팔란티어(Palantir)는 설명하기 까다로운 회사입니다. 겉으로 보면 데이터 분석 회사 같고, 주가 기사에서는 AI 수혜주처럼 보이고, 국방 뉴스에서는 군사 소프트웨어 회사처럼 보입니다. 그런데 회사가 스스로 설명하는 방향은 조금 다릅니다. 팔란티어는 자신들을 "데이터를 예쁘게 보여주는 회사"가 아니라, 조직이 실제로 결정을 내리고 실행하게 만드는 운영 소프트웨어 회사로 봅니다.
이 차이가 중요합니다. 많은 기업은 AI를 도입한다고 말하지만, 실제 현장에서는 모델이 만든 문장이 ERP, MES, CRM, 물류 시스템, 보안 권한, 승인 프로세스와 이어지지 않아 멈춥니다. 챗봇은 대답할 수 있지만, 재고를 옮기거나 생산 계획을 바꾸거나 수사 기록 접근 권한을 제한하거나 정비 작업을 예약하지는 못합니다. 팔란티어가 파고드는 지점은 바로 그 사이입니다.
이번 글에서는 팔란티어를 투자 추천이 아니라 기업과 기술 관점에서 보겠습니다. 무엇으로 돈을 버는지, Gotham·Foundry·Apollo·AIP가 어떤 역할을 하는지, 벤더와 파트너 생태계는 어떻게 구성되는지, 한국에서는 HD현대·KT 같은 협업이 어떤 의미를 갖는지, 그리고 Alex Karp가 반복해서 말하는 팔란티어식 철학은 무엇인지 정리하겠습니다.
재무 수치는 SEC XBRL companyfacts와 Palantir의 10-K/10-Q를 기준으로 확인했습니다. 최신 발표와 제품 설명은 Tavily 검색, Palantir 공식 문서, Palantir 주주서한, 공식 보도자료로 교차 확인했습니다. 본문 수치는 달러 기준이며, 이해를 돕기 위해 반올림했습니다.
이 회사는 무엇으로 돈을 버나
팔란티어의 매출은 크게 정부 부문과 상업 부문에서 나옵니다. 정부 부문은 국방, 정보기관, 공공안전, 보건, 행정처럼 민감하고 복잡한 영역을 포함합니다. 상업 부문은 제조, 에너지, 금융, 통신, 의료, 공급망 같은 산업 고객입니다.
처음 팔란티어의 이미지를 만든 것은 정부와 국방 쪽이었습니다. Gotham은 정보 분석과 작전 의사결정에 쓰이는 플랫폼으로 알려졌고, 회사의 미션도 미국과 서방 동맹의 국가안보와 깊게 연결되어 있습니다. 이 지점 때문에 팔란티어는 늘 논쟁적입니다. 누군가에게는 테러 방지와 국방 역량을 돕는 회사이고, 누군가에게는 감시와 권력의 도구처럼 보입니다. 둘 다 이 회사를 이해할 때 피할 수 없는 시선입니다.
상업 부문은 Foundry와 AIP가 중심입니다. Foundry는 기업 내부의 데이터, 업무 규칙, 현장 프로세스를 하나의 운영 모델로 묶습니다. 여기서 말하는 데이터는 단순한 테이블이 아닙니다. 공장의 설비, 선박의 부품, 병원의 병상, 항공기의 정비 이력, 고객 계약, 공급망 리스크 같은 현실 세계의 객체입니다. 팔란티어는 이것을 Ontology, 즉 조직의 현실을 소프트웨어 객체와 행동으로 모델링한 층으로 부릅니다.
AIP는 여기에 생성형 AI를 붙입니다. 많은 기업의 AI 도입이 문서 요약이나 사내 검색에서 멈추는 이유는 AI가 할 수 있는 행동이 제한되어 있기 때문입니다. AIP는 LLM이 조직의 Ontology를 읽고, 정해진 권한 안에서 도구를 호출하고, 사람이 승인해야 하는 행동과 자동으로 실행 가능한 행동을 나눠 운영 워크플로에 들어오게 만듭니다. 팔란티어가 "AI를 운영 의사결정에 연결한다"고 말하는 이유입니다.
사업부문을 제품 기준으로 보면
| 제품/플랫폼 | 주 사용 영역 | 쉽게 말하면 | 핵심 가치 |
|---|---|---|---|
| Gotham | 국방, 정보기관, 공공안전 | 복잡한 작전 상황을 연결해 판단하게 하는 시스템 | 민감 데이터 통합, 권한, 작전 의사결정 |
| Foundry | 제조, 에너지, 금융, 의료, 통신 | 기업 운영 데이터를 실제 업무 객체로 바꾸는 플랫폼 | 데이터 통합, Ontology, 운영 앱 |
| Apollo | 클라우드, 온프레미스, 폐쇄망, 엣지 | 복잡한 환경에 소프트웨어를 계속 배포하는 시스템 | 배포 자동화, 보안, 규제 대응 |
| AIP | 정부와 상업 고객 모두 | 생성형 AI를 현장 업무에 연결하는 플랫폼 | LLM 연결, 에이전트, 휴먼 승인, 감사 로그 |
돈을 버는 방식은 전통적인 SaaS와 조금 다릅니다. 팔란티어는 단순 좌석당 과금 제품이라기보다, 대형 기관의 핵심 운영 문제에 깊게 들어가 플랫폼을 심는 방식에 가깝습니다. 초기에는 Forward Deployed Engineer(FDE)가 고객 현장에 들어가 문제를 같이 풀고, 이후 플랫폼 사용 범위가 넓어지면 계약 규모가 커지는 구조입니다.
이 방식은 장점과 단점이 모두 있습니다. 장점은 한번 핵심 업무에 들어가면 교체가 어렵다는 점입니다. 단점은 영업 사이클이 길고, 고객별 구축 난도가 높고, 회사가 특정 고객군에 너무 깊게 얽힐 수 있다는 점입니다. 팔란티어가 오랫동안 "좋은 기술인데 확장성이 애매한 컨설팅형 회사 아니냐"는 의심을 받은 이유도 여기에 있습니다.
AIP 이후에는 이 의심이 일부 바뀌었습니다. Palantir는 AIP Bootcamp처럼 고객이 몇 시간 또는 며칠 안에 실제 사용 사례를 만들어 보는 방식으로 영업과 구현을 압축하려고 합니다. 이것이 성공하면 팔란티어는 고급 SI 회사가 아니라, 복잡한 조직의 AI 운영체제를 파는 회사로 평가받을 수 있습니다.
고객이 팔란티어를 찾는 상황
팔란티어가 잘 맞는 고객은 데이터가 많은 회사가 아닙니다. 데이터가 많고, 그 데이터로 실시간 결정을 내려야 하며, 잘못된 결정의 비용이 큰 조직입니다. 예를 들면 이런 곳입니다.
- 조선소에서 설계, 자재, 품질, 안전 데이터를 엮어 생산 병목을 줄여야 하는 회사
- 병원에서 병상, 의료진, 검사, 수술 스케줄을 함께 보며 운영 효율을 높여야 하는 기관
- 국방 조직에서 위성, 센서, 지도, 병참, 작전 정보를 권한별로 연결해야 하는 조직
- 금융기관에서 자금세탁, 이상 거래, 고객 위험을 여러 시스템에서 추적해야 하는 회사
- 통신사가 네트워크 장애, 고객 영향, 현장 출동, 장비 교체를 동시에 판단해야 하는 상황
여기서 팔란티어의 판매 포인트는 "AI가 똑똑합니다"가 아닙니다. "AI가 귀사의 현실을 안전하게 보고, 정해진 규칙 안에서 행동 후보를 만들 수 있습니다"에 가깝습니다.
핵심 기술과 제품 구조
팔란티어를 기술적으로 이해하려면 Ontology를 먼저 봐야 합니다. Ontology는 원래 철학과 지식표현 분야에서 쓰이는 말입니다. 무엇이 존재하고, 그것들이 어떤 관계를 맺고, 어떤 규칙으로 움직이는지를 정의하는 체계입니다. 팔란티어 문서에서는 이를 기업의 데이터, 로직, 액션, 보안을 인코딩하는 중앙 시스템으로 설명합니다.
일반적인 데이터 플랫폼은 데이터를 모아 저장하고, 대시보드나 분석 모델을 붙입니다. 팔란티어의 접근은 한 단계 더 운영 쪽으로 갑니다. 데이터 위에 "현실의 객체"를 만들고, 그 객체가 어떤 행동을 할 수 있는지 정의합니다. 예를 들어 제조업 고객이라면 부품, 설비, 작업지시, 품질검사, 납기위험 같은 객체가 생깁니다. 그리고 각 객체에는 속성, 관계, 권한, 실행 가능한 행동이 붙습니다.
Ontology: 데이터가 아니라 현실의 업무 모델
Ontology의 핵심은 세 가지입니다.
첫째, 데이터입니다. ERP, MES, CRM, 센서, 문서, 지리정보, 실시간 스트림 같은 데이터가 들어옵니다. 중요한 점은 원본 시스템을 모두 갈아엎는 것이 아니라, 기존 시스템 위에 통합된 운영 층을 만든다는 점입니다.
둘째, 로직입니다. 업무 규칙, 예측 모델, 최적화 모델, 승인 조건, 예외 처리 규칙이 Ontology 안에 들어갑니다. 그래서 사용자는 단순히 "무슨 일이 일어났는가"를 보는 것이 아니라, "무엇을 해야 하는가"를 계산할 수 있습니다.
셋째, 액션입니다. 팔란티어가 강조하는 부분입니다. AI나 사람이 내린 결정이 실제 시스템에 반영되어야 합니다. 주문을 생성하거나, 정비 일정을 바꾸거나, 위험 경보를 올리거나, 승인 요청을 보내는 식입니다. AIP 시대에는 이 액션이 더 중요해졌습니다. LLM이 아무리 훌륭한 답을 내도, 조직의 안전한 실행 경로가 없으면 업무는 변하지 않습니다.
AIP: LLM을 기업 현장에 묶는 장치
AIP는 Palantir Artificial Intelligence Platform입니다. 공식 AIP 아키텍처 문서는 AIP를 생성형 AI를 운영 도메인에 연결하는 플랫폼으로 설명합니다. 여기에는 여러 기능이 들어갑니다.
- 상용 LLM과 오픈소스 모델을 안전하게 연결합니다.
- 모델 호출, 데이터 흐름, 에이전트 행동을 관찰하고 로그로 남깁니다.
- Ontology에 지속적으로 문맥을 넣어 AI가 조직의 현재 상태를 이해하게 합니다.
- 에이전트를 만들고, 평가하고, 배포하고, 수정하는 생명주기를 관리합니다.
- 사람이 승인해야 하는 단계와 자동화할 수 있는 단계를 나눕니다.
이 말은 조금 어렵지만, 현장 예시로 보면 간단합니다. 조선소에서 AI에게 "이번 주 납기 위험이 큰 블록을 찾아줘"라고 묻는다고 해봅시다. 일반 챗봇은 문서 검색 수준에서 답을 만들 수 있습니다. AIP는 Ontology를 통해 설계 변경, 자재 입고, 인력 배치, 품질 검사, 안전 이슈를 함께 보고 위험 후보를 만들 수 있습니다. 그리고 필요하면 담당자에게 승인 요청을 보내거나, 작업 우선순위 변경안을 제안할 수 있습니다.
여기서 차이는 "답변"과 "운영"의 차이입니다. 팔란티어의 기술은 답변을 잘하는 AI보다, 답변이 실제 업무에 들어갈 수 있도록 권한과 행동을 설계하는 데 있습니다.
Foundry: 상업 부문의 중심 플랫폼
Foundry는 상업 고객의 운영 플랫폼입니다. Palantir는 Foundry를 현대 기업을 위한 Ontology 기반 운영체제로 설명합니다. 제조업, 공급망, 금융, 병원, 에너지 같은 영역에서 쓰입니다.
Foundry의 실무 가치는 데이터 팀과 현업 팀 사이의 간격을 줄이는 데 있습니다. 데이터 팀이 모델을 만들고 대시보드를 제공해도, 현업은 "그래서 오늘 뭘 바꾸면 되는가"를 물어봅니다. Foundry는 분석 결과를 업무 객체와 행동으로 묶어, 현업 담당자가 직접 움직일 수 있는 운영 앱으로 만들려는 제품입니다.
Gotham: 팔란티어의 출발점이자 가장 논쟁적인 제품
Gotham은 국방·정보·공공안전 분야를 대표하는 플랫폼입니다. 공식 사이트는 Gotham을 글로벌 의사결정을 위한 운영체제라고 부릅니다. 표현 자체가 강합니다. "Your software is the weapons system" 같은 메시지도 등장합니다.
이 제품은 팔란티어의 철학과 논쟁을 동시에 보여줍니다. 국방과 정보기관은 데이터 연결, 권한 관리, 감사 로그, 작전 판단이 매우 중요합니다. 동시에 시민의 자유, 프라이버시, 정부 권한 남용에 대한 우려도 큽니다. 팔란티어는 자신들의 플랫폼이 세밀한 권한과 감사 로그를 통해 오히려 남용을 막을 수 있다고 주장합니다. 비판자들은 그 주장이 충분하지 않다고 봅니다.
기술 리뷰에서는 이 양면을 같이 봐야 합니다. Gotham은 고난도 데이터 통합과 의사결정 소프트웨어의 상징이지만, 동시에 민주사회가 기술 권력을 어떻게 통제할 것인가라는 질문을 던지는 제품입니다.
Apollo: 눈에 덜 띄지만 중요한 배포 기술
Apollo는 팔란티어의 배포·운영 플랫폼입니다. 클라우드, 온프레미스, 하이브리드 클라우드, 폐쇄망, 엣지 환경에 소프트웨어를 안정적으로 배포하는 역할을 합니다. 국방, 정부, 금융, 제조처럼 규제가 강한 고객에게는 이 부분이 매우 중요합니다.
많은 AI 회사는 모델 데모에는 강하지만, 폐쇄망이나 엄격한 규제 환경에서 지속 배포를 운영하는 데 약합니다. Apollo는 팔란티어가 어려운 고객 환경에서 제품을 유지하게 해주는 기반입니다. AIP가 전면에 서 있다면, Apollo는 뒤에서 계속 제품을 밀어 넣고 업데이트하고 감시하는 엔진에 가깝습니다.
기술의 핵심은 모델이 아니라 운영 권한입니다
팔란티어를 AI 모델 회사로만 보면 오해가 생깁니다. 팔란티어는 GPT, Gemini, Claude, Grok, Llama 같은 여러 모델을 연결할 수 있다고 설명합니다. 즉, 자신들이 반드시 가장 좋은 모델을 만든다는 이야기가 아닙니다. 대신 모델이 기업의 실제 업무에 접근할 때 필요한 문맥, 권한, 감사, 평가, 행동 경로를 제공합니다.
이 전략은 AI 모델 가격이 빠르게 내려갈수록 더 의미가 생깁니다. 모델 자체가 범용재에 가까워질수록, 돈은 모델 주변의 운영 체계에서 나올 수 있습니다. 어떤 데이터에 접근할 수 있는지, 어떤 행동을 해도 되는지, 누가 승인해야 하는지, 결과를 어떻게 추적할지, 장애가 나면 어떻게 되돌릴지. 엔터프라이즈 AI의 진짜 비용은 여기에 있습니다.
벤더 생태계와 한국 협업
팔란티어는 단독으로 모든 것을 하려는 회사처럼 보이지만, 실제로는 클라우드·SI·컨설팅·산업 파트너와 생태계를 넓히고 있습니다. 공식 사이트의 파트너십 페이지와 사이트맵에는 AWS, Microsoft, Google Cloud, Oracle, Snowflake, Databricks, Deloitte, Accenture, PwC, Fujitsu, KT 같은 파트너 항목이 보입니다.
이 생태계는 팔란티어가 어느 위치를 노리는지 보여줍니다. 클라우드 사업자는 인프라를 제공합니다. 데이터 플랫폼 사업자는 저장과 분석 기반을 제공합니다. 컨설팅·SI 파트너는 산업 고객의 기존 시스템과 조직 변화를 다룹니다. 팔란티어는 그 위에서 운영 의사결정 층, Ontology, AIP 앱, 배포 체계를 제공하려고 합니다.
벤더 관점에서 본 팔란티어의 위치
| 생태계 영역 | 대표 유형 | 팔란티어와의 관계 | 의미 |
|---|---|---|---|
| 클라우드 | AWS, Azure, Google Cloud, Oracle | 배포·컴퓨팅 인프라 | 고객이 원하는 환경에 Palantir 플랫폼을 올림 |
| 데이터 플랫폼 | Snowflake, Databricks 등 | 데이터 저장·분석 생태계 | 기존 데이터 자산을 Ontology와 연결 |
| 컨설팅/SI | Deloitte, Accenture, PwC 등 | 산업별 구축·확산 | 대기업 변화관리와 글로벌 롤아웃 지원 |
| 산업 파트너 | HD현대, 병원, 제조사, 방산 파트너 | 실제 운영 사례 | 제품을 현장 문제에 맞춰 검증 |
| 개발자 생태계 | OSDK, SDK, MCP, AIP 개발 도구 | 앱과 에이전트 개발 | 팔란티어를 폐쇄형 툴이 아니라 개발 플랫폼으로 확장 |
팔란티어가 더 커지려면 이 생태계가 중요합니다. 모든 고객에게 FDE를 깊게 투입하는 방식만으로는 성장에 한계가 있습니다. 파트너가 구축과 확산을 맡고, Palantir 플랫폼은 표준화된 제품으로 자리 잡아야 합니다. AIP Bootcamp와 개발자 도구, OSDK, Ontology MCP 같은 움직임은 이 방향과 연결됩니다.
한국 협업 1: HD현대, 조선소와 산업 AI
한국에서 가장 중요한 공개 협업은 HD현대 계열입니다. Palantir는 2022년 Hyundai Heavy Industries Group과의 파트너십 확대를 발표했습니다. 보도자료에 따르면 Korea Shipbuilding & Offshore Engineering(KSOE)이 현대중공업, 현대삼호중공업, 현대미포조선 등 조선 계열사에서 Palantir Foundry를 활용해 "Future of Shipyard" 비전을 추진한다고 밝혔습니다. 발표 당시 선박 설계, 생산 라인 품질, 안전 절차의 빅데이터 분석에 Foundry를 사용했다고 설명했습니다.
같은 발표에서 Palantir는 이 확장 계약이 5년간 2,000만 달러 규모이며, 현대오일뱅크와 현대두산인프라코어 관련 기존 계약을 포함하면 5년간 4,500만 달러 이상이라고 밝혔습니다. Reuters도 당시 한국 현대중공업 그룹과 2,000만 달러 규모 계약을 보도했지만, 본문에서는 Palantir 공식 보도자료를 최종 근거로 삼았습니다.
이 협업은 국내 제조업 입장에서 꽤 의미가 큽니다. 조선업은 설계, 자재, 협력사, 공정, 품질, 안전이 복잡하게 얽혀 있습니다. 단순 대시보드나 챗봇만으로는 현장이 바뀌기 어렵습니다. Foundry와 AIP가 잘 맞는 영역은 이런 복잡한 운영 산업입니다. 한국 제조기업이 AI를 도입할 때 "모델을 무엇으로 쓸 것인가"보다 "업무 객체와 행동을 어떻게 정의할 것인가"가 더 중요하다는 점을 보여줍니다.
한국 협업 2: KT와 AI 확산
Palantir 공식 사이트에는 Palantir x KT 파트너십 페이지도 있습니다. 이 페이지는 KT와 Palantir가 한국의 여러 산업에서 AI 도입을 확대하기 위한 전략적 파트너십을 심화한다고 설명합니다. 공개 페이지의 문장은 짧지만, 의미는 분명합니다. 통신사는 네트워크, 고객, B2B, 클라우드, 보안, 공공/금융 채널을 갖고 있습니다. Palantir는 기업 내부 데이터와 AI 운영 체계를 갖고 있습니다.
KT 같은 통신사가 Palantir와 협업하면, 단순히 사내 AI 도입에 그치지 않을 수 있습니다. 국내 기업 고객에게 산업별 AI 운영 플랫폼을 제공하는 통로가 될 수 있습니다. 예를 들어 제조 현장, 물류망, 에너지 설비, 공공기관 운영 데이터처럼 민감하고 복잡한 영역에서 통신사의 인프라와 Palantir의 Ontology/AIP가 결합될 여지가 있습니다.
물론 이 부분은 조심해서 봐야 합니다. 공식 페이지가 구체적인 계약 금액, 적용 산업, 고객 리스트를 모두 공개한 것은 아닙니다. 그래서 본문에서는 "가능성"과 "공식 확인된 사실"을 나눠 보겠습니다. 공식 확인된 사실은 KT와의 전략적 파트너십입니다. 해석은 국내 여러 산업의 AI 도입 채널로 확장될 수 있다는 점입니다.
한국 기업이 배울 점
한국 기업은 이미 ERP, MES, 그룹웨어, 데이터웨어하우스, BI, RPA, 클라우드, AI PoC를 많이 해봤습니다. 그런데 많은 프로젝트가 보고서나 대시보드에서 멈춥니다. 팔란티어 사례가 던지는 질문은 간단합니다.
"우리 회사의 업무 객체는 무엇인가?"
제조업이면 설비, 공정, 자재, 품질, 납기입니다. 금융이면 고객, 계좌, 거래, 위험, 승인입니다. 병원이면 환자, 병상, 검사, 수술, 의료진입니다. 공공이면 민원, 사건, 예산, 사업, 현장 자원입니다. AI가 이 객체를 이해하지 못하면, 아무리 최신 모델을 붙여도 업무가 바뀌지 않습니다.
국내 SI와 스타트업도 이 지점을 봐야 합니다. 앞으로 좋은 AI 솔루션은 "모델 호출 UI"가 아니라 "특정 산업의 Ontology를 빠르게 만들고, 권한과 행동을 안전하게 설계하는 제품"이 될 가능성이 큽니다.
숫자로 보는 기업 분석과 사람들
재무 수치를 보면 팔란티어는 AIP 이후 확실히 다른 국면에 들어간 것처럼 보입니다. SEC companyfacts 기준 Palantir의 매출은 2022년 약 19.1억 달러, 2023년 약 22.3억 달러, 2024년 약 28.7억 달러, 2025년 약 44.8억 달러입니다. 2026년 1분기 매출은 약 16.3억 달러입니다.
순이익 흐름도 달라졌습니다. 2022년에는 약 3.7억 달러 순손실이었지만, 2023년 약 2.1억 달러 순이익, 2024년 약 4.6억 달러 순이익, 2025년 약 16.3억 달러 순이익으로 개선됐습니다. 2026년 1분기 순이익은 약 8.7억 달러로 나타납니다. 같은 기간 영업이익도 2022년 적자에서 2025년 약 14.1억 달러, 2026년 1분기 약 7.5억 달러로 커졌습니다.
SEC XBRL 기준 주요 수치
| 기간 | 매출 | 영업이익/손실 | 순이익/손실 | R&D 비용 | 현금 및 현금성 자산 |
|---|---|---|---|---|---|
| 2022 FY | 약 $1.91B | 약 -$0.16B | 약 -$0.37B | 약 $0.36B | 약 $2.60B |
| 2023 FY | 약 $2.23B | 약 $0.12B | 약 $0.21B | 약 $0.40B | 약 $0.83B |
| 2024 FY | 약 $2.87B | 약 $0.31B | 약 $0.46B | 약 $0.51B | 약 $2.10B |
| 2025 FY | 약 $4.48B | 약 $1.41B | 약 $1.63B | 약 $0.56B | 약 $1.42B |
| 2026 Q1 | 약 $1.63B | 약 $0.75B | 약 $0.87B | 약 $0.16B | 약 $2.29B |
이 숫자에서 눈에 띄는 것은 매출 성장과 이익 개선이 같이 일어났다는 점입니다. 많은 AI 기업은 성장할수록 인프라 비용과 인력 비용이 커져 손익이 흔들립니다. 팔란티어는 최소한 최근 공개 수치상으로는 매출 증가와 이익 증가가 동시에 나타났습니다.
다만 해석에는 주의가 필요합니다. 첫째, 분기 실적은 연간 추세로 단순 환산하면 안 됩니다. 둘째, Palantir의 주주서한은 매우 강한 표현을 쓰므로, 회사의 자기평가와 투자자의 독립 판단은 구분해야 합니다. 셋째, 팔란티어는 국방·공공 계약과 대형 기업 계약에 크게 의존하므로 계약 타이밍, 규제, 정치적 환경, 고객 집중도가 실적에 영향을 줄 수 있습니다.
정부와 상업 부문의 균형 변화
Palantir의 Q1 2026 주주서한은 미국 사업의 성장세를 강하게 강조합니다. 회사는 2026년 1분기에 전체 매출 16억 달러, 전년 동기 대비 85% 성장을 언급했고, 미국 매출은 13억 달러로 전년 동기 대비 104% 증가했다고 밝혔습니다. 또 미국 상업 고객 매출은 5.95억 달러, 미국 정부 고객 매출은 6.87억 달러라고 설명했습니다.
이 구도는 중요합니다. 과거 팔란티어는 정부 의존도가 높은 회사로 보였습니다. 그런데 AIP 이후에는 미국 상업 부문이 빠르게 커지고 있다는 메시지를 반복합니다. 상업 부문이 실제로 계속 커지면 팔란티어의 평가는 "정부 계약에 강한 특수 소프트웨어 회사"에서 "기업 AI 운영 플랫폼 회사"로 바뀔 수 있습니다.
주요 인물: Alex Karp, Peter Thiel, Stephen Cohen, Shyam Sankar
팔란티어를 이해할 때 사람을 빼기 어렵습니다. 공동창업자이자 CEO인 Alex Karp는 회사의 철학적 얼굴입니다. 그는 주주서한에서 기술, 국가, 서구 민주주의, 전쟁, 기업 문화에 대해 매우 강한 문장을 씁니다. 2026년 1분기 서한에는 Wittgenstein 인용이 등장하고, AI가 실제 현실을 드러내야 한다는 식의 표현도 나옵니다. 이 문체는 호불호가 갈리지만, 팔란티어가 자신을 평범한 엔터프라이즈 SaaS 회사로 보지 않는다는 점은 분명합니다.
Peter Thiel은 공동창업자이자 초기 자본과 세계관에 큰 영향을 준 인물입니다. Palantir라는 이름 자체도 톨킨의 소설에 나오는 보는 돌에서 왔습니다. Thiel의 정치·철학적 성향과 미국 국가안보 기술에 대한 관심은 팔란티어의 초기 정체성과 자주 연결됩니다.
Stephen Cohen은 공동창업자이자 기술 리더로 알려져 있습니다. 팔란티어의 초기 제품과 엔지니어링 문화에서 중요한 인물입니다. Shyam Sankar는 CTO로, 최근 AIP와 국방 AI, 미국 산업 재건, 소프트웨어가 전략 자산이 되는 흐름을 공개적으로 자주 설명하는 인물입니다. 이들의 공통점은 팔란티어를 단순한 분석 툴 회사가 아니라, 국가와 기업의 운영 능력을 소프트웨어로 재구성하는 회사로 본다는 점입니다.
좋은 기업인가, 위험한 기업인가
팔란티어는 양쪽 얼굴을 갖고 있습니다. 기술적으로는 매우 흥미로운 회사입니다. 복잡한 조직의 데이터와 행동을 연결하는 문제는 어렵고, AIP가 주장하는 방향은 엔터프라이즈 AI의 핵심 문제를 정확히 찌릅니다. 한국의 제조, 조선, 통신, 금융, 공공에도 배울 점이 많습니다.
동시에 위험한 질문도 있습니다. 누가 이 플랫폼을 쓰는가, 어떤 데이터에 접근하는가, 권한과 감사는 충분한가, 국가안보라는 이름으로 어디까지 허용할 것인가. 팔란티어가 스스로 세밀한 권한과 감사 로그를 강조하는 이유도 이 질문이 사라지지 않기 때문입니다. 기술이 강할수록 통제 설계도 강해야 합니다.
그래서 저는 팔란티어를 무조건 찬양하기보다, "AI 시대의 운영체제를 가장 노골적으로 만들고 있는 회사"로 보는 편이 맞다고 생각합니다. 이 회사가 성공하면 많은 기업의 AI 도입 방식이 바뀔 수 있습니다. 반대로 이 회사가 남용의 상징이 되면, 엔터프라이즈 AI 전체가 더 큰 규제와 불신을 맞을 수 있습니다.
철학, 리스크, 그리고 한국 기업이 볼 지점
팔란티어의 철학은 한 문장으로 줄이면 "소프트웨어는 현실 세계의 제도와 행동을 바꿔야 한다"입니다. 이 회사는 중립적인 생산성 도구를 파는 척하지 않습니다. 서방 민주주의, 국방, 국가 역량, 제도 운영, 산업 재건 같은 말을 전면에 세웁니다.
Alex Karp의 주주서한은 일반적인 CEO 편지와 다릅니다. 매출과 가이던스를 말하다가 철학자와 정치철학, 전쟁과 문명 이야기를 꺼냅니다. 불편하게 느끼는 독자도 많을 겁니다. 하지만 적어도 이 회사가 어디를 보고 있는지는 분명합니다. 팔란티어는 AI를 개인 생산성 도구가 아니라 국가와 대기업의 운영 역량을 재편하는 기술로 봅니다.
팔란티어식 AI 철학: 모델보다 현실 접지
요즘 AI 업계는 모델 경쟁에 시선이 쏠립니다. 누가 더 큰 모델을 만들었는지, 누가 더 싼 inference를 제공하는지, 어느 모델이 벤치마크에서 이겼는지가 뉴스가 됩니다. 팔란티어는 여기서 조금 떨어져 있습니다. 회사는 모델 비용이 빠르게 내려가고 승자가 자주 바뀌는 상황에서, 진짜 가치는 모델을 현실의 업무와 연결하는 구조에 있다고 말합니다.
이 관점은 꽤 설득력이 있습니다. 기업은 가장 똑똑한 모델 하나만으로 바뀌지 않습니다. 데이터를 정리해야 하고, 권한을 나눠야 하고, 현업의 암묵지를 소프트웨어 객체로 바꿔야 하고, AI가 한 행동을 추적해야 합니다. 실패했을 때 되돌리는 절차도 있어야 합니다. AIP와 Ontology는 이 문제를 겨냥합니다.
리스크 1: 정치와 윤리의 무게
첫 번째 리스크는 정치와 윤리입니다. 팔란티어는 국방과 정보기관을 핵심 고객으로 삼아 성장했습니다. 이는 매출 안정성과 진입장벽을 주지만, 동시에 시민사회와 규제기관의 비판을 부릅니다. AI가 감시, 전쟁, 국경 통제, 치안에 들어갈수록 논쟁은 더 커질 수밖에 없습니다.
팔란티어는 세밀한 권한 관리와 감사 로그가 오히려 남용을 줄인다고 주장합니다. 이 주장은 기술적으로 일부 타당합니다. 하지만 기술적 통제가 정치적 통제를 자동으로 대체하지는 않습니다. 어떤 데이터 수집이 정당한지, 어떤 작전이 허용되는지, 어떤 기관이 어떤 권한을 가져야 하는지는 사회적 결정입니다.
리스크 2: 높은 기대와 밸류에이션
두 번째 리스크는 높은 기대입니다. 팔란티어는 최근 실적이 좋아졌고, AIP 성장 스토리도 강합니다. 하지만 시장이 너무 높은 성장을 당연하게 가격에 반영하면, 작은 실망도 크게 반응할 수 있습니다. 이 글은 투자 조언이 아니지만, 기업분석 관점에서 기대치 리스크는 분명히 짚어야 합니다.
특히 정부 계약과 대형 엔터프라이즈 계약은 타이밍이 불규칙할 수 있습니다. 계약이 지연되거나 정치 환경이 바뀌거나 고객 예산이 줄면 실적 변동성이 커질 수 있습니다. 상업 부문이 정말 표준 SaaS처럼 반복 확장되는지도 계속 확인해야 합니다.
리스크 3: 파트너 생태계와 제품화의 균형
세 번째 리스크는 확장 방식입니다. 팔란티어의 강점은 고객 문제에 깊게 들어가는 능력입니다. 그런데 이 방식은 인력 의존도가 높아질 수 있습니다. 제품화가 충분히 되지 않으면 매출 성장은 가능해도 마진과 속도에 한계가 생깁니다.
반대로 제품화를 너무 밀면 팔란티어만의 현장 적합성이 약해질 수 있습니다. AIP Bootcamp, OSDK, Ontology MCP, 파트너 생태계는 이 균형을 맞추려는 시도로 보입니다. 앞으로 볼 지점은 명확합니다. 팔란티어가 FDE 중심의 고급 구축 역량을 유지하면서도, 파트너와 개발자 생태계를 통해 훨씬 더 넓게 확산할 수 있는가입니다.
한국 기업이 도전할 만한 분야
한국 기업과 스타트업은 팔란티어를 단순히 "미국 AI 기업"으로만 볼 필요가 없습니다. 오히려 몇 가지 사업 기회를 읽을 수 있습니다.
| 도전 영역 | 잘 맞는 기업 | 왜 기회가 있나 |
|---|---|---|
| 산업별 Ontology 구축 | 제조 DX, 조선·물류 SaaS, MES/ERP 연동 기업 | 한국 산업별 업무 객체를 잘 아는 회사가 유리합니다. |
| AI 운영 거버넌스 | 보안, IAM, 감사 로그, 데이터 거버넌스 기업 | AI가 행동하려면 권한·감사·승인 체계가 필요합니다. |
| 제조/조선 AI 앱 | 스마트팩토리, 품질검사, 안전관리 스타트업 | HD현대 사례처럼 복잡한 현장 운영에 AI 수요가 있습니다. |
| 공공·금융 AI 운영 | 공공 SI, 금융 솔루션, 리스크 관리 기업 | 규제와 감사가 강한 시장에서는 안전한 AI 실행 구조가 중요합니다. |
| 에이전트 평가·관찰 | LLMOps, ModelOps, observability 기업 | AI가 실제 행동을 하면 평가와 추적이 필수입니다. |
| 한국형 산업 데이터 커넥터 | ERP/MES/그룹웨어 연동 기업 | 글로벌 플랫폼이 현지 시스템을 모두 알 수는 없습니다. |
국내 기업이 팔란티어와 정면승부하기는 어렵습니다. 하지만 특정 산업의 데이터 모델, 권한 체계, 업무 프로세스, 레거시 연동을 깊게 아는 회사는 충분히 기회가 있습니다. 팔란티어가 보여준 방향은 "AI 모델을 만들어라"가 아니라 "AI가 일할 수 있는 운영 구조를 만들어라"에 가깝습니다.
결론: 팔란티어는 AI 시대의 불편한 표본입니다
팔란티어는 좋아하기 쉬운 회사가 아닙니다. 말도 세고, 철학도 세고, 고객군도 민감합니다. 그런데 기술과 사업을 차분히 보면, 왜 이 회사가 AI 시대에 다시 주목받는지는 이해됩니다. 기업 AI의 병목은 모델 성능만이 아닙니다. 현실의 업무, 권한, 데이터, 행동, 감사가 연결되지 않는 것이 더 큰 병목입니다.
팔란티어는 그 병목을 오래전부터 붙잡고 있었습니다. 과거에는 너무 무겁고 특수한 회사처럼 보였지만, 생성형 AI가 등장하면서 그 무거움이 오히려 장점처럼 보이기 시작했습니다. LLM은 말을 만들고, Palantir는 그 말이 현실의 객체와 행동에 닿도록 길을 깝니다.
한국 기업에도 시사점이 있습니다. AI 전환은 챗봇 도입으로 끝나지 않습니다. 우리 회사의 업무 객체를 정의하고, 데이터와 로직과 행동을 연결하고, 사람이 승인할 부분과 AI가 자동화할 부분을 나누는 일이 필요합니다. 그 일을 제대로 하는 기업이 다음 단계의 산업 AI 시장을 잡을 가능성이 큽니다.
팔란티어가 앞으로도 지금 같은 성장과 논쟁을 동시에 안고 갈지는 지켜봐야 합니다. 다만 한 가지는 분명합니다. AI가 실제 산업과 공공의 운영으로 들어가는 시대에, 팔란티어는 가장 흥미롭고 가장 불편한 참고 사례 중 하나입니다. 한국의 제조, 통신, 금융, 공공, 스타트업 생태계도 이 회사를 좋아하든 싫어하든 한 번은 제대로 뜯어볼 필요가 있습니다.
저는 팔란티어가 더 투명하고, 더 설명 가능하고, 더 책임 있는 방식으로 성장하길 기대합니다. 강한 소프트웨어는 강한 통제를 필요로 합니다. 그 균형을 잡을 수 있다면, 팔란티어는 AI 시대의 위험한 유행주가 아니라 실제 산업 운영을 바꾸는 회사로 남을 수 있습니다.
참고자료
- Palantir, Q1 2026 Letter to Shareholders
- Palantir, Q4 2025 Letter to Shareholders
- Palantir Docs, AIP architecture overview
- Palantir Docs, Platform overview
- Palantir, Ontology
- Palantir, Foundry
- Palantir, Apollo
- Palantir, Gotham
- Palantir, Palantir x KT Partnership
- Palantir, Hyundai Heavy Industries Group partnership expansion
- SEC, Palantir submissions CIK 0001321655
- SEC, Palantir companyfacts XBRL CIK 0001321655
함께 읽으면 좋은 글
이 주제를 더 넓은 기술·산업 맥락에서 비교하려면 아래 분석을 함께 참고하세요.
댓글 없음:
댓글 쓰기