Microsoft는 왜 금융·법률·데이터 AI 회사를 사들이나

EU DMA 인수 목록에 드러난 Microsoft의 기업용 AI 흡수 전략

Copilot 이후의 경쟁은 AI가 실제 업무를 얼마나 검증 가능하게 수행하느냐에 달려 있다

올해 EU 디지털시장법, DMA의 게이트키퍼 인수 목록에서 Microsoft의 움직임은 매우 기업적이다.

Google이 기업 데이터 기반 에이전트와 클라우드 보안, 3D 생성 AI에 집중하고, Apple이 센서와 창작 도구를 기기 경험 안에 녹이며, Amazon이 로봇과 물류·배송 인프라를 향하고, Meta가 AI 에이전트와 소셜 상호작용의 미래를 보고 있다면, Microsoft는 가장 명확하게 기업 업무의 중심을 겨냥한다.

금융 AI 리서치.
법률 프로세스 자동화.
AI 애플리케이션 품질 평가.
에이전트 성능 개선.
데이터 정리·변환·통합 자동화.
자연어 웹 연구.
차등 프라이버시.

DMA 목록에 나타난 Microsoft의 거래들은 AI가 기업 내부에서 실제로 일을 하기 위해 필요한 층위를 보여준다.

가장 최근 항목은 Fintool이다.

2026년 3월 Microsoft는 Blocktool Inc., 즉 Fintool의 전체 주식을 인수해 단독 지배권을 확보했다고 통지했다. Fintool은 샌프란시스코 기반 회사로, 금융 AI 리서치 도구를 개발하는 기업으로 설명된다.

이 항목은 Microsoft의 AI 전략이 어디로 가는지 잘 보여준다.

Microsoft는 이미 Office, Teams, Outlook, Excel, PowerPoint, Dynamics, LinkedIn, GitHub, Azure를 가진 기업 업무 플랫폼이다. 여기에 AI가 들어가면 가장 먼저 바뀌는 것은 문서 작성이나 이메일 요약이다. 그러나 그다음 단계는 훨씬 더 전문적인 업무다. 금융 리서치, 법률 검토, 데이터 분석, 품질 평가, 리스크 관리처럼 정확성과 검증이 중요한 영역이다.

Fintool은 바로 이 전문 업무 영역을 가리킨다.

금융 리서치는 단순한 요약이 아니다. 기업 실적, 시장 데이터, 재무제표, 규제 공시, 투자 논리, 리스크 요인을 종합해야 한다. AI가 이 영역에서 작동하려면 단순 언어 능력보다 출처 추적, 계산 정확성, 데이터 연결, 감사 가능성이 중요하다. Microsoft가 금융 AI 리서치 도구 회사를 확보했다는 것은, Copilot이 일반 생산성 보조를 넘어 전문직 업무 도구로 확장되고 있음을 보여준다.

두 번째 축은 법률 자동화다.

2025년 12월 Microsoft는 Robin AI Limited의 여러 전직 직원을 채용했고, 통지 시점에 Robin의 잠재적 자산 인수를 평가하고 있다고 밝혔다. Robin은 법률 프로세스를 자동화하고 간소화하도록 설계된 AI 기반 소프트웨어를 개발한 영국 회사로 설명된다.

법률은 AI 도입이 빠르면서도 조심스러운 영역이다.

계약서 검토, 조항 비교, 리스크 탐지, 법률 문서 작성, 판례·규정 검색, 실사 업무는 AI가 도울 수 있는 대표적 업무다. 그러나 법률 AI는 환각과 책임 문제가 크다. 잘못된 조항을 추천하거나 존재하지 않는 판례를 제시하면 피해가 크다. 따라서 법률 자동화에는 검증과 출처, 권한, 감사 기록이 필수다.

Microsoft가 Robin AI 인력과 자산 가능성을 검토한 것은, 기업용 Copilot이 법무 업무로 확장될 수 있음을 보여준다.

Microsoft 365 안에는 이미 Word, Outlook, Teams, SharePoint가 있다. 법률 업무는 이 도구 안에서 이뤄진다. 계약서는 Word로 작성되고, 협상은 이메일과 Teams로 진행되며, 문서는 SharePoint에 저장된다. 여기에 법률 AI가 결합되면, Microsoft는 단순 문서 도구에서 법무 워크플로 플랫폼으로 확장될 수 있다.

세 번째 축은 AI 품질 평가와 에이전트 성능이다.

2025년 11월 Microsoft는 Pi Labs를 인수했다. Pi Labs는 AI 애플리케이션 품질과 에이전트 성능을 평가하고 개선하는 도구를 개발하는 스타트업이다.

이 항목은 작지만 매우 중요하다.

AI가 기업 업무에 들어가면 질문은 “AI가 답을 잘하느냐”에서 “AI가 업무를 안정적으로 수행하느냐”로 바뀐다. 특히 에이전트형 AI는 한 번 답변하고 끝나지 않는다. 여러 단계를 계획하고, 도구를 호출하고, 데이터를 읽고, 파일을 만들고, 이메일을 보내고, 시스템을 업데이트할 수 있다.

이때 필요한 것은 품질 평가다.

에이전트가 목표를 제대로 이해했는가.
중간 단계에서 잘못된 도구를 호출하지 않았는가.
권한을 넘어선 행동을 하지 않았는가.
출력 결과가 의도와 맞는가.
오류가 반복되는 패턴은 무엇인가.
업무별 성공률과 실패율은 어떻게 측정할 것인가.

Pi Labs가 개발한다는 AI 애플리케이션 품질과 에이전트 성능 평가 도구는 바로 이 문제를 다룬다. Microsoft가 이를 확보했다는 것은 기업용 AI 경쟁에서 평가와 검증이 핵심 인프라가 되고 있음을 보여준다.

이는 사티아 나델라가 최근 말한 “모델을 내부자 리스크처럼 다뤄야 한다”는 문제의식과도 맞닿아 있다.

AI 에이전트가 기업 내부에서 중요한 행동을 수행하려면, 모델 자체를 믿는 것만으로는 부족하다. 어떤 작업을 했는지 관찰하고, 성능을 평가하고, 실패를 테스트하고, 독립적으로 검증할 수 있어야 한다. Pi Labs 같은 기술은 AI를 실제 업무 시스템에 넣기 위한 품질 관리 층위가 된다.

네 번째 축은 데이터 엔지니어링 자동화다.

2025년 11월 Microsoft는 42Layers Corp, 즉 Osmos를 인수했다. Osmos는 데이터 정리, 변환, 통합을 자동화하는 데이터 엔지니어링 도구를 제공하는 미국 회사로 설명된다.

AI는 데이터 없이는 작동하지 않는다.

기업 AI 프로젝트가 실패하는 가장 흔한 이유 중 하나는 모델이 부족해서가 아니라 데이터가 정리되어 있지 않기 때문이다. 데이터는 여러 시스템에 흩어져 있고, 형식은 다르며, 중복과 오류가 있고, 권한과 품질 문제가 얽혀 있다. AI가 업무를 수행하려면 이 데이터를 읽고 연결하고 정리해야 한다.

Osmos는 바로 이 기반 작업과 관련된다.

데이터 정리와 변환, 통합을 자동화하는 능력은 Microsoft의 Azure, Fabric, Power BI, Dynamics, Microsoft 365와 연결될 수 있다. AI가 기업 내부에서 작동하려면, 먼저 기업 데이터가 AI가 사용할 수 있는 형태로 정돈되어야 한다. 따라서 데이터 엔지니어링 자동화는 AI 애플리케이션의 보이지 않는 기반이다.

다섯 번째 축은 자연어 웹이다.

2025년 4월 Microsoft는 Mahi Labs를 인수했다. Mahi Labs는 Natural Language Web 연구를 하는 스타트업으로 설명된다.

자료에는 구체적 설명이 많지 않다.

그러나 “Natural Language Web”이라는 표현은 의미심장하다. 웹과 소프트웨어를 명령어, 메뉴, 클릭 중심이 아니라 자연어로 조작하는 방향을 떠올리게 한다. Microsoft의 Copilot 전략과 연결하면, 사용자는 앞으로 앱을 일일이 조작하기보다 자연어로 목표를 말하고 AI가 웹과 업무 도구를 대신 움직이는 방식으로 이동할 수 있다.

이때 Microsoft가 가진 자산은 강력하다.

Windows, Edge, Bing, Microsoft 365, Teams, GitHub, Azure, LinkedIn은 모두 사용자가 일하고 검색하고 개발하고 소통하는 표면이다. Natural Language Web 연구는 이 표면을 자연어 인터페이스로 연결하는 기술적 기반이 될 수 있다.

여섯 번째 축은 프라이버시 기술이다.

2025년 3월 Microsoft의 자회사 LinkedIn은 Tumult Labs의 직원을 채용하고, Tumult Labs로부터 비독점 IP 라이선스를 확보했다. Tumult Labs는 민감 데이터를 안전하게 공유하고 분석할 수 있도록 하는 차등 프라이버시 솔루션 제공사로 설명된다. 이 통지는 Microsoft가 이러한 채용과 비독점 라이선스 계약이 EU 기업결합규정상 concentration에 해당하지 않는다는 견해를 전제로 제출됐다.

이 항목은 Microsoft의 데이터 전략과 연결된다.

기업용 AI에서 가장 민감한 문제는 데이터다. 특히 LinkedIn은 방대한 직업·경력·기업·네트워크 데이터를 갖고 있다. AI가 이런 데이터를 활용하려면 개인정보 보호와 통계적 분석 사이의 균형이 필요하다. 차등 프라이버시는 개인의 식별 가능성을 낮추면서 집계 분석을 가능하게 하는 기술이다.

Tumult Labs 항목은 Microsoft가 AI와 데이터 분석의 확장 과정에서 프라이버시 보존 기술을 확보하려는 흐름으로 읽을 수 있다.

여기까지 보면 Microsoft의 2025~2026년 목록은 하나의 기업 AI 스택처럼 배열된다.

Fintool은 금융 전문 업무다.
Robin AI는 법률 자동화다.
Pi Labs는 AI 애플리케이션 품질과 에이전트 성능 평가다.
Osmos는 데이터 정리·변환·통합이다.
Mahi Labs는 자연어 웹이다.
Tumult Labs는 차등 프라이버시다.

이 조합은 Microsoft가 AI를 어디에 넣으려는지 보여준다.

Microsoft는 AI를 소비자용 대화 서비스에만 두지 않는다. 기업의 실제 업무, 전문직 프로세스, 데이터 파이프라인, 평가 시스템, 개인정보 보호, 웹 조작 방식에 넣으려 한다. 이는 Copilot을 단순한 문서 작성 보조에서 기업 운영의 인터페이스로 확장하려는 전략이다.

Microsoft의 강점은 이미 기업 안에 깊이 들어가 있다는 점이다.

직원들은 Outlook으로 메일을 보내고, Teams로 회의하고, Word와 Excel로 문서를 만들고, PowerPoint로 보고하고, SharePoint에 파일을 저장하고, GitHub에서 개발하고, Azure에서 시스템을 돌린다. Microsoft는 이 업무 표면을 이미 갖고 있다. AI가 이 표면 위에 얹히면, 사용자는 별도의 AI 앱으로 이동하지 않아도 된다.

그래서 Microsoft에게 중요한 것은 모델 하나가 아니다.

업무 데이터에 접근하는 권한.
전문 업무를 이해하는 도메인 도구.
AI가 만든 결과를 평가하는 품질 체계.
에이전트 성능을 측정하는 방법.
데이터를 정리하고 연결하는 엔지니어링.
개인정보를 보호하는 분석 기술.

DMA 목록의 Microsoft 항목들은 이 층위를 하나씩 채우고 있다.

특히 Pi Labs와 Osmos는 AI 도입의 현실을 보여준다.

기업은 멋진 데모보다 안정적 운영을 원한다. AI가 한 번 그럴듯한 답을 하는 것보다, 반복 업무를 지속적으로 정확하게 처리하고, 실패했을 때 이유를 추적하고, 데이터 품질을 관리하고, 규제와 감사에 대응할 수 있어야 한다. Pi Labs는 품질과 에이전트 성능을, Osmos는 데이터 기반을 다룬다.

이것이 Microsoft다운 AI 경쟁 방식이다.

OpenAI와의 관계, Azure 인프라, Copilot 제품군은 Microsoft AI 전략의 전면이다. 그러나 DMA 목록은 그 전면 뒤에서 Microsoft가 어떤 작은 부품을 모으고 있는지 보여준다. 금융, 법률, 데이터, 평가, 프라이버시, 자연어 웹. 이들은 모두 기업 AI가 실제 돈을 벌기 위해 필요한 조각이다.

Microsoft는 AI를 “업무의 운영체제”로 만들려 한다.

Windows가 PC의 운영체제였다면, Copilot은 기업 업무의 자연어 운영체제가 될 수 있다. 사용자는 파일을 찾고, 회의를 요약하고, 계약을 검토하고, 재무 자료를 분석하고, 데이터를 정리하고, 고객 대응을 준비하고, 코드를 만들고, 보고서를 작성한다. AI는 이 과정을 연결하는 인터페이스가 된다.

하지만 그 인터페이스가 신뢰받으려면 검증이 필요하다.

금융 리서치는 틀리면 투자 판단을 왜곡한다.
법률 자동화는 틀리면 계약 리스크를 만든다.
데이터 통합은 틀리면 분석 전체를 망친다.
에이전트 성능 평가는 부실하면 자동화 실패를 감지하지 못한다.
프라이버시 기술이 약하면 민감 데이터가 노출된다.

따라서 Microsoft의 AI 전략은 생산성 향상만이 아니라 책임 있는 운영 체계와 연결된다.

올해 Microsoft 항목이 중요한 이유도 여기에 있다.

Fintool 하나만 보면 금융 AI 도구 인수다.
Robin AI 하나만 보면 법률 자동화 인재 확보다.
Pi Labs 하나만 보면 AI 평가 도구 인수다.
Osmos 하나만 보면 데이터 엔지니어링 도구 인수다.

하지만 이들을 연결하면 Copilot 이후의 Microsoft 전략이 보인다.

AI가 문서를 대신 쓰는 단계를 넘어, 기업 업무의 전문 영역으로 들어가고 있다. 그리고 그 전문 영역에서 AI를 쓰기 위해 필요한 것은 더 큰 모델만이 아니라 데이터, 품질 평가, 프라이버시, 도메인별 워크플로다.

Microsoft는 바로 이 실행 계층을 사들이고 있다.

이 전략은 규제적으로도 중요하다.

Microsoft는 2024년 Inflection 사례에서 Mustafa Suleyman과 Inflection 직원 64명을 채용하고, Inflection의 비독점 IP 라이선스를 포함한 계약을 체결한 바 있다. DMA 목록은 이 거래가 Microsoft의 기업결합이 아니라는 견해를 전제로 통지됐다고 설명한다.

Inflection 사례는 AI 인재와 IP가 회사 전체 인수 없이 이동할 수 있음을 보여준 상징적 사건이었다.

2025년 Robin AI, Tumult Labs 같은 항목에서도 인력 채용과 비독점 IP 라이선스 구조가 반복된다. 이는 Microsoft가 필요한 기술과 사람을 회사 전체 인수 외의 방식으로도 흡수하고 있음을 보여준다. AI 시대의 경쟁력은 반드시 지분 인수로만 이동하지 않는다.

Microsoft는 기업 AI의 가장 현실적인 전장을 보고 있다.

그 전장은 소비자 챗봇 앱이 아니다.
대기업의 법무팀, 재무팀, 데이터팀, 개발팀, 영업팀, 고객지원팀이다.
그 전장은 한 번의 답변이 아니라 매일 반복되는 업무 프로세스다.
그 전장은 모델 성능이 아니라 데이터 연결, 권한, 품질, 감사, 프라이버시다.

DMA 목록의 Microsoft 항목은 이 전장을 선명하게 보여준다.

AI 경쟁의 다음 단계는 누가 더 멋진 답을 하는가가 아니다. 누가 AI를 기업 업무에 더 안전하고 검증 가능하게 넣을 수 있는가다. Microsoft는 그 문제를 해결하기 위해 금융, 법률, 데이터, 평가, 프라이버시 기술을 모으고 있다.

결국 Microsoft의 올해 움직임은 Copilot의 다음 단계를 보여준다.

Copilot은 업무를 도와주는 AI에서 출발했다.
다음 Copilot은 업무를 수행하는 AI가 된다.
그다음 Copilot은 업무를 평가하고, 데이터와 연결하고, 규제와 감사에 대응하는 기업 운영 계층이 되어야 한다.

Fintool, Robin AI, Pi Labs, Osmos, Mahi Labs, Tumult Labs는 그 방향의 조각들이다.

Microsoft는 AI 모델 하나를 앞세우는 회사가 아니다. Microsoft는 AI가 들어갈 업무 표면을 이미 갖고 있다. 이제 필요한 것은 그 표면에서 AI가 실수하지 않도록 데이터와 평가, 프라이버시와 도메인 지식을 채우는 일이다.

올해 DMA 목록은 Microsoft가 바로 그 조각들을 사들이고 있음을 보여준다.

AI가 기업의 일상 업무로 들어갈수록, 승부는 모델의 말솜씨가 아니라 업무를 끝까지 책임지는 능력에서 난다. Microsoft는 그 책임의 인프라를 구축하고 있다.