khosla ventures, 이안 크로스비에게 1000만 달러 투자…첫 스타트업 벤치는 실패

Synthetic이 목표로 하는 "완전 자율 AI 부기(bookkeeping) 서비스"는 단순한 OCR/분류 자동화를 넘어, LLM 기반 에이전트가 거래 데이터 수집부터 분개, 조정(reconciliation), 월 마감(close)까지 엔드투엔드로 처리하는 구조다. 기술적으로는 은행/카드사 API 연동을 통한 트랜잭션 수집, 벡터DB와 RAG를 활용한 과거 분개 패턴 학습, 도구 호출(tool calling) 기반의 회계 시스템(QuickBooks·Xero 등) 자동 제어, 그리고 예외 케이스에 대한 self-correction 루프가 핵심 컴포넌트가 된다. Crosby가 이끌었던 Bench는 사람 부기사 + 자체 소프트웨어 하이브리드 모델로 운영되다가 단위 경제성(unit economics) 문제로 2024년말 갑작스럽게 폐업했고, 이번 Synthetic은 그 경험을 바탕으로 사람을 루프에서 제거하는 방향으로 재설계한 시도다.

엔지니어 관점에서 이 사례는 "버티컬 AI 에이전트"가 SaaS 시장을 어떻게 재편하는지 보여주는 전형적인 패턴이다. 기존 핀테크 SaaS는 워크플로우를 사람이 운영하도록 UI를 제공했다면, 에이전트 기반 서비스는 워크플로우 자체를 모델이 실행한다. 이는 백엔드 아키텍처 측면에서 idempotent한 도구 인터페이스 설계, 에이전트 실행 추적용 observability(LangSmith·Langfuse 류), human-in-the-loop 승인 게이트, 그리고 회계처럼 정확성이 100%에 수렴해야 하는 도메인에서의 결정론적 검증 레이어(rule engine + LLM hybrid) 설계 역량을 요구한다. 특히 Bench의 실패가 시사하듯, 모델 정확도가 95%라도 나머지 5%를 처리하는 비용이 전체 마진을 잠식할 수 있어, 엔지니어는 "happy path 자동화"가 아니라 "예외 처리 자동화"에 설계 노력을 집중해야 한다.

한국 개발자가 당장 취해야 할 액션은 두 가지로 정리된다. 첫째, 본인이 다루는 도메인(회계·법무·HR·CS 등)에서 반복적 워크플로우를 식별하고, Claude/GPT의 tool use, computer use, MCP(Model Context Protocol) 같은 표준을 활용해 PoC를 만들어볼 가치가 있다. 한국 시장은 전자세금계산서·홈택스·NICE평가정보 등 표준화된 데이터 소스가 잘 갖춰져 있어 오히려 미국보다 자율 부기 에이전트 구현 난이도가 낮을 수 있다. 둘째, Synthetic 같은 서비스가 성공할 경우 SaaS 인테그레이션 시장(QuickBooks·더존·영림원 등 ERP 연동)에서 "사람 사용자용 API"가 아닌 "에이전트용 API" 설계 수요가 급증할 것이므로, 자사 제품을 API-first·머신 친화적(structured output, 명확한 에러 코드, rate limit 가시화)으로 재정비하는 것이 중장기 경쟁력의 핵심이 된다.