 집단에 변경사항을 던져보는 게 가능해져. 다만 여기서 반드시 기억할 게 있어. 시뮬레이션은 사전 스크리닝이지 증거가 아니야. CVS 사례에서도 시뮬레이션의 역할은 "유망한 방향만 남기고 실사 예산을 아끼는 것"으로 서술됐지, 실사를 없애는 것으로 서술되지 않았어. 이 선을 넘는 순간 구글 플루 트렌드의 재판이 될 수 있어.

투자자 관점에서 이 라운드는 두 가지를 말해줘. 첫째, 2026년 시장은 여전히 연구 계보에 프리미엄을 지불해. 논문 한 편이 회사의 서사가 되고, 그 서사가 리서치 SaaS 멀티플이 아니라 AI 인프라 멀티플로 가격을 매기게 만들었어. 둘째, 5개월 만의 밸류 두 배는 실적의 함수라기보다 경쟁 라운드의 함수일 가능성이 커. 매출 5배는 인상적이지만 출발점이 공개되지 않았고, 5개월 전에 이제 막 스텔스에서 나온 회사의 5배는 절대금액으로는 작을 수 있어. 이건 회사를 깎아내리는 게 아니라 숫자를 읽는 방법에 관한 얘기야.

기업과 기관 담당자라면 지금 준비할 건 도입 여부가 아니라 판정 기준이야. 어떤 질문에 시뮬레이션을 쓰고 어떤 질문에는 절대 안 쓸지, 시뮬레이션 결과와 실사 결과가 갈릴 때 무엇을 신뢰할지, 신뢰도 점수가 몇 이하면 자동으로 실사로 넘길지를 미리 정해두는 거지. 'When Synthetic Users Fail' 논문의 경고를 실무 언어로 번역하면 이래. 전체 평균이나 방향성 질문에는 상대적으로 안전하고, 세그먼트 간 차이의 크기를 근거로 예산을 배분하는 결정에는 위험하다. 격차를 2~4배 부풀리는 모델로 타깃팅을 결정하면 절반은 틀린 세그먼트를 고르게 되니까.

일반 사용자한테는 당장 체감되는 변화가 별로 없어. 다만 방향은 알아둘 만해. 앞으로 몇 년 안에 당신이 쓰는 앱의 새 기능, 보험 상품의 약관 문구, 약국의 리마인더 문자 주기 같은 게 당신 같은 사람의 시뮬레이션 결과를 근거로 정해질 확률이 높아져. 그게 꼭 나쁜 건 아니야. 잘 되면 쓸모없는 기능이 덜 나오고 실험 대상이 되는 일이 줄지. 문제는 그 시뮬레이션이 당신을 인구통계 라벨로 환원해 "이런 사람은 이럴 것"이라고 단정할 때야. 비판 논문이 지적한 게 정확히 그 지점이고, 그건 기술 문제이기 전에 대표성의 문제야.

연구자와 정책 담당자에게는 시간표가 촉박해. 자본은 이미 들어왔고 포춘 100 기업의 워크플로에도 들어갔어. 지금 필요한 건 "합성 응답을 쓸 수 있냐 없냐"가 아니라 어떤 공시 기준으로 쓸 것인가야. 표본 출처, 접지 데이터의 성격, 신뢰구간, 실사 대조 여부를 리포트에 어떻게 적을지에 대한 최소 표준 말이야. 이게 없으면 몇 년 뒤 "AI가 조사했다"는 문장 하나로 모든 근거가 뭉개진 보고서들이 시장에 돌아다니게 돼.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 당장은 없어. 다만 네가 쓰는 서비스의 기능 우선순위나 마케팅 문구가 실제 사람 설문이 아니라 '너 같은 사람의 디지털 트윈' 응답으로 정해지는 비중이 앞으로 늘어날 거야. 소비자로서 체감하는 건 "왜 이런 기능이 나왔지" 하는 순간의 빈도가 조금 달라지는 정도일 거고.

— 85% 정확도면 이제 설문 안 해도 되는 거 아냐? 그 85%(정확히는 83~86%)는 정답률이 아니라 사람이 2주 뒤 자기 답을 반복하는 일관성 대비 비율이야. 그리고 다른 벤치마크 연구에선 개인 수준 예측에서 LLM이 전통 통계 모델을 못 이기고 세그먼트 격차를 2~4배 부풀린다는 결과가 나왔어. 탐색은 시뮬레이션, 결정적 검증은 실사 — 지금 시점에선 이게 안전한 선이야.

— 5개월 만에 밸류 두 배면 거품 아니야? 단정하긴 일러. 매출 5배는 사실이지만 출발점이 공개되지 않았고, 20억 달러라는 가격은 실적보다 '파운데이션 모델 회사'라는 프레이밍과 창업팀의 연구 계보에 매겨진 값에 가까워 보여. 반대로 CVS헬스처럼 고객이 투자자로 들어온 건 실제 도입이 얕지 않다는 신호이기도 하고. 다음 두 분기의 갱신율이 진짜 답을 줄 거야.

참고 자료

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