수학 교사에서 AI 혁신가로: 포인덱스터 랩스, 20억 원 시드 투자로 '깨진' 학습 데이터 파이프라인 수리 나서

최첨단 AI 모델에게 있어 학습 데이터의 질은 모델의 크기만큼이나 중요합니다. 하지만 현재 대부분의 데이터 인프라는 이미지 태깅, 감정 분석, 텍스트 분류 같은 단순 작업에 맞춰 구축되어 있어, 고도화된 AI가 요구하는 복잡하고 다단계적인 추론을 따라잡지 못하고 있습니다 . 런던에 기반을 둔 AI 데이터 스타트업 **포인덱스터 랩스(Poindexter Labs)**는 이러한 격차를 정면으로 해결하기 위해 약 **200만 파운드(한화 약 20억 원)**의 시드 투자를 유치했습니다.

이번 투자 라운드는 2026년 6월 2일에 발표되었으며, **에피소드 1(Episode 1)**이 주도했습니다. 이본 바젤라(Yvonne Bajela)의 에버트루 캐피털(Evertrue Capital), 옥토퍼스 벤처스(Octopus Ventures)의 퍼스트 체크 펀드, 그리고 자사 플랫폼에서 활동 중인 수학자 및 과학자들을 포함한 엔젤 투자자들도 힘을 보탰습니다 .

투자 유치 전 먼저 증명한 수익성

눈에 띄는 점은, 전직 수학 교사 출신 창업자인 **조슬린 다시(Jocelyn D’Arcy)**가 외부 투자금 한 푼 없이 160만 파운드(약 26억 원)의 매출을 먼저 달성했다는 사실입니다 . 기관 투자 없이도 수십억 원대 수익을 냈다는 것은, 특히 경쟁이 치열한 AI 인프라 시장의 초기 단계에서 매우 이례적인 제품-시장 적합성을 입증한 것으로 평가됩니다.

진짜 고비는 ‘전문가적 사고력’: 왜 지금의 데이터는 부족한가

고도화된 AI 모델은 더 이상 단순히 ‘많은’ 데이터가 아니라 ‘더 나은’ 데이터를 필요로 합니다. 예를 들어, AI가 복잡한 미적분 문제를 풀거나 법적 논증을 구성하고 물리학 증명을 여러 단계로 추론하게 하려면, 단순한 정답이 아니라 진짜 전문가의 사고 과정을 담은 데이터셋이 필요합니다. 기존의 데이터 라벨링 플랫폼은 한 사람이 단순 판단을 내리는 일회성 워크플로우에 맞춰져 있어 이 작업에 전혀 적합하지 않습니다 .

포인덱스터 랩스는 이러한 구식 모델이 AI 공급망의 가장 취약한 고리라고 지적하며, 최첨단 AI를 위한 ‘깨진’ 파이프라인이라고 비판합니다 . 이 회사는 STEM(과학·기술·공학·수학), 법률, 의료, 금융, 공학 등 전문 분야에서 등을 포함한 '고신뢰도 학습 및 평가 데이터셋'을 제작하는 데 집중하고 있습니다 .