AGI 시대, 맥락을 소유한 자가 승리한다 — 팔란티어 온톨로지의 재해석

인트로

2026년 1월, 다보스 무대에서 Anthropic CEO Dario Amodei가 이런 말을 했음. “병목은 더 이상 지능이 아니라 칩과 공장임.”

같은 달, 팔란티어 CEO Alex Karp는 CNBC에서 공매도 투자자들을 향해 이렇게 쐐기를 박았음. “칩과 온톨로지를 공매도하겠다는 건 정신 나간 짓이다(bats— crazy).”

서로 다른 무대에서 나온 발언이지만, 두 문장은 같은 방향을 가리키고 있음. AI 시대의 진짜 경쟁은 모델의 성능이 아니라 모델이 발을 딛는 기반 위에서 벌어진다는 것임.

그 기반이 바로 온톨로지(Ontology)임. 20년 동안 CIA와 국방부를 고객으로 삼아 구축해온 팔란티어의 핵심 자산. 지금까지 이 시리즈에서 팔란티어의 재무 구조와 FDE 모델, 철학적 기반을 해부했음. 이번 편은 그 모든 퍼즐의 중심 — 온톨로지가 왜 AGI 이후 시대의 운영체제가 될 수밖에 없는가 — 를 정면으로 다룸.

결론부터 말하면, AGI가 1년 뒤에 오든 10년 뒤에 오든 상관없음. 맥락을 소유한 기업이 이긴다. 그리고 맥락을 소유하는 가장 체계적인 방법이 온톨로지임.

배경: 온톨로지란 무엇인가

데이터레이크와 온톨로지의 차이

대부분의 기업이 AI를 도입할 때 첫 번째 하는 일이 있음. 데이터를 한 곳에 모으는 것임. 데이터레이크(Data Lake)를 구축하고, 클라우드에 올리고, LLM API를 연결함.

문제는 이 다음 단계에서 벽이 나타나는 것임는 것임. AI가 데이터를 읽고는 있는데, 제대로 된 답을 못 내놓는 상황임. 데이터는 있는데 AI가 그 데이터의 의미를 모르기 때문임.

비유하면 이렇게 됨. 거대한 도서관이 있음. 책이 수십만 권 쌓여 있음. 그런데 책마다 분류 기호가 없고, 사서도 없고, 목록도 없음. 책이 아무리 많아도 필요한 정보를 찾을 수 없는 것임. 데이터레이크가 바로 이 상태임.

온톨로지는 그 도서관에 분류 체계, 사서, 색인을 동시에 부여하는 것임. 팔란티어의 공식 정의로 옮기면: “기업의 논리, 자산, 프로세스를 현실 세계의 대응물과 연결하는 의미론적·동역학적 계층”임.

구체적으로 어떻게 다른지 예를 들면 이렇게 됨. 물류 회사에 “트럭 1234″라는 데이터가 있다고 가정함. 데이터레이크는 이것을 숫자 하나로 저장함. 온톨로지는 이 트럭이 현재 어디에 있는지, 적재량이 얼마인지, 다음 배송지는 어디인지, 담당 기사의 누적 운행 시간은 얼마인지, 같은 노선의 다른 트럭들과 어떤 관계인지를 모두 연결해서 하나의 살아있는 객체(Object)로 만들어 냄.

AI 에이전트가 “내일 오전까지 서울역 배송이 가능한 트럭은?”이라는 질문을 받았을 때, 데이터레이크에서는 수작업 쿼리가 필요하지만 온톨로지 위에서는 에이전트가 즉시 추론하고 행동할 수 있는 것임.

온톨로지가 자동 생성되지 않는 이유

중요한 사실이 있음. 온톨로지는 자동으로 만들어지지 않는다는 것임. 사람이 기업의 업무 논리를 이해하고, 어떤 객체가 어떤 관계를 맺는지를 설계해야 함.

이것이 팔란티어의 FDE(Forward Deployed Engineer) 모델이 존재하는 이유임. 고객사에 주 3~4일 상주하면서 현장의 비즈니스 논리를 온톨로지로 번역하는 작업을 하는 것임. 전 팔란티어 FDE 출신 Nabeel Qureshi가 정확히 이렇게 표현했음: “Context is that which is scarce” — 맥락이야말로 가장 희소한 자원이라고.

2025년 현재, AI 모델 자체는 더 이상 희소하지 않음. OpenAI, Google, Anthropic, 메타가 경쟁하고 있고, 오픈소스 모델도 넘쳐남. 그러나 특정 기업의 현장에서 어떤 문제가 벌어지고 있는지, 그 데이터가 어떤 비즈니스 맥락에서 의미를 갖는지를 이해하는 것은 전혀 다른 문제인 것임.

여기서 팔란티어 온톨로지의 핵심 테제가 나옴. 모델이 상품화될수록, 모델이 발을 딛는 맥락의 가치는 더 커진다. 이것이 Karp가 “모든 가치는 칩과 온톨로지로 흘러갈 것”이라고 말한 구조적 근거임.

팔란티어의 AGI 시대 포지셔닝

Q4 2025 — “실험에서 대규모 배포”로

숫자부터 보면 팔란티어가 무언가 다른 단계에 들어섰다는 걸 알 수 있음. 2026년 2월 1일 발표된 Q4 2025 실적임.

Rule of 40은 SaaS 업계에서 기업 건전성을 평가하는 지표임. 매출 성장률 + 영업이익률의 합이 40%면 “우수”로 본다는 기준임. 팔란티어의 127%는 이 기준의 세 배를 넘는 수치임.

FinancialContent의 2026년 2월 26일 헤드라인이 이 전환을 가장 잘 요약함. “Enterprise AI Shift Moves from Experimentation to Massive Deployment” — 기업 AI가 실험에서 대규모 배포로 넘어갔다는 것임.

이 성장의 엔진이 AIP(AI Platform)임. AIP는 팔란티어의 온톨로지 위에 LLM을 연결한 AI 운영 레이어임. 쉽게 말해, 기업의 모든 데이터와 업무 논리가 담긴 온톨로지에 AI 두뇌를 꽂는 소켓이 AIP인 것임.

AIP의 2026년 진화: 에이전트 오케스트레이션으로

2026년 들어 AIP의 성격이 달라졌음. 단순히 LLM을 기업 데이터에 연결하는 도구를 넘어, 다수의 AI 에이전트가 협력해서 복잡한 업무를 자율 수행하는 오케스트레이션 레이어가 된 것임.

팔란티어가 2026년 초에 발표한 신기능들을 보면 방향이 명확함.

• AI Hivemind: 여러 AI 에이전트가 온톨로지를 공유하며 분산 협력하는 구조
• Edge Ontology: 모바일 기기에서 구동되는 경량 온톨로지. 전장이나 오프라인 환경에서도 AI 추론 가능
• AIP Document Intelligence (2026-02-04 GA): 문서 추출 워크플로우 자동화. 저코드로 PDF, 계약서, 보고서에서 정보를 추출하고 온톨로지에 반영

이 세 가지의 공통점이 있음. 모두 온톨로지를 중심으로 확장된다는 것임. Hivemind도, Edge도, Document Intelligence도 온톨로지 없이는 작동하지 않음. 팔란티어가 AI 기능을 늘릴수록 온톨로지의 중요성이 함께 커지는 구조인 것임.

Model Agnostic — 왜 이게 핵심 전략인가

팔란티어의 가장 덜 알려진 전략적 선택이 있음. 특정 AI 모델에 종속되지 않는 Model Agnostic 철학임.

경쟁사들은 자사 AI 모델에 고객을 묶어두려 함. Microsoft는 Azure OpenAI, Google은 Gemini, Amazon은 Bedrock. 자기 모델을 써야 자기 플랫폼이 강해지는 구조임.

팔란티어는 반대로 감. GPT든 Claude든 Llama든 어떤 LLM이라도 온톨로지에 꽂아 쓸 수 있는 구조를 만들었음. LLM은 교체 가능한 부품이고, 온톨로지가 본체라는 선언임.

왜 이게 전략적으로 중요한가. 두 가지 이유임. 첫째, 고객 입장에서 벤더 종속(Vendor Lock-in)의 공포가 사라짐. 더 좋은 모델이 나오면 교체하면 됨. 플랫폼은 그대로 유지됨. 둘째, AGI 경쟁에서 어느 회사가 이기든 팔란티어는 중립 인프라로 남을 수 있음. GPT-5가 나와도, Gemini Ultra가 나와도, 온톨로지 레이어는 팔란티어 것임.

업계에서 “LLM은 지난 20년간 팔란티어의 온톨로지를 기다려왔다”는 평가가 나오는 배경이 이것임. 온톨로지가 먼저 존재했고, AI 모델이 나중에 그 위에 탑재된 것임.

NDR 139%가 말해주는 것

팔란티어의 비즈니스 모델이 작동한다는 가장 강력한 증거가 NDR(순 달러 유지율) 139%임.

NDR 139%의 의미는 이렇게 됨. 신규 고객을 단 한 명도 확보하지 않아도, 기존 고객들이 작년보다 39% 더 쓰고 있다는 뜻임. SaaS 업계에서 NDR 120%면 “우수”로 평가받는데, 139%는 Snowflake나 Datadog 수준임. 더 놀라운 건 이 수치가 전 분기 대비 5%p나 올랐다는 점임.

왜 고객이 자발적으로 지갑을 더 여는가. 온톨로지의 확장 특성 때문임. 처음에 1개 유스케이스로 시작해 온톨로지를 구축하면, 두 번째 유스케이스는 같은 온톨로지 위에 새 레이어를 얹는 것이기 때문에 훨씬 빠르고 저렴하게 구현됨. Tampa General Hospital이 1개 유스케이스로 시작해 4년 만에 12개로 확장하고 700명 이상의 생명을 구한 패턴이 이것임. 전환 비용이 올라갈수록, 그리고 유스케이스가 쌓일수록, 고객이 떠날 이유가 없어지는 것임.

한국 SI의 현실과 기회

“팔란티어 따라간다” — 삼성SDS의 고백

2026년 초, 의미있는 보도가 하나 나왔음. 디일렉 헤드라인: “삼성SDS, 팔란티어 따라간다…협업SW에 ‘온톨로지’ 적용 검토”.

국내 최대 IT 서비스 기업이 경쟁사가 아닌 미국 데이터 플랫폼 기업의 방법론을 “따라가겠다”고 공개적으로 인정한 것임. 이게 현재 한국 SI의 현실을 가장 솔직하게 드러내는 문장임.

2026년 기준, 국내 기업의 85%가 생성형 AI 도입을 예정하고 있음(CIO.com 조사). 예산도 79.3%가 늘리겠다고 했음. 그런데 도입 최대 장애물을 물으면 49.8%가 “기술 인력 및 기술력 부족”이라고 답하고, 32.0%가 “적절한 데이터 인프라 확보 어려움”이라고 답함.

도구(LLM)는 있는데 설계도(온톨로지)가 없는 상황임. ChatGPT 구독은 하는데, 회사 데이터와 연결하는 맥락 레이어를 구축하지 못한 상태인 것임.

온톨로지 없이 AI를 도입하면 벌어지는 일

한국 대형 공공기관의 AI 도입 실패 패턴이 반복되는 이유를 온톨로지 개념으로 설명하면 명확해짐. 정부는 “한국형 팔란티어”를 추진한 적이 있음. 그런데 아직도 진전이 더딤. 이유는 두 가지임: 데이터 규제와 부처 간 칸막이.

온톨로지의 본질이 데이터 간 연결인데, 그 연결 자체가 규제와 행정 장벽으로 막혀 있는 것임. 인사혁신처 데이터와 기획재정부 데이터를 연결하려면 승인만 몇 개월이 걸림. 아무리 좋은 AI 모델을 갖다 놔도 데이터가 고립되어 있으면 LLM은 멍청한 앵무새 수준을 벗어날 수 없음.

민간도 다르지 않음. 삼성SDS, LG CNS, SK C&C 같은 대형 SI사들이 수조 원의 매출을 올리지만, 수익 구조는 여전히 프로젝트 기반 인건비 모델임. 고객사에 인력을 파견하고, 프로젝트가 끝나면 철수함. 현장에서 수년간 쌓은 도메인 노하우가 사내 온톨로지로 전환되는 경우가 극히 드뭄.

결과가 어떻게 나타나는가. 매출총이익률이 20~30%대에 묶임. 팔란티어의 82.4%와 비교할 수 없는 구조임. 사람이 늘어야 매출이 느는 한계에서 벗어나지 못하는 것임.

한국 SI가 택해야 할 분기점

공정하게 말하면 가능성은 있음. 삼성SDS가 온톨로지 검토를 시작했다는 것 자체가 방향 전환의 신호임. LG CNS의 DAP(Data Analytics Platform), SK C&C의 AI 전환 시도도 마찬가지임.

그러나 결정적 차이가 존재함. 팔란티어가 FDE 모델로 20년간 현장에서 온톨로지를 구축해온 반면, 한국 SI는 그 현장 경험을 사내 제품으로 전환하는 플라이휠을 아직 돌리지 못하고 있음. Nebraska Medicine에서 5일 만에 $88M 계약을 만들어낸 부트캠프 모델, Tampa General에서 4년간 유스케이스를 12개로 키운 확장 패턴 — 이것을 가능하게 하는 것이 온톨로지이고, 온톨로지가 없으면 이 패턴 자체가 복제 불가능한 것임.

결론

Amodei가 다보스에서 “병목은 지능이 아니라 칩과 공장”이라고 했을 때, 팔란티어는 이미 그 병목의 다른 한쪽을 20년째 채우고 있었음. 칩은 NVIDIA가, 공장은 클라우드 기업이 담당한다면, 기업 운영의 ‘맥락’은 온톨로지가 담당하는 것임.

Karp의 테제를 다시 요약하면 이렇게 됨. “모든 가치는 칩과 우리가 온톨로지라고 부르는 것으로 흘러갈 것임.” AI 모델이 상품화될수록 이 말은 더 맞아떨어짐. 어떤 회사가 GPT-6를 만들든, Claude 4가 나오든, 기업 운영의 모든 맥락이 담긴 온톨로지는 그 회사를 처음 구축한 곳의 것임.

AGI가 온다면 더욱 그렇게 됨. AGI는 스스로 학습하고 추론하지만, 특정 기업의 비즈니스 논리 — 이 공장의 부품 조달 순서, 이 병원의 환자 배치 기준, 이 은행의 신용 판단 구조 — 는 온톨로지에 있음. AGI에게 그 맥락을 넘겨주는 인터페이스를 가진 기업이 AGI의 능력을 온전히 쓸 수 있는 것임.

한국 기업들에게 이건 경고이자 기회임. 85%가 AI를 도입하겠다고 하는 이 시점에, “어떤 LLM을 선택할까”보다 “온톨로지를 누가 구축하느냐”가 5년 후의 경쟁 구도를 결정하게 됨. 팔란티어가 20년 동안 증명한 것은 결국 이것임 — 지능 자체가 아니라, 지능이 발을 딛는 구조가 가치를 결정하는 것임.

맥락을 소유한 자가 AGI 시대를 지배하는 것임.

한줄 코멘트. AI 모델은 상품이 되지만, 기업 고유의 맥락을 담은 온톨로지는 대체 불가능한 자산이 됨. Karp의 “칩과 온톨로지가 모든 가치를 가져간다”는 말은 예언이 아니라 구조적 논리임.

직장인 시사점. 지금 당장 할 수 있는 것은 하나임. 본인 업무에서 반복적으로 판단이 필요한 지점을 찾고, 그 판단에 필요한 데이터가 어디에 흩어져 있는지를 파악하는 것임. 이것이 개인 수준의 ‘온톨로지’를 구축하는 시작점임. AI 도구 사용법보다 본인 업무의 설계도를 그리는 역량이 먼저인 것임.

관련 글 추천

• AGI 그 다음 날 — 다보스에서 AI의 두 거장이 보여준 미래의 갈림길
• 팔란티어가 20년간 온톨로지를 구축한 진짜 이유 (feat AI 에이전트, 마두로 체포, 동인도회사)
• FDE 모델: 5일 만에 가치를 증명하는 법 (feat 팔란티어, AIP 부트캠프, 서비스→제품)
• 틸 vs 카프: 반대편에서 같은 결론에 도달한 두 사람 (feat 팔란티어, 하버마스, 칼 슈미트)

참고 소스

1. Palantir Q4 2025 Earnings Press Release (Palantir IR, 2026-02-01)
2. Palantir Q4 2025 CNBC 보도 (CNBC, 2026-02-02)
3. Enterprise AI Shift — Massive Deployment (FinancialContent, 2026-02-26)
4. The AI Operating System — Path to $150 (FinancialContent, 2026-02-27)
5. Alex Karp WEF Davos 2026 세션 (WEF, 2026-01-21)
6. Alex Karp — Chips and Ontology Quote (CNBC)
7. Palantir Ontology 공식 페이지 (Palantir)
8. Palantir AIP Overview (Palantir)
9. AI Infrastructure & Ontology (Palantir Blog)
10. Palantir February 2026 Announcements (Palantir, 2026-02)
11. 삼성SDS 온톨로지 적용 검토 (디일렉)
12. 2026년 국내 기업 85% 생성형 AI 도입 (CIO.com)
13. 2026 IT 전략 전망 조사 (CIO.com)
14. 한국형 팔란티어 추진 현황 (뉴스 THE AI)
15. Reflections on Palantir — Nabeel S. Qureshi (Substack, 2025)
16. Alex Karp — Ontology Strategy (IndexBox, 2025)
17. AGI 그 다음 날 — TheByteDive (TheByteDive, 2026-02-28)
18. 팔란티어 온톨로지 편 — TheByteDive (TheByteDive, 2026-02-25)
19. FDE 모델 편 — TheByteDive (TheByteDive, 2026-02-27)