# 도시의 데이터를 연결하는 AI, 페레그린이 공공기관에서 신뢰를 쌓는 방식

> 2026-09-01 · Sequoia Capital · 큐레이션 김태우
> https://challengekim.com/insights/도시의-데이터를-연결하는-ai-페레그린이-공공기관에서-신뢰를-쌓는-방식
> 원문: https://www.youtube.com/watch?v=JWMF5EpP0KE

## 핵심 요약

- 페레그린은 공공기관에 새 데이터를 수집해 주기보다 기관이 이미 보유한 정보를 연결하고 활용하도록 돕는다고 설명한다.
- 창업자들은 현장 배치 엔지니어가 기관의 업무와 의사결정 방식을 이해하고, 고객과 함께 결과에 책임지는 접근을 강조한다.
- 회사는 데이터 소유권을 각 기관에 두고, 접근 권한과 기관 간 공유 범위를 통제하는 것을 핵심 조건으로 본다.
- 데이터 통합 작업과 미제 사건 자료 분석에 AI 에이전트를 쓰지만, 정확한 답변을 위한 사전 데이터 준비와 사람의 감독도 강조한다.

## 현장에 들어가 문제를 배우다

페레그린의 공동창업자 닉 눈과 벤 루돌프는 도시와 지역사회의 안전 문제에 기술을 적용하려 했다. 눈은 팰런티어에서 고객 조직에 직접 들어가 일하는 ‘현장 배치 엔지니어링’을 경험했다. 그가 말하는 핵심은 기술을 설치하는 데 그치지 않고 고객의 문제를 함께 맡아 결과까지 가는 것이다. 동시에 성과의 주체는 고객 기관이라는 점을 잊지 않아야 한다고 했다.

루돌프는 유엔난민기구에서 일하며 조직 안의 데이터가 스프레드시트 등에 흩어져 있어 활용하기 어렵다는 점을 봤다. 이후 디마기에서 인도 정부와 함께 농촌 지역의 결핵 치료제 복용을 돕는 애플리케이션을 구축했다. 그는 이런 경험을 통해 기술이 도움이 되는 영역과 그렇지 않은 영역을 함께 배웠다고 설명했다.

두 사람은 지방정부의 업무를 이해하기 위해 경찰 조직을 찾았다. 눈에 따르면 20곳 넘게 거절당한 뒤 북부 캘리포니아의 산파블로 경찰서에서 일할 기회를 얻었다. 그는 2018년 2월 26일, 출입증과 책상, 업무에 필요한 정보 접근 권한을 받은 날을 실질적인 출발점으로 기억한다. 경찰 조직의 오랜 업무 관행과 사람 사이의 의사결정 구조를 파악하려면 빠른 해결책을 앞세우기보다 시간을 들여 신뢰를 얻어야 했다는 것이 그의 설명이다.

## 더 모으기보다 기존 데이터를 연결하다

눈은 기존 공공안전 기술 기업 상당수가 센서나 입력 시스템을 통한 데이터 수집을 중심으로 성장했다고 본다. 그가 설명하는 페레그린의 모델은 고객의 기존 시스템 위에서 서로 떨어진 정보를 연결해 질문에 더 정확히 답하도록 돕는 방식이다. 기관이 이미 가진 데이터를 안전하게 쓰기 어렵다는 점을 문제로 삼는다.

루돌프는 데이터가 페레그린이 아닌 각 기관과 그 기관이 섬기는 지역사회에 속한다고 말했다. 기관 내부의 접근 권한을 세분화하고, 필요한 경우에도 선택한 정보만 다른 곳과 공유할 수 있어야 한다는 입장이다. 통제가 부족하면 자료를 차에 싣고 도시를 가로질러 전달하는 방식이 오히려 쓰일 수 있다는 사례도 들었다. 두 창업자는 데이터 거버넌스, 즉 누가 어떤 정보에 접근하고 공유할 수 있는지 정하는 규칙을 공공기관 기술의 기본 조건으로 제시했다.

## AI가 찾아낸 패턴, 그 전에 필요한 준비

루돌프에 따르면 초기 활용은 특정 주소와 관련된 기록을 보기 좋게 찾는 수준에서 시작한다. 사용자가 데이터와 제품에 익숙해지면 여러 정보원을 함께 살피는 분석으로 넓어진다. 그는 플로리다의 한 카운티가 어느 달 100건 넘는 수상 구조를 겪은 뒤 원인을 탐색한 사례를 들었다. 해당 기관은 사고 기록과 날씨 정보 등을 살펴보며, 과거에도 있었던 기상 패턴이 사흘 연속 나타난 것은 달랐다는 분석에 이르렀다고 한다. 또 한 수사관은 회당을 향한 위협을 조사하면서 인근 두 회당에 대한 다른 반유대주의 위협 기록을 찾는 데 AI를 활용했다. 단순한 검색어만으로는 찾기 어려운 관련 기록의 패턴을 확인했다는 설명이다.

루돌프는 사용자가 질문을 입력하기 전에 이뤄지는 데이터 준비가 작업의 약 95%라고 표현했다. 여러 출처의 정보를 연결하고 정확성을 확인해야 AI도 근거를 갖춘 답을 할 수 있다는 뜻이다. 그의 설명에 따르면 엔지니어의 약 절반은 고객이 이미 소유한 데이터를 통합할 수 있게 하는 플랫폼에 주로 시간을 쓴다. 현재 데이터 통합에 쓰는 파이썬 노트북 코드의 약 90%는 배치팀의 감독 아래 AI 에이전트가 작성한다고 했다. 이 수치는 회사가 설명한 해당 작업의 비율이지, 전체 개발 업무의 자동화율은 아니다.

## 미제 사건 자료를 다루는 에이전트

페레그린이 처음 만든 운영용 AI 에이전트는 미제 사건 분석용이었다. 루돌프는 주요 수사에서 영상, 음성, 이미지, PDF 등 200\~300GB의 자료를 검토해야 할 수 있다고 설명했다. 첫 개발은 부당하게 유죄 판결을 받은 사람의 무죄를 밝혀낸 고객 기관의 기존 사건을 토대로 진행됐다. 에이전트가 수사관들이 이미 얻었던 결과를 재현할 수 있도록 자료를 분석하게 한 것이다. 이는 새 사건에서 독자적으로 무죄를 입증했다는 주장은 아니다.

그는 현재 미국의 몇몇 경찰 조직에서 이 도구를 사용한다고 말했다. 위스콘신주의 한 카운티에서는 약 300GB의 사건 자료 속에 흩어진 휴대전화 통화 상세 기록을 통해 용의자를 범행 현장과 시신 발견 장소에 연결하는 단서를 찾았다는 사례를 들었다. 눈은 이런 작업의 성과를 기술 회사가 독차지해 홍보하기보다 수사 기관의 일을 뒷받침하는 태도가 신뢰를 지키는 데 중요하다고 했다.

## 제품 결정과 공공기관의 권한

현장 배치팀은 고객별 문제를 해결하는 동시에 제품에 필요한 기능을 발견한다. 한 엔지니어가 필드 편집 기능이 없어 댓글을 읽어 속성을 갱신하는 연동 기능을 만들자, 회사는 정식 편집 기능의 필요성을 알게 됐다. 반면 허리케인 시뮬레이터나 소방서 위치에 따른 영향 추정 도구처럼 특정 고객을 위한 기능도 있었다. 모든 현장 개발물을 공통 제품에 넣는 것은 아니라는 설명이다.

얼굴인식처럼 판단이 갈리는 기술에 대해 눈은 기술 회사가 업계 전체의 사용 여부를 일괄 결정할 수 없다고 말했다. 각 기관이 처한 법과 규정, 운영 절차, 지역사회의 선택을 드러내고 판단에 필요한 정보를 제공하는 것이 회사의 역할이라는 입장이다. 그는 미국의 많은 공공안전 기관과 지역사회가 얼굴인식을 도입하지 않기로 선택한다고도 말했다. 회사가 제시한 데이터 권한과 통제 원칙은 기관별 결정을 지원하기 위한 운영 방식으로 설명된다.

페레그린의 두 창업자가 거듭 강조한 것은 기술의 성능만으로 공공기관의 문제를 풀 수 없다는 점이다. 기관이 가진 데이터를 정확하게 연결하고, 접근과 공유의 경계를 정하며, 현장에서 그 기관이 원하는 결과를 함께 만드는 것이 이들이 설명한 사업의 중심이다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=JWMF5EpP0KE)