2,400만 번 복제된 헤르메스의 반란: 노우스 리서치 15억 달러 기업가치가 증명한 기업용 AI 에이전트의 독립 선언

오픈소스 헤르메스의 전격 기업 진출: 15억 달러 가치로 입증된 자체 구동 AI 에이전트의 위력

인공지능 모델을 가져다 쓰는 기업들의 최대 고민은 언제나 데이터 유출 걱정과 매달 불어나는 클라우드 호출 요금이었다. 빅테크 기업이 제공하는 폐쇄형 인공지능 서비스는 쓰기에는 편하지만, 기업 내부의 민감한 회계 장부나 고객 정보를 그대로 넘겨주어야 한다는 치명적인 약점을 안고 있었다. 이러한 시장의 가려운 곳을 긁어내며 개발자 커뮤니티에서 폭발적인 지지를 받아온 스타트업 노우스 리서치(Nous Research)가 15억 달러(약 2조 원)의 기업가치를 공식 인정받으며 시리즈 B 투자금 9,000만 달러를 유치했다.

이번 투자 라운드는 로봇 벤처스(Robot Ventures)가 주도했으며, 세계 최대 반도체 기업 엔비디아(Nvidia)를 비롯해 유니언 스퀘어 벤처스, 멘로 벤처스, 삼성, 그리고 도널드 트럼프 주니어가 파트너로 참여한 1789 캐피털이 합류했다. 설립된 지 불과 3년 된 신생 팀이 누적 투자금 1억 5,800만 달러를 확보하며 단숨에 유니콘 기업 반열에 오른 배경에는 이들이 만든 오픈소스 인공지능 엔진 ‘헤르메스 에이전트(Hermes Agent)‘가 있다.

헤르메스 에이전트는 이미 전 세계 개발자들 사이에서 2,400만 회 이상 복제되어 쓰이고 있다. 노우스 리서치가 추산한 바에 따르면 전 세계에서 생성되는 인공지능 토큰 사용량의 약 2.5%가 이미 이 헤르메스 엔진 위에서 돌아가고 있다. 호텔 룸서비스를 시켜 먹듯 빅테크가 정해준 가격표대로 쓸 수밖에 없었던 기업들에게, 내 주방에 직접 맞춤형 조리 도구를 들여놓을 수 있는 오픈소스 엔진이 열린 셈이다. 노우스 리서치는 이번에 확보한 자금을 바탕으로 기업 전용 소프트웨어인 ‘비즈니스용 헤르메스(Hermes for Businesses)‘를 공식 선보이며 기업 현장의 업무 자동화 시장을 정조준하고 있다.

연매출 3,600만 달러에서 1억 달러 직행: 숫자로 검증한 시장 침투 속도

노우스 리서치가 높은 기업가치를 인정받을 수 있었던 이유는 단순한 기술적 호기심을 넘어 실제 현금 흐름을 만들어내고 있기 때문이다. 월스트리트저널(WSJ)에 따르면 노우스 리서치의 연환산 매출(ARR)은 2026년 9월 중순 기준 이미 3,600만 달러(약 480억 원)에 달했으며, 2026년 말까지 연매출 1억 달러(약 1,350억 원)를 돌파할 것으로 예상된다. 오픈소스 기술을 기반으로 출발한 신생 연구 그룹이 불과 3년 만에 이러한 실적을 기록한 것은 매우 이례적인 성장세다.

빅테크가 제공하는 독점 폐쇄형 인공지능과 노우스 리서치의 오픈소스 에이전트 환경을 기업 도입 관점에서 비교하면 명확한 차이가 드러난다.

기존의 폐쇄형 인공지능은 시작 단계에서는 간편하지만, 매일 수십만 건의 데이터를 처리해야 하는 실무 환경에서는 호출 요금이 감당하기 어려울 정도로 불어난다. 반면 헤르메스 에이전트는 한 번 사내 인프라나 전용 가상 서버에 올려두면 호출 횟수가 늘어나더라도 추가로 나가는 데이터 호출 요금이 없어, 처리량이 많아질수록 기업의 장부상 이익이 커지는 구조를 만들어낸다.

복잡한 다단계 업무를 스스로 끝내는 에이전트: 현장에 미치는 3가지 직접적 파급력

노우스 리서치가 내놓은 기업용 헤르메스의 핵심은 단순히 묻고 답하는 챗봇 수준을 넘어선다. 사람이 수작업으로 처리하던 여러 단계의 연속된 업무를 스스로 계획하고 실행하는 다단계 에이전트 기능을 사내 보안 환경 안에서 구현했다는 점이 기업 현장에 세 가지 직접적인 변화를 불러일으키고 있다.

운영 비용의 획기적 절감: API 종량제 청구서의 거품 제거

외부 인공지능을 API 형태로 쓸 때 발생하는 가장 큰 문제는 긴 문서나 복잡한 표를 처리할 때마다 미터기 요금처럼 늘어나는 토큰 비용이다.

업계 평균 단가 기준 실무 시뮬레이션으로 추정해 보면, 매일 2,000건의 고객 문의와 계약서를 10단계에 걸쳐 검토하는 중견 유통 기업이 상용 API를 쓸 경우 월평균 1만 5,000달러(약 2,000만 원) 안팎의 호출 비용이 발생한다. 반면 비즈니스용 헤르메스를 사내 전용 인프라나 시간당 요금이 저렴한 클라우드 인프라에 직접 설치해 구동할 경우, 연간 인프라 유지비는 월 3,500달러 수준으로 줄어든다. 동일한 연산량을 처리하면서도 운영 비용을 약 70% 이상 덜어낼 수 있는 셈이다.

업무 처리 시간의 단축: 다단계 연속 작업의 자동화

기존 인공지능 도구들은 1단계 작업 결과를 사람이 복사해서 2단계 프롬프트에 붙여넣고, 다시 3단계 엑셀 파일로 옮기는 중간 수작업이 반드시 필요했다.

헤르메스 에이전트는 데이터베이스에서 수치를 조회한 뒤 이상 징후를 감지하고, 관련 법령을 대조해 최종 수정 보고서 초안까지 작성하는 전체 과정을 단절 없이 한 번에 이어간다. 실무자가 서류 하나를 검토하고 정리하는 데 평균 40분씩 걸리던 작업 지연 시간이 에이전트의 자동 완결 처리를 통해 3분 이내로 줄어들면서, 전체 프로젝트 처리 주기가 기존 대비 10배 이상 빨라진다.

데이터 외부 유출 차단과 규제 위험 방어

금융, 의료, 법률, 반도체 제조 같은 분야에서는 고객 개인정보나 핵심 설계 도면이 사외 클라우드로 단 한 줄이라도 전송되는 순간 막대한 법적 과징금과 보안 감사 위험을 마주하게 된다.

노우스 리서치의 방식은 인공지능 두뇌 자체를 기업의 사내 데이터센터나 완전히 폐쇄된 클라우드 방화벽 안으로 가져오는 구조다. 외부 인터넷망이 끊긴 폐쇄망 환경에서도 에이전트가 작동하므로, 엄격한 데이터 보호 규정을 지켜야 하는 대기업이나 공공 부문 실무진이 보안팀의 승인을 즉각 받아내고 실무에 투입할 수 있는 강력한 방어선을 제공한다.

빅테크 종속을 끊어내는 완충벽: 오픈 에이전트 인프라와 결합하는 실무 생태계

특정 거대 테크 기업의 단일 플랫폼에만 업무 시스템을 묶어둘 경우, 해당 업체의 서버 장애나 일방적인 요금 인상 정책에 기업의 핵심 업무 전체가 마비될 위험이 커진다. 실제로 주요 인공지능 제공사의 접속 오류로 인해 전 세계 업무용 봇들이 동시에 멈춰 서는 사태가 반복되면서, 기업 기술 책임자들은 언제든 교체 가능한 독립 인프라를 찾기 시작했다.

이러한 위기 상황에서 RunPod 같은 시간당 독립 연산 인프라를 결합하는 방식이 대표적인 완충재로 주목받고 있다. 대기업처럼 수십억 원짜리 자체 인공지능 전용 서버를 당장 구매하기 어려운 조직이라도, 초 단위 종량제로 빌려 쓰는 독립 GPU 환경 위에 헤르메스 같은 경량화 에이전트 모델을 올려놓으면 초기 큰 목돈 투자 없이도 사내 전용 인공지능 시스템을 빠르게 완성할 수 있다.

선도적인 소프트웨어 기업들은 이미 핵심 추론 엔진을 헤르메스로 갈아끼우고 있다. 일반적인 문장 교정이나 가벼운 안내는 유지비가 저렴한 소형 모델로 넘기고, 계약서 분석이나 다단계 회계 정산 같은 복잡한 판단은 사내에 올려둔 헤르메스 에이전트가 처리하도록 업무 순서를 교통정리함으로써 플랫폼 종속 위험을 사전에 차단하는 전략이다.

자체 구축 에이전트 도입 적합 대상 vs 보류 대상 판정

노우스 리서치의 15억 달러 기업가치 달성은 오픈소스 인공지능이 더 이상 단순한 연구용 장난감이 아니라 기업의 실제 현금을 만들어내는 상업 엔진으로 성숙했음을 보여준다. 하지만 모든 기업이 지금 당장 거액을 들여 자체 인공지능 에이전트 환경을 구축해야 하는 것은 아니다. 현재 기업이 처한 상황과 데이터 성격에 따라 명확한 득실 계산이 선행되어야 한다.

지금 즉시 자체 구축 에이전트를 도입해야 할 기업

• 사내 데이터가 외부로 1바이트도 나가면 안 되는 규제 산업: 금융, 의료, 국방, 법률, 핵심 제조업처럼 고객 정보나 지식재산권 유출이 치명적인 기업은 사내 방화벽 안에서 독자 구동되는 에이전트 환경이 필수다.
• 매일 수십만 건 이상의 반복적인 문서와 데이터를 처리하는 기업: 기존 API 호출 요금이 매달 수천만 원씩 발생해 장부상 비용 부담이 한계에 도달한 조직이라면, 고정 인프라 기반의 오픈 에이전트 도입이 장기적인 비용을 70% 이상 깎아주는 확실한 지렛대가 된다.
• 빅테크 플랫폼의 일방적 정책 변경이나 서비스 장애에 취약한 기업: 자체 서비스의 핵심 뼈대가 외부 인공지능 제공사에 완전히 묶여 있어 대체재를 마련해 두어야 하는 기술 기반 기업들은 시스템 안전판 확보 차원에서 즉각 검토해야 한다.

도입을 보류하고 기존 상용 API를 유지해야 할 기업

• 인공지능 모델을 올려둘 서버 인프라 관리 인력이 전무한 조직: 오픈소스 모델을 사내 환경에 설치해 운영하려면 최소한의 시스템 엔지니어링 역량이 필요하다. 유지 관리 인력이 없다면 초기 설치 비용이 오히려 더 큰 낭비가 될 수 있다.
• 월간 인공지능 사용량이 불규칙하고 사용 빈도가 낮은 기업: 한 달에 몇천 건 수준으로 가끔 문서를 요약하거나 메일 초안을 작성하는 정도라면, 굳이 전용 서버를 구축하지 않고 기존 빅테크 API를 쓴 만큼만 결제하는 것이 전체 지출 면에서 훨씬 경제적이다.
• 매 단계마다 사람의 주관적 감수와 승인이 반드시 필요한 정성적 업무: 에이전트의 최대 강점은 자율적인 다단계 연속 처리에 있다. 사람이 매 순간 개입해 고쳐야 하는 디자인 기획이나 창의적 글쓰기 작업에서는 에이전트 자동화의 실익이 크지 않으므로 기술 성숙도를 더 지켜보는 것이 현명하다.