애프터쿼리, YC 역사상 최단기 유니콘 등극

의사와 변호사 10만 명의 판단 과정을 판매한다.

아이디어 없이 들어간 배치, 18개월 만의 기록 애프터쿼리가 32억 달러 기업가치로 투자 유치를 진행하고 있다.

직전 라운드는 다섯 달 전인 4월 9일에 발표된 시리즈A로, 알토스벤처스가 리드하고 레인그룹과 기존 투자자인 Y컴비네이터(YTC), 박스그룹이 참여해 3,000만 달러를 조달했다.

그때 포스트머니가 3억 달러였으니 다섯 달 사이 열 배가 넘게 올랐다.

YC 파트너 구스타프 알스트뢰머는 이 회사가 창업부터 유니콘까지 걸린 기간이 YC 역사상 가장 짧다고 밝혔다.

창업자인 스펜서 마티가(23)와 카를로스 게오르게스쿠(22)는 고등학교 동창이고, 2025년 초 W25 배치에 들어갈 당시 아이디어도 제품도 정해두지 않은 상태였다.

마티가는 와튼에서 금융·통계 학사와 펜실베이니아대 CS 석사를 마치고 모건스탠리 IB와 실버레이크 PE, 메타·구글 엔지니어링을 거쳤고, 게오르게스쿠는 시타델 시큐리티즈와 메타·구글에서 엔지니어로 일했다.

애프터쿼리를 한 문장으로 설명하면 애프터쿼리를 한 문장으로 설명하면 이렇다.

의사, 변호사, 개발자, 금융 전문가 10만 명을 모아놓고, 이들이 실제 업무에서 어떻게 판단하는지를 데이터로 바꿔서 AI 회사에 파는 회사다.

여기서 헷갈리기 쉬운 지점이 있다.

"AI에게 데이터를 판다"고 하면 흔히 인터넷 텍스트를 긁어모아 파는 걸 떠올린다.

애프터쿼리가 파는 건 그게 아니다.

인터넷에 존재하지 않는 데이터다.

예를 들어 어떤 계약서에 문제가 있는지 변호사가 검토한다고 해보자.

변호사는 조항을 읽고, 위험한 부분을 짚고, 왜 위험한지 근거를 대고, 수정안을 제시한다.

이 때 이들이 무엇을 먼저 보는지, 어떤 순서로 판단하는지, 애매한 상황에서 어떻게 결정하는지는 어디에도 문서로 남지 않는다.

변호사 머릿속에만 있다.

애프터쿼리는 이 과정을 실제 변호사에게 시급을 주고 글로 풀어내게 한다.

의사도 마찬가지고 개발자도 마찬가지다.

이렇게 만들어진 자료를 AI 회사가 사가서, 자기네 모델이 "전문가처럼 판단하도록" 훈련시키는 데 쓴다.

왜 지금 이게 돈이 되는가 AI 모델을 훈련시키는 방식은 몇 년 사이 크게 바뀌었다.

초기에는 인터넷에 있는 텍스트를 최대한 많이 읽히면 모델이 똑똑해졌다.

그런데 이제 웹에 있는 웬만한 텍스트는 이미 다 학습에 썼다.

더 읽힐 게 없다.

동시에 AI 회사들이 원하는 목표가 달라졌다.

예전에는 "질문에 그럴듯하게 답하는 모델"이면 충분했다면, 지금은 "실제 업무를 대신 처리하는 모델"을 원한다.

계약서를 검토하고, 재무제표를 분석하고, 코드를 짜서 배포까지 하는 모델이다.

이런 능력은 인터넷 텍스트를 많이 읽는다고 생기지 않는다.

전문가가 실제로 그 일을 어떻게 하는지 보여주는 훈련 자료가 있어야 생긴다.

문제는 이런 자료가 세상에 거의 없다는 거다.

변호사가 계약서를 검토하는 전 과정을 정리해서 공개한 사람은 없다.

그래서 이걸 처음부터 만들어내는 작업이 필요해졌고, 이 작업을 대규모로 조직한 회사가 애프터쿼리다.

없던 자원을 처음 만들어 파는 위치에 있다는 게 이 회사 가치의 핵심이다.

실패한 제품이 그대로 바뀐 상품 처음의 아이템은 금융 업무를 처리하는 AI 에이전트였다.

테스트를 돌려보니 최고 성능 모델들이 전문직 업무의 미묘한 판단 지점에서 계속 실수했고, 원인을 파고든 끝에 모델 구조의 한계보다 학습 데이터의 공백이 문제라는 쪽으로 결론이 났다.

여기서 방향을 틀어, AI 위에 애플리케이션을 얹는 대신 금융·소프트웨어·법률·의료 실무자가 내리는 판단과 그 판단에 이르는 단계별 사고 과정을 수집하는 쪽으로 회사를 피봇했다.

피벗의 재료가 시장 조사나 트렌드 리포트가 아니라 자기 제품이 실패한 지점에서 나왔고, 실패의 원인을 규명하는 과정에서 그 원인을 겪고 있는 고객이 프론티어 AI 랩 전체라는 사실이 함께 드러났다.

10만 실무자의 판단으로 만들어지는 데이터 지금 애프터쿼리가 파는 건 네 가지다.

사고 과정이 붙은 지도학습용 데이터셋, 전문가가 직접 설계한 채점 기준에 따라 모델이 연습하는 강화학습 환경, API와 MCP로 실제 업무 흐름을 재현한 에이전트 환경, 그리고 사람이 컴퓨터를 조작하는 과정을 그대로 기록한 트라젝토리이다.

이 재고를 만드는 인력은 금융·법률·의료·소프트웨어·ML 분야에서 검증을 거친 실무자 10만 명 규모의 전문가들이다.

공개된 시급은 일반 검수가 35~75달러, PhD와 의사·변호사급이 100~250달러 수준이다.