생성형 AI 챗봇이 인간과 놀랍도록 유사한 텍스트와 이미지를 만들어내며 세상을 바꾸고 있지만, 아이러니하게도 그들이 가장 약한 부분이 있었으니, 바로 구조화된 데이터 분석입니다. 스프레드시트에 담긴 은행 거래 내역, 마케팅 지표, 임상 시험 참가자의 활력 징후 등 대부분의 기업 데이터는 LLM에게는 미지의 영역이었죠. 하지만 2026년, 이 판도를 뒤집을 새로운 AI가 등장했습니다. 바로 Fundamental의 대규모 표 데이터 모델 (LTM) NEXUS입니다.
LLM의 숨겨진 약점: 왜 표 데이터를 어려워할까?
많은 분들이 ChatGPT, Claude, Gemini 같은 LLM들이 복잡한 수학 문제나 법률 문서를 요약하는 데 능숙하다고 생각하실 겁니다. 하지만 막상 방대한 표 데이터를 주면 갈피를 못 잡는 경우가 허다합니다. 왜일까요?
가장 먼저, 인간의 편향을 들 수 있습니다. AI 연구원 보리스 반 브뢰겔(Boris van Breugel)은 "사람들은 이미지나 동영상을 보는 것을 좋아하지만, 숫자만 가득한 표 데이터는 재미없게 느껴진다"고 지적합니다. 그만큼 표 데이터는 연구자들의 관심을 덜 받았다는 의미죠.
또한, 언어는 순차적 특성을 가지며 LLM은 다음 단어를 예측하는 방식으로 학습됩니다. 반면, 표 데이터는 열이나 행의 순서를 바꿔도 본질적인 의미가 변하지 않는 비순차적 특성을 가집니다. 이러한 비선형적 특성은 LLM의 기본 구조와 충돌하는 지점입니다.
Fundamental의 CEO 제레미 프랭클(Jeremy Fraenkel)은 "LLM은 입력이 조금만 바뀌어도 결과가 달라지는 경우가 많지만, 사기 거래 여부를 예측할 때는 어떤 입력 변화에도 예측이 동일해야 한다"며 결정론적 특성의 중요성을 강조합니다. LLM이 가지는 비결정성은 표 데이터 분석에는 치명적인 약점이 되는 셈입니다.
Fundamental NEXUS, 표 데이터 분석의 새로운 지평을 열다
이러한 LLM의 한계를 극복하기 위해 Fundamental은 2026년 2월 5일, 2.75억 달러(한화 약 3,700억 원)의 막대한 투자 유치와 함께 Fundamental NEXUS를 공개하며 시장에 등장했습니다. NEXUS는 기존 머신러닝 알고리즘인 XGBoost처럼 수개월에 걸쳐 데이터 과학자들이 특정 용도에 맞춰 훈련하고 최적화할 필요 없이, 다양한 데이터베이스에서 사전 훈련된 학습을 활용하여 여러 예측 작업에 즉시 적용될 수 있는 기초 모델입니다.
NEXUS는 단순히 숫자 값뿐만 아니라, 그 값이 무엇을 나타내는지, 다른 항목들과 어떤 관계를 맺는지 등 문맥적 이해를 바탕으로 표 데이터의 구조를 직접 모델링합니다. 예를 들어, 바나나 재고량 500개라는 숫자만 보는 것이 아니라, 이것이 '현재 바나나 재고량', '농산물'이라는 범주, 그리고 해당 열의 통계적 특성까지 종합적으로 이해하여 더욱 정확한 추론과 예측을 가능하게 합니다.
특히 주목할 점은 NEXUS가 고객 데이터를 훈련에 사용하지 않는다는 것입니다. 프랭클 CEO는 "NEXUS는 고객 데이터에 물리적으로 접근할 수 없는 기밀 컴퓨팅 플랫폼"이라고 밝혔습니다. 이러한 강력한 보안 기능 덕분에 2026년 6월, Amazon Web Services(AWS)는 NEXUS를 자체 보안 머신러닝 운영 시스템인 Amazon SageMaker에 통합했습니다. 이는 민감한 데이터를 다루는 기업들에게 매우 중요한 이점으로 작용하고 있습니다.
LTM 시장의 급부상과 미래 전망
Fundamental이 기업 애플리케이션 분야에서 선두를 달리고 있지만, LTM 시장은 빠르게 뜨거워지고 있습니다. 2026년 3월, 사기 및 금융 범죄 예방 서비스 제공업체인 Feedzai와 신용카드 회사 Mastercard는 금융에 특화된 독점 LTM 기술을 각각 출시했습니다. 뒤이어 6월 말에는 Google이 수억 개의 합성 데이터셋으로 훈련된 자체 경쟁 모델인 TabFM을 선보이며 LTM 경쟁에 불을 지폈습니다.
연구 커뮤니티 역시 FlexTab, TabICL, iLTM 등 다양한 LTM 모델을 발표하며 LLM의 성공을 표 데이터 영역으로 가져오려는 노력을 이어가고 있습니다. 전문가들은 미래의 데이터 처리 및 분석이 LLM, LTM, 또는 이 둘의 조합을 통해 자동화될 것이라고 전망합니다. 인간 두뇌의 좌뇌(언어, 추론)와 우뇌(숫자, 통계)처럼 LLM과 LTM이 결합될 때 훨씬 더 강력한 시너지를 낼 것이라는 기대가 커지고 있는 것이죠.
자주 묻는 질문 (Q&A)
Q1: LLM과 LTM의 가장 큰 차이점은 무엇인가요?
A1: LLM은 주로 언어와 같은 순차적 데이터를 처리하고 생성하는 데 특화되어 있지만, LTM은 스프레드시트처럼 비순차적이고 구조화된 표 데이터를 분석하고 예측하는 데 최적화되어 있습니다.
Q2: Fundamental NEXUS는 어떤 종류의 데이터를 분석할 수 있나요?
A2: NEXUS는 은행의 거래 기록, 마케팅 지표, 임상 시험 데이터, 과학 연구 데이터 등 행과 열로 구성된 모든 종류의 구조화된 데이터를 분석하고 예측할 수 있습니다.
Q3: NEXUS의 데이터 보안은 어떻게 보장되나요?
A3: NEXUS는 기밀 컴퓨팅 플랫폼으로 설계되어 Fundamental이 고객 데이터에 물리적으로 접근할 수 없습니다. 또한 AWS SageMaker에 통합되어 고객의 민감한 데이터가 안전하게 보호됩니다.
Q4: 기업 입장에서 LTM 도입 시 얻을 수 있는 이점은 무엇인가요?
A4: LTM은 기존 머신러닝 모델 대비 훨씬 빠르고 효율적으로 복잡한 표 데이터를 분석하고 예측할 수 있어, 시간과 비용을 절약하고 비즈니스 의사 결정의 정확성을 높일 수 있습니다.
마치며
2026년, AI 기술은 이제 언어의 장벽을 넘어 데이터의 본질적인 형태까지 깊숙이 파고들고 있습니다. LLM이 텍스트와 이미지의 세계를 뒤흔들었다면, Fundamental NEXUS와 같은 LTM은 그동안 소외되었던 '표 데이터'라는 거대한 영역에 혁신을 가져올 준비를 마쳤습니다. 앞으로 LLM과 LTM이 서로의 강점을 결합하여 어떤 새로운 가능성을 열어갈지, 그 미래가 정말 기대되는군요. 복잡한 데이터를 다루는 모든 기업에게 LTM은 필수적인 솔루션이 될 것이 분명해 보입니다.
