검색엔진은 어떻게
'토큰 절감 인프라'가 되었나

Elastic은 방대한 양의 비정형(unstructured) 데이터를 인덱싱·저장·분석하기 위해 설계된 데이터 플랫폼입니다. 창업자 샤이 배넌이 처음 만든 목적이 그것이었고, 시간이 지나며 세 가지 핵심 유즈케이스로 진화했습니다.

첫째는 검색(Search)입니다. 원래는 검색 애플리케이션을 짓는 기반이었는데, 검색은 빠르게 AI로 변했습니다. AI 자체가 사실 검색 문제로 풀리고 있거든요. 지금 Elastic은 사람들이 AI 애플리케이션을 짓는 플랫폼입니다. 벡터 DB, LLM을 플랫폼 안으로 끌어오는 추론(inference) 서비스, 리랭커·임베딩 모델, 하이브리드 검색까지 갖추고 있습니다. 이게 검색의 TAM을 넓힌 성장 동력입니다.

둘째는 옵저버빌리티(Observability). 대용량 데이터 처리 능력을 로깅에 적용한 것으로, 로깅에서는 압도적 강자입니다. 메트릭과 트레이스(APM)도 있는데, 메트릭 쪽에 지금 굉장히 흥미로운 일이 벌어지고 있습니다(뒤에서 자세히).

셋째는 보안(Security). SIEM에서 출발해 엔드포인트(XDR)로 확장했습니다. 본질적으로 로그 데이터에서 보안 위협을 찾아내는 로깅 유즈케이스죠. 여기서 AI가 엄청난 가치를 만들었습니다. 업계 최초의 AI 어시스턴트, 최초의 Agentic SOC(Attack Discovery — 알림을 자동으로 분류·우선순위화해 SOC 분석가의 수작업을 없애는 기능)를 내놨습니다.

정리하면 — 지난 3년간 AI는 검색에서는 TAM 자체를 확장했고, 옵저버빌리티·보안에서는 TAM 확장보다는 네이티브 AI 기능으로 차별화를 만들어 시장 선점을 가능하게 했습니다.

아주 강한 Q4로 한 해를 마감했습니다. CRPO +20%, RPO +28%. 고객들의 장기 커밋이 쏟아졌습니다. 그 데이터를 보고 제가 처음 한 일은 의심이었습니다. "이거 진짜야?"

그래서 뜯어봤습니다. 할인을 더 줬나? — 아니요, 역사적 수준 그대로였습니다. 5년, 7년짜리 아웃라이어 계약이 RPO를 부풀렸나? — 아니요, 전부 기존과 동일한 1년·3년 계약 구조였습니다. 즉, 순수하게 커밋 관점에서 비즈니스가 엄청나게 잘 돌아가고 있었던 겁니다.

그 목표를 오히려 상향했습니다. 2025년 10월 애널리스트 데이에서 제시한 것은 ① Sales-led 구독 매출 +20% 이상(월간 클라우드 제외한 영업주도 구독), ② Rule of 40 충족, ③ 중기(FY29) Non-GAAP 영업이익률 20% 이상이었습니다.

그런데 이번 Q4 실적에서 CFO 나밤이 영업이익률 목표를 25% 이상으로 올렸습니다. 비즈니스가 가는 방향에 대한 자신감이 그만큼 큽니다.

벡터 DB, 리랭커, 임베딩 모델, 그리고 여러 LLM의 추론을 우리 플랫폼 안으로 가져오는 inference-as-a-service, 하이브리드 검색까지 — 앱을 짓는 데 필요한 게 다 있습니다. 그런데 우리가 잘 되는 진짜 이유는 데이터 중력(data gravity)입니다.

사람들은 그 모든 데이터를 LLM에 넣지 않을 겁니다. LLM을 데이터로 데려와야지, 그 반대가 아닙니다. Elastic의 검색(retrieval)이 질문과 관련된 데이터만 골라 LLM에 가져다줍니다. 최근 블로그에 공개했는데, Elastic을 쓴 애플리케이션이 안 쓴 것보다 토큰 사용량 기준 70% 더 효율적이었습니다.

예를 하나 들죠. Rosenblatt 사내 챗봇에 "팔이 부러졌어, 어떡하지?"라고 물으면 — Elastic이 '이 사람은 블레어 애버네시, 거주지는 여기, 보험은 이것'이라는 맥락(context)을 LLM에 공급해서 "네트워크 내 이 병원에 전화하세요"까지 답하게 만듭니다. 그게 Elastic 위에 지을 수 있는 앱입니다.

절대적으로요. 대형 문서 기업 고객 사례를 보면 — "자동차 제조사들과 체결한 계약 중 X 조항이 있는 걸 찾아줘"라고 물을 때, 예전 방식이면 LLM이 DB의 모든 계약서를 다 읽어야 합니다. 얼마나 비싸고 느리겠습니까. Elastic은 자동차 회사와 맺은 계약서 3건만 찾아서 LLM 앞에 가져다 놓습니다. LLM은 분석이라는, 자기가 제일 잘하는 일만 하면 되죠. 더 빠르고, 더 정확하고, 더 쌉니다. 고객들이 열광하는 이유입니다.

FY25 Q1에 영업조직 재편(고가치 고객 중심으로 담당범위 축소)을 하면서 한 분기 진통이 있었지만, 이후 GTM은 정말 잘 돌아가고 있습니다. 생산성이 크게 올라서 오히려 영업 캐파를 추가 투입했습니다. AI 전문 스페셜리스트를 두고 고객과 직접 대화합니다.

중요한 변화는 — AI가 이사회급 어젠다가 되면서 대화의 급이 올라갔다는 겁니다. 고객사의 최고위급이 Elastic과 직접 마주 앉습니다. 그리고 지금 당장 AI 기능을 사지 않는 고객조차, 우리 AI 로드맵을 보고 장기 커밋을 합니다. RPO 강세의 배경 중 하나입니다.

옵저버빌리티는 세 기둥입니다 — 로깅, APM(트레이스), 메트릭(인프라 모니터링). 로깅에서 Elastic은 압도적입니다. 크고 복잡한 로깅 과제가 있으면 전화할 곳은 우리와 한 곳 정도뿐이고, 가격 대비 기술·혁신 비율에서 best-in-class입니다.

그런데 메트릭이 옵저버빌리티 시장에서 가장 빠르게 크는 영역입니다. 클라우드 인프라가 폭증하고 있으니까요. 솔직히 말해 우리는 메트릭에서 best-in-class가 아니었습니다. 경쟁은 가능했지만 최고는 아니었죠.

그래서 FY26 내내 이걸 갈아엎었습니다. 백엔드에 컬럼나(columnar) 데이터 스토어를 넣어 메트릭 저장 공간을 대폭 줄였습니다. 로깅과 다른 저장 체계를 쓴 거죠. 이제 경쟁사와 벤치마크하면 의미 있게 더 효율적이고, 가격 대비 가치가 훨씬 좋습니다. 이전에는 불가능했던 방식으로 그 시장 리더들과 붙어서 이길 수 있게 됐습니다.

초기에는 로깅 고객에게 애드온으로 메트릭을 파는 전략이지만, 궁극적으로는 메트릭을 선봉에 세워 큰 딜을 따낼 수 있다고 봅니다.

5월 초 세일즈킥오프에서 이걸 발표했을 때 현장 분위기가 어땠는지 아십니까. 누가 "메트릭 판매에 인센티브를 거실 건가요?"라고 묻길래 웃음이 터질 뻔했습니다. 필드가 이걸 너무 오래 갈망해서, 인센티브가 필요 없습니다. 그동안 메트릭 없이 경쟁사를 상대로 싸워왔으니까요.

이미 판매 중이고 프로덕션에 있습니다. GA가 아니라면 곧 됩니다. 타이밍에 대해 솔직하게 말씀드리면 — Q1에 막 시장에 내놨습니다. 필드가 교육받고, 영업하고, 계약을 따고, 그게 매출로 전환되는 데 시간이 걸립니다. FY27 매출 가이던스에 메트릭의 대규모 기여는 가정하지 않았습니다. 올해는 커밋과 계약 체결을 도울 것이고, 매출 임팩트가 본격화되는 건 FY28입니다. 당장은 bookings이 더 큰 의미를 갖는 지표가 될 겁니다.

하나 더 — AI SRE도 있습니다. 엔지니어가 수작업으로 하던 일(비정형 로그 정리, 패턴 발견, 근본원인 분석)을 AI가 자동으로 합니다. 보안의 Attack Discovery가 한 일을 옵저버빌리티에서 재현하는 거죠. 다만 솔직히 말하면, 그 AI 기회보다도 메트릭이 더 큰 기회입니다.

기본적으로 인제스트(수집량)와 컴퓨트 기반의 소비형(consumption) 과금입니다. 서버리스는 약간 달라서 좀 더 '결과(outcome)' 기반 요소가 있지만, 큰 틀은 스토리지+컴퓨트입니다. 메트릭은 훨씬 효율적으로 저장되니 고객이 체감하는 가격이 압축되고, 그만큼 타 벤더와의 경쟁력이 올라갑니다.

중요한 포인트인데 — 셀프매니지드(자체운영) ≠ 온프렘(구식)이 아닙니다. 많은 고객이 셀프매니지드 라이선스를 사서 자기 AWS·GCP·Azure 환경에 배포합니다. 그 위에서 초현대적(hyper-modern) AI 유즈케이스를 돌리는 고객도 많아요. '셀프매니지드=레거시, 클라우드=모던'이라는 도식은 틀렸습니다.

미국 공공부문과 고규제 산업이 셀프매니지드 비중이 높은 편이지만, 특정 솔루션이 특정 배포형태에 쏠리는 건 아닙니다. AI 유즈케이스조차 클라우드 쏠림이 아니에요.

로깅 엔진으로 로그 데이터에서 위협과 이상을 찾는 것 — 그게 SIEM의 출발이었습니다. Endgame 인수로 엔드포인트(XDR)를 더했고, FY26 Q2에 체결한 $20M+ 딜 두 건 중 하나가 XDR 중심 딜이었습니다. 큰 승리죠.

그 위에 Agent Builder가 있습니다. Elastic 안의 데이터에 AI 챗처럼 직접 질문하고, 결과물을 만들고, 자동화 에이전트를 짤 수 있는 도구입니다. 그리고 Attack Discovery — 쏟아지는 보안 알림을 자동으로 분류·우선순위화해서 SOC 분석가의 수작업 트리아지를 없애줍니다. 이미 쓰는 고객도 많고, 아직 쓸 준비가 안 된 고객조차 '로드맵에 있다'는 이유로 구매를 결정합니다.

예전엔 우리 영업이 "딜에만 들어가면 잘하는데, 들어가기가 어렵다"고 했습니다. 지금은 보안에서 Elastic이라는 이름이 점점 강해져서 더 많은 딜에 초대받고, 들어가면 이깁니다. 세일즈킥오프에서 만난 3대 지역총괄 중 한 명이 그러더군요 — "내 일은 우리를 딜에 넣는 것이고, 제품팀의 일은 들어간 딜에서 이길 제품을 주는 것인데, 제품팀이 100% 해냈다"고. 경쟁사가 버틸 수 없는 수준까지 할인하는 경우가 아니면, 정면승부에서 이깁니다.

브랜딩, 컨퍼런스, 보안 도메인 전문 인력(전담 AE + 오버레이 SA)을 통해 보안 구매결정권자와의 관계를 만들고 있습니다. 하지만 가장 큰 건 입소문과 레퍼런스입니다.

그 정점이 CISA 딜입니다. 미 연방정부 CISA(사이버인프라보안청)와 $26M 계약 — 미국 민간 연방기관 전체에 SIEM-as-a-Service를 공급하는 구조입니다. 미국 정부의 핵심 기관들이 Elastic에 보안을 맡긴다는 것, 이만한 신뢰의 증거가 없습니다. 최근 FedRAMP High 인증도 받았고요.

해외 공공, 주정부, 그리고 국방부(Department of War)를 포함한 비민간 부문까지 전반적으로 강합니다. 흥미로운 건 CISA가 공공부문의 클라우드 비중을 끌어올렸다는 점입니다. 원래 공공은 클라우드 비중이 낮은데, CISA가 그 공식을 바꾸고 있습니다.

실사례로 답하겠습니다. 음악 생성 AI 네이티브 기업 고객이 있는데, Elasticsearch를 벡터 검색·임베딩에 써서 10억 곡 이상을 인덱싱하고, 검색·매칭을 통해 AI 생성곡과 가사를 만듭니다. 또 글로벌 공급망 기업은 벡터 검색으로 자사 제품에 AI를 임베드했고, 미출시 Agentic 신제품을 준비 중입니다.

솔직한 평가는 — Agentic은 다른 AI 유즈케이스보다 아직 이른 단계입니다. 향후 12~24개월에 걸쳐 실전 배포가 늘어날 겁니다. 배포까지 안 간 고객도 이미 만지작거리며 가치를 따져보고 있습니다. Agent Builder로 데이터와 대화하고, 수작업을 에이전트로 자동화하는 방향 — 그게 우리가 가는 길입니다.

확실히요. 타사 솔루션에서 Elastic으로의 마이그레이션이 AI 툴 덕에 훨씬 쉬워졌고, AI 어시스턴트가 수작업이었던 일들을 자동화·단순화합니다. 온보딩 속도와 복잡성 모두에서 AI는 분명한 지렛대입니다.

R&D에서는 OpenAI, Anthropic, Google의 코딩 툴을 전부 헤비하게 씁니다. 코드 산출량이 확실히 가속되고 있어요. 영업은 셀러 온보딩 자동화, 엔지니어링은 기능 테스트에 활용합니다. 제 조직(재무)에서도 수작업이던 일들을 자동화하는 실험을 하고 있는데 — 자세히는 못 밝히지만, 최근 3개월간 시작한 것들이 시간이 지나며 의미 있는 효율을 만들 겁니다. 6개월 전엔 외부 솔루션 구매를 논의하던 것을, 지금은 직접 만들어버렸습니다(감사인 컴포트만 남았습니다).

토큰 지출을 매일(daily) 추적합니다. 걱정하지 않는 이유는 알고 있기 때문이고, 알고 있는 이유는 중요하기 때문입니다. 엔지니어들이 올바른 모델을 효율적으로 쓰는지, 지출이 통제 밖으로 나가지 않는지 — 동시에 충분히 쓰고는 있는지도 봅니다.

균형이 중요합니다. 엔지니어가 "이 $10을 AI에 써도 되나" 고민하게 만들면 안 됩니다. AI에 강한 엔지니어에게 한도를 걸면, 한도에 닿는 순간 사실상 일이 멈춥니다. 샌프란시스코에서 LA로 가다 기름이 떨어지면, 내려서 걷지 않습니다. 기름을 더 구하죠. 차가 말보다 빠르듯, AI 코딩이 수작업 코딩보다 빠릅니다. 머지않아 수작업 코딩은 보기 드문 일이 될 겁니다 — 이건 회사 공식 입장이 아니라, 우리 엔지니어들이 해내는 걸 직접 본 제 개인 확신입니다.

FY27에도 순증 기준 헤드카운트는 늘립니다. 다만 늘어나는 '위치'가 달라집니다. AI 효율이 생기는 조직과 아닌 조직 — 조직의 모양 자체가 과거와 다르게 성장할 겁니다. 예컨대 영업은 여전히 사람이 사람에게 팔아야 하니 필드 헤드카운트는 계속 늘 것이고요.

중기적으로 전략의 급격한 변화는 없습니다. 기준은 하나 — 우리 로드맵을 앞당겨주거나, 자체 개발로는 오래 걸릴 혁신을 가져다주는가. 그렇다면 열려 있고, 규모가 크다고 배제하지도 않습니다. 우리는 점점 더 AI 중심, Agentic 중심으로 가고 있고, 그 방향을 뒷받침하는 기술이라면 적극적으로 검토합니다.

이 대담의 표면은 'AI 수혜주 Elastic'이지만, 행간은 다르다. ① AI 매출의 실체는 "AI 로드맵을 보고 미리 장기 커밋하는 고객"이라는 점(현재 매출이 아니라 RPO에 먼저 찍힌다), ② 회사 스스로 단기 최대 기회를 AI가 아닌 Metrics로 지목했다는 점, ③ 그 Metrics의 무기가 AI가 아니라 '컬럼나 스토어'라는 지극히 고전적인 DB 엔지니어링이라는 점.

추적 체크리스트: (1) FY27 분기별 bookings/RPO에서 메트릭 attach 신호, (2) DDOG 실적 콜에서 인프라 모니터링 가격 방어 코멘트 변화, (3) CISA발 공공 클라우드 믹스 개선이 마진에 주는 효과, (4) FY28 가이던스에 메트릭 매출이 언제 명시적으로 들어오는지.