데이터독, 비AI 고객 성장세 5개 분기 연속 가속에 35% 성장 기록… 다만 AI 고객의 조기 갱신과 최저 약정 기준 가이던스로 4분기 성장률은 25~26%로 제한

2026년 3분기 실적 컨퍼런스 콜, 2026년 11월 4일

4분기 가이던스에 반영된 큰 폭의 전분기 대비 성장 둔화

데이터독은 3분기 매출 11억 9,700만 달러를 기록하며 전년 동기 대비 35% 성장해 가이던스 상단을 웃돌았다. 4분기 전망은 이보다 다소 신중하다. 경영진은 4분기 매출을 11억 9,000만 달러에서 12억 달러 사이, 즉 25%~26% 성장으로 제시했으며, 이는 전분기 대비 사실상 플랫한 수준을 의미한다. 2026년 연간 매출 가이던스는 45억 1,500만 달러에서 45억 2,500만 달러로 약 32% 성장을 시사한다. 회사는 최대 고객사를 제외할 경우 4분기 성장이 30%대 초중반에 달한다고 밝혔으며, 따라서 헤드라인 성장 둔화는 특정 단일 고객 계정과 회사의 보수적인 가이던스 산정 방식에 기인한다고 설명했다.

데이비드 오블스트러(David Obstler) 최고재무책임자(CFO)는 4분기 가이던스가 "최저 약정(minimum commitment) 기준의 매출을 반영한 것"이라고 밝혔다. 해당 고객사는 3분기에 계약을 갱신하면서 8월에 공지된 대로 사용량을 줄였으나, 여전히 최저 약정 기준을 "상당히 웃도는" 수준의 지출을 이어가고 있다. 데이터독은 이 고객이 최저 기준선 위에서 어느 정도의 사용량을 기록할지 통제하지 못한다. 기준선에 맞춰 가이던스를 설정하면 사용량이 유지될 경우 기계적인 실적 초과 달성(beat)이 가능해지고, 고객이 계약상 최저 수준에 머물더라도 미달(miss)은 발생하지 않는다. 오블스트러 CFO는 3분기 실적 호조가 부분적으로 이러한 역학 관계에서 기인했다고 시인했으나 구체적인 수치는 밝히지 않았다. 투자자들은 4분기 실적을 이 고객사에 대한 의도적으로 보수적인 설정으로 받아들여야 하며, 기저 수요의 지표로 해석해서는 안 된다. 아울러 2027년 해당 고객의 행보는 아직 정해지지 않았다. 경영진은 연말 실적 발표에서 2027년 가이던스를 제시할 예정이며, 앞으로도 계약상 최저 약정 기준으로 가이던스를 제시하겠다고 밝혔다.

AI 고객의 조기 갱신, 단기적 매출 역풍으로 작용

더욱 주목해야 할 새로운 공시는 여러 대형 AI 고객들이 데이터독의 예상보다 훨씬 일찍 계약을 갱신하며 더 나은 가격 조건을 위해 더 큰 규모의 약정을 선택했다는 점이다. 올리비에 포멜(Olivier Pomel) 최고경영자(CEO)는 "예상했던 것보다 훨씬 이르게 갱신이 이루어졌다"고 밝혔으며, 10월에도 언급되지 않은 추가 갱신이 있었다고 덧붙였다. 그는 비용 측면을 직설적으로 짚어내며 "이 모두가 좋은 소식이지만 단기적으로는 매출에 역풍을 초래하며, 이는 지난 분기와 달라진 점 중 하나"라고 설명했다.

경영진은 이러한 구조가 일반적인 볼륨 프라이싱(물량별 단가 체계)에 해당한다고 설명했다. 오블스트러 CFO는 이들이 "이전 약정보다 더 높은 수준에서 갱신했으며, 이를 통해 볼륨 할인을 받고 있다"고 강조했다. 포멜 CEO는 갱신 과정에서 일부 계정의 최적화가 이루어져 고객이 사용량 일부를 축소하거나 다른 리텐션 티어(보유 구간)로 유도되기도 한다고 덧붙였다. 이 모든 과정은 고객들이 자사 인프라 규모를 2배, 3배, 4배로 확대할 계획을 세우고 있는 배경 속에서 진행되고 있다. 바클레이즈(Barclays)와 골드만삭스(Goldman Sachs) 모두 이번 사안이 전분기 대비 성장세의 반복적인 연례 하향 조정 요인이 되는지 질의했다. 경영진은 특정 패턴으로 고착화될 것이라고 확답하지 않았다. 포멜 CEO는 일부 고객들이 "업계나 그 어떤 산업에서도 진정으로 본 적 없는 수준으로" 확장하고 있기 때문에 이 같은 역학 관계는 새로운 현상이라며, AI 고객군이 다변화됨에 따라 매출은 더욱 안정화될 것이라고 주장했다. 그는 이러한 변동성을 기대치 대비 "분기별 몇 퍼센트포인트 수준"이라고 규정했다.

오블스트러 CFO는 또한 4분기에 12월 후반 사용량 감소와 코드 프리즈(code freeze)로 인한 계절적 역풍이 존재하며, 이것이 조기 갱신 효과 및 최대 고객사 관련 요인과 맞물린다고 상기시켰다. 따라서 전분기 대비 성장 둔화에는 세 가지 요인이 겹쳐 있으며, 회사가 가시성을 확보한 것은 그중 하나뿐이다.

비AI 성장세 지속 및 신규 고객(로고)의 기여도 확대

더욱 건전한 신호는 기반 사업에서 나타나고 있다. 비AI 고객으로부터의 매출 성장세는 5개 분기 연속 가속화되어 20대 후반 %를 기록했으며, 전분기 대비 약 1%포인트, 1년 전의 약 20% 대비 상승했다. 최대 고객사를 제외할 경우 전체 매출 성장세 역시 가속화되었다. 성장은 세그먼트, 지출 규모 밴드, 산업 전반에 걸쳐 광범위하게 나타났다고 설명됐다.

신규 고객은 전년 동기 대비 매출 성장의 약 30%를 차지하여 1년 전의 25%에서 상승했다. 순매출 유지율(NRR)은 120%대 초반으로 전분기 대비 플랫했고, 총 유지율은 90% 중후반을 유지했다. 고객 수는 약 33,500명에 달했으며, 연간반복매출(ARR) 10만 달러 이상의 고객은 약 4,060명에서 약 4,860명으로 증가해 전체 ARR의 약 91%를 차지했다. 잔여이행의무(RPO)는 38% 증가한 38억 5,000만 달러를 기록했고, 단기 RPO(current RPO)는 30대 중반 % 증가했으나 경영진은 매출이 더 나은 지표임을 거듭 강조했다.

포멜 CEO는 비AI 성장세가 계속 상승할지 여부에 대해 "이미 매우 높은 성장률을 기록하고 있어… 향후 방향을 예단하기 어렵다"며 전망을 삼갔으나, 기저 트렌드에 대해서는 자신감을 표명했다. 그는 2차적인 성장 동력을 지목했다. 생성형 AI 코드의 증가로 CI, 배포 및 테스트에 대한 압박이 커지면서, 데이터독의 CI 제품 및 기타 솔루션들이 핵심 관측 가능성(observability) 영역을 넘어 고객 배포 환경으로 확장되고 있다. 또한 회사는 미국 연방 국방기관으로부터 FedRAMP High 인증을 기반으로 수주한 5년짜리 7자리 수(million-dollar) 연간 계약과 일본 대형 은행 두 곳과의 7자리 수 계약을 비롯해 아직 본격적으로 매출이 본격화되지 않은 대형 신규 고객 확보 사례들을 언급했다. 포멜 CEO는 이들 계약이 "아직 매출에 반영조차 되지 않았다"고 언급했다.

수익성 개선, 마케팅 지출 영향으로 4분기 마진은 하향 가이던스 제시

Non-GAAP 기준 영업이익률은 직전 분기와 전년 동기 모두 23%였던 데에서 3분기 28%로 상승했으며, 이는 영업비용(OpEx) 증가세가 25%로 둔화된 덕분이다. 매출총이익률(Gross margin)은 81.2%로 2분기 79.6%에서 상승했으며, 경영진은 이를 80% 부근에서의 안정세로 평가했다. 잉여현금흐름(FCF)은 2억 5,100만 달러로 21%의 마진을 기록했으며, 최근 12개월 기준 마진은 26%였다. 회사는 52억 달러의 현금 및 유가증권을 보유하며 분기를 마감했다.

4분기 영업이익률은 약 24%, 영업이익은 2억 8,000만 달러~2억 9,000만 달러로 가이던스가 제시되었으며, 이는 AWS 리인벤트(re:Invent)를 포함한 대규모 마케팅 투자가 반영된 결과다. 연간 영업이익 가이던스 10억 9,500만 달러~11억 5,000만 달러 역시 24%의 마진을 시사한다. 연간 Non-GAAP 주당순이익(EPS) 가이던스는 2.73달러~2.75달러로 제시되었다. 경영진은 연방 부문과 같이 아직 개척되지 않은 지리적·최종 시장 공백(white space)을 언급하며 시장 진출(go-to-market)에 대한 공격적인 투자를 지속하고 있으며, AI 및 인력 부문의 R&D 투자도 이어가고 있다고 밝혔다.

인프라 모니터링(Infrastructure Monitoring) ARR 20억 달러 돌파, GPU는 아직 주요 동력 아님

인프라 모니터링(Infrastructure Monitoring) 부문의 ARR은 이제 20억 달러를 상회하며 30대 중반 %의 성장세를 보이고 있다. 경영진은 회사가 관측 가능성 시장 점유율 1위이나, 점유율 자체는 여전히 "10대 %" 수준이라고 밝혔다. AI 기여도에 관한 뱅크오브아메리카(Bank of America)의 질문에 답하며 포멜 CEO는 해당 성장이 GPU와 직접적으로 연계되어 있지는 않다고 말했다. GPU 모니터링은 주로 학습 워크로드에 사용되며 "우리는 아직 해당 제품들을 광범위하게 수익화하고 있지 않다"는 설명이다. 올해 모니터링되는 GPU 장치 수는 8배 증가했으며, 따라서 향후 GPU 모니터링을 통한 매출 기회는 현재 수치에 더해질 상방 요인이다.

스카우트(Scout)와 비츠 AI(Bits AI), 독자 모델로 진화하는 데이터독

데이터독은 사이트 안정성 작업에 최적화되고 자체 분산 강화 학습 인프라로 학습된 독자 추론 모델인 스카우트(Scout)를 선보였다. 포멜 CEO는 스카우트가 "경고 조사(alert investigation) 측면에서 프론티어 모델들과 동등하거나 그 이상의 성능을 훨씬 낮은 추론 비용으로 발휘한다"고 밝혔으며, 현재 비츠 인베스티게이션(Bits Investigations)을 구동하고 있다. 낮은 비용은 상업적으로 중요한데, 비츠가 더 많은 경고를 조사하고, 더 일찍 시작하며, 더 깊이 파고들 수 있게 해주기 때문이다. 지난 6년에 합류한 적응형 ML(Adaptive ML) 팀은 강화 학습 및 사후 학습(post-training) 관련 작업을 가속화하고 있다.

모델 전략과 관련해 포멜 CEO는 오직 그들만이 처리할 수 있는 작업을 위한 최고 연구소 모델, 비용 효율적인 범용 작업을 위한 오픈 웨이트 모델, 그리고 데이터독의 자체 데이터가 경쟁 우위를 창출하는 독자 사후 학습 모델을 신중하게 조합하고 있다고 설명했다. 그는 이러한 조합이 대략적으로 안정적으로 유지될 것으로 내다봤다. 그는 광범위한 모델 학습 기회에 대해서는 신중한 입장을 취하며, 1-2년 전만 해도 소수의 프론티어 연구소 외에는 "기본적으로 아무도 학습을 수행하지 않았다"고 언급했고, 대규모 학습 수행 기업들의 수가 자릿수 단위로 증가하긴 했으나 "대중 시장(mass market)이라고 부르기에는 아직 이른 시점"이라고 덧붙였다.

AI 도입 지표의 다변화와 연구소를 통한 유통 확대

데이터독의 AI 고객은 지난 분기 약 750개사에서 850개사 이상으로 증가했으며, 이 중 연간 100만 달러 이상을 지출하는 고객은 39개사, 상위 15대 AI 선도 기업이 모두 포함되어 있다. 전체 고객의 약 3분의 1이 최소 하나의 AI 제품을 사용하고 있으며, 10만 달러 이상 고객 중에서는 3분의 2가 해당된다. 에이전트 관측 가능성(Agent Observability) 스팬(span)은 올해 9배, MCP 툴 콜(tool call)은 50배 증가했으며, 클라우드 비용 관리(Cloud Cost Management) 고객 중 3분의 1 이상이 AI 비용을 추적하고 있고 관련 고객 수는 11배 이상 늘어났다. AI 공급업체들은 고객이 3대 주요 클라우드 외에 툴 내부에서 모니터링하는 지출 카테고리 중 가장 큰 비중을 차지하게 되었다. 포멜 CEO는 비AI 네이티브 고객들도 에이전트 관측 가능성을 점차 활용하고 있으며, 이를 "캐즘을 넘어서는 것(crossing the chasm)"으로 표현했으나 구체적인 수치는 언급하지 않았다.

또한 데이터독은 앤스로픽(Anthropic) 마켓플레이스에 에이전트 관측 가능성을 입점시켰으며, 고객이 이미 이용 중인 프론티어 연구소를 통해 직접 구매할 수 있도록 지원하는 OpenAI의 새로운 엔터프라이즈 마켓플레이스의 런칭 파트너로 참여하고 있다. 대형 기술 기업의 AI 부문이 도입 후 불과 두 분기 만에 약정을 거의 3배로 늘린 8자리 수 규모의 확장 계약, 그리고 이미 연간 환산 기준 8자리 수 규모에 도달해 조기 갱신을 단행한 AI 코딩 기업의 계약 사례 등은 AI 익스포저를 여전히 뒷받침하고 있다.

플랫폼의 범용성도 지속적으로 확대되고 있다. 고객의 61%가 4개 이상의 제품을, 41%가 6개 이상을, 16%가 10개 이상을 사용하고 있으며, 이는 1년 전의 8%에서 증가한 수치다.

비AI 성장세와 마진이 모두 개선된 만큼 이번 분기의 실적 품질 자체에는 의문의 여지가 없다. 현재의 논쟁은 소수의 초고속 성장 AI 고객들이 가격을 조기에 재협상하고 단 하나의 지배적인 고객사가 최저 기준선 위에 머물러 있는 고객 기반 속에서 얼마나 많은 변동성이 수반되는가에 관한 것이다. 경영진의 답변은 이것이 단기 가시성보다 중기 가시성이 더 우수한 사용량 기반 모델이라는 점이며, 이는 정확하지만 향후 두 분기의 실적을 모델링하는 데는 큰 도움을 주지 못한다.