Serval은 2026년 8월 20일 자사 플랫폼을 사용하는 모든 조직에 지능형 에이전트 Catalyst를 제공했으며, 기본적으로 활성화했다. 회사는 Catalyst를 IT 서비스 관리 플랫폼 위에 놓이는 통합 관리 계층으로 설명한다. Catalyst는 반복적인 업무를 분석하고 자동화해야 할 작업을 제안한 뒤, 관리자가 모든 단계를 수동으로 지정하기를 기다리지 않고 자동화에 필요한 구성 요소를 준비할 수 있다.
Catalyst는 지원 티켓 기록, 표준 운영 절차(SOP), 자연어로 작성된 지침을 검사한 뒤 헬프데스크를 위한 워크플로와 스킬, 액세스 관리 및 직원 입·퇴사 과정을 위한 양식과 정책, 대시보드를 준비할 수 있다. 사용자는 문서화된 절차나 스프레드시트를 업로드하고 이를 실행 가능한 시스템으로 변환하도록 요청할 수도 있으며, 결과물은 게시하기 전에 검토할 수 있도록 초안 단계로 유지된다.
텍스트 요청에서 실행 가능한 워크플로까지
Serval의 공동 창업자 겸 최고경영자 Jake Stauch가 진행한 시연에서 Catalyst는 Okta, Google Workspace, Microsoft Entra와 같은 연결된 시스템을 발견한 뒤 비밀번호 재설정 워크플로를 생성했다. 또한 작업을 실행하기 위한 TypeScript로 작성된 기본 코드를 생성했으며, 승인을 추가하고 워크플로를 실행할 수 있는 주체를 제한할 수 있다.
Serval은 Catalyst가 플랫폼 설정을 위한 주요 인터페이스가 되도록 설계됐으며, 향후 관리자가 기존 인터페이스에서 수행할 수 있는 모든 작업을 Catalyst를 통해 실행할 수 있게 될 것이라고 말한다. 이 플랫폼은 운영 문제를 조사하고 워크플로 실패 상태를 수정하는 기능도 지원한다.
티켓이 열리기 전에 작동하는 에이전트
Catalyst의 가장 차별화된 부분은 연결된 시스템에서 일정에 따라 작동하고 여러 신호를 연결해 새롭게 발생하는 문제를 찾으며 해결책을 제안하는 백엔드 에이전트다. Serval이 제시한 예에서 한 에이전트는 두 사무실의 네트워크 사고를 스위치, DHCP 및 티켓 기록 데이터와 연결하고, 하드웨어 장애와 무선 간섭을 배제한 뒤 원인이 구성 편차라고 결론 내렸다. 이어 관리자의 승인이 필요한 해결 워크플로를 생성했다.
이 발표가 중요한 이유는 무엇인가? 여기서 초점은 티켓 처리 주기를 개선하는 데서 티켓 자체의 수를 줄이는 것으로 이동한다. 비밀번호 재설정 요청, 액세스 문제 또는 반복적인 장애를 기다리는 대신 플랫폼은 반복적인 업무를 재사용 가능한 자동화로 전환한 뒤 추가 기회를 지속적으로 찾으려 한다. 그러나 이러한 방향은 Serval만의 것은 아니다. ServiceNow는 Build Agent와 AI Agent Advisor 같은 도구를 제공하고, Atlassian은 Rovo 기능을 제공하며, Freshworks는 Freddy AI Agent Studio를 통해 에이전트 생성을 지원한다. 따라서 Serval의 핵심 주장은 단순히 한 문장으로 워크플로를 생성하는 것이 아니라 자동화 기회를 발견하고 구축하며 거버넌스를 적용하는 주기를 하나의 관리 인터페이스로 압축한다는 데 있다.
모델, 거버넌스 및 데이터
Serval은 자체 파운데이션 모델을 개발하지 않고, 여러 연구소의 모델을 테스트해 각 작업에 가장 적합한 모델을 선택한다고 말한다. Stauch는 2026년 5월 Sequoia Capital과의 인터뷰에서 OpenAI 모델이 사용자 상호작용과 도구 호출에서 더 나았고, Anthropic의 Sonnet 및 Opus 모델은 코드 생성에서 더 강력한 결과를 제공했다고 밝혔다. 회사 문서는 기업 관리자가 자체 OpenAI 또는 Anthropic 키를 입력할 수 있도록 하며, 여기에는 호환되는 사용자 지정 엔드포인트도 포함된다. 그러나 공개된 자료만으로는 모든 사용자가 셀프서비스 목록에서 원하는 모델을 자유롭게 선택할 수 있다는 사실이 입증되지 않는다.
Serval은 Catalyst가 사용자의 권한을 상속하며 사용자의 팀 작업 공간에 계속 제한되고, Catalyst가 생성하는 모든 항목은 초안으로 시작한다고 말한다. 조직은 게시 권한을 제한하거나 자동화를 활성화하기 전에 공식적인 검토와 승인을 의무화할 수 있다. 주요 서비스 계약에 따라 고객은 자신의 자료와 Serval의 결과물에 대한 권리를 보유하며, 회사는 고객의 입력이나 결과물을 자체 모델 또는 다른 업체의 모델을 훈련하는 데 사용하지 않는다고 말한다. 그럼에도 Serval과 승인된 하위 처리자는 계약 조건에 따라 서비스 운영, 지원 및 보호를 위해 고객 데이터를 처리한다.
서비스는 SaaS 클라우드 또는 고객 환경에서 실행할 수 있다. 여기에는 고객 소유 AWS 계정 내에서 Serval이 관리하는 배포와, 클라우드 또는 온프레미스 Kubernetes 클러스터에서 고객이 관리하는 배포가 포함된다. 가격은 공개되지 않았으며 배포 규모와 사용량에 따라 결정된다. 일반적으로 플랫폼 요금 하나가 부과되고, 요구 사항을 산정하기 위한 초기 평가가 제공된다.
사용 지표와 다음 시험
Serval은 베타 버전에 참여한 고객의 90% 이상이 Catalyst를 통해 자동화를 시작했다고 말한다. 회사가 제시한 고객 사례에 따르면 Ramp는 워크플로 구축 속도를 50% 높였고 노트북 600대 교체를 자동화해 150시간을 절약했다. Together AI는 필요할 때 Serval이 인프라 액세스 요청의 95%를 자동화한다고 말한다. 이러한 수치는 Serval 또는 고객이 고객 사례에서 제시한 것이며, 독립적인 평가를 나타내지는 않는다.
가장 중요한 시험은 Catalyst가 규모가 크고 맞춤화됐으며 복잡한 기업 환경에서 작동할 수 있는지 여부다. 경쟁사들도 애플리케이션을 생성하고 자동화 기회를 발견하기 위한 도구를 개발하고 있다. 이에 따라 Serval의 가치는 운영 기록, 코드, 권한, 승인 및 사전 대응형 에이전트를 거버넌스가 가능한 하나의 주기로 연결하는 데 얼마나 성공하느냐에 달려 있다.
뉴스 출처
VentureBeat Startups & Funding
원문 보기 ↗