[Startup 분석] 인텔리시아: 50만 합성소비자는 사람 설문을 대신할까?

사람 1,000명을 모집해 두 달 걸리던 시장조사를 AI 소비자에게 먼저 돌리는 회사가 나왔다. 인텔리시아는 2026년 9월 2일 34억 원 프리 시리즈 A를 발표했고, 투자사 공식 자료 기준 올해 상반기에만 200건이 넘는 고객 프로젝트를 수행했다. 이 회사가 파는 것은 그럴듯한 AI 페르소나가 아니라 신제품 후보를 빠르게 탈락시키는 의사결정 속도다. 지금 인텔리시아를 봐야 하는 이유는 ‘합성소비자’가 데모를 넘어 실제 예산이 붙는 리서치 상품이 되는 첫 구간에 들어섰기 때문이다.

한눈에 보는 인텔리시아

설립·대표: 2025년 2월 설립, 백승국 대표. 백 대표는 추천기술 스타트업 데이블을 공동창업해 2021년 야놀자에 매각한 이력이 있다.
핵심 제품: 실제 설문·인터뷰, 커머스 리뷰와 SNS 데이터를 바탕으로 만든 AI 합성소비자에게 설문과 심층 인터뷰를 수행하는 리서치 플랫폼 ‘더서베이(TheSurvey)’.
현재 트랙션: 회사 공식 사이트 기준 12개국 50만 명 이상의 합성 패널, 50개 고객사와 120건의 PoC를 확보했다. 카카오벤처스의 9월 2일 공식 발표는 올해 상반기 고객 프로젝트가 200건을 넘었고, PoC 고객의 60% 이상이 연간계약 등 유료 고객으로 전환됐다고 제시한다. 두 수치는 집계 기간과 프로젝트 정의가 다를 수 있다.
가격·수익모델: 공식 공개가격은 500명·50문항 Quick Survey 120만 원, 500명 정량조사와 심층 인터뷰 8명을 묶은 Research Project 450만 원, 기업 전용 합성소비자를 포함한 Enterprise Solution 5,000만 원부터다.
최근 투자: 2026년 9월 2일 발표한 34억 원 프리 시리즈 A. 카카오벤처스가 주도하고 뮤렉스파트너스·캡스톤파트너스와 백 대표가 참여했다. 2025년 공개된 5억 원 시드와 단순 합산하면 공개 투자액은 39억 원이다.
기업가치·비공개 지표: 투자 전·후 기업가치, 연간 매출·ARR, 고객별 계약 규모, 재계약률, 프로젝트 총마진, 모델·데이터 비용과 현금 소진 속도는 공개되지 않았다.

합성소비자는 어떻게 ‘그럴듯한 답변’에서 조사 도구가 되는가?

범용 LLM에 “30대 직장인처럼 답해 달라”고 요청하는 것만으로는 시장조사가 되기 어렵다. 인구통계 몇 개를 붙인 페르소나는 평균적인 고정관념을 말하기 쉽고, 같은 질문에 지나치게 친절하거나 긍정적으로 답할 수 있다. 기업이 필요한 것은 자연스러운 문장이 아니라 사람 패널과 비교했을 때 순위와 응답 분포가 얼마나 비슷한지다.

인텔리시아는 실제 설문과 인터뷰, 상품평, SNS 데이터에서 소비자 특성을 역으로 추출해 패널을 만든다고 설명한다. 공식 기술 페이지에는 인구통계부터 구매경험·브랜드까지 69개 특성, 15개 카테고리, 150개 이상의 의존관계가 제시돼 있다. 여기에 응답 모델 앙상블, 실제 판매량·점유율 보정과 자동 검수·재수행을 결합한다는 구조다.

핵심은 AI가 사람 한 명의 마음을 그대로 복제한다는 주장이 아니다. 특정 상품군과 조사 조건에서 사람 패널의 집단 응답 분포를 의사결정에 쓸 만큼 재현할 수 있느냐가 제품의 기준이다. 그래서 이 회사를 볼 때는 합성 패널 수보다 어떤 실제 데이터로, 어느 세그먼트에서, 언제 다시 보정했는지를 먼저 봐야 한다.

인텔리시아 공식 합성소비자 기술 페이지

50만 AI 패널이 만들어지고 검증되는 과정 보기

69개 특성과 150개 의존관계, 응답 생성·시장 보정·자동 검수 흐름을 보면 단순 페르소나 프롬프트와 리서치용 합성 패널의 차이를 확인할 수 있다.

공식 페이지에서 합성소비자 기술 보기 →

34억 원 투자는 무엇을 검증했고, 무엇을 아직 검증하지 못했나?

이번 라운드는 카카오벤처스가 주도하고 뮤렉스파트너스와 캡스톤파트너스가 신규 참여했다. 창업자인 백 대표도 직접 투자했다. 전자신문은 이를 프리 시리즈 A로, 일부 보도는 시리즈 A로 표현한다. 이 글에서는 투자사 공식 공지와 회사 발표를 따라 프리 시리즈 A로 표기한다.

투자 판단의 가장 강한 근거는 고객 이름보다 유료 전환이다. 인텔리시아는 CJ제일제당, 풀무원, 롯데웰푸드, LG유플러스, BGF리테일 등과 프로젝트를 수행했고 PoC 고객의 60% 이상이 유료 또는 연간계약으로 이어졌다고 밝혔다. 기술을 한 번 구경한 고객이 다시 예산을 배정했다는 뜻이어서 초기 B2B 스타트업에는 중요한 신호다.

다만 60%의 분모와 계약의 질은 더 확인해야 한다. 공식 사이트는 누적 50개 기업·120건 PoC를, 카카오벤처스 공식 발표는 올해 상반기 200건이 넘는 고객 프로젝트를 제시한다. PoC와 유료 프로젝트의 집계 범위가 다를 가능성이 있지만 정확한 기준은 공개되지 않았다. 전환율이 기업 수 기준인지 프로젝트 수 기준인지, 유료 단건과 연간계약을 어떻게 구분하는지도 확인이 필요하다. 500명 조사를 한 번 구매한 것과 기업 전용 패널을 매년 갱신하는 것은 매출의 반복성이 완전히 다르다.

투자금은 해외 소비자 데이터 확보, 응답 재현율 개선, 2026년 4분기 글로벌 SaaS 출시와 2027년 미국·일본 진출에 쓰일 예정이다. 결국 이번 34억 원은 국내 프로젝트형 매출을 검증한 보상이라기보다, 그 경험을 반복 가능한 소프트웨어로 바꾸라는 자본에 가깝다.

91.2% 재현율은 정확도 91.2%가 아니다

인텔리시아 공식 사이트는 검증 지표로 스피어만 상관계수 91.2%와 ‘1-RMSE’ 93.6%를 제시한다. 스피어만 상관은 항목의 순위가 사람 조사와 얼마나 비슷한지 보는 지표다. 91.2%라는 숫자가 합성소비자 100명 중 91명의 구매행동을 맞혔다는 뜻은 아니다.

1-RMSE는 예측값과 실제값의 절대적인 차이를 다른 방식으로 요약한다. 두 지표를 함께 공개한 것은 순위만 맞고 응답 크기는 틀리는 문제를 보완하려는 시도다. 하지만 표본 구성, 상품군, 질문 형식, 비교 시점과 통계적 신뢰구간이 모두 공개돼야 외부에서 같은 결과를 재현할 수 있다.

한국경제 보도는 이 한계를 더 구체적으로 보여준다. 회사 자체 평가에서 리뷰가 풍부한 소비재의 사용·태도 및 콘셉트 조사는 90% 이상의 유사도를 보였지만, 오프라인 유통 사용·태도 조사는 80~85% 수준이었다. 실제 데이터가 풍부하고 변화가 느린 범주에서는 강하지만 관측 데이터가 적거나 맥락 의존성이 큰 시장에서는 오차가 커질 수 있다는 뜻이다.

AI Summit Seoul에서 회사는 자체 엔진 Sullivan이 NVIDIA의 한국어 합성 페르소나 데이터셋보다 세 가지 지표의 평균 성능이 27% 높았다고 발표했다. 실제 소비자 800명의 세 개 조사 응답을 비교한 결과라고 설명했지만, 회사 발표이며 독립적인 동료평가 벤치마크는 아니다. 좋은 초기 증거이되 구매자가 그대로 일반화해서는 안 된다.

돈은 어디서 버는가?

인텔리시아는 가격을 공개해 초기 사업모델을 비교적 선명하게 보여준다. 고객당 매출을 기준으로 세 층으로 나눌 수 있다.

Quick Survey: 120만 원에 500명·50문항, 원자료와 피벗테이블, AI 자동 리포트를 제공한다. 신규 고객의 체험과 반복 소규모 조사에 적합한 입구 상품이다.
Research Project: 450만 원에 500명 정량조사, 심층 인터뷰 8명, 문항설계와 인사이트 보고서를 묶는다. 소프트웨어 사용료보다 리서치 서비스와 전문가 시간이 더 많이 들어간다.
Enterprise Solution: 5,000만 원부터 시작하며 기업 전용 합성소비자, 정량·심층 인터뷰 솔루션과 보고서를 제공한다. 잘 확장되면 연간계약과 높은 고객당 매출을 만들 수 있는 핵심 상품이다.

회사는 1,000명·50문항의 전통 조사에 약 2,000만 원과 2개월이 들고 자사 방식은 약 250만 원과 3~5일이 걸린다고 비교한다. 이는 회사가 제시한 조건이지 모든 리서치 프로젝트의 시장 평균을 독립 검증한 수치는 아니다. 그럼에도 패널 모집과 응답 수집 비용을 컴퓨팅으로 바꾸는 방향은 분명하다.

좋은 시나리오는 Quick Survey로 들어온 고객이 반복 프로젝트를 거쳐 기업 전용 패널과 SaaS 구독으로 올라가는 것이다. 나쁜 시나리오는 고객마다 데이터 정제, 문항설계와 결과 해석을 사람이 새로 해야 해 매출이 늘수록 리서처 비용도 같은 속도로 커지는 것이다. 향후 봐야 할 숫자는 총매출보다 서비스 매출과 소프트웨어 매출의 비중, 고객당 모델 원가와 갱신률이다.

시장조사의 대체재인가, 신제품 필터인가?

합성소비자의 가장 설득력 있는 자리는 최종 결재가 아니라 초반 후보 제거다. 상품명, 가격, 패키지와 프로모션 조합 수십 개를 먼저 시험하고 반응이 나쁜 안을 빠르게 버린 뒤, 남은 두세 개만 실제 사람에게 검증하면 조사비와 시간을 함께 줄일 수 있다.

이 사용법은 정확도가 완벽하지 않아도 경제성이 생긴다. 모든 아이디어에 실제 패널을 쓰는 비용이 너무 높아 지금은 담당자의 직관으로 건너뛰는 구간을 AI 조사로 채울 수 있기 때문이다. 즉 인텔리시아의 초기 시장은 기존 시장조사 예산 전체가 아니라 ‘돈이 아까워 조사하지 않던 의사결정’까지 포함한다.

반대로 대규모 설비투자, 규제 제품, 브랜드 전체를 바꾸는 결정에 합성 패널만 쓰는 것은 위험하다. 시장에 없던 제품은 학습 데이터가 적고, 유행이 급변한 분야는 과거 분포가 현재를 설명하지 못한다. 회사도 투자 규모가 큰 전략 신제품에는 합성소비자와 실제 소비자 조사를 병행하는 방식을 권고한다.

따라서 가장 현실적인 포지셔닝은 ‘사람을 없애는 AI’보다 ‘사람 조사를 어디에 쓸지 정해주는 전처리 레이어’다. 이 역할에서 성과를 쌓은 뒤 실제 판매 데이터와 계속 연결하면 제품의 신뢰 범위를 넓힐 수 있다.

경쟁자는 리서치 회사, 범용 LLM, 고객의 자체 데이터팀이다

첫 번째 경쟁자는 기존 시장조사 플랫폼과 리서치 회사다. 한국경제는 Qualtrics와 Kantar 같은 글로벌 사업자도 합성 패널과 합성 데이터 서비스를 내놓고 있다고 보도했다. 이들은 기존 고객관계, 방대한 사람 패널, 조사 설계 노하우와 글로벌 데이터 접근에서 앞선다.

인텔리시아의 방어선은 한국·아시아 소비자 데이터와 빠른 제품화다. 국내 상품평과 설문, 구매 맥락을 반영해 범용 인구통계 페르소나보다 실제 응답 분포를 잘 맞춘다면 로컬 시장에서 유리하다. 하지만 글로벌로 가면 각국 언어 번역보다 최신 구매행동, 브랜드 경험과 유통 채널을 지속적으로 수집하는 비용이 더 큰 장벽이 된다.

두 번째 경쟁자는 고객이 이미 쓰는 범용 LLM이다. 마케팅팀은 ChatGPT나 Claude에 페르소나를 주고 즉석 인터뷰를 만들 수 있다. 인텔리시아는 결과의 보기 좋은 문장보다 표본 구성, 분포 보정, 검수와 반복 측정이 왜 필요한지를 증명해야 유료 가격을 방어할 수 있다.

세 번째 경쟁자는 대기업의 자체 데이터팀이다. 실제 구매·멤버십·앱 행동 데이터가 풍부한 유통사라면 범용 모델과 내부 데이터를 결합해 자체 합성 패널을 만들 수 있다. 인텔리시아가 장기적으로 남으려면 모델보다 데이터 수집·보정 파이프라인, 산업별 벤치마크와 운영 편의성이 내부 구축보다 좋아야 한다.

이 기업가치는 말이 되는가?

현재 투자 전·후 기업가치는 공개되지 않아 매출 배수나 희석률을 계산할 수 없다. 34억 원은 새로 조달한 자금이지 회사의 가격이 아니다. 2025년 5억 원 시드와 단순 합산한 39억 원 역시 공개 투자액일 뿐 기업가치가 아니다.

높은 평가를 지지하는 논리는 세 가지다. 창업 1년 반 만에 이름 있는 대기업 고객과 공식 사이트 기준 120건의 PoC를 만들었고, 투자사는 올해 상반기 200건이 넘는 고객 프로젝트와 60% 이상 유료 전환을 제시하며, 회사는 120만 원부터 5,000만 원 이상까지 가격 사다리를 공개했다. 창업자의 이전 B2B 추천기술 회사를 매각한 이력도 엔터프라이즈 영업과 데이터 제품 운영의 실행 가능성을 높인다.

반대편에는 아직 검증되지 않은 반복 매출이 있다. 유료 프로젝트 수가 많아도 대부분 단건이면 리서치 대행업에 가깝고, 프로젝트마다 사람이 개입하면 소프트웨어 총마진을 만들기 어렵다. 해외 12개국 패널도 실제 유료 해외 고객, 데이터 갱신 빈도와 국가별 재현율이 공개돼야 글로벌 SaaS 자산으로 볼 수 있다.

내가 투자자라면 현재 매출보다 세 전환율을 본다. PoC가 유료로 바뀌는 비율, 단건 프로젝트가 연간계약으로 바뀌는 비율, 연간계약이 기업 전용 패널·SaaS 갱신으로 이어지는 비율이다. 이 세 단계가 공개되면 34억 원이 서비스 매출을 사는 돈인지 소프트웨어 회사를 만드는 돈인지 구분할 수 있다.

가장 큰 리스크는 모델 성능보다 ‘적용 범위의 오해’다

첫째, 평균 재현율의 함정이다. 전체 평균이 높아도 연령·지역·소득·희귀 취향 같은 작은 세그먼트에서 크게 틀릴 수 있다. 2026년 LSE 연구진의 티켓 구매 연구도 집계 정확도가 세그먼트별 실패를 가릴 수 있고, 구매 후 실제 참석 같은 행동은 잘 예측하지 못했다고 지적했다.

둘째, 과거 데이터의 시간차다. 합성소비자는 관측된 설문·리뷰·SNS와 판매 데이터에서 만들어진다. 갑자기 등장한 제품, 규제 변화나 밈처럼 데이터가 생기기 전의 사건에는 본질적으로 약하다. 패널의 숫자보다 데이터 갱신 주기와 드리프트 감지가 중요하다.

셋째, 데이터 권리와 개인정보다. 실제 사람의 설문·인터뷰·리뷰로 페르소나를 만들 때 수집 동의, 목적 외 이용, 익명화, 국가 간 이전과 고객 데이터 분리가 제품 신뢰를 좌우한다. ‘합성’이라는 이름이 원천 데이터의 권리 문제를 자동으로 없애지는 않는다.

넷째, 프로젝트형 사업의 인력 의존성이다. 문항설계, 데이터 정제와 인사이트 보고서가 사람에게 묶이면 매출은 늘어도 총마진이 개선되지 않을 수 있다. 4분기 글로벌 SaaS가 셀프서비스로 얼마나 많은 과정을 자동화하는지가 중요하다.

다섯째, 대형 리서치 사업자의 번들 경쟁이다. 기존 업체는 사람 패널과 합성 패널을 한 계약에 묶을 수 있다. 인텔리시아는 더 빠르다는 주장만으로는 부족하고 특정 산업·국가에서 더 정확하고 더 쉽게 운영된다는 증거가 필요하다.

여섯째, 고객의 과신이다. AI 조사 결과가 숫자와 차트로 나오면 담당자는 실제보다 확실한 예측처럼 받아들이기 쉽다. 제품이 스스로 신뢰구간, 데이터가 부족한 세그먼트와 사람 검증이 필요한 의사결정을 표시해야 장기적인 신뢰를 지킬 수 있다.

앞으로 확인해야 할 숫자 여덟 가지

ARR과 반복매출 비중: 단건 리서치와 연간 SaaS·기업 전용 패널 매출을 구분한 수치.
유료 전환의 분모: PoC 기업 수 기준인지 프로젝트 수 기준인지, 무료와 유료 PoC를 어떻게 나누는지.
연간계약 갱신률: 첫 계약 이후 12개월 뒤에도 같은 고객이 예산을 유지하거나 늘리는 비율.
프로젝트 총마진: LLM 추론비, 데이터 구매·정제비와 리서처 인건비를 뺀 실제 마진.
국가·산업별 재현율: 소비재 평균이 아닌 오프라인 유통, 통신, 뷰티와 해외 국가별 성능 분포.
실제 판매 예측력: 설문 응답 유사도뿐 아니라 출시 후 매출·점유율·재구매와의 상관관계.
데이터 최신성: 합성 패널을 얼마나 자주 재학습·보정하고 유행 변화와 모델 드리프트를 어떻게 감지하는지.
해외 유료 고객: 12개국 지원과 별개로 미국·일본에서 실제 결제한 기업 수와 현지 고객 획득비용.

개인적 판단: 사람을 복제하는 회사가 아니라 실패 비용을 줄이는 회사다

인텔리시아의 가장 좋은 신호는 50만이라는 패널 숫자보다 공개된 가격과 유료 전환이다. 초기 AI 스타트업은 모델 성능을 설명하는 데 머물기 쉽지만, 이 회사는 120만 원의 입구 상품부터 5,000만 원 이상의 기업용 계약까지 구매 단위를 만들었다. 고객이 무엇에 돈을 내는지 비교적 명확하다.

기술 방향도 범용 LLM의 가장 약한 지점을 정확히 짚는다. 그럴듯한 한 사람을 만드는 대신 실제 응답에서 속성 관계를 역추출하고 판매량·점유율로 보정하며 분포를 검증한다. 다만 91.2%라는 숫자는 마케팅 문구가 아니라 적용 가능 범위를 계속 쪼개 공개할 때만 해자가 된다.

내 판단은 긍정적이지만 ‘사람 조사 대체’라는 서사에는 동의하지 않는다. 합성소비자의 경제적 가치는 실제 사람에게 물어보기 전에 싼 비용으로 틀릴 기회를 여러 번 주는 데 있다. 인텔리시아의 진짜 제품은 AI로 만든 가상의 사람이 아니라 출시 전에 실패할 아이디어를 싸게 찾아내는 반복 실험 시스템이다.

앞으로 12개월의 관건은 글로벌 SaaS 출시 자체가 아니다. 단건 프로젝트 고객이 셀프서비스 연간계약으로 전환되는지, 국가별 재현율이 유지되는지, 합성 조사로 고른 제품이 실제 판매에서도 더 나은 결과를 냈는지다. 이 세 가지가 확인되면 인텔리시아는 리서치 자동화 도구를 넘어 기업 의사결정의 테스트 인프라가 될 수 있다.

참고 자료

인텔리시아 공식 홈페이지 — 합성 패널 규모, 고객·PoC, 조사 속도, 공개 가격과 서비스 구성
인텔리시아 공식 기술 페이지 — 69개 특성·150개 의존관계, 생성·보정·검증 흐름과 재현율 지표
카카오벤처스 공식 투자 발표 — 2026년 9월 2일 34억 원 프리 시리즈 A, 고객 프로젝트와 유료 전환
전자신문 – 인텔리시아 34억 원 프리 시리즈 A — 투자사, 유료 전환, 글로벌 SaaS와 해외 진출 계획
조선비즈 – AI 리서치 플랫폼 투자 유치 — 창업자 이력, 2025년 시드, 고객사와 연간계약 전환
한국경제 – 50만 합성소비자와 적용 범위 — 패널 구조, 프로젝트 수, 산업별 성능 차이와 사람 조사 병행 필요성
LSE 연구진 – Where Synthetic Consumers Fail — 실제 거래 데이터에서 확인된 세그먼트·구매 후 행동 예측 한계

작성 기준일: 2026년 9월 5일. 설립·대표, 합성 패널 규모, 제품 구조, 50개 고객사·120건 PoC, 가격과 재현율 지표는 회사 공식 자료를 기준으로 했다. 34억 원 프리 시리즈 A, 투자사, 상반기 200건 이상 고객 프로젝트, PoC 고객의 60% 이상 유료·연간계약 전환과 해외 SaaS 일정은 2026년 9월 2일 카카오벤처스 공식 발표와 보도를 기준으로 하며 일부 매체는 라운드를 시리즈 A로 표기했다. 공식 사이트의 PoC 수와 투자사 발표의 고객 프로젝트 수는 집계 기간과 정의가 다를 수 있다. 2025년 5억 원 시드와 이번 라운드를 합한 39억 원은 공개된 두 투자금의 단순 합계다. 91.2% 스피어만 상관과 93.6% 1-RMSE는 회사가 공개한 검증 지표로 개인별 구매행동 정확도를 뜻하지 않으며, 국가·산업·세그먼트 전체에서 독립 재현된 수치로 볼 수 없다. 현재 기업가치, 매출·ARR, 유료 고객 수, 계약별 규모, 갱신률, 총마진, 고객 집중도와 현금 소진 속도는 공개되지 않았다. 경쟁 구도·수익모델·밸류에이션 평가는 공개 자료에 기반한 해석이며 본 글은 투자 권유가 아니다.