자료를 다시 찾을 수 있게 되면, 팀은 기존 영상을 재활용하고 여러 파일을 아우르는 업무 흐름을 만들 수 있습니다. 다음 관건은 실제 편집과 의사결정에 쓸 수 있을 만큼 시점과 맥락을 정확히 보존하느냐입니다.
그 미래가 만들어지는 모습 ↓
예전 메타데이터로는 설명할 수 없던 장면을 찾아냅니다.
Mimir는 TwelveLabs를 통합해, 사용자가 Mimir 화면 안에서 의미로 검색하고 장면을 찾을 수 있게 했습니다.
아카이브 영상을 찾으려면 태그가 충분히 달려 있거나, 내용을 기억하는 사람이 있어야 했습니다.
Mimir는 통합 파트너이자 제품 사용자입니다. 이 사례로 Mimir를 쓰는 방송사가 누구인지까지 알 수는 없습니다.
GS SHOP은 Amazon Bedrock으로 TwelveLabs 영상 이해 모델을 연동했습니다. 30초 클립을 추천에 쓸 구매 의도 신호로 활용했고, 한국어로 자세히 묘사한 장면을 몇 초 만에 찾아냈습니다.
1시간짜리 방송 테이프에서 장면 하나를 찾는 데 1~2시간이 걸렸습니다. 자체 모델 개발은 데이터 라벨링, GPU 인프라, 전문 인력 비용 때문에 접었습니다.
날짜 표기가 없는 2026년 TwelveLabs 사례 페이지입니다. 결과는 회사가 고객 수치를 정리한 것이며, 한국 언론은 다른 지표로 효과를 설명했습니다.
Mimir와의 확인된 연동 사례와 TwelveLabs 모델의 역할을 바탕으로 구성한 편집자 업무 예시입니다. 모델은 완성된 방송이 아니라 미디어 업무 흐름의 한 단계로 봅니다.
Marengo가 영상과 오디오를 임베딩으로 바꿉니다. 사람이 일일이 입력한 태그만이 아니라, 화면에 무엇이 나오고 무슨 일이 벌어지는지로 아카이브를 검색할 수 있습니다.
편집자가 Mimir에서 평소 말하듯 검색합니다. 태그가 부실해도 내용과 의미를 바탕으로 관련 장면이 나옵니다.
Pegasus가 영상-언어 분석으로 영상을 시간 구간별로 구조화합니다. 애플리케이션은 아카이브, 편집, 검토에 필요한 항목을 요청할 수 있습니다.
Mimir는 기존 미디어 업무 흐름 안에서 콘텐츠를 관리합니다. 어떤 장면을 쓸지는 편집자가 정하고, 지능 계층은 검색 부담을 덜어 줍니다.
영상으로 가득한 드라이브에서 클립 하나를 찾아 헤맨 적이 있다면, TwelveLabs가 푸는 문제가 무엇인지 바로 알 수 있습니다. 키워드 검색은 제목, 태그, 설명까지만 찾을 뿐, 영상 안에서 벌어지는 일은 찾지 못합니다. Jae Lee 대표는 2024년 12월 TechCrunch 인터뷰에서 대부분의 조직은 영상 아카이브를 일일이 뒤질 인력을 따로 두지 않는다고 말했습니다. 그래서 영상은 쌓이기만 하고, 원하는 장면을 찾으려면 그 위치를 기억하는 누군가에게 의존해야 합니다. 세계 데이터 가운데 영상 비중을 두고 회사가 내놓는 추정치도 말하는 사람과 시점마다 다릅니다. 2026년 6월에는 80% 이상, 2026년 7월에는 90% 이상이라고 했습니다. 정확한 수치보다는 흐름을 말하는 주장으로 보는 것이 맞습니다.
세계는 글로 일어나지 않습니다. 움직임으로 일어납니다.
Jae Lee · 공동 창업자·CEO · 시리즈 B 발표 당일 회사 블로그에 올린 창업자 편지 · 2026-07-01
TwelveLabs를 다른 회사와 가르는 것은, 이해가 어디에서 나오는지에 관한 믿음입니다. Lee는 2026년 7월 편지에서 언어란 일이 벌어진 뒤 사람이 현실을 압축해 담는 방식이라고 설명합니다. 쓸모는 있지만 그 과정에서 정보가 빠진다는 것입니다. 대부분의 AI 시스템은 이 압축본으로 학습하지만, TwelveLabs는 원래 신호인 영상 위에서 모델을 만들기로 했다고 말합니다. 같은 날 나온 발표문은 이를 한 줄로 요약합니다. "영상을 보는 언어 모델이 아니라, 영상에서 태어난 모델." 2024년에 Lee는 그 차이를 집중의 문제로 설명했습니다. TwelveLabs에게 영상은 범용 모델에 덧붙이는 부가 기능이 아니라는 것입니다.
약 5년 전 창업했을 때와 지금 사이에 세 가지가 달라졌습니다. 첫째, 관심입니다. 공동 창업자 Soyoung Lee는 2025년 11월, 대형 언어 모델과 Sora 같은 영상 생성 분야에서는 혁신이 많았지만 영상 이해 분야는 그렇지 않았다고 말했습니다. CTO 이승준은 지금을 ChatGPT 등장 직전의 텍스트 AI와 같은 변곡점이라고 표현한 바 있습니다. 둘째, 자금입니다. 2024년 6월 5,000만 달러, 2024년 12월 전략적 투자자로부터 3,000만 달러를 유치했고, 2026년 7월에는 1억 달러 규모의 시리즈 B 투자를 받았습니다. 셋째, 유통 경로입니다. 모델은 Amazon Bedrock에서 판매됩니다. 2026년 6월 인터뷰에서 전략 파트너십 책임자는 고객이 분석하려는 데이터를 이미 AWS에 두고 있는 경우가 많다고 말했습니다.
회사가 그리는 승리의 모습은 분명합니다. 창업자 편지는 "에이전트가 영상의 매초를 정확히 가리키고, 검색하고, 활용할 수 있게 만드는 것"을 목표로 내세웁니다. Lee는 2025년 12월, 4~5년 안에 세계 영상의 상당 부분을 색인하고 싶다고 말했습니다. 여기서 '에이전트'라는 단어에 주목하세요. 채용 공고는 앞으로 사람보다 소프트웨어가 영상을 주로 읽게 될 것으로 보고 있고, 회사는 바로 그 소프트웨어를 위해 제품을 만듭니다.
미디어 자산 관리 시스템 Mimir와의 연동 사례를 바탕으로, 한 보도국 편집자의 업무를 예시로 따라가 보겠습니다. 먼저 아카이브를 색인합니다. 임베딩 모델 Marengo가 화면, 소리, 음성을 의미가 담긴 숫자로 바꿉니다. 이어 편집자가 Mimir 안에서 평소 말하듯 질문하면, 태그가 부실한 영상에서도 타임코드가 붙은 장면이 검색됩니다. CBS News and Stations는 이 방식을 대규모로 쓰고 있습니다. CBS 임원은 IBC2026에서 이미 약 80만 시간 분량을 디지털화했고, 한 주에 4,000시간을 입력해 최고 기록을 세웠다고 말했습니다.
다음으로 영상-언어 모델 Pegasus가 고객이 정한 스키마에 따라 영상 전체를 구간으로 나누고, 구조화된 항목을 채웁니다. 그 결과는 아카이브, 편집, 규정 준수 시스템으로 바로 넘어갑니다. 마지막으로 고른 장면을 다시 제작에 쓰고, 무엇을 방송할지는 사람이 정합니다. CBS 프로젝트에 대해 Soyoung Lee는 TwelveLabs가 메타데이터를 만들 뿐, "최종 사용자가 접근하는 애플리케이션이나 인터페이스는 아니다"라고 설명했습니다. RAISE Summit에서도 좋은 콘텐츠를 판단하는 일은 사람의 몫이라고 말했습니다.
이 모델이 범용 모델보다 낫다는 근거는 모두 회사가 내놓은 자료입니다. TwelveLabs가 설계한 테스트에서 Pegasus 1.5를 Gemini 3.1 Pro와, Marengo 3.5를 Google·Amazon의 임베딩 모델과 비교했습니다. 홈페이지의 Gemini 대비 "+13.1%"는 0.4555와 0.3243, 두 점수의 차이를 포인트로 나타낸 것이지 13.1% 향상이 아닙니다. 면접에서는 고객이 품질을 어떻게 측정하는지 물어보세요.
각 단계는 지금 한국에서 채용 중인 포지션과 맞닿아 있습니다. Marengo는 색인을, Pegasus는 구조화를 맡고, 플랫폼 포지션은 기업 고객을 위해 이 흐름 전체가 끊기지 않게 합니다. 짧은 클립이 아니라 몇 시간짜리 영상에서도 이 단계들이 제대로 작동해야 승부수가 통합니다.
TwelveLabs는 영상 이해 기술을 여러 제품으로 나눠 판매합니다. 임베딩 모델 Marengo는 영상을 검색 가능하게 만듭니다. 2026년 8월 나온 Marengo 3.5부터는 영상, 오디오, 이미지, 텍스트, 문서를 하나의 공간에 함께 담고, 입력 유형마다 사용량을 따로 계산합니다. Marengo 3.5 기반 검색은 Jockey에서 쓸 수 있습니다. 별도 상품인 Developer Search의 요금은 영상 1시간 색인에 1회 2.50달러, 임베딩 인프라에 시간당 월 0.09달러, 검색 1,000건당 4달러입니다. 2026년 9월 Marengo는 Amazon Bedrock 관리형 지식 베이스에 들어간 첫 영상 모델이 됐습니다. 덕분에 AWS 고객은 이미 쓰는 서비스 안에서 영상 검색을 바로 켤 수 있습니다.
영상-언어 모델 Pegasus는 영상을 보고 그 내용을 글로 씁니다. 2026년 4월 나온 1.5 버전에서 역할이 바뀌었습니다. 클립 하나를 두고 질문 하나에 답하던 데서 벗어나, 최대 두 시간짜리 영상 전체를 고객이 정한 스키마에 따라 구간으로 나누고 구간마다 구조화된 항목을 돌려줍니다. URL 하나만 있으면 시작할 수 있습니다. 2026년 10월 6일 나온 1.6 버전은 보디캠과 로봇이 찍은 1인칭 영상을 지원하고, 같은 프롬프트로 이미지도 읽습니다. 정가는 입력 영상 1시간당 1.75달러이며, 출력 토큰 요금이 따로 붙습니다. Segment의 과금 대상 입력 시간은 선택한 영상 구간(범위를 정하지 않으면 영상 전체) 길이에 요청한 구간 정의 수를 곱한 값입니다. Analyze는 선택한 구간 길이만 과금합니다.
그 위에 Jockey가 있습니다. Jockey는 질문을 쪼개 Marengo로 찾고, Pegasus로 구간을 나눈 뒤, 수천 개 영상을 넘나들며 추론하는 에이전트입니다. 고객 아카이브를 기억해 두면서, 타임스탬프가 달린 클립을 돌려줍니다. 회사가 직접 만든 모델 위에서 작동하므로, 새 모델이 나올 때마다 고객이 다시 연동하지 않아도 성능이 좋아집니다. 2026년 6월에는 편집자와 크리에이터를 위한 첫 애플리케이션 Rodeo를 시범 단계로 선보였습니다. 파트너십 담당 임원은 Rodeo가 "고객의 요청으로 나왔다"고 말했습니다.
실명이 공개된 사례 중 가장 분명한 것은 한국 사례입니다. TV, 데이터방송, 모바일 라이브커머스로 상품을 파는 홈쇼핑 회사 GS SHOP은 Amazon Bedrock으로 TwelveLabs를 연동해, 30초 클립을 추천 신호로 활용했습니다. TwelveLabs 사례 페이지에 따르면 주문 고객 수는 57.5%, 전환율은 29.4%, 순 클릭 수는 21.7% 늘었습니다. 방송 테이프에서 장면 하나를 찾는 데 걸리던 1~2시간도 몇 초로 줄었다고 합니다. GS SHOP은 자체 모델 개발도 검토했지만 라벨링, GPU, 인력 비용 때문에 포기했습니다. 이 수치는 TwelveLabs가 고객 성과를 정리한 것이며, 이후 한 한국 신문은 다른 지표로 효과를 설명했습니다.
해외에서는 토론토의 Maple Leaf Sports & Entertainment가 회사가 자주 드는 스포츠 사례입니다. 16시간 걸리던 영상 검색과 자료 찾기가 9분으로 줄었습니다. 유니세프한국위원회는 또 다른 판매 경로의 사례입니다. 한국 통합사 Letsur가 TwelveLabs API로 아카이브 시스템을 구축했고, 8TB 저장소 중 영상 약 200시간, 2TB를 색인했습니다. 사례 페이지에 따르면 콘텐츠를 찾는 시간이 95% 줄었습니다. SBS는 Marengo 2.7로 특수효과 장면을 검색하고 Pegasus 1.2로 클립을 요약하는 계획을 공개했습니다. 세종시는 CCTV 관제 요원이 수천 개 화면에서 사건을 찾을 수 있도록 이 모델을 쓰고 있으며, 얼굴·생체 인식 기능은 제외했습니다.
고객이 어떤 경로로 들어오는지 보세요. GS SHOP은 Amazon Bedrock, 유니세프한국위원회는 Letsur, CBS News는 Mimir를 거쳤습니다. TwelveLabs가 파는 것은 다른 시스템이 호출해 쓰는 기술 계층입니다. 그래서 판매의 상당 부분을 클라우드, 통합사, 미디어 소프트웨어가 맡습니다. 엔지니어링 업무도 여기에 맞춰집니다. 모델은 다른 회사의 시스템 안에서, 그 회사의 규모와 가격 조건에 맞게 작동해야 합니다.
이 장의 내용은 한국에서 채용 중인 포지션과 그대로 맞닿아 있습니다. Pegasus 담당 Research Scientist와 Machine Learning Engineer는 Segment와 그 서빙을 맡고, Marengo 담당 Staff Research Engineer는 임베딩 모델과 실서비스 API를 책임집니다. 인프라 엔지니어들은 기업 고객이 AWS, GCP, Azure, 온프레미스에서 사용하는 멀티테넌트 환경을 구축합니다.
대표가 시점마다 TechCrunch에 밝힌 TwelveLabs 플랫폼 이용 개발자 수입니다. 실험 중인 개인부터 기업까지 포함한 개발자 계정 수이며, 유료 고객 수가 아닙니다. 날짜별로 공개된 관측값이며, 그 사이의 성장을 연속으로 측정한 기록은 아닙니다.
| 기준일 | 수치 | 집계 기준 |
|---|---|---|
| 2023-10-24 | 개발자 17,000명 | 대표가 TechCrunch 이메일 인터뷰에서 밝힌 수치입니다. 2023년 5월 초 비공개 베타를 연 뒤 개발자 17,000명이 이용했습니다. |
| 2024-12-12 | 개발자 30,000명 이상 | 대표가 TechCrunch 인터뷰에서 밝힌 수치입니다. 개인부터 대기업까지 개발자 30,000명 이상이 이용했습니다. |
TechCrunch
팀과 모델 개발에 5,000만 달러를 조달했습니다.
전략 투자를 계기로 영상 모델이 주요 기업 데이터 생태계에 합류했습니다.
영상 에이전트 시스템으로 사업을 넓히는 시점에 1억 달러를 조달했습니다.
TwelveLabs는 고객이 모델로 영상을 처리할 때 돈을 법니다. 개발자는 쓴 만큼 냅니다. 색인한 영상 시간, 검색 가능 상태를 유지하는 기간(월), 검색 1,000건, 분석에 쓴 토큰 단위로 요금이 붙습니다. 처음 10시간까지는 무료로 색인할 수 있고, 무료 색인은 90일 뒤 만료됩니다. 기업은 개별 가격으로 사용량 약정 계약을 맺고, 프라이빗 배포나 자체 관리형 배포를 요청할 수 있습니다. 이런 매출의 상당 부분은 파트너를 거쳐 들어옵니다. Amazon Bedrock과 AWS Marketplace, 벡터 데이터베이스로 연동되는 Databricks와 Snowflake, 그리고 Mimir 같은 미디어 시스템이 대표적입니다.
날짜가 확인되는 금액은 투자 라운드입니다. 2023년 10월 Nvidia, Intel, 삼성넥스트로부터 1,000만 달러를 받아 누적 투자금이 2,700만 달러가 됐습니다. 2024년 6월에는 시리즈 A 5,000만 달러, 2024년 12월에는 전략적 투자자로부터 3,000만 달러를 받아 누적 1억 710만 달러가 됐습니다. 2026년 7월 1일에는 시리즈 B 1억 달러를 유치했고, SiliconANGLE은 누적 조달액이 2억 700만 달러를 넘는다고 보도했습니다. 투자금은 쓸 수 있는 자본이지 매출이 아닙니다. 매출에 대해서는 대표가 구성과 성장 속도를 밝혔습니다. 2026년 7월에는 매출의 큰 부분이 미국과 유럽 기업 고객에게서 나오고, 개발자 주도 매출은 해마다 80~120% 늘고 있다고 말했습니다.
| 시점 | 수치 | 측정 대상 | 출처 |
|---|---|---|---|
| Oct 2023 | 17,000 | 2023년 5월 비공개 베타 이후 플랫폼을 이용한 개발자 | 대표의 TechCrunch 인터뷰 |
| Oct 2023 | $10M; $27M | 전략 투자 라운드와 당시까지의 누적 조달액 | 언론 보도 |
| Jun 2024 | $50M | NEA·NVentures가 공동 주도한 시리즈 A 투자금 | 회사 발표 |
| Dec 2024 | $30M; $107.1M | 전략 투자 라운드와 당시까지의 누적 조달액 | 회사 발표와 언론 보도 |
| Dec 2024 | 30,000+; 73 | 플랫폼 이용 개발자 수와 전사 전일제 직원 수 | 대표의 TechCrunch 인터뷰 |
| Dec 2025 | 절반 이상 | 미디어·엔터테인먼트 고객 비중 | 대표의 한국 언론 인터뷰 |
| Jul 2026 | $100M; more than $207M | 시리즈 B 투자금과 당시까지의 누적 조달액 | 회사 발표와 언론 보도 |
| Jul 2026 | 연 80~120% | 개발자 주도 매출의 증가율 | 대표의 한국 언론 인터뷰 |
| Jul 2026 | 80%; 60%+ | 한국 사무소의 연구개발 인력 비중과 2025년 3월 이후 한국 인원 증가율 | 한국 총괄의 한국 언론 인터뷰 |
대표가 밝힌 플랫폼 이용 개발자 수는 2023년 10월 17,000명에서 2024년 12월 30,000명 이상으로 늘었습니다. 2024년 12월 당시 전일제 직원은 73명이었습니다. Soyoung Lee는 2025년 11월, 개발자 수천 명과 기업 고객 수백 곳이 쓰고 있다고 설명했습니다. 대표는 2025년 12월 매출과 고객 대부분이 북미에 있고, 고객의 절반 이상이 미디어·엔터테인먼트 기업이라고 말했습니다. 가장 새로운 시장의 규모는 고객 한 곳만 봐도 알 수 있습니다. 미국의 한 로봇 학습 데이터 기업은 연간 최소 730만 시간 분량의 영상 분석을 요청했고, TwelveLabs는 24시간 안에 수십만 시간 분량을 토큰화했다고 밝혔습니다. 서울의 한국 총괄은 현재 매출 규모보다 성장 기울기를 중시한다며, 전년 대비 3배 성장을 목표로 제시했습니다.
TwelveLabs는 두 방향에서 훨씬 큰 회사들과 경쟁합니다. 먼저 Google과 OpenAI의 범용 멀티모달 모델도 이미 영상을 이해합니다. 이에 대해 Lee는 2024년 그 모델들이 "영상에 최적화되지 않았다"고 답했습니다. 다음으로 클라우드 업체들도 영상 도구와 임베딩 모델을 팝니다. Amazon도 그중 하나인데, Amazon은 TwelveLabs의 투자사이자 우선 클라우드이며 주요 판매 경로이기도 합니다. 회사 자체 테스트에서는 Pegasus 1.5가 Gemini 3.1 Pro를, Marengo 3.5가 Gemini Embedding 2와 Amazon Nova를 앞섰습니다. Signet은 여기서 세 가지 위험을 봅니다. 첫째, 회사가 직접 측정한 격차를 대형 연구소들이 좁힐 수 있습니다. 둘째, 핵심 클라우드 파트너가 동시에 경쟁자입니다. 셋째, 매출 대부분이 북미에, 고객 절반 이상이 미디어·엔터테인먼트에 몰려 있는데, 로봇과 한국 제조업 시장은 이제 막 시작 단계입니다.
면접에서는 세 종류의 숫자를 구분해서 말해 보세요. 조달액(시리즈 B 1억 달러), 성장률(개발자 매출 연 80~120%), 사용량(개발자 수, 영상 시간)입니다. 셋 모두 연간 매출과는 다른 것을 나타냅니다. 사업 현황을 묻는다면 대표가 직접 한 말을 인용하는 것이 안전합니다. 개발자 매출이 해마다 80~120% 늘고 있고, 매출의 큰 부분이 미국과 유럽 기업 고객에게서 나온다는 말입니다.
Lee는 UC Berkeley에서 전기공학·컴퓨터과학 학위를 받았고, 서울에도 큰 거점을 둔 회사를 이끌고 있습니다.
투자 발표문은 영상 중심의 멀티모달 접근 방식과, 기업 인프라 파트너를 거치는 유통 전략을 설명합니다.
“세상은 텍스트가 아니라 움직임 속에서 펼쳐집니다.”
Jae Lee · 시리즈 B 발표 당일 회사 블로그에 올린 창업자 편지 · 2026-07-01
공동 창업자이자 CEO인 Jae Lee는 데이터 과학을 전공했습니다. TechCrunch에 따르면 Lee에게는 영상에 기본 검색을 쓰는 방식이 늘 납득되지 않았습니다. 키워드 검색은 제목과 태그까지만 찾을 뿐, 클립 내용은 찾지 못하기 때문입니다. 그래서 더 나은 것을 만들자며 Aiden Lee, SJ Kim, Dave Chung, Soyoung Lee를 모았습니다. 한 한국 신문은 다섯 창업자가 모두 한국인이며, 본사는 샌프란시스코에, 핵심 연구개발 조직은 한국에 있다고 전합니다. 회사 이름은 첫 팀의 인원인 열두 명에서 따왔습니다. 공동 창업자이자 시장 진출 총괄인 Soyoung Lee는 방향이 바뀐 과정을 이렇게 설명합니다. "창업자 다섯 명 모두 미디어가 아니라 기술 분야 출신"이었지만, 두 번째 해에 접어들자 미디어 기업과 일하는 경우가 많아졌다는 것입니다.
모델은 결국 범용화됩니다. 그러나 모델을 조합하는 지능 계층은 그렇지 않습니다.
Jae Lee · 공동 창업자·CEO · 시리즈 B 보도자료 · 2026-07-01
지금의 회사를 만든 결정은 네 가지입니다. 첫째, 영상만 다룹니다. Lee는 2024년 TechCrunch에 영상은 회사가 "온전히 집중할" 만한 분야라고 말했습니다. 둘째, 모델을 직접 만듭니다. TwelveLabs는 Marengo와 Pegasus를 직접 학습시키고, 그 위에 에이전트를 만듭니다. Lee는 앞의 인용문에서 가치가 남는 곳으로 모델을 조합하는 계층을 꼽았습니다. 셋째, 가장 큰 클라우드와 손잡습니다. 회사는 스스로 "AWS에서 태어났다"고 말합니다. 2026년에는 AWS를 우선 클라우드로 정하고 여러 해짜리 약정을 맺었는데, 여기에는 AWS Trainium 칩에서 영상 추론을 최적화하는 작업이 포함됩니다. 새 모델도 AWS에 가장 먼저 출시합니다. 넷째, 연구 조직을 서울에 둡니다. 2024년 12월에는 전 SK텔레콤 CTO 김윤을 사장 겸 최고전략책임자로 영입했고, 김윤은 샌프란시스코와 서울을 오가며 일합니다.
한국 포지션에서 중요한 리더들은 실무 가까이에 있습니다. 공동 창업자 SJ Kim은 Pegasus 엔지니어링을 이끕니다. SJ Kim이 모델을 평가하는 기준은 실제로 쓰이느냐 하나입니다. 한국 ML 팀이 데이터 설계부터 학습, 서빙, 출시까지 전 과정을 맡는다고도 말합니다. Kian Kim은 Pegasus 연구를 이끌고, Pegasus 1.5 기술 블로그 글을 함께 썼습니다. 팀의 연구 우선순위는 모두 제품에 미치는 효과에서 나온다는 것이 Kian Kim의 설명입니다. CTO 이승준은 2025년 서울에서 시니어 ML 엔지니어 채용을 직접 이끌었습니다. 이혜민(Hyemin Lee)은 2025년 3월 한국·아시아태평양 시장을 맡는 한국 총괄로 합류했습니다.
저희 한국 MLE 팀은 완전히 글로컬라이즈 되어 있어요. 데이터 설계부터 학습, 서빙, GA까지 전체 사이클을 한 팀이 책임져요.
SJ Kim · 공동 창업자·Pegasus 엔지니어링 리드 · 회사 한국어 블로그 인터뷰 · 2026-03-20
채용 페이지는 세 가지 가치를 내세웁니다. 흔들리지 않는 확신, 개척 정신, 꺾이지 않는 규율이며, 그 바탕에는 배려하며 행동하는 태도가 있습니다. 채용 공고에는 일하는 방법이 더 구체적으로 나옵니다. 기반 모델, 검색, 에이전트를 한 조직이 맡고, 이 조직은 F1 팀처럼 "부분이 아니라 전체 시스템"을 최적화합니다. 팀들은 진행 중인 작업을 매주 공유합니다. 서울의 엔지니어링·연구 조직은 하나의 목표를 중심으로 꾸린 작은 팀, 즉 Pod 단위로 일합니다. SJ Kim은 시차 너머의 답을 기다리지 않고 팀 안에서 결정한다고 말합니다. Pegasus 1.5 팀원들은 출시 일정이 빠듯했다고 회고합니다. 한 연구원은 금요일에 학습이 실패해 토요일 아침 7시에야 퇴근했던 날을 기억합니다.
서울은 실행만 하는 조직이 아니냐는 우려에 대해서는 자료마다 답이 갈립니다. 한국 총괄은 구조를 있는 그대로 설명합니다. 중요한 결정과 제품·사업 방향은 글로벌 차원에서 함께 정하고, 한국팀은 이를 빠르게 실행한다는 것입니다. Pegasus 리드들은 더 넓은 재량을 이야기합니다. 서울의 한 팀이 데이터부터 출시까지 모델 하나를 책임지고, 연구 리드는 팀원 모두가 CEO처럼 일하길, 회사에 도움이 되지 않는 결정에는 그렇다고 말하길 바랍니다. 두 이야기는 동시에 성립할 수 있습니다. 방향은 글로벌 차원에서 정하고, 모델에 대한 책임은 서울에 있습니다.
서울 직무는 Pegasus와 Marengo를 만들고, 실서비스에서 서빙·평가하며, 기업용 인프라를 운영하고, 사내 AI 모델 사용량을 측정합니다.
한국 총괄, 한국·아시아태평양 시장
한국 필터의 공개 프로필에서 관찰한 직함입니다.
한국에서 아시아태평양 업무를 맡는다고 설명한 프로필도 포함합니다.
공개 프로필에서 관찰한 인사·채용 업무입니다.
한국 장에서 발표된 시장 책임자와 공개 프로필의 업무를 읽을 수 있습니다.
본사는 샌프란시스코에 있습니다. 한국 언론과의 대표 인터뷰에서 공동창업자 다섯 명이 한국인이며 핵심 연구개발을 한국에서 한다고 설명합니다. 한국에 거점을 둔 이유는 인재, 자본과 파트너, 시장 순으로 읽을 수 있습니다. 먼저 인재입니다. 회사는 2024년 12월 SK Telecom 전 CTO 김윤을 사장으로 영입했습니다. 대표는 한국 인재 확보에도 도움이 될 것이라고 말했으며 2025년 2월 서울에서 시니어 ML 엔지니어 집중 채용을 진행했습니다. 2026년 7월 한국 사무실의 80%는 연구개발 인력이었으며 인원은 2025년 3월보다 60% 이상 늘었습니다. 두 번째는 자본과 파트너입니다. 한국투자파트너스와 SK Telecom, NAVER Ventures가 투자했으며 NAVER Ventures는 시리즈 B를 공동 주도했습니다. 대표는 국가 AI 기반 모델 사업에서 NAVER와 한 팀으로 일한다고 설명합니다. 세 번째는 한국 시장입니다. GS SHOP, SBS, 유니세프한국위원회, 세종시 사례가 있고 대표는 2026년 10월 자동차, 반도체, 조선 공장의 안전과 공정 업무를 다음 수요로 제시했습니다. 한국총괄 이혜민은 언어 모델 시장을 미국 기업이 선점했지만 영상 이해 시장에서는 한국이 다시 기회를 만들 수 있다고 봅니다.
5,000만 달러 규모 시리즈 A 발표에 한국투자파트너스가 기존 투자자로 이름을 올렸습니다.
SK텔레콤이 3,000만 달러 규모 전략 투자에 참여했습니다. SK텔레콤 전 CTO 김윤은 사장 겸 최고전략책임자로 합류해 샌프란시스코와 서울을 오가기로 했습니다.
TwelveLabs가 당시 25개사가 참여한 SK Telecom의 K-AI Alliance에 합류했습니다. SK Telecom은 2024년 $3M을 투자했으며 개인 AI 에이전트의 영상 이해를 함께 개발한다고 설명합니다.
2주간 경력 5년 이상의 시니어 데이터·ML 인프라 엔지니어, ML 리서치 엔지니어, 리서치 사이언티스트를 모집했습니다.
이혜민(Hyemin Lee)이 한국·아시아태평양 시장 총괄로 합류했습니다.
한국 언론은 TwelveLabs를 Amazon Bedrock에 입점한 첫 한국 기업이자 첫 영상 이해 모델로 소개했습니다.
Pod 단위로 일하는 서울팀이 빠듯한 일정 속에서 Pegasus 1.5를 만든 과정을 회사가 공개했습니다.
설립 후 첫 투자처로 TwelveLabs를 택했던 네이버벤처스가 NEA와 함께 1억 달러 규모 라운드를 공동 주도했습니다. 회사는 서울에 계속 투자하겠다고 약속했습니다.
한국 총괄은 한국 사무소 인력의 80%가 연구개발을 맡고 있고, 자신이 합류한 뒤 인원이 60% 이상 늘었다고 말했습니다.
대표는 한국 시장의 목표로 자동차·반도체·조선 제조 현장의 안전과 공정 개선을 꼽았습니다.
TwelveLabs 본사는 샌프란시스코에 있지만, 한 한국 신문의 대표 인터뷰에 따르면 다섯 공동 창업자 모두 한국인이고 핵심 연구개발도 한국에서 이뤄집니다. 자료에서 가장 분명하게 드러나는 이유는 인재입니다. 2024년 12월 전 SK텔레콤 CTO 김윤을 사장으로 영입할 때, Lee는 김윤이 "한국에서 독보적인 인재 확보 우위도 가져다줄 것"이라고 말했습니다. 이어 2025년 2월에는 서울에서 시니어 ML 엔지니어 집중 채용을 진행했습니다. 한국 총괄은 2026년 7월, 한국 사무소 인력의 80%가 연구개발을 맡고 있으며 2025년 3월 이후 인원이 60% 이상 늘었다고 말했습니다. 회사가 밝힌 한국 거점은 서울 용산구 사무소와 판교 사무소 두 곳입니다.
LLM 경쟁에서는 이미 미국 빅테크가 시장을 선점했지만, 영상 이해 영역에서는 아직 절대 강자가 없어 한국이 다시 한번 기회를 만들 수 있다고 생각한다
이혜민 (Hyemin Lee) · 한국 총괄, 한국·아시아태평양 시장 · 연합뉴스 인터뷰 · 2026-07-31
한국의 자본과 파트너는 초기부터 함께했습니다. 한국투자파트너스는 2024년 시리즈 A 발표 당시 이미 투자자였습니다. SK Telecom은 2024년 $3M을 투자하고 12월 전략 투자에 참여했습니다. 2025년 1월에는 회사를 K-AI Alliance에 합류시켰고 개인 AI 에이전트의 영상 이해를 함께 개발합니다. 네이버 Ventures는 첫 투자 대상이었던 TwelveLabs의 2026년 시리즈 B를 공동 주도했습니다. 대표는 국가 AI 기반 모델 사업에서도 NAVER와 한 팀으로 일한다고 설명합니다.
한국 고객은 커머스, 방송, 비영리, 공공 안전 분야에 걸쳐 있습니다. GS SHOP, SBS, 통합사 Letsur가 시스템을 구축한 유니세프한국위원회, 세종시입니다. 대표는 2026년 10월, 다음 한국 시장으로 자동차·반도체·조선 제조 현장의 안전과 공정 개선을 꼽았습니다. 한국 총괄 이혜민(Hyemin Lee)은 2025년 3월 합류해 한국·아시아태평양 시장을 이끌고 있습니다. 역할 분담에 대한 설명은 분명합니다. 중요한 결정과 제품·사업 방향은 글로벌 차원에서 정하고, 한국팀은 이를 빠르게 실행한다는 것입니다. 또 서울 사무소가 매출만 올리는 지사가 아니라, 글로벌 수준의 AI 일을 하는 곳으로 알려지길 바란다고 말했습니다.
2026년 10월 8일 회사 채용 페이지에 올라온 한국 포지션 7개는 모두 엔지니어링이나 연구 직무입니다. 셋은 모델을 만듭니다. Pegasus 연구를 맡는 Senior ML Research Scientist, Pegasus 엔지니어링을 맡는 Senior Machine Learning Engineer, 그리고 Staff ML Research Engineer, Multimodal Structure & Marengo입니다. 나머지 넷은 모델이 작동하는 기반을 만듭니다. Senior Platform Engineer, Staff Infrastructure Engineer, Senior Infrastructure Engineer, Token Engineer입니다. 이 가운데 Token Engineer는 회사 연구원과 엔지니어가 AI 모델을 얼마나, 어떻게 쓰는지 측정하고 관리합니다. 공고를 종합하면, 서울 채용의 목적은 모델을 만들고 기업 고객을 위해 안정적으로 운영하는 데 있습니다.
일곱 포지션은 세 가지를 공통으로 요구합니다. 첫째, 주인 의식입니다. 플랫폼 공고는 장애를 여러 계층에 걸쳐 근본 원인까지 추적하기를 바라고, 연구 포지션은 정의가 느슨한 문제에서도 방향을 잡는 사람을 원합니다. 둘째, 실서비스입니다. 모델 작업은 실제로 무엇을 출시했는지로 평가받습니다. 모델이 실제로 쓰이느냐는 SJ Kim의 기준과 같은 이야기입니다. 셋째, 시차를 넘나드는 영어 소통입니다. 플랫폼과 인프라 공고는 영어 소통 능력을 우대합니다. Pegasus 연구 리드는 시차를 가장 어려운 점으로 꼽습니다. 샌프란시스코에 간단한 질문 하나를 해도 답을 받는 데 13시간이 걸릴 수 있고, 대화 하나가 하루를 넘기기도 합니다.
기초 연구만 하고 싶다는 분에게는 솔직히 잘 맞지 않을 수 있어요.
Kian Kim · Pegasus 연구 리드 · 회사 한국어 블로그 인터뷰 · 2026-03-27
한국 사무소가 변방 조직이 아닐까 하는 걱정에는 반대 근거가 있습니다. 서울 인력의 80%가 연구개발을 맡고 있고, Pegasus 1.5를 서울에서 만들었으며, 2025년 3월부터 2026년 7월 사이 인원이 60% 이상 늘었습니다. 시리즈 B 발표문도 서울에 계속 투자하겠다고 약속합니다. 따져 봐야 할 위험은 다른 데 있습니다. 방향은 글로벌 차원에서 정해지고, 매출 대부분은 북미에서 나오며, 샌프란시스코에 간단한 질문 하나를 해도 답을 받는 데 13시간이 걸릴 수 있습니다.
합류하면 실서비스용 영상 모델을 만들거나 운영하게 됩니다. Pegasus, Marengo, 그리고 이를 받치는 플랫폼 중 내 경력에 맞는 분야를 고르고, 처음부터 끝까지 책임진 시스템 하나를 준비해 보세요.
Signet 공고 목록 · 2026-10-19 기준
직접 출시해 본 일을 기준으로, 모델·플랫폼 포지션 7개 중에서 골라 보세요.
시리즈 A 5,000만 달러가 모델 개발과 팀 확대를 뒷받침했습니다.
주요 데이터·인프라 기업이 3,000만 달러 전략 투자에 참여했습니다.
시리즈 B 발표에서 인지, 지식, 추론을 하나로 묶은 구조를 설명했습니다.
최근 발표는 회사의 승부수에 세 갈래의 흐름을 더합니다. 첫째는 자본과 클라우드입니다. 2026년 7월 1일 시리즈 B 1억 달러를 유치하면서 AWS와의 파트너십을 강화했고, 새 모델을 AWS에서 먼저 출시하기로 약속했으며, 뉴욕과 런던에 사무소를 새로 열었습니다. 9월 10일에는 Marengo가 Amazon Bedrock 관리형 지식 베이스에 들어간 첫 영상 모델이 됐습니다.
둘째는 모델 출시 속도입니다. 2026년 8월 31일 나온 Marengo 3.5는 입력 유형별 요금을 도입하고, 비동기 영상·오디오 입력에 걸려 있던 기존 4시간 제한을 없앴습니다. 다만 파일, 업로드, 요청 빈도, 작업 처리 제한은 그대로 적용됩니다. 10월 6일에는 Pegasus 1.6이 나와 1인칭 영상과 이미지 읽기를 추가했습니다. 셋째는 새 시장입니다. 2024년 사장으로 선임된 김윤이 함께 쓴 9월 30일 글은 물리 AI용 영상 지능의 첫 시험대로 로봇을 꼽습니다. 공개 데이터셋 기준으로 1인칭 영상 1시간을 수작업으로 라벨링하는 데 작업자 시간이 70~155시간 든다는 설명입니다. 이틀 뒤 대표는 연간 최소 730만 시간을 요청한 미국 로봇 학습 데이터 고객과, 공장 안전을 겨냥한 한국 계획을 소개했습니다.
세 갈래는 같은 승부수를 서로 다른 방향에서 검증합니다. 로봇 영상은 편집자가 아니라 기계가 읽어야 하는 데이터라는 점에서, '데이터로서의 영상'에 가장 잘 들어맞는 사례입니다. Pegasus 1.6은 이에 대한 Pegasus 팀의 첫 대응입니다. AWS 경로는 오래 남는 것은 모델이 아니라 모델을 조합하는 계층이라는 Lee의 주장을 시험합니다. Amazon도 직접 모델을 만들기 때문입니다.
Signet이 보기에 서울 지원자에게 가장 직접적인 신호는 Pegasus 1.6입니다. Pegasus 포지션이 맡는 모델이 이제 1인칭 로봇 영상을 읽기 때문에, 이런 영상을 위한 데이터, 평가, 서빙이 다음 분기 업무에 포함될 가능성이 큽니다.
보도국은 수년 치 영상을 갖고 있어도, 원하는 클립을 찾으려면 그 위치를 기억하는 사람에게 의존하곤 합니다. TwelveLabs는 화면, 소리, 움직임을 검색할 수 있게 하고 영상을 구조화된 정보로 바꾸는 모델을 만듭니다.
서울 직무는 Pegasus와 Marengo를 만들고, 실서비스에서 서빙·평가하며, 기업용 인프라를 운영하고, 사내 AI 모델 사용량을 측정합니다.
네. 2026-10-10에 회사 채용 페이지와 대조했습니다. 모집 여부는 바뀔 수 있습니다. 모의지원은 회사에 지원서가 가는 것이 아니라 Signet에 검토를 요청하는 단계입니다.
비전부터 제품, 성장, 사람, 한국 팀과 현재 공고까지 한 페이지에서 이어집니다. 목차로 원하는 곳으로 이동하고, 궁금한 부분은 펼쳐서 더 읽을 수 있습니다.