Redrob

담당

공동창업자 · CTO로서 아키텍처, 모델, 비용 제약을 책임졌습니다. 서울·인도·미국에 걸쳐 엔지니어링 조직을 만들고 직접 운영했습니다. 프로덕션 코드는 직접 작성했고, 제품 UI와 지역 온콜은 현지 팀에 넘겼습니다.

목적

목표는 인도의 Naver가 되는 것입니다. 커리어, 스킬, 예측, AI 채팅을 데모가 아니라 매일 쓰는 제품으로 묶은 하나의 B2C 브랜드를 만듭니다. 동의한 모든 상호작용이 신흥 시장용 모델·검색 스택을 더 강하게 만듭니다. 무료 캠퍼스 접근은 학생당 고정 비용 상한과 MAU당 GPU-hour 예산 안에서 운영했고, 이 두 숫자가 모든 모델 결정을 검증하는 제약이었습니다. 엔터프라이즈 GTM·HR·API와 비용을 하드 제약으로 두는 방식이 이 선순환을 지속시킵니다.

연혁

1. 2018

   회사를 설립하고 공동창업자 · CTO로 합류했습니다.

2. 2023

   시드 50억 원

3. pre-Series A

   CareerChat을 출시한 뒤 현지 팀에 넘겼습니다. 이후 Redrob Jobs로 발전했고, 지원자는 지원하고 리크루터는 AI로 평가합니다.

4. 2025년 11월

   한국투자파트너스 주도로 시리즈 A 125억 원를 유치했습니다. 발표 기준 인도 대학 500곳에서 ARR 85억 원, 이용자 300만를 기록했습니다.

5. IPL 2026

   Redrob Signal 출시 기간: 무료 플레이 크리켓 예측 앱을 선보였습니다. 출시 60일 미만에 다운로드 2M+, 가입 ~1M, 지속 DAU ~100K를 기록했습니다. B2C 참여를 위한 제품으로, Signal 데이터는 공유 인증·동의 정책 아래 별도로 관리합니다.

6. 2026

   redrob.io에서 B2C용 Chat, Jobs, Skills, Signal과 엔터프라이즈용 GTM, HR, API를 출시했습니다. Mail과 Luma는 출시를 앞두고 있습니다.

결정

• 한 브랜드, 하나의 AI로 이어지는 여러 B2C 입구

  Chat, Jobs, Skills, Signal은 별도 회사가 아니라 같은 플랫폼으로 이어지는 동의 경로입니다. 동의 아래 쌓인 사용 데이터가 라우팅·랭킹·RAG를 강화하고, 모든 제품을 함께 개선합니다. 인도판 Naver식 선순환입니다.

• 비용을 모델 결정의 하드 제약으로

  무료 캠퍼스 접근은 학생당 고정 비용 상한과 MAU당 GPU-hour 예산 안에서 운영했습니다. 이 두 숫자가 모든 모델 결정을 검증하는 제약이었습니다. 양자화를 먼저 적용하고, 그다음 더 작은 모델로 증류하고, 그다음 big/small 라우팅을 거쳐 마지막에 전체를 조합했습니다. 모델 티어는 소형(양자화·증류 기본), 중형, 대형(어려운 쿼리·유료 플랜용) 세 단계로 나눴고, 무료 기본 경로는 소형 티어에 남겼습니다.

• API 계약은 하나, 플랜 캡만 다르다

  학생·엔터프라이즈 트래픽은 같은 라우팅 API 계약을 씁니다. 무료와 유료는 플랜 캡, rate limit, 기본 모델 티어로 갈릴 뿐 별도 스택이 아닙니다. 시리즈 A 시점의 실시간 라우팅은 수동 티어·규칙(플랜, 지연, 언어) 기반이었습니다. 공개 eval 하네스는 오프라인 프롬프트·설정을 검증하는 데 도움을 줬을 뿐, 실시간 라우터를 직접 소유하지는 않았습니다.

• 계약 뒤에 두는 오픈 Indic 가중치

  오픈 Indic 가중치는 커버리지, 비용, 지연, 라이선스 기준을 모두 통과해야 했습니다. 오픈소스 기반 조직이라, 기준을 넘긴 모델을 라우팅 계약 뒤에 두지 않을 이유가 거의 없었습니다. 다만 이름이 붙은 업스트림 백엔드는 공개하지 않습니다.

• 인도 시장용 다국어 커버리지

  초기 품질 게이트는 출시한 언어가 실제 프로덕션에서 돌아가는지였습니다. 목표는 메트로 영어 데모만 만드는 것이 아니라, 인터넷 환경이 약한 2·3선 도시까지 접근을 여는 것이었습니다. Chat은 30개 이상 언어를 마케팅하고, Jobs는 주요 인도어 검색을 지원합니다.

• 루브릭 게이트가 있는 text-to-ES DSL

  라우팅 LLM이 사용자 목표를 Elasticsearch DSL 쿼리로 바꿉니다. 생성된 쿼리는 대규모 인재 프로필 인덱스에 들어가기 전에 루브릭으로 검토되고, 검색 메트릭은 요청 경로 밖에서 그 프롬프트를 오프라인으로 fine-tune하는 데 쓰입니다. 검색은 Elastic.co로 시작했지만, 인프라 비용에서 가장 큰 항목이 되자 후속 아키텍처로 옮겨 대략 한 자릿수 규모로 줄였습니다.

• 공유 인재 데이터 계층, Signal은 따로

  인재 프로필, 채용공고, 스킬 점수는 Elasticsearch와 RDS/pgvector RAG에 쌓이고, 주간 EventBridge → S3 → EMR/Glue 경로를 탑니다. Redis는 결과·프롬프트 캐시입니다. Signal의 예측·원장 이벤트는 공유 인증·동의 정책 아래 별도 스토어에 넣습니다. 엔터프라이즈 GTM/HR/API와 Console/Studio는 같은 핵심 스택 위에 있으며, 두 번째 핵심 스택을 따로 만들지 않습니다.

조직

• 채용 바, 리뷰, 누가 무엇을 맡는지

  채용 기준, 리뷰 프로세스, 담당 규칙은 단순한 과제가 아니라 명확한 의사결정 대상입니다. CareerChat(이후 Redrob Jobs)이 build-then-hand-off 방식을 처음 증명한 제품이었습니다. Indic 텍스트·Jobs 1차 온콜은 인도, 모델·인프라 에스컬레이션은 서울, 엔터프라이즈 Console은 미국이 맡습니다. 타협하지 않은 부분은 지역 간 모닝 스탠드업과 리뷰를 자동화하는 에이전트입니다.

과제

• 동의는 푸터가 아니라 제품이다

  Naver 규모의 선순환은 사용자가 무엇을 주고 무엇을 받는지 이해할 때만 작동합니다. 예측, 이력서, 검색은 모두 권한 설정 아래에 둡니다. 신뢰가 깨지면 데이터 이점도 함께 끝납니다.

• 무한정 비용 없이 무료 접근 열기

  무료 부하에서 남용·모더레이션 문제가 가장 먼저 터졌고, 이는 GPU 실패로 이어져 품질 저하 지원 티켓이 쌓였습니다. 첫 완화 조치는 rate limit과 더 강한 모더레이션 게이트였고, 그다음으로 남은 GPU가 실제 사용자에게 가도록 무료 티어 기본값을 더 작게 낮췄습니다. 구조적인 증류와 엣지 케이스 작업은 불을 끈 뒤에야 진행했습니다.

• 실제 인도 사용을 견디는 품질

  Indic 토크나이저의 토큰 분할률(fertility)은 실제로는 프로덕션 비용 문제였습니다. 데모 단계의 비용은 감당할 만해 보였지만, 프로덕션 비용은 이 토큰 분할률 격차와 거의 같은 자릿수로 치솟았습니다. 토크나이저의 토큰 수 급증, 스크립트 혼용, 약한 로컬 엔티티 처리가 후보 스택들을 하나씩 탈락시켰습니다. 영어 벤치마크만으로 출시하는 것은 막았고, Indic 프로덕션 게이트와 인도 제품 태스크(Jobs/Chat)를 통과해야만 출시했습니다. 엔터프라이즈와 학생은 품질 기준이 서로 달랐습니다. 엔터프라이즈는 SLA 아래 P99.9 안정성과 낮은 지연이 필요했고, 학생 대상은 학생당 비용 상한·GPU-hour 예산 안에서 도달 범위를 최적화했습니다.

• 한 브랜드, 여러 시간대

  서울·인도·미국 사이의 타임존 전환과 리뷰 병목이 캘린더 시간을 가장 많이 잡아먹었습니다. build-then-hand-off 방식은 거의 뒤집히지 않았고, 뒤집힐 때는 대개 GPU·비용 사고가 원인이어서 서울이 인프라·모델 가중치를 가져가고 인도는 Jobs/CareerChat UX를 유지했습니다. 모닝 스탠드업과 리뷰 에이전트는 담당 범위가 흐트러지지 않도록 유지하기 위한 장치입니다.

성과

• 매출과 도달

  ARR 85억 원 (2025년 11월). 인도 대학 500곳에서 가입 1,000만+를 확보했습니다(2025년 11월 시리즈 A 기준 이용자 300만).

• Redrob Signal (IPL 2026 출시)

  무료 플레이 스킬 기반 예측 앱입니다(크리켓을 우선으로, 엔터테인먼트·경제 토픽으로 확장 중). 출시 기간 실적: 60일 미만에 다운로드 2M+, 가입 ~1M, 한 달간 지속 DAU ~100K, 인도 Google Play Free Sports 1위를 기록했습니다. AB de Villiers, Dale Steyn이 공개적으로 홍보에 참여했습니다. 실제 화폐 게이밍이 아니라, 별도 동의 저장소 위에서 운영하는 고참여 B2C 제품입니다.

• 펀딩

  누적 투자 175억 원 (시드 50억, 시리즈 A 125억). 2025년 11월 시리즈 A 기준입니다.

• 조직

  2025년 11월 시리즈 A 기준, 5개 도시(San Francisco, New York, New Delhi, Mumbai, Seoul)에서 운영하는 100명 규모 회사 안에서 서울·인도·미국에 걸친 엔지니어링 조직을 0명에서 50+까지 만들고 훈련했습니다.

• 공개 제품 스위트

  redrob.io는 B2C Chat, Jobs, Skills, Signal과 엔터프라이즈 GTM, HR, API, 캠퍼스 접근을 공개했고, Mail과 Luma는 출시를 앞두고 있습니다. 이를 합치면 Naver형 넓이에 가깝습니다. 한 브랜드 아래 사용자가 매일 돌아올 이유가 여러 개 있는 셈입니다.

시스템

• Redrob 플랫폼

  3 tiers

  라우팅 · 비용 천장 + GPU-h/MAU

  인도판 네이버(Naver)형 선순환 구조로, B2C용 Chat/Jobs/Skills/캠퍼스와 엔터프라이즈용 GTM/HR/API가 하나의 라우팅 completion 계약을 공유합니다(플랜별 사용량 상한만 다릅니다). 인재 데이터는 Elasticsearch(대규모 인재 프로필 인덱스, Elastic.co 라이선스 체계이며 후속 구성은 비공개)와 RDS/pgvector 기반 RAG로 운영합니다. Signal 데이터는 별도의 동의 기반 스토어에 보관하고, Redis가 결과와 프롬프트를 캐싱합니다. 실시간 라우팅은 수동으로 설정한 티어와 규칙을 따르며(GEPA는 아직 실시간 적용되지 않음), 주간 단위로 EventBridge→S3→EMR/Glue 파이프라인을 통해 데이터를 수집합니다. 오프라인 루브릭 지표가 프롬프트를 파인튜닝하는 데 쓰입니다. 인프라는 AWS 기반으로 CloudFront/WAF/Shield Standard, ECS와 EKS 혼합 구성, 프라이빗 VPC로 이루어져 있습니다. 모델은 3단계 티어(경량 양자화·증류 모델을 기본으로, 중형 모델, 그리고 어려운 요청이나 유료 사용자를 위한 대형 모델)로 나뉘며, 무료 기본 요금제는 학생당 고정 비용 상한과 MAU당 GPU-h 예산 안에서 경량 경로로 서비스됩니다.

  

화면