이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
핵심 요약
Variance는 단순한 규칙 기반 시스템을 넘어 LLM의 추론 능력을 결합한 AI 에이전트를 통해 복잡한 비정형 데이터와 규제 준수 절차를 자동화합니다. 이를 통해 Fortune 500 기업과 대형 플랫폼의 보안 및 신원 확인 효율성을 극대화합니다.
배경
전통적인 기업의 리스크 관리와 컴플라이언스 업무는 수많은 인적 분석가가 수동으로 데이터를 검토해야 하는 고비용 저효율 구조였습니다.
대상 독자
AI 스타트업 창업자, 핀테크 보안 전문가, 엔터프라이즈 리스크 관리자, LLM 에이전트 개발자
의미 / 영향
Variance의 성공은 단순한 챗봇을 넘어 실질적인 비즈니스 로직과 규제 준수를 수행하는 '행동하는 AI 에이전트' 시장의 본격적인 개막을 의미합니다. 이는 금융, 보안, 마켓플레이스 산업에서 인적 분석가에 대한 의존도를 획기적으로 낮추고, 대응 속도를 실시간 수준으로 끌어올려 온라인 안전의 새로운 표준을 제시할 것입니다.
챕터별 상세
00:00
2,100만 달러 시리즈 A 투자 및 스텔스 모드 해제
Variance가 3년 동안의 스텔스 모드를 마치고 2,100만 달러 규모의 시리즈 A 투자 유치를 발표했다. 이들은 Fortune 500 기업과 GoFundMe 같은 대형 플랫폼을 대상으로 리스크 및 컴플라이언스 자동화 솔루션을 제공한다. 창업자 Karine Mellata는 그동안 비밀리에 제품을 구축하며 실제 대규모 고객사들의 문제를 해결해왔다. 이번 발표를 통해 본격적인 시장 확장에 나설 계획이다.
00:49
리스크 및 컴플라이언스를 위한 AI 에이전트의 역할
Variance는 콘텐츠 리뷰, 사기 방지, 신원 확인을 자동화하는 목적 특화형 AI 에이전트를 구축했다. 기존 시스템이 단순한 규칙에 의존했다면, 이 에이전트는 복잡한 맥락을 이해하고 판단을 내린다. GoFundMe와 같은 고객사는 모든 모금 캠페인을 대규모로 검토하는 데 이 기술을 활용한다. 이는 기업이 직면한 법적 리스크와 운영 부담을 획기적으로 줄여준다.
01:28
보안 민감성으로 인한 3년간의 비밀 운영
Variance가 3년 동안 사업 내용을 공개하지 않은 이유는 다루는 데이터의 민감성과 사기꾼들과의 기술 전쟁 때문이다. 사기 방지 기술이 공개되면 공격자들이 이를 우회하는 방법을 찾기 때문에 '고양이와 쥐' 게임에서 우위를 점하기 위해 스텔스 모드를 유지했다. 또한 고객사들이 직면한 보안 이슈가 매우 민감하여 마케팅보다는 제품 내실에 집중했다. 이러한 전략은 기술적 완성도를 높이는 데 기여했다.
02:57
GoFundMe의 사기 방지 및 모금 캠페인 검토 사례
GoFundMe는 재난이나 사건 발생 시 급증하는 가짜 모금 캠페인을 가려내기 위해 Variance의 AI 에이전트를 도입했다. AI는 캠페인 개설자의 신원, 과거 활동 내역, 이미지 및 텍스트의 진위 여부를 종합적으로 분석한다. 특히 특정 사건 발생 후 수백 명이 유족을 사칭하여 모금을 시작할 때, 진짜 유족을 정확히 식별해낸다. 이는 과거 인간 분석가가 수동으로 하던 작업을 실시간으로 처리할 수 있게 한다.
05:50
복잡한 신원 확인(KYC/KYB) 자동화 기술
Variance는 단순한 개인 신원 확인을 넘어 복잡한 기업 지배 구조(KYB) 확인 절차를 자동화한다. AI 에이전트는 셀카, 신분증 데이터뿐만 아니라 전 세계 100개 이상의 기업 등록 정보를 조회하여 실소유주 관계를 파악한다. 특히 제재 대상 국가나 자금 세탁 연루 여부를 확인하기 위해 방대한 그래프 데이터를 분석한다. 이 과정에서 파편화된 비정형 데이터를 연결하여 리스크 노드를 찾아낸다.
07:44
AI 에이전트의 3가지 핵심 구성 요소
Variance의 AI 에이전트는 기업의 표준 운영 절차(SOP), 내부 데이터, 외부 웹 데이터라는 세 가지 블록으로 구성된다. 에이전트는 먼저 고객사의 복잡한 규정 문서를 읽고 판단 기준을 수립한다. 그 다음 내부 시스템의 데이터와 외부 웹 스크레이핑 데이터를 결합하여 추론을 수행한다. 이러한 구조는 인간 분석가가 정보를 검색하고 판단하는 과정을 그대로 모사한다.
09:28
비정형 데이터 통합과 UI 스크레이핑의 난제 해결
가장 큰 기술적 도전은 파편화되고 구조화되지 않은 데이터를 통합하는 것이었다. 많은 기업 데이터가 API가 없는 구형 UI 뒤에 숨겨져 있어, Variance는 브라우저를 직접 실행하여 데이터를 수집하는 에이전트를 개발했다. AI 에이전트는 인간처럼 대시보드를 열고 필요한 정보를 긁어와서 분석에 활용한다. 이를 통해 데이터 스키마가 없는 환경에서도 일관된 리스크 판단이 가능해졌다.
12:07
기존 시스템의 한계와 LLM 에이전트의 우위
과거의 사기 탐지 시스템은 단순한 규칙(Rule)이나 특정 패턴만 찾는 분류기(Classifier)에 의존하여 유연성이 부족했다. 하지만 LLM 기반 에이전트는 새로운 사기 수법이 등장해도 규정 문서를 바탕으로 스스로 판단 로직을 수정할 수 있다. 이는 '자가 치유(Self-healing)' 시스템을 가능하게 하여 변화하는 위협에 실시간으로 대응한다. 결과적으로 인간의 개입 없이도 높은 정확도와 일관성을 유지한다.
14:22
국가 주도 사기 조직 및 정보 조작 탐지
Variance는 선거 기간 중 특정 국가가 주도하는 정교한 정보 조작 및 사기 네트워크를 탐지하는 성과를 거두었다. AI 에이전트는 개별 콘텐츠가 아닌 사용자 간의 관계와 행동 패턴을 그래프로 분석하여 조직적인 움직임을 포착했다. 이는 단순한 텍스트 분류기로는 불가능했던 영역으로, AI가 실시간으로 데이터 저장소를 쿼리하고 특징을 추출했기에 가능했다. 탐지된 정보는 법 집행 기관에 전달되어 실제 물리적 피해를 방지하는 데 기여했다.
16:26
소수 정예 팀과 코딩 에이전트를 통한 생산성 극대화
Variance는 단 5명의 소프트웨어 엔지니어로 구성된 소규모 팀이지만, 코딩 에이전트를 적극 활용하여 25명 규모의 성과를 낸다. 모든 엔지니어는 Cursor와 같은 도구를 사용하여 여러 모니터에서 에이전트를 실행하며 개발 속도를 높인다. 심지어 비기술직인 고객 성공 매니저도 에이전트를 통해 직접 기능을 수정하고 배포한다. 이러한 'AI 우선' 개발 문화가 복잡한 엔터프라이즈 솔루션을 빠르게 구축하는 원동력이다.
20:18
애플 사기 방지 팀에서의 창업자 만남과 철학
두 창업자는 애플의 사기 방지 엔지니어링 팀에서 iMessage와 iCloud 보안을 담당하며 처음 만났다. 당시 수동 분석가와 규칙 기반 시스템의 한계를 절감하며, 이를 자동화할 수 있는 시스템에 대한 비전을 공유했다. 이들은 단순히 회사를 세우는 것이 목적이 아니라, 리스크 관리라는 특정 문제를 가장 효율적으로 해결하고자 했다. 이러한 전문성이 고객사들에게 깊은 신뢰를 주는 핵심 요소가 되었다.
24:57
창업자의 사고 위기와 비즈니스의 회복력
창업자 Karine Mellata는 사업이 급성장하던 시기에 심각한 교통사고를 당해 척추와 다리가 골절되는 위기를 겪었다. 병상에 누워 있는 동안 회사의 존립에 대한 불안감이 컸으나, 공동 창업자와 팀의 헌신으로 비즈니스를 지속할 수 있었다. 이 경험은 팀의 결속력을 다지고 창업자 개인의 업무를 시스템화하는 계기가 되었다. 사고 이후 더욱 강력한 의지로 제품 개발과 시장 확장에 집중하고 있다.
실무 Takeaway
- 복잡한 리스크 판단을 자동화하기 위해 AI 에이전트가 기업의 표준 운영 절차(SOP)를 직접 읽고 실행하도록 설계하여 인간의 추론 과정을 모사함
- API가 없는 레거시 시스템의 데이터를 확보하기 위해 브라우저 기반 에이전트를 활용하여 UI에서 직접 데이터를 추출하는 방식을 도입함
- 개별 트랜잭션 분석을 넘어 엔티티 간의 관계 그래프를 구축함으로써 국가 단위의 조직적 사기 네트워크를 탐지함
- 소규모 엔지니어링 팀이 코딩 에이전트를 적극 활용하여 대규모 개발 조직에 필적하는 생산성을 유지함
언급된 리소스
DemoCursor
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 04. 01.수집 2026. 04. 01.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.