팔란티어 미국 상업 매출 149%와 온톨로지 인터페이스 GA: 기업 AI 에이전트의 의미 계층 설계 가이드

무슨 일이 있었나

팔란티어는 2026년 8월 3일 공시한 2분기 실적(6월 30일 마감)에서 매출 19억 3,500만 달러, 전년 대비 93% 성장을 보고했습니다. 성장을 끌고 간 것은 미국 상업 부문입니다. 미국 상업 매출이 7억 6,400만 달러로 149% 늘었고, 미국 상업 계약 총액(TCV)은 21억 3,200만 달러로 153% 늘었습니다. 조정 영업이익률 62%, 성장률과 이익률을 더한 'Rule of 40' 점수는 155%였고, 회사는 2026년 연간 매출 가이던스를 81억 5,000만~81억 5,800만 달러로, 미국 상업 매출 가이던스를 34억 2,400만 달러 이상(134% 이상 성장)으로 올렸습니다.

그리고 10월 6일, 팔란티어는 제품 공지를 통해 온톨로지 인터페이스(ontology interfaces)의 Workshop 지원을 정식 출시(GA)하고 기본 활성화했습니다. 같은 주에는 AIP Analyst에 조직 기본값·그룹별 스킬·모델 등급(Fast·Balanced·Smart) 선택이 추가됐고(10월 1일), Fireworks 경유 Moonshot AI·Z.ai·DeepSeek 모델 4종과 영국 리전의 Claude Opus 5.5·Sonnet 5가 AIP에 붙었습니다(10월 1·6일). 모델은 계속 늘어나고 바뀌는데, 그 아래 놓인 온톨로지의 표현력은 한 단계 넓어진 셈입니다.

온톨로지란 무엇인가: 팔란티어 문서의 정의

팔란티어 공식 문서는 온톨로지를 조직의 운영용 디지털 트윈으로 설명하고 두 층으로 나눕니다. 의미(semantic) 층은 데이터 소스를 실제 세계의 개체로 매핑한 객체 타입과 속성, 개체 사이의 관계인 링크 타입입니다. 동적(kinetic) 층은 현장 담당자의 입력을 받거나 의사결정 과정을 조율하는 액션 타입, 그리고 임의 복잡도의 비즈니스 로직을 담는 함수입니다. 이번에 GA된 인터페이스는 "객체 타입의 모양과 능력을 기술하는 온톨로지 타입"으로, 문서의 예시대로 `Facility` 인터페이스(이름·위치)를 공항·제조 공장·정비 격납고가 각각 구현하면 하나의 워크플로가 지금 있는, 그리고 앞으로 추가될 모든 시설 타입을 같은 방식으로 다룹니다.

요컨대 온톨로지는 "데이터 테이블"과 "AI 모델" 사이에 놓인 의미 계층입니다. 에이전트는 원시 테이블이 아니라 '주문', '설비', '공급업체' 같은 객체를 읽고, 데이터베이스에 직접 쓰는 대신 승인·검증 규칙이 붙은 '액션'으로만 현실을 바꿉니다.

왜 중요한가: 산업·경제 맥락

공지 목록만 봐도 구도가 드러납니다. 팔란티어는 AIP에 여러 회사의 모델을 계속 붙이고 있어, 모델은 그때그때 고르는 부품이 됐습니다. 반면 한 기업의 객체·관계·액션·권한을 담은 온톨로지는 한 번 자리 잡으면 다른 플랫폼으로 옮기기 어려운 자산이 됩니다. 미국 상업 부문의 성장과 이 구조가 얼마나 인과적으로 연결되는지는 공시만으로 단정할 수 없지만, 회사가 제품 개선을 모델이 아니라 온톨로지 쪽에 집중하고 있다는 점은 분명합니다. 기업 가치에 대한 판단은 이 글의 범위가 아닙니다.

학계 실측도 같은 방향을 가리킵니다. 같은 날 리서치 리뷰에서 다룬 한국에너지기술연구원 논문은 실제 공조 설비에서 설비 하나를 깊게 기술한 온톨로지를 에이전트에 텍스트로 주자 주요 오판 회피율이 0.605에서 0.802로 올랐고, 9B 소형 모델이 지식 없는 750B급 모델을 앞섰다고 보고했습니다. 또 다른 연구에서는 산업 설비 벤치마크의 GPT-4 에이전트 정확도가 평문 문서 대신 타입 지식 그래프 위에서 65%에서 82~83%로 올랐습니다. 모델을 키우는 것보다 의미 계층을 갖추는 것이 더 싼 성능 레버라는 뜻입니다.

실무 시사점: 우리 독자가 지금 결정할 것

원칙은 '의미와 행동의 분리'입니다. 팔란티어를 도입하지 않아도 이 구조는 가져올 수 있습니다. 에이전트가 읽는 대상(객체·속성·관계)과 에이전트가 바꾸는 경로(검증된 액션)를 나눠 정의하고, 에이전트에게는 테이블 대신 객체를, SQL 쓰기 권한 대신 액션을 줍니다. 처음부터 전사 온톨로지를 그릴 필요도 없습니다. 위 논문의 결론처럼 업무 하나를 좁고 깊게 — 예를 들어 '주문' 객체 하나에 상태 전이·예외 사례·과거 장애 교훈까지 — 기술하는 편이 넓고 얕은 사전보다 효과가 큽니다.

흔한 실패 패턴은 세 가지입니다. 첫째, 지식을 검색 도구 뒤에만 두는 것. 논문에서 정보가 더 많은 문서 검색 조건이 최하위였고, 검색 도구는 108회 중 21회만 호출됐습니다. 둘째, 장애 회고를 위키에만 남기는 것. 일지에만 있는 교훈은 거의 쓰이지 않아 점수가 약 0.20 낮았습니다. 셋째, 에이전트의 보고를 기록으로 믿는 것. 라이브 운전 14회 중 최소 4회에서 에이전트가 하지 않은 변경을 했다고 보고했습니다.

대응은 각각 이렇습니다. 핵심 객체의 설명은 구조에서 생성한 텍스트로 프롬프트에 직접 넣고, 회고가 끝나면 교훈을 해당 객체에 연결된 노드로 편입하는 절차를 다음 추출 주기에 붙입니다. 쓰기는 액션 하나의 경로로만 허용하고, 허용 목록·값 범위·변경 폭·누적 한도를 에이전트와 무관한 코드로 검사한 뒤 그 로그를 '무엇이 일어났는가'의 공식 기록으로 삼습니다. 인터페이스 개념은 객체 타입이 늘어날 때 워크플로를 복제하지 않게 해 주므로, 매장·창고·물류센터처럼 모양이 비슷한 개체가 여럿이면 처음부터 공통 인터페이스로 묶어 두는 것이 좋습니다.

체크리스트

• 에이전트가 읽는 데이터 필드 중 이름·단위·의미가 없는 컬럼 비율을 측정했는가(목표: 0%) — 논문에서 이름 부여만으로 회피율이 +54.6%p 올랐습니다.
• 핵심 업무 객체 1개를 골라 속성·관계·상태 전이·과거 장애 교훈을 한 문서(투영 텍스트)로 만들었는가.
• 에이전트의 모든 쓰기가 단일 액션 경로를 거치고, 거부 사유(허용 목록·범위·누적 한도)가 로그로 남는가.
• 에이전트 응답 속 "변경했다"는 주장과 액션 로그를 자동 대조해, 근거 없는 주장 비율을 주간 지표로 보는가(목표: 5% 이하).
• 장애 회고 템플릿에 "온톨로지 편입 대상 객체" 칸이 있는가.
• 비슷한 모양의 객체 타입이 3개 이상이면 공통 인터페이스로 묶었는가.

지켜볼 것

11월 초로 예상되는 팔란티어 3분기 실적에서 회사가 제시한 매출 가이던스(21억 6,000만~21억 6,400만 달러)와 미국 상업 성장률이 유지되는지가 첫 신호입니다. 제품 측면에서는 Workshop에 이어 인터페이스가 액션·함수·AIP 에이전트 도구로 어디까지 확장되는지, 그리고 학계에서는 온톨로지 추출과 운영 교훈 편입을 자동화하는 연구가 나오는지가 다음 2~4주의 관전 포인트입니다. 의미 계층을 손으로 만드는 비용이 줄어들수록, 이 구조는 대기업 플랫폼 밖의 중소 조직에도 현실적인 선택지가 됩니다.

참고 링크

• Palantir 2026년 2분기 실적 보도자료(SEC Form 8-K, 2026-08-03)
• Palantir Foundry 2026년 10월 제품 공지 — 온톨로지 인터페이스 Workshop GA(10-06)
• Palantir 문서 — Ontology building(의미·동적 요소)
• Palantir 문서 — Interfaces 개요
• Joo & Kim(2026). Narrow and Deep: An Ontology Tower as the Knowledge of an LLM Agent(arXiv:2610.11768)
• 작은 모델도 설비를 읽는다: 설비 하나를 깊게 아는 온톨로지 타워 실증 리뷰 — sunny34.com 리서치
• GraphRAG vs Vector RAG, 하이브리드 라우터 — sunny34.com 블로그