CIA 정보활동에 쓰이던 기업의 성장과정을 알아봤습니다

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

CIA와 연결된 초기 투자와 정보기관 사업을 발판으로 성장한 팔란티어는 데이터 연결 기술을 기업용 AI 운영 플랫폼으로 확장했으며, 앞으로는 실적이 높은 주가 기대를 따라잡는지가 관건이다.

📌 핵심 요점

1. 팔란티어는 2003년 설립됐으며, 페이팔의 금융사기 탐지 기술을 정보기관의 데이터 연결 문제에 적용하려는 구상에서 출발했다. CIA와 연결된 인큐텔의 초기 투자를 받고 미국 정보기관과 국방부를 중심으로 성장했다.
2. 고담으로 정보 분석을 지원하던 사업은 민간 기업용 파운드리와 2023년 출시한 AIP로 확장됐다. 핵심 가치는 흩어진 데이터를 연결하고, 분석한 결과를 승인 절차에 따라 실제 업무에 반영하는 데 있다.
3. 온톨로지는 공장·부품·고객 주문 사이의 관계와 업무 규칙·권한을 함께 모델링한다. 기업용 AI의 경쟁력은 모델의 답변 능력뿐 아니라 기업 현실을 이해하고 통제된 환경에서 행동하도록 만드는 기반에 달려 있다는 설명이다.
4. 영상은 사스포칼립스 우려와 달리 팔란티어의 2026년 2분기 매출이 전년 대비 93%, 미국 민간 기업 매출이 149% 증가했다고 소개한다. 오픈형 모델 확산과 AI를 활용한 엔지니어 생산성 향상은 추가 성장 경로로 제시된다.
5. 경쟁과 높은 밸류에이션은 여전히 부담이다. 영상에 따르면 2027년 예상 매출 기준 주가매출비율도 약 37배여서, 성장률 둔화나 가이던스 하향이 주가 변동을 크게 만들 수 있다.

🧩 배경과 문제 정의

영상은 CIA 정보활동과 연결된 기업이 어떻게 성장했는지를 팔란티어의 역사와 사업 구조로 설명한다. 출발점은 서로 다른 시스템에 흩어진 정보를 연결하는 문제다. 정보기관에서는 인물·거래·이동 기록의 관계를 분석해야 했고, 민간 기업에서는 구매·재고·생산·주문 데이터를 종합해 운영 결정을 내려야 했다.

AI가 코드 작성과 업무 자동화를 수행하면 기존 소프트웨어 구매 필요성이 줄어든다는 사스포칼립스 우려가 두 번째 문제다. 영상은 코드 생성과 핵심 업무의 안전한 운영을 구분하며, 데이터 관계·업무 규칙·권한·승인 절차를 연결하는 플랫폼의 역할을 강조한다. 이어 실적 성장, 오픈형 모델, 엔비디아 협력, 현장 엔지니어의 생산성 개선을 성장 경로로 제시하고, 높은 밸류에이션을 투자 판단의 핵심 부담으로 짚는다.

🕒 시간순 섹션별 상세정리

1. 정보기관 기술에서 기업용 AI로 이어지는 질문

• 2011년 빈라덴 추적 과정에서 흩어진 정보를 연결하는 팔란티어 기술이 활용됐다는 이야기를 도입부에 제시한다. [00:25]
• AI가 코드 작성·데이터 분석·업무 자동화를 수행하면 기존 소프트웨어 구매가 줄어들 수 있다는 사스포칼립스 우려를 보여준다. [00:52]
• 최근 실적이 소프트웨어 기업에 대한 관심을 되살렸다며, 팔란티어의 기술이 기업용 AI로 진화한 과정과 고객의 구매 이유를 살펴보겠다고 드러낸다. [01:26]

2. 페이팔의 사기 탐지에서 출발한 창업 구상

• 2003년 설립된 팔란티어의 창업을 주도한 피터 틸은 페이팔의 금융사기 탐지 기술에 주목했다. [01:38]
• 거래와 계정 사이의 관계를 분석하는 방식을 테러 조직이나 범죄 네트워크 추적에 적용할 수 있다고 생각했다. [02:01]
• 9·11 이후 미국 정부의 데이터 연결 수요가 커졌으며, 팔란티어는 분리된 이동·금융·인물 관계 정보를 종합하는 소프트웨어를 개발했다. [02:23]

3. 창업진과 인큐텔 투자, 고담의 역할

• 피터 틸 등 다섯 명이 공동창업했으며, 알렉스 카프는 초기부터 경영을 맡았다. CIA와 연결된 인큐텔의 초기 투자 이후 정보기관과 국방부를 중심으로 성장했다. [02:49]
• 고담은 서로 다른 출처의 정보를 연결해 인물·조직·사건 사이의 관계를 분석하고 작전상 의사 결정을 지원하는 제품으로 묶인다. [03:05]
• 빈라덴 추적에 쓰였다는 보도가 회사의 인지도를 높였지만, 팔란티어의 공식 확인은 없었다고 명시한다. [03:25]

4. 민간 기업 진출과 AI 플랫폼으로의 확장

• 제조·항공·에너지·금융·의료 분야로 확장하며 데이터를 연결하고 운영을 최적화하는 소프트웨어를 판매했다. 대표적인 기업용 제품은 파운드리다. [03:40]
• 2020년 뉴욕증권거래소에 직접 상장했고, 2023년에는 생성형 AI를 기업 업무에 연결하는 AIP를 출시했다. [03:49]
• 회사의 역사를 정보기관 데이터 분석에서 기업 운영 소프트웨어, 다시 AI 기반 운영 플랫폼으로 진화한 과정으로 정리한다. [04:01]

5. 반도체 공급 부족이 드러내는 데이터 분절 문제

• 공장 다섯 곳과 공급업체 500곳을 둔 가상의 자동차 회사가 구매·회계·재고·고객 주문·생산을 서로 다른 시스템으로 관리하는 상황을 설정한다. [04:33]
• 반도체 공급이 30% 감소하면 구매·생산·영업·물류·재무팀이 부족 물량, 생산 조정, 납기 지연, 대체 공급, 손실을 함께 판단해야 한다. [05:01]
• 데이터가 충분히 있어도 시스템이 분리돼 있으면 회사 전체의 상황을 종합하기 어렵고, 이 지점에서 팔란티어의 역할이 생긴다고 보여준다. [05:18]

6. 대응 시나리오 분석에서 승인된 업무 실행까지

• 반도체와 공장·차종·고객 주문의 관계를 연결하고, 수익성 높은 차량에 우선 배정하거나 생산량·구매처를 바꾸는 방안을 비교한다. [05:50]
• 각 방안의 생산량·매출·비용·납기 영향을 분석하고, 기업이 승인한 결정을 실제 생산 관리나 구매 시스템에 반영하도록 연결할 수 있다. [06:21]
• 데이터 연결과 규칙 설정, 기존 시스템 통합이 필요하며, 제대로 구축했을 때 비용 절감과 생산성 향상이 구매 이유가 된다고 보여준다. [06:46]

7. 온톨로지에 담는 관계와 업무 권한

• 온톨로지는 단순한 재고·가동률·주문 숫자를 공장·제품·부품·공급업체 사이의 관계로 바꾸는 기술로 드러난다. [07:24]
• 연결된 관계를 통해 공급 감소가 어느 공장과 고객 주문에 영향을 주는지 계산할 수 있다. [07:33]
• 생산 변경과 추가 구매의 승인, 직원별 정보 접근 권한까지 모델에 반영하면 AI가 실행 가능한 작업과 필요한 승인을 구분하며 업무를 지원할 수 있다. [08:06]

8. 제품별 역할과 경쟁사의 출발점

• 파운드리는 온톨로지 구축, AIP는 언어 모델·AI 에이전트 연결, 아폴로는 다양한 환경에 소프트웨어를 배포하고 업데이트하는 역할을 맡는다. [08:21]
• 세일즈포스·마이크로소프트·SAP·서비스나우도 기업 데이터와 AI 업무 자동화를 다루며, 각각 고객 관리·핵심 거래·업무 프로세스 등에서 강점을 쌓았다. [09:35]
• 팔란티어는 분산된 데이터를 연결해 복잡한 운영 문제를 해결하는 데서 출발했다. 다만 경쟁사들도 사업 영역을 확장하고 있어 구분이 절대적이지는 않다. [10:11]

9. 사스포칼립스가 흔든 가격 결정력과 성장 기대

• 영상은 2026년 2월 앤트로픽의 클로드 코워크 공개 이후 이틀 동안 소프트웨어 기업 시가총액 약 2,850억 달러가 사라졌다고 보여준다. [10:35]
• 기업의 자체 개발 기대는 표준 기능과 단순 자동화 도구의 가격 결정력을 압박할 수 있고, AI가 직원 업무를 대신하면 직원 수에 비례한 과금도 위협받을 수 있다. [11:41]
• AI가 팔란티어의 데이터 연결·개발 업무를 수행할 수 있다는 우려와 높은 밸류에이션이 겹치며, 성장 기대가 낮아질 때 주가가 크게 흔들릴 수 있다고 보여준다. [12:18]

10. 실적이 제시한 AI 대체 우려의 반대 방향

• 영상에 따르면 팔란티어의 2026년 매출 증가율은 1분기 85%에서 2분기 93%로 높아졌으며, 2분기 전체 매출은 약 19억 3,500만 달러였다. [12:46]
• 미국 민간 기업 매출은 149% 증가한 7억 6,400만 달러, 미국 정부 매출은 90% 증가한 8억 900만 달러로 드러난다. [12:59]
• 2분기 100만 달러 이상 계약 220건도 소개하며, 시장이 AI의 대체 속도보다 소프트웨어 기업의 AI 활용 성장 속도가 빠를 가능성에 주목했다고 보여준다. [13:26]

11. 코드 생성과 안전한 기업 운영 사이의 차이

• 은행의 대출 심사 시스템을 예로 들어 개인정보 보호, 직원별 접근 권한, 판단 책임, 무승인 거래 통제, 결정 기록과 감사 대응이 필요하다고 보여준다. [14:37]
• 병원에서도 환자 정보 접근과 외부 전달, 의료 행위로 이어지는 검토·승인 절차가 필요하므로 개발 비용 하락만으로 기존 플랫폼을 쉽게 대체하기 어렵다고 본다. [15:11]
• 온톨로지와 AIP는 데이터 관계·업무·권한을 연결하고 AI의 사용 데이터와 작업, 사람의 승인 조건을 설정한다. 정보기관·국방 분야에서 축적한 보안 경험도 강점으로 드러난다. [15:58]

12. 오픈형 모델 확산과 통합 플랫폼의 필요성

• 오픈형 모델은 기업 내부 환경에 모델을 가져와 데이터를 보호하며 운영할 선택지를 늘린다. 폐쇄형 모델도 별도 보안 환경에서 활용할 수 있지만 수정·자체 운영 선택에는 제약이 있을 수 있다고 덧붙인다. [17:48]
• 가중치가 공개된 오픈 웨이트 모델은 자체 서버 운영이나 추가 학습을 허용하지만, 설치 후에도 데이터 접근·업무 규칙·승인 절차를 연결해야 한다. [18:22]
• 팔란티어는 여러 모델을 기업 데이터와 실제 업무에 연결하는 플랫폼을 제공하며, 모델 선택지가 늘수록 통합·관리 기반의 중요성이 커질 수 있다고 보여준다. [18:56]

13. 엔비디아 협력의 보안 환경과 공급망 적용

• 2025년 10월 발표한 협력은 네모트론 모델과 GPU 가속·데이터 처리·최적화 기술을 팔란티어의 온톨로지 및 AIP에 통합하는 내용으로 묶인다. [19:19]
• 2026년 6월에는 미국 정부기관을 위한 보안 AI 방안이 발표됐으며, 외부 네트워크와 분리된 에어갭 환경에서도 모델을 맞춤화하고 통제권을 유지하는 것이 핵심이라고 보여준다. [19:47]
• 9월에는 엔비디아 자체 공급망 적용이 발표됐다. 웨이퍼·패키징·메모리·서버·고객 인도를 연결해 병목과 대응 방안을 분석하는 시스템을 구축 중이라고 전해진다. [20:24]

14. FDE의 현장 경험과 AI를 통한 생산성 개선

• FDE는 고객 현장에 투입돼 생산·공급망·데이터 구조를 파악하고, 애플리케이션과 자동화 기능을 실제 사용 가능한 수준까지 구축하는 엔지니어다. [21:18]
• 핵심 업무에 깊이 연결되면 제품 교체가 어려워질 수 있고 현장 경험을 다른 고객의 제품 개선에 활용할 수 있지만, 고객 증가에 따라 인력 비용도 커질 수 있다. [22:01]
• 골드만삭스는 AI가 코드 작성·시스템 연결·오류 수정 일부를 자동화하는 점에 주목한다. 같은 인력으로 더 많은 고객을 지원하는 사례는 생산성 향상을 설명하기 위한 가정이다. [22:55]

15. 시장 확대 경로와 분석기관의 투자 의견

• 주권형 AI는 국가나 기업이 데이터·AI 통제권을 확보하려는 움직임이며, 팔란티어는 접근 권한과 기존 시스템 연결이 필요한 시장을 공략할 수 있다고 보여준다. [23:38]
• 맞춤형 애플리케이션과 산업별 전문화는 공통 플랫폼과 반복 기능을 활용하는 전략이다. AI까지 결합하면 고객별 구축 비용이 낮아질 수 있다는 평가를 보여준다. [24:42]
• 영상은 10월 8일 골드만삭스의 매수 상향과 12개월 목표 주가 230달러를 소개하고, 다른 분석기관들의 250달러 목표 주가도 언급한다. [25:12]

16. 높은 가격에 반영된 기대와 마지막 관전 포인트

• 영상은 시가총액 약 4,600억 달러, 지난해 매출 대비 100배가 넘는 수준, 2027년 예상 매출 기준 약 37배의 주가매출비율을 밸류에이션 부담으로 제시한다. [25:40]
• 보유 의견으로의 하향, 내부자 매도와 마이클 버리의 숏 포지션 확대를 소개하며, 실적이 기대에 미달하거나 가이던스가 낮아지면 주가가 크게 흔들릴 수 있다고 보여준다. [26:16]
• 정보 추적 기술이 기업 데이터를 연결해 AI를 실제 업무에 투입하는 플랫폼으로 진화했다고 정리한다. 실적이 밸류에이션을 따라잡을 수 있는지를 관전 포인트로 남기고 감사 인사로 마친다. [26:46]

🧾 결론

• 팔란티어의 성장사는 정보기관용 데이터 분석 기술이 민간 기업의 운영 최적화와 AI 업무 실행으로 확장된 과정이다.
• 고객이 구매하는 이유는 데이터 분석 자체보다 생산 차질·재고 비용·의사 결정 시간을 줄이는 실질적인 운영 효과에 있다. 효과를 내려면 데이터 연결과 업무 규칙 설정, 기존 시스템 통합이 필요하다.
• AI는 팔란티어의 구축 업무를 대체할 수 있는 위협인 동시에, 구축 효율과 고객 지원 범위를 확대할 수 있는 성장 동력이다.
• 사업의 경쟁력과 투자 가격은 별도로 평가해야 한다. 영상의 마지막 질문은 팔란티어의 실적이 현재 밸류에이션을 따라잡을 수 있는지다.

📈 투자·시사 포인트

• 매출 성장뿐 아니라 미국 민간 기업 매출, 정부 매출, 대형 계약이 지속적으로 늘어나는지 살펴볼 필요가 있다. 영상이 제시한 실적은 AI 대체 우려에 대한 반론이지만, 장기 성장의 보장은 아니다.
• FDE 업무 일부의 AI 자동화와 산업별 기능 재사용이 고객당 구축 비용을 낮추는지가 중요하다. 생산성 향상이 실제 비용 구조 개선으로 이어져야 성장의 질을 평가할 수 있다.
• 주권형 AI와 자체 환경에서의 모델 운영 수요는 데이터 통제·접근 권한·승인 절차를 제공하는 플랫폼의 기회로 제시된다. 엔비디아 협력은 정부 보안 환경과 공급망 운영을 연결하는 사례다.
• 세일즈포스·SAP·마이크로소프트·서비스나우도 데이터 연결과 AI 자동화를 제공한다. 팔란티어의 운영 문제 해결 역량이 경쟁사의 확장 속에서도 차별성을 유지하는지 확인해야 한다.
• 영상에 소개된 목표 주가와 상승 여력은 분석기관의 판단이다. 높은 매출 배수에서는 실적이 좋아도 시장 기대에 미달하면 주가가 흔들릴 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 빈라덴 추적에 팔란티어 소프트웨어가 활용됐다는 내용은 보도로 전해진 이야기다. 영상도 팔란티어가 공식적으로 확인한 적은 없다고 명시한다.
• 2026년 분기 실적, 계약 건수, 시가총액, 목표 주가, 내부자 거래와 마이클 버리의 포지션은 영상에서 제시한 수치와 주장이다. 각각의 공시·보고서와 기준 시점을 확인해야 한다.
• IGV의 고점 대비 하락 폭은 제공된 전사에서 숫자가 불완전하다. 정확한 하락률을 이 자료만으로 확정할 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 영상이 인용한 분기 매출, 사업 부문별 성장률, 대형 계약 건수를 해당 기간의 회사 발표와 대조한다.
• 시가총액과 과거·예상 매출의 기준 시점을 맞춰 주가매출비율을 확인하고, 성장 기대가 낮아질 때의 영향을 검토한다.
• 팔란티어 도입 사례에서 구축 인력·기간·비용과 생산 차질·재고 비용·의사 결정 시간의 개선 효과를 함께 확인한다.
• AI를 활용한 FDE 업무 자동화와 산업별 기능 재사용이 실제 고객당 구축 비용을 낮추는지 후속 실적에서 추적한다.

❓ 열린 질문

• 팔란티어의 매출 성장과 고객 지출 확대는 현재의 높은 밸류에이션을 정당화할 만큼 지속될 수 있을까?
• AI가 구축 업무를 자동화할 때 팔란티어의 생산성 개선 효과와 고객의 자체 개발 유인이 어떻게 균형을 이룰까?
• 주권형 AI·맞춤형 애플리케이션·산업별 전문화가 실제로 얼마나 큰 추가 시장과 반복 가능한 매출을 만들까?