Naïve, 에이전트 인프라로 2,850만 달러 시리즈 A 유치

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

Naïve는 AI 에이전트가 사업 운영에 필요한 리소스를 API로 자동 생성하도록 하는 인프라를 제공하며, 출시 직후 3만 명 이상의 개발자 고객을 확보하고 연간 실행 매출을 빠르게 키웠습니다. 회사는 Nexus Venture Partners 주도의 시리즈 A로 2,850만 달러를 조달했고 투자금은 서버리스 샌드박스, 모델 라우팅, 메모리 레이어, 거버넌스·오케스트레이션 같은 에이전트 최적화 프로젝트에 배분될 예정입니다. 핵심 가치는 단순한 온보딩 자동화를 넘어서 대규모 에이전트 운영 비용을 낮추는 데 있으며, 이 부분이 향후 엔터프라이즈 수요를 좌우할 가능성이 큽니다.

섹션별 상세

이 기사에서는 Naïve가 에이전트 중심의 '사업 운영 인프라'를 API로 묶어 개발자가 AI 에이전트를 통해 법인 설립, 이메일·가상카드·전화번호·데이터베이스·클라우드 리소스 연동 같은 실무적 작업을 자동으로 프로비저닝할 수 있게 했다고 설명합니다. 구현 방식은 개발자에게 제공되는 프롬프트를 Cursor, Claude Code, Codex 같은 도구에 넣으면 해당 도구가 Naïve의 API를 호출해 리소스를 생성하도록 하는 구조입니다. 이 접근은 창업 초기의 수작업 반복을 줄이는 데 초점을 맞추며, KYC/KYB와 결제 등 사람 개입이 필요한 단계는 남겨둡니다.

Naïve의 웹 대시보드와 오른쪽의 타입스크립트 구성 파일을 보여주는 스크린샷. — Screenshot이미지는 좌측에 프로젝트 개요와 온보딩 위젯, 우측에 naive.config.ts 같은 코드 기반 인프라 파일을 동시에 보여주어 제품이 '코드로서의 인프라'와 GUI 온보딩을 병행한다는 설계를 시각적으로 전달합니다. 코드 창에는 프로젝트·인프라·거버넌스·팀 설정을 선언적으로 정의하는 구조가 보이며, 이는 기사에서 말한 '에이전트 인프라를 API로 선언'하는 주장과 일치합니다. 화면 구성은 개발자가 프롬프트로 에이전트를 연결해 자동 프로비저닝을 수행할 수 있음을 시사하며, 거버넌스·권한·예산 설정 UI도 함께 배치된 점이 눈에 띕니다.

근거

Naïve는 출시 몇 달 만에 3만 명 이상의 개발자 고객을 확보했다. — 기사 서두에서 사용자 수와 초기 채택률을 언급하는 단락

기사에는 Naïve의 수요와 사업 성과가 구체적으로 나옵니다; 런칭 몇 달 만에 3만 명 이상의 개발자 고객을 확보했고 지난 6개월간 연간 매출 실행치(annual run-rate)를 10배로 늘려 낮은 두 자릿수 밀리언 달러대에 도달했다고 CEO가 전했습니다. 이러한 성장 근거를 바탕으로 Naïve는 Nexus Venture Partners가 주도한 시리즈 A에서 2,850만 달러를 조달했으며 전체 누적 자금은 약 3,200만 달러에 이르렀습니다. 투자자 명단과 참여자(예: Y Combinator, Zetta, Liquid 2, 개인 엔젤 등)도 기사에 열거되어 있습니다.

근거

Naïve는 지난 6개월 동안 연간 실행 매출을 10배로 키워 낮은 두 자릿수 밀리언 달러 수준에 도달했다. — CEO Sean Dorje의 발언을 인용한 매출 성장 관련 문단
회사 측은 Nexus Venture Partners 주도의 시리즈 A에서 2,850만 달러를 조달했다고 밝혔다. — 기사 중간에 투자 금액과 라운드 리더를 밝힌 부분

Naïve의 고객 사례로는 AI 에이전트로 자동화된 에이전시, 얼굴을 드러내지 않는 TikTok·YouTube 콘텐츠 채널, 심지어 렌터카 사업을 에이전트 중심으로 운영하는 사례가 소개되어 운영 범위의 현실적 가능성을 보여줍니다. 기사에서는 구체적 사례로 AI 생성 동영상 채널(고양이·강아지 영상)을 자동으로 올리는 계정이 Naïve 인프라로 운영된 사실을 들며, 초기 수요는 주로 소규모 비즈니스를 위한 에이전트 판매와 같은 자동화 서비스 제공에서 발생했다고 전합니다. 다만 민감한 승인·결제와 같은 부분은 여전히 사람의 관여가 필요하다고 분명히 짚고 있습니다.

확장성·비용 최적화 측면에서 Naïve는 에이전트 운영의 핵심 비용인 추론 비용을 줄이기 위해 네 가지 인프라 프로젝트를 추진하고 있다고 밝혔습니다: 가볍게 가상화된 샌드박스(서버리스 런타임), 모델 라우터(작업별 최적 모델 선택 및 기존 추론 재사용), 메모리 레이어(비즈니스 문맥 보존), 그리고 거버넌스·오케스트레이션 계층입니다. 특히 서버리스 JavaScript 환경에서 에이전트를 실행해 활동 시에만 비용이 발생하도록 설계하면 대규모 에이전트 배치 비용을 크게 낮출 수 있다고 설명합니다. 회사는 이번 투자금을 연구인력 확충과 이 네 가지 프로젝트 개발에 사용할 계획이라고 전했습니다.

근거

Naïve는 현재 10명의 정직원으로 운영되고 있다고 밝혔다. — 인사 규모와 자금 사용 계획을 설명하는 결말 근처 문단

용어 해설

에이전트 인프라를 코드로 선언(Agent infrastructure as code): — 에이전트를 통해 사업 운영 작업을 자동화하기 위해 인프라(이메일, 결제, 전화번호, 클라우드 등)를 코드화해서 API로 선언·배포하는 방식으로, 사람이 개별 리소스를 수동으로 구성하지 않고 에이전트가 API 호출로 실서비스 상태를 만들도록 설계하는 접근법입니다.
서버리스 에이전트 런타임(Serverless agents): — 각 에이전트에 완전한 VM을 할당하지 않고 가벼운 JavaScript 샌드박스 같은 실행환경에서 필요할 때만 활성화해 과금과 자원 소비를 줄이는 런타임 설계로, 에이전트가 유휴 상태일 때 비용 발생을 최소화하는 것을 목표로 합니다.
모델 라우팅(Model routing): — 에이전트가 수행하는 작업 유형과 비용·지연 특성에 따라 요청을 가장 효율적인 모델로 전달하고, 이미 추론한 중간 결과를 재사용하거나 재생성해 전체 추론 비용과 응답 시간을 최적화하는 미들웨어 계층입니다.
에이전트 메모리 레이어(Agent memory): — 사업 컨텍스트와 이전 추론 상태를 저장하고 필요한 시점에 서핑해서 에이전트가 반복적으로 동일한 문맥을 다시 계산하지 않도록 해 비용과 지연을 낮추는 영구·임시 상태 저장 계층을 말합니다.
거버넌스 및 오케스트레이션(Governance and orchestration): — 에이전트가 수행할 수 있는 권한을 예산·권한·승인 정책으로 제한하고, 민감한 작업 실행 전 인간 승인 단계와 팀별 역할·권한을 관리해 자동화된 운영에서 사고·오용 위험을 통제하는 관리 계층입니다.

기술

Naïve가 연동 대상으로 명시한 외부 서비스들에는 Stripe와 QuickBooks 같은 결제·회계 플랫폼이 포함되어 있습니다. 이들 플랫폼과의 API 연동은 사업 운영 자동화에서 결제 처리·정산·회계 기록을 에이전트가 대신 수행하게 하는 핵심 연결고리입니다. 연동 과정에서는 인증·권한 위임과 결제 보안 정책을 관리하는 거버넌스가 필수입니다.
기사에서 구현 환경으로 지목된 언어·런타임은 경량 JavaScript 샌드박스입니다. 서버리스 방식의 에이전트 실행은 JavaScript 런타임을 통해 빠르게 시작·중단하고 외부 API 호출을 조정하는 구조를 전제로 하며, 이로 인해 기존 VM 기반 작업보다 비용 구조와 배포 방식이 달라집니다. 샌드박스는 또한 에이전트별 권한 격리와 보안 정책 적용에 유리한 기술적 토대가 됩니다.
모델 라우팅과 추론 최적화는 다양한 LLM과의 연동을 전제로 하는 기술입니다. 요청 종류에 따라 비용·지연·정확도 특성이 다른 모델로 트래픽을 분배하고, 이미 계산된 추론 상태를 재사용해 중복 비용을 줄이는 전략이 핵심입니다. 이 접근은 벤더 혼합 사용 환경에서 비용 효율적인 에이전트 운영을 가능하게 합니다.

활용 사례

AI 자동화 에이전시는 Naïve 플랫폼을 이용해 클라이언트 대신 에이전트를 배포·운영하고 반복 업무를 처리하는 비즈니스 모델을 운영하고 있습니다. 기사에 따르면 많은 초기 고객이 에이전트를 다시 판매하는 서비스로 시작했으며, 에이전트를 대량으로 배치해 고객 업무를 자동화하는 구조에서 Naïve의 인프라를 활용하고 있습니다. 비용 관리가 핵심 수익 요소이므로 추론 최적화 기능 수요가 빠르게 증가한다고 전해집니다.
콘텐츠 채널 운영 사례에서는 AI로 생성한 영상을 자동으로 업로드·관리하는 워크플로우를 에이전트가 수행했습니다. 기사에 나온 구체적 사례는 AI 생성 동영상을 정기적으로 올리는 TikTok 채널로, 에이전트가 영상 생성·편집·업로드·메타데이터 관리까지 연속된 작업을 수행했다고 합니다. 이러한 사용은 인적 개입을 최소화하면서 반복적인 콘텐츠 생산을 스케일할 수 있다는 점에서 실용성이 입증되었습니다.
렌터카 사업 같은 물리적 자산 기반 서비스에서도 일부 고객이 에이전트를 중심으로 운영을 실험한 사례가 나왔습니다. 예약·고객 응대·결제 처리 등 여러 반복 업무를 에이전트로 자동화해 운영 효율을 노리는 시나리오이며, 민감한 신원확인(KYC)이나 결제 승인 단계는 사람 개입을 남겨두는 하이브리드 운영이 전제되어 있습니다. 이런 사례는 자동화 범위와 규제·신뢰 요구사항의 균형을 드러냅니다.

언급된 리소스

문서Nexus Venture Partners

문서Y Combinator

문서Zetta

문서Liquid 2

문서Gokul Rajaram

문서Tim Zheng

문서JD Sherman