유부남 인생에 팔란티어가 꼭 필요한 이유

안녕하세요, 카레라입니다. ​ 2026년 초, 소프트웨어 업계에 사스포칼립스(SaaSpocalypse)라는 단어가 등장했는데, 기억하시죠? ​ AI 에이전트가 사람 대신 업무를 처리하기 시작하면서 기업들이 직원 수만큼 구독료를 내던 소프트웨어들이 더 이상 필요 없어질 수 있다는 공포였습니다. 사진 출처: 구글 실제로 세일즈포스, 워크데이 같은 대형 소프트웨어 기업들의 주가가 수십 퍼센트씩 빠졌고 소프트웨어 섹터 전체에서 약 2조 달러의 시가총액이 증발했죠. 사진 출처: 구글 팔란티어도 이 공포에서 자유롭지 못했는데, 주가는 2025년 11월 사상 최고가에서 30% 가까이 내려앉았습니다. 같은 소프트웨어 기업이라는 이유만으로 도매금으로 얻어맞았구요. ​ 그런데 이상한 점이 있습니다. 팔란티어의 실적은 같은 기간 오히려 더 좋아졌거든요. ​ 2025년 4분기 매출은 전년 대비 70% 성장했고 미국 상업 부문만 따지면 137% 성장 사스포칼립스로 무너지는 기업들과 정반대의 숫자를 내고 있었음 왜 그럴까요? 팔란티어는 정말 AI에 대체될 수 있는 회사인가요? 아니라면 왜 아닐까요? 그리고 앤트로픽 같은 AI 기업들에게 언젠가는 대체될까요? 이제부터 자세히 살펴보겠습니다. 일단, 팔란티어가 이제 어떤 회사가 되었는지를 알아야 합니다. 그거 그냥 비싼 데이터 분석 툴 만드는 회사 아님? 틀린 말은 아닙니다. 그러나 알기 쉽게 비교해 봅시다. 일반적인 SaaS 소프트웨어는 특정 업무를 처리하는 도구입니다. 세일즈포스는 고객 관리를 도와주고, 슬랙은 팀 커뮤니케이션을 도와주고, 워크데이는 인사·회계 업무를 처리해줍니다. ​ 각각의 도구는 각자의 역할이 있고 그 안에서 잘 작동합니다. ​ 하지만 이 도구들은 서로 연결되어 있지 않습니다. 세일즈포스 안의 고객 데이터 / 워크데이 안의 직원 데이터 / 공장 설비 센서 데이터는 각자 따로 존재합니다. ​ 팔란티어는 이 분리된 데이터들을 하나로 연결하는 운영 체제를 팝니다. 사진 출처: 마이크로소프트 컴퓨터에 윈도우나 맥OS가 깔려 있어야 그 위에서 다른 프로그램들이 돌아가듯이 팔란티어의 플랫폼은 조직 전체의 데이터가 그 위에서 살아 움직이는 기반 자체입니다. ​ 구체적으로는 세 가지 핵심 제품이 있습니다. ​ 고담(Gotham): 군대와 정보기관용으로 전장 데이터를 실시간으로 분석해 의사결정을 돕는 제품 파운드리(Foundry): 기업용으로 조직 내 모든 데이터를 하나의 체계로 통합하는 제품 AIP는 이 위에 GPT나 Claude 같은 AI 모델을 얹어 실제 업무에 쓸 수 있게 만들어주는 플랫폼 ​ 이 제품들이 돌아가는 방식은 어차피 미군 혹은 각국 정부의 1급 기밀이기 때문에 우리가 쉽게 볼 수 있는 것도 아니고 어떻게 돌아가는지 이해하기도 어렵습니다. 그러나 그게 중요한 게 아니고 본질만 보면 됩니다. ​ 여기서 팔란티어가 파는 것의 진짜 본질이 드러납니다. ​ 팔란티어가 파는 것: 소프트웨어(X) 조직이 데이터로 의사결정을 내리는 능력 자체(O) 그리고 이 능력은 팔란티어의 엔지니어들이 고객사에 직접 들어가 고객사의 모든 것을 배우고 수개월에서 수년에 걸쳐 함께 만들어냅니다. 이를 전진배치된 엔지니어 FDSE(Forward Deployed Software Engineer)라고 하구요. 여기까지는 팔란티어에 관심이 있다면 대부분 아시는 내용이죠. 이제 진짜 본질로 넘어갑시다. 사진 출처: 디아블로2 저는 개인적으로 모든 소프트웨어 기업들을 집어삼키고 있는 앤트로픽의 마수에서 팔란티어는 안전하다고 생각합니다. 기술적인 이유가 있고, 앤트로픽 입장에서 굳이 팔란티어를 건드릴 필요가 없는 이유가 있습니다. 순서대로 설명할게요. 일단 무슨 말인지 몰라도 외우세요. "팔란티어의 고객은 온톨로지가 필요하다" 사진 출처: 팔란티어 팔란티어 플랫폼의 핵심에는 온톨로지(Ontology)라는 개념이 있습니다. ​ 세상에 존재하는 것들 그러니까 사람, 장비, 계약, 프로세스 등등을 데이터로 표현할 때 그것들 사이의 관계까지 함께 정의해놓은 지도입니다. ​ 예를 들어보겠습니다. ​ 한 제조 기업의 데이터베이스에는 "부품 A의 재고가 200개" 라는 숫자가 있습니다. 일반 소프트웨어는 부품 A의 재고를 어떻게 기록할까요? ​ 일반 소프트웨어: 부품 A의 재고는 200개입니다. ​ 그런데 팔란티어의 온톨로지 위에서는 이 숫자가 다르게 읽힙니다. ​ 팔란티어 온톨로지: 부품 A의 재고가 200개인데 이 부품을 쓰는 생산라인 3개 중 2개가 이번 주 가동 예정이고 현재 납품 계약상 다음 달까지 제품 500개를 출하해야 하며 현재 공급업체의 배송이 사흘 지연되고 있네요. ​ 이 모든 맥락이 하나의 그림으로 연결됩니다. 이게 왜 중요한가 하면 조직의 의사결정은 항상 이런 복잡한 맥락 위에서 일어나기 때문입니다. 사실 부품 A의 재고는 200개든 300개든 아무 상관이 없어요. 그 숫자가 왜 필요하냐, 그 숫자로 뭘 할 거냐가 중요하죠. 숫자 수백 개의 변수가 서로 얽혀 있는 상황에서 사람이 최선의 판단을 내려야 합니다. 팔란티어는 그 판단의 순간에 필요한 맥락을 실시간으로 조립해서 보여주는 인프라라고 봐야겠죠. ​ 군사 분야에서는 "이렇게 얽힌 정보" 가 더욱 중요해집니다. 드론 영상, 위성 데이터, 통신 감청, 병력 위치 정보가 동시에 쏟아지는 전장에서 지휘관이 몇 초 안에 결정을 내려야 하는 상황이 매일 발생합니다. ​ 팔란티어의 매이븐 스마트 시스템(Maven Smart System)은 이 데이터들을 실시간으로 융합해서 "지금 이 순간 가장 중요한 정보"를 걸러냅니다. ​ 미 국방부가 전쟁할 때마다 팔란티어를 데리고 나가는 이유가 여기 있습니다. 사진 출처: 내가 만듬 우리 유부남들의 인생도 똑같습니다. "오늘이 무슨 날이지" 라는 질문과 지식 자체를 데이터베이스에서 찾으면 "4월 25일입니다" 라는 평이한 답변밖에 나오지 않습니다. 사진 출처: 소니 그러나 사실은 결혼기념일이 어제였다면? 심지어 그런 주제에 원래 어제 약속한 분리수거도 안 했다면? 그 와중에 하필 오늘 저녁에 친구들하고 술 마셔야 하는데 아직도 허락을 안 받았다면? 생각해보니까 일주일 전에 몰래 산 플스5 배송이 오늘 오는데 까먹고 배송지를 안 바꿨다면? ​ 이 요소들, 오늘 술자리 1회라던지 어제 분리수거 까먹음 등은 와이프 현재 기분(Mood Index)라는 단일 지표로 수렴되죠. ​ 그리고 이 모든 맥락이 실시간으로 융합되어 0.3초 내에 "지금 내가 와이프에게 무슨 말을 해야 하는가?" 를 판단하는 의사결정 엔진을 거쳐 최종 출력(침묵/꽃 구매/사과)이 나옵니다. ​ 팔란티어가 군 지휘관에게 제공하는 것과 완전히 동일한 구조입니다. 이것이 온톨로지입니다. 기업들은 이걸 필요로 하는 것이고 온톨로지를 만들기 위해서는 기업들의 모든 내부 상황과 각 요소 사이의 맥락과 연결을 알고 있어야 합니다. 이 관점에서 AI 에이전트가 많아질수록 팔란티어가 오히려 더 필요해지는 이유를 알 수 있습니다. ​ AI 에이전트는 스스로 판단하고 행동하는 소프트웨어입니다. ​ "다음 주 납품 일정을 보고 재고를 자동으로 발주해라" 는 식의 지시를 받으면 사람 없이 알아서 처리합니다. 그런데 이 에이전트가 제대로 작동하려면 반드시 전제되어야 하는 것이 있습니다. ​ 에이전트가 "재고" 가 무엇인지, "납품 일정" 이 무엇인지, 이 둘이 어떤 관계인지를 이미 알고 있어야 한다는 겁니다. ​ 물론 단어 자체가 어렵지는 않습니다. GPT나 클로드 같은 AI 모델은 인터넷에 있는 공개 데이터로 훈련됐습니다. 이 모델들은 "재고" 라는 단어가 무슨 뜻인지는 압니다. ​ 하지만 우리 회사의 재고 시스템이 ERP와 어떻게 연결되어 있는지, 발주 승인 권한이 누구에게 있는지, 특정 부품의 최소 재고 기준이 왜 200개로 설정됐는지는 전혀 모릅니다. 이건 세상 어떤 AI 모델도 사전 훈련으로 알 수 없는 정보입니다. 조직마다 다르고 시스템마다 다르니까요. 사진 출처: CIA 때로는 "재고" 가 CIA 용어로 "러시아 땅에 숨어 있는 간첩 목록" 이고 "납품 일정" 은 이들에게 지시해야 하는 가즈프롬 천연가스관 폭파 일정일 수도 있습니다. ​ 여기서 팔란티어의 온톨로지가 다시 등장합니다. ​ 온톨로지는 앞서 설명한 것처럼 조직 내 모든 개념과 관계를 정의해놓은 지도인데 AI 에이전트 입장에서는 이게 사전이자 지형도가 됩니다. ​ 에이전트는 온톨로지를 참조해서 "이 회사에서 재고 발주는 이런 절차(신문지에 명령을 숨겨서 모스크바 외곽 지하철역 앞 쓰레기통에 버린다)를 따르고 이 사람(CIA 러시아 지부장)의 승인이 필요하며 이 시스템에 기록된다" 는 것을 압니다. ​ 이 지도 없이는 에이전트가 아무리 똑똑해도 조직 안에서 실제 행동을 할 수가 없습니다. ​ 반대로 팔란티어 없이 AI 에이전트를 도입하면 어떻게 될까요. 에이전트에게 회사 데이터를 보여주려면 ERP, CRM, 물류 시스템, 회계 시스템을 각각 따로 연결해야 합니다. ​ 각 시스템의 데이터 형식이 다르고 용어가 다르고 업데이트 주기가 다른데 이걸 에이전트가 그때그때 해석하게 하면 오류가 생기고 할루시네이션이 일어납니다. 실제로 금융사나 제조사들이 AI 시대가 왔다고 좋아라 하면서 자체적으로 AI 에이전트를 도입하다가 데이터 통합 단계에서 막히는 경우가 대부분입니다. 팔란티어는 이 문제를 20년 전부터 풀어왔는데, AI 에이전트 시대가 오기 훨씬 전부터 "데이터를 연결하고 맥락을 만드는 것" 이 본업이었습니다. ​ 2003년 팔란티어 창업 당시 미국은 이라크 전쟁 중이었고 CIA와 NSA는 엄청난 양의 첩보 데이터를 갖고 있었습니다. 사진 출처: 구글 9/11 테러 이후 밝혀진 것 중 하나가 "이미 공격을 예측할 정보는 있었는데 연결을 못 했다" 는 거였습니다. FBI가 갖고 있던 단서, CIA가 갖고 있던 단서가 다 있긴 했는데 따로 놀았고 아무도 그걸 한 그림으로 이어 붙이지 못했구요. ​ 분석관 한 명이 하루에 볼 수 있는 보고서는 한계가 있습니다. 그런데 연결해야 할 데이터는 수백만 건입니다. 사람이 볼 수 있는 양이 턱없이 부족한 상황이었죠. ​ 팔란티어가 만든 건 결국 분석관이 하루에 볼 수 있는 것의 양과 질을 극적으로 끌어올리는 인터페이스입니다. 사람이 더 좋은 결론을 낼 수 있도록 맥락을 조립해서 보여주는 도구 말입니다. ​ 그래서 팔란티어의 철학이 처음부터 human-in-the-loop 였음 기계가 판단을 대체하는 게 아니라 판단하는 인간을 더 강하게 만든다는 것 이건 AI 시대가 와도 그대로 적용할 수 있는 철학임. 역설적으로 AI가 없었기 때문에 이 철학이 더 순수하게 구워진 거라고 볼 수 있음 AI가 있었다면 AI한테 맡기면 되잖아? 로 흘렀을 수 있는데 그게 없으니 어떻게 하면 인간의 판단력 자체를 증폭시킬 수 있을지를 20년 동안 파온 것 그래서 AI 에이전트가 많아질수록 팔란티어가 필요 없어지는 게 아니라 팔란티어가 깔려 있어야 에이전트가 제대로 작동하는 구조가 됩니다. 인프라가 탄탄해야 그 위에 건물을 올릴 수 있는 것처럼요. 앤트로픽이 팔란티어의 영역을 직접 노리지 않겠냐구요? ​ 사실 그럴 이유도, 그럴 가능성도 별로 없습니다. 앤트로픽이 만드는 것은 언어 모델입니다. 클로드(Claude)는 텍스트를 이해하고 생성하는 데 특화된 모델입니다. ​ 이 모델이 어떤 질문에 답하거나 문서를 요약하거나 코드를 짜는 건 잘 합니다. 하지만 클로드는 우리 회사의 데이터베이스가 어떻게 생겼는지 모릅니다. 우리 조직의 승인 체계가 어떻게 돌아가는지도 몰라요. 학습 데이터에 없으니까요. ​ 팔란티어가 하는 일은 온톨로지를 만드는 것이니 기술적으로 전혀 다른 문제입니다. 언어 모델을 잘 만드는 능력과 온톨로지를 설계하고 조직 내 데이터를 통합하는 능력은 겹치는 부분이 거의 없습니다. 사진 출처: 팔란티어 실제로 팔란티어의 AIP는 클로드를 포함한 여러 외부 AI 언어 모델을 내부에서 불러다 씁니다. ​ 팔란티어는 직접 언어 모델을 만들 필요도 없습니다. 언어 모델은 팔란티어 플랫폼 위에서 작동하는 부품 중 하나일 뿐이니까요. 두 회사는 경쟁 관계가 아니라 레이어가 다른 관계입니다. ​ 전략적으로도 앤트로픽은 팔란티어의 영역에 들어올 이유가 없습니다. 앤트로픽의 현재 포지션은 범용 AI 모델을 API로 제공하는 겁니다. ​ 이 모델은 수천 개의 기업과 개발자가 가져다 씁니다. 여기서 발생하는 네트워크 효과와 데이터 피드백은 어마어마합니다. 클로드를 쓰는 기업이 많아질수록 더 많은 사용 패턴이 쌓이고 모델이 더 좋아지는 구조입니다. ​ 반면 팔란티어가 하는 일은 정반대의 방식인데, 고객사 한 곳에 수개월간 엔지니어를 파견해서 그 조직만을 위한 데이터 구조를 손으로 설계합니다. ​ 고객이 100개면 100개의 완전히 다른 프로젝트 이 방식은 본질적으로 확장이 느리고 인력 집약적 앤트로픽이 수천 개의 API 고객을 상대하는 방식과는 사업 구조 자체가 다름 ​ 앤트로픽이 팔란티어처럼 하려면 지금의 사업 모델을 버리고 완전히 다른 조직을 만들어야 합니다. 기술도 다르고 영업 방식도 다르고 필요한 인력도 다릅니다. ​ 앞서 앤트로픽이 기술적으로 팔란티어와 다른 레이어에 있다는 걸 살펴봤습니다. ​ 그런데 설령 앤트로픽이 기술적으로 팔란티어가 하는 일을 할 수 있다고 가정하더라도 그렇게 하는 것이 앤트로픽에게 득이 되는지를 따져봐야 합니다. ​ 수익 구조만 봐도 알 수 있는데, 팔란티어식 계약은 고객사 한 곳당 수천만 달러 규모지만 그 계약을 따내기까지 수개월의 영업과 수십 명의 엔지니어 파견이 필요합니다. 앤트로픽이 API로 같은 금액을 버는 데는 수천 개의 소규모 회사 고객이면 충분합니다. 훨씬 적은 인력으로 훨씬 빠르게 확장할 수 있습니다. 굳이 인력 집약적이고 평판 리스크가 높고 진입장벽도 두꺼운 시장에 뛰어들 이유가 없습니다. 팔란티어의 영역은 아무나 탐낼 수 있는 시장이 아니고 탐낼 수 있는 회사조차 탐내지 않는 게 합리적인 시장입니다. 사진 출처: macrotrend 물론 팔란티어에도 리스크는 많습니다. PSR 기준으로 80~100 사이를 왔다갔다하는 얼척없는 수준의 밸류에이션 책정, 정부 예산 의존 리스크도 있겠지만 아까 말씀드린 영업 방식의 리스크도 있습니다. ​ 팔란티어의 영업 방식은 본질적으로 느립니다. 고객사에 엔지니어를 직접 파견해 수개월에 걸쳐 플랫폼을 구축하는 방식은 깊은 록인을 만들지만 동시에 한 번에 늘릴 수 있는 고객 수에 물리적 한계가 있습니다. ​ AIP 부트캠프로 이 속도를 높이고는 있지만 SaaS 기업들이나 앤트로픽처럼 API 버튼 하나로 수천 개의 계정을 만드는 방식과는 근본적으로 다릅니다. ​ 팔란티어가 지금처럼 폭발적인 성장을 유지하려면 이 병목을 계속 해결해나가야겠죠. 사진 출처: macrotrend 그래서 팔란티어 투자 심리를 좌우하는 핵심 요소는 "팔란티어가 폭발적으로 고객사를 늘리기는 어렵다는 시스템적 약점을 안고도 얼마나 더 성장할 수 있을까?" 즉, 매출 성장률입니다. ​ 나머지는 별로 중요하지 않다고 보입니다. 그래도 팔란티어의 미래는 밝다고 봅니다. AI 시대에 대체 불가능한 것의 기준은 AI가 할 수 없는 일을 하는가가 아니고 AI가 제대로 작동하려면 반드시 필요한가? 가 되어야 합니다. 팔란티어는 그 기준을 통과하고 있는 몇 안 되는 기업 중 하나입니다. 읽어주셔서 감사합니다. ^^