3200만달러 시드 유치한 행텐시스템스, AI 기반 기업 IT 서비스 확대

기업용 인공지능(AI) 서비스 스타트업 행텐시스템스(Hang Ten Systems)가 3200만달러(약 435억원) 규모의 시드 투자를 유치했다. AI 에이전트와 코드 생성 기술로 전통적인 IT 아웃소싱의 인력 중심 구조를 바꾸겠다는 구상이다.

행텐시스템스는 24일 공식 발표문에서 메이필드(Mayfield)가 투자를 주도했으며 아람코벤처스(Aramco Ventures)와 엔젤 투자자들이 참여했다고 밝혔다. 조달한 자금은 인력 확충과 글로벌 기업 대상 사업 확대에 사용할 예정이다.

행텐시스템스는 생성형 AI 기반 코드 생성, 재사용 가능한 기술 라이브러리, 기업용 도메인 전문성을 결합해 기업 소프트웨어를 구축·변경·운영한다고 설명했다. 금융·인사·기업 혁신·신제품 개발 등이 주요 적용 분야다.

비샬 시카(Vishal Sikka) 행텐시스템스 공동창업자 겸 CEO가 회사를 설립했다. 회사는 AI를 활용해 기업별 업무에 맞는 소프트웨어를 지속적으로 개발하는 모델을 제시했다.

기존 IT 서비스는 상용 소프트웨어를 기업 요구에 맞게 설정한 뒤 통합·테스트하는 방식이 일반적이었다. 행텐시스템스는 이 과정을 AI 에이전트가 수행하고, 기업 업무 변화에 맞춰 소프트웨어를 계속 수정하는 방식으로 전환하겠다고 밝혔다.

회사는 자체 에이전트 플랫폼 'Hobie'와 소규모 전문 엔지니어 팀을 활용한다. 결과물에 따라 가격을 정하는 모델도 제시해 프로젝트가 늘어날 때마다 인력을 비례해 늘리는 대신 재사용 가능한 기술의 활용도를 높이겠다는 접근을 취했다.

초기 고객사로는 지멘스 가메사 리뉴어블 에너지(Siemens Gamesa Renewable Energy)와 프레제니우스(Fresenius)가 공개됐다. 비노드 필립(Vinod Philip) 지멘스 가메사 리뉴어블 에너지 CEO는 "행텐시스템스와 여러 전략적 이니셔티브를 함께 진행하게 돼 기쁘다"라고 말했다. 두 기업의 계약 규모와 매출 기여도는 공개되지 않았다.

행텐시스템스의 모델은 IT 서비스 기업의 비용 구조와 수익 구조를 함께 겨냥한다. 프로젝트마다 새 인력을 투입하는 방식에서 벗어나 코드와 기술 자산을 여러 고객 업무에 재사용하면, 서비스 제공 방식 자체가 달라질 수 있다는 설명이다.

나빈 차드하(Navin Chaddha) 메이필드 매니징 파트너는 "전통적인 서비스는 인력에 따라 선형적으로 확장되지만, 행텐시스템스는 프로젝트마다 레버리지가 커지도록 설계됐다"라고 밝혔다. 인력 투입량보다 프로젝트 과정에서 축적되는 소프트웨어와 기술 자산을 중시한다는 의미다.

AI가 기존 IT 서비스 기업에 미칠 영향을 두고는 시각이 엇갈린다. 제프리스(Jefferies)는 AI가 IT 서비스업의 유지보수 중심 매출 구조를 흔들 수 있다고 분석했다. 반면 난단 닐레카니(Nandan Nilekani) 인포시스(Infosys) 공동창업자 겸 회장은 AI가 기존 서비스 기업을 대체하기보다 새로운 수요를 확대할 수 있다고 말했다.

인포시스는 2030년 AI 기반 서비스 시장의 기회를 3000억~4000억달러(약 408조~544조원)로 제시했다. 제프리스는 AI가 서비스 업계에 미칠 영향을 분석했고, 인포시스는 시장 기회를 제시했다.

기업용 AI 소프트웨어의 핵심 과제는 생성된 코드를 기존 시스템에 안전하게 연결하는 일이다. 보안·감사·데이터 거버넌스 요건을 충족하면서 고객 업무에 맞는 결과물을 반복적으로 제공해야 하기 때문이다.

AI 에이전트는 목표를 부여받은 뒤 작업을 계획하고 실행하는 시스템을 뜻한다. 기업용 소프트웨어 영역에서는 코드 작성뿐 아니라 업무 흐름에 맞춘 변경과 운영까지 맡는 방식으로 활용 범위가 넓어지고 있다.

국내에서도 기업용 AI 도입이 확대되면 금융·인사·컴플라이언스처럼 내부 데이터와 기존 시스템의 연동이 중요한 분야에서 같은 과제가 제기될 수 있다. 다만 행텐시스템스의 국내 사업이나 국내 고객 확보 여부는 공개되지 않았다.

행텐시스템스는 이번 투자금을 활용해 인력을 확충하고 글로벌 기업 대상 사업을 확대할 예정이다. 현재 공개된 정보만으로는 고객별 계약 규모와 매출, 수익성을 판단하기 어렵다.