솔트룩스

가장 손에 잡히는 사용 장면은 고객센터다. 회사가 제시하는 AICC, 즉 인공지능 컨택센터는 전화·채팅·카카오톡·이메일로 흩어진 상담을 한곳에 모으고, 상담원에게 답변 후보를 추천하거나 상담 품질을 모니터링한다. AI가 상담원을 통째로 대체한다는 그림보다는, 문의 분류와 답변 탐색에 드는 시간을 줄이고 상담 기록을 다시 지식으로 축적하는 순환에 가깝다.

기업 내부에서는 문서 검색과 추천, 지식관리로 이어진다. 직원이 규정·매뉴얼·보고서를 일일이 뒤지는 대신 질문을 입력하면 관련 문서를 찾고 답변을 구성하는 방식이다. 여기서 RAG는 ‘검색증강생성’의 약자로, 먼저 고객이 보유한 문서를 검색한 뒤 그 내용을 근거로 답을 생성한다. 최신 사내 문서와 연결되지 않은 범용 모델보다 출처를 통제하기 쉬운 것이 장점이다.

공공 부문에서는 민원 챗봇, 행정정보 검색과 개인화, 공공 데이터·여론 분석, 음성인식 회의록이 적용 대상으로 제시된다. 시민에게는 짧은 상담창 하나로 보이지만 뒤에서는 질문 의도 파악, 행정 지식 검색, 답변 생성, 담당 서비스 연결이 연달아 일어난다. 공공 프로젝트 경험은 납품 이력과 전문성을 쌓아 주지만, 발주 일정과 예산에 따라 계약 시점이 흔들릴 수 있다는 성격도 함께 갖는다.

▲ 국민비서 구삐 화면의 지식재산권 메뉴와 대화창은 공공 AI가 시민의 구체적인 질문을 받는 접점임을 보여준다 — 출처: 전자신문, 2022-05-16

따라서 고객이 사는 것은 AI 모델 파일 하나가 아니다. 상담이나 검색 화면, 고객 데이터와 연결되는 통로, 접근권한과 관리 기능, 운영 과정에서의 수정까지 포함한 업무 체계다. 사용자가 보는 창은 얇지만 계약의 몸통은 그 뒤에 숨어 있다.

제품군은 하나의 계단처럼 읽는 편이 이해하기 쉽다. LUXIA는 언어 이해와 생성의 기반이고, AI Suite와 검색·분석 도구는 고객 데이터를 업무에 연결한다. AICC는 이를 상담 현장에 특화한 응용이며, 클라우드와 SaaS는 구축한 기능을 운영하거나 서비스 형태로 제공하는 층이다. 다이퀘스트의 검색·챗봇 제품군도 이 계단에 들어온다.

판매 경로는 고객과의 직접계약과 파트너 경유로 나뉜다. 공시상 약 30개 영업·수행 파트너가 라이선스 공급, 공동영업과 프로젝트 수행에 참여한다. 라이선스가 소프트웨어 사용권의 대가라면 용역·서비스는 구축, 연동과 운영을 수행하며 생긴다. 상품은 장비가 결합된 공급에서 나타날 수 있고, SaaS는 고객이 설치 부담을 덜고 서비스를 이용하도록 만든다. 같은 AI 기술이라도 어떤 형태로 납품하느냐에 따라 매출의 질과 필요한 인력이 달라지는 셈이다.

LUXIA-ON은 이 가운데 보안 민감 고객을 겨냥한 내부 설치형 생성AI 어플라이언스다. 어플라이언스는 소프트웨어와 구동 장비를 묶은 제품이다. 회사는 문서를 업로드해 질의응답하고, RAG와 벡터검색을 사용하며, API와 웹 관리 기능으로 기존 시스템에 연결할 수 있다고 설명한다. 벡터검색은 문장을 숫자 좌표로 바꿔 의미가 가까운 내용을 찾는 방식이다. 고객에게는 ‘외부 서비스에 문서를 보내지 않고 사내에서 쓰는 AI’가 핵심 제안이 된다.

▲ 회사정보·근무시간과 AI 직원 인사말을 설정하는 관리 화면은 AI 서비스가 실제 업무 규칙을 입력받아야 작동한다는 점을 보여준다 — 출처: AI타임스, 2023-09

이 수익 구조의 관전 포인트는 제품 이름의 수가 아니라 재사용성이다. 한 고객에게 만든 검색·상담 구조를 다음 고객에게 적은 수정만으로 공급하면 제품 기업의 경제성이 생긴다. 반대로 데이터 정리와 시스템 연동을 매번 새로 해야 한다면 계약이 늘어도 수행 인력이 함께 늘어난다. 솔트룩스의 기술 경쟁력은 결국 ‘무엇을 시연했는가’보다 ‘얼마나 표준화해 다시 팔 수 있는가’에서 돈의 언어로 번역된다.

2025년 5월 공개된 LUXIA3는 자율형 AI 에이전트를 지향한 모델로 소개됐다. 같은 시기 정식 버전이 나온 Goover는 조사와 분석에서 멈추지 않고 리포트와 슬라이드 제작까지 잇는 작업 흐름을 내세웠다. 검색 결과를 보여 주는 도구에서 사용자의 목적을 받아 여러 단계를 수행하는 에이전트로 무게중심을 옮긴 것이다.

▲ 검색창과 여러 작업 아이콘이 배치된 Goover 제품 화면은 조사 결과를 후속 업무로 연결하려는 플랫폼 방향을 시각화한다 — 출처: 솔트룩스, 2026-05-21

2026년 5월 회사는 Goover에서 사용자가 역할별 에이전트를 만들고 배포할 수 있도록 범위를 넓혔다. 워크버디, 여러 모델 가운데 작업에 맞는 모델을 고르는 멀티모델 라우터, 외부 도구와 AI를 표준 방식으로 연결하는 MCP 연동도 발표했다. 이는 범용 질문창보다 조직별 ‘AI 동료’를 만드는 플랫폼을 노린 변화다. 다만 기능 공개와 고객의 유료 이용은 서로 다른 사건이다. 사용자가 에이전트를 만들어 보았다는 사실만으로 기업 계약이나 반복 과금이 생겼다고 볼 수는 없다.

SAC 2026에서는 LUXIA 4.0과 온톨로지 파운드리, Document Studio, Agent Studio, LUXIA-ON 2.0, 다이퀘스트 제품군이 함께 공개됐다고 회사는 밝혔다. 온톨로지는 업무 개념과 그 관계를 규칙으로 정리한 지식체계다. 파운드리와 스튜디오라는 이름은 문서 처리, 지식 구조화와 에이전트 제작을 각각의 도구로 나눠 기업용 제작 환경을 넓히려는 방향을 드러낸다.

▲ SAC 2025 표지 앞 발표 장면은 LUXIA3와 에이전트 전략이 회사의 전면에 등장한 시점을 보여준다 — 출처: 연합뉴스, 2025-05-29

제품 지도가 넓어질수록 두 가지 해석이 갈린다. 낙관적으로 보면 모델, 데이터 정리, 검색, 에이전트 제작과 내부 설치를 한 회사에서 이어 붙일 수 있다. 보수적으로 보면 여러 제품이 같은 고객 예산을 두고 겹치거나, 영업 현장에서 설명과 구축 부담만 커질 수 있다. 앞으로 중요한 것은 발표 목록의 길이가 아니라 LUXIA·Goover·다이퀘스트 제품이 한 계약에서 자연스럽게 결합되는지다.

2025년 감사가 끝난 연결 매출은 416.36억원, 영업손실은 80.42억원, 순손실은 119.98억원이었다. 단순 계산한 영업손실률은 약 19.3%, 순손실률은 약 28.8%다. 별도와 연결 감사의견은 모두 적정이었다. 감사의견은 회계보고의 적정성에 관한 판단이지 사업의 수익성을 보증하는 표시는 아니다.

2026년 1분기는 전년 동기보다 외형이 커지고 영업손실이 줄었지만 적자가 계속됐다. 매출 대비 영업손실의 비율은 약 54.4%로, 전년 동기의 약 102.8%보다는 낮아졌다. 다만 한 분기의 개선을 연간 흑자 전환으로 곧장 연장할 수는 없다. 제공된 직접 원문에서 2026년 8월 11일 현재 확인되는 최신 실제 분기는 1분기이며, 2분기와 반기 실제 수치는 확인되지 않는다.

2025년 매출 형태를 보면 용역·서비스 364.69억원, 라이선스 32.17억원, 상품 7.59억원, 투자매출 11.90억원이었다. 이 가운데 기간에 걸쳐 인식한 매출은 353.95억원이다. 서비스 수행과 진행률이 손익에 큰 영향을 미치는 구조라는 뜻이다. 라이선스와 서비스가 한 계약에 섞일 수 있으므로, 라이선스 비중만 보고 전체 제품성을 판단해서도 안 된다.

다이퀘스트가 제품별 매출의 절반을 넘겼다는 점은 인수한 검색·챗봇 사업이 연결 외형의 중심으로 들어왔음을 보여준다. 반면 매출 비중이 10% 이상인 단일 고객은 없었다. 특정 고객 한 곳에 대한 집중은 낮지만, 여러 프로젝트의 수주와 검수가 동시에 움직여야 하는 구조일 수 있다.

2026년 1분기 AI사업부문은 매출 78.41억원과 영업손실 41.60억원, AX사업부문은 매출 11.02억원과 영업손실 7.04억원을 기록했다. 두 부문 모두 비용을 흡수할 만큼의 매출 규모에는 이르지 못했다. 연구개발비는 19.36억원으로 매출의 21.6%였다. 제품 전환기에 필요한 투자라는 해석과 손실을 오래 끄는 고정 부담이라는 해석이 함께 가능하다.

현금및현금성자산은 2025년 말 316.94억원에서 2026년 1분기 말 165.84억원으로 151.10억원 줄었다. 약 47.7% 감소다. 현금의 이동 원인을 단일 항목으로 단정할 수는 없지만, 적자 상태에서 제품 투자와 사업 확장을 계속하려면 현금흐름 확인이 중요하다. 독립 보도가 지적한 2021~2025년 연속 적자도 새 제품의 인기보다 수익 전환 시점을 먼저 보게 만드는 배경이다.

솔트룩스는 2023년 검색·챗봇·AICC 전문기업 다이퀘스트 지분 94.95% 취득을 발표했다. 목적은 비교적 분명했다. 솔트룩스의 언어모델과 지식처리 기술에 다이퀘스트의 검색 제품, 고객 기반과 구축 경험을 결합하는 것이다. 현재 제품별 매출에서 다이퀘스트가 차지하는 위치를 보면 이 회사는 주변 계열사가 아니라 연결 사업의 한 축이다.

플루닛은 메타휴먼과 AI 직원, 영상 제작 서비스로 소비자에게 더 눈에 띄는 얼굴을 맡았다. 그러나 2025년 4월 다이퀘스트에 흡수합병됐다. 별도 브랜드의 실험을 검색·상담 사업과 다시 묶은 셈이다. 이를 단순 철수로만 보거나 반대로 시너지 완성으로 보는 것은 모두 이르다. 합병 뒤 메타휴먼 기술이 상담·에이전트 제품 안에서 얼마나 재사용되는지가 실질적인 판단 기준이다.

▲ ‘Clone Yourself’ 문구 아래 화면과 관람객이 모인 전시 공간은 플루닛이 메타휴먼 제작을 대중에게 직접 시연했던 장면을 보여준다 — 출처: GTT Korea, 2023-01

▲ ‘AI ODYSSEY’ 표지의 키오스크와 관람객이 보이는 전시 장면은 대화형 디지털휴먼을 물리적 접점에 배치했던 초기 실험을 보여준다 — 출처: 서울경제TV, 2020-10-28

그룹 구조를 읽을 때는 기술 이름보다 고객 접점을 보는 편이 낫다. 다이퀘스트는 검색·챗봇과 AICC의 납품 통로를 제공하고, 솔트룩스는 LUXIA와 지식처리 기반을 얹는다. 플루닛이 축적한 화면·캐릭터·AI 직원 경험은 사용자 인터페이스 쪽 선택지가 될 수 있다. 세 조각이 따로 영업하면 복잡한 포트폴리오지만, 같은 고객의 검색·상담·에이전트 수요에 묶이면 교차판매의 재료가 된다.

2026년 AX 원스톱 바우처 공급기업 풀 선정은 중소·중견기업의 AI 전환 수요에 접근할 통로다. 그러나 발표된 총 520억원과 20개 과제는 전체 프로그램 규모다. 솔트룩스 몫의 수주나 매출로 확정된 숫자가 아니다. 공급기업 자격, 고객의 선택, 과제 계약과 검수 사이에는 여러 단계가 남아 있다.

리벨리온과의 협력도 같은 경계에서 읽어야 한다. 양사는 LUXIA와 Goover에 국산 NPU를 결합하고 LUXIA-ON을 최적화하기 위한 업무협약을 맺었다. NPU는 AI 연산에 특화된 반도체다. 결합이 잘되면 내부 설치형 제품의 속도나 공급 선택지를 개선할 가능성이 있지만, 업무협약은 판매 계약이 아니다. 수주, 납품, 원가 절감이 실제로 발생했다는 확인과는 구분된다.

경영진은 2026년 영업 파이프라인, Goover 이용자 확대와 다이퀘스트 상장 목표를 제시했다. 파이프라인은 영업 후보의 합계이지 수주잔고가 아니며, 이용자는 유료 고객과 같은 말이 아니다. 상장 목표도 심사와 시장 상황을 통과하기 전에는 계획이다. 세 지표 모두 방향을 보여 주지만 기업가치로 곧장 환산할 수 있는 확정 사건은 아니다.

이 회사의 성장 선택지는 서로 따로 놀지 않는다. Goover가 기업용 에이전트 제작 도구가 되면 LUXIA와 검색 기술의 유통 창구가 넓어진다. LUXIA-ON이 국산 가속기와 안정적으로 묶이면 보안 민감 고객에게 설치 선택지를 제공할 수 있다. 바우처는 그런 제품을 처음 도입하는 고객의 문턱을 낮춘다. 다만 이 연결고리가 성립하려면 체험 사용자가 계약 고객으로, 공급기업 자격이 납품으로, 기술협력이 표준 제품으로 차례로 넘어가야 한다.

첫 번째 위험은 프로젝트 변동성이다. 공공기관과 대기업의 AI 구축은 예산 편성, 입찰, 검수에 영향을 받는다. 사업이 특정 고객 한 곳에 집중되지 않았더라도 여러 계약의 일정이 뒤로 밀리면 수행 인력과 매출 인식 사이에 틈이 생길 수 있다. 공공 용역과 발주 변동에 대한 노출이 하방 조건으로 지적되는 이유다.

두 번째는 경쟁의 경계가 넓다는 점이다. 대형 시스템통합 사업자는 기존 고객 관계와 수행 인력을 갖고 있고, 글로벌 모델 사업자는 빠른 모델 개선과 개발 생태계를 제공한다. 공개된 오픈소스 LLM을 고객이 직접 조정할 수도 있다. 솔트룩스는 ‘한국어 AI’라는 표지만으로 이 셋을 피하기 어렵다. 고객의 비공개 문서에 맞춘 검색 정확도, 지식 구조화, 보안형 배포와 운영 책임을 한꺼번에 제공해야 차별화가 선명해진다.

세 번째는 내부 설치형 제품의 경제성이다. LUXIA-ON은 데이터 통제를 중시하는 고객에게 매력적이지만 장비가 들어가면 반도체 조달과 칩 원가, 고객별 성능 조정 부담이 따라온다. 소프트웨어만 복제하는 사업보다 공급망과 유지보수가 무거워질 수 있다. 리벨리온 협력은 이 문제에 대한 선택지지만 아직 경제성의 결론은 아니다.

마지막은 Goover의 수익화다. 조사·보고서·슬라이드 제작은 알아보기 쉬운 효용이지만 범용 AI 서비스도 빠르게 비슷한 기능을 붙인다. 개인 사용자를 모으는 것과 조직이 보안·관리·연동 비용을 지불하는 것은 다른 시장이다. Goover가 독립 소비자 서비스에 머물지 않고 엔터프라이즈 검색과 에이전트 제작의 입구가 될 때 솔트룩스의 기존 고객 기반과 연결될 수 있다.

솔트룩스는 1981년 설립됐고 2020년 코스닥에 상장했다. 사업 연혁은 지식그래프와 대화처리에서 빅데이터 분석, AI 검색, 생성형 AI와 에이전트 플랫폼으로 확장된 흐름을 보인다. 생성형 AI 붐 뒤에 갑자기 생긴 회사가 아니라, 여러 세대의 언어·검색 기술을 새 인터페이스에 옮겨 온 회사다.

과거의 축적은 기업 문서와 공공 데이터처럼 정리하기 어려운 영역에서 강점이 될 수 있다. 동시에 긴 업력은 자동으로 최신 제품의 성공을 보장하지 않는다. 예전 검색 기술을 생성형 답변에 붙이는 것과, 고객이 계속 비용을 지불하는 표준 제품으로 만드는 것은 다른 능력이다. 다이퀘스트 인수, 플루닛 합병과 Goover 확장은 이 간극을 메우려는 연속된 선택으로 읽힌다.

결국 솔트룩스의 정체성은 화려한 AI 시연 하나보다 ‘조직의 지식을 실제 업무에 연결하는 공급자’에 가깝다. 아직 풀리지 않은 질문도 여기에 모인다. 오랜 검색·언어처리 자산과 새 에이전트 도구가 고객마다 다시 만드는 프로젝트를 넘어, 여러 조직이 반복해서 도입할 제품 체계가 될 수 있는가. 이 질문에 대한 답은 다음 모델의 이름보다 계약의 재사용성과 구축 뒤 운영 방식에서 먼저 드러날 것이다.