우리 회사가 아는 것을,
우리 방식으로 일하는 AI에게.

회사 안에 쌓인 지식에서 출발

산업 기업의 지식은 이미 설계 파일, 소프트웨어, 운영 기록, 그리고 직원들이 매일 내리는 판단 속에 있습니다. Mistral은 이런 자료에 AI를 적용하더라도 그 결과로 생기는 지식은 조직이 계속 통제해야 한다고 주장합니다. Mistral의 소버린 AI 페이지는 데이터, 모델, 맞춤화, 컴퓨팅, 실서비스 운영에 대한 통제를 다룹니다. 기업은 워크로드에 따라 공유 인프라, 프라이빗 클라우드, 자체 시설(온프레미스) 가운데 알맞은 환경을 고를 수 있습니다. 핵심은 시스템의 경계를 어디에 긋고, 앞으로 누가 그 경계를 바꿀 수 있느냐입니다. Signet은 이를 현실적인 엔지니어링 약속으로 봅니다. 고객이 아키텍처를 이해하고, 맞춤화 과정을 재현하고, 다른 모델로 바꿀 때의 결과를 평가할 수 있어야 한다는 뜻입니다. 그래서 Mistral은 효과가 분명한 업무 하나와 합의된 성공 기준에서 출발해, 그 환경 안에 모델과 애플리케이션을 들여옵니다. 가상의 제조사를 예로 들면, 첫 논의는 막연한 챗봇 요청이 아니라 다루기 까다로운 설계 문서 하나에서 시작할 수 있습니다. 팀은 어떤 답이 쓸모 있는지, 공장에서 그 답을 쓰려면 어떤 근거가 필요한지부터 정합니다.

실리콘부터 소프트웨어까지, AI가 복잡한 기술을 만드는 방식을 바꾸고 있습니다.

Arthur Mensch · 공동 창업자 겸 CEO · 삼성전자와의 협력 발표 · 2026-09-08

애플리케이션보다 평가 기준이 먼저

2026년 9월 공개된 프로젝트 사례를 보면 이 방식이 에너지 기업에서 어떻게 작동하는지 알 수 있습니다. Mistral은 이름을 밝히지 않은 유럽 에너지 기업과 함께 저류층 시뮬레이터를 Fortran 77에서 C++로 이전했습니다. 첫 스프린트에서는 전체 30만 줄 중 4만 줄을 다뤘습니다. 저류층 엔지니어들이 최종 결과뿐 아니라 중요한 중간 결과까지 짚어 냈고, 팀은 이전에 앞서 계산 결과가 같은지 확인하는 수치 일치 테스트부터 만들었습니다. 에이전트가 호출 구조를 문서화하면, 사람이 모듈 단위로 코딩, 테스트, 리뷰를 조율했습니다. 원본 시스템을 그대로 실행할 수 있는 상태에서 범위를 정해 진행한 첫 단계였습니다. 도메인 전문가와 함께 일하는 방식의 한 사례일 뿐, 모든 코드 이전이 이렇게 된다는 약속은 아닙니다. 유럽특허청(EPO) 사례는 성격이 다릅니다. 복잡한 특허 문서 구조를 그대로 살려 전사해야 했습니다. 회사가 공개한 고객 사례에 따르면 3개월간 개념 검증(PoC)을 거쳐 ST36 XML 전용 변환 파이프라인을 만들었습니다. 처리량은 하루 40만 페이지, 문자 인식 오류율은 1% 미만이었습니다. 이 수치는 해당 문서 시스템의 처리량과 문자 단위 정확도에 한정됩니다.

도입과 역량 이전까지 제품에 포함

Mistral은 고객 현장에 투입하는 팀을 전략가, Applied AI 엔지니어, 응용 과학자, 배포 엔지니어로 구성한다고 설명합니다. 전략가는 프로젝트 방향을 잡고, Applied AI 엔지니어는 애플리케이션을 만들고, 응용 과학자는 고난도 활용 사례를 맡고, 배포 엔지니어는 실서비스를 안정화합니다. 소버린 AI 가이드는 여기에 분명한 완료 기준을 하나 더합니다. 도구, 산출물, 런북을 고객에게 넘겨 고객 팀이 시스템을 직접 운영하고 개선하게 해야 한다는 것입니다. 그러면 지원자가 설명해야 할 내용도 달라집니다. 설득력 있는 사례에는 처음의 사업상 제약, 평가, 시스템 통합, 그리고 실제 운영자에게 넘기는 과정까지 담겨야 합니다. 현재 한국 채용은 소프트웨어, 머신러닝, 연구, 배포 전략, 인프라, 지역 인사 업무에 걸쳐 있습니다. 2026년 7월 협력 발표에는 한국 클라우드 파트너와 손잡고 국내 고객 현장에 엔지니어를 파견한다는 내용도 있습니다. Signet은 이 사실들을 근거로, 이 회사의 일이 모델을 소개하는 데서 끝나지 않는다고 봅니다. 고객이 실제 업무 방식을 바꾸고, 그 시스템을 스스로 관리할 역량을 갖추도록 돕는 일까지 포함될 수 있습니다. 기술 깊이, 언어 조건, 출장 여부는 공고마다 다르고, 그에 따라 포지션별 역할도 달라집니다.

애플리케이션과 통제 플랫폼의 구분

이제 Vibe는 업무용과 코딩용을 하나로 합친 제품입니다. 현재 공식 FAQ에 따르면 Vibe for work가 예전의 Le Chat이고, 기존 대화, 설정, 요금제는 그대로 유지됩니다. 업무 기능은 팀 정보와 연동해 조사, 문서, 이메일, 스프레드시트, 반복 작업을 처리합니다. 코딩 기능은 터미널, 에디터, 원격 에이전트에서 개발을 돕습니다. 즉 같은 제품 이름 아래 서로 관련된 두 가지 사용 방식이 있고, 과거의 Vibe CLI 사례는 그중 코딩 쪽에 해당합니다. Studio는 빌더를 위한 제품에 더 가깝습니다. 에이전트 설계, 기업 데이터 연동, 상태를 유지하는 워크플로 오케스트레이션, 결과 평가, 클라우드·온프레미스 배포까지 도구를 제공합니다. 공식 에이전트 화면에는 에이전트 이름과 각각 선택한 모델이 나옵니다. Signet은 이 제품들을 고객이 해내야 할 일에 비춰 비교합니다. 직원은 완성된 결과물을 원하고, 플랫폼 팀은 애플리케이션이 어떻게 실행될지 정하고 관리하길 원합니다. 어느 쪽이든 과제가 분명하고, 권한 경계가 적절하며, 실제 사용을 반영한 테스트가 있어야 효과가 납니다.

조직의 지식으로 모델 맞춤화

Forge는 모델 맞춤화를 위한 제품입니다. 2026년 3월 출시 발표에 따르면 조직의 문서, 시스템, 정책으로 모델을 학습시켜 내부 맥락을 반영하게 합니다. 사전 학습과 합성 데이터부터 강화 학습, 기업 자체 기준에 따른 평가까지 전 과정을 지원합니다. 출시 발표에서도 예로 들었듯, 제조사라면 설계 사양서나 정비 기록을 활용할 수 있습니다. 다만 이는 의도한 활용 방식의 예시일 뿐이고, 실제로 도입하는 고객마다 데이터 준비와 테스트는 따로 해야 합니다. 모델과 API는 언어, 문서, 음성 기능의 기반입니다. OCR은 다루기 어려운 문서를 애플리케이션이 처리할 수 있는 형태로 바꾸고, Voxtral은 음성을 처리합니다. Compute는 전용 컴퓨팅 자원과 통합 스택으로 인프라 계층을 제공합니다. 이 제품들은 고객 업무의 서로 다른 단계, 즉 애플리케이션 사용, 모델 선택, 맞춤 학습, 실행 환경에서 각각 경쟁합니다. 그래서 Signet은 아키텍처 관점에서 비교합니다. 한국 제조사는 국내 인프라 파트너에 Mistral의 모델과 엔지니어를 결합할 수 있고, 다른 고객은 워크로드에 맞춰 다른 배포 환경을 고를 수 있습니다.

변화는 실명 고객사 기준으로 판단

유럽특허청 사례를 보면 제품이 구체적으로 그려집니다. 통상적인 전사 작업이라도 특허의 수식, 표, 이미지를 다루면서 구조화 문서 표준까지 지켜야 했습니다. 프로젝트에는 미세 조정한 OCR 모델과 변환 파이프라인이 쓰였고, 하루 40만 페이지, 문자 오류율 1% 미만이라는 수치는 이 워크플로에 대한 것입니다. Ericsson의 서밋 발표는 자체 반도체 분야의 맞춤 모델 작업을 다룬 또 다른 사례입니다. 고객 측은 협업 기간에 특정 내부 지표가 8%에서 90% 이상으로 올랐다고 설명했습니다. 발표에 따르면 개발자들은 결과 모델을 테스트·평가하며 실서비스 적용을 향해 단계적으로 옮겨 가는 중이었습니다. 이 결과는 좁은 범위의 내부 역량에 관한 것이며, 일반 모델 점수가 아닙니다. 제조 사례는 또 다른 단계에 있습니다. BMW와의 충돌 시뮬레이션 협업은 자체 엔지니어링 데이터와 모델 개발을 결합하고, Stellantis는 이상 탐지와 부품 데이터베이스 도구를 '평가 중'이라고 밝혔습니다. Signet은 이런 표현의 차이를 그대로 살립니다. 지원자도 측정된 배포, 내부 평가, 계획 중인 적용을 구분하고, 자기 고객이 결과를 안전하게 쓸 수 있음을 증명하려면 어떤 테스트가 필요한지 설명할 수 있어야 합니다.