Zep 채용공고가 말하는 에이전트 메모리 전쟁

채용공고가 제품 전략을 드러낼 때

Zep careers 페이지의 Head of Forward Deployed Engineering 공고는 단순 채용 소식보다 더 많은 것을 말한다. Zep은 자신을 AI agents를 위한 Context Lake, agent memory 플랫폼으로 설명한다. 공고에는 수백만 Context Graph, 200ms 미만 검색, 고객 VPC와 클라우드 배포, Graphiti 오픈소스 context graph framework 3만 개 이상 GitHub stars 같은 표현이 나온다.

중요한 것은 직무의 무게다. 이 역할은 핵심 제품 엔지니어링만도, 전통적인 전문 서비스도 아니다. 고객 인프라 안에 들어가 Managed, BYOK, BYOC 배포를 완성하고 90일 안에 production까지 책임지는 조직을 만드는 일이다.

에이전트 메모리는 설치형 인프라가 된다

에이전트가 업무를 대신하려면 기억이 필요하다. 대화 기록, 고객 데이터, 작업 결과, 정책, 이전 실패를 재사용해야 한다. 그러나 기억은 민감 데이터와 직결된다. 그래서 기업은 SaaS 콘솔만으로 만족하지 않고 VPC, 암호화, 권한, 감사 로그, 데이터 보존을 묻는다. mnemo 로컬 우선 AI 메모리 레이어와 Meta Muse, 개인 AI 에이전트가 플랫폼 전쟁이 됐다가 같은 방향을 다른 층위에서 보여준다.

Graphiti는 시간성을 가진 지식 그래프를 강조하고, Zep 문서는 agent memory와 context engineering을 전면에 둔다. 이제 경쟁은 검색 품질만이 아니라 고객 환경에서 안전하게 돌아가는가로 이동한다.

Forward Deployed Engineering의 귀환

FDE는 Palantir류 회사에서 강했던 모델이다. 고객 현장에 깊이 들어가 문제를 제품화한다. AI 인프라에서도 이 방식이 돌아오는 이유는 명확하다. 에이전트는 고객 데이터, 권한 모델, 워크플로우를 모르면 성능을 내기 어렵다. 공고가 요구하는 10년 이상 경험, AWS, Kubernetes, Terraform, Python, Go 또는 TypeScript는 이 일이 모델 프롬프트가 아니라 배포 공학임을 보여준다.

HiddenLayer 1억 달러, AI 보안이 예산 항목이 됐다는 AI 보안이 별도 예산으로 분리된다고 했다. 같은 논리로 에이전트 메모리도 별도 인프라 예산과 현장 엔지니어링을 요구하게 된다.

한국 B2B AI 기업의 시사점

한국 기업 고객은 데이터 반출, 망분리, 개인정보, 감사 이슈에 민감하다. 따라서 에이전트 메모리를 팔려면 좋은 데모보다 배포 문서, 보안 설계, 레퍼런스 아키텍처, 장애 대응 체계가 먼저 필요하다. Anthropic 보고서, AI 오남용은 이미 운영 단계다가 말한 운영 보안과도 맞닿는다.

한국 스타트업이 배울 점은 명확하다. 고객별 커스텀을 무조건 피할 것이 아니라, 두 번 반복되는 커스텀을 제품 요구사항과 reference architecture로 바꾸는 루프를 설계해야 한다.

자주 묻는 질문

Q1: Zep은 무엇을 파는 회사인가요?

A: AI 에이전트가 장기 메모리와 컨텍스트를 사용할 수 있게 하는 인프라를 제공합니다.

Q2: 왜 FDE가 중요한가요?

A: 기업 배포는 보안, 네트워크, 권한, 데이터 거버넌스가 얽혀 있어 제품만 던져서는 production에 가기 어렵기 때문입니다.

Q3: Context Lake는 데이터레이크와 다른가요?

A: 목적이 다릅니다. 데이터레이크가 저장과 분석 중심이라면 Context Lake는 에이전트가 쓸 수 있는 시간적, 관계적 컨텍스트 제공에 초점이 있습니다.

Q4: 한국 기업도 BYOC를 요구할까요?

A: 금융, 제조, 공공에서는 가능성이 큽니다. 민감 데이터가 있는 AI 에이전트일수록 고객 클라우드 배포 요구가 커집니다.

Q5: 스타트업은 언제 FDE를 둬야 하나요?

A: 고객별 배포 문제가 반복되고, 그 학습을 제품으로 되돌릴 수 있을 때 FDE 조직이 효과를 냅니다.