Ruslan Salakhutdinov가 메타를 퇴사한 후 Sooth Labs라는 회사를 설립했다.
Salakhutdinov는 평범한 '전 메타 직원'이 아니다. 그는 메타에서 최고 AI 과학자를 지냈으며, 이전에는 카네기멜론 대학교 교수였고 딥러닝 분야의 거물이다. 공동 창업자 Chuck Hoover와 Yaser Sheikh도 메타의 연구 핵심 인력이었다.
이 회사는 4월 22일 Felicis Ventures가 주도한 라운드에서 3억 3500만 달러의 가치로 5000만 달러의 자금 조달을 완료했다고 발표했다.
주목할 만한 투자자 두 명이 있다. Yann LeCun('딥러닝의 대부', 튜링상 수상자)과 Jeff Dean(Google Brain 창립자, 현 Google 최고 과학자)이다. 메타의 전 CTO인 Andrew Bosworth는 고문을 맡고 있다.
이 세 명의 이름이 동시에 한 회사의 캡 테이블에 오르는 것은 AI 업계에서 흔치 않은 일이다. 그들은 무엇에 베팅하고 있는 것일까?
Sooth Labs가 하는 일
한마디로 말하면, 기업이 특정 지정학적 및 시장 이벤트의 발생 가능성을 예측하도록 돕는 것이다.
이것은 대화형 어시스턴트도, 코딩 도구도, RAG 애플리케이션도 아니다. Sooth Labs가 목표로 하는 것은 '예측 엔진'이다. 즉, AI 기반 확률 평가를 제공하여 기업에 특정 사건이 발생할 가능성을 알려주는 것이다.
구체적인 시나리오는 다음과 같다. 특정 국가의 정책 전환 확률, 특정 시장의 규제 리스크, 공급망 상의 지정학적 충돌 리스크 등이다. 이러한 판단은 이전에는 인간 분석가의 경험과 직관에 의존했지만, 이제는 AI를 사용하여 정량적으로 추정하려는 것이다.
이 방향에는 역사적 배경이 있다.
왜 지금인가
예측 시장은 최근 몇 년간 AI의 도움으로 빠르게 성장해 왔다. Polymarket, Metaculus와 같은 플랫폼은 이미 시장 참여자의 신념을 집계하면 전통적인 예측보다 더 정확한 확률 추정치를 생성할 수 있다는 것을 입증했다.
Sooth Labs는 한 걸음 더 나아가고자 한다. 단순히 인간의 신념을 집계하는 것이 아니라, AI 모델을 방대한 데이터에서 직접 훈련시켜 사건 발생 패턴을 학습시키는 것이다.
이 문제에는 몇 가지 기술적 과제가 있다.
- 지정학적 사건의 표본 수가 적다 (대규모 전쟁은 자주 발생하지 않으며, 역사적 데이터도 제한적이다)
- 유사 사건 간의 비교 가능성이 낮다 (각 위기마다 배경이 다르다)
- 신호와 노이즈를 분리하기 어렵다 (미디어 보도가 실제 확률을 나타내지는 않는다)
성공할 수 있을지는 솔직히 미지수다. 그러나 세 명의 창업자는 메타에서 구조화된 데이터와 인간 피드백 훈련에 관한 광범위한 작업을 수행했으며, 이러한 경험은 예측 모델링에 전이 가능하다.
LeCun과 Jeff Dean의 베팅이 의미하는 바
LeCun은 최근 AMI Labs를 설립하고 '세계 모델'에 집중하고 있다. 이는 AI가 텍스트만 처리하는 것이 아니라 3차원 물리적 세계를 진정으로 이해하도록 하는 것이다.
그가 Sooth Labs에 투자한 것은 AI가 '사건'을 이해하는 능력도 세계 모델의 중요한 구성 요소라고 그가 생각한다는 것을 의미한다. 지정학적 사건은 인간 세계에서 가장 복잡한 패턴 중 하나이며, 이를 정확하게 예측할 수 있다는 것은 모델이 인간 사회의 역학을 깊이 이해하고 있음을 의미한다.
Jeff Dean은 Google 내에서 예측 및 시계열 ML에 관한 광범위한 연구를 주도해 왔다. Sooth Labs에 대한 그의 베팅은 '이 방향이 기술적으로 실현 가능하다'는 일종의 승인으로 볼 수 있다.
두 사람은 서로 다른 연구 관점에서 동일한 결론을 가리키고 있다. AI가 복잡한 사건을 예측하는 길은 추구할 가치가 있다는 것이다.
누가 비용을 지불할 것인가
3억 3500만 달러의 가치와 5000만 달러의 자금 조달은 오늘날의 AI 투자 환경에서 큰 규모는 아니다.
그러나 이 분야의 잠재적 고객은 매우 명확하다. 다국적 기업의 리스크 관리 부서, 헤지펀드, 보험 계리 팀, 정부 기관이다. 이 고객들은 비용을 지불할 의사가 있으며 지불 능력도 있다.
모든 사람을 대상으로 하는 소비자용 AI와 비교할 때, B2B 수직 특화 예측 AI 분야는 경쟁이 훨씬 덜하지만, 천장도 상대적으로 명확하다.
Sooth Labs가 검증해야 할 핵심 명제는 AI가 생성한 확률 추정치가 인간 분석가 팀보다 더 정확하고, 빠르며, 저렴한가이다.
특정 몇몇 분야에서 이를 증명할 수 있다면 비즈니스는 궤도에 오를 수 있다. 그렇지 않다면 5000만 달러는 몇 년간의 시행착오를 위한 충분한 자금이다.
LeCun과 Jeff Dean의 지지는 데이터 조달 및 기관 고객 협상의 문을 여는 데 도움이 될 것이다. 이는 돈 자체보다 더 가치 있을 수 있다.
이 분야가 성공할 수 있을지는 예측 시장 및 정책 싱크탱크와의 시장 경쟁에도 달려 있다. 그러나 최고 수준의 AI 연구자 배경을 가진 사람들이 이 일을 시작한다면, 적어도 출발점은 높다.
출처: CocoLoop, AI Pioneers Back Startup Building Models to Predict Events (Bloomberg, 2026년 4월 22일)