AI 최대 약점 '엉터리 학습 데이터' 잡는다… 비트펄스랩스, 180만 달러 투자 유치

텍스트, 이미지, 오디오, 영상을 동시에 이해하는 차세대 멀티모달 AI가 빠르게 발전하고 있지만, 업계는 지금 한계에 부딪혔습니다. 문제는 컴퓨팅 파워나 모델 구조가 아니라 바로 데이터의 질입니다. 대부분의 AI 훈련 데이터셋은 지나치게 포괄적이고 주석(annotation) 품질이 낮아, 신뢰성이 중요한 기업 환경에서 요구하는 전문성을 따라잡지 못하고 있습니다.

런던에 본사를 둔 AI 데이터 인프라 기업 **비트펄스랩스(BeatpulseLabs)**가 바로 이 문제를 정면 돌파하기 위해 180만 달러(약 26억 원) 규모의 프리시드(pre-seed) 투자를 유치했다고 발표했습니다 . 2026년 6월 9일에 공개된 이번 투자 라운드는 **아라야 벤처스(Araya Ventures)**와 **라이트하우스 벤처스(Lighthouse Ventures)**가 공동 주도했으며, 얼럼나이 벤처스(Alumni Ventures)와 아발란차 벤처스(Avalancha Ventures)도 참여했습니다 .

병목 구간, 왜 범용 데이터로는 멀티모달 AI가 실패할까?

품질이 낮고 일률적인 데이터셋은 이미 업계가 인정하는 고질적인 병목 현상입니다. 웹에서 긁어모은 범용 데이터로 훈련된 AI 모델은 정밀성과 도메인 이해도가 요구되는 기업 맞춤형 작업에서 번번이 한계를 드러냅니다. 비트펄스랩스는 이 틈을 파고들어, 해당 분야 전문가의 판단을 고정밀(high-fidelity)의 도메인 특화 훈련 데이터셋으로 전환합니다 .

이 회사는 이 문제를 단순한 라벨링(labeling, 데이터에 이름표를 붙이는 작업) 문제가 아닌 데이터 인프라의 문제로 인식합니다. 따라서 기업과 모델 개발자들이 성능 좋고 신뢰할 수 있는 AI를 만들기 위해 필수적으로 거쳐야 할 기초 데이터 계층(infrastructure layer) 자체를 바꾸겠다는 전략입니다 .

단순 하청이 아닌 통합 솔루션: 준비와 제공

단순히 데이터 라벨링만 제공하는 플랫폼과 달리, 비트펄스랩스는 두 가지 서비스를 하나로 묶어 제공합니다 :

• 데이터셋 준비(Dataset preparation): 실제 도메인 전문가가 원시 데이터(raw data)를 직접 선별하고 의미를 부여합니다. 일반 아웃소싱 인력이 놓치기 쉬운 복잡한 패턴까지 포착한 데이터셋을 만드는 것이 핵심입니다.
• 데이터셋 제공(Dataset provision): 이렇게 완성된 데이터셋을 모델 훈련용으로 완전히 정비된 상태로 전달합니다. 고객사는 별도의 후처리 없이 바로 자사의 AI 훈련 파이프라인에 투입할 수 있습니다.

이러한 엔드투엔드(end-to-end) 모델은 기업이 원시 데이터를 수집하고 실제 모델을 돌리기까지 겪는 마찰을 최소화하는 것을 목표로 합니다.

말보다 숫자, 투자 전 이미 10배 성장

투자 유치에 앞서 스타트업의 잠재력을 보여주는 가장 강력한 증거는 역시 숫자입니다. 비트펄스랩스는 프리시드 투자 발표 이전인 2026년 상반기에 이미 전년 대비 10배의 매출 성장을 기록했다고 밝혔습니다 . 절대적인 매출 규모는 공개되지 않았지만, 이 성장 곡선은 기업들이 고품질의 전문가 검증을 거친 학습 데이터에 목말라하고 있음을 증명합니다.

창업자들은 누구?

비트펄스랩스는 2026년 **제이슨 리프(Jason Rieff)**와 **니콜라이 비타노프(Nikolay Vitanov)**가 공동 창업했으며, 두 사람 모두 공동 CEO를 맡고 있습니다 . 영국에 기반을 둔 연쇄 창업가인 리프는 생성형 AI 분야에서 활동하는 독립 멀티미디어 데이터 제공업체인 비트펄스(Beatpulse)를 공동 창업한 이력이 있습니다 . 비타노프는 제품 및 운영 전문성을 바탕으로 런던 팀에 합류했습니다 .

180만 달러, 어디에 쓰일까

프리시드 라운드를 성공적으로 마무리한 비트펄스랩스는 이번 투자금을 데이터셋 인프라 확장, 지원하는 기업 AI 애플리케이션의 범위 확대, 그리고 핵심 경쟁력인 전문가 주도 데이터 라벨링 및 검증 시스템 고도화에 사용할 계획이라고 밝혔습니다 .

데이터 품질 저하와 합성 데이터 피드백 루프(합성 데이터를 반복 학습시키며 오류가 누적되는 현상)에 대한 우려가 커지는 AI 업계에서, ‘인간의 전문성’을 최고의 해자(비즈니스 방어벽)로 내세우며 10배 성장이라는 증거까지 제시한 스타트업의 등장은 무조건적인 자동화 흐름에 대한 의미 있는 반전을 제시하고 있습니다.