AI 에이전트 확산에 맞춘 관측 가능성(observability) 재설계
2026년 7월, 그라운드커버(groundcover)가 원피크(One Peak) 주도로 1억 달러(약 1360억 원) 규모의 시리즈 C 투자를 유치했다. 이로써 총 누적 투자금은 1억 6천만 달러(약 2176억 원)로 늘었다.
최근 1년간 연간 반복 매출(ARR)이 3배 증가하고 유료 고객이 250개 이상으로 늘어난 성장세가 이번 투자 유치의 직접적 배경이다. 이번 투자금은 엔지니어링 인력 확충과 글로벌 시장 확대에 집중 투입될 예정이다. 핵심 쟁점은 단순한 제품 경쟁이 아니라 아키텍처 경쟁이 관측 가능성 시장에서 본격화하고 있다는 점이다.
AI 기반 에이전트가 생성하는 운영 데이터의 규모와 민감성이 기존 모니터링 도구의 설계 전제를 흔들고 있으며, 그라운드커버는 고객 제어 인프라·자동 텔레메트리 수집·AI 지원 운영을 결합한 방식으로 이 공백을 파고들고 있다. 첫 번째 쟁점은 데이터 주권과 민감성이다.
그라운드커버가 내세우는 BYOC(Bring Your Own Cloud) 아키텍처는 관측 가능성 데이터를 고객의 클라우드 내에 유지한다는 점에서 기존 SaaS 방식과 구분된다. 기업들이 AI 에이전트에 민감한 로그·트레이스·메트릭을 제공하는 과정에서 데이터가 외부로 유출될 위험을 줄여야 한다는 수요가 커지고 있다. 이 설계는 한국의 개인정보보호 규제와 기업 내부 보안 정책 측면에서도 실무적 의미를 갖는다.
기업이 직접 제어하는 클라우드 환경에 텔레메트리 데이터를 보관하는 방식은 규제 준수와 감사 추적에 유리하다. 데이터 이동 경로가 줄어드는 만큼 침해 사고 발생 시 책임 소재 규명도 상대적으로 명확해진다.
두 번째 근거는 자동 텔레메트리 수집의 기술적 효율성이다. 그라운드커버는 eBPF(extended Berkeley Packet Filter)와 OpenTelemetry를 결합해 수동 코드 계측 없이 심층적인 텔레메트리를 확보한다고 밝혔다. 운영팀 관점에서 보면, 애플리케이션 코드를 대대적으로 수정하지 않고도 에이전트의 행동과 통신을 실시간으로 추적할 수 있다는 점이 비용과 대응 시간에 직접적인 영향을 준다.
광고
특히 AI 에이전트가 자연어 기반으로 시스템을 조작하거나 외부 API를 호출하는 상황에서는 로그와 트레이스의 양이 급증한다. 자동 캡처 방식은 관측 가능성 데이터의 누락을 줄이고 문제 재현 시간을 단축하는 효과가 기대된다.
그라운드커버는 이 기술 조합이 기존 에이전트 기반 계측 방식보다 운영 부담을 낮춘다고 주장한다. 세 번째 근거는 AI 지원 운영 기능의 실용성이다. 그라운드커버의 '에이전트 모드(Agent Mode)'는 AI 에이전트가 자연어 쿼리로 로그·메트릭·트레이스·쿠버네티스 이벤트를 조회하도록 설계됐다.
운영자의 검색·탐색 패턴을 자동화하고 초동 대응 속도를 높이는 것이 이 기능의 목표다. 투자자들이 단순한 대시보드나 알림 체계가 아니라 아키텍처 전환을 투자 이유로 제시한 배경에는 이 같은 운영 효율성에 대한 기대가 깔려 있다고 그라운드커버 측은 설명한다.
클라우드 네이티브 조직이 이 기능을 도입할 경우, 운영 인력의 수동 쿼리 작업이 줄어드는 효과를 기대할 수 있다.
BYOC·eBPF·OpenTelemetry로 개인정보·운영 속도 모두 잡는다
반론도 적지 않다. 기존 관측 가능성 업체인 데이터독(Datadog)·다이나트레이스(Dynatrace) 등은 방대한 고객 기반과 통합 생태계를 보유하며, 많은 기업이 이미 이들 플랫폼을 표준으로 채택했다.
신규 솔루션이 시장을 단기간에 재편하기 어렵다는 지적은 타당하다. 다만 이 반론은 AI 에이전트가 만들어내는 데이터의 특성과 데이터 거버넌스 요건을 충분히 반영하지 못한다는 한계가 있다. 기존 플랫폼들이 점차 AI 기능을 통합하고 있기는 하지만, 고객 클라우드 내 데이터 보관을 전제로 한 BYOC 모델과 eBPF 수준의 네트워크·프로세스 관찰을 동시에 제공하는 것은 아키텍처적으로 다른 차원의 도전이다.
또 다른 반론은 기술 복잡성과 운영 부담이다. eBPF나 OpenTelemetry 통합은 높은 전문성을 요구하고, BYOC 방식으로 데이터를 유지하면 고객이 인프라 관리를 더 많이 떠안아야 한다는 우려가 있다. 실제로 기업의 내부 역량과 운영 조직의 성숙도에 따라 비용 대비 편익은 달라진다.
광고
그라운드커버는 자동화된 텔레메트리 파이프라인과 AI 기반 쿼리 기능으로 이 부담을 완화한다고 주장한다. 결국 고객 입장에서는 초기 도입 비용과 장기적인 운영 효율성을 종합적으로 따져 판단해야 한다. 구조적 함의는 세 가지로 정리된다.
관측 가능성은 단순 모니터링 기능에서 자율 소프트웨어 개발과 운영을 뒷받침하는 인프라로 전환되고 있다. 데이터 거버넌스(데이터 레지던시 및 비식별화) 요구가 커지면서 BYOC와 같은 설계가 기업 선택 기준으로 부상할 가능성이 크다.
클라우드 서비스 사업자와 관측 가능성 벤더 간의 경쟁 구도가 '데이터 제어권'과 '실시간 심층 관찰 능력'을 축으로 재편될 전망이다. 이 변화는 한국 기업들의 인프라 설계와 규제 대응에도 직접적 영향을 미친다.
한국 기업의 인프라·규제 대응과 실무 영향 분석
향후 전망은 다음과 같다. 그라운드커버의 시리즈 C 투자 유치는 관측 가능성 시장에서 아키텍처 경쟁이 본격화했음을 보여주는 신호다. 투자금은 엔지니어링과 글로벌 인력 확장에 집중될 예정이어서 고객 확보 속도가 빨라질 것으로 보인다.
기존 대형 업체들은 BYOC 유사 기능 도입, 파트너십, 또는 인수합병(M&A)을 통해 대응할 가능성이 높다. 한국의 엔터프라이즈와 클라우드 네이티브 스타트업은 이번 움직임을 계기로 텔레메트리의 저장 위치, 자동 캡처 체계, AI 기반 운영 도구의 도입 여부를 재검토해야 할 시점이다.
정책적 시사점도 분명하다. 개인정보보호와 클라우드 규제 측면에서 관측 가능성 데이터의 처리·보관 기준을 명확히 해야 한다.
기업이 고객 클라우드에서 텔레메트리를 관리할 때 로그에 포함될 수 있는 개인정보와 민감정보의 취급 기준이 규정되지 않으면, 사고 발생 시 책임 소재가 불분명해진다. 산업계와 규제 당국은 텔레메트리 데이터의 분류·보호 수준·감독 방식을 논의해 선제적으로 가이드라인을 마련해야 한다.
관측 가능성은 기술적 문제를 넘어 산업·규제 구조를 바꿀 수 있는 영역으로 진화하고 있다.
FAQ
Q. 일반 기업은 그라운드커버 같은 관측 가능성 플랫폼을 어떻게 비교해야 하나
A. 우선 데이터 보관 위치와 거버넌스 옵션을 확인해야 한다. BYOC를 제공하는지, 텔레메트리 내 민감정보 식별·비식별화 기능이 있는지 점검하는 것이 첫 단계다. 자동 텔레메트리 수집 방식(eBPF·OpenTelemetry 등)을 비교해 코드 수정 부담과 데이터 커버리지를 따져봐야 한다. AI 기반 운영 도구의 실효성과 도입 후 기술 지원 체계도 빠뜨릴 수 없는 검토 항목이다. 이 세 가지를 종합해 총소유비용(TCO)을 산정하면 플랫폼 간 실질적 비교가 가능하다. 내부 인프라 운영 역량이 낮은 조직일수록 자동화 수준과 벤더 지원 범위를 더 엄격히 따지는 것이 유리하다.
Q. 한국 규제 관점에서 관측 가능성 데이터는 어떤 쟁점이 있나
A. 텔레메트리에는 로그·트레이스·메트릭 등 다양한 데이터가 혼재하며, 그 일부는 개인식별정보(PII)로 분류될 수 있다. 따라서 데이터의 분류·암호화·접근통제 기준을 기업 내부적으로 명확히 정해야 한다. 국내 개인정보보호법상 민감정보 처리에 관한 규정이 텔레메트리 데이터에 어떻게 적용되는지 법적 검토도 선행되어야 한다. 규제 당국은 이 데이터가 어디에 저장되고 누가 접근하는지에 대한 가이드라인을 조속히 제시해야 하며, 기업은 이를 반영한 아키텍처를 선택해야 한다. 데이터가 국외로 이전되는 경우의 법적 책임 소재는 계약 단계에서 반드시 사전에 명확히 해두어야 한다.
Q. 기존 데이터독·다이나트레이스와 그라운드커버의 실질적 차이는 무엇인가
A. 데이터독과 다이나트레이스는 방대한 통합 생태계와 성숙한 시장 점유율을 보유하고 있어 빠른 도입과 폭넓은 레퍼런스를 장점으로 내세운다. 반면 그라운드커버는 고객 클라우드 내 데이터 보관(BYOC)과 eBPF 기반 자동 텔레메트리 수집을 결합해 AI 에이전트 환경에 특화된 설계를 강점으로 제시한다. 데이터 거버넌스 요건이 강한 금융·의료·공공 분야 기업이라면 BYOC 방식이 규제 대응 측면에서 더 유리할 수 있다. 기존 플랫폼 교체에 따른 전환 비용과 내부 운영 역량을 감안해 도입 시점과 범위를 결정하는 것이 현실적인 접근이다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}
