스케일 아시아·태평양 파트너로 출발, 한국·일본·동남아 인재 네트워크 RLHF·코딩·수학 데이터 구축
2026 데이터바우처 공급기업 선정,“책임은 분명하게, 권한은 충분하게, 실행은 빠르게”
![]() |
| ▲ 이빗 사무실에서 열린 회의 모습 |
인공지능(AI) 모델이 빠르게 고도화되면서 어떤 데이터로 학습했는지, 그 결과를 누가 검증하는지가 경쟁력의 핵심으로 떠오르고 있다. 서울 강남구에 본사를 둔 AI 데이터 전문기업 이빗(EBIT)은 글로벌 AI 데이터 플랫폼 기업 스케일(Scale)의 아시아·태평양(APAC) 파트너로 사업을 시작해, 한국·일본·동남아 등 아시아 인재 네트워크로 코딩·수학·다국어 데이터를 만들고 검증하는 회사다.
박용한 대표는 미국 보스턴칼리지에서 경영학·경제학을 전공해 2018년 졸업한 뒤 아데나소프트웨어 전략기획실 팀장을 거쳐 2024년 9월부터 이빗을 이끌고 있다. 이빗은 지난 1월 과학기술정보통신부가 주관하고 한국데이터산업진흥원(K-DATA)이 운영하는 ‘2026년 데이터바우처 지원사업’의 공급기업으로 선정됐다. 박 대표에게 이빗이 걸어온 길과 앞으로의 계획을 물었다.
![]() |
| ▲ 박용한 이빗 대표 |
Q. 이빗을 세우게 된 계기와 사명에 담긴 핵심 가치가 있다면.
처음부터 AI 데이터 기업으로서 거창한 비전이나 사명이 있었던 것은 아닙니다. 생성형 AI 시대가 열리면서 시장의 흐름이 자연스럽게 보였고, 결국 데이터가 AI의 성능을 좌우하는 핵심 요소라고 확신하게 됐습니다. 그래서 2024년 글로벌 데이터 라벨링 기업 스케일의 APAC 파트너로 참여해 아시아권을 포함한 다양한 언어 데이터를 구축하는 일에 본격적으로 뛰어든 것이 지금의 이빗이 된 계기입니다.
언어·코딩·수학 등 대형언어모델(LLM) 학습에 필요한 고난도 데이터 구축 프로젝트를 수행하며 글로벌 빅테크 기업이 요구하는 품질 기준과 운영 체계를 직접 경험했습니다. 이 과정에서 AI 산업에서는 ‘데이터의 양’보다 ‘데이터의 품질과 신뢰성’이 더 중요하다는 확신을 갖게 됐습니다. 인간의 전문성과 체계적인 품질 관리 시스템, 확장 가능한 운영 역량을 결합해 AI가 현실 세계에서 안정적으로 작동하는 기반을 만드는 것이 목표입니다.
이빗이 밝힌 이력도 이 설명과 맞닿아 있다. 이빗은 2024년 7월 스케일과 정식 파트너십을 맺은 뒤 작업자 소싱과 교육, 프로젝트 관리 전반을 맡으며 언어·음성·코딩·수학 등 다양한 분야의 데이터를 구축해 왔다. 2025년 상반기에는 스케일과의 협업으로 데이터 가공 프로젝트 2000건 이상을 수행했다고 밝혔고, 그해 8월에는 누적 매출 30억 원을 달성했다고 발표했다.
Q. 핵심 서비스인 ‘AI 트레이너’ 플랫폼이 기존 데이터 라벨링 서비스와 다른 점은.
본질적으로 다르고, 크게 세 가지 차별점이 있습니다. 첫째는 미국 상위 데이터 라벨링 기업과 글로벌 빅테크 기업들과 직접 협업하며 데이터를 공급한 경험입니다. 글로벌 수준의 품질 기준과 운영 체계를 직접 경험하고 내재화했다는 뜻입니다.
둘째는 지속 가능한 플랫폼 구조입니다. 프로젝트가 한꺼번에 몰렸다가 끊기는 단절성은 데이터 라벨링 산업의 고질적인 문제입니다. 이빗은 하나의 플랫폼 안에서 다양한 프로젝트를 이어서 제공해, 숙련된 AI 트레이너가 커리어를 이어갈 수 있는 생태계를 만들었습니다. 셋째는 고객 맞춤형 지원입니다. 프로젝트 기획 단계부터 작업 가이드라인 수립, 품질 관리 프로세스 설계, 검수 체계 운영까지 고객이 원하는 모델 목적에 맞춰 함께합니다.
이빗은 2025년 7월 한국·일본·태국 등 아시아 주요 국가에서 약 2만 명 이상의 AI 트레이너와 데이터 가공 프로젝트를 진행하고 있다고 설명했다.
Q. 글로벌 빅테크 기업들이 이빗을 선택한 결정적 이유는 무엇이라고 보나.
요구사항을 정확히 이해하고 빠르게 반영하는 소통 역량, 글로벌 수준의 품질 기준을 충족하는 검증 체계, 신뢰할 수 있는 정확도 높은 데이터, 이 세 가지를 일관되게 보여드렸기 때문이라고 생각합니다. AI 학습용 데이터는 모델 성능과 곧바로 이어져 요구사항이 매우 구체적이고 자주 바뀝니다.
그래서 프로젝트 초기부터 고객과 긴밀하게 협업하며 작업 가이드라인, 품질 기준, 검수 프로세스를 함께 정했습니다. 프로젝트별 다층 검수 체계와 전문 인력 기반의 작업 구조로 정확한 데이터를 안정적으로 제공했고, 이런 품질 역량을 계속 입증한 끝에 APAC 파트너가 될 수 있었다고 봅니다.
이런 역량은 외부에서도 평가를 받았다. 이빗은 2024년 12월 머니투데이가 주최한 ‘2024 제10회 대한민국 기업대상’에서 ‘AI 트레이너 플랫폼’으로 서비스혁신 분야 대상을 받았다. 시상식에서는 박 대표가 이 상을 받았다.
![]() |
| ▲ 박용한 이빗 대표(오른쪽)가 지난 2024년 12월 ‘2024 제10회 대한민국 기업대상’ 서비스혁신 분야 대상을 받고 있다/사진제공=이빗 |
Q. AI의 ‘환각 현상’ 해결이 화두다. 인간 피드백 기반 강화학습(RLHF) 작업은 모델 고도화에 어떻게 기여하나.
RLHF는 LLM의 성능을 한 단계 끌어올린 핵심 기술입니다. 평가자가 모델의 여러 응답을 비교해 선호도를 평가하고, 이를 바탕으로 보상모델을 학습시킨 뒤 강화학습으로 모델을 세부 조정합니다. 이렇게 해서 환각을 줄이고 인간의 기대에 부합하는 답변을 내놓게 하는 기술입니다.
환각을 줄이고 모델의 신뢰도를 높이는 데이터의 핵심은 인간 피드백과 검증 데이터를 얼마나 정교하게 설계하느냐에 달려 있다고 봅니다. 고도화된 생성형 AI를 만들려면 RLHF뿐 아니라 모델의 기본 행동을 정의하는 지도 미세조정(SFT), 객관적 성능을 검증하는 벤치마크 설계까지 하나로 이어진 데이터 파이프라인이 필요합니다. 이빗은 이 전 과정을 설계하고 운영할 수 있는 구조를 갖췄습니다.
그동안 코딩·수학 등 고난도 영역에서 정답 기반 비교 평가, 논리적 추론 과정 검증, 코드 실행 결과 검증, 수학 풀이의 단계별 정확성 평가 같은 RLHF 데이터를 구축해 왔습니다.
Q. 한국뿐 아니라 일본·동남아 등 아시아 인재를 소싱한다. 국가별 인재를 선발·관리하는 노하우와 사례는.
단순히 여러 나라에서 사람을 모아 운영하는 방식이 아니라, 국가별 문화 차이를 이해하고 체계적인 선발 시스템과 안정적인 보상 구조로 신뢰를 쌓은 운영 역량이 바탕입니다. AI 데이터 구축에서 가장 중요한 자산은 인재이기 때문입니다.
일본은 정확성과 가이드라인 준수에 강점이 있고, 동남아 일부 국가는 영어 기반 작업과 처리 속도에서 경쟁력이 있습니다. 한국은 수학·코딩 같은 논리 기반 작업에서 높은 수행력을 보입니다. 이런 특성을 고려해 프로젝트 성격에 맞게 인재를 구성합니다. 선발은 실제 프로젝트와 비슷한 테스트로 역량을 검증하고, 코딩·수학·고급 추론은 정답뿐 아니라 사고 과정의 논리성까지 평가합니다.
사례로 일본어 기반 고난도 RLHF 프로젝트를 들 수 있습니다. 현지 언어 전문가와 글로벌 프로젝트 매니저(PM)가 함께 협업 구조를 설계했고, 단순 번역 기반 평가에서 벗어나 일본어 특유의 맥락과 경어 체계를 반영한 평가 가이드를 따로 만들었습니다. 덕분에 글로벌 고객사의 품질 기준을 안정적으로 충족할 수 있었습니다.
국가별 인재 운영은 사업 확장 속도에서도 확인된다. 이빗은 2024년 12월 말레이시아·필리핀·인도네시아 프로젝트를 연 데 이어 2025년 2월에는 베트남·태국 프로젝트를 열었다. 회사는 그해 3월 한국·일본 등 여러 나라에서 약 1만 명 이상의 파트너 작업자와 협력하고 있다고 밝혔다. 언어와 문화가 반영된 지역 LLM 개발이 늘면서 각국의 데이터 가공 인력 수요가 커지고 있다는 것이 이빗 측 설명이다.
Q. 참여자가 정당한 보상을 받으면서도 고품질 결과물을 유지하는 비결은.
데이터 품질과 공정한 보상은 선순환 구조라고 생각합니다. AI 데이터 작업은 단순 반복 노동이 아니라 전문성이 필요한 지식 기반 작업입니다. 합리적인 단가와 명확한 평가 기준이 없으면 장기적으로 고품질 결과를 기대하기 어렵습니다.
이빗은 프로젝트 난이도에 맞는 보상 체계를 설계하고, 작업 가이드라인과 평가 기준을 투명하게 공개해 AI 트레이너가 좋은 결과물이 무엇인지 분명히 이해한 상태로 참여하게 합니다. 다층 검수 시스템과 세부 피드백으로 작업자의 역량이 계속 나아지도록 돕기도 합니다. 비결은 전문성을 존중하고, 공정하게 보상하며, 명확한 기준을 제시하는 것, 이 세 가지입니다.
이런 운영은 일자리 창출 성과로도 이어졌다. 이빗은 2025년 12월 강남구가 선정하는 ‘일자리 창출 우수기업’에 이름을 올렸다.
![]() |
| ▲ 이빗이 2025년 12월 강남구 일자리 창출 우수기업 인증서를 받은 자리/사진제공=이빗 |
Q. 데이터바우처 공급기업으로서 수학적 추론·고급 코딩 같은 전문 지식 기반 데이터 시장을 어떻게 전망하나.
앞으로 갈수록 더 고도화될 것으로 봅니다. 불과 1년 전만 해도 1~3년 차 개발자가 참여할 수 있는 코딩 프로젝트가 상당수였지만, 최근에는 최소 5년 차 이상의 숙련 개발자나 특정 분야 경험을 가진 전문가가 필요한 프로젝트가 크게 늘고 있습니다.
복잡한 맥락을 이해하고 구조적으로 사고하는 역량이 요구되기 때문입니다. 수학적 추론 데이터도 단순 계산이나 기본 증명을 넘어 다단계 추론과 논리적 일관성을 요구하는 고난도 작업이 늘고 있습니다. LLM이 단순한 언어 생성 단계를 넘어 ‘사고’ 능력을 강화하는 방향으로 발전하고 있기 때문입니다.
다만 이런 영역이 단기간에 완전히 자동화될 것으로 보지는 않습니다. 코딩만 봐도 대규모 맥락을 이해하거나 실제 프로젝트 단위에서 에이전트가 설계·구현·디버깅까지 안정적으로 해내기에는 아직 한계가 있습니다. 결국 시장은 더 어려워지고 더 세분화되며 더 높은 전문성을 요구하는 쪽으로 갈 가능성이 높습니다. 진입 장벽이 높아진다는 뜻이지만, 체계적인 인재 네트워크와 품질 관리 역량을 갖춘 기업에는 큰 기회가 될 수 있습니다.
데이터바우처 지원사업은 중소기업과 스타트업, 연구기관의 데이터 구매·가공 비용을 지원하는 정부 사업이다. 이빗은 올해 1월 공급기업에 선정되며 수학적 추론과 알고리즘적 사고, 문제 해결형 코드 생성·분석을 포함한 수학·고급 코딩 중심의 AI 학습 데이터를 공급할 방침이라고 밝혔다. 회사는 금융·경영·과학기술 같은 분야로도 데이터 구축 역량을 넓힐 수 있다고 설명했다.
Q. ‘일을 위한 일을 하지 않는다’는 효율 중심 철학이 인상적이다. 팀 빌딩 원칙은.
각 구성원이 분명한 책임과 권한을 갖고 주어진 문제를 스스로 해결하는 조직을 지향합니다. 누구나 정보에 쉽게 접근하는 시대에 중요한 것은 지식을 얼마나 아느냐가 아니라 주어진 환경에서 실제 가치를 만들어낼 수 있느냐입니다.
스타트업에서는 정해진 역할을 수행하는 사람보다 문제를 정의하고 실행 방안을 설계하며 필요한 체계를 직접 만들어 결과까지 내는 사람이 필요합니다. 그래서 사람을 뽑을 때도 직무 설명서의 기능적 역량보다 문제 해결 능력, 실행력, 책임감을 가장 중요하게 봅니다. 적은 인원으로 더 큰 가치를 만드는 데 집중하고, 불필요한 보고 체계나 과도한 절차에는 에너지를 쓰지 않으려 합니다. 핵심은 책임은 분명하게, 권한은 충분하게, 실행은 빠르게입니다.
Q. AI가 스스로 데이터를 생성하는 시대가 와도 인간의 개입(Human-in-the-loop)은 필수라고 보나.
필수라고 생각합니다. AI가 스스로 데이터를 생성할 수 있다는 것은 그 이전에 사람이 그 수준의 데이터를 설계하고 구축했기에 가능한 일입니다. 모델이 학습할 기준과 패턴을 정의한 주체는 여전히 사람입니다. 넓게 보면 세상의 모든 현상과 판단, 가치 기준도 데이터이고, AI가 존재하는 목적이 인간에게 가치를 제공하는 것이라면 인간의 관점이 완전히 빠진 데이터는 존재하기 어렵습니다.
다만 인간의 역할은 형태가 달라질 수 있습니다. 단순 반복 작업은 자동화될 가능성이 높지만, 데이터 구조를 설계하고 맥락을 정의하며 전문성이 필요한 영역에서는 사람의 개입이 계속 필요합니다. 무엇보다 중요한 것은 ‘검증’입니다.
모델이 아무리 많은 데이터를 만들고 스스로 학습해도 결과를 믿을 수 있는지 판단하는 것은 결국 사람입니다. AI 시스템의 성능과 안전성을 확인하고 책임질 수 있는 수준까지 검증하는 과정은 회계 감사에 비유할 수 있습니다. AI가 발전할수록 인간의 역할은 사라지는 것이 아니라 더 전략적이고 책임 중심적인 영역으로 옮겨 갈 것입니다.
Q. 글로벌 시장에서 이빗이 어떤 위치에 서기를 바라나. 최종 비전은.
말 그대로 글로벌 AI 데이터 솔루션 기업이 되는 것이 목표입니다. 단순 데이터 라벨링 수행사가 아니라 AI 모델이 데이터를 학습하고 추론하고 실제 환경에서 안정적으로 작동하기까지 필요한 데이터 인프라 전반을 설계하고 운영하는 기업으로 자리 잡고 싶습니다.
기술이 고도화될수록 모델 성능은 결국 데이터의 품질과 신뢰성이 결정합니다. 언어·코딩·수학 등 전문 지식 기반 데이터부터 RLHF, SFT, 검증·벤치마크 데이터까지 AI 개발 전 과정에서 필요한 데이터 솔루션을 제공하는 독보적인 기업이 되겠습니다. 아시아를 포함한 글로벌 인재 네트워크와 체계적인 품질 관리 역량으로 세계 시장에서 신뢰받는 파트너가 되고자 합니다.
이빗은 “데이터 위에 세워진 자동화의 시대가 신뢰할 수 있는 인간 지능을 기반으로 할 때 비로소 가능하다고 믿는다”는 문장을 비전으로 내걸고 있다.
[저작권자ⓒ 더 스타트. 무단전재-재배포 금지]


































































![[특집②] 앤트로픽, 스페이스X 넘어 109조원 IPO 신화 썼다](/news/data/20261120/p1065574005603400_591_h2.jpg)
![[특집 ①]네 번째 로켓이 바꾼 시장, 스페이스X의 생존 공식](/news/data/20261117/p1065557851718987_155_h2.jpg)

![[포토뉴스] 환경스타업의 폐현수막 우산부터 한복 스카프까지…친환경대전 새활용](/news/data/20261022/p1065565886664819_546_h2.jpg)



