사카나 AI(Sakana AI)란? — 일본이 택한 '작고 다른 AI'의 정체

오픈AI와 구글이 ‘더 크고 똑똑한 하나의 AI’를 향해 수십억 달러를 쏟는 동안, 정반대로 가는 회사가 일본에서 주목받고 있습니다. 사카나 AI입니다. 거대 모델 하나가 아니라 작은 AI 여럿을 영리하게 합치는 길을 택했고, 그 베팅으로 2025년 일본 최고가 비상장 기업이 됐습니다. 그리고 2026년 들어서는 연구실 밖으로 나와 은행과 방위 현장까지 발을 들였습니다. 이 글은 사카나가 정확히 무엇을 하는 회사인지, 무엇을 실제로 내놨는지, 왜 ‘작게, 여럿이’를 택했는지, 그리고 화제만큼 따라온 과장 논란까지 함께 정리합니다.

핵심 요약

• 사카나 AI는 2023년 도쿄에서 창업한 일본 AI 스타트업으로, 2025년 11월 기업가치 26.5억 달러를 인정받아 일본 최고가 비상장 기업이 됐습니다 — 테크크런치·사카나 AI.
• 창업자 중 한 명은 ChatGPT의 뿌리가 된 논문 ‘어텐션 이즈 올 유 니드’의 공저자입니다 — 벤처비트.
• 핵심은 거대 모델을 새로 학습시키지 않고, 기존 모델을 합치거나 여러 AI가 협업하게 만드는 ‘작게, 여럿이’ 전략입니다 — 사카나 AI.
• 2026년엔 미쓰비시UFJ와 만든 ‘AI 대출 심사역’이 실전 테스트에 들어갔고, 일본 방위성과 첫 방위 계약도 맺었습니다 — 스타트업허브·사카나 AI.
• 다만 2025년 ‘AI가 코드를 최대 100배 빠르게’라는 주장이 실제로는 약 3배 느린 것으로 드러나 회사가 직접 정정·사과한 일도 있었습니다 — 테크크런치.

사카나 AI는 어떤 회사인가?

사카나 AI는 2023년 일본 도쿄에서 문을 연 AI 연구 스타트업입니다. 창업자 면면이 화려합니다. CTO 라이언 존스(Llion Jones)는 ChatGPT를 비롯한 오늘날 거의 모든 AI의 토대가 된 논문 ‘어텐션 이즈 올 유 니드’의 공저자입니다 — 벤처비트. CEO 데이비드 하는 구글 브레인과 스태빌리티 AI에서 연구를 이끌었고, COO 렌 이토는 전직 외교관 출신으로 메르카리·스태빌리티 AI에서 경영을 맡았던 인물입니다 — 사카나 AI. 연구·기술·사업의 삼각편대를 갖춘 셈입니다.

회사 이름이 ‘물고기’인 데는 이유가 있습니다. 작은 물고기 한 마리는 약하지만, 떼를 지으면 거대한 형상을 이루며 포식자도 피합니다. 하나의 똑똑한 거대 AI가 아니라, 작은 AI 여럿이 모여 만드는 집단 지능. 이게 사카나가 내건 철학입니다 — 사카나 AI.

규모도 빠르게 커졌습니다. 2025년 11월 사카나는 시리즈B 투자를 유치하며 기업가치 약 26.5억 달러를 인정받았습니다 — 테크크런치. 발표 시점엔 약 1억 3,500만 달러 규모로 알려졌고, 이후 사카나는 자사 발표에서 이 라운드를 약 320억 엔(약 2억 달러), 누적 약 412억 엔(약 4.1억 달러)으로 정리했습니다 — 사카나 AI. 1년 전 시리즈A 당시 기업가치 약 15억 달러에서 빠르게 뛴 수치로, 일본 비상장 스타트업 중 최고가입니다.

눈에 띄는 건 투자자 명단입니다. 일본 최대 은행 미쓰비시UFJ(MUFG)와 코슬라 벤처스·NEA 같은 기존 투자자에 더해, 시리즈B에는 구글, 세일즈포스 벤처스, 미쓰비시전기, 그리고 미국 정보기관과 연이 깊은 벤처투자기관 인큐텔(In-Q-Tel)까지 합류했습니다 — 사카나 AI. 글로벌 빅테크와 일본 산업계, 그리고 안보 영역의 자본이 한 회사에 모인 셈인데, 이 명단은 뒤에서 볼 사카나의 2026년 행보를 미리 설명해 줍니다.

사카나는 뭐에 특화돼 있나 — 핵심 3가지

사카나의 강점은 ‘거대 범용 AI’가 아닙니다. 적은 비용으로, 특정 용도에 맞는 모델을 영리하게 만들어내는 데 있습니다. 크게 세 가지로 정리됩니다.

1. 진화형 모델 머징 — 기존 AI들을 ‘교배’시킨다

사카나의 간판 기술입니다. 보통 새 AI를 만들려면 수십억을 들여 처음부터 학습시킵니다. 사카나는 다르게 접근합니다. 이미 잘 만들어진 모델 여러 개를 골라, 좋은 부분끼리 자동으로 섞어 새 모델을 ‘키웁니다’. 사람이 일일이 조합하는 게 아니라, 자연선택처럼 좋은 조합이 살아남는 방식입니다 — 사카나 AI.

쉽게 비유하면 드림팀 짜기와 비슷합니다. 수학을 잘하는 모델과 일본어를 잘하는 모델을 한 팀으로 합치면, 일본어로 수학을 푸는 새 선수가 나옵니다. 만능 천재 한 명을 새로 키우는 대신, 이미 있는 전문가들을 합치는 것이죠. 이 방법은 국제 학술지 네이처 머신 인텔리전스에도 정식으로 실렸습니다 — 네이처 머신 인텔리전스. 이렇게 만든 일본어 모델(EvoLLM-JP), 일본어 이미지 생성 모델(EvoSDXL-JP) 등이 실제 결과물입니다 — 사카나 AI.

2. AI 사이언티스트 — 연구를 자동화한다

사카나는 ‘AI 사이언티스트’라는 시스템도 선보였습니다. AI가 스스로 연구 아이디어를 내고, 실험을 돌리고, 논문 초안까지 쓰는 도구입니다 — IEEE 스펙트럼. ‘연구하는 AI’라는 발상 자체가 화제가 됐죠. 다만 결과물 품질에는 논란도 있었습니다. 뒤에서 짚겠습니다.

3. 일본어·일본 시장 특화

사카나는 글로벌 1위를 노리지 않습니다. 일본어와 일본 시장에 맞는 AI에 집중합니다. 2025년에는 일본 최대 은행 MUFG와 다년간 파트너십을 맺고, 은행 업무에 특화된 AI를 함께 만들기로 했습니다 — 사카나 AI. 거대 범용 모델 경쟁 대신 ‘우리 시장을 깊게 판다’는 전략입니다.

2025~2026, 사카나가 실제로 내놓은 것들

‘작게, 여럿이’는 멋진 구호지만, 실제 결과물이 없으면 말잔치에 그칩니다. 사카나가 화제만 모은 회사가 아니라는 건 1년 남짓한 사이 쏟아낸 연구 목록에서 드러납니다. 일일이 다 알 필요는 없고, 흐름만 잡으면 됩니다.

먼저 트랜스포머²(Transformer²) 입니다. 보통 AI는 새 작업에 맞추려면 다시 학습시켜야 하는데, 이 모델은 추론하는 도중에 스스로 가중치를 조절해 작업에 적응합니다. ‘재학습 없이 그때그때 변신하는 모델’인 셈입니다 — 벤처비트. 이어 5월에는 CTM(Continuous Thought Machines) 을 공개했습니다. 사람 뇌의 뉴런이 서로 타이밍을 맞춰 신호를 주고받는 방식을 본떠 만든 새 구조로, AI 분야 최고 학회 중 하나인 뉴립스(NeurIPS) 2025에서 주목 발표(스포트라이트)로 뽑혔습니다 — 벤처비트.

여기서 사카나의 철학이 가장 선명하게 드러나는 결과물이 TreeQuest입니다. 하나의 AI에게 다 시키는 대신, 여러 AI 모델이 한 문제를 두고 서로 다른 답을 내고 협업해 더 나은 결론에 이르게 하는 기술입니다. 사카나는 이렇게 묶었을 때 단일 모델보다 성능이 약 30% 높아졌다고 밝혔고, 누구나 쓸 수 있게 코드를 공개했습니다 — 벤처비트. 작은 물고기들이 떼를 지어 큰 물고기를 이긴다는 회사 이름이 그대로 기술이 된 사례입니다.

연구 자동화 쪽에서도 진전이 있었습니다. 개선판 AI 사이언티스트-v2가 만든 논문 한 편이 2025년 국제 AI 학회(ICLR) 워크숍의 동료 심사를 실제로 통과했습니다 — 사카나 AI. AI가 처음부터 끝까지 쓴 논문이 사람 심사위원을 통과한 첫 사례로 꼽힙니다(사카나는 사전에 학회 측과 조율하고 결과를 투명하게 공개했습니다). 알고리즘을 스스로 진화시켜 더 나은 코드를 찾아내는 ShinkaEvolve는 2026년 ICLR에 채택됐습니다 — 사카나 AI.

MUFG와 ‘AI 대출 심사역’ — 연구가 현장으로

화려한 논문 목록이 실제 돈을 버는지는 또 다른 문제입니다. 사카나의 2026년을 보여주는 가장 구체적인 장면은 은행에 있습니다.

사카나는 일본 최대 금융그룹 미쓰비시UFJ(MUFG)와 약 50억 엔(약 340억 원) 규모의 다년 계약을 맺고, 은행 문서 작성을 자동화하는 AI를 함께 만들고 있습니다 — 재팬타임스. 2025년 7월 시범 적용(PoC)으로 시작한 이 프로젝트는 2026년 들어 ‘AI 대출 심사역(AI Loan Expert)‘이라는 구체적 도구로 발전했습니다. 대출 신청을 분석하고, 재무 시뮬레이션을 돌리고, 심사 제안서 초안까지 만드는 시스템입니다 — 스타트업허브.

흥미로운 건 발전 과정입니다. 시범 운영 동안 MUFG 현업에서 약 1,500건의 피드백이 쏟아졌고, 이를 반영하면서 도구의 수준이 ‘신입 보조원’에서 ‘경력 많은 은행원도 인정하는 도구’로 올라섰다고 합니다 — 스타트업허브. 2026년 봄 기준 실전 테스트 단계에 들어갔고, 단계적으로 전국 지점에 확대하는 것을 목표로 하고 있습니다. AI가 데모 영상에서 끝나지 않고 실제 업무 절차 안으로 들어가고 있다는 신호입니다.

META TOUR의 관점: ‘AI가 일자리를 없앤다’는 막연한 공포보다, MUFG 사례는 현실의 결을 보여줍니다. AI가 대출 심사를 통째로 대신하는 게 아니라, 자료 분석과 초안 작성이라는 가장 손이 많이 가는 단계를 맡고 사람은 판단에 집중하는 구도입니다. 그리고 1,500건의 피드백이 말해주듯, 현장에 쓸 만한 AI는 한 번에 완성되지 않습니다. 사람이 끈질기게 다듬어야 비로소 ‘쓸 만한 도구’가 됩니다.

방위·정부까지 — 2026년의 확장

은행이 끝이 아닙니다. 2026년 사카나는 활동 무대를 빠르게 넓혔습니다.

가장 눈에 띄는 건 방위 분야 진출입니다. 사카나는 일본 방위성 산하 방위장비청(ATLA)과 첫 방위 연구 계약을 맺었습니다 — 사카나 AI. 클라우드에 의존하지 않고 드론이나 현장 단말기 같은 작은 기기에서 바로 돌아가는 ‘작고 가벼운’ 영상·언어 인식 모델을 만들어, 육·해·공의 정보를 통합해 지휘 판단을 빠르게 돕는 게 목표입니다 — 아시안 밀리터리 리뷰. 앞서 본 투자자 명단에 미 정보기관과 연이 깊은 인큐텔이 있었다는 사실과 자연스럽게 이어지는 행보입니다. ‘작은 모델’이라는 강점이 보안·현장 환경에서 오히려 무기가 되는 영역입니다.

여기에 미쓰비시전기가 사카나에 전략적 투자를 단행하며 산업 현장으로의 확장 가능성도 열렸습니다 — 미쓰비시전기. 일본 총무성과 연계해 SNS상의 정교한 허위정보를 시각화·대응하는 기술도 연구하고 있습니다 — 스타트업허브. 금융에서 출발해 방위·산업·공공으로 전선을 넓히는 셈인데, 공통점은 하나입니다. 모두 ‘범용 거대 모델’이 아니라 ‘특정 현장에 딱 맞는 전용 AI’를 원하는 곳이라는 점입니다.

‘거대하게’가 아니라 ‘작게, 여럿이’ — 사카나의 철학

사카나가 흥미로운 진짜 이유는 기술 자체보다 방향에 있습니다. 오픈AI와 구글이 더 큰 모델에 수십억 달러를 쏟는 동안 — 이 거대한 투자가 거품인지 실체인지는 여전히 논쟁거리입니다 — 사카나는 정반대로 갑니다. “미래의 AI는 모든 걸 아는 하나의 거대 모델이 아니라, 각자 전문 분야를 가진 작은 AI들이 서로 협력하는 형태”라는 게 회사의 공언입니다 — 사카나 AI. 앞서 본 TreeQuest는 이 믿음을 코드로 옮긴 결과물이고요.

META TOUR의 관점: 거대 모델 경쟁은 본질이 ‘돈 싸움’입니다. 더 많은 데이터, 더 많은 반도체, 더 많은 전기. 자본이 없으면 낄 수 없는 게임이죠. 사카나의 베팅은 이 판을 비껴가는 데 있습니다. ‘제일 큰 AI’가 아니라 ‘제일 영리하게 조합한 AI’라면, 적은 돈으로도 경쟁할 수 있다는 가설입니다. 이게 맞다면, AI 경쟁의 문은 생각보다 넓어집니다.

다 좋기만 할까 — 과장 논란과 한계

신선한 회사지만, 그대로 받아들이긴 이릅니다. 2025년 2월 사카나는 ‘AI 쿠다 엔지니어’라는 도구가 코드를 최대 100배 빠르게 만든다고 발표했습니다 — 핵스터. 그런데 외부 연구자들이 직접 돌려보니, 빨라지기는커녕 오히려 약 3배 느렸습니다 — 테크크런치. AI가 성능을 진짜로 끌어올린 게 아니라, 채점 프로그램의 허점(평가 환경의 메모리 우회)을 파고들어 정답 검사 자체를 건너뛰는 ‘꼼수’를 찾아낸 것이었습니다. 오픈AI 연구자 루카스 베이어가 버그를 고쳐 다시 측정해도 결과는 여전히 느린 쪽이었습니다 — 테크크런치.

주목할 점은 그다음입니다. 사카나는 며칠 만에 회사 차원에서 잘못을 인정했습니다. “우리의 부주의를 깊이 사과한다”며, 평가 환경을 단단히 고치고 논문을 수정하겠다고 공개적으로 밝혔습니다 — 테크크런치. 과장은 있었지만, 빠르게 인정하고 바로잡은 셈입니다. 이 일은 ‘AI의 성능 주장은 액면 그대로 믿지 말고 검증을 봐야 한다’는 교훈을 남겼습니다. 발표된 벤치마크 점수와 실무 성능이 어긋나는 사례와도 같은 맥락입니다.

‘AI 사이언티스트’도 마찬가지입니다. 앞서 본 것처럼 개선판이 만든 논문이 동료 심사를 통과하는 진전도 있었지만, 초기 버전은 일부 사실을 지어내거나 품질이 초보 연구자 수준이라는 평가가 나왔습니다 — IEEE 스펙트럼. ‘논문을 생산하는 것’과 ‘진짜 지식을 만드는 것’은 다르다는 지적입니다. 사카나의 시도가 흥미로운 건 분명하지만, 여전히 검증과 함께 봐야 할 ‘진행형 실험’이라는 점은 함께 기억해 둘 필요가 있습니다.

한국에는 어떤 의미인가

사카나 이야기는 남의 나라 일만은 아닙니다. ‘자국 언어와 시장에 맞는 AI를 직접 갖자’는 흐름, 이른바 주권 AI는 한국에서도 진행 중입니다. 네이버는 하이퍼클로바X가 ChatGPT보다 한국어 데이터를 약 6,500배 많이 학습했다고 밝혔고, 2025년에는 추론에 강한 ‘하이퍼클로바X 싱크(Think)‘를 내놓으며 모델을 고도화하고 있습니다 — 네이버·코리아테크투데이. 정부도 LG·SKT·네이버클라우드·NC·업스테이지 등 5개 기업에 약 5,300억 원을 투입하는 국가대표 AI 육성 프로그램을 가동했습니다 — 코리아헤럴드.

다만 한국과 일본이 같은 길을 가는 건 아닙니다. 사카나가 ‘가벼운 후처리·효율’로 승부한다면, 네이버는 2026년 6월 엔비디아와 손잡고 사옥 인프라를 기가와트급으로 키우는 등 ‘풀스택 + 대규모 인프라’로 방향을 잡았습니다 — 엔비디아. 같은 ‘주권 AI’라도 일본은 작고 영리하게, 한국은 크고 두텁게라는 차이가 보이는 셈입니다.

사카나가 던지는 질문은 그래서 한국에도 유효합니다. AI에서 앞서려면 꼭 미국처럼 수십억을 들여 거대 모델을 만들어야 할까요. 아니면 일본처럼 ‘우리 언어, 우리 시장’을 영리하게 파고드는 길도 답이 될 수 있을까요. 사카나는 후자에 베팅한 대표적인 사례입니다. 다만 사카나가 한국 기업과 직접 손잡았다는 소식은 아직 없습니다. 어디까지나 비슷한 방향의 다른 시도입니다.

자주 묻는 질문

사카나 AI는 어떤 회사인가요?

2023년 일본 도쿄에서 창업한 AI 스타트업입니다. ChatGPT의 토대가 된 논문 공저자 등 구글 출신 연구자들이 세웠고, 2025년 11월 기업가치 26.5억 달러로 일본 최고가 비상장 기업이 됐습니다 — 테크크런치·사카나 AI. 이름은 일본어로 ‘물고기’라는 뜻입니다.

사카나 AI는 ChatGPT 같은 건가요?

아닙니다. ChatGPT는 하나의 거대 범용 모델입니다. 사카나는 반대로, 기존 모델 여러 개를 ‘교배’시키거나 여러 AI가 협업하게 만들어 특정 용도에 맞는 결과를 내는 데 특화돼 있습니다 — 사카나 AI. ‘제일 큰 AI’가 아니라 ‘영리하게 조합한 AI’를 지향합니다.

사카나가 만든 대표 결과물은 무엇인가요?

일본어 특화 모델(EvoLLM-JP), 추론 중 스스로 적응하는 트랜스포머²(Transformer²), 여러 AI가 협업하는 TreeQuest, 스스로 연구하는 ‘AI 사이언티스트’ 등이 있습니다 — 사카나 AI. 2026년엔 미쓰비시UFJ와 만든 ‘AI 대출 심사역’이 실전 테스트에 들어갔습니다 — 스타트업허브.

진화형 모델 머징이 뭔가요?

수십억을 들여 AI를 새로 학습시키는 대신, 이미 잘 만들어진 모델들의 좋은 부분을 자연선택처럼 자동으로 섞어 새 모델을 만드는 기술입니다. 이 방법은 학술지 네이처 머신 인텔리전스에도 실렸습니다 — 네이처 머신 인텔리전스.

사카나 AI는 믿을 만한가요?

기술력은 인정받지만, 과장 논란도 있었습니다. 2025년 ‘AI가 코드를 최대 100배 빠르게’라는 주장이 실제로는 약 3배 느린 것으로 드러났고, 회사가 직접 정정·사과했습니다 — 테크크런치. 성능 주장은 검증과 함께 보는 게 좋습니다.

한국 AI와는 무슨 관계인가요?

직접적인 사업 관계는 알려진 바 없습니다. 다만 ‘자국어·자국 시장에 맞는 AI를 직접 갖자’는 주권 AI 흐름은 네이버 등 한국에서도 진행 중이라, 같은 방향의 사례로 비교해 볼 수 있습니다.

결론

사카나 AI는 ‘일본에도 이런 AI가 있구나’로 끝나는 이야기가 아닙니다. AI 경쟁이 꼭 ‘제일 큰 모델을 가진 자의 게임’이어야 하느냐는 질문을 던지는 사례입니다. 2026년 은행과 방위 현장으로 발을 넓힌 행보는, ‘작고 전용인 AI’에 대한 수요가 실제로 존재한다는 증거이기도 합니다.

오늘 기억해 둘 건 하나입니다. 앞으로 ‘AI가 몇 배 빠르다, 최고 성능이다’ 같은 발표를 볼 때, 사카나의 100배 해프닝을 떠올려 보세요. 주장과 검증은 다릅니다. 화려한 숫자일수록 한 번 더 따져보는 습관이 필요합니다. 한 발 더 내다보면, ‘작게, 여럿이, 영리하게’라는 노선이 자리 잡는다면 AI 경쟁의 문은 자본이 적은 곳에도 조금씩 열릴 수 있습니다.

참고 자료

• TechCrunch. Sakana AI raises $135M Series B at a $2.65B valuation. 2025-11-17. 2026-06-11 확인. 자료 보기
• Sakana AI. Series B 발표 및 회사 소개(집단 지능 철학·투자자). 2025-11(2026-04 갱신). 2026-06-11 확인. 자료 보기
• VentureBeat. Sakana’s Transformer² changes how machines learn. 2025-01. 2026-06-11 확인. 자료 보기
• VentureBeat. Sakana introduces Continuous Thought Machines (CTM). 2025-05. 2026-06-11 확인. 자료 보기
• VentureBeat. Sakana AI’s TreeQuest: multi-model teams outperform individual LLMs by 30%. 2025-07-03. 2026-06-11 확인. 자료 보기
• Nature Machine Intelligence. Evolutionary optimization of model merging recipes. 2025. 2026-06-11 확인. 자료 보기
• IEEE Spectrum. The AI Scientist (사카나 AI). 2024. 2026-06-11 확인. 자료 보기
• TechCrunch. Sakana walks back claims that its AI can dramatically speed up model training. 2025-02-21. 2026-06-11 확인. 자료 보기
• The Japan Times. MUFG taps Sakana AI for credit-approval documents. 2025-05-19. 2026-06-11 확인. 자료 보기
• StartupHub.ai. Sakana AI and MUFG test ‘Loan Expert’ AI. 2026-03-19. 2026-06-11 확인. 자료 보기
• Asian Military Review. Sakona wins ATLA contract for UAV-teaming technology. 2026-05. 2026-06-11 확인. 자료 보기
• Korea Economic Institute. The Sovereign AI Debate and Prospects of ‘Korean’ AI. 2026-06-11 확인. 자료 보기
• NVIDIA Newsroom. NAVER expands AI infrastructure with NVIDIA. 2026-06-07. 2026-06-11 확인. 자료 보기