20분 만에 배포한 AI Agent가 지금도 돌아가고 있습니다 — 65억 시리즈 B IR 시연 뒷이야기
"이게 진짜로 20분 만에 만든 겁니까?"
지난 12월 초, 알고리즘랩스가 65억 원 규모의 시리즈 B 라운드 투자유치를 완료했습니다. 리드 투자자는 스틱벤처스입니다.
투자 계약서에 도장을 찍기 훨씬 전, 딜이 결정되는 분위기가 느껴지는 순간이 있었습니다. 스틱벤처스 심사역이 IR 발표 중 시연 화면을 보다가 이 질문을 던졌을 때였습니다.
"이게 진짜로 20분 만에 만든 겁니까?"
저는 "네, 맞습니다"라고 답했습니다. 그리고 그 뒤를 이어 이렇게 덧붙였습니다. "저희가 만든 게 아니라, 지금 이 자리에 계신 심사역분께서 직접 만드실 수 있습니다."
그 시연 내용이 오늘 이 글에서 공개하는 이야기입니다.
스틱벤처스에는 179개 포트폴리오사가 있습니다
IR을 준비하면서 저희 팀은 리드 투자자 후보인 스틱벤처스의 업무 맥락을 깊이 이해하려 했습니다. 스틱벤처스는 투자 집행이 완료된 포트폴리오사가 179개에 달하는 국내 주요 벤처캐피털입니다.
179개 기업의 뉴스와 동향을 일 단위로 파악한다는 건 어떤 일일까요?
담당 심사역 한 명이 담당 포트폴리오사를 직접 구글링하고, 네이버 뉴스를 확인하고, 의미 있는 내용을 정리해 보고서를 만드는 작업입니다. 매일, 반복적으로. 분석이 본업인 사람이 수집과 정리에 상당한 시간을 쓰는 구조입니다.
이게 저희가 IR 시연에서 풀어보기로 한 과제였습니다.
기존 방식이 왜 '구조적 문제'인가
이 문제를 IT 부서에 의뢰하거나, SI 업체에 발주하면 어떻게 될까요? 저희가 실제로 시장 견적을 조사한 결과를 공유합니다.
데이터 수집 레이어 (예상 1개월+, 0.5억 원): 완전 커스텀 크롤러 개발. 뉴스/공시 일부 맞춤형 제한.
LLM 분석 레이어 (예상 2개월, 1억+ 원): 사내 AI 서버 구축 또는 클라우드 API 연동, 프롬프트 엔지니어링, 출력 파이프라인.
이메일 발송 레이어 (예상 0.5개월, 0.5억 원): 수신자 관리, 리포트 양식, 스케줄링.
시스템 통합 및 QA (예상 1개월, 0.5억 원): 대시보드 연동, 운영자 매뉴얼, 모니터링 세팅.
합산하면 총 5개월, 2.7억 원 견적입니다. 그리고 이 시스템을 수정하거나 고도화할 때마다 추가 비용이 발생합니다. 유지보수 계약은 별도입니다.
문제는 세 층위에서 동시에 발생합니다.
- 속도의 벽: 비즈니스 요구가 생겼을 때, 5개월 뒤에야 시스템이 나온다
- 비용의 천장: 포트폴리오사가 20개사 늘면, 시스템 수정에 또 비용이 든다
- 유연성의 소멸: 프롬프트 하나 바꾸는 것도 개발사에 요청해야 한다
이건 기술 선택의 문제가 아닙니다. 기존 SI 방식이 갖는 구조적 한계입니다.
IR 당일 시연: AI Canvas로 20분 만에
저희는 IR 당일, 발표 자리에서 실시간으로 워크플로우를 조립했습니다. 사전에 완성된 시스템을 보여주는 게 아니라, 심사역들 앞에서 처음부터 구성하는 방식이었습니다.
우리가 설계한 것은 단순한 뉴스 알림 봇이 아닙니다. 스틱벤처스 포트폴리오사 목록 자동 수집부터, 네이버 뉴스 크롤링, 중복 뉴스 제거, LLM 분석, 이메일 자동 발송까지 — 6개 레이어가 맞물려 돌아가는 완전한 AI Agent입니다.
URLReader — 포트폴리오 목록 수집
스틱벤처스 공식 웹사이트에서 투자 완료 포트폴리오사 목록을 자동 수집합니다. URL 하나만 입력하면 기업명 리스트가 구조화된 데이터로 변환됩니다.
Crawling — 네이버 뉴스 수집
추출된 179개 기업명을 기반으로 네이버 뉴스 API를 통해 최신 뉴스를 기업별로 수집합니다. 날짜 필터링으로 일 단위 업데이트가 가능합니다.
textEmbedding + Clustering — 중복 제거
수집된 뉴스 제목을 텍스트 임베딩으로 벡터화하고 유사도 클러스터링(임계값 0.75)으로 동일 사건을 다룬 중복 기사를 자동 제거합니다. 노이즈 없이 핵심 소식만 남습니다.
Prompt — Gemini 2.5 Flash 분석
필터링된 뉴스를 Gemini 2.5 Flash로 분석합니다. 스타트업 관련 내용만 추려 최근 동향과 보도 날짜를 포함한 투자자 관점 리포트를 자동 생성합니다.
sendEmail — 일 단위 자동 발송
완성된 분석 리포트를 지정된 수신자에게 이메일로 자동 발송합니다. 제목에 날짜가 자동으로 입력되어 일자별 아카이브가 자연스럽게 쌓입니다.
AI Agent Builder 분기 — 멀티 인사이트
동일한 뉴스 데이터를 병렬로 분기하여 'AI Agent Builder 관련 포트폴리오사' 분석 등 투자 테마별 리포트를 동시에 생성합니다.
실제 워크플로우: 지금도 돌아가고 있는 캔버스
아래는 당일 시연 이후, 실제 스틱벤처스 담당 심사역이 운영 중인 AI Canvas 워크플로우 화면입니다.
텍스트 임베딩과 유사도 클러스터링의 조합이 이 워크플로우의 핵심입니다. 동일 사건을 여러 매체가 보도할 경우, 심사역은 10개의 같은 기사 대신 핵심 1개만 받게 됩니다.
이 캔버스는 현재 공개 링크로 접근 가능합니다. 실제로 운영 중인 워크플로우가 어떤 구조인지 직접 확인해보실 수 있습니다.
숫자로 본 차이
| 항목 | 기존 SI 구축 방식 | AI Canvas |
|---|---|---|
| 초기 배포까지 소요 시간 | 5개월 | 약 20분 |
| 초기 구축 비용 | 약 2.7억 원 | 직접 구현 또는 500만 원 내외 컨설팅 |
| 프롬프트 수정 시 | 개발사 요청 필요 | 즉시 자체 수정 |
| 포트폴리오사 추가 시 | 시스템 재개발 | URL 데이터 업데이트만으로 완료 |
| 유지보수 비용 | 별도 계약 | 없음 |
| 운영 주체 | IT/외주 | 업무 담당자 직접 |
(내부 시장 견적 조사 기준, 2025 Q4)
2.7억 원이 500만 원으로 줄었다는 게 이 표의 핵심이 아닙니다. 진짜 핵심은 운영 주체가 바뀐 것입니다. IT 부서나 외주 업체가 아니라, 업무를 가장 잘 아는 담당자가 직접 AI Agent를 만들고 수정하고 운영합니다. 이 전환이 갖는 의미는 비용 절감보다 훨씬 큽니다.
"지금도 이 워크플로우 쓰고 있어요"
시연이 끝난 뒤, 스틱벤처스 담당 심사역은 당일 발표에서 본 워크플로우를 그대로 자신의 계정으로 구성해 실제 업무에 적용했습니다. 계약이 성사된 뒤 제가 연락을 드렸을 때, 돌아온 답이 기억납니다.
"지금도 이 워크플로우 쓰고 있어요. 매일 아침 이메일로 받아보고 있습니다."
이 한 마디가 저에게는 어떤 수치보다 명확한 신호였습니다. 투자자가 자기 업무에 투자한 제품을 직접 사용하고 있다는 것.
저는 AI Canvas를 만들면서 "AX(AI 전환)는 거대한 시스템 구축이 아니라, 업무 현장에서 바로 작동하는 작은 자동화의 집합이어야 한다"는 신념을 갖게 됐습니다. 10년간 ASML, 현대차, SK 등 대기업 AX 프로젝트를 총괄하면서 가장 자주 본 실패 패턴이 "크고 완벽한 시스템"이었거든요. 6개월 걸려 완성된 시스템이 현업에서 쓰이지 않는 광경을 저는 너무 많이 봤습니다.
이번 시리즈 B는 알고리즘랩스에게 재무적 이정표이기도 하지만, 그것보다 "AI Agent를 누구나 직접 만드는 세상이 가능하다"는 것을 투자자 앞에서 증명한 자리였다는 점에서 더 의미 있게 기억될 것 같습니다.
도입 문의 및 데모 신청: algorithmlabs.ai
"Did you really build this in 20 minutes?"
In early December, AlgorithmLabs closed a ₩6.5 billion (approximately $5M USD) Series B round, led by STIC Ventures.
Long before the term sheets were signed, there was a moment I could feel the deal shifting. During our IR presentation, one of the lead analysts at STIC Ventures paused mid-demo and asked:
"Did you really build this in 20 minutes?"
I said yes. Then I added: "Actually, you could build this yourself — right now, in this room."
That demo is what this post is about.
STIC Ventures Has 179 Portfolio Companies
While preparing for the IR, our team spent time deeply understanding the day-to-day work of our lead investor candidate, STIC Ventures. With 179 completed portfolio investments, they're one of Korea's leading venture capital firms.
What does tracking news and developments for 179 companies on a daily basis actually look like?
For a portfolio analyst, it means manually searching Google, checking Naver News, filtering out irrelevant content, and writing a summary — every single day. People whose core work is analysis end up spending a significant portion of their time on collection and formatting.
That was the problem we chose to solve in our live demo.
Why the Traditional Approach Is Structurally Broken
What would happen if this problem were handed to an IT team or a systems integrator? Here's the actual market estimate we researched.
Data collection layer (estimated 1+ month, ₩50M): Custom-built scrapers. Coverage limited to selected news and disclosure sources.
LLM analysis layer (estimated 2 months, ₩100M+): In-house AI server setup or cloud API integration, prompt engineering, output pipeline.
Email delivery layer (estimated 0.5 months, ₩50M): Recipient management, report templates, scheduling.
System integration and QA (estimated 1 month, ₩50M): Dashboard integration, operator manual, monitoring setup.
Total: 5 months, approximately ₩270 million. And every modification or upgrade generates additional cost. Maintenance contracts are separate.
The problem operates on three levels simultaneously:
- Speed ceiling: Business needs arise, but the system won't exist for five months
- Cost rigidity: Add 20 more portfolio companies, and you're back to development fees
- Flexibility loss: Changing a single prompt requires filing a request with the vendor
This isn't a technology selection problem. It's the structural limitation built into the traditional SI approach.
The Live Demo: Building It in 20 Minutes
During the IR, we assembled the workflow in real time, in front of the STIC Ventures team. Not a polished pre-built demo — we started from scratch and built it while they watched.
What we built wasn't a simple news alert bot. From automated portfolio company list collection, to Naver News crawling, to deduplication, to LLM analysis, to automatic email dispatch — a complete AI Agent across 6 layers.
URLReader — Portfolio List Collection
Automatically collects the list of STIC Ventures' portfolio companies from their official website. One URL input converts a company list into structured data.
Crawling — Naver News Collection
Uses the extracted company names to collect recent news through the Naver News API. Date filtering enables daily updates.
textEmbedding + Clustering — Deduplication
News headlines are vectorized using text embeddings, then similarity clustering (threshold 0.75) removes duplicate articles covering the same event. Only the essential signals remain.
Prompt — Gemini 2.5 Flash Analysis
Filtered news is analyzed by Gemini 2.5 Flash. Startup-relevant content is extracted into investor-perspective reports including recent developments and publication dates.
sendEmail — Automated Daily Dispatch
The completed analysis report is automatically emailed to designated recipients. Auto-populated dates in the subject line naturally archive reports by day.
AI Agent Builder Branch — Multi-Insight
The same news data is branched in parallel to simultaneously generate theme-specific reports such as 'portfolio companies in the AI Agent Builder space.'
The Actual Workflow: Still Running Today
Below is the AI Canvas workflow that the STIC Ventures analyst has been running since the day of the demo.
The combination of text embedding and similarity clustering is the core of this workflow. When multiple outlets cover the same event, the analyst receives one essential article — not ten duplicates.
This canvas is accessible via public link. You can inspect the structure of an actively operating workflow directly.
The Numbers
| Item | Traditional SI Approach | AI Canvas |
|---|---|---|
| Time to initial deployment | 5 months | ~20 minutes |
| Initial build cost | ~₩270M | Direct or ~₩5M consulting |
| Modifying a prompt | Vendor request required | Immediate, self-serve |
| Adding portfolio companies | System redevelopment | Update URL data only |
| Maintenance cost | Separate contract | None |
| Who operates it | IT / outsourced vendor | The analyst themselves |
(Based on internal market estimate research, Q4 2025)
The fact that ₩270M became ₩5M isn't the core insight here. The real insight is that the operator changed. Instead of an IT department or an outside vendor, the person who knows the business best — the analyst — builds, modifies, and runs the AI Agent themselves. That shift carries more weight than any cost savings figure.
"I'm Still Using This Workflow Every Day"
After the demo, the STIC Ventures analyst reproduced the workflow in their own account and began using it for real work that same day. After the deal closed, I reached out to follow up. Their response has stuck with me.
"I'm still using this workflow. I get the email report every morning."
That one line was clearer than any metric I could have presented. An investor using the product they invested in — for their own daily work.
Building AI Canvas, I came to believe that AX (AI transformation) shouldn't mean massive system construction projects. It should mean small automations that work directly at the point of work, built by the people who understand that work. Over ten years leading AX projects for companies like ASML, Hyundai, and SK, the failure pattern I encountered most often was "the large, perfect system" — completed after six months of development, then sitting unused by the people it was built for.
This Series B is a financial milestone for AlgorithmLabs. But more than that, it will stay with me as the moment we proved — in front of investors — that a world where anyone can build their own AI Agent is not just possible. It's already here.
Demo requests and enterprise inquiries: algorithmlabs.ai
AI Canvas
업무 영상 하나면, AI가 자동화합니다
470+ 기업이 선택한 GS 인증 1등급 엔터프라이즈 AI 플랫폼. 무료 데모를 통해 귀사에 맞는 자동화 시나리오를 확인하세요.
무료 데모 신청하기