Mercor의 경쟁사인 Deccan AI, 2,500만 달러 투자 유치 및 인도 전문가 영입

Deccan AI의 2,500만 달러 투자 유치는 AI 개발의 핵심이자 간과되기 쉬운 '후처리(post-training)' 단계의 중요성을 명확히 보여줍니다. OpenAI나 Anthropic 같은 선두 AI 랩들이 코어 모델을 자체 개발하더라도, 데이터 생성, 평가, 강화 학습 같은 후처리 작업은 점차 외부 아웃소싱이 늘고 있습니다. 이는 AI 모델이 실제 환경에서 신뢰성을 확보하기 위해 필수적인 과정이며, Deccan AI는 이러한 시장의 니즈를 정확히 공략하며 빠르게 성장하고 있습니다. 특히, '품질이 아직 해결되지 않은 문제'라는 창업자 언급은 이 분야의 높은 기술적, 운영적 진입 장벽과 가치를 시사합니다. 모델 성능에 직접적인 영향을 미치므로 오류 허용치가 제로에 가깝고, 도메인 전문성이 요구되며, 고품질 데이터를 단기간에 대량으로 공급해야 하는 복잡성을 내포하고 있습니다.

이러한 맥락에서 Deccan AI의 전략은 여러모로 주목할 만합니다. 샌프란시스코 베이 지역에 본사를 두면서도 대규모 운영팀과 100만 명 이상의 컨트리뷰터 네트워크를 인도 하이데라바드에 집중시킨 점은 효율적인 비용 구조와 품질 관리를 동시에 추구하려는 의도로 풀이됩니다. 경쟁사들이 100개 이상의 국가에서 인력을 소싱하는 것과 달리, 단일 국가에 집중함으로써 품질 유지의 용이성을 확보했다는 설명은 인도의 AI 인력 풀이 단순히 저비용을 넘어선 '고품질 전문가'의 거점으로 부상하고 있음을 강조합니다. 이는 글로벌 AI 가치 사슬에서 인도가 선두 모델 개발보다는 AI 학습 데이터 및 인력 공급 허브로서의 역할을 강화하고 있음을 보여주는 중요한 사례입니다.

한국 스타트업들에게는 몇 가지 시사점이 있습니다. 첫째, AI 모델 개발 경쟁이 심화될수록 이러한 후처리 및 평가 서비스의 수요는 더욱 커질 것입니다. 한국의 AI 스타트업들 또한 자체 모델 개발 외에 이와 같은 'AI 인프라' 영역에서 기회를 찾을 수 있습니다. 둘째, '품질'과 '전문성'이 핵심 성공 요인임을 명심해야 합니다. 고도의 도메인 지식(코딩, 에이전트, API 연동, 로봇/비전 시스템 등)을 갖춘 전문가 집단을 어떻게 효율적으로 확보하고 관리할 것인가가 중요합니다. 셋째, 글로벌 인력 소싱 전략에 대한 고민이 필요합니다. Deccan AI의 인도 집중 전략처럼, 한국 스타트업들도 특정 국가 또는 지역의 전문성을 활용하거나, 자체적인 고품질 전문가 풀을 구축하는 방안을 모색할 수 있습니다. 예를 들어, 한국의 우수한 교육 인프라를 활용한 전문 인력 양성 및 데이터 라벨링/평가 플랫폼 구축도 고려해볼 만합니다.