Empirik에 2100만 달러…장애가 난 뒤가 아니라 배포 전에 막는다
Sequoia에서 인큐베이션된 인프라 AI 스타트업 Empirik이 2026년 9월 1일 2100만 달러 시드 투자와 독립 회사 출범을 공개했다. TechCrunch의 출범 보도 는 Empirik이 2023년부터 Sequoia 내부에서 육성됐으며, Avon Puri와 Sudheer Dhurjati가 초기 제품을 만들고 Kartik Chandrayana가 최고경영자를 맡았다고 전했다.
Empirik이 내세운 제품은 장애 발생 후 로그를 요약하는 AI가 아니라 변경의 영향을 실행 전에 판정하는 통제 계층이다. 인프라 변경과 실제 자원 관계를 함께 분석해 위험이 낮으면 진행시키고, 더 큰 변경에는 보호 조건을 적용하며, 위험도가 가장 높으면 사람의 검토로 넘긴다는 구상이다. 제목의 ‘막는다’는 모든 장애를 예측한다는 뜻이 아니라 위험한 변경이 배포되기 전에 보류하거나 제한하는 이 개입 구조를 가리킨다.
2100만 달러 투자와 독립 출범
투자 금액과 참여사 표기는 공개 자료 사이에 차이가 있다. Empirik의 9월 1일 발표 는 조달액을 ‘2100만 달러 이상’이라고 표현하고 Sequoia와 S32가 투자를 주도했으며 Canapi Ventures와 Alumni Ventures가 참여했다고 밝혔다. TechCrunch는 이를 2100만 달러 규모의 시드 투자로 보도했지만 투자사 명단에서는 S32를 언급하지 않았다.
따라서 제목의 2100만 달러는 보도에서 확인되는 라운드 규모이며, 회사가 직접 제시한 표현은 그보다 넓은 ‘2100만 달러 이상’이다. 독립 출범 역시 새로운 아이디어를 처음 공개한 단계라기보다 Sequoia 내부에서 개발한 프로젝트가 별도 회사로 나온 사건에 가깝다.
회사는 Guardant Health와 익명의 포천 50대 소비재 기업, 포천 500대 금융서비스 기업 환경에서 제품이 운영되고 있다고 밝혔다. 다만 고객 확보와 제품의 장애 예방 성능은 서로 다른 사실이다. 고객 이름이나 프로덕션 사용 여부만으로 변경 판정의 정확도와 장애 감소 효과가 입증되지는 않는다.
변경 의도와 실제 파급 범위를 연결한다
Empirik의 출발점은 인프라의 선언된 상태와 실제 운영 관계가 일치하지 않을 수 있다는 문제다. IaC는 의도한 구성을 보여주지만 드리프트와 코드 밖 의존성을 모두 담지 못하고, 런타임 통신 정보만으로는 IAM 역할, 라우팅 테이블, 할당량, 보안 그룹 같은 논리적 관계를 빠뜨릴 수 있다는 것이 회사의 설명이다.
Sequoia의 제품 설명 에 따르면 Empirik은 클라우드, ID 제공자, CI/CD, SaaS 시스템의 메타데이터를 통합 운영 그래프로 변환해 자산과 계정 사이의 관계를 모델링한다. 변경을 단독 문장으로 분류하는 대신 누가 무엇을 바꾸려 하는지와 그 변경이 실제로 건드릴 자원을 연결해 블라스트 반경을 계산하려는 구조다.
권한 정책 변경을 예로 들면 표면적으로는 한 설정의 수정이지만, 해당 권한을 쓰는 배포 작업과 서비스까지 영향이 이어질 수 있다. Empirik은 이런 관계를 변경 실행 전에 찾아 영향받을 자원과 담당자를 식별하고, 위험한 변경은 병합 또는 배포 전에 표시하거나 중단할 수 있다고 설명한다.
다만 공개 자료는 제품의 내부 모델이나 위험 점수 산정식을 상세히 밝히지 않는다. ‘결정론적으로 영향을 계산한다’는 회사의 표현도 실제 결과가 항상 정확하다는 의미로 받아들여서는 안 된다. 운영 그래프가 빠뜨린 자원이나 오래된 관계가 있다면 파급 범위 판정에도 누락이 생길 수 있다.
관측성·AI SRE보다 앞선 시점에 개입한다
관측성 도구는 실행 중인 시스템의 로그, 메트릭, 트레이스에서 이상 징후를 찾고 장애 원인을 좁히는 데 초점을 둔다. AI SRE 도구는 이 데이터를 이용해 조사와 원인 분석, 복구 절차를 자동화하거나 단축한다. Empirik의 차이는 같은 작업을 더 빠르게 처리하는 데 있기보다 분석의 주 신호와 개입 시점을 변경 이후에서 이전으로 옮긴다는 데 있다.
Empirik은 경보가 발생하기를 기다리는 대신 배포, 권한, 구성 같은 변경 이벤트를 먼저 읽는다. 이어 실제 인프라 관계에 변경을 대입하고 실행 가능 여부를 판단한다. 관측성이 ‘현재 무엇이 잘못됐는가’를 다룬다면 Empirik은 ‘이 변경이 무엇을 건드릴 수 있는가’를 먼저 묻는 셈이다.
이 차이가 관측성을 대체한다는 뜻은 아니다. Empirik의 운영 모델을 최신 상태로 유지하려면 실제 환경에서 수집한 정보가 필요하고, 배포 뒤 예상과 다른 상태가 생겼는지 확인하는 역할도 남는다. 배포 전 변경 통제와 배포 후 관측은 시간대와 목적이 다른 보완 관계다.
자동 허용·보호 조건·인간 검토의 경계
공개된 작동 방식은 모든 변경을 AI가 단독 승인하거나 차단하는 전면 자동화와 거리가 있다. 위험이 낮은 변경은 허용하고, 범위가 더 큰 변경에는 보호 조건을 붙이며, 가장 위험한 업데이트는 담당 엔지니어가 검토하도록 표시한다. 자동화의 핵심은 사람을 완전히 없애는 것이 아니라 위험도에 따라 권한을 다르게 배분하는 데 있다.
세 경로의 실질적 차이는 잘못된 판단이 발생했을 때 드러난다. 자동 허용은 속도를 높일 수 있지만 위험 변경을 놓치는 미탐의 비용이 있고, 자동 중단은 사고 가능성을 낮추는 대신 정상 변경을 막는 오탐을 만들 수 있다. 인간 검토는 최종 권한을 운영팀에 남기지만 검토 병목까지 제거하지는 못한다.
회사 자료에는 보호 조건을 누가 정의하는지, 위험 임계값을 고객이 어느 수준까지 조정할 수 있는지, 모델이 확신하지 못할 때 어떤 기본 동작을 택하는지가 구체적으로 공개되지 않았다. 이 정보가 없으면 ‘자율 인프라 엔지니어’라는 제품 명칭만으로 실제 자동 실행 권한의 범위를 판단하기 어렵다.
고객 사례와 성능 수치는 아직 분리해 봐야 한다
현재 공개된 고객 사례는 Empirik이 복잡한 기업 환경과 실제 워크플로에 연결됐다는 근거다. 그러나 변경 영향 예측의 정확도, 위험 변경을 놓친 비율, 정상 변경을 잘못 막은 비율, 제품 도입 전후의 장애 감소 폭은 공개되지 않았다. 고객이 제품을 사용한다는 사실과 제품이 장애를 얼마나 줄였는지는 별도의 검증 대상이다.
성능을 평가하려면 적어도 변경 유형별 판정 결과와 실제 결과를 대조할 수 있어야 한다. 제품이 인식한 의존성의 범위, 판단 근거의 추적 가능성, 운영자가 결정을 뒤집는 절차, 운영 그래프와 실제 상태가 어긋났을 때의 기본 동작도 함께 확인해야 한다. 단일 고객 사례나 전체 승인 건수만으로는 오탐과 미탐의 비용을 비교할 수 없다.
지금까지 확인된 것은 Empirik이 2100만 달러 규모의 자금을 바탕으로 독립 출범했고, 변경의 의도와 파급 범위를 배포 전에 연결하는 제품을 내놨다는 점이다. 제목이 약속하는 사전 차단 구조는 공개 설명으로 확인되지만, 실제 장애 감소율과 판정 정확도까지 입증된 것은 아니다. 이후 이 회사의 경쟁력을 가를 정보는 이기종 인프라에서 측정한 정확도와 오탐률, 고객이 허용한 자동 실행 범위다.
함께 읽기:
뉴스레터 구독
최신 Web3, AI, 암호화폐 뉴스를 이메일로 받아보세요.