Executive Summary

주요 수치

넷을 뽑았다. 앞의 셋은 이번 라운드가 산 것이 무엇인지를 보여 주고, 마지막 하나는 그 물건을 살 기업들이 얼마나 준비돼 있는지를 말해 준다.

출처: Mercor, "Series D" · SiliconANGLE · Cisco 2026 Data and Privacy Benchmark Study

Mercor는 11월 10일 시리즈 D로 7억 5천만 달러를 모았다고 밝혔다. 이때 매겨진 기업 가치가 200억 달러다. 2025년 10월 시리즈 C가 3억 5천만 달러에 100억 달러였으니, 1년 남짓 만에 값이 두 배가 됐다. 직전 라운드를 주도했던 펠리시스를 비롯한 기존 투자자들은 이번에도 다시 들어왔고, 라운드를 이끈 곳은 따로 밝히지 않았다. 발표문에는 이번 라운드에 임직원이 가진 주식을 파는 몫이 함께 들어 있다고 적혀 있다. 그 금액은 밝히지 않았다.

눈에 띄는 것은 새로 붙은 이름들이다. 엔비디아와 세일즈포스, 줌이 투자자 명단에 올랐다. 아폴로 계열 펀드와 새파이어벤처스, 스텝스톤그룹, G 스퀘어드, 글레이드브룩캐피털, XTX 벤처스, 펀도모가 함께 참여했고 벤치마크와 제너럴캐털리스트도 명단에 있다. 세일즈포스와 줌은 모델을 만드는 회사가 아니라 기업에 업무용 소프트웨어를 파는 회사다. 자기네 소프트웨어 안에서 에이전트가 일하게 될 회사들이기도 하다.

회사가 내세우는 자산은 사람이다. 발표문에 적힌 네트워크 규모는 전문가 500만 명이 넘는다. 같은 글에서 회사는 미국만 따져도 직종이 800개가 넘고, 그 직종마다 모델이 아직 평가받지 못한 업무가 들어 있다고 썼다. 2023년에 창업해 AI 연구소에 법률·금융·의료 같은 분야의 전문가를 연결하는 일로 출발한 회사다. 공동창업자 브렌던 푸디는 올해 7월, 6월 기준 연 환산 매출이 20억 달러를 넘겼다고 밝혔다.

이번 전환의 부품은 넉 달 전에 들여놨다. Deeptune은 뉴욕에 있던 회사이고 팀 루포가 이끌었다. 이 회사가 만든 것은 지식 노동자가 매일 쓰는 소프트웨어를 그대로 흉내 낸 강화학습 환경이다. 회사가 붙인 이름은 '트레이닝 짐'이다. 모사된 스프레드시트, 세일즈포스 대기열 같은 화면에서 에이전트가 실제 과제를 연습한다. 2년 동안 기업 애플리케이션 수백 개를 그렇게 다시 지었다.

순서를 놓고 보면 우연이 아니다. Deeptune은 2026년 3월 안드리센 호로위츠가 주도한 4,300만 달러 시리즈 A를 받았고, 그 라운드에 푸디가 개인 돈으로 엔젤 투자자로 들어갔다. 넉 달 뒤인 7월 9일 Mercor가 이 회사를 인수했다. 금액은 공개하지 않았다. 엔젤 투자를 할 때 인수를 염두에 뒀느냐는 포천의 물음에 푸디는 사실 여러모로 그게 주된 동기였다고 답했다.

Deeptune이 올해의 첫 인수도 아니다. 그보다 다섯 달 앞선 2026년 2월 6일 Mercor는 Sepal AI를 인수했다. 금액은 밝히지 않았고, 거래를 자문한 로펌 오릭이 두 회사 이름과 날짜를 적은 발표를 냈다. Mercor는 Sepal을 두고 사람이 만든 데이터와 강화학습 환경, 특수 연구 과제가 만나는 자리에서 일해 온 팀이라고 설명했다. 2월과 7월, 한 해에 두 번이다. 둘 다 에이전트가 연습할 환경을 짓던 팀이었다.

두 조각이 합쳐지면 할 수 있는 일이 달라진다. 전문가 네트워크만 있으면 사람이 모델의 답을 채점할 수 있다. 업무 환경만 있으면 에이전트가 연습할 자리가 생긴다. 둘을 포개면 특정 회사의 업무를 흉내 낸 환경에서 에이전트를 돌리고, 그 결과를 그 직종의 사람이 채점하는 일이 한 묶음으로 가능해진다. 이번 라운드가 산 것은 그 묶음을 회사 단위로 파는 사업이다.

발표문에서 회사는 전문적인 일에 두 가지 지식이 필요하다고 적었다. 하나는 그 일이 어떻게 수행되는가이고, 다른 하나는 특정 회사가 자기 시스템과 규정, 품질 기준에 따라 그 일을 어떻게 하는가다. 모델은 둘 다 본래 갖고 있지 않다. 앞의 것은 그 직종의 전문가에게 있고, 뒤의 것은 그 회사 안에만 있다.

공동창업자 아다르시 히레마스가 발표문에 적은 문장이 뒤쪽 지식을 가리킨다. 모델이 공개 벤치마크에서 좋은 점수를 받고도, 특정 사업이 돌아가는 방식을 규정하는 시스템과 정책, 예외 상황에서는 실패할 수 있다는 것이다. 벤치마크를 틀렸다고 말하는 대신, 벤치마크가 묻지 않은 자리를 가리키는 문장이다.

푸디의 문장은 그 진단에서 시장을 꺼낸다. 경제 안의 모든 직무가 자기 AI 에이전트를 갖게 되고, 모든 회사는 자기 업무로 그것을 학습·평가할 방법을 필요로 한다는 것이다. 뒤집어 읽으면 평가 기준이 회사 수만큼 있어야 한다는 선언이고, 200억 달러는 거기에 매겨진 값이다.

공개 벤치마크의 성질은 이름에 이미 있다. 문제지가 공개돼 있다. 모델을 만드는 쪽은 그 문제지를 보고 거기에 맞춰 다듬을 수 있고, 점수가 오르는 동안 실제 업무 능력이 같은 폭으로 올랐는지는 그 점수로 확인되지 않는다. 점수를 의심하자는 말이라기보다, 그 점수가 재는 범위는 문제지 바깥으로 넓어지지 않는다는 뜻이다.

회사 업무는 그 바깥에 있다. 같은 송장 처리라도 어느 금액부터 누구 승인을 받아야 하는지, 예외를 어디까지 현장에서 처리하고 어디서부터 올리는지, 어떤 결과물이 '보낼 만하다'고 여겨지는지는 회사마다 다르다. 이 규칙의 상당 부분은 문서로 적혀 있지도 않다. 오래 일한 사람의 판단으로 남아 있을 뿐이다. 에이전트가 잘하고 있는지 알려면 바로 그 판단과 대조해야 하는데, 공개 벤치마크에는 그 대조표가 없다.

공개 시험의 한계를 말하는 이 회사가 그 시험을 만들어 온 당사자이기도 하다. Mercor는 2025년 10월 1일 APEX를 내놨다. 경제적으로 값이 나가는 지식 노동을 모델이 해낼 수 있는지 묻겠다는 벤치마크로, 투자은행·경영컨설팅·기업법무·1차 진료 네 직종의 현직 전문가 100여 명이 문항과 채점표를 지었다. 채점 기준은 문항당 평균 29개다. 내놓을 당시 회사는 네 직종의 실제 업무를 맡길 만한 수준에 이른 모델은 하나도 없다고 밝혔고, 성적은 지금도 회사 홈페이지 순위표에 공개돼 있다.

그러니 이번 발표는 공개 시험이 쓸모없다는 말이 아니다. 자기가 만든 공개 시험까지 넣고 보아도 거기서는 닿지 않는 칸이 하나 더 있다는 말이다. APEX가 처음 나온 2025년 10월부터 이번 발표까지, 시험지는 이렇게 옮겨 왔다.

▲ 출처: Mercor, "APEX Benchmarks" · Mercor, "Introducing APEX"(2025-10-01) · Mercor, "Series D"

Mercor가 팔겠다고 적은 물건이 그 대조표다. 회사의 실제 업무에 기반한 맞춤 평가를 만들고, 그 평가를 통과하도록 모델을 후학습시키는 인프라를 함께 두겠다는 것이다. 평가를 만드는 쪽과 그 평가를 통과시키는 쪽이 한 회사라는 점은 따로 기억해 둘 만하다. 공개 벤치마크에서 문제지와 수험생이 가까워질 때 생기던 일이, 자리를 옮겨 반복될 수 있는 구조이기 때문이다.

이 회사의 이름은 블로그에서 전에도 지나갔다. 라벨링 업계가 강화학습 환경으로 승부처를 옮긴 이야기에서 한 번, AI 학습데이터 공급이 네 회사에 몰린 이야기에서 또 한 번이다. 두 글이 본 것은 공급망의 모양이었다. 이번 소식이 다른 지점은 고객이 바뀐다는 데 있다. 고객이 연구소 몇 곳에서 개별 회사로 내려오면, 만들어야 할 채점표도 회사 수만큼 늘어난다.

채점표를 만들려면 재료가 필요하다. 실제로 처리된 업무 기록, 반려된 결과물과 반려 사유, 예외를 어떻게 판단했는지가 남은 흔적이다. 회사가 가진 자료 가운데 가장 안쪽에 있는 것들이고, 경쟁사가 알면 곤란한 것들이다. 평가가 정확할수록 그 재료는 더 깊어진다. 유효성과 민감도가 같은 방향으로 움직인다는 점이 이 사업의 구조적 긴장이다.

평가를 맡길 기업들의 준비 상태는 아직 그 긴장을 감당할 만큼은 아니다. 시스코가 12개 시장의 IT·보안 종사자 5,200여 명에게 물어 2026년에 낸 조사에서, AI 관리 위원회가 성숙하고 선제적이라고 답한 조직은 12%였다. 자사나 고객 데이터를 AI 학습에 쓰면서 위험에 노출돼 있다고 인정한 곳은 70%였고, 데이터의 소유권과 책임, 배상을 계약 조항으로 못 박는 곳은 55%에 그쳤다. 열에 넷 이상은 적어 두지 않은 채 맡기고 있다는 뜻이다.

그래서 평가를 외부에 맡기기 전에, 성능 지표보다 먼저 물을 것이 셋 있다.

• • 정답은 누가 쓰는가. 우리 업무의 '맞음'을 판정하는 기준을 우리 사람이 쓰는지, 외부 전문가가 우리 자료를 보고 쓰는지는 다른 일이다. 뒤쪽이면 그 사람의 판단이 우리 품질 기준이 된다.
• • 완성된 채점표는 어디에 남는가. 평가 세트와 거기 붙은 정답은 한 번 만들면 계속 쓰는 자산이다. 보관 위치와 삭제 조건, 계약이 끝난 뒤의 처리까지 적혀 있어야 한다.
• • 재사용 범위는 어디까지인가. 우리 업무로 만든 환경과 채점표가 다른 고객의 모델을 다듬는 데 쓰이는지, 쓰인다면 어느 수준까지 지워지는지는 계약서에서 가려야 할 항목이다.

AI-Ready Data를 다루는 자리에서 보면, 이번 라운드는 평가 데이터가 비용 항목에서 자산 항목으로 옮겨 앉았다는 신호에 가깝다. 자산이 되면 소유권을 적어야 한다. 모델은 갈아탈 수 있지만, 우리 업무의 정답을 적어 둔 채점표는 갈아타기 어렵다.

여기까지 읽어 주셔서 감사하다. 발표문 전문은 Mercor 블로그에서 볼 수 있다. 여러분의 회사에서 에이전트가 일을 잘했는지 판정하는 기준은, 지금 누구의 손에 적혀 있는가?

참고문헌

1차 자료

• 1.Mercor. (2026). "Series D." Mercor Blog, 2026-11-10.
• 2.Mercor. (2025). "Introducing APEX: The AI Productivity Index." Mercor Blog, 2025-10-01. 벤치마크 구성·채점표는 APEX Benchmarks 방법론 참조.
• 3.Orrick. (2026). "Mercor Acquires Sepal AI." 2026-02-06. 거래를 자문한 로펌의 발표(금액 비공개).
• 4.Cisco. (2026). "A Shifting Paradigm: Governance in the Age of AI — Cisco 2026 Data and Privacy Benchmark Study." 12개 시장 5,200여 명 조사(2025년 9월 실시).

보도

• 5.Pulse 2.0. (2026). "Mercor: $750 Million Series D Funding At $20 Billion Valuation To Expand Enterprise AI Training And Evaluation."
• 6.SiliconANGLE. (2026). "Mercor raises $750M at $20B valuation to take AI agent evaluation to enterprises." 2026-11-10.
• 7.SiliconANGLE. (2026). "Mercor buys Deeptune to build training environments for AI agents." 2026-07-09.
• 8.FinSMEs. (2025). "Mercor Raises $350M in Series C; Valued at $10 Billion."