Innodata는 AI 회사인데 왜 직원이 1만명일까

2026년 3월 어느 날, 필리핀과 인도와 스리랑카의 Innodata 작업실에서 수천 명이 같은 종류의 질문을 들여다보고 있었다. 질문에 답하는 사람도 있었지만 더 중요한 일은 답이 좋은지 판정하는 것이었다.

수학 문제의 풀이가 우연히 답만 맞힌 것은 아닌지, 법률 문장이 근거를 꾸며내지는 않았는지, 코딩 에이전트가 엉뚱한 파일을 지우지 않는지 살핀다. 답 두 개를 나란히 놓고 어느 쪽이 더 정확하고 유용한지 고른다. 위험한 요청에는 어디까지 답해야 하는지 경계를 긋는다. 기계가 낸 답을 사람이 다시 읽고 점수를 매기는 장면이다.

AI 시대라고 하면 사람을 줄이는 장면부터 떠올리기 쉽다. Innodata는 반대로 움직였다. 2023년 말 직원은 4325명이었다. 2024년 말 6648명, 2025년 말 1만107명이 됐다. 2년 동안 사람 수가 2.3배로 늘었다.

매출은 더 빠르게 커졌다. 2023년 8678만달러, 2024년 1억7046만달러, 2025년 2억5166만달러였다. 2026년 1분기에는 석 달 만에 9009만달러를 벌었다. 3년 전 1년 매출보다 큰 돈을 한 분기에 만든 셈이다.

위 이미지는 Innodata의 실제 사무실이나 근무자를 재현한 사진이 아니다. AI를 만드는 마지막 단계에 얼마나 많은 사람의 판단이 들어가는지 설명하기 위한 개념 장면이다. 화면 뒤의 세계지도보다 중요한 것은 책상 위의 채점표다.

여기서 이 회사의 첫 번째 역설이 생긴다. Innodata는 AI 회사인데, 가장 중요한 생산수단이 GPU나 자체 거대 모델이 아니라 잘 훈련된 사람과 그 사람들의 판단을 일정하게 만드는 작업 체계다.

두 번째 역설은 주가에 있다. 2026년 5월 7일 45.64달러였던 주가는 1분기 실적 발표 다음 날 84.89달러로 하루 만에 86.0% 뛰었다. 6월 4일 종가는 121.50달러까지 갔다. 그런데 7월 21일에는 63.63달러로 내려왔다. 고점보다 47.6% 낮지만 실적 발표 전보다 여전히 39.4% 높다.

반 토막이 났으니 싸졌다고 말하기도 이르고, 매출이 54% 늘었으니 다시 고점으로 간다고 말하기도 이르다. 현재 가격에 들어 있는 기대를 실제 계약 구조와 사람의 경제성으로 풀어야 한다.

이 글에서 답할 질문은 여섯 가지다.

1. Innodata는 AI 모델을 직접 만들지 않는데 왜 AI 투자와 함께 성장했는가.
2. 직원 1만명은 오래된 외주회사의 흔적인가, 따라 하기 어려운 운영망인가.
3. 2026년 1분기 매출총이익률 44.2%는 소프트웨어 같은 경제성의 시작인가.
4. 현금 1억1737만달러는 순이익만큼 깨끗하게 벌린 돈인가.
5. 상위 두 고객 73%와 짧게 끝낼 수 있는 계약은 성장의 속도를 얼마나 흔드는가.
6. 63.63달러 주가는 어떤 미래를 이미 요구하고 있는가.

답을 먼저 한 문장으로 말하면 이렇다.

Innodata의 기회는 사람이 AI에 밀려나는 데 있지 않고, 더 강한 AI를 만들수록 더 어려운 시험과 더 믿을 만한 심판이 필요해지는 데 있다. 다만 그 심판망의 가치가 주가로 이어지려면 한두 고객의 급한 주문을 넘어 반복 가능한 평가 제품과 분산된 고객 매출을 증명해야 한다.

1막. Innodata는 AI를 만드는 회사가 아니라 AI를 가르치는 회사다

거대 언어모델을 아주 쉽게 학생에 비유해 보자. 학생이 처음 배우려면 많은 책이 필요하다. 이것이 사전학습 데이터다. 책을 많이 읽은 뒤에는 좋은 답과 나쁜 답의 차이를 배워야 한다. 이것이 미세조정과 사람 선호 학습이다. 시험을 치러 실력을 확인하고, 일부러 함정을 던져 약점을 찾고, 실제 일에 투입한 뒤 사고를 감시해야 한다. 이것이 평가와 레드팀 및 관측이다.

Innodata는 이 네 구간에 들어간다.

첫째, 원자료를 모으고 정리한다. 문서와 이미지와 음성 및 영상에서 필요한 정보를 뽑아 학습 가능한 형식으로 바꾼다. 저작권과 개인 정보, 중복과 품질도 확인한다. 데이터가 많다고 모두 좋은 교재가 되는 것은 아니다. 인터넷의 같은 문장을 수백 번 넣으면 학생은 그 문장을 세상 전체의 진실처럼 외울 수 있다.

둘째, 모델이 낸 답에 사람의 판단을 붙인다. 어느 답이 더 정확한지 비교하고, 분야별 모범 답안을 만들고, 단계별 추론을 검토한다. 수학과 코딩, 화학, 금융처럼 일반적인 문장 감각만으로 평가하기 어려운 영역에는 해당 분야의 전문가가 필요하다.

셋째, 모델을 시험한다. 보통 문제만 풀게 하면 실제 약점을 찾기 어렵다. 애매한 지시, 서로 충돌하는 조건, 안전 경계를 우회하는 질문을 던진다. AI 에이전트라면 검색하고 계산하고 파일을 고치는 여러 단계가 모두 맞는지 살핀다. 마지막 답만 맞아도 중간에 민감한 정보를 흘렸다면 실패다.

넷째, 배포 뒤 성능을 관찰한다. 모델이 업데이트된 뒤 예전보다 나빠진 분야가 없는지, 특정 언어나 고객 업무에서 오류가 몰리는지 찾아낸다. Innodata가 2026년 베타로 공개한 Evaluation and Observability Platform은 이 마지막 구간을 제품처럼 묶으려는 시도다.

이 과정에서 Innodata가 모델 자체를 소유하는 것은 아니다. 고객은 보통 자신의 데이터와 모델, 고객 맞춤 산출물을 가진다. Innodata는 범용 작업 방식과 플랫폼 및 운영 지식을 남긴다. 따라서 엔비디아처럼 칩을 팔거나 마이크로소프트처럼 모델 사용료를 받는 회사로 보면 안 된다.

2025년 10-K는 경쟁사로 Appen, CloudFactory, Surge AI, Invisible Technologies, Turing, Mercor, TELUS Digital, Scale AI와 여러 대형 컨설팅 회사를 든다. 경계가 넓다. 값싼 라벨링 업체와 경쟁하면서도 고급 평가에서는 전문 인력 회사와 겨루고, 기업 도입에서는 Accenture나 Infosys와 맞붙는다.

이 회사의 방어선은 특허 장벽도 아니다. 10-K에 적힌 특허는 하나이고 남은 기간은 약 2년이다. 실제 자산은 영업비밀, 작업 절차, 채용망, 품질 기준, 보안 체계, 고객과 함께 수정해 온 도구에 가깝다.

이는 약점처럼 보인다. 코드를 복사하기보다 사람과 절차를 복사하는 일이 쉬워 보이기 때문이다. 그러나 수천 명이 같은 기준으로 어려운 답을 평가하게 만드는 일은 생각보다 어렵다. 채점 기준이 조금만 모호해도 두 평가자가 반대 점수를 준다. 틀린 채점이 모델에 들어가면 AI는 오답을 학습한다. 고객의 비공개 모델과 데이터를 다루므로 보안 사고 한 번도 치명적이다.

결국 Innodata가 파는 것은 사람의 시간이 아니라 판단의 편차를 줄인 시간이다. 직원 수가 많다는 사실만으로 낡았다고 볼 수도, 많기 때문에 강하다고 볼 수도 없다. 같은 사람 수로 더 어려운 일을 맡고 품질을 유지하면서 이익을 키우는지가 답이다.

2막. 1988년 종이 문서 사업은 사라지지 않고 AI의 뿌리가 됐다

Innodata는 생성형 AI 붐과 함께 생긴 신생회사가 아니다. 1988년에 시작해 출판물과 문서의 정보를 디지털로 바꾸고 구조화하는 일을 해 왔다. 책의 제목과 저자와 장을 구분하고, 문장과 표를 검색 가능한 데이터로 바꾸는 오랜 작업이다.

오래된 문서 처리 회사가 갑자기 AI라는 이름을 붙였다고 의심할 수 있다. 실제로 2024년 공매도 보고서도 이런 의심을 강하게 제기했다. 이 의심을 풀려면 회사 이름보다 작업의 연속성을 봐야 한다.

종이 문서를 데이터로 바꾸려면 기계가 글자를 읽은 뒤 사람이 오류를 고쳐야 한다. 표의 행과 열이 무엇을 뜻하는지, 각주가 어디에 붙는지, 같은 사람 이름이 같은 인물인지 판단해야 한다. 오늘의 AI 데이터 작업도 입력물만 달라졌을 뿐 기본 문제는 비슷하다. 모델이 낸 답에서 의미를 읽고, 기준에 따라 분류하고, 오류를 다시 학습 가능한 신호로 만든다.

회사는 2016년과 2017년부터 내부 데이터 작업에 언어모델을 적용했다고 설명한다. 2023년에는 선도 AI 기업의 생성형 AI 프로그램으로 사업이 크게 이동했다. 35년 동안 하던 구조화와 검수의 기술이 새로운 고객의 가장 급한 병목과 만난 것이다.

이 변화는 세 개의 기존 사업 숫자에서 확인할 수 있다. 2025년 Digital Data Solutions 매출은 2억2083만달러로 전체의 87.8%였다. 미디어 모니터링 성격의 Agility 매출은 2352만달러로 9.3%, 의료 기록을 구조화하는 Synodex는 732만달러로 2.9%였다. AI 성장의 대부분은 Digital Data Solutions 안에서 일어났다.

Digital Data Solutions의 2025년 영업이익은 3940만달러였다. 회사 전체 영업이익 3987만달러와 거의 같다. 반면 Synodex 매출은 줄었다. 모든 오래된 사업이 함께 좋아진 것이 아니라, 문서 처리 역량 중 AI 학습과 평가에 맞는 부분이 회사를 끌고 갔다.

그런데 2026년 1분기부터 회사는 세 사업부 대신 하나의 사업부로 공시하기 시작했다. 경영진은 에이전틱 AI 시대에 자원 배분과 성과 평가가 통합됐기 때문이라고 설명했다. 운영 측면에서는 자연스러울 수 있다. 투자자에게는 불편하다. 앞으로 평가 플랫폼과 연방정부 사업이 얼마나 벌고, 오래된 사업이 얼마나 줄었는지 따로 보기 어려워졌다.

이 변화는 서사의 중요한 경계다. 회사가 AI 기업으로 통합된다고 말하는 것과 AI 제품 매출이 따로 커지는 것은 같은 말이 아니다. 단일 부문 공시는 전략을 단순하게 보이게 하지만 증거를 줄인다. 새 사업의 성과는 고객 수와 계약 이름이 아니라 실제 매출과 이익 공개로 확인해야 한다.

팔란티르 기업이야기에서도 정부와 기업의 데이터를 실제 업무에 연결하는 마지막 구간이 중요했다. Innodata는 그보다 아래쪽에서 모델이 배울 재료와 평가 기준을 만든다. 둘의 협력 발표가 흥미로운 이유는 이름값이 아니라 데이터 준비, 모델 평가, 배포 통제가 한 업무 안에서 이어질 수 있기 때문이다.

2026년 1월 Palantir 선정 발표는 관계의 출발을 보여준다. 하지만 계약 금액은 공개되지 않았다. 매출을 숫자로 더할 근거는 아직 없다. 역사에서 능력의 연속성은 확인되지만, 새 로고가 곧 새 이익이라는 등식은 성립하지 않는다.

3막. 직원은 2.3배 늘었고 매출은 2.9배 늘었다

사람 중심 사업에서는 직원 수가 공장 설비와 비슷하다. 주문이 들어온 다음 뽑으면 늦고, 먼저 뽑으면 일이 없을 때 원가가 된다. Innodata가 2023년부터 한 일은 거대한 생산라인을 사람으로 세운 것에 가깝다.

2023년 말 4325명이던 직원은 2024년 6648명, 2025년 1만107명이 됐다. 그중 1만20명이 정규직이었다. 필리핀, 인도, 스리랑카처럼 교육받은 영어 사용 인력을 비교적 큰 규모로 확보할 수 있는 지역이 중심이다.

같은 기간 매출은 8678만달러에서 1억7046만달러, 2억5166만달러로 늘었다. 2023년부터 2025년까지 직원은 134% 늘었고 매출은 190% 늘었다. 적어도 전체 규모에서는 사람보다 매출이 더 빨리 자랐다.

연말 직원 수로 단순히 나눈 1인당 연매출은 2023년 약 2만100달러, 2024년 2만5600달러, 2025년 2만4900달러다. 이는 정확한 생산성 지표가 아니다. 연중에 채용한 사람은 1년 내내 일하지 않았고 외부 계약 인력도 있을 수 있다. 어느 나라에서 어떤 직무를 맡는지도 다르다. 다만 대략적인 가동률을 보는 온도계는 된다.

2024년에 크게 오른 뒤 2025년에 조금 낮아진 이유는 대규모 채용이 먼저 진행됐기 때문일 수 있다. 회사는 새 프로그램을 시작하려면 채용하고 교육하는 준비 기간이 필요하다. 반대로 2026년에 그 인력이 높은 매출을 만든다면 선행 투자는 맞았던 셈이다.

직접 원가의 변화는 이 이야기를 확인해 준다. 2025년 직접 원가는 전년보다 4880만달러 늘었는데, 그중 4250만달러가 인건비 증가였다. 2026년 1분기 직접 원가는 전년 동기보다 1521만달러 늘었고, 인건비 증가가 약 1430만달러를 차지했다. 이 사업의 원가 중심은 서버가 아니라 사람이다.

그런데 매출총이익률은 2023년 36.1%, 2024년 39.4%, 2025년 39.5%, 2026년 1분기 44.2%로 높아졌다. 사람을 늘리면서도 한 달의 급여보다 고객에게 받는 가치가 더 빨리 커졌다는 뜻이다. 고난도 평가 비중이 커졌거나, 이미 훈련한 인력을 더 잘 배치했거나, 자체 작업도구가 같은 시간을 절약했을 수 있다.

이 셋 중 어느 것이 주된 원인인지는 공시만으로 정확히 나눌 수 없다. 그래서 매출총이익률 하나를 영구적인 소프트웨어 수익성으로 보면 위험하다. 2025년 4분기 매출총이익률은 약 38.3%로 전년 동기 45.2%보다 낮아졌다가 2026년 1분기 다시 44.2%로 올랐다. 프로젝트 구성과 준비 인력에 따라 흔들린다.

좋은 인력망은 두 방향으로 작동한다. 주문이 급증할 때 수천 명을 빠르게 투입하면 고객의 시간을 산다. 주문이 줄면 같은 인력이 비용으로 남는다. 따라서 직원 1만명은 그 자체로 해자도 짐도 아니다. 고객이 계속 일을 주는 동안은 확장 능력이고, 고객이 멈추는 순간에는 가동률 위험이다.

조금 더 안쪽으로 들어가면 인력망의 품질은 네 개의 병목에서 결정된다. 첫째는 모집이다. 일반적인 문장 분류는 많은 사람이 할 수 있지만 박사 수준의 수학 추론이나 희귀 언어, 복잡한 코드는 지원자 자체가 적다. 고객이 새 모델을 공개하기 전에 수백 명을 짧은 시간에 모으려면 대학과 전문가 커뮤니티 및 기존 평가자의 추천망이 필요하다.

둘째는 선발이다. 학위가 있다고 좋은 평가자가 되는 것은 아니다. 문제를 정확히 풀 뿐 아니라 모델의 풀이에서 어디가 틀렸는지 설명하고 같은 기준을 반복 적용해야 한다. Innodata는 시험 과제를 주고 결과가 기준 평가자와 얼마나 일치하는지 확인한다. 이 단계가 약하면 사람 수를 늘릴수록 오류도 함께 늘어난다.

셋째는 기준 맞추기다. “도움이 되는 답”처럼 넓은 표현만 주면 평가자마다 취향이 달라진다. 좋은 운영사는 고객과 채점표를 잘게 나누고 경계 사례를 모아 예시를 만든다. 평가자 둘이 다른 판정을 하면 상급자가 이유를 확인하고 기준을 고친다. 이 피드백이 쌓일수록 다음 프로젝트의 시작 시간이 짧아진다.

넷째는 보안이다. 평가자는 아직 공개되지 않은 모델과 제품 계획 및 고객 데이터를 볼 수 있다. 누구에게 어떤 자료가 보였는지 기록하고 작업 화면 밖으로 가져가지 못하게 해야 한다. 큰 AI 연구소가 단순히 가장 싼 업체보다 이미 보안과 품질을 통과한 업체에 물량을 더 주는 이유다.

이 네 단계가 Innodata의 보이지 않는 공장이다. 건물과 서버는 경쟁사가 살 수 있다. 수천 명의 평가 기록, 어느 유형에서 판정이 엇갈렸는지, 어떤 교육이 오류를 줄였는지는 시간이 필요하다. 이것이 회사가 주장할 수 있는 가장 현실적인 방어선이다.

반대로 이 방어선은 절대적이지 않다. Scale AI나 Surge AI 같은 전문 경쟁사는 더 큰 고객 관계와 도구를 가질 수 있고, Mercor나 Turing은 전문가 모집 방식을 바꿀 수 있다. 초대형 AI 고객이 중요한 평가를 내부로 가져갈 수도 있다. 범용 문제는 모델이 다른 모델을 채점하는 합성 평가로 대체될 수 있다.

그래서 “사람이 계속 필요하다”는 믿음만으로 장기 성장을 설명하면 부족하다. 쉬운 라벨링은 자동화되고 사람은 더 어려운 판단으로 올라가야 한다. Innodata가 같은 인원으로 더 높은 단가의 일을 맡고, 사람의 판정을 이용해 도구를 개선하며, 고객이 내부에서 하기 어려운 속도와 독립성을 제공해야 한다. 매출총이익률과 직원당 대략적 매출은 이 이동을 밖에서 확인하는 두 개의 창이다.

4막. 2026년 1분기는 성장보다 이익의 변화가 더 컸다

2026년 1분기 10-Q에서 매출은 9009만6000달러였다. 전년 동기 5834만4000달러보다 54.4% 늘었다. 회사는 시장 예상보다 18% 많았다고 발표했다.

직접 원가는 5030만달러로 43.3% 늘었다. 매출보다 느리게 증가했다. 그 결과 매출총이익은 2325만달러에서 3979만달러로 71.1% 커졌다. 일반 회계기준 매출총이익률은 39.9%에서 44.2%로 높아졌다.

판매관리비는 1498만달러에서 2289만달러로 52.8% 늘었다. 빠른 채용과 영업 및 관리 체계 확장이 들어간 숫자다. 그래도 매출 증가가 더 커서 영업이익은 827만달러에서 1690만달러로 104.3% 늘었다. 영업이익률은 14.2%에서 18.8%가 됐다.

이는 중요한 증거다. 단순 인력 파견이라면 매출이 54% 늘 때 인건비도 비슷하게 늘고 이익률은 그대로여야 한다. 실제로는 직접 원가가 더 느리게 늘었다. 훈련된 팀을 재사용하고 작업도구와 관리자가 더 많은 업무를 나눠 맡으면서 규모의 이익이 생긴 것으로 읽을 수 있다.

다만 회사가 강조한 조정 매출총이익률 47%와 조정 EBITDA 2498만달러는 일반 회계 숫자가 아니다. 조정 EBITDA는 영업이익 1690만달러보다 808만달러 많다. 주식보상, 감가상각과 상각, 이자와 세금 등을 빼고 계산하기 때문이다.

주식보상만 590만8000달러였다. 전년 동기 288만1000달러의 두 배가 넘고, 1분기 매출의 6.6%, 순이익의 39.7%다. 현금이 바로 나가지는 않지만 직원에게 회사의 일부를 주는 비용이다. 주주의 몫을 계산할 때 사라지는 숫자가 아니다.

일반 회계 순이익은 1489만8000달러였다. 기본 주당이익은 0.46달러, 희석 주당이익은 0.42달러였다. 희석 계산에 쓰인 평균 주식 수는 3557만주로 기본 평균 3263만주보다 9.0% 많았다. 옵션과 제한주식이 한 주의 몫을 줄일 수 있다는 뜻이다.

2024년 순이익 2866만달러에는 이연법인세 혜택 약 561만달러가 들어 있었다. 2024년과 2025년 순이익 증가를 볼 때 영업이익과 세금 효과를 구분해야 하는 이유다. 2025년에는 영업이익 3987만달러, 세전이익 4143만달러, 순이익 3218만달러였다. 본업이 충분히 커졌지만 매년 순이익률이 같은 세금 조건을 받는 것은 아니다.

엔비디아 기업이야기처럼 칩 판매량과 가격으로 경제성을 읽는 회사와 달리 Innodata는 프로젝트 구성, 숙련 인력의 가동률, 평가 난도로 원가가 바뀐다. 분기 매출총이익률이 이 운영체계의 가장 빠른 성적표다.

5막. 가장 큰 고객은 더 커졌고 고객 집중도 여전히 높다

2023년에는 가장 큰 고객이 연간 매출의 10%였다. 2024년에는 48%, 2025년에는 58%가 됐다. 생성형 AI 프로그램 하나가 회사의 크기를 바꾼 만큼 고객 집중도 함께 커졌다.

2026년 1분기 가장 큰 고객은 매출의 56%, 두 번째 고객은 17%를 차지했다. 둘을 합치면 73%다. 금액으로 단순 계산하면 첫 고객 약 5045만달러, 둘째 고객 약 1532만달러다. 나머지 모든 고객이 약 2433만달러를 나눠 가진다.

비율만 보면 가장 큰 고객이 58%에서 56%로 낮아졌다. 좋은 신호처럼 보인다. 그러나 매출 전체가 커졌으므로 이 고객의 금액은 오히려 늘었다. 전년 동기 최대 고객 비중 61%를 적용한 약 3559만달러와 비교하면 1년 만에 약 42% 늘어난 셈이다.

이것이 성장과 집중이 동시에 일어나는 방식이다. 최대 고객의 주문을 줄이지 않아도 다른 고객이 더 빨리 자라면 비중은 낮아질 수 있다. 가장 좋은 분산은 큰 고객을 잃는 것이 아니라 큰 고객의 금액이 늘면서 다른 고객이 더 많이 늘어나는 것이다.

회사는 기존 최대 고객을 제외한 다른 대형 기술 고객 매출이 1분기에 453% 늘었다고 말했다. 또 12개월 전에는 없던 새 Big Tech 계약이 2026년에 약 5100만달러 매출을 낼 것으로 예상했다. 실현되면 연간 두 번째 고객이 될 수 있다. 2026년 매출 성장률 전망도 기존 35% 이상에서 40% 이상으로 높였다.

2025년 매출 2억5166만달러에 40%를 적용하면 2026년 최소 매출은 약 3억5233만달러다. 1분기 9009만달러를 뺀 나머지 세 분기에 2억6223만달러, 분기 평균 약 8741만달러가 필요하다. 1분기보다 조금 낮아도 달성 가능한 숫자다.

그러나 공시의 계약 문장을 함께 읽어야 한다. 고객과 맺는 기본계약은 일반적으로 특정 물량을 구매할 의무를 지우지 않는다. 대부분의 프로젝트는 30일에서 90일 전에 알리면 끝낼 수 있고, 더 짧은 것도 있다. 장비 회사의 수주잔고처럼 이미 약속된 매출 목록이 없다.

고객이 “올해 이 정도를 쓸 것으로 예상한다”고 말해도 모델 개발 우선순위가 바뀌거나 내부 팀이 업무를 가져가면 물량은 줄 수 있다. 반대로 새 모델 경쟁이 급해지면 몇 달 사이 수천 명을 더 투입할 수 있다. Innodata의 매출 가시성은 계약서의 긴 약속보다 고객 프로그램이 계속되고 현장 인력이 계속 바쁜지에서 나온다.

이 계약 구조에서는 채용 속도와 매출 속도의 순서가 중요하다. 고객이 다음 달부터 평가량을 두 배로 늘려 달라고 하면 Innodata는 먼저 사람을 뽑고 교육한다. 교육 중인 사람의 급여는 나가지만 아직 고객에게 청구할 수 있는 작업량은 적다. 몇 주 뒤 투입이 끝나면 매출이 따라오고, 기존 관리자와 도구를 나눠 쓰면서 이익률이 올라간다.

반대로 고객이 프로젝트를 줄이면 매출은 빠르게 줄 수 있지만 사람은 같은 날 사라지지 않는다. 다른 고객으로 옮기고 새 기준을 교육하는 동안 쉬는 시간이 생긴다. 따라서 신규 계약 발표 뒤 첫 분기에는 매출보다 직원과 판매관리비가 먼저 늘 수 있고, 계약 축소 뒤에는 매출총이익률이 먼저 떨어질 수 있다.

이 시차를 확인하는 가장 좋은 조합은 분기 매출, 직원 수, 직접 인건비, 매출총이익률이다. 회사가 직원 수를 매 분기 자세히 공개하지 않으면 판매관리비와 직접 원가의 증가 속도를 보조 지표로 쓴다. 고객 비중만으로는 가동률의 변화를 알 수 없다.

파두 기업이야기에서도 고객 인증과 반복 주문이 제품의 생사를 갈랐다. Innodata는 재고를 납품하지 않지만 원리는 닮았다. 첫 주문은 가능성을 보여주고, 같은 고객의 더 큰 반복 주문과 두 번째 고객의 확대가 경제성을 증명한다.

따라서 다음 분기에 최대 고객 비중이 50% 아래로 내려갔다는 사실만 보면 안 된다. 최대 고객 금액, 둘째 고객 금액, 기타 고객 매출을 함께 계산해야 한다. 비중이 낮아졌는데 최대 고객 금액도 줄었다면 분산이 아니라 핵심 프로그램 축소일 수 있다.

6막. 영업현금 3726만달러에는 세 가지 시간이 섞였다

2026년 1분기 영업활동 현금은 3725만9000달러였다. 순이익 1489만8000달러보다 2.5배 많다. 설비 등에 쓴 242만1000달러를 빼면 단순 계산한 잉여현금은 약 3484만달러다. 겉으로는 아주 강한 현금 전환이다.

현금흐름표를 한 줄씩 내려가면 세 가지 시간이 보인다.

첫째는 실제 이익의 시간이다. 고객에게 서비스를 제공해 순이익 1489만8000달러를 냈다. 매출채권도 36만달러 줄어 현금에 작은 도움을 줬다. 매출이 급증했는데 받을 돈이 크게 쌓이지 않은 점은 좋다.

둘째는 현금을 쓰지 않은 보상의 시간이다. 주식보상 590만8000달러는 비용으로 순이익을 줄였지만 현금은 나가지 않았다. 현금흐름표에서는 다시 더한다. 현금에는 좋지만 주주의 몫에는 비용이다.

셋째는 지급 시점의 시간이다. 매입채무와 미지급비용 변화가 약 1160만달러, 미지급 급여가 493만달러, 세금 관련 변화가 188만달러의 현금을 보탰다. 비용을 인식했지만 아직 지급하지 않았거나 분기 말에 지급 일정이 뒤로 간 부분이다. 다음 분기에 현금이 나가면 반복되지 않는다.

따라서 3726만달러가 가짜라는 뜻은 아니다. 실제 현금은 들어왔고 매출채권도 잘 관리됐다. 다만 한 분기의 영업현금을 네 배 해 1년 현금으로 잡으면 안 된다. 순이익, 주식보상, 매입채무와 급여 지급 시점을 따로 봐야 한다.

현금과 단기투자자산은 2025년 말 8223만달러에서 2026년 3월 말 1억1737만달러로 늘었다. 회사는 5000만달러 규모의 Wells Fargo 신용한도를 쓰지 않았다고 밝혔다. 앞으로 12개월 예상 설비투자는 약 1210만달러다. 물리적 공장을 짓는 회사보다 자본 지출 부담이 작다.

이 점이 사람 중심 모델의 장점이다. 새 프로젝트를 받기 위해 거대한 반도체 공장을 먼저 지을 필요가 없다. 작업 공간과 보안, 컴퓨터와 관리 시스템을 준비하고 사람을 채용한다. 고객이 빠르게 돈을 지급하면 성장하면서 현금을 쌓을 수 있다.

동시에 주식으로 사람을 보상하는 비중이 커졌다. 2024년 주식보상은 400만달러였지만 2025년 1114만달러가 됐다. 2026년 1분기만 591만달러다. 3월 말 이미 부여됐지만 앞으로 비용으로 인식할 미인식 보상은 옵션 약 490만달러와 제한주식 약 4860만달러, 합계 약 5350만달러였다.

영업현금과 순이익 읽는 법에서 설명했듯 현금이 들어온 이유와 한 주의 몫이 늘어난 이유는 다를 수 있다. Innodata는 이 둘을 가장 선명하게 보여주는 사례다.

7막. 조정 EBITDA가 커질수록 주식 수도 함께 봐야 한다

2023년 말 실제 발행 주식은 약 2875만주였다. 2024년 말 약 3130만주, 2025년 말 3234만주, 2026년 4월 30일 3266만주가 됐다. 2년 4개월 동안 약 13.6% 늘었다.

주식 수 증가가 모두 나쁜 것은 아니다. 좋은 인재를 데려오고 그 인재가 매출과 이익을 더 빠르게 키운다면 기존 주주의 작은 지분도 더 큰 회사의 몫이 된다. 2023년부터 2025년까지 매출과 순이익이 주식 수보다 훨씬 빠르게 늘었다. 지금까지의 결과만 보면 보상이 성장을 만드는 데 기여했다고 볼 여지가 있다.

문제는 앞으로다. 2026년 3월 말 기존 옵션 가운데 약 241만주는 평균 행사가격이 3.48달러였고, 새 제도 옵션 약 50만주는 평균 24.44달러였다. 주가 63.63달러에서는 상당수가 행사될 유인이 있다. 제한주식 약 68만주도 남아 있다.

기본 주당이익 0.46달러와 희석 주당이익 0.42달러의 차이는 이미 이 영향을 보여준다. 회사 전체 순이익이 같아도 나눌 조각이 많아지면 한 조각의 이익은 작아진다. 조정 EBITDA에서 주식보상을 빼는 순간 사라졌던 비용이 희석 주식 수에서 다시 나타난다.

투자자가 볼 것은 주식보상 절대액 하나가 아니다. 네 숫자를 함께 본다.

1. 매출 대비 주식보상 비중이 2026년 1분기 6.6%에서 낮아지는가.
2. 기본 주식 수와 희석 주식 수의 차이가 9.0%보다 좁아지는가.
3. 발행 주식 수 증가율보다 주당이익 증가율이 높은가.
4. 미인식 보상 5350만달러가 비용으로 들어오는 동안 영업이익률이 유지되는가.

회사가 조정 수치만 강조할 때 일반 회계 영업이익과 순이익을 옆에 놓는 이유가 여기 있다. 주식보상은 좋은 인재를 묶는 도구일 수 있지만 공짜 인건비는 아니다.

8막. 공매도 보고서와 수사 종료 및 소송 기각은 서로 다른 증거다

Innodata를 깊이 보려면 불편한 사건도 빼면 안 된다. 2024년 2월 Wolfpack Research는 회사가 AI 역량을 과장하고 값싼 노동에 의존하며 기술적 차별성이 약하다는 취지의 보고서를 냈다. 이후 주가 하락을 근거로 한 집단소송이 제기됐고 SEC와 미국 법무부의 조사도 알려졌다.

여기서 공매도 보고서의 주장은 사실 확정이 아니다. 반대로 회사가 부인했다고 자동으로 거짓이 되는 것도 아니다. 증거의 높이를 나눠야 한다.

첫 번째 층은 주장이다. Wolfpack의 해석과 회사의 반박이 맞선다. 두 번째 층은 행정기관의 조치다. 회사가 2025년 6월 8-K에서 공개한 내용에 따르면 SEC와 법무부는 집행 조치 없이 조사를 종료했다.

세 번째 층은 법원의 판단이다. 2026년 4월 27일 법원 의견은 두 번째 수정 소장을 기각했다. 원고가 증권 사기에 필요한 허위 진술과 고의성 등을 충분히 주장하지 못했다는 절차적 판단이다. 모든 회사 설명이 재판을 통해 참이라고 인증된 것은 아니다.

네 번째 층은 실제 사업 결과다. 2023년 이후 매출이 2.9배가 되고 영업이익률이 두 자릿수로 올라왔으며 기존 고객이 더 큰 돈을 쓴 사실은 단순 홍보보다 강한 증거다. 반면 자체 특허가 거의 없고 사람 중심 원가이며 고객 집중이 높다는 사실은 공매도 논리의 일부 질문이 여전히 유효함을 보여준다.

결론은 “완전히 무혐의였으니 모든 의심이 끝났다”도, “사람이 많으니 AI가 아니다”도 아니다. 조사 종료와 소송 기각으로 법적 꼬리 위험은 낮아졌고, 급성장한 실제 매출은 사업 존재를 증명했다. 이제 남은 질문은 이 사업이 얼마나 오래 차별화된 이익을 낼 수 있느냐다.

이 구분은 앞으로 새 논란이 나올 때도 쓸 수 있다. 주장, 기관의 조치, 법원의 절차 판단, 실제 고객 지출과 현금을 한 표에 섞지 않는다. 서로 다른 증거가 같은 방향을 가리킬 때만 확신을 높인다.

9막. 정부 계약과 평가 플랫폼은 아직 매출보다 선택지에 가깝다

2026년 1월 Innodata는 미국 미사일방어청의 SHIELD 프로그램에서 기본계약 지위를 얻었다고 발표했다. 전체 사업 규모가 최대 1510억달러라는 숫자가 함께 보도됐다. 이 숫자를 Innodata 수주로 읽으면 큰 오류다.

SAM.gov 공고와 회사 발표를 함께 보면, Innodata는 앞으로 나오는 개별 과업에 입찰할 자격을 얻은 것이다. 첫 발표 1014개, 두 번째 1086개, 추가 340개를 합치면 대상 업체는 2440개에 이른다. 자격 명단은 수주잔고가 아니다.

Palantir 선정도 같은 기준으로 읽는다. 정부 데이터 현대화와 AI 사업에 참여할 수 있는 레퍼런스는 생겼지만 공개된 금액이 없다. 로고는 영업 문을 열고, 과업 수주는 매출을 만들며, 수행 뒤 갱신은 이익의 반복성을 만든다. 지금은 첫 단계다.

평가와 관측 플랫폼은 조금 다른 선택지다. 회사는 2026년 1분기 첫 계약 약 100만달러를 얻었고 15개 잠재 고객이 평가 중이며 두 개 초대형 클라우드 사업자와 판매 경로를 논의한다고 밝혔다. 서비스 인력을 투입한 뒤 끝나는 일이 아니라, 고객이 계속 모델을 시험할 때 반복 사용료를 받을 수 있다면 회사의 경제성이 달라진다.

위 이미지는 실제 플랫폼 화면이나 정부 시설이 아니다. AI 에이전트가 실전에 나가기 전 여러 시험실을 통과한다는 개념 장면이다. 에이전트는 답 한 줄만 내지 않는다. 도구를 고르고 다른 시스템을 호출하며 여러 단계를 실행한다. 실패 지점이 늘어날수록 평가의 가치도 커진다.

좋은 경우 플랫폼은 서비스의 경험을 제품으로 바꾼다. 수천 명이 발견한 오류 유형과 평가 기준을 소프트웨어에 축적하고, 고객이 새 모델을 낼 때마다 반복해서 쓴다. 매출이 인원과 똑같이 늘지 않아도 된다.

평가 수요가 모델 성능과 함께 사라질 것이라는 반론도 있다. AI가 똑똑해지면 사람이 채점할 일이 줄어든다는 생각이다. 단순한 분류에서는 맞을 수 있다. 그러나 모델이 답변 상자를 넘어 이메일을 보내고 결제하고 코드를 배포하는 에이전트가 되면 실패 비용과 시험 조합이 늘어난다.

예를 들어 여행 에이전트가 항공편을 찾는 답만 잘하면 끝이 아니다. 날짜와 여권 조건을 읽고, 사용자가 허락한 예산 안에서 결제하며, 취소 규정을 확인하고, 민감한 정보를 필요한 곳에만 보내야 한다. 각 도구가 따로 맞아도 순서가 틀리면 사고가 난다. 모델 한 개의 정답률보다 전체 업무의 성공률과 안전성을 시험해야 한다.

여기서 독립 평가자의 가치가 생긴다. 모델을 만든 팀은 자신들이 자주 쓰는 문제와 성공 사례에 익숙하다. 외부 운영사는 다른 언어와 직무 및 공격 경로를 섞어 보이지 않던 실패를 찾을 수 있다. 다만 이 독립성이 실제 경쟁력이 되려면 평가 기준의 소유권과 결과 데이터가 Innodata의 범용 도구 개선에도 남아야 한다. 고객 맞춤 산출물을 모두 고객이 소유하므로 학습 효과가 얼마나 회사에 축적되는지는 계속 물어야 한다.

나쁜 경우에는 플랫폼이라는 이름 아래 여전히 프로젝트 인력이 대부분의 일을 한다. 고객마다 평가 기준이 달라 매번 새로 설계하고, 100만달러 첫 계약이 일회성 컨설팅으로 끝난다. 단일 부문 공시 때문에 이 차이를 외부에서 확인하기도 어려워졌다.

그래서 선택지의 증거 순서를 정한다. 정부 프로그램 자격, 파트너 선정, 시험 고객, 유료 첫 계약, 반복 매출, 별도 이익의 순서다. 현재 SHIELD는 첫 단계, Palantir는 첫 단계와 둘째 사이, 평가 플랫폼은 유료 첫 계약 단계다. 2026년 실적 전망에 확정 매출처럼 모두 더하지 않는다.

10막. 63.63달러는 폭락한 가격이 아니라 높은 성장을 요구하는 가격이다

주가의 시간표를 실적과 겹쳐 보자. 2023년 마지막 거래일 종가는 8.14달러였다. 2024년 말 39.52달러, 2025년 말 50.95달러였다. 2026년 3월 30일에는 34.45달러까지 내려왔다.

5월 7일 1분기 발표 전 종가는 45.64달러였다. 매출이 시장 예상보다 18% 많고 조정 EBITDA가 예상보다 139% 많았다는 발표 뒤, 5월 8일 84.89달러가 됐다. 하루 상승률은 86.0%다. 5월 11일 103.83달러, 6월 4일 121.50달러까지 갔다가 7월 21일 63.63달러로 돌아왔다.

6월 고점 뒤 회사를 뒤집을 만한 단일 부정 공시는 찾기 어렵다. 따라서 하락 원인을 하나로 단정할 수 없다. 다만 5월의 큰 실적 충격이 단기간에 기대를 너무 높였고, 이후 실적이 아니라 가격 배수가 낮아진 영향이 컸다고 추론할 수 있다.

현재 가격이 싼지 숫자로 보자. 4월 30일 실제 발행 주식 3265만5358주에 63.63달러를 곱하면 지분가치는 약 20억7800만달러다. 시장 사이트에 표시되는 시가총액은 희석 주식 수나 시점 차이로 다를 수 있어 여기서는 SEC 실제 발행 주식을 썼다.

최근 12개월 매출은 2025년 2억5166만달러에서 2025년 1분기 5834만달러를 빼고 2026년 1분기 9009만달러를 더한 약 2억8342만달러다. 최근 12개월 순이익은 같은 방식으로 약 3929만달러다. 현재 지분가치는 최근 12개월 순이익의 약 52.9배다.

회사 전망 하단인 매출 3억5233만달러와 비교하면 약 5.9배다. 고점 121.50달러에서는 같은 방식의 지분가치가 약 39억6700만달러, 최근 12개월 순이익의 약 101배, 전망 하단 매출의 약 11.3배였다. 고점의 절반이 됐다는 사실과 절대 가격이 낮다는 말은 다르다.

작은 시나리오 계산을 해 보자. 이는 목표가격이 아니라 현재 가격이 요구하는 이익의 크기를 보는 연습이다.

매출 4억달러와 순이익률 17%를 달성해도 현재 가격은 그해 이익의 30배가 넘는다. 시장은 2026년 한 해보다 2027년 이후의 성장 지속을 산다. 반대로 고객 프로그램 하나가 줄어 매출과 가동률이 동시에 낮아지면 가격 배수는 빠르게 높아진다.

세 가정에서 순이익률이 달라지는 이유도 중요하다. 매출이 강할 때는 이미 채용한 관리자와 보안 및 작업도구 비용을 더 넓은 매출에 나눌 수 있다. 성장 둔화 때는 같은 고정 성격 비용을 작은 매출이 감당해야 한다. 매출 가정만 낮추고 1분기 16.5% 순이익률을 그대로 적용하면 경고 경로를 지나치게 낙관하게 된다.

반대로 2024년 순이익률을 그대로 미래에 쓰는 것도 어렵다. 그해에는 이연법인세 혜택이 있었다. 가격을 계산할 때는 일반 회계 영업이익률과 정상적인 세금, 희석 주식 수를 차례로 적용하는 편이 안전하다. 회사가 커질수록 매출 성장률보다 주당이익 성장률이 가격의 더 직접적인 답이 된다.

StockAnalysis의 2026년 7월 13일 집계에는 분석가 4명의 평균 목표가격이 122.75달러, 범위가 111달러에서 140달러로 나온다. 표본이 네 명뿐이고 평균이 6월 고점과 비슷하다. 독립적인 안전판보다 낙관 시나리오의 가격표로 보는 편이 맞다.

마이크로소프트 기업이야기에서 본 초대형 AI 지출이 계속되면 Innodata의 주문 풀도 커진다. 그러나 고객의 자본 지출이 늘었다고 그 돈이 자동으로 Innodata에 오는 것은 아니다. 모델 세대마다 데이터와 평가 예산이 어떻게 배분되는지, 고객이 내부화하지 않는지가 중간 다리다.

마지막 막. 다음 재평가를 가르는 세 가지 조건부 시나리오

이 회사는 매출 성장률 하나로 결론 내리기 어렵다. 사람 중심 생산라인, 짧은 계약, 큰 고객, 높은 가격 기대가 한꺼번에 움직인다. 다음 분기부터는 아래 세 경로 중 어디에 가까워지는지 본다.

시나리오 1. 평가 인프라 회사로 올라서는 경우

만약 2026년 매출이 40% 이상 성장하고 최대 고객의 매출 금액도 늘면서 비중은 낮아지며, 새 Big Tech 고객의 예상 5100만달러가 실제 분기 매출로 확인된다면 고객 분산은 건강하게 진행되는 것이다.

여기에 일반 회계 매출총이익률이 44% 안팎을 유지하고 평가 플랫폼의 첫 100만달러 계약이 여러 반복 고객으로 늘어나야 한다. 사람을 더 뽑는 속도보다 매출이 빠르고, 주식보상과 주식 수 증가율은 이익 증가율보다 낮아야 한다.

이 경우 Innodata는 단순 데이터 외주사가 아니라 AI가 새로 나올 때마다 시험 기준과 품질 운영망을 제공하는 기반 회사로 평가받을 수 있다. 1만명은 비용 덩어리가 아니라 경쟁사가 짧은 시간에 만들기 어려운 글로벌 심판망이 된다.

확인할 숫자는 기타 Big Tech 매출, 최대 고객과 두 번째 고객의 달러 금액, 일반 회계 매출총이익률, 직원 1인당 대략적 매출, 평가 플랫폼의 반복 매출, 기본과 희석 주식 수다.

시나리오 2. 좋은 서비스 회사로 성장하지만 주가는 흔들리는 경우

만약 연매출이 시장 예상 범위인 약 3억5230만달러에서 3억6530만달러에 머물고 매출총이익률이 40%에서 44% 사이를 오가며, 새 사업이 매출은 만들지만 별도로 공개할 정도는 아니라면 본업은 여전히 좋다.

그러나 현재 지분가치 20억7800만달러는 이미 여러 해의 성장을 요구한다. 분기 프로젝트 구성에 따라 매출총이익률이 오르내리고 분석가 전망이 조금만 낮아져도 주가는 실적보다 크게 움직일 수 있다. 현금은 쌓이지만 평가 배수는 내려갈 수 있다.

이 경우 “회사가 나빠졌다”와 “가격이 앞서갔다”를 구분해야 한다. 매출과 이익 및 현금이 증가해도 주가가 고점에 바로 돌아가지 않을 수 있다. 가장 중요한 질문은 다음 해에도 30% 이상의 성장을 이어갈 새 고객과 새 제품이 보이는가다.

시나리오 3. 고객 주문이 줄고 사람이 먼저 남는 경우

만약 최대 고객 프로그램이 축소되거나 새 5100만달러 계약의 투입이 늦어져 성장률이 회사 전망을 밑돌고, 이미 채용한 인력의 가동률이 낮아져 매출총이익률이 40% 아래로 내려간다면 사람 중심 모델의 반대편이 드러난다.

매출채권이 늘고도 매출이 둔화되거나, 매입채무 지급으로 영업현금이 순이익보다 약해지고, 주식보상이 매출의 6% 이상으로 남으며 희석 주식 수가 계속 빨리 늘면 한 주의 몫은 더 작아진다. 평가 플랫폼과 정부 사업이 로고만 남고 실제 매출을 공개하지 못하면 성장 선택지도 낮춰 잡아야 한다.

이 경우 63.63달러는 고점 대비 싸 보이더라도 이익 대비로는 비쌀 수 있다. 짧게 끝낼 수 있는 고객 계약과 높은 고정 인력 비용이 동시에 작동하기 때문이다.

마지막으로 매 분기 일곱 줄만 적으면 된다.

1. 분기 매출과 회사의 40% 이상 성장 전망 사이의 거리.
2. 최대 고객과 상위 두 고객의 비중뿐 아니라 실제 달러 매출.
3. 일반 회계 매출총이익률과 영업이익률.
4. 직원 수와 직원당 대략적 매출의 방향.
5. 조정 EBITDA, 일반 회계 영업이익, 주식보상의 차이.
6. 순이익에서 영업현금으로 가는 길과 매입채무 및 급여 지급 시점.
7. 평가 플랫폼과 연방정부 사업의 실제 계약 매출 및 기본과 희석 주식 수.

Innodata를 이해하는 가장 쉬운 문장은 “AI 뒤에 사람이 있다”다. 그러나 투자 판단에 필요한 문장은 한 걸음 더 길다.

AI가 강해질수록 사람의 일이 없어지는 것이 아니라, 어떤 사람의 판단을 얼마나 빠르고 일정하게 모으느냐가 더 중요해질 수 있다. Innodata가 그 판단을 한두 고객의 급한 프로젝트에서 반복 가능한 평가 인프라로 바꾸는 순간은 아직 진행 중이다. 주가는 그 가능성을 이미 상당 부분 사고 있으므로, 다음 답은 이야기보다 고객 분산과 일반 회계 이익 및 한 주의 몫에서 나와야 한다.

import dartlab

c = dartlab.Company("INOD")
c.panel("IS")