2026 AI 학습데이터·합성데이터 대장주 TOP 4 완전분석 (셀바스AI, 크라우드웍스, 마인즈랩, 코난테크놀로지)

📝 작성: 스톡시세 콘텐츠팀 (정보 제공 목적) | 카테고리: 테마주사전

최근 국내외 정보통신 업계에서는 거대언어모델의 성능이 결국 모델 구조보다 학습에 투입되는 데이터의 품질에 좌우된다는 인식이 확산되고 있다. 이 흐름 속에서 셀바스AI, 크라우드웍스, 마인즈랩, 코난테크놀로지 등 국내 데이터 가공·합성데이터 관련 기업들이 새롭게 주목받고 있다. 정부가 추진하는 공공 데이터셋 구축 사업과 민간 기업의 자체 데이터 파이프라인 투자가 동시에 늘어나면서, 이들 기업의 사업 영역이 재조명되는 분위기다.

특히 올해 들어 데이터 라벨링 산업은 단순 텍스트·이미지 태깅을 넘어, 실제 모델 성능 향상에 기여하는 ‘합성데이터 생성’ 영역으로 확장되는 모습이다. 실제 데이터를 수집하기 어려운 의료·자율주행·국방 분야에서는 인공적으로 생성한 합성데이터가 대안으로 부상하고 있으며, 이 과정에서 국내 데이터 전문 기업들의 역할이 커지고 있다는 평가가 나온다. 이번 글에서는 해당 산업의 구조적 배경과 함께, 관련 상장 종목들의 사업 구조를 짚어본다.

📌 본 포스팅은 공개된 산업 정보를 스톡시세의 관점으로 정리한 테마 정보 아카이브입니다. 단순한 종목 나열이 아니라, 해당 산업의 구조적 성장 배경과 종목별 역할을 정리하여 제공합니다. 특정 테마의 흐름이 궁금할 때마다 참고하시기 바랍니다.

핵심 비교표

먼저 이 테마를 이끄는 4개 종목의 기본적인 사업 구조를 비교표로 정리했다. 시가총액은 특정 시점의 정확한 수치가 아닌 구간으로 표기했으며, 실제 투자 판단 전에는 반드시 최신 공시 자료를 통해 재확인하는 것이 바람직하다.

종목명 (티커)	규모 (시가총액 범위)	사업 단계	주목 요인	상대적 강점
셀바스AI (108860)	2,000억 원대	상용화 확대 단계	음성·필기인식 엔진 기반 데이터 사업 확장	오랜 업력의 AI 원천기술 보유
크라우드웍스 (355390)	500억 원대	사업 재편 진행 중	크라우드소싱 기반 대규모 라벨링 네트워크	작업자 풀 확보를 통한 처리량 우위
마인즈랩 (377480)	2,000억 원대	신사업 확장 단계	생성형 AI 에이전트와 데이터 파이프라인 결합	자체 파운데이션 모델 개발 경험
코난테크놀로지 (402030)	1,000억 원대	공공·국방 레퍼런스 보유	영상 인식 및 이상탐지용 데이터 처리	공공기관 대상 레퍼런스 다수 확보

본 콘텐츠는 투자 권유가 아니며, 투자에 대한 책임은 본인에게 있습니다.

이 산업을 둘러싼 구조적 성장 요인

데이터 라벨링·합성데이터 산업이 구조적으로 주목받는 배경에는 크게 세 가지 흐름이 있다. 첫째는 생성형 AI 모델 개발 경쟁이 심화되면서 ‘데이터 병목’ 현상이 뚜렷해지고 있다는 점이다. 공개된 웹 텍스트 데이터는 이미 상당 부분 소진되었다는 지적이 업계에서 꾸준히 제기되고 있으며, 이에 따라 고품질의 정제된 데이터, 특히 특정 도메인에 특화된 데이터의 가치가 상대적으로 부각되는 모습이다.

둘째는 정부 주도의 데이터 산업 육성 정책이다. 과학기술정보통신부는 인공지능 학습용 데이터 구축 사업을 지속적으로 확대해 왔으며, 관련 예산 편성 규모도 매년 늘어나는 추세로 알려져 있다. 이러한 산업 동향의 사실 관계를 확인하려면 공식 채널을 통한 검증이 필요하다. 관련 사업 수주 및 계약 공시는 한국거래소 기업공시채널(KIND, https://kind.krx.co.kr)에서, 재무 상세와 사업보고서는 금융감독원 전자공시시스템(DART, https://dart.fss.or.kr)에서 확인할 수 있다.

셋째는 ‘합성데이터(Synthetic Data)’라는 새로운 카테고리의 부상이다. 실제 개인정보나 민감정보를 다루기 어려운 의료·금융·국방 분야에서는 실존 데이터를 학습하지 않고도 통계적 특성을 재현한 인공 데이터를 만들어내는 기술이 대안으로 떠오르고 있다. 해당 산업에서 주목받는 요인 중 하나는, 이러한 합성데이터 기술이 데이터 확보 비용을 낮추는 동시에 개인정보 보호 규제 리스크를 줄일 수 있다는 점이다.

종목별 심층 분석 및 고유 리스크

셀바스AI

기업 개요와 사업 구조: 셀바스AI는 음성인식·필기인식·자연어처리 등 인공지능 원천기술을 오랜 기간 축적해 온 기업으로, 최근에는 이러한 원천기술을 바탕으로 한 데이터 가공 및 헬스케어 AI 사업으로 영역을 확장하고 있다. 손자회사 등 계열사를 통해 의료 데이터 분석 및 진단 보조 솔루션 사업도 병행하고 있는 것으로 알려져 있다.

왜 이 테마의 핵심으로 꼽히는가: 셀바스AI가 이 테마에서 자주 언급되는 이유는, 단순 라벨링 대행이 아니라 자체 AI 엔진을 보유한 상태에서 데이터 사업을 전개한다는 점 때문이다. 오랜 기간 축적한 음성·필기 데이터베이스는 신규 진입 기업들이 단기간에 확보하기 어려운 자산으로 평가되며, 이는 경쟁사 대비 언급되는 강점 중 하나다.

스톡시세 분석 포인트: 셀바스AI의 사업 구조에서 눈여겨볼 부분은 원천기술 자산화 전략이다. 자체적으로 구축한 음성·언어 데이터베이스를 외부 라이선스 형태로 제공하거나, 헬스케어 자회사를 통해 진단 보조 시장으로 사업 영역을 확장하는 흐름이 나타나고 있다.

이 종목의 약점과 변수

셀바스AI의 사업 구조에서 신중하게 봐야 할 지점은, 다수의 계열사·자회사 구조로 인해 연결 실적의 변동성이 상대적으로 크게 나타날 수 있다는 점이다. 또한 헬스케어 AI 자회사의 경우 국내외 인허가 절차에 따라 사업 진행 속도가 달라질 수 있어, 단일 사업 부문에 대한 의존도가 높은 경쟁사와는 다른 방식의 리스크 관리가 필요하다는 지적이 나온다. 아울러 원천기술 기반 사업의 특성상, 신규 거대언어모델 기업들이 자체 데이터 파이프라인을 내재화할 경우 외부 라이선스 수요가 예상보다 더디게 늘어날 가능성도 함께 점검할 변수로 꼽힌다.

크라우드웍스

이 기업은 무엇을 하는가: 크라우드웍스는 대규모 크라우드소싱 작업자 네트워크를 기반으로 인공지능 학습용 데이터를 라벨링·가공하는 사업을 주력으로 하는 기업이다. 텍스트, 이미지, 음성 등 다양한 형태의 데이터를 처리할 수 있는 플랫폼을 운영하고 있으며, 공공기관 및 민간 기업을 대상으로 한 데이터 구축 프로젝트 수행 이력을 보유하고 있다.

테마 내 포지셔닝: 크라우드웍스는 이 테마 내에서 ‘순수 데이터 가공 전문 기업’에 가장 가까운 포지션을 차지하고 있다. 자체 파운데이션 모델을 개발하기보다는, 데이터 처리 자체의 규모와 효율성에 집중하는 사업 모델을 갖추고 있어 데이터 산업 성장의 직접적인 수혜를 받을 수 있는 구조로 언급된다.

한 걸음 더 들어가 보면, 크라우드웍스의 사업 모델에서 핵심은 작업자 풀 확장이다. 전국 단위로 확보한 크라우드소싱 작업자 네트워크는 대규모 프로젝트 수주 시 처리 속도와 물량 대응력 면에서 상대적 강점으로 작용할 수 있다는 평가가 나온다.

신중하게 봐야 할 지점

크라우드웍스와 같은 순수 라벨링 기업이 마주한 구조적 도전 과제는, 데이터 가공 작업 자체가 점차 자동화 도구와 AI 보조 툴로 대체되는 흐름이다. 실제로 일부 라벨링 공정은 자체 학습된 AI 모델이 1차 처리를 수행하고 사람이 검수만 담당하는 방식으로 전환되고 있어, 인력 집약적 사업 모델의 수익성 구조가 변화할 가능성이 있다. 또한 공공 프로젝트 비중이 높은 사업 구조 특성상, 정부 예산 집행 시기나 사업 발주 일정에 따라 분기별 실적 변동성이 커질 수 있다는 점도 함께 점검할 변수다.

마인즈랩

사업 구조 한눈에 보기: 마인즈랩은 자체 개발한 생성형 AI 파운데이션 모델을 기반으로, AI 에이전트 솔루션과 데이터 파이프라인 사업을 함께 전개하는 기업이다. 콜센터 상담 보조, 문서 처리 자동화 등 기업용 AI 에이전트 시장에 데이터 가공 역량을 결합한 사업 모델을 구축하고 있는 것으로 알려져 있다.

이 종목이 주목받는 이유: 마인즈랩이 이 테마에서 상대적으로 부각되는 이유는, 데이터 가공을 외주화된 서비스로만 제공하는 것이 아니라 자체 AI 모델 학습에 직접 활용하며 사업을 수직 계열화하고 있다는 점이다. 이러한 구조는 데이터 품질 관리와 모델 성능 개선의 선순환을 만들어낼 수 있는 잠재력을 지닌 것으로 평가된다.

스톡시세가 주목하는 지점은 마인즈랩의 AI 에이전트 결합형 모델이다. 단순 데이터 가공 매출을 넘어, 이렇게 가공된 데이터를 활용한 기업용 AI 솔루션 판매로 사업 영역을 확장하려는 시도가 이어지고 있다.

투자 시 함께 점검할 변수

마인즈랩의 경우, 자체 파운데이션 모델 개발에 필요한 연구개발 투자 부담이 상대적으로 큰 사업 구조를 가지고 있다는 점을 점검해야 한다. 글로벌 빅테크 기업들이 공개하는 오픈소스 모델의 성능이 빠르게 향상되면서, 중소형 기업이 자체 모델을 유지·개발하는 것의 경제성에 대한 의문이 업계 일각에서 제기되고 있다. 또한 AI 에이전트 시장은 경쟁사 진입이 활발한 영역으로, 차별화된 데이터 자산을 지속적으로 확보하지 못할 경우 경쟁 강도가 높아질 수 있다는 점도 유의해야 할 리스크 요인이다.

코난테크놀로지

기업 개요와 사업 구조: 코난테크놀로지는 영상 인식, 텍스트 분석, 이상탐지 등 다양한 인공지능 기술을 보유한 기업으로, 공공기관 및 국방 분야를 중심으로 한 레퍼런스를 다수 확보하고 있는 것으로 알려져 있다. 최근에는 생성형 AI 기술을 접목한 검색증강생성(RAG) 솔루션 사업으로도 영역을 확대하는 모습이다.

밸류체인 내 역할: 코난테크놀로지는 데이터 가공 밸류체인에서 ‘특수 목적 데이터 처리’에 강점을 지닌 기업으로 분류된다. 일반적인 텍스트·이미지 라벨링보다는, 영상 이상탐지나 국방·보안 분야의 특화된 데이터 처리 수요에 대응하는 사업 구조를 갖추고 있다.

셀바스AI, 크라우드웍스, 마인즈랩과 비교했을 때 코난테크놀로지의 상대적 강점은 공공·국방 분야에서 축적한 레퍼런스와 보안 요구 수준이 높은 프로젝트 수행 경험으로 요약된다. 다만 이 종목은 앞선 세 종목 대비 상대적으로 사업 영역이 특화되어 있어, 심층 분석 비중은 간결하게 다룬다.

유의해야 할 리스크 요인

코난테크놀로지는 공공·국방 부문 매출 의존도가 상대적으로 높은 사업 구조를 갖고 있어, 관련 예산 정책 변화나 발주 일정 지연에 따른 실적 변동성을 함께 점검해야 한다. 또한 생성형 AI 검색 솔루션 시장에는 대형 IT 기업들도 활발히 진입하고 있어, 중소형 전문 기업으로서 차별화된 기술력을 지속적으로 입증해야 하는 경쟁 환경에 놓여 있다는 점도 유의할 부분이다.

이 테마를 가로막는 거시적 리스크 및 한계

데이터 라벨링·합성데이터 산업 전반이 마주한 가장 근본적인 도전 과제는 ‘기술 발전에 따른 자기잠식’ 가능성이다. AI 모델이 스스로 데이터를 정제하고 검증하는 능력이 향상될수록, 사람이 직접 개입하는 라벨링 공정의 부가가치는 상대적으로 낮아질 수 있다는 우려가 업계 내부에서도 제기된다. 이는 인력 기반 사업 모델을 가진 기업들에게 특히 중요한 변수로 작용할 수 있다.

또 다른 리스크는 글로벌 빅테크 기업들의 자체 데이터 파이프라인 내재화 흐름이다. 대형 AI 기업들이 자체적으로 대규모 데이터 구축 조직을 운영하거나, 해외 대형 데이터 아웃소싱 업체와 장기 계약을 체결하는 경우, 국내 중소형 데이터 기업들이 접근할 수 있는 시장 규모가 예상보다 제한적일 가능성도 배제할 수 없다. 아울러 개인정보보호법 등 국내 데이터 관련 규제 환경의 변화는 데이터 수집·활용 범위에 직접적인 영향을 미칠 수 있는 변수로, 정책 방향에 따라 사업 확장 속도가 달라질 수 있다는 점도 함께 고려해야 한다.

마지막으로, 이 산업에 속한 다수의 기업들이 아직 안정적인 흑자 구조를 확립하지 못한 성장 초기 단계에 있다는 점도 짚어볼 필요가 있다. 신규 사업 확장을 위한 투자 부담이 지속되는 가운데, 수익성 개선 시점이 시장 기대보다 늦어질 경우 관련 종목들의 주가 변동성이 확대될 수 있다는 점을 유의해야 한다.

2026 AI 학습데이터·합성데이터 대장주 TOP 4 완전분석 (셀바스AI, 크라우드웍스, 마인즈랩, 코난테크놀로지) | 스톡시세-테마주사전

핵심 비교표

이 산업을 둘러싼 구조적 성장 요인