메스테크 홀딩스 Sidoti Micro-Cap Investor Conference

감사합니다, 마크. 이 자리에 함께하게 되어 정말 기쁩니다. 앞으로 12분 동안, 제 동료 데브와 함께 여러분께 새로운 마스텍을 소개해 드리고자 합니다. 오늘날의 우리가 누구인지뿐만 아니라, 현재 진행 중인 변화와 그것이 왜 AI 우선 경제에서 성공할 수 있는 기반이 되는지 말씀드리겠습니다. 본격적으로 시작하겠습니다. 마스텍 디지털은 데이터 및 AI 전환 전문 기업입니다. 하나의 미션: 기업들이 단순히 파일럿을 돌리거나 실험하는 수준이 아니라, 실제로 대규모 생산 환경에서 AI를 완전히 준비할 수 있도록 돕는 것입니다. 우리는 두 가지 상호 보완적인 역량을 통해 이를 실현합니다. 고품질 데이터와 AI 인재, 즉 기업 기술팀에 내재된 전문 인력입니다. 이 부분이 매출의 약 67%를 차지하며, 안정적이고 반복적인 기반입니다. 데이터 및 AI 서비스는 AI 준비 인프라와 에이전트형 AI 솔루션을 설계, 구축, 운영하는 영역입니다.

현재 매출의 약 3분의 1을 차지하며, 우리의 성장 동력입니다. 300개 이상의 기업 고객, 1,500명 이상의 임직원, 10개 이상의 프리미엄 플랫폼 파트너십, 100개 이상의 독자적 자산 및 가속기, 뉴욕증권거래소 상장, 소수 지분 소유, 전 세계 6개 배송 오피스를 보유하고 있습니다. 이상이 현재 마스텍의 간략한 개요입니다. 모델이 어떻게 구성되어 있는지 보여드리겠습니다. 두 개의 엔진으로 생각해 보세요. 하나는 인재 엔진으로, 기반이 안정적이고 현금 창출이 가능하며 기업 고객 내에서 문을 여는 역할을 합니다. 데이터 및 AI 서비스는 성장 엔진으로, 높은 마진과 차별화된 가치를 제공하며 관계를 심화시킵니다. 이 두 엔진은 서로를 보완하며 작동합니다. 특징적인 점은 서비스 비즈니스 뒤에 있는 깊이입니다. 20년 이상 신뢰받는 데이터 기반, 마스터 데이터 관리, 거버넌스, 데이터 품질, 계보 구축을 해왔습니다. 이러한 조직적 지식은 진정으로 복제하기 어렵습니다.

우리는 업계 전문성, 실행할 인재, 그리고 Snowflake, Databricks, GCP, Azure, Amazon Web Services, Informatica 전반에 걸쳐 대규모로 제공할 수 있는 플랫폼 역량을 보유하고 있습니다. 데이터 및 AI 서비스가 현재 33%에서 더 큰 매출 비중으로 성장함에 따라 마진이 확대되고, 이러한 믹스 변화가 투자 논리입니다. 이 비즈니스 측면에서 긴급성을 촉진하는 요인이 무엇인지 말씀드리겠습니다. 우선 AI 여정에서 우리가 보는 장애물부터 시작하겠습니다. 지난 18개월 동안 수백 건의 고객 대화를 진행했습니다. 매번 다섯 가지 장애물이 반복적으로 나타납니다. 첫째, 파일럿 단계에서 실제 운영으로의 전환 격차입니다. 기업들은 개념 증명 실험은 할 수 있지만, 기반 인프라가 기업용으로 준비되어 있지 않아 확장할 수 없습니다. 둘째, 인재 격차입니다. AI와 에이전트형 엔지니어링 인력은 시장 수요에 맞게 대규모로 존재하지 않습니다. 셋째, 거버넌스, 보안, 규제 압박입니다.

컴플라이언스가 실제로 큰 마찰을 일으키고 있습니다. 어떤 AI 배포도 라이브로 전환되기 전에 보안 검토를 통과하는 데 상당한 시간이 소요됩니다. 넷째, 총 소유 비용입니다. 토큰 비용이 급등하고 있습니다. 오늘날 모두가 이야기하는 주제이며, 투자 대비 수익(ROI) 이야기는 종종 명확하지 않습니다. 저희도 자체 운영에서 이를 확인하고 있습니다. 내부적으로 AI 도구를 도입했을 때, 사용량이 몇 일 만에 월 예산을 소진해 버립니다. 수요는 분명하지만, 비용 관리 체계는 아직 마련되지 않았습니다. 다섯째, 전체 도입 과정입니다. 변화 관리가 과소평가되며, 제가 이야기할 핵심 주제인 인간과 기계 간 상호작용의 간극은 이미 프로덕션 준비가 된 후에야 드러납니다.

이 모든 대화에서 이러한 지적들이 반복적으로 나왔으며, 제가 다음 2~3장의 슬라이드에서 설명할 저희가 구축한 프레임워크는 이 다섯 가지 영역을 해결하기 위해 특별히 설계되었습니다. 하지만 먼저, 기업들이 실제로 어디에 있는지 이해하는 것이 도움이 됩니다. 이것이 저희가 하는 모든 일을 형성하는 통찰입니다. 지난 30년간 전체 기업 스택은 인간 중심으로 구축되었습니다. 사람이 대시보드를 보고, 보고서를 해석하고, 버튼을 클릭하며, 판단을 내립니다. 저희의 모든 데이터, 시스템, 애플리케이션, 비즈니스 로직은 애매모호함과 의사결정을 처리할 인간이 개입하는 것을 전제로 했습니다. AI 에이전트는 그렇지 못합니다. 에이전트 도구가 효율적으로 작동하려면 데이터가 인간이 읽을 수 있는 형태에서 기계가 처리할 수 있는 형태로 전환되어야 합니다. 시스템은 로그인 화면이나 드롭다운 메뉴가 아니라, 호출 가능한 깔끔한 인터페이스여야 합니다.

비즈니스 규칙은 암묵적이지 않고 명확해야 합니다. 에이전트는 인간의 마음속을 추론할 수 없기 때문입니다. 저희가 고객이 돕는 변화는 인간 친화적 인프라에서 에이전트 친화적 생태계로의 전환입니다. 성공은 가장 많은 에이전트를 배치하는 것이 아닙니다. 성공은 전체 스택을 에이전트가 이해할 수 있도록 만드는 것입니다. 이것이 여정이며, 저희가 전체 프레임워크를 구축한 기반입니다. 인간이 읽을 수 있는 생태계에서 에이전트가 읽을 수 있는 생태계로 전환하는 작업을 위한 저희 프레임워크는 ‘지식 기업’이라 부르는 네 가지 기둥으로 구성되어 있습니다. 네 가지 기둥입니다. 첫 번째는 데이터로, 저희의 신뢰 계층입니다. 어떤 인텔리전스를 구축하기 전에 기존 애플리케이션과 환경에 들어가서 데이터 계보, 거버넌스 논리, 카탈로그, 용어집, 컨플루언스 페이지에 숨겨진 의미론적 관계를 복원합니다. 저희는 깨끗하고 신뢰할 수 있는 기반을 구축하며, 여러분은 할 수 없습니다. 왜냐하면, 흔히 말하듯이 모래 위에 집을 지을 수 없기 때문입니다, 맞죠?

그 데이터 계층 없이는 에이전트 작업을 수행할 수 없습니다. 두 번째는 지식 계층입니다. 여기서부터 흥미로워집니다, 바로 컨텍스트 계층입니다. 데이터가 거버넌스되고 신뢰를 받으면, 우리는 단계별로 인텔리전스를 활성화합니다. 이것을 집 안의 방별로 조명을 켜는 것처럼 생각하세요. 한 번에 스위치를 켜서 아무 문제 없기를 바라는 것과는 다릅니다. 세 번째는 오케스트레이션 계층으로, 에이전트가 실제로 작동하는 곳입니다. 여기서 AI가 실제 작업을 시작합니다. 의미 기반 검색, 워크플로우 자동화, MCP를 통한 프로토콜에 따라 시스템 간 에이전트 조정이 이루어지며 각 단계마다 거버넌스가 적용됩니다. 네 번째는 임팩트 또는 가치 계층입니다. CFO로서 저는 이 부분에 더 관심이 많습니다. 모든 투자는 비즈니스 성과로 추적됩니다. 무엇이 움직였고 무엇이 개선되었는지가 프로그램을 방어 가능하게 하고 지속적인 자금 지원을 보장합니다.

이 네 가지 기둥이 합쳐져서, 저희가 ‘분절된 AI 실험’이라 부르는 것을 확장되고 측정 가능한 AI 프로그램으로 전환시키며, 인간은 판단을 제공하고 에이전트는 완전한 컨텍스트 인식 하에 실행합니다. 여기서 데브를 소개하고 싶지만, 그 전에 마스텍 디지털이 이 모든 과정에서 어떤 역할을 하는지 설명드리고자 합니다. 어떤 회사든 제가 슬라이드에서 보여드린 프레임워크를 제시할 수 있습니다. 하지만 20년 넘게 실제로 기업 데이터 환경 안에서 살아온 경험, 복잡하고 정치적이며 레거시가 얽힌 대규모 조직 내 데이터 작동 방식을 보여줄 수는 없습니다. 그 기관 지식은 저희가 수행하는 모든 프로젝트에 영향을 미치며, 진정으로 복제하기 어렵습니다. 저희는 그 경험을 반복 가능한 자산으로 전환했습니다.

지식 축에서는 소매, 금융 서비스, 에너지와 같은 산업을 위한 사전 구축된 도메인 온톨로지, 즉 공유된 용어 체계를 보유하고 있습니다. 모든 고객마다 의미론적 계층을 새로 만들지 않습니다. 현재 미국의 주요 편의점 체인을 위해 제품 카탈로그부터 시작해 매장, 고객, 상품 진열, 로열티까지 확장하는 작업을 진행 중입니다. 이러한 온톨로지는 AI 우선 상거래 세계에서 경쟁하려는 소매업체들에게 저희가 말하는 성배가 됩니다. 관련 사례 연구도 말씀드릴 수 있습니다. 에이전트 축에서는 기존 고객 시스템에 에이전트를 내장하기 위한 독자적인 프레임워크인 ADEPT를 개발했습니다. 핵심은 '기존'입니다. 저희는 고객에게 시스템을 완전히 교체하라고 요구하지 않습니다. 검증된 기성 모델을 표준 인터페이스로 연결하고, 거버넌스, AgentOps, FinOps를 처음부터 내장하여 프로덕션에 임베드합니다.

파일럿이 아니라, 명확히 프로덕션 단계입니다. 이제 이 부분을 어떻게 상업적으로 확장하고 있는지 말씀드리겠습니다. 여기서 데브를 소개하고 싶습니다. 데브는 저희 성장 부서를 이끌고 있으며, 성장 부서와 복합 성장을 위해 어떻게 구축하고 있는지 이야기할 것입니다. 데브, 부탁드립니다.

감사합니다, 카난. 카난이 언급한 내용을 조금 더 설명드리자면, 말씀하신 대로 수요는 실제로 존재합니다. AI 도입이 증가하고 앞으로도 계속 증가할 것이기 때문에 문제 역시 현실적입니다. 이 양면성, 즉 이중적인 상황을 고려하여 저희는 성장 부서를 네 가지 기본 축으로 의도적으로 구성했습니다. 이 모든 것은 연결된 상업 엔진으로 간주됩니다. 첫 번째는 실제로 필요할 때 그 필요를 가진 더 많은 고객에게 어떻게 다가갈 것인가입니다. 이는 성장 부서 내에서 구축한 신규 고객 확보, 신규 로고 영업 엔진과 관련된 내용입니다. 두 번째는 고객이 저희를 어떻게 알게 되는가입니다. 우리가 그들에게 더 잘 보이게 하려면 어떻게 해야 할까요? 그들은 우리가 다른 고객들을 위해 어떤 문제를 해결하고 있는지 어떻게 알 수 있을까요?

바로 이 지점에서 퍼포먼스 마케팅 엔진이 작동하여 저희가 소식을 전하고, 이야기하며, 그들이 실제로 이를 인지하고 볼 수 있게 됩니다. 이 문제는 혼자서 해결할 수 없으며, 그래서 파트너 생태계가 매우 중요합니다. 마스텍은 ADEPT, 경험, 업계 지식, 40년간의 비즈니스 경험을 제공하고, 파트너들은 플랫폼, 기본 모델, 소프트웨어 측면에서 잘 해온 부분들을 가져옵니다. 이것이 바로 우리가 함께 모이는 지점이며, 파트너 생태계는 저희에게 매우 중요합니다. 스노우플레이크, 데이터브릭스와 같은 기업들과 협력하며, 그들과의 전략적 투자와 로드맵에 대한 심도 있는 논의를 통해 고객 문제를 해결합니다. 마지막으로 중요한 것은 대형 계약입니다.

이는 매우 중요합니다. 제가 몇 가지 예를 공유하겠지만, 우리가 해결하는 문제나 고객에게 제공하는 가치가 점점 더 명확해지면서, 더 이상 단일 솔루션이 아닙니다. 이는 데이터에서 시작해 카난이 언급한 것처럼 도입에 이르기까지 전체 스택 문제로 발전합니다. 이는 단순한 인력 중재나 그런 것이 아니라, 순수 AI 주도의 엔지니어링으로 가치를 창출하는 대형 계약을 형성하는 것입니다. 이것이 바로 저희 성장 부서 내에서 마련한 네 번째 축입니다. 이를 좀 더 구체적으로 설명하기 위해, 저희는 2분기에 몇 건의 계약을 발표했습니다. 실제로 저희가 무엇을 해결하고 있는지 몇 가지 예를 들어 설명드리겠습니다. 특정 산업 내 주요 페르소나를 대상으로 문제를 해결할 때, 그것이 더 큰 가치를 만듭니다. 첫 번째 예를 들어보겠습니다.