AI 광고 에이전트 회사에 청약 증거금 6.6조가 몰렸다

올해 국내 IPO 청약 기록이 AI 마케팅 회사에서 나왔다. 애드테크 기업 매드업의 일반청약에 6조 6000억원의 증거금이 들어왔다. 일반 배정 물량 50만 주에 16억 5238만 주가 몰려 경쟁률 3305대 1, 올해 코스피·코스닥을 통틀어 최고치다. 공모가는 희망 밴드 상단인 8000원으로 확정됐고, 상장 후 예상 시가총액은 약 1500억원이다. 상장일은 7월 1일, 주관사는 미래에셋증권이다.

기관 수요예측도 뜨거웠다. 6월 12일부터 18일까지 국내외 2392개 기관이 참여해 1396대 1을 기록했다. 광고 대행이라는, 한동안 사양 취급을 받던 업종에 이만한 자금이 쏠린 이유는 회사가 내건 한 문장에 압축돼 있다. "LLM도 못 보는 1조원짜리 광고 데이터."

한눈에 보기

범용 모델이 아니라 1조원짜리 데이터를 팔았다

매드업의 주력은 자체 개발한 AI 광고 에이전트 레버 엑스퍼트(LEVER Xpert)다. 이름값보다 중요한 건 그 밑에 깔린 자산이다. 회사는 수년간 쌓은 누적 1조원 이상의 광고 집행 데이터를 보유했다고 밝힌다. 어떤 소재가 어떤 타깃에서 얼마에 전환됐는지, 실제 돈이 오간 결과가 라벨로 붙어 있는 데이터다.

이 지점이 투자자에게 먹힌 핵심이다. 누구나 같은 범용 LLM에 API로 접속하는 시대에, 매드업이 판 것은 모델이 아니라 모델이 학습하지 못한 사적 결과 데이터였다. 공개 웹에 없는 데이터, 경쟁사가 복제할 수 없는 집행 이력이 에이전트의 판단 정확도를 끌어올린다는 논리다. 광고는 결과가 숫자로 떨어지는 영역이라 이 주장이 검증 가능하다는 점도 컸다.

레버 엑스퍼트가 실제로 자동화하는 일은 광고 운영의 반복 노동이다. 어떤 소재를 어느 매체에 띄울지 고르고, 예산을 채널별로 쪼개고, 성과가 떨어지는 캠페인을 끄고, 입찰가를 시시각각 조정하는 작업. 과거에는 사람 여러 명이 대시보드를 들여다보며 손으로 하던 일이다. 에이전트는 이 의사결정을 1조원어치 집행 이력에 비춰 자동으로 돌린다. 사람은 전략과 예외 판단만 남기고, 기계적 최적화는 넘긴다. 매드업이 광고 대행이라는 인건비 무거운 사업에서 마진을 키운 방식이 여기에 있다.

자본이 'AI를 말하는 회사'에서 'AI로 버는 회사'로 옮겨가고 있다

지난 1~2년 IPO 시장은 모델 자체나 인프라를 내세운 곳에 베팅했다. 매드업의 흥행은 무게중심이 한 칸 옮겨갔음을 보여준다. 시장이 묻는 질문이 "어떤 모델을 쓰나"에서 "그 모델로 실제 매출을 만들었나"로 바뀌었다.

매드업은 적자 기술기업이 아니라 광고 대행과 솔루션으로 매출과 이익을 내온 회사다. 거기에 AI 에이전트를 얹어 사람이 하던 매체 운영, 소재 테스트, 입찰 최적화를 자동화했다. 신기술 서사가 아니라 기존 현금흐름 위에 AI를 붙여 마진을 키운 구조다. 6.6조원이라는 숫자는 이 조합에 시장이 매긴 가격표다.

물론 청약 열기가 곧 사업의 안전을 뜻하지는 않는다. 광고 시장은 경기에 민감하고, 거대 플랫폼이 자체 AI 최적화 도구를 무료로 끼워 넣으면 독립 애드테크의 입지는 좁아진다. 상장 직후 단기 주가는 유통 물량과 분위기에 흔들리기 마련이다. 그럼에도 이번 흥행이 남긴 메시지는 분명하다. 자본은 'AI를 말하는 회사'가 아니라 'AI로 이미 버는 회사'에, 그것도 남이 못 가진 데이터를 깔고 앉은 회사에 값을 매기기 시작했다.

anyAX 관점

매드업이 IPO에서 판 핵심 문장은 "LLM도 못 보는 1조원 데이터"였다. 여기에 AI 우선 팀이 챙길 교훈이 다 들어 있다. 같은 모델을 모두가 쓸 수 있게 된 순간, 값이 매겨지는 건 모델이 아니라 모델에 먹일 남이 못 가진 데이터다.

1인 SaaS 개발자나 소규모 AI 에이전시가 흔히 빠지는 함정은 더 좋은 모델, 더 영리한 프롬프트로 차별화하려는 것이다. 매드업은 반대로 갔다. 누적 1조원의 집행 이력처럼, 자기 사업에서만 쌓이는 결과 데이터를 해자로 삼았다. 동네 가게 한 곳을 대행하더라도 그 가게의 전환 데이터가 매달 쌓이면, 6개월 뒤 그 데이터는 어떤 범용 광고 AI도 따라오지 못하는 자산이 된다.

그래서 지금 할 일은 분명하다. 고객과 일하는 모든 접점에서 결과를 라벨링해 모아라. 어떤 카피가 팔렸고 어떤 타깃이 죽었는지, 성공과 실패를 숫자로 남겨라. 작게 시작해도 된다. 클라이언트 다섯 곳의 캠페인 결과를 구조화된 표로 6개월만 쌓아도, 그 표는 어떤 범용 광고 AI에도 없는 입력이 된다. 모델은 빌리고, 그 위에 자기 데이터를 얹는다는 그림이다.

핵심은 데이터를 '보유'하는 게 아니라 '결과까지 연결해' 모으는 것이다. 클릭 수만 쌓으면 누구나 가진 로그지만, 그 클릭이 매출로 이어졌는지까지 붙이면 판단의 재료가 된다. 매드업이 1조원이라는 숫자를 자랑한 건 집행 규모가 아니라 그 규모만큼의 결과 라벨을 쥐고 있다는 뜻이었다. 3305대 1은 더 똑똑한 에이전트가 아니라, 그 에이전트가 혼자 본 데이터에 붙은 값이다.

참고

• 매드업, 일반청약 경쟁률 3305대 1 (뉴스핌)
• 매드업, 공모가 8000원 확정 (서울경제)
• "LLM도 못 보는 1조원 광고 데이터"…매드업, 내달 코스닥 상장 (더퍼블릭)
• 매드업, AI 에이전트 '레버 엑스퍼트' 앞세워 코스닥 출사표 (대한경제)