대형 제조업체의 조달 부서는 단가표만 다루는 조직이 아니다. 공급업체와의 협상, 계약 조건, 주문, 송장, 생산에 필요한 원자재까지 수많은 데이터와 시스템을 연결해야 한다. Magentic은 이 복잡한 업무를 대상으로 AI 에이전트를 투입하려는 기업이다.
Magentic은 2026년 9월 17일 1,800만 달러 규모의 시리즈 A 투자 유치를 발표했다. 이번 라운드는 Felicis가 주도했고, 기존 투자자인 Sequoia Capital과 The Westly Group도 참여했다. 회사는 2025년 7월 550만 달러 시드 투자를 받으며 출범했으며, 약 1년 만에 시리즈 A를 마무리했다.
4
14
19
‘대시보드’가 아니라 업무를 수행하는 AI
Magentic은 자사의 AI 디지털 워커를 **‘Mages’**라고 부른다. 이는 단일 챗봇이 아니라 여러 에이전트가 역할을 나눠 작동하는 멀티 에이전트 시스템으로 설명된다. 회사의 핵심 주장은 직원이 이미 쓰는 Microsoft Teams, 이메일, 사내 시스템과 제조업 소프트웨어 안에서 작동한다는 점이다. ERP(전사적 자원관리) 시스템과의 연동도 내세운다.
4
9
12
목표는 분석 결과나 다음 행동을 제안하는 데 그치지 않고, 조달 워크플로를 처음부터 끝까지 진행하는 것이다. 보도에 따르면 이 시스템이 다루도록 설계된 업무는 다음과 같다.
- 자체 생산과 외부 구매 사이의 판단
- 공급업체 발굴·선정
- 계약 협상과 관리
- 주문 관리
- 송장 처리
9
대상 범위에는 간접 조달뿐 아니라, 실제 제품 생산에 투입되는 원자재 및 제조 투입재에 대한 직접 지출도 포함된다. 직접 조달은 생산 일정과 공급 안정성에 바로 영향을 미칠 수 있어 제조업에서 특히 중요한 영역이다.
9
왜 제조업 조달인가
산업 현장의 조달 업무는 구매 기록, 계약서, 송장, 기술 문서, 공급업체와의 이메일 등 정형·비정형 정보에 흩어져 있다. Magentic의 접근법은 사람이 매번 정보를 모아 판단하는 대신, 에이전트가 여러 시스템을 가로질러 맥락을 결합하고 업무를 조율하게 하겠다는 것이다.
공동창업자이자 CEO인 로빈 반 에이컨(Robin Van Aeken)은 AI 수요에 따른 인프라 투자, 무역 혼란, 지정학적 문제를 산업 환경의 배경으로 제시했다. 그의 주장은 기업이 의사결정 전반에 더 나은 지능을 심으면 경쟁 우위가 시간이 갈수록 누적될 수 있다는 것이다.
19
다만 이는 회사의 전략적 관점이다. 실제 도입 성패는 공급업체 관계, 내부 승인 절차, 기존 시스템 권한, 감사 가능성처럼 오류 비용이 큰 현실의 제약 속에서도 에이전트가 일관되고 안전하게 작동하는지에 달려 있다.
대용량 복합 데이터를 다루겠다는 구상
공동창업자 겸 CTO인 오드란 오도노휴(Odhran O’Donoghue)는 제한된 컨텍스트만 처리하는 AI를 넘어, 문제를 진단하고 해결책을 계획한 뒤 행동으로 옮기고 업무를 완료하는 시스템을 개발하고 있다고 밝혔다. 이러한 시스템은 대규모 멀티모달 기업 정보 전반에서 작동하는 것을 지향한다.
19
조달 업무에 적용하면 지출·주문 데이터 같은 정형 기록과 계약서, 송장, 기술 문서, 커뮤니케이션 기록 같은 비정형 자료를 함께 연결하는 방식이 될 수 있다. 핵심은 다음 단계를 추천하는 보조 도구가 아니라, 승인과 통제 체계 안에서 업무 흐름을 계속 이어가는 에이전트형 시스템을 지향한다는 데 있다.
9
19
보안·배포 통제도 관건
기업용 AI 에이전트에서는 자동화 수준만큼 통제 장치가 중요하다. Magentic은 주요 AI 제공업체와의 데이터 무보존(zero-data-retention) 계약, 고객 클라우드 환경에서의 배포 유연성, 선택한 데이터 지역의 격리 배포를 제공한다고 밝혔다.
2
초기 출시 자료에서는 데이터 암호화와 SOC 2 Type II, ISO 27001, GDPR 준수도 언급했다.
7 다만 조달·재무 시스템에서 실제 행동 권한을 부여하기 전에는 고객사가 통제 범위, 연동 권한, 사람의 승인 절차, 감사 추적 가능성을 독립적으로 검증할 필요가 있다.
1,800만 달러의 용도
Magentic은 이번 시리즈 A 자금을 AI 에이전트 로드맵 가속, 조달·공급망 워크플로 적용 범위 확대, 복잡한 산업 최적화 문제를 겨냥한 장기 연구에 사용할 계획이다.
18
19
제조업체에 제시하는 메시지는 단순하다. 이미 쓰고 있는 데이터, 커뮤니케이션 채널, 기업 시스템을 AI 에이전트로 연결하겠다는 것이다. 하지만 실질적인 채택을 결정할 질문은 더 까다롭다. 계약, 공급, 생산이라는 현실의 제약이 충돌할 때도 이 에이전트가 얼마나 안전하고 일관되게 결과를 낼 수 있느냐가 관건이다.