ZeroDrift가 시드 라운드에서 1천만 달러를 모았다. 리드는 a16z Speedrun, 그 뒤로 Reign Ventures, Pitchdrive, U&I Ventures가 따라붙었다. CEO Kumesh Aroomoogan은 "3주 만에 클로즈했고 3배 oversubscribed였다, 인생에서 가장 빨랐던 펀딩"이라고 표현한다. 펀딩 속도 자체가 이 카테고리의 수요 신호다.
제품은 "AI를 또 다른 AI로 고친다"는, 듣기엔 어색한 구조다. 사용자 쿼리를 받는 1차 LLM 뒤에, 그 응답이 외부로 나가기 전에 한 번 더 검열·재작성하는 두 번째 레이어가 붙는다. 결정적 차이는 LLM이 처음부터 개입하지 않는다는 점이다. SOC 2나 GDPR 같은 규제 항목은 conventional하게 작성된 결정론적 프로그램이 먼저 훑고, 그 룰에 걸린 메시지에 한해서만 LLM이 호출되어 동일한 의미를 컴플라이언트한 표현으로 다시 쓴다. Aroomoogan의 표현을 그대로 옮기면 "규제 영역과 위반 패턴은 deterministic하게 식별하고, rewrite만 LLM이 맡는다."
이 분업이 ZeroDrift가 OpenAI, Anthropic 같은 거대 랩과 차별화를 주장하는 지점이다. 통상의 정책 모델은 모든 응답에 무거운 판정을 끼우기 때문에 지연이 늘고 케이스별 변동성도 커진다. ZeroDrift는 패턴 매칭 비용을 룰로 압축하고 모델 호출을 최소화하기 때문에, 더 낮은 latency와 더 안정적인 reliability를 약속한다. 컴플라이언스가 "기능"이 아니라 "인프라"로 옮겨가는 흐름과 잘 맞물린다.
시장 정의도 흥미롭다. 가장 자연스러운 진입은 소비자 대면 챗봇이다. 잘못된 답변 하나가 곧 규제·평판 리스크인 영역이다. 그러나 Aroomoogan은 사람이 절대 보지 않는, 자동화 파이프라인 안에서만 오가는 AI 메시지까지 TAM에 명시적으로 포함시킨다. 에이전트끼리 통신하는 환경이 늘어날수록, "누가 봤는지도 모르는 컴플라이언스 사고"가 실제 손해로 잡히기 시작한다는 베팅이다. 지금은 작지만 AI가 깔리는 만큼 자란다는 표현이 적확하다.
그래서 무엇을 봐야 하나. 첫째, 룰 엔진이 잡지 못하는 미묘한 위반 — 맥락 의존적 편향, 도메인 특화 규제 — 의 ground truth를 어디서 가져오는가. 둘째, 응답을 outbound에서 재작성한다는 구조는 사실상 "보이지 않는 편집자"인데, 엔터프라이즈가 원문·수정문·룰 매칭 근거를 감사 가능한 형태로 받을 수 있는가. 셋째, 의미 보존과 컴플라이언스 충실도 사이의 trade-off를 누가 어떻게 튜닝하는가. 3주 만의 oversubscribed 라운드가 보여주는 것은 시장의 굶주림이지, 이 질문들에 대한 정답이 아니다.