투자 라운드 개요

이번 시리즈A 라운드는 Alstin Capital이 주도하고, Kompas VC가 공동 투자자로 참여했으며, 기존 투자사인 Lakestar와 Smartfin도 후속 투자에 나섰다. 회사의 본사는 벨기에 겐트(Ghent)에 위치해 있다.

약 1100만 유로(당시 환율 기준 1300만 달러) 규모의 이번 투자금은 미국 시장 확장과 플랫폼 제품 개발에 집중 투입될 예정이다.

플랫폼 및 주요 기능

타임폴드는 개발자 친화적인 API 우선(API-first) 차량 경로 최적화 및 교대 근무 스케줄링 플랫폼을 제공한다. 주요 기능은 다음과 같다.

• 픽업 & 배송 경로 API(Pickup & Delivery Routing API) — 적절한 작업을 적절한 운전자와 차량에 자동 할당하여 생산성을 높이고 이동 시간을 단축
• 교대 근무 스케줄링(Shift Scheduling) — 현실 세계의 제약 조건(근무자 기술, 근로 법규, 형평성 등), 수요 변화, 돌발 상황, 인력 복잡성을 처리
• 오픈소스 솔버(Open-source Solver, Apache 2.0 라이선스) — Java 또는 Kotlin으로 맞춤형 최적화 모델 구축 가능; 차량 경로 문제(VRP), 유지보수 스케줄링, 잡 샵 스케줄링, 직원 배치표(Employee Rostering) 등 지원
• Stateless REST over JSON — 기술 중립적이며 프로덕션 스케일에 맞게 설계

Kompas VC는 타임폴드를 "AI 시대의 스케줄링 최적화 플랫폼"이라고 평가하며, 개발자가 복잡한 수학적 최적화에 대한 전문 지식 없이도 엔터프라이즈급 경로 및 스케줄링 기능을 애플리케이션에 내장할 수 있다고 강조한다.

이 기술은 18년간의 오픈소스 개발 역사(OptaPlanner 프로젝트에서 파생, 타임폴드가 2023년 포크)를 기반으로 하며, 모든 제약 조건과 규모를 처리하고 매번 결정론적 정확성을 보장한다.

사업 성과

타임폴드의 연간 반복 매출(ARR)은 2025년에 4배 성장했다. 미션 크리티컬한 스케줄링 워크플로우에 타임폴드 API를 도입한 엔터프라이즈 고객으로는 NEC Software Solutions, CBRE, 루프트한자(Lufthansa), 탈레스(Thales), 오렌지 텔레콤(Orange Telecom), ADP, 스바루(Subaru) 등이 있다. 자체 채용 공고에 따르면, 회사는 약 300만 달러에서 1000만 달러로의 ARR 성장을 목표로 하고 있다.

별도 자료에 따르면 2025년 9월 기준 타임폴드의 매출은 약 330만 달러, 직원 수는 30명으로 추정된다. 이 회사의 오픈소스 솔버는 매일 수백만 건의 방문, 교대 근무, 작업을 직원, 차량 또는 기계에 할당하며 프로덕션 환경에서 운영되고 있다.

CEO 비전: 최적화, 기반 인프라가 되다

**공동 창업자이자 CEO인 마르턴 판덴브루커(Maarten Vandenbroucke)**는 타임폴드의 미션을 명확히 정의했다.

"스케줄이 세상을 움직입니다. 우리 모두는 스케줄에 영향을 받으며, 특히 수많은 현장 근로자들의 하루는 올바른 스케줄에 달려 있습니다."

"소프트웨어가 점점 더 자율적으로 변함에 따라, 최적화는 근본적인 인프라가 됩니다."

판덴브루커는 AI 에이전트가 자율 소프트웨어의 새로운 가능성을 열어주지만, LLM(대규모 언어 모델)이 생성한 스케줄은 본질적으로 확률적이어서 엔터프라이즈 수준의 신뢰성을 갖추기 어렵다고 지적한다. 타임폴드는 이러한 간극을 결정론적(Deterministic)이고 제약 조건을 인식하는 최적화로 채우고 있다.

경쟁력 및 시장 포지셔닝

타임폴드는 API 우선 인프라의 부상, 자율 소프트웨어 에이전트로의 전환, 그리고 엔터프라이즈 운영에서 결정론적 의사 결정의 필요성이라는 여러 트렌드의 교차점에 위치해 있다. 오픈소스 솔버(맞춤형 모델 구축)와 관리형 API(플러그 앤 플레이 스케줄링)를 모두 제공함으로써, 타임폴드는 엔터프라이즈 애플리케이션을 위한 표준 최적화 계층으로 자리매김하는 것을 목표로 한다.

회사의 접근 방식은 LLM 기반 스케줄링 도구와 대비되는데, 판덴브루커는 LLM이 엔터프라이즈 제약 조건을 대규모로 안정적으로 처리할 수 없다고 강조한다.

투자 라운드 개요

이번 시리즈A 라운드는 Alstin Capital이 주도하고, Kompas VC가 공동 투자자로 참여했으며, 기존 투자사인 Lakestar와 Smartfin도 후속 투자에 나섰다. 회사의 본사는 벨기에 겐트(Ghent)에 위치해 있다.

약 1100만 유로(당시 환율 기준 1300만 달러) 규모의 이번 투자금은 미국 시장 확장과 플랫폼 제품 개발에 집중 투입될 예정이다.

플랫폼 및 주요 기능

타임폴드는 개발자 친화적인 API 우선(API-first) 차량 경로 최적화 및 교대 근무 스케줄링 플랫폼을 제공한다. 주요 기능은 다음과 같다.

• 픽업 & 배송 경로 API(Pickup & Delivery Routing API) — 적절한 작업을 적절한 운전자와 차량에 자동 할당하여 생산성을 높이고 이동 시간을 단축
• 교대 근무 스케줄링(Shift Scheduling) — 현실 세계의 제약 조건(근무자 기술, 근로 법규, 형평성 등), 수요 변화, 돌발 상황, 인력 복잡성을 처리
• 오픈소스 솔버(Open-source Solver, Apache 2.0 라이선스) — Java 또는 Kotlin으로 맞춤형 최적화 모델 구축 가능; 차량 경로 문제(VRP), 유지보수 스케줄링, 잡 샵 스케줄링, 직원 배치표(Employee Rostering) 등 지원
• Stateless REST over JSON — 기술 중립적이며 프로덕션 스케일에 맞게 설계

Kompas VC는 타임폴드를 "AI 시대의 스케줄링 최적화 플랫폼"이라고 평가하며, 개발자가 복잡한 수학적 최적화에 대한 전문 지식 없이도 엔터프라이즈급 경로 및 스케줄링 기능을 애플리케이션에 내장할 수 있다고 강조한다.

이 기술은 18년간의 오픈소스 개발 역사(OptaPlanner 프로젝트에서 파생, 타임폴드가 2023년 포크)를 기반으로 하며, 모든 제약 조건과 규모를 처리하고 매번 결정론적 정확성을 보장한다.

사업 성과

타임폴드의 연간 반복 매출(ARR)은 2025년에 4배 성장했다. 미션 크리티컬한 스케줄링 워크플로우에 타임폴드 API를 도입한 엔터프라이즈 고객으로는 NEC Software Solutions, CBRE, 루프트한자(Lufthansa), 탈레스(Thales), 오렌지 텔레콤(Orange Telecom), ADP, 스바루(Subaru) 등이 있다. 자체 채용 공고에 따르면, 회사는 약 300만 달러에서 1000만 달러로의 ARR 성장을 목표로 하고 있다.

별도 자료에 따르면 2025년 9월 기준 타임폴드의 매출은 약 330만 달러, 직원 수는 30명으로 추정된다. 이 회사의 오픈소스 솔버는 매일 수백만 건의 방문, 교대 근무, 작업을 직원, 차량 또는 기계에 할당하며 프로덕션 환경에서 운영되고 있다.

CEO 비전: 최적화, 기반 인프라가 되다

**공동 창업자이자 CEO인 마르턴 판덴브루커(Maarten Vandenbroucke)**는 타임폴드의 미션을 명확히 정의했다.

"스케줄이 세상을 움직입니다. 우리 모두는 스케줄에 영향을 받으며, 특히 수많은 현장 근로자들의 하루는 올바른 스케줄에 달려 있습니다."

"소프트웨어가 점점 더 자율적으로 변함에 따라, 최적화는 근본적인 인프라가 됩니다."

판덴브루커는 AI 에이전트가 자율 소프트웨어의 새로운 가능성을 열어주지만, LLM(대규모 언어 모델)이 생성한 스케줄은 본질적으로 확률적이어서 엔터프라이즈 수준의 신뢰성을 갖추기 어렵다고 지적한다. 타임폴드는 이러한 간극을 결정론적(Deterministic)이고 제약 조건을 인식하는 최적화로 채우고 있다.

경쟁력 및 시장 포지셔닝

타임폴드는 API 우선 인프라의 부상, 자율 소프트웨어 에이전트로의 전환, 그리고 엔터프라이즈 운영에서 결정론적 의사 결정의 필요성이라는 여러 트렌드의 교차점에 위치해 있다. 오픈소스 솔버(맞춤형 모델 구축)와 관리형 API(플러그 앤 플레이 스케줄링)를 모두 제공함으로써, 타임폴드는 엔터프라이즈 애플리케이션을 위한 표준 최적화 계층으로 자리매김하는 것을 목표로 한다.

회사의 접근 방식은 LLM 기반 스케줄링 도구와 대비되는데, 판덴브루커는 LLM이 엔터프라이즈 제약 조건을 대규모로 안정적으로 처리할 수 없다고 강조한다.