유아이패스 Investor Day 2026

여러분, 안녕하십니까. 유아이패스 인베스터 데이에 오신 것을 환영합니다. 이번 프레젠테이션에는 미래예측 진술과 비GAAP 재무지표가 포함됩니다. 관련 공시 및 조정 내역은 당사의 SEC 제출 서류를 참고해 주시기 바랍니다. 오늘 여러분께 소개해 드릴 내용이 매우 다양하게 준비되어 있습니다. 오늘은 앞으로의 비전과 기회부터 제품 로드맵에 담긴 혁신, 고객과 함께 시장에 진출하고 가치를 창출하는 방식, 그리고 궁극적으로 재무 모델까지 순서대로 말씀드리겠습니다. 마지막에는 모두 다시 모여 질의응답을 진행한 후, 투자자 리셉션을 마련하겠습니다. 공유해 드릴 내용이 많습니다. 그럼 회사의 비전과 앞으로의 시장 기회에 대해 말씀드릴 다니엘에게 넘기겠습니다.

애니트, 감사합니다. 여러분, 안녕하십니까. 여러분 모두 라스베이거스에 와 주셔서 정말 기쁩니다. 이번 주에 저희가 선보일 내용에 대해 매우 기대가 큽니다. 이번 행사는 저희가 개최한 행사 중 회사에 가장 큰 의미를 갖는 행사가 될 것이라고 생각합니다. 몇 년 전 저희는 회사의 2막에 대해 이야기했던 것을 기억하실 겁니다. 이제 여러분은 고객 사례와 저희가 선보일 엄청난 혁신 파이프라인을 통해 이 2막이 실제로 펼쳐지는 모습을 보게 되실 겁니다. 이는 곧 우리 회사의 변화를 잘 보여줄 것입니다. 먼저 기업공개 이후 어떤 일이 있었는지 간략히 되짚어 보겠습니다. 저희는 매우 탄탄한 사업을 구축했습니다. 기업공개 이후 매출은 3.5배 성장했습니다. 올해 연간 반복 매출(ARR)은 20억 달러를 넘어설 예정입니다. 동시에 수익성과 현금 창출 규모도 크게 확대했습니다.

이제 유아이패스를 규모 있는 기업이라고 부르는 것이 맞다고 생각하며, 시장 진출 운영 모델도 혁신했습니다. 이는 두 번째 도약과 미래를 구축해 나갈 수 있는 탄탄한 기반이 됩니다. 어떻게 여기까지 왔고 앞으로 무엇이 기다리고 있는지 살펴보는 것은 매우 흥미롭다고 생각하며, 전체적인 맥락에서 말씀드리겠습니다. 자동화 전반, 즉 비즈니스 프로세스의 자동화를 생각해 보면, 이는 컴퓨터가 처음 등장했을 때부터 이어져 온 매우 중요한 주제였습니다. 어쩌면 가장 중요한 주제였을 수도 있습니다. 약 10~12년 전에 일어난 매우 흥미로운 변화는 로보틱 프로세스 자동화(RPA)가 새로운 트렌드로 부상하기 시작했다는 점입니다. RPA의 어떤 점이 혁신적이었는지 아십니까? 서로 다른 시스템들을 연결할 수 있었다는 점입니다. 어떤 의미에서 많은 기업들이 애플리케이션 내부에서 자동화를 구현하는 사례를 갖고 있었습니다.

RPA는 사일로의 경계를 넘나들 수 있었던 몇 안 되는 성공적인 기술 중 하나였다고 생각합니다. API 자동화와 RPA에 대한 이야기는 거의 같은 시기에 함께 성장했다고 생각합니다. 오늘날에도 이 두 기술은 모두 자동화 도구 체계에서 중요한 역할을 차지하고 있다고 생각합니다. 오늘날에는 어떤 일이 일어나고 있을까요? 바로 AI의 등장입니다. AI와 자동화를 결합함으로써 막대한 혜택을 얻을 수 있다는 점이 모든 기업에 더욱 분명해졌다고 생각합니다. 그렇다면 어떻게 이것이 가능한가라는 질문이 자연스럽게 제기됩니다. 이번 발표에서 그 내용을 보여드리고, 라구가 훨씬 더 자세히 설명드릴 것입니다. 오케스트레이션은 기업 프로세스에 대규모로 AI를 도입하기 위한 핵심 기능이자 기반 메커니즘입니다. 개인의 생산성을 높이는 코파일럿 유형의 기술을 말씀드리는 것이 아닙니다.

제가 말씀드리는 것은 기업 프로세스의 맥락에 AI를 도입하고, AI가 약속하는 생산성의 막대한 향상을 실제로 실현하는 방법입니다. 저희가 직접 무엇을 하고 있는지 말씀드리기에 앞서, 오케스트레이션이 근본적인 트렌드라는 점을 분명히 하고 싶습니다. 그것이 반드시 저희 유아이패스와 관련된 것은 아닙니다. 오케스트레이션은 큰 흐름입니다. 저는 오케스트레이션을 지지한다는 점을 분명히 말씀드릴 수 있습니다. AI를 둘러싼 안전장치를 제공하는 오케스트레이션과 거버넌스 없이는 기업 환경에서 AI를 제대로 구현할 수 없습니다. 그렇다면 저희는 이 경쟁에서 어떻게 하고 있으며, 이 흐름을 어떻게 포착하고 있을까요? 보시다시피 이는 저희에게 자연스러운 확장이었습니다. 저는 회사가 설립된 초기부터 이 점을 여러 차례 말씀드렸습니다. 저희에게 RPA는 대기업 시장에 진입하기 위한 실질적인 관문이었습니다.

저희는 RPA를 통해 시장에 진입했고, 이후 그 범위를 확장했습니다. 저희의 목표는 항상 엔드투엔드 프로세스 자동화를 제공하는 완전한 플랫폼을 구축하는 것이었습니다. 이것이 저희가 기본적으로 발표한 내용입니다. 2019년 무렵 이 자리에 계셨던 분들이라면, 저희가 대규모 플랫폼을 선보이며 이를 ‘태피스트리’라고 불렀던 것을 기억하실 것입니다. 이 플랫폼에는 RPA뿐만 아니라 API, 프로세스 및 태스크 마이닝도 포함됐습니다. 디스커버리가 매우 중요한 요소이기 때문입니다. 또한 지능형 문서 처리도 포함됐습니다. 그리고 2년 전에는 오케스트레이션 분야에 본격적으로 진출한다고 발표했습니다. 여기서 이러한 구분을 하는 것이 중요하다고 생각합니다. 프로세스 오케스트레이션은 에이전트 오케스트레이션과 같은 것이 아닙니다. 사람들이 에이전트 오케스트레이션이라고 말할 때는 동일한 목표를 가진 에이전트들이 모여 그 목표를 달성하기 위해 높은 자율성으로 행동하는 것을 의미합니다.

반면 프로세스 오케스트레이션은 말 그대로 복잡한 프로세스를 의미하며, 사람, 다양한 유형의 에이전트, 다양한 유형의 자동화 등 서로 다른 행위자들 간의 업무를 조율하는 오케스트레이터가 존재합니다. 이러한 자동화를 실행할 머신을 할당해야 합니다. 자격 증명도 할당해야 합니다. 보안을 위한 안전장치를 제공해야 합니다. 매우 완전한 거버넌스를 제공해야 합니다. 이는 기본적으로 오케스트레이션 플랫폼입니다. 저희는 2년 전 새로운 워크플로 엔진을 기반으로 오케스트레이션을 구축하는 매우 과감한 결정을 내렸습니다. 저희의 오케스트레이션 접근 방식이 기술적으로 큰 도약을 이루고 있다는 점이 분명히 나타나고 있다고 생각합니다. 앞서 몇 차례 말씀드렸듯이, 저희 오케스트레이션의 내구성을 제공하는 핵심 엔진은 템포럴이라는 오픈소스 기술입니다. 이 기술은 이미 한동안 사용되어 왔습니다. 매우 탄력적이고 강력한 기술입니다. 어떤 면에서는 큰 변화라고 할 수 있습니다.

저희는 현재 시장에 존재하는 오케스트레이션 기술 가운데 저희의 오케스트레이션은 3세대 기술에 해당한다고 말씀드렸습니다. 저희는 템포럴 엔진을 기반으로 비즈니스 프로세스 오케스트레이션을 제공하는 오케스트레이션 엔진을 구축한 유일한 규모 있는 기업이라고 생각합니다. 따라서 저희는 기술적으로 매우 유리한 위치에 있습니다. 오늘날 저희가 업계에서 가장 완성도 높은 오케스트레이션 및 자동화 플랫폼 중 하나를 보유하고 있다는 점을 확인하실 수 있습니다. 이 플랫폼은 정말로 필요합니다. 반드시 저희 플랫폼 자체일 필요는 없지만, 오케스트레이션과 자동화를 제공하는 플랫폼은 기업용 인공지능을 구현하는 데 있어 진정한 기반입니다. 이렇게 말하는 사람은 저뿐만이 아닙니다. 가트너가 불과 며칠 전에 비즈니스 오케스트레이션 및 자동화 기술에 대한 새로운 매직 쿼드런트를 발표했습니다. 여러분, 여기 보십시오. 제가 보기에 이 매직 쿼드런트를 특별하게 만드는 것은, 이를 보시면 기존의 주요 기업들인 아이비엠, 마이크로소프트, 에스에이피, 에이더블유에스, 세일즈포스 외에도 이 기업들이 보인다는 점입니다.

이 기업들도 여기에 참여해 매직 쿼드런트 선정을 놓고 경쟁했으며, 각 기업이 어디에 위치해 있는지 보실 수 있습니다. 그다음 저희가 여기에 어디에 위치해 있는지 보십시오. 저희에게는 매우 큰 성과라고 생각합니다. 저희의 오케스트레이션은 비교적 새로운 기술이라는 점을 감안하면, 저희가 플랫폼에 구현한 정교한 수준을 더욱 잘 보여주는 것이라고 생각합니다. 앞으로 이러한 수준의 정교함을 확인하시게 될 것입니다. 저희가 BOT의 선도 기업일 뿐만 아니라 RPA의 선도 기업이며, IDP와 테스트 자동화에서도 선도 기업이라는 점을 언급하는 것이 매우 중요하다고 생각합니다. 이 모든 요소가 BOT 분야에서 저희가 선도적인 위치를 차지하는 데 기여합니다.

이 BOT는 종단 간 프로세스 오케스트레이션과 자동화에 필요한 모든 것을 제공하는 포괄적인 기술 접근 방식입니다. 또한 흥미로운 점은, 이에 대해 좀 더 명확히 설명드리고 싶다는 것입니다. 왜 이러한 오케스트레이션과 자동화가 강력한지, 그리고 AI를 구현하는 데 왜 필수적인지 말씀드리겠습니다. 가장 먼저 떠오르는 논거 중 하나는 최근 AI 에이전트가 자신의 범위를 벗어나 여러 기업 시스템을 공격하는 것과 관련해 제기된 문제를 살펴보는 것입니다. 현재 이 기술은 아직 준비가 되지 않았다는 점이 모두에게 분명해지고 있다고 생각합니다. 에이전트들을 대거 투입해 ‘청구서 처리를 개선하라’는 목표를 부여하면, 에이전트들이 사업을 운영하게 될 것이라고 생각하는 것입니다. 제정신인 고객이라면 누구도 이렇게 하려고 하지는 않을 것입니다. 동시에 진정한 질문은 그 강력한 기능을 어떻게 활용할 것인가입니다.

이 기술은 또한 매우 강력하며, AI가 산업과 우리의 업무 방식을 변화시킬 거대한 구조적 트렌드라는 점을 부정하는 사람은 없다고 생각합니다. 저희 플랫폼은 이러한 패러다임을 가능하게 합니다. 저희가 AI를 비즈니스의 맥락에 적용하는 것이야말로 고객들에게 큰 공감을 얻는 부분입니다. 저희는 AI가 비즈니스를 제대로 이해하도록 하되, AI가 운영 방식을 제안하고 초안을 작성하며 방안을 제시하도록 하고, 사람은 의사결정을 내리는 위치에 있도록 합니다. 그런 다음 사람이 내린 결정에 따라 저희의 프레임워크와 오케스트레이션이 자동화를 매우 예측 가능한 방식으로 실행할 수 있습니다. 고객들과 이야기할 때면 누구나 공감할 만한 일련의 요점을 전달한다고 생각합니다.

여기서 흥미로운 점 중 하나는, 규칙으로 설명할 수 있고 매우 안정적이며 예측 가능해야 하는 업무가 있다면 왜 소프트웨어를 사용해 그 업무를 수행하지 않느냐는 것입니다. 오늘날에는 너무나 당연한 일이라고 생각하며, 모두가 이를 이해하기 시작하고 있습니다. 소프트웨어로 구현할 수 있는 것은 무엇이든 소프트웨어로 구현합니다. 100% 신뢰할 수 있습니다. 저는 ‘정확성’이라는 표현을 사용하는데, 이는 매우 강력한 개념입니다. 결제를 생각해 보십시오. 결제를 진행해야 합니다. AI가 99.9%의 정확도를 보인다고 하더라도, 여전히 100% 정확해야 합니다. 규제 관점에서는 그것만으로 충분하지 않습니다. 어떤 도구가 무언가를 할 수 있다는 사실이, 반드시 그 도구를 사용해야 한다는 의미는 아닙니다. 지금은 이 점에 대해서도 생각해 보는 것이 중요하다고 봅니다. 기업에 AI를 도입할 때는 매우 흥미로운 비대칭성이 존재합니다.

AI 에이전트를 도입하는 일은 1년 전보다 실제로 덜 복잡해지거나 빨라지지 않았습니다. 하지만 결정론적이고 정확한 시스템을 도입하는 일은 훨씬 빨라졌습니다. 설계 단계에서 코딩 에이전트를 사용해 자동화를 생성하고 있기 때문입니다. 그리고 이를 통해 양쪽의 장점을 모두 얻을 수 있습니다. 자동화는 정확하게 작동하며 토큰을 사용하지 않습니다. 토큰을 필요로 하는 시스템을 소프트웨어로 구현되어 순수하게 결정론적으로 작동하는 시스템만큼 빠르고 예측 가능하게 실행하는 것은 불가능합니다. 이것이 기업의 AI 도입에서 실제 문제는 무엇인지 더 깊이 생각하게 만드는 계기가 됩니다. 여러분은 AI가 이미 광범위하게 도입됐다고 말씀하실 것이기 때문입니다. 모두가 코워크스나 코파일럿을 사용하고 있습니다. 다시 말씀드리지만, 이는 개인 생산성에 관한 것입니다. 제가 말하는 것은 기업 프로세스의 맥락에서 자율적으로 작동하는 진정한 의미의 AI입니다. 많은 파일럿 프로젝트가 있지만, 그중 대부분은 운영 단계로 전환되지 못한다고 생각합니다.

기업에서 AI의 진짜 문제는 AI의 추론 능력이 부족하다는 데 있지 않습니다. AI가 대부분의 사람보다 더 뛰어나게 추론할 수 있다고 믿을 만한 이유가 많기 때문입니다. AI 모델과 인간의 가장 큰 차이점은 AI가 업무를 수행하면서 학습하지 않는다는 것입니다. 이제 AI에 메모리가 있다고 말씀하실 수도 있습니다. 맞습니다. 하지만 메모리는 학습과 같은 것이 아닙니다. AI에는 매뉴얼이 필요합니다. 여러분이 보유한 모든 프로세스와 모든 사업에는 사업 운영 방식이 상세하게 정리된 완전한 매뉴얼이 필요하다는 의미입니다. 세상 어느 기업에도 이런 매뉴얼은 없으며, AI에는 이 매뉴얼이 필요합니다. 이것이 오늘날 가장 큰 차이점이며, AI가 완전히 예측할 수 없는 방식으로 실패할 수 있는 이유입니다.