미스트랄은 기업이 자체 데이터를 기반으로 AI 모델을 학습하고 조정할 수 있도록 지원하는 신규 플랫폼 ‘포지(Forge)’를 선보였다. 범용 AI 시스템의 한계를 넘어, 기업 환경에 특화된 모델 구축을 지원하겠다는 전략이다.
현재 대부분의 AI 시스템은 공개 인터넷 데이터를 활용해 개발되며, 다양한 일반 업무를 수행하도록 설계돼 있다. 그러나 기업은 고유 프로세스, 규제 요건, 맞춤형 소프트웨어 환경, 조직에 축적된 경험 등 내부에 깊이 내재된 지식에 의존해 운영된다.
미스트랄은 공식 발표를 통해 “포지는 범용 AI와 기업 특화 요구 사이의 간극을 메우는 플랫폼”이라며 “광범위한 공개 데이터에 의존하는 대신, 조직은 시스템과 워크플로, 정책에 반영된 내부 맥락을 이해하는 모델을 학습시킬 수 있다”라고 밝혔다. 이어 “이를 통해 각 기업의 고유한 운영 방식에 맞춰 AI를 정렬할 수 있다”라고 설명했다.
미스트랄에 따르면 포지는 모델 생애주기의 여러 단계를 지원한다. 내부 데이터셋을 활용한 사전학습(pre-training), 특정 업무에 맞춘 후속 학습(post-training), 내부 정책과 운영 요건에 부합하도록 모델을 조정하는 강화학습까지 포함한다.
회사 측은 ASML, 에릭슨(Ericsson), 유럽우주국(ESA) 등 여러 기관이 이미 포지를 활용하고 있다고 전했다.
미스트랄은 데이터 통제권도 주요 특징으로 내세웠다. 기업이 모델과 기반 데이터의 소유권을 모두 유지할 수 있도록 설계했다는 설명이다. 이는 제3자 AI 제공업체 의존에 대한 우려가 있는 기업에 중요한 요소가 될 수 있다.
이번 발표로 미스트랄은 그동안 범용 모델과 기업용 통합 기능에 집중해온 오픈AI(OpenAI), 앤트로픽(Anthropic)과 보다 직접적인 경쟁 구도에 들어서게 됐다.
기업 도입 가능성과 현실적 제약
개념 자체는 매력적으로 보이지만, 시장 전반에 빠르게 확산될 것이라는 데에는 신중한 시각도 적지 않다. 비용 부담과 조직의 준비 수준이 맞춤형 모델 개발을 일부 특수 목적 사례에 한정할 수 있다는 지적이다.
카덴스 인터내셔널(Kadence International)의 수석부사장 툴리카 실은 “처음부터 모델을 구축하는 방식은 강력한 AI 인재와 충분한 예산, 그리고 차별화된 데이터 경쟁력을 갖춘 일부 대기업에 한해 현실적인 선택지가 될 것”이라고 분석했다.
실은 “대부분의 조직에는 파인튜닝과 RAG(Retrieval Augmented Generation) 방식이 여전히 더 실용적이고 비용 효율적인 대안”이라며 “미스트랄의 접근이 특히 의미를 갖는 영역은 데이터와 모델, 출력 결과에 대한 완전한 통제가 요구되는 고규제 산업이나 특정 도메인 중심 산업”이라고 설명했다.
또한 완전 맞춤형 모델은 규제 준수 부담이 큰 산업, 다국어 환경, 법률·헬스케어·금융 분석과 같이 고도로 전문화된 워크플로에서 가장 높은 적합성을 보인다고 덧붙였다. 이러한 환경에서는 검색 기술을 결합한 범용 모델이 요구되는 수준의 미묘한 맥락 이해와 일관성을 충분히 제공하지 못할 수 있다는 설명이다.
한편 미스트랄의 제안이 효과를 발휘하려면, 기업이 AI를 어떤 전략적 방향으로 배치할지에 대한 명확한 이해가 전제돼야 한다는 의견도 제기됐다.
테크아크(Techarc)의 설립자이자 수석 애널리스트인 파이살 카우사는 “아직 많은 기업이 AI를 어떻게 활용할지 정립해가는 단계”라며 “이 같은 개념을 제시한 점은 긍정적이지만, 당분간은 실험적 적용에 머물 가능성이 크다”라고 평가했다. 이어 “적어도 향후 2년간은 본격적인 대규모 도입 사례를 보기는 어려울 것이며, 그 시점이 돼야 기업이 비즈니스 내 AI 활용에 대해 보다 분명한 방향성을 갖게 될 것”이라고 내다봤다.
그럼에도 불구하고 데이터 주권에 대한 관심이 높아지는 흐름 속에서, 관련 솔루션의 시장 가능성은 존재한다는 분석도 나온다. 특히 유럽과 중동 지역, 금융·법률·양자컴퓨팅·헬스케어 분야에서 데이터 통제와 주권 이슈가 중요해지고 있다는 설명이다.
카운터포인트리서치(Counterpoint Research)의 리서치 부문 부사장 닐 샤는 “오픈 기반이든 독점 기반이든 해당 산업에 맞춰 파인튜닝된 기존 프런티어 모델만으로는 원하는 수준의 데이터 주권을 확보하기 어렵다”라며 “미스트랄은 포지를 통해 이 문제를 해결하려 하고 있다”라고 분석했다. 이어 “완전히 맞춤화하고 경량화 및 최적화한 모델은 현재 프런티어 모델에서 활용되는 RAG 방식보다 더 정확하고 관련성 높은 결과를 제공할 수 있다”라고 설명했다.
dl-ciokorea@foundryco.com