REINDEERS가 처음 시작된 건 태국에서 한국 산업 자재를 수입하는 B2B 무역이었다. 그때는 아무도 이걸 "데이터 회사"라고 부르지 않았다. 바이어와 공급사를 연결하고, 견적을 주고받고, 물류를 관리하는 무역 중개 플랫폼이었다.
11년이 지났다. 25,000건 이상의 거래, 4,300개 이상의 파트너사, 태국-한국-중국-말레이시아 4개국에 걸친 무역 데이터가 플랫폼 안에 쌓였다. 그리고 어느 시점부터 이 데이터 자체가 플랫폼의 가치를 결정하는 핵심 자산이 되기 시작했다. 기능은 복제할 수 있다. 그러나 11년간 축적된 동남아 산업 무역 데이터는 복제할 수 없다.
최근 1년 동안 이 데이터의 용도가 한 단계 더 바뀌었다. 이전까지 데이터는 '더 좋은 추천'을 만드는 연료였다. 지금 이 데이터는 'AI Agent가 사람 대신 업무를 실행할 수 있게 하는' 연료다. REINDEERS와 POP, DVRP는 지금 AI로 전환되는 구조 위에 올라서 있다. 사람은 전략과 방향을 결정하고, 실제 업무는 조직도 안에 등록된 AI Agent가 실행한다. 이 전환은 데이터가 없으면 시작조차 할 수 없다. 그래서 데이터 플라이휠의 의미가 단순히 "추천 정확도"에서 "AI Agent의 판단 근거"로 넘어간다.
우리가 실제로 보유한 데이터
"데이터가 경쟁력"이라는 말은 너무 많이 들어서 의미가 희석됐다. 구체적으로 어떤 데이터가 어떻게 쌓여 있는지를 먼저 이야기해야 한다.
첫 번째는 거래 데이터다. 25,000건 이상의 B2B 거래에서 나온 원시 데이터가 있다. 누가 무엇을 얼마에, 어디서 어디로, 언제, 어떤 조건으로 거래했는가. 거래 하나에 포함되는 정보의 양이 상당하다. 품목 설명, HS 코드, 단가, 수량, 인코텀즈, 결제 조건, 납기, 그리고 실제 거래가 완료되기까지의 모든 상태 변화. 견적 요청부터 최종 대금 정산까지 하나의 거래가 거치는 단계가 평균 12단계다.
두 번째는 가격 데이터다. 같은 품목이라도 공급사마다, 시기마다, 수량마다 단가가 다르다. 11년간 축적된 가격 변동 이력은 특정 품목의 시장 가격 트렌드를 파악하는 데 직접적으로 사용된다. 예를 들어 "중국산 SUS304 스테인리스 파이프의 태국 CIF 가격이 지난 3년간 어떻게 변해왔는가"에 대한 답을 우리 데이터만으로 낼 수 있다. 공개 시장 데이터에는 이런 세분화된 B2B 가격 정보가 없다.
세 번째는 물류 데이터다. 30개 이상의 포워더와 함께 축적한 운송 데이터가 있다. 어떤 루트가 빠른지, 어떤 항구에서 병목이 생기는지, 어떤 포워더가 특정 루트에서 가격 경쟁력이 있는지. 해상 스케줄 크롤러(HMM, KMTC, SM Line)를 직접 운영하면서 쌓은 스케줄 데이터도 있다. 이론적인 스케줄이 아니라, 실제 선적과 도착 시점을 기록한 데이터이기 때문에 "이 루트의 실제 운송 시간이 평균 며칠인가"에 답할 수 있다.
네 번째는 문서 데이터다. Document AI를 통해 처리되는 무역 문서들 -- 인보이스, 패킹리스트, B/L, 원산지증명서, 견적서 등. 각 문서의 구조, 필드, 값의 분포가 업종별, 국가별로 축적되어 있다. 이 데이터가 Document AI의 문서 자동 생성 정확도를 올리는 학습 데이터가 된다.
다섯 번째는 생산 데이터다. POP(Production Operation Platform)를 통해 들어오기 시작한 제조 현장 데이터가 있다. 아직 초기 단계이지만, 이것이 거래 데이터와 결합되면 새로운 가치가 생긴다. 특정 공급사의 생산 용량, 납기 준수율, 품질 이력을 거래 데이터와 매칭할 수 있게 되기 때문이다.
복제할 수 없는 것과 복제할 수 있는 것
스타트업이 방어적 경쟁 우위(moat)를 이야기할 때, 가장 중요한 질문은 "경쟁자가 이것을 복제하는 데 얼마나 걸리는가"이다.
기능은 복제할 수 있다. REINDEERS가 제공하는 견적 관리, 주문 처리, 문서 생성, 물류 추적 기능 하나하나는 기술적으로 특별할 것이 없다. 능력 있는 개발팀이라면 6~12개월이면 유사한 기능을 만들 수 있다.
네트워크도 이론적으로는 복제할 수 있다. 바이어를 모으고, 공급사를 모으고, 포워더를 연결하는 것. 하지만 여기에 시간이 걸린다. 2,500개 이상의 바이어, 1,800개 이상의 공급사, 30개 이상의 포워더로 구성된 네트워크를 구축하는 데 REINDEERS는 11년이 걸렸다. 동남아 B2B 무역은 신뢰 기반 시장이다. 신규 플랫폼이 "우리도 중국 공급사를 연결해 드립니다"라고 말하는 것과, 11년간 실제 거래를 성사시킨 실적이 있는 플랫폼에서 같은 말을 하는 것은 무게가 다르다.
그러나 진짜 복제 불가능한 것은 데이터다. 25,000건의 거래에서 나온 가격 패턴, 공급사 신뢰도 이력, 물류 루트 효율성, 문서 패턴. 이 데이터는 시간을 투입한다고 되는 것이 아니라, 실제 거래가 발생해야만 쌓인다. 경쟁자가 내일 동일한 플랫폼을 런칭하더라도, 이 데이터를 처음부터 모으려면 수년이 걸린다. 그리고 그 수년 동안 REINDEERS의 데이터는 더 쌓인다.
플라이휠이 돌아가는 구조
플라이휠(flywheel)이라는 비유는 짐 콜린스(Jim Collins)에서 왔지만, REINDEERS의 경우 비유가 아니라 실제로 관찰되는 역학이다.
가장 기본적인 루프부터 보자. 새로운 고객이 들어온다. 거래가 발생한다. 거래 데이터가 쌓인다. 이 데이터로 AI가 더 정확한 추천을 한다 -- 가격 추천, HS 코드 추천, 문서 자동 생성, 최적 물류 루트 제안. 더 나은 추천은 사용자 경험을 향상시킨다. 더 나은 경험은 기존 고객의 재사용률을 높이고, 입소문을 통해 새로운 고객을 데려온다. 그 새로운 고객이 또 거래를 만들고, 데이터가 더 쌓인다.
그리고 최근에 이 루프에 한 층이 더 생겼다. 사용자가 거래를 진행할 때 이제는 '추천'만 받는 것이 아니라 '실행'도 위임한다. 견적 비교, 발주서 생성, 포워더 배차 요청, 통관 서류 준비 같은 반복 업무를 AI Agent가 직접 실행하고 결과만 사람에게 보고한다. 그리고 AI Agent가 내리는 각 결정 — 어떤 공급사를 선택했고, 왜 그 가격을 수용했고, 어떤 루트를 제안했는가 — 는 다시 데이터로 기록된다. 이 "Agent 행동 로그"가 다음 세대 Agent의 학습 데이터가 된다. 사람의 행동이 데이터였던 단계에서, 사람의 전략 + Agent의 실행이 함께 데이터가 되는 단계로 넘어가고 있다.
이 기본 루프 위에 두 가지 증폭 메커니즘이 있다.
증폭 1: 무료 AI 도구를 통한 데이터 흡입
REINDEERS는 Document AI와 Workflow AI를 무료로 제공한다. 이것은 자선 사업이 아니다. 전략적 결정이다.
무역 회사에서 문서 작성은 매일 하는 일이다. 견적서, 인보이스, 패킹리스트, 선하증권. 이 문서들을 AI가 자동으로 생성해주는 도구를 무료로 제공하면, 고객은 자연스럽게 자신의 문서 데이터를 플랫폼에 가져온다. 그 데이터는 Document AI의 학습 데이터가 된다. AI가 더 정확해진다. 더 많은 사람이 사용한다.
Workflow AI도 마찬가지다. 승인 프로세스, 알림, 자동화 규칙을 무료로 사용하게 하면, 회사의 업무 프로세스 데이터가 플랫폼 안으로 들어온다. 이 데이터는 업종별 최적 워크플로우 패턴을 학습하는 데 사용된다.
무료 도구는 데이터를 흡입하는 입구이고, 흡입된 데이터는 모든 AI 서비스의 품질을 올리는 연료다. 이것이 Document AI를 유료로 만들지 않는 이유다. Document AI에서 직접 수익을 내는 것보다, 데이터를 통해 전체 플랫폼의 가치를 올리는 것이 더 크다.
증폭 2: 크로스 플랫폼 데이터 결합
REINDEERS 생태계의 진짜 힘은 5개 플랫폼의 데이터가 결합될 때 나온다.
거래 데이터만으로는 "이 공급사의 가격이 적절한가"에 답할 수 있다. 그런데 거래 데이터에 물류 데이터를 결합하면 "이 공급사에서 사면 총 비용(제품가 + 물류비 + 관세)이 얼마인가"에 답할 수 있다. 여기에 생산 데이터(POP)를 결합하면 "이 공급사가 납기를 지킬 수 있는가"까지 예측할 수 있다. 문서 데이터를 결합하면 "이 거래의 통관에 필요한 서류가 모두 준비되었는가"를 자동으로 확인할 수 있다.
개별 플랫폼의 데이터는 그 자체로 유용하다. 하지만 결합했을 때의 가치는 단순 합산이 아니라 곱셈이다. "가격은 좋은데 납기가 불안정한 공급사"와 "가격은 약간 높지만 납기가 정확한 공급사" 중에서 선택하려면, 가격 데이터와 생산/물류 데이터가 동시에 필요하다. REINDEERS만이 이 데이터를 한 곳에 갖고 있다.
데이터 없는 플랫폼과 데이터 있는 플랫폼의 차이
같은 기능이라도 데이터가 있고 없고의 차이를 구체적으로 보면, 왜 축적된 데이터가 중요한지 체감할 수 있다.
데이터 없는 플랫폼에서 바이어가 "중국산 SUS304 파이프를 태국으로 수입하고 싶다"고 검색하면, 등록된 공급사 목록이 나온다. 카탈로그 가격이 있고, 제품 스펙이 있다. 바이어는 여러 공급사에 문의하고, 견적을 비교하고, 직접 판단해야 한다.
데이터 있는 플랫폼에서는 같은 검색이 전혀 다른 결과를 만든다. "지난 2년간 SUS304 파이프를 태국으로 수입한 거래가 47건 있고, 평균 CIF 가격은 톤당 2,850달러이며, 최근 3개월 추세는 소폭 상승(+3.2%)이다. 가장 많이 거래된 공급사 3곳의 납기 준수율은 각각 97%, 91%, 88%이고, 품질 클레임 비율은 0.5%, 2.1%, 3.8%다. 해상 운송 시 심천-방콕 루트 평균 소요 시간은 11일이고, 포워더 A가 이 루트에서 가성비가 가장 좋다." 이 정보는 AI가 만들어낸 것이 아니라, 실제 거래 데이터에서 직접 산출된 수치다.
두 경험의 차이는 바이어의 의사결정 속도와 정확도에 직접적으로 영향을 미친다. 데이터 없는 플랫폼에서는 바이어가 불확실성 속에서 결정을 내려야 한다. 데이터 있는 플랫폼에서는 과거의 집단 경험이 불확실성을 줄여준다.
구체적인 데이터 활용 사례
좀 더 구체적으로, 데이터가 실제로 어떤 기능을 가능하게 하는지, 지금 동작하고 있거나 곧 동작할 사례를 이야기하겠다.
가격 이상 감지
바이어가 공급사로부터 견적을 받으면, 시스템이 자동으로 과거 거래 데이터와 비교한다. 같은 품목, 같은 공급사의 최근 6개월 가격 추이를 기준으로, 현재 견적 가격이 통계적으로 이상한지 판단한다.
예를 들어 SUS304 플랜지의 평균 가격이 개당 3,200원인데, 이번 견적에서 4,500원이 찍혔다면 경고를 띄운다. 단순 비교가 아니라, 원자재 가격 변동(우리가 4개국 환율과 원자재 시세를 매일 크롤링하고 있다), 수량 차이에 따른 단가 변동, 계절 패턴까지 고려한다. 이 기능은 데이터가 충분해야만 의미가 있다. 데이터 포인트가 10개일 때와 1,000개일 때의 이상 감지 정확도는 완전히 다르다.
공급사 신뢰도 스코어링
REINDEERS 플랫폼에서 거래한 공급사는 자동으로 신뢰도 스코어가 부여된다. 이 스코어는 여러 차원의 데이터를 종합한 것이다. 납기 준수율(거래 데이터), 품질 클레임 비율(거래 데이터), 가격 안정성(가격 데이터), 문서 정확도(Document AI 데이터), 인증 보유 현황(인증 데이터).
새로운 바이어가 공급사를 찾을 때, 이 스코어를 참고할 수 있다. "중국에서 SUS304 파이프를 공급하는 업체 중 납기 준수율 95% 이상인 곳"을 검색할 수 있다. 이런 정보는 아무리 많은 웹 검색을 해도 나오지 않는다. 실제 거래 이력에서만 나오는 정보다.
최적 물류 루트 추천
30개 이상의 포워더 데이터를 가지고 있기 때문에, 특정 출발지-도착지 조합에서 어떤 포워더가 비용 효율적인지, 어떤 루트가 시간 효율적인지를 데이터 기반으로 추천할 수 있다. 중국 심천에서 태국 방콕까지 해상 운송의 경우, 포워더 A는 평균 12일이 걸리지만 비용이 낮고, 포워더 B는 평균 8일이지만 비용이 20% 더 높다. 바이어의 상황(긴급도, 예산)에 따라 최적 옵션을 제시한다.
이 추천의 정확도는 축적된 운송 건수에 비례한다. 특정 루트에서 운송 건수가 100건을 넘으면, 해당 루트의 평균 소요 시간, 지연 확률, 비용 범위를 상당히 높은 신뢰도로 예측할 수 있다.
공급망 최적화의 가능성
가격, 공급사, 물류 데이터를 개별적으로 활용하는 것도 유용하지만, 진짜 가능성은 이 데이터들이 결합될 때 열린다. 현재 우리가 준비하고 있는 공급망 최적화 시나리오를 하나 공유하겠다.
태국의 바이어가 공장에서 사용할 베어링을 구매한다고 하자. 중국 공급사 A는 단가가 개당 12달러, 한국 공급사 B는 개당 14달러다. 단가만 보면 중국산이 2달러 저렴하다.
그런데 데이터를 결합하면 다른 그림이 나온다. 중국산 베어링의 해상 운송비는 컨테이너 기준으로 한국산보다 15% 저렴하지만, 중국 공급사 A의 과거 3년간 납기 준수율이 82%다. 평균 5일 지연이 발생하고, 지연 발생 시 바이어의 생산 라인이 멈추면서 발생하는 기회 비용이 건당 약 200만 원이다. 한국 공급사 B의 납기 준수율은 96%이고, 품질 클레임 비율도 0.3%로 중국 A(1.8%)보다 낮다.
총소유비용(TCO)을 계산하면, 단가는 높지만 한국산이 더 유리한 경우가 있다. 이런 분석은 가격 데이터, 물류 데이터, 공급사 이력 데이터가 모두 한 곳에 있어야만 가능하다. 각 데이터가 별도의 시스템에 흩어져 있으면, 이 수준의 분석을 자동화할 수 없다.
POP(생산 플랫폼) 데이터가 추가되면 한 단계 더 깊어진다. 바이어의 생산 일정에 따라 "9월에는 생산량이 늘어나기 때문에 베어링 발주를 7월에 미리 해야 한다"는 예측이 가능해진다. 그리고 7월의 해상 운송은 성수기 전이라 비용이 상대적으로 낮다는 물류 데이터와 결합하면, 최적의 발주 시점까지 추천할 수 있다.
이것이 "데이터 결합의 곱셈 효과"다. 거래 데이터 단독으로는 가격 비교만 가능하고, 물류 데이터 단독으로는 경로 추천만 가능하지만, 이것을 합치면 의사결정 자체의 질이 달라진다.
네트워크 효과: 동남아 B2B의 특수성
데이터 플라이휠과 별개로, 네트워크 자체의 가치도 이야기해야 한다.
동남아 B2B 무역은 서구 시장과 다른 특성이 있다. 신뢰 관계가 거래의 전제 조건이다. 한국에서 태국으로 산업 자재를 수출하는 거래에서, 바이어와 공급사가 처음 만나서 바로 거래하는 경우는 거의 없다. 소개, 검증, 소량 시범 거래, 관계 구축의 과정이 필요하다. 이 과정이 수개월에서 1년이 걸린다.
REINDEERS는 이 관계 구축 비용을 줄이는 역할을 한다. 플랫폼에서 이미 거래 이력이 있고, 신뢰도 스코어가 검증된 공급사를 소개받으면, 바이어의 검증 비용이 크게 줄어든다. 공급사 입장에서도, 플랫폼을 통해 이미 결제 이력이 있는 바이어에게 판매하는 것이 리스크가 낮다.
이 네트워크에 참여하는 모든 구성원이 가치를 받는 구조다. 바이어는 검증된 공급사를 쉽게 찾고, 공급사는 안정적인 수요처를 확보하고, 포워더는 물류 물량을 확보한다. 구성원이 많아질수록 각 구성원이 받는 가치가 커진다. 2,500개 바이어 중에서 내 제품에 관심 있는 바이어를 찾는 것은, 250개 바이어 중에서 찾는 것보다 확률이 높다.
그리고 이 네트워크 효과는 데이터 플라이휠과 맞물린다. 네트워크가 커지면 거래가 늘고, 거래가 늘면 데이터가 쌓이고, 데이터가 쌓이면 AI가 좋아지고, AI가 좋아지면 사용자 경험이 올라가서 네트워크가 더 커진다.
규제 복잡성이 만드는 진입 장벽
동남아 B2B 무역 플랫폼을 만들려면 기술만 갖춰서는 안 된다. 4개국의 서로 다른 규제 환경을 이해해야 한다.
태국은 TISI 강제 인증 품목이 있고, FDA가 식품과 화장품을 규제한다. 한국은 KC 인증과 전파법 인증이 있다. 중국은 CCC 강제 인증 제도를 운영하고, 수출입에 대한 허가 체계가 복잡하다. 말레이시아는 SIRIM 인증과 Halal 인증이 특정 품목에 필요하다.
각 국가의 HS 코드 체계가 다르고, FTA 혜택을 받기 위한 원산지 기준이 다르고, 통관 절차가 다르다. 이 차이를 시스템에 반영하려면, 규제 전문 지식과 기술적 구현 능력이 동시에 필요하다. REINDEERS가 11년간 이 4개국에서 실제 거래를 처리하면서 축적한 규제 대응 경험과 데이터는, 새로 진입하는 경쟁자가 쉽게 따라올 수 없는 영역이다.
특히 2026년부터 동남아 전역에서 수입품 규제가 강화되는 추세다. 태국은 저가 수입품에 대한 관세 면제 기준을 낮추고 인증 요건을 확대하고 있다. 이런 환경 변화에 빠르게 대응하려면, 기존의 규제 데이터와 거래 이력이 있어야 한다. 어떤 품목이 새로운 규제에 영향을 받는지, 어떤 고객사에 알려야 하는지를 판단하려면 데이터가 필요하다.
솔직한 현재 위치
여기까지 읽으면 REINDEERS가 이미 확고한 시장 지배력을 가진 것처럼 들릴 수 있다. 솔직해야 한다.
동남아 B2B 무역 시장은 대략 $130B(약 170조 원) 규모로 추산된다. REINDEERS의 현재 처리 규모를 이 시장 대비로 보면 약 0.004%다. 아직 시장의 티끌만큼도 커버하지 못하고 있다. 4,300개 파트너라는 숫자도, 동남아 전체 B2B 무역 참여 기업 수를 생각하면 극히 일부다.
AI의 정확도도 아직 완벽하지 않다. Document AI의 문서 자동 생성 정확도 목표가 90%인데, 일부 문서 유형에서는 이에 미치지 못한다. HS 코드 추천도 자주 거래되는 품목에서는 상위 5개 정확도가 88%지만, 드문 품목에서는 60%대로 떨어진다. 가격 이상 감지도 데이터가 충분한 품목에서만 의미 있게 동작한다.
POP(생산 플랫폼)는 아직 초기 단계다. 생산 데이터와 거래 데이터의 결합이 만들 시너지를 이야기했지만, POP의 사용자 기반이 충분히 쌓이려면 시간이 더 필요하다.
다시 말해, 플라이휠의 구조는 설계되어 있지만, 아직 빠르게 돌아가는 단계에 도달하지는 못했다. 관성이 붙기 전이다. 지금은 하나하나 수동으로 밀어야 하는 단계다.
그런데도 이 구조가 중요한 이유
플라이휠이 아직 천천히 돌아가고 있다면, 지금 이 이야기를 하는 게 시기상조 아닌가? 그렇게 생각하지 않는다.
플라이휠의 가치는 돌아가기 시작한 이후가 아니라, 돌아갈 수 있는 구조가 만들어진 시점에서 결정된다. 데이터가 쌓이는 구조가 없는 플랫폼은, 사용자가 아무리 늘어도 데이터 자산이 축적되지 않는다. REINDEERS는 이미 그 구조를 갖추고 있다.
5개 플랫폼(REINDEERS, DVRP, POP, Document AI, Workflow AI)이 Event+State+Log라는 동일한 데이터 모델을 공유한다. 모든 거래, 배송, 생산, 문서, 워크플로우 이벤트가 하나의 이벤트 로그에 통합된다. 이 로그가 AI 학습의 단일 소스가 된다. 새로운 플랫폼이 추가되면 데이터 수집 범위가 자동으로 확장된다.
그리고 결정적으로, 데이터 축적이 이미 시작되어 있다. 제로 상태에서 "데이터가 쌓이면 좋을 거야"라고 하는 것과, 11년치 데이터 위에서 "이 데이터가 점점 더 강력해지고 있다"고 하는 것은 차원이 다르다.
데이터가 임계점에 도달하면 생기는 일
플라이휠에는 티핑 포인트가 있다. 데이터가 특정 양을 넘으면, 그 이후부터는 질적인 변화가 일어난다.
첫 번째 티핑 포인트는 "추천의 신뢰도가 사람의 판단과 비슷해지는 순간"이다. HS 코드 추천 정확도가 95%를 넘으면, 전문가가 AI 추천을 거의 그대로 승인하게 된다. 분류에 걸리는 시간이 현재 평균 15분에서 2분으로 줄어든다. 이 시점부터 AI가 명확한 비용 절감 효과를 만든다.
두 번째 티핑 포인트는 "예측이 가능해지는 순간"이다. 특정 품목의 가격 데이터가 충분히 쌓이면, 향후 가격 추세를 예측할 수 있다. 물류 데이터가 충분히 쌓이면, 특정 시즌의 운송 지연을 미리 경고할 수 있다. 공급사 데이터가 충분히 쌓이면, 품질 문제가 발생하기 전에 위험 신호를 감지할 수 있다.
세 번째 티핑 포인트는 "플랫폼이 없으면 불편해지는 순간"이다. 바이어가 REINDEERS 없이 공급사를 찾고, 가격을 비교하고, 문서를 작성하고, 물류를 관리하는 게 비효율적이라고 느끼는 순간. 이 지점에 도달하면 전환 비용(switching cost)이 생기고, 고객 이탈률이 급격히 낮아진다.
이 세 가지 티핑 포인트에 아직 완전히 도달하지는 못했다. 하지만 방향은 맞다. 매 거래가 데이터를 추가하고, 매 데이터 포인트가 AI를 개선하고, 매 개선이 사용자 경험을 향상시킨다. 속도의 문제이지, 방향의 문제가 아니다.
데이터는 어디로 가는가 — AI Agent 법인 운영
여기까지는 "데이터가 AI를 더 똑똑하게 만든다"는 이야기다. 그런데 그 데이터가 최종적으로 어디에 쓰이는지까지 이야기해야 이 플라이휠의 의미가 완성된다.
우리가 설계하고 있는 구조에서 REINDEERS·POP·DVRP는 단순한 업무 시스템이 아니라, 조직도 안에 사람과 AI Agent, 로봇이 같이 등록되는 플랫폼이다. 직원을 등록할 때 사람인지, AI Agent인지, 로봇인지 선택할 수 있게 되어 있다. CEO Agent가 전사 KPI를 모니터링하고, 구매·생산·영업·물류·재무·통관 부서의 Agent에게 업무를 배분한다. 부서 Agent는 자기 영역의 반복 업무를 실행하고, 판단이 어려운 예외만 사람에게 올린다.
이 Agent들이 판단을 내리려면 근거가 있어야 한다. 환각(hallucination) 없이 "왜 이 공급사를 선택했는가", "왜 이 가격이 타당한가", "왜 이 루트가 최적인가"를 설명할 수 있어야 한다. 그 근거가 바로 11년간 쌓인 거래·가격·물류·문서·생산 데이터다. 범용 LLM에게 같은 질문을 던지면 그럴듯한 답은 나오지만 근거는 없다. REINDEERS의 Agent는 실제 거래 로그를 근거로 답한다. 데이터 플라이휠의 궁극적인 수혜자는 사람이 아니라 Agent다.
AI Agent 진화 4단계에서 지금 위치
우리는 AI Agent의 역할 확장을 네 단계로 구분하고 있다. 1단계 Tool(사람이 지시, AI가 개별 작업 실행, 자동화 20% 수준), 2단계 Assistant(AI가 제안, 사람이 승인, 50% 수준), 3단계 Agent Team(AI 팀이 자율 실행, 사람은 예외만 승인, 80% 수준), 4단계 Autonomous Operator(AI가 법인을 실질적으로 운영, 사람은 전략만, 95% 수준).
2026년 현재 REINDEERS는 1단계 Tool에서 2단계 Assistant로 넘어가는 구간에 있다. Document AI의 문서 생성, HS 코드 추천, 가격 이상 감지는 이미 동작 중이다. DVRP의 배차 제안도 같은 층위에 있다. 사람이 여전히 최종 승인을 하지만, 그 결정의 90% 이상은 AI 제안을 그대로 따른다. 다음 단계로 넘어가는 조건은 명확하다. 데이터가 더 많아지고, 판단 근거가 더 촘촘해지고, 예외 처리 로직이 안정되는 것. 이 조건은 기술 문제가 아니라 데이터 축적 문제다. 그래서 플라이휠이 중요하다.
무역 플랫폼에서 데이터 회사로
REINDEERS가 "무역 플랫폼"에서 "데이터 회사"로 전환하고 있다는 것은, 수익 모델이 바뀐다는 의미가 아니다. 가치의 원천이 바뀐다는 의미다.
초기에 REINDEERS의 가치는 "바이어와 공급사를 연결해 주는 것"이었다. 지금 REINDEERS의 가치는 "11년간 축적된 데이터를 기반으로, 더 좋은 거래, 더 빠른 통관, 더 정확한 문서, 더 효율적인 물류를 가능하게 하는 것"이다.
이 전환은 아직 진행 중이다. 그리고 솔직히, 이 전환이 성공할지 확실하지 않다. $130B 시장에서 0.004%를 차지하는 플랫폼이 데이터 플라이휠의 관성을 얻기 전에, 더 큰 자본력을 가진 경쟁자가 진입할 수 있다. 동남아 시장의 디지털화 속도가 예상보다 느릴 수도 있다. AI 기술의 발전으로 데이터 없이도 비슷한 수준의 서비스가 가능해질 수도 있다.
그러나 불확실한 환경에서 확실한 것이 하나 있다. 데이터는 시간이 갈수록 가치가 올라가는 자산이라는 것. 그리고 REINDEERS는 지금, 그 자산이 축적되는 구조 위에서 운영되고 있다는 것. 기능은 하루 만에 복제당할 수 있다. 네트워크는 몇 년이면 따라올 수 있다. 하지만 11년간 4개국에서 축적된 B2B 산업 무역 데이터는, 동일한 시간을 투자하지 않는 한 복제할 수 없다.
이것이 REINDEERS가 무역 플랫폼이 아닌 데이터 회사로 스스로를 정의하기 시작한 이유다. 우리가 만든 것은 거래 중개 시스템이 아니라, 동남아 B2B 산업 무역의 데이터 인프라다. 그리고 그 인프라 위에 앞으로 올라갈 것은 더 많은 기능 모듈이 아니라, 조직도 안에 등록되어 사람 대신 업무를 실행하는 AI Agent 팀이다. 아직 작고, 아직 느리지만, 방향은 맞다고 확신한다.