Datadog, Inc.

진행자: 좋은 하루입니다. 그리고 대기해 주셔서 감사합니다. 2026년 1분기 Datadog 실적 컨퍼런스 콜에 오신 것을 환영합니다. [진행자 안내] 오늘 컨퍼런스는 녹음되고 있음을 알려드립니다. 이제 본 컨퍼런스를 Datadog 투자자 관계 담당 시니어 부사장인 Yuka Broderick에게 넘기겠습니다. 진행해 주세요. Yuka Broderick: 감사합니다, Lisa. 여러분, 안녕하세요. 오늘 이 자리에 함께해 주셔서 감사드리며, 오늘 아침 발표한 보도자료를 통해 공개한 Datadog의 2026년 1분기 재무 결과를 검토하기 위해 참석해 주신 점에 감사드립니다. 오늘 콜에는 Datadog의 공동창업자이자 CEO인 Olivier Pomel, 그리고 Datadog의 CFO인 David Obstler가 함께합니다. 본 콜에서 우리는 향후 재무 성과, 2026년 2분기 및 회계연도 전망과 관련 주석 및 가정, 당사의 제품 역량, 그리고 시장 기회를 활용할 수 있는 당사의 능력과 관련된 진술을 포함하여 미래예측 진술을 하게 됩니다. anticipate, believe, continue, estimate, expect, intend, will 및 이와 유사한 표현은 미래예측 진술 및 향후 기대와 관련된 유사한 징후를 식별하기 위한 것입니다. 이러한 진술은 오늘의 당사 관점에 근거하며, 실제 결과가 실질적으로 달라질 수 있는 다양한 위험과 불확실성의 영향을 받습니다. 당사의 실제 결과에 영향을 미칠 수 있는 중요한 위험 및 기타 중요한 요인에 대한 논의를 위해 2025년 12월 31일로 종료된 회계연도의 Form 10-K를 참고해 주시기 바랍니다. 추가 정보는 2026년 3월 31일로 종료되는 회계 분기와 관련한 예정된 Form 10-Q 및 SEC에 제출하는 기타 서류에서 제공될 예정입니다. 이 정보는 또한 당사 웹사이트의 투자자 관계(Investor Relations) 섹션에서 이 콜의 리플레이와 함께 확인할 수 있습니다. 당사는 GAAP 재무제표와 직접적으로 가장 유사한 재무 측정치로 조정된 비GAAP 재무 지표를 논의할 예정이며, 이는 실적 발표 자료의 표에서 확인할 수 있습니다. 해당 자료는 investors.data.hq.com에서 이용 가능합니다. 이제 콜을 Olivier에게 넘기겠습니다. Olivier Pomel: 감사합니다, Yuka. 그리고 2026년에 대한 매우 강한 출발을 함께 살펴주기 위해 참석해 주셔서 모두 감사합니다. 먼저 이번 분기의 사업 동인부터 말씀드리겠습니다. 우리 팀이 매우 훌륭하게 실행하여 전년 동기 대비 매출이 32% 성장했음을 매우 기쁘게 보고드립니다. 이는 지난 분기의 29%에서 가속화되었고, 1년 전 분기 25%보다도 높은 수치입니다. 우리는 코호트 전반에서 매출 성장의 폭넓은 가속을 보여주었으며, AI 고객과 비AI 고객 모두에서 해당됩니다. AI 네이티브 고객 코호트는 우리가 제공하는 고객 수의 규모와 더불어 그 고객들의 규모 또한 빠르게 성장하며 다양화되고 있습니다. 이번 분기에는 세계 최대 규모의 AI 연구 팀 2곳과의 신규 대형 계약(랜드 딜)을 포함해, 그들이 교육(training) 워크플로를 개선하고 최적화하는 데 도움을 주었습니다. 이 부분에 대해서는 조금 더 자세히 말씀드리겠습니다. 그보다 더 인상적이었던 것은 비AI 고객의 성장입니다. 비AI 고객 매출 성장률은 이번 분기에도 다시 전년 동기 대비 중20%대로 가속했으며, 이는 지난 분기의 23%에서, 1년 전 분기의 19%에서 상승한 것입니다. 우리는 이것이 강력한 지속적인 클라우드 마이그레이션, 당사 제품에 대한 더 높은 채택, 그리고 고객들이 AI 사용을 가속하고 있다는 신호라고 생각합니다. 마지막으로 이탈(churn)은 낮게 유지되었으며, 총 매출 유지율(gross revenue retention)이 90년대 중후반 수준에서 안정적이어서, 고객에게 당사 플랫폼이 미션 크리티컬(mission-critical)하다는 점을 보여줍니다. Q1 재무 성과와 핵심 지표에 대해 말씀드리겠습니다. 매출은 91억 달러였으며, 전년 동기 대비 32% 증가했고, 가이던스 범위의 상단을 웃돌았습니다. 우리는 1분기를 약 33,200명의 고객으로 마쳤는데, 이는 1년 전 약 3,500명에서 증가한 수치입니다. 또한 ARR이 100,000달러 이상인 고객은 약 4,550명으로 마쳤으며, 이는 1년 전 약 3,770명에서 증가한 것입니다. 이들 고객이 당사 ARR의 약 90%를 창출했습니다. 그리고 우리는 2억 8,900만 달러의 잉여현금흐름(free cash flow)을 창출했으며, 잉여현금흐름 마진은 29%였습니다. 제품 채택에 대해 말씀드리겠습니다. 당사의 플랫폼 전략은 시장에서 계속해서 좋은 반응을 얻고 있습니다. 예를 들어, 현재 고객의 56%가 4개 이상의 제품을 사용하고 있으며, 이는 1년 전 51%에서 증가한 수치입니다. 고객의 35%가 6개 이상 제품을 사용했으며, 이는 1년 전의 28%에서 증가한 수치입니다. 또한 고객의 20%는 8개 이상 제품을 사용하고 있는데, 이것도 1년 전의 13%에서 늘었습니다. 따라서 우리는 더 많은 고객을 알아가고, 더 많은 제품 전반에 걸쳐 가치를 전달하고 있습니다. 그리고 우리 비즈니스는 계속 성장하고 있습니다. 현재 총 ARR은 40억 달러를 초과하고 있으며, 분기 매출도 처음으로 10억 달러를 넘어섰습니다. 이는 Datadog의 우리 모두에게 큰 성과이며, 고객을 위해 구축하고 혁신하기 위해 수년간 투자해 온 결과입니다. 하지만 우리는 이제 막 시작한 단계입니다. 26개 제품 중 5개는 ARR 1억 달러를 넘고, 또 다른 3개는 ARR 5천만 달러에서 1억 달러 사이입니다. 우리는 이러한 제품들에서 더 큰 성장을 만들고 제공하기 위해 열심히 노력하고 있습니다. 그러면 남는 18개 제품은 이들이 제품 생애주기의 초기 단계에 있습니다. 우리는 시간이 지나면서 각각이 장기적으로 ARR 1억 달러를 초과할 잠재력을 갖고 있다고 믿습니다. 이제 R&D로 넘어가겠습니다. 최신 AI 코딩 도구로 강화된 우리의 엔지니어들은 고객이 애플리케이션을 자신감 있고 안전하게 배포할 수 있도록 빠르게 구축하고 있습니다. 그럼 이번 분기 진행된 몇 가지 제품 출시를 말씀드리겠습니다. 먼저 AI입니다. 상기하자면, 우리는 AI 노력을 2가지 버킷으로 나눠 이야기하고 있습니다. 즉, Datadog을 위한 AI와 AI를 위한 Datadog입니다. 먼저 Datadog을 위한 AI입니다. 이는 Datadog 플랫폼을 더 좋게 만들고 고객에게 더 유용하게 하는 AI 제품과 역량입니다. 3월에 일반 공급용 MCP 서버를 출시했습니다. MCP Server를 통해 개발자는 자신들의 AI 코딩 에이전트나 IDE에서 애플리케이션을 직접 디버깅하기 위해 라이브 운영 데이터를 활용할 수 있습니다. 우리는 이 AI 보안 에이전트를 제공했는데, 이 에이전트는 Datadog Cloud SIEM 신호를 자율적으로 분류하고, 잠재적 위협에 대한 심층 조사를 수행하며, 실행 가능한 권고를 제공합니다. 저희는 Bits AI 보안 에이전트가 몇 시간이 걸릴 수 있던 조사들을 30초로까지 줄이는 것을 확인했습니다. 또한 프리뷰로 제공되는 Bit Assistant도 출시했는데, 이는 자연어 [indiscernible]를 사용해 고객이 Datadog 전반에서 검색하고 조치를 취하도록 돕습니다. 이제 AI를 위한 Datadog으로 넘어가겠습니다. 여기에는 AI 스택 전반에서 엔드투엔드 관측 가능성과 보안을 제공하는 Datadog의 역량이 포함됩니다. 우리는 GPU 모니터링을 출시해 팀이 GPU 플릿 활용도, 워크로드 효율성, 열/전원 동작, 인터커넥트 성능을 이해할 수 있도록 했습니다. 이는 더 높은 GPU ROI와 운영 신뢰성을 견인합니다. 고객들은 AI 활동을 계속해서 전진시키고 있으며, 우리는 데이터 플랫폼 사용에서 그 변화를 확인할 수 있습니다. 현재 1개 이상의 AI 통합을 위해 데이터를 전송하는 고객이 6,500명 이상입니다. 이는 전체 고객의 20%에 불과하지만, 이들이 우리 ARR의 약 80%를 차지합니다. 또한 해당 플랫폼 내에서 고객이 AI를 활용하는 사용량은 빠르게 계속 늘고 있습니다. SRE 에이전트의 조사 건수는 12월에서 3월 사이에 두 배 이상 늘었습니다. LLM 관측 가능성 제품으로 전송되는 스팬 수는 분기 대비 거의 3배로 늘었습니다. Datadog MCP 서버에 대한 호출 횟수는 분기 대비 4배로 늘었고, beef assistant 메시지의 수도 그 기간에 1배 증가했습니다. 우리는 공격적으로 구축하고 있는 동시에, 고객의 점점 더 복잡해지는 요구에 부응하기 위해 Datadog 플랫폼을 계속 확장하고 있습니다. 이러한 노력 중 몇 가지를 말씀드리겠습니다. 지난달 저희는 일반 공급용 실험(Experiments)을 출시했습니다. 실험은 기능 플래그(Feature flagging) 제품과 긴밀히 맞물려 작동하며, 최고의 통계 방법과 대안들 사이에서의 실시간 관측 가능성 가드레일을 결합합니다. 이를 통해 기업들은 영향(임팩트)을 테스트하고, 대안들 중에서 빠르게 선택하며, 확신을 가지고 출시할 수 있습니다. 또한 고객은 이제 애플리케이션 성능 모니터링, 런타임 모니터링, 프로파일러, 데이터베이스 모니터링으로부터 생성된 텔레메트리 데이터를 분석해 APM 권고를 활용할 수 있습니다. APM은 성능 및 신뢰성 문제를 자동으로 식별하고, 무엇보다도 H2를 설명합니다. 그리고 저희는 영국에 다음 데이터 센터를 출시할 계획을 발표했습니다.규제 산업에서 클라우드 도입이 가속화됨에 따라 영국 고객을 위해 큰 기회를 만들 수 있다고 봅니다. 마지막으로, 미국 연방정부로부터 연방(고) 인증을 받게 되어 기쁘게 생각합니다. 이 인증을 통해 민감한 워크로드를 처리하기 위해 FedRAMP High를 요구하는 연방 기관 고객과 이제 본격적으로 나아갈 수 있습니다. 한편으로는 미국과 국제적으로 공공 부문 고객을 위한 제품 제공 범위, 영업·마케팅(고투마켓) 팀, 채널 파트너십도 계속 확장하고 있습니다. 그래서 저희 팀들도 다시 열심히 일하고 있었고, 6월 9일과 10일 뉴욕시에서 열리는 DASH 컨퍼런스에서 많은 새로운 제품과 향후 발표를 공유할 수 있기를 기대합니다. 이제 판매와 마케팅으로 넘어가 이번 분기에 성사시킨 몇 가지 딜을 강조해 보겠습니다. 먼저, 전 세계 최대 규모의 기술 기업 2곳의 AI 연구 부문과 7자리(7 figure) 및 8자리(8-figure) 연간화 딜 2건을 수주했습니다. 이들 조직은 전 세계에서 가장 고도화된 AI 모델을 만들고 훈련하고 있습니다. 이들에게는 엔지니어링 마찰을 줄이고 판매 속도를 높이는 것이 매우 중요합니다. 하지만 조각난 내부 체계와 프로토콜로 인해 이슈를 식별하고 해결하기가 더 어려워지고 엔지니어링 및 연구 생산성이 저하됩니다. Datadog을 사용함으로써 두 회사는 하이퍼스케일 AI 학습 워크로드에서 혁신의 속도를 가속하고 있습니다. 여기에는 대규모 전력 GPU 등급에서 GPU 모니터링을 통해 워크플로를 최적화하는 것도 포함됩니다. 다음으로, 선도적인 온라인 채용 플랫폼과 8자리(8-figure) 연간화 딜에 대해 7자리(7-figure) 연간화 확장 계약을 체결했습니다. 이 고객은 복잡성을 줄이고 개발자 속도를 높이며 효율을 개선하기 위해 Datadog에 집중하고 있습니다. 이번 확장으로 이들은 단독형 도구를 Datadog LLM Observability로 교체하여 LLM 신호를 APM 및 사용자 경험 데이터와 상호 연관시키게 됩니다. 이 고객은 Datadog 제품을 16개까지 확대할 예정이며, Datadog와 CP 서버를 포함합니다. 다음으로, 포춘 500 은행과 8자리(8-figure) 연간화 딜에 대해 7자리(7-figure) 연간화 확장 계약을 체결했습니다. 이번 확장을 통해 해당 고객은 남아 있는 로그 데이터를 Datadog으로 마이그레이션하여 기존 레거시 로그 벤더를 완전히 대체할 계획입니다. 무엇보다도, 저희 Flex 로그는 엄격한 준수 요구 사항을 충족하면서 비용에 대한 세밀한 제어를 가능하게 해줍니다. 이 고객은 Bits AI [indiscernible]를 포함해 AI로 인시던트 대응을 가속하기 위해 10개의 Datadog 제품을 사용합니다. 다음으로, 선도적인 글로벌 헤지펀드와 7자리(7-figure) 분석(추정) 확장 계약을 체결했습니다. 이 고객은 수천 개의 온프레미스 호스트 및 네트워크 장치를 운영하고 있습니다. 그 규모에서 오픈소스 모니터링 스택은 포트폴리오 매니저와 투자 분석가들에게 운영상 비효율적이며 지속 가능성에도 영향을 미치는 문제로 자리 잡았습니다. 이번 확장을 통해 이들은 전체 온프레미스 Observability 레이어를 Datadog 인프라 모니터링 및 네트워크 장치 모니터링으로 교체하고, 클라우드와 온프레미스 환경 전반에 걸친 통합 가시성을 확보하게 됩니다. 이 고객은 Datadog 제품 11개로 확대할 예정입니다. 다음으로, 포춘 500 보험 회사와 6자리(6-figure) 연간화 딜을 수주했습니다. 이 회사의 분절된 Observability 스택은 사고 대응이 도구가 아니라 고객이 지원하는 긴 장애(장기 다운타임)로 이어졌습니다. Datadog을 사용하고 3개의 레거시 APM 도구를 통합함으로써, 이들은 사후 대응에서 사전(예측) 사고 탐지로 전환하기를 기대합니다. 이들은 시작 단계에서 LLM adorability의 3가지 핵심(3 pillars)을 포함해 10개의 Datadog 제품을 도입할 예정입니다. 다음으로, APAC 지역의 세계 최대 여행 그룹 중 하나와 7년 연간화 확장 계약을 체결했습니다. 이 고객은 한 개의 비즈니스 유닛에서는 Datadog을 사용하고 있었지만, 다른 두 영역에서는 여러 도구를 함께 운용하며 실행 가능한 인사이트가 부족했습니다. 6개의 레거시 오픈소스 및 클라우드 모니터링 도구를 통합함으로써, 고객은 비용을 절감하고 플랫폼의 복원력과 성능을 개선할 수 있습니다. 이러한 다년간의 약속은 Datadog의 전략적 관찰(Observative) 제공업체로서의 포지셔닝을 강화합니다. 그리고 마지막으로, 선도적인 라틴아메리카 핀테크 회사와 6자리(6-figure) 연간화 딜을 수주했습니다.이 고객은 핵심적인 금융 흐름 전반에 걸쳐 수천만 명의 사용자를 서비스합니다. 이들의 급속한 성장 속도는 분산된 프론트엔드 모니터링 구축 역량을 앞질렀고, 장애는 이들을 재무적·운영적·평판적 리스크에 노출시켰습니다. RUM, Synthetics, 제품 분석을 포함한 당사의 디지털 경험 모니터링 제품군을 도입한 이후, 이들은 비용 통제와 함께 사용자 활동에 대한 완전한 가시성을 확보했습니다. 또한 이전에는 그렇지 않았던 상태로 말이죠. 이 고객은 5개의 Datadog 제품으로 시작할 예정입니다. 그리고 이것이 이번 성과의 전부입니다. 업그레이드 Q1을 위해 전체 고투마켓 조직의 노고에 다시 한 번 축하드립니다. David에게 재무 검토를 넘기기 전에, 더 장기적인 전망에 대해 몇 마디 말씀드리고자 합니다. 2026년을 시작하는 방식에 대해 기쁘게 생각합니다. AI 사용과 애플리케이션 개발의 전환점을 맞이하는 고객을 지원하고, Bits AI SRE Agent, Bits AI Security analyst, Bits Assistant, Datadog IT 서버, GPU 모니터링 등 당사의 AI 혁신을 고객이 적극적으로 활용해 나가고 있기 때문입니다. 디지털 전환과 클라우드 마이그레이션이 당사의 비즈니스에 장기적인 경기(세속) 성장 동력이 된다는 전반적인 관점에는 변화가 없습니다. 하지만 이제 AI로 인해 추가적인 세속적 성장 동력이 생겼습니다. 우리는 이 혁신적인 새로운 기술을 통해 고객이 더 많은 가치를 전달할 수 있도록 돕고 있습니다. 그 어느 때보다도, 우리는 모든 규모와 모든 산업의 고객, 그리고 인간이든 AI 에이전트든 모든 유형의 사용자들이 AI와 클라우드 도입을 통해 변화하고, 혁신하고, 가치를 창출할 수 있도록 돕기에 이상적인 위치에 있다고 느낍니다. 그럼 이제 CFO인 David에게 넘기겠습니다. David Obstler: 감사합니다, Olivier. Datadog에게는 매우 강력한 분기였습니다. 1분기 매출은 10.1억 달러로, 전년 동기 대비 32% 증가했습니다. 분기 대비 6%의 매출 성장률은 1분기 기준으로 2022년 이후 가장 높습니다. 그리고 분기 대비 매출 증가액인 5,300만 달러도 사상 최고입니다. 이는 2022년 1분기 이후 기존 고객으로부터의 순차적 사용 성장 기준으로 가장 강력한 분기가 포함된 결과입니다. 또한, 분기에 대해 순차적 ARR 추가(added)도 사상 최고 기록을 달성했습니다. 1분기 각 월마다 ARR 성장이 가속되었고, 4월에도 이러한 건전한 성장 흐름이 이어질 것으로 보고 있습니다. 우리는 또한 강력한 신규 로고(고객사) 계약도 달성했습니다. 신규 로고의 연간화된 계약액(annualized bookings)은 큰 폭으로 사상 최고 기록을 새로 만들었고, 1년 전 분기 대비 2배 이상 증가했습니다. 여기에는 옵저버빌리티에서의 성과가 포함되었고, 보안, 데이터 옵저버빌리티, Flex 로그처럼 비교적 새로 도입한 일부 제품들도 포함되어 있습니다. 신규 로고 평균 랜딩 규모 역시 기록을 세웠으며, 더 크고 큰 거래를 계속해서 성사시키면서 전년 동기 대비 2배 이상 증가했습니다. 매출 성장은 고객 기반이 폭넓어지면서 가속되었습니다. AI 네이티브 고객을 제외한 고객은 전년 동기 대비 중(20)대 퍼센트(20%대 중반)로, 지난 분기의 23%와 1년 전 분기의 19%에서 상승했습니다. 고객 규모, 지출 구간, 산업 전반에 걸쳐 전반적으로 견조한 성장이 관측되었습니다. 한편, AI 네이티브 고객의 성장률은 여전히 나머지 사업 부문을 크게 앞지르고 있습니다. 이 그룹은 매년 100만 달러 이상을 지출하는 고객 22곳, 그리고 매년 1,000만 달러 이상을 지출하는 고객 5곳을 포함해 계속해서 다양화되고 성장하고 있습니다. 이 그룹에는 파운데이션 모델, 코딩 도구(cogen tools), 그리고 업종 특화 AI 솔루션을 선도하는 주요 기업들이 포함됩니다. 다음은 유지(retention) 지표에 대해 말씀드리겠습니다. 최근 12개월 넷 매출 유지율(net revenue retention) 비율은 120% 초반대로, 지난 분기의 약 120%에서 상승했습니다. 또한 최근 12개월 총 매출 유지율(gross retention) 비율은 90%대 중후반에 머물러 있습니다. 이제 재무 결과로 넘어가겠습니다. 빌링(billings)은 10.3억 달러로, 전년 동기 대비 37% 증가했습니다. 잔여 성과 의무(remaining performance obligations) 또는 RPO는 34.8억 달러로, 전년 동기 대비 51% 증가했습니다. 현재 RPO는 전년 동기 대비 중반 40%대 퍼센트로 성장하고 있습니다. 멀티이어(복수 연도) 딜 비중이 1분기에 증가하면서 RPO 기간도 전년 동기 대비 늘었습니다. 상기하자면, 매출은 빌링과 RPO보다 사업 트렌드의 더 나은 지표라고 계속해서 믿고 있습니다. 이는 매출과 빌링·RPO가 변동성이 있기 때문입니다.이제 몇 가지 주요 손익계산서 결과를 살펴보겠습니다. 달리 명시하지 않는 한, 모든 지표는 비-GAAP이며, 실적 발표 자료에서 GAAP를 비-GAAP 재무제표로 조정한 내역을 제공했습니다. 먼저 1분기 매출총이익은 8억 700만 달러였고, 매출총이익률은 80.2%였습니다. 이는 지난 분기 매출총이익률 81.4%와 전년 동기 80.3%와 비교됩니다. 과거에 말씀드렸듯이, 당사 매출총이익률은 고객을 위한 혁신 투자에 따라 분기마다 변동하며, 이는 효율성 노력으로 상쇄됩니다. 1분기 영업비용(OpEx)은 전년 동기 대비 31% 증가했는데, 지난 분기 29% 및 전년 동기 29%와 비교됩니다. 다시 한번 말씀드리지만, 당사는 장기 성장 기회를 추구하기 위해 투자를 계속 확대하고 있으며, 이러한 OpEx 증가는 채용 계획을 실행하고 있다는 점을 보여줍니다. 1분기 영업이익은 2억 2,300만 달러로, 영업이익률 22%였으며, 지난 분기 24% 및 전년 동기 22%와 비교됩니다. 이제 재무상태표와 현금흐름표로 전환하겠습니다. 당사는 분기 말 기준 현금, 현금성 자산 및 시장성 유가증권 48억 달러를 보유했습니다. 분기 중 영업활동 현금흐름은 3억 3,500만 달러였습니다. 자본지출과 자본화된 소프트웨어를 고려한 후, 잉여현금흐름은 2억 8,900만 달러였고 잉여현금흐름 마진은 29%였습니다. 그리고 이제 2분기 및 회계연도 2026년의 전망을 말씀드리겠습니다. 먼저, 당사의 전반적인 가이던스 철학은 그대로 유지됩니다. 다시 말씀드리자면, 최근 몇 달 동안 관찰된 추세를 바탕으로 가이던스를 설정하고, 이러한 성장 추세에 보수성을 적용합니다. 또한 지난 분기와 마찬가지로 당사의 최대 고객에 대해서는 더 높은 수준의 보수성을 적용하고 있습니다. 따라서 2분기 매출은 10억 7,000만 달러에서 10억 8,000만 달러 범위로 예상하며, 이는 전년 동기 대비 29%~31% 성장에 해당합니다. 이러한 가이던스는 6%~7%에 해당하는 매출 기준으로 분기 대비 6,400만 달러에서 7,400만 달러의 순차적 매출 성장을 의미합니다. 이는 1분기와 4월로 이어지는 강한 매출 성장에 기인합니다. 비-GAAP 영업이익은 2억 2,500만 달러에서 2억 3,500만 달러 범위로 예상되며, 이는 영업이익률 21%~22%를 의미합니다. 다시 한번 말씀드리지만, 2분기에는 DASH 사용자 컨퍼런스를 개최할 예정이며, 이에 소요될 것으로 추정되는 약 1,500만 달러를 영업이익 가이던스에 반영했습니다. 비-GAAP 주당순이익은 희석 주식수 가중평균 약 3억 6,900만 주를 기준으로 주당 0.57달러~0.59달러로 예상됩니다. 또한 회계연도 2026년의 매출은 43억 달러에서 43억 4,000만 달러 범위로 예상하며, 이는 전년 동기 대비 25%~27% 성장에 해당합니다. 비-GAAP 영업이익은 9억 4,000만 달러에서 9억 8,000만 달러 범위로 예상되며, 이는 영업이익률 22%~23%를 의미합니다. 그리고 비-GAAP 주당순이익은 희석 주식수 가중평균 약 3억 7,200만 주를 기준으로 주당 2.36달러~2.44달러—2.36달러~2.44달러로 예상됩니다. 마지막으로, 가이던스에 대한 몇 가지 추가 참고사항입니다. 당사는 회계연도 2026년의 순이자 및 기타 수익을 약 1억 7,000만 달러로 예상합니다. 2026년의 현금 법인세는 약 3,000만 달러~4,000만 달러로 예상합니다. 또한 당사는 2026년 및 그 이후에도 21%의 비-GAAP 세율을 적용하고 있습니다. 그리고 2026년 회계연도에는 자본지출과 자본화된 소프트웨어가 매출의 4%~5%가 될 것으로 예상합니다. 요약하자면, 우리는 1분기 실행에 대해 매우 만족하고 있습니다. 당사는 기존 및 잠재 고객이 클라우드 마이그레이션, 디지털 전환, 그리고 AI 도입 여정을 진행하는 데 적절히 도움을 줄 수 있는 위치에 있습니다. 그리고 Datadog의 전 세계 직원들의 노력에 감사드립니다. 이제 질문을 받기 위해 통화를 시작하겠습니다. 진행자님, Q&A를 시작하겠습니다. 감사합니다. 진행자: [진행자 지시] 오늘 첫 번째 질문은 JPMorgan의 Mark Murphy 님이신데요. Mark Murphy: 놀라운 성과에 축하드립니다. Olivier, 오늘날 전 세계에서 코드 생성기인 Quad 코드, Codex, 커서 등을 도입하면서, 생성되는 코드의 엄청난 원시 물량 자체의 성장(증가)을 어떤 식으로 개념화할 수 있을까요? 그런 것들이 전체 프로젝트를 수행할 수 있는 역량을 개발하고 있는 것처럼 보이고, 또 일부 차트에서는 이러한 역량이 직선으로 위쪽으로 기하급수적으로 폭발하듯 커지고 있음을 보여주고 있습니다. 제가 궁금한 건, 그 코드 중 얼마나가 프로덕션으로 들어가고 있어서 Datadog의 활동을 이끌고 있는지입니다. Olivier Pomel: 글쎄요. 우리는 확실히 더 많은 애플리케이션이 만들어지고 있다고 생각하고 있고, 또 그렇게 보입니다. 프로덕션에서는 훨씬 더 많은 복잡성이 생길 거예요. 우리가 이미 오늘 일부 그런 일이 일어나고 있는 것을 봅니다. 그중 일부 새로운 애플리케이션은 프로덕션에 들어가고, 사용자들을 찾고 있습니다. 우리는 우리 플랫폼의 모든 계층에서 그런 징후를 봅니다. 증가하는 데이터 볼륨과 관련된 몇 가지 수치를 인용했습니다. AI 제품도 그에 대한 확실한 반영이라고 봅니다. 그래서 고객들의 소비에서 전환점이 나타나는 걸 봅니다. 프로덕션으로의 전환은 매우 현실적이며, AI 네이티브 기업과 AI 비(非) 기업 모두에서 그런 변화가 나타납니다. Mark Murphy: 좋아요. 그리고 방금의 질문과 관련해 아주 짧게 후속 질문을 드릴게요. 한 단계 더 내려가서, 실리콘 수준에서 환경의 점점 커지는 이질성(heterogeneity)을 어떻게 바라볼 수 있을지 궁금합니다. 아마존은 Trinium과 Graviton으로, 구글은 TVs로, 마이크로소프트는 myosilicon을 출시했잖아요. 그게 터지기 시작한 것처럼 보입니다. 제가 이해하기로는, 인텔과 AMD 칩으로 구성된 균일한 플릿만 있었다면 단순했을 환경을, 혼합 환경을 모니터링하는 건 훨씬 더 어렵습니다. 그런데 우리가 계속 듣는 바로는 기존의 전통적인 모니터링 도구들이 커스텀 실리콘에서는 제대로 실패하고, Datadog는 이를 잘 처리한다는 거죠. 그리고 고대역폭 메모리 같은 새로운 텔레메트리까지 포함해서요. 이런 추세가 힘(순풍)을 제공하고 있는지 말씀해 주실 수 있나요? Olivier Pomel: 네. 더 넓은 시장을 보면, 여기서 흥미로운 건 훈련(training)이 이전에는 2~3개, 많아야 4~5개 회사만이 대규모로 하던 일이었는데, 지금은 훈련이 훨씬 더 많이 민주화(democratize)될 수 있다는 것처럼 보인다는 점입니다. 그래서 많은 회사들이 정기적으로 모델을 학습(training)하게 될 거예요. 그러면 훈련은 서비스 제공자(우리 같은 판매자)에겐 더 실행 가능한 범주가 됩니다. 저는 실리콘의 이질성이 거기서 확실히 우리에게 유리하게 작용하는 트렌드라고 생각합니다. 더 이질적일수록, 모든 것을 당신 대신 누군가가 이해해줘야 하고—그리고 GPU 관련 요소뿐 아니라 비-GPU 측면과 나머지 인프라, 애플리케이션, 그리고 사용자, 개발자 등—기본적으로 우리가 하는 거의 모든 것을 함께 묶어서 이해해줘야 하죠. 오늘날 실제로 이질적인 환경을 가진 곳이 누구인지 생각해보면, 그건 아직도 매우 소수의 회사입니다. 예를 들어 구글은 TPUs를 외부에 판매하기 시작한 지 이제 막이니까요. 그래서 거기에 있는 회사 수는 아직 작지만, 거기에는 성장하는 기회가 보인다고 봅니다. 흥미롭게도 지난해 우리가 실적을 발표했을 때는, 우리는 아직 추론(inference) 워크로드에 더 관심이 있고 훈련은 우리에게는 아직 실질적인 시장이 아니라고 말했었습니다. 그런데 지금은 훈련이 시장이 되고 있는 걸 봅니다. 우리는 자체적으로 수많은 기술을 보유한 하이퍼스케일러(hyperscaler)들인 실제 고객들에게서 대출(혹은 지원) 계약을 시작했는데요. 그들이 특히 슈퍼 인텔리전스 랩(super intelligence labs)에서 우리를 사용해 워크로드를 모니터링하고, 훈련 실행을 가속하고, GPU도 모니터링하도록 돕기 위해서입니다. 그래서 이것을, 우리에게 맞는 영역이 될 것이라는 점을 검증해주는 근거로 보고 있습니다. Mark Murphy: 정말 놀랍네요. 추론에서 훈련 쪽으로 옮겨갈 만큼의 전체적인 필요성이 있다는 걸 생각하면요. 그리고 저는 준비된 발언(prepared remarks)에서 그런 대형 랩(lab) 몇 곳을 어떻게 확보했는지 언급한 부분을 봤습니다. 모든 것에 대해 축하드립니다. Operator: 그리고 다음 질문은 Morgan Stanley의 Sanjit Singh 라인에서 들어오겠습니다. Sanjit Singh: 샌짓 싱: 데이비드와 함께 올해를 시작하는 이 가이드를 가지고 스핀오프를 하고 싶습니다. 아마도 우리가 수년 만에 본 것 중 가장 좋은 상황일 겁니다, 데이비드. 그리고 기본 전제들을 아주 잘 정리해 주셨죠. 전반적인 배경, 매크로 측면에서 일종의 건전성 체크를 하고 싶었습니다. 우리가 생각할 때 지정학적 긴장 같은 것들이 있고요. 그리고 그런 것들이요. 미드이스트 베이스 비즈니스뿐 아니라, 전자상거래나 리테일 비즈니스에서의 어떤 영향, 예를 들어 소비재 재량지출에 대한 영향이 있을 수 있잖아요. 저는 사업의 그 부분들을 여러분이 어떻게 보고 생각하는지 알아보고 싶습니다. 그리고 올라(올리)에게 후속 질문도 하나 있었습니다. David Obstler: 네. 전반적으로 굉장히 강한 분기였습니다. 여러 산업, 여러 지역에 걸친 유형의 분기였고요, SMB도 매우 강했습니다. 그리고 그—이 가이던스의 근거이자, 저희가 제시하고 상향한 이유의 핵심이 바로 그런 성과입니다. 아직 소비자 비즈니스나 전자상거래 비즈니스에서 어떤 특정한 영향은 보지 못했습니다. 기본적으로 그 비즈니스들에서 나타나던 추세가 계속되고 있을 뿐입니다. 예를 들어 여행 같은 것들이요. 그리고 그런 것들은 다른 산업의 다른 사례들과 아주 유사합니다. 그래서 아직은 보지 못했어요. 물론 저희는 계속 지켜보고 분석도 보지만, 아직은 관찰하지 못했습니다. 전반적인 가이던스 측면에서 보면, 유기적 측면에서의 추세와 전반적인 할인도 있고요. 그리고 저희가 가장 큰 고객에 대해 적용하는 특정한 처리 방식도 말씀드렸던 것 같습니다. Sanjit Singh: 그건 아주 명확합니다. 그리고 올리비에, 당신 차례입니다. 제 생각에는—우리가 투자자들과 이 카테고리의 장기적인 논쟁에 대해 이야기할 때 결국 핵심은, 에이전트가 트리아징하고 조사하는 것과 인간 엔지니어 및 인간 SRE가 하는 것 사이에서, 이 카테고리가 장기적으로 어떤 모습이 될지죠. 그래서—데이터독에서 그것이 어떻게 진화할지에 대한 당신의 비전은 어떤 건가요? 제품 관점과 경험 관점에서, UI 관점에서요. 그리고 또한 에이전트가 오늘날의 엔지니어보다 더 높은 비중으로 데이터독 플랫폼을 소비하게 될 때, 가격 책정에서도 면역되는 방식, 즉 예외적인 모달리티가 있을까요? Olivier Pomel: 네. 글쎄요, 한 가지 말하자면 4~5년 후에 우리가 어디쯤 가 있을지 단정하기는 어렵다고 생각합니다. 2년 전쯤에 “대부분의 엔지니어가 콘솔에서 다시 코팅을 할 거다”라고 들려줬다면, 저는 믿지 못했을 겁니다. 그런데도 오늘날에는 바로 그게 승리하는 모달리티 중 하나예요. 어쨌든 저희 입장에서는 사용이 주로 인간인지, 에이전트인지가 중요하지 않습니다. 저희의 비즈니스 모델은 그런 형태에 잘 맞습니다. 사용량 기반이라서, 어디에서 들어오느냐는 관점에서는 크게 상관이 없습니다. 지금 보이는 추세는 두 가지를 모두 봅니다. 하나는 에이전트 사용량이 성층권 수준으로 증가한다는 점입니다. 저희는 MCP 서버에서 엄청난 사용량을 확인하고 있고요. 또한 고객들이 자체 에이전시와, 우리가 제공하는 에이전트 조합을 활용해서 자동화를 많이 하기 위해 지출하는 것도 보고 있습니다. 하지만 동시에 웹 인터페이스의 사용량도—사람들이 사용하는 사용량도—증가하고 있습니다. 지금은 그 두 가지가 서로 맞물려서 돌아가고 있고, 저희는 그 두 전선을 계속 개발하고 밀어붙이고 있어요. Operator: 다음 질문은 Barclays의 Raimo Lenschow 라인에서 들어옵니다. Raimo Lenschow: 올리비에, 데이비드에게 각각 하나씩요. 올리비에, 준비된 발언에서 들으신 것처럼 사람들이 오픈소스 툴링을 도입해 통합을 하려고 하지만, 결국에는 여러분에게 와야 하고, 다시 돌아와야 한다는 흐름이 많은 것 같더라고요. 그런데 한편 업계에서는 그런 부분에 대해 여전히 소음이 많습니다. 실제로는 어떻게 보시나요. 제게는 옵션 가능성(optionability)이 너무나 뜨거운 주제처럼 보이거든요. 그리고 어떤 카테고리에서는 특정 항목—특정 벤더와 오픈소스를 쓰는—그런 방식이 있잖아요. 실제로 무엇을 보시는지 말씀해 주실 수 있을까요? Olivier Pomel: 말하자면, 실제로는 대부분의 회사가 어느 정도 형태로든 오픈소스를 사용합니다. 모든 것을 통합해 주는 플랫폼을 갖춰서, 모든 작업을—전부 더 큰 문제 해결을 더 많이 해주는—그런 방식으로 쓰는 경우가 보통 저희를 쓰는 이유입니다.그리고 우리가 거의 어디서나 보게 되는 그런 움직임 때문에, 이 고객들은 4개나 6개, 7개, 15개, 25개처럼 서로 다른 것들을 많이 가지고 있고, 조직 안에 서로 다른 포켓들이 있으며, 서로 다른 비즈니스 유닛도 있습니다. 그리고 그건 거대한 덩어리입니다. 그들이 우리에게 오면, 우리는 그 모든 것을 통합할 수 있습니다. 모든 데이터가 한 곳에 있으니 더 나은 결과를 얻고, 워크플로는 처음부터 끝까지 자동화할 수 있습니다. [indiscernible]는 엔드투엔드 가시성을 확보할 수 있어서, 사각지대가 없습니다. 또한 곳곳에 비효율적인 포켓들이 있을 필요가 없으니 비용도 절감합니다. 그래서 모두에게 이익입니다. 특히 이번 분기에 또 흥미로운 점은, 우리는 일부 대형 하이퍼스케일러의 물량도 확보했다는 것입니다. 하이퍼스케일러들은 보통 모든 것을 스스로 만들려는 문화를 갖고 있습니다. 그리고 그럴 수 있도록 대차대조표와 인적 자본도 갖추고 있습니다. 예를 들어, 스스로 하는 것이 합리적인 회사들이 있다면 그런 회사들일 것입니다. 우리는 그런 회사들을 상대하고 있습니다. 그런데도 우리는 똑같은 문제를 겪고 있음을 봅니다. 가능한 한 빨리 가고, 자원을 가지고 가능한 한 효율적으로 운영하려고 할 때, 그들은 우리가 이전에 사용하던 일부 것들을 대체하기 위해 우리에게 옵니다. David Obstler: 두 가지입니다. 여러분이 Oli가 말씀하신 포인트를 이해하는 데 볼 수 있는 2가지 지표요. 우리 플랫폼 도입을 보면, 서로 다른 카테고리의 성장과 많은 제품으로 카테고리가 확장되는 것을 함께 보게 되는데, 이것이 Datadog 플랫폼에서의 통합이 계속되고 있다는 것을 보여줍니다. 그리고 매우 강력한 추세가 있습니다. 그중 일부는 Oli가 언급한 모션 솔루션들인데, 이는 오픈 소스이기도 하고 동시에 경쟁 포인트 솔루션들을 플랫폼에 올려놓는 것이기도 합니다. 이 부분은 꽤 오랫동안 매출 성장의 중요한 동력이었고, 그 흐름은 확실히 1분기에도 계속됐습니다. Raimo Lenschow: 좋아요. 완벽합니다. 그 다음 David, 당신에게 질문드릴게요. 작년에 우리는 특히 세일즈 역량에 대해 go-to-market에 많은 투자를 했습니다. 지금 AI가 아닌 카테고리가 더 잘 되고 있다고 할 때, 그중 얼마나가 다시 말해 사람들이 생각하는 것처럼 클라우드 마이그레이션 같은 요인 때문인가요? 그러니까 그런 건 업계 전반의 트렌드에 가깝고, 반대로 여러분이 더 폭넓게 포지셔닝되어 있어서 그런 것이라고 볼 수 있는 비중은 어느 정도인가요? David Obstler: 네. 여러 가지 요인이 있습니다. 그중 하나는 플랫폼의 확장, 통합, 그리고 생산성을 해치지 않으면서 세일즈 역량을 성공적으로 램핑한 점인데, 그 결과 ARR이 증가했고 전반적인 환경도 좋아졌습니다. 그리고 지난번에도 우리가 말했듯이, 여러 요인이 있습니다. 그리고 확실히 여기서 우리가 입증하고 있는 건, 우리가 go-to-market에 한 투자가 계속해서 성과를 내고 있다는 점이고, 우리는 올바른 결정을 내렸다는 것입니다. Oli, 추가할 게 있나요? Olivier Pomel: 네. 그리고 보세요. 결국에는 AI 도입과 관련된 어떤 시장의 역풍도 분명히 있습니다. 하지만 동시에 우리는 규모 측면에서 모든 경쟁사보다 더 잘하고 있고, 점유율을 가져오고 있습니다. 이건 우리가 새로운 제품으로 확장해 나가면서 그 구조적인 플랫폼에 관련됩니다. 또한 이런 제품들이 성숙해지면서 각자의 카테고리에서 이기기 시작하는 방식으로, 그리고 SES 역량을 성공적으로 키워 온 방식으로 이어집니다. David Obstler: 확실히 AI 참여 확대 추세가 도움이 됐고, 우리가 별도로 그렇게 하려고 노력하고 있다는 점도 있습니다. 그러니까—그리고 AI 투자도 전체적으로는 도움이 되고 있을 겁니다. 하지만 그걸 빼고 진짜로 보더라도, 여전히 여기서 매우 뚜렷한 가속이 보입니다. 그리고 그건 제가 언급했고 Oli가 이야기한 요인들과 관련이 있습니다. Operator: 다음 질문은 Goldman Sachs의 Gabriela Borges 님의 라인에서 들어옵니다. Gabriela Borges: Olivier, train 대 inference에 대한 당신의 코멘트가 정말 흥미롭습니다. 아마 우리를 위해 딱 정리해 주신다면요. 왜 훈련(training)의 기회가 지금 일어나고 있고, 지금 시점에 전환(inflecting)되는 것이라고 보시나요? 그리고 David에게 드리고 싶은 질문도 하나 있는데요—관측 가능성(observability)의 trading 대 inference에서의 애태치율(attach rate)을 우리는 어떻게 생각해야 할까요? 추론 지출 대비 관측 가능성(Observability) 지출을 비율로 벤치마크할 수 있는 방법이 있나요? 그리고 훈련 사이트에서 보고 있는 새로운 데이터에 따라 그 수치가 달라지나요. Olivier Pomel: 훈련 쪽에서는요. 훈련이 지금으로부터 몇 년 전에는 굉장히 새로웠습니다. 아주 소수의 회사만 하던 일이었고, 어떤 의미에서는 제작 단계에서의(workload) 일이라기보다 매우 장인(artisanal) 방식에 가까웠어요. 즉 운영 환경(production workload)이 아니라, 연구자들이 만들던 것이었고, 매우 일회성(one-off)이며 지속되는 방식으로 이뤄졌습니다. 그런데 지금은 그게 운영으로 전환되고 있습니다. 더 많은 회사들이 하고 있는 무언가가 되었어요. 규모가 수십 배로 커지고, 이제는 언제나 상시로, 신뢰할 수 있게 돌아가야 합니다. 훈련에서 어느 분을 잃든, 혹은 훈련 중인 동료가 일주일을 쓰는 사이를 빼앗기면 경쟁사에 그만큼 넘겨주는 것이 되죠. 그래서 그 결과로, 우리 같은 회사의 시장에서는 훨씬 더 흥미로운 일이 됩니다. 그리고 우리는 그 징후를 보고 있어요. 작년에는 그게 많지 않았습니다. 지난해에는 많이 보지 못했죠. 그런데 갑자기 거기서 꽤 많은 활동과 수요가 보이기 시작했고, 그 제품들로 대형 고객과의 계약 성과(랜딩)도 내고 있습니다. David Obstler: 네. Oli가 말한 attach라는 지표로 돌아가보면, 저희는 통합을 사용 중인 고객이 6,500명이고, 그중 고객의 20%가 ARR의 80%를 차지한다고 말씀드렸습니다. 그러니까 attach가 있죠. 훈련(training) 쪽은 아직 초기 단계라고 봅니다. 그쪽은 기여를 할 것으로 보이긴 하지만요. 다만 저는 -- 그건 아직 이르고, 지금 시점에서는 더 큰 attach를 추론(inference)의 증거로 보되, 동시에 어느 정도 훈련도 포함된 것으로 보는 게 맞다고 생각합니다. Operator: 다음 질문은 Karl Keirstead UBS의 라인에서 들어오겠습니다. Karl Keirstead: 좋아요. 먼저 Olivier와 David, 그리고 여러분과 팀이 10억 달러(1 billion) 이정표를 달성한 것에 대해 축하드립니다. David, 질문을 드릴 때 2Q 가이드를 좀 더 구체적으로 짚어볼게요. 그 가이드에 대해 비록 소폭으로 상회하더라도, 그건 순차(sequential)로 볼 때 회사 역사상 가장 큰 규모의 달러 기준 상회가 될 거라고 생각합니다. 그래서 제가 궁금한 건, 그 자신감을 무엇이 만들어주고 있냐는 점입니다. 특히 몇몇 더 큰 연구 랩(lab)의 램프에서 흥미로운 점이 있다면 짚어주실 수 있을까요? 그중 하나는 4분기에 여러분과 재계약을 했고, 또 다른 하나는 방금 계약이 성사됐습니다. 그들이 2Q에서 잘 램핑하고 있다고 보긴 하는데, 어떤 색다른(추가적인) 정보가 있을지 설명해 주시면 좋겠습니다. David Obstler: 네. 몇 가지 방식으로 풀어 설명해보겠습니다. 아시다시피 저희는 반복 매출(recurring revenue) 모델을 갖고 있습니다. 따라서 다음 분기 단기에서 가장 큰 징후는 전 분기의 ARR 성장(증가분)입니다. 그리고 우리가 기록(record)을 말했다면요. 즉, 근본 바탕(bedrock)에는 이미 체결해 둔 ARR의 런 포워드(run forward)가 있습니다. ARR 추가(add)는 매우 폭넓게 이루어졌고, 특정 영역에 집중되지 않았습니다. 앞서 저희가 아주 의미 있는 추가(ADD) 몇 건을 지적하긴 했지만, 1분기의 ARR 추가는 정말로 여러 곳에서, 폭넓게 분산돼 있었습니다. 그리고 -- Oli도 여기서 보탤 수 있겠지만 -- 저희가 갖고 있는 자신감은, 본질적으로 이미 우리가 가진 것에서 출발해 우리가 보아온 성장 추세를 할인합니다. 그러면 방금 말씀하신 것과 정확히 같은 결과가 나오는데, 즉 여러분이 가정하는 대로 비트(상회)를 하게 된다면, Q1에서 실제로 일어난 일과 Datadog의 비즈니스 누적(accumulation) 속도 덕분에 아주 인상적인 순차 결과(sequential)로 이어진다는 것이죠. Oli, 추가로 더 말씀하실까요? Olivier Pomel: 네. David이 방금 말한 내용을 더 파고들고 싶다면요. 우리가 하는 일은 broad-based(기반이 넓다)입니다. 그러니까요. Q1이 좋았던 이유를 보면, Q4에 고객을 얻었기 때문이기도 합니다. 이건 한 분기 전에 얘기했죠. 그런데 Q4에 착지해서(Q4에 계약 성사) Q1에서 가장 많은 매출을 추가한 그 고객을 빼더라도, ARR 추가 측면에서 여전히 기록적인 분기(record quarter)를 만들었습니다. 그래서 이건 정말로 기반이 넓습니다. 또한 Q1에는 앞으로의 매출 기여(revenue)는 아직 없지만, 향후에 큰 기여를 할 것으로 기대되는 고객을 몇 더 유입했죠.그래서 이 모든 것을 합쳐 보면 2분기(Q2)에 대해 매우 확신을 가지고 있고, 따라서 여러분이 보신 수치가 그렇게 나왔습니다. 진행자: 그리고 다음 질문은 Citi의 Fatima Boolani 라인에서 나올 예정입니다. Fatima Boolani: Oli, 제가 앞서 있었던 질문을 다시 되돌려서 여쭤보고 싶었습니다. 텔레메트리 볼륨이 본질적으로 포물선 형태로 증가하고 있는 것과 관련해서요. 그리고 여러분은 훈련 및 모니터링 분야로 진입하는 과정에서, 세계에서 가장 큰 프론티어 랩들 중 일부 안에서 훈련 모델 환경을 관찰하고 있는, 새롭게 떠오르는 수요에 접근하고 있습니다. 그래서 이 사업의 자본집약도(capital intensity)에 대한 구조적 변화에 대해 여쭤보고 싶습니다. 제 말은, 여러분의 CapEx 수준은 여전히 꽤 괜찮고 그리고 꽤 절제되어 있다는 겁니다. 그러면, 플랫폼에서 우리가 보고 있는 텔레메트리의 폭증 때문에 자본집약도가 증가할 것처럼 보이는데도 불구하고, 매우 효율적인 CapEx 엔벨로프를 유지하기 위해 어떤 종류의 외부적 또는 내부적 엔지니어링 노력을 하고 있는지 더 잘 이해하고 싶었습니다. 그리고 관련해서, AI 모델이 국가 안보 영역으로 들어가면서, 주권 데이터와 데이터 레지던시(data residency) 요구사항이 점점 늘어나는 흐름도 보였습니다. 그래서 내부적으로 어떤 엔지니어링 역량을 활용해서 자본집약도에 대해 정말 타이트한 통제를 유지하고, 나아가 솔직히 말해서 여러분의 총마진(gross margins)도 잘 지키고 있는지 이야기해 주실 수 있을까요? Olivier Pomel: 예. 그러니까, 지금 우리가 하고 있는 투자들을 보면요. 대부분의 워크로드를 클라우드에서 돌리고 있기 때문에 OpEx에 그게 다 보이고, CapEx에는 그렇지 않습니다. 그래서 CapEx가 낮습니다. 만약 그게 바뀐다면, 예를 들어 어떤 이유로든 다른 종류의 투자를 하기로 결정하고 그중 일부는 더 앞당겨서 또는 더 CapEx로 가는 등 그렇게 된다면, 여러분께 말씀드릴 겁니다. 하지만 현재는 그렇지 않습니다. 특히 R&D와 모델의 스케일 측면에서, 우리가 직접 훈련을 하는 것 같은 부분에서 투자 규모를 확실히 늘리고는 있습니다. 다만 지금은 실제로 수치에서, 어떤 것도 눈에 띄는 만큼 움직이게 만드는 것이 없다는 점은 말씀드릴 수 있습니다. 하지만 만약 그게 바뀌면, 그 또한 알려드리겠습니다. [식별 불가]에는 변화가 있을 것으로 기대하지 않습니다. 그건 CapEx 측면입니다. 우리는 그런 점에서 AI 랩과는 사업이 상당히 다릅니다. 데이터 레지던시와 AI의 주권 같은 주제에 대해서는, 우리는 고객 기반에서 그것에 대한 더 많은 요구와 더 강한 추진이 있다는 것을 확실히 보고 있습니다. 그리고 그에 따라 우리는 투자합니다. 첫째는 더 많은 지역에 배포하고, 공공 부문과 그리고 공공 부문 중에서도 가장 높은 수준까지 판매하기 위한 더 많은 인증을 확보하는 것입니다. 예를 들어 오늘 말씀드렸듯이 영국의 데이터 센터와, 저희의 [식별 불가] 인증 같은 것들을 말씀드렸는데요. 우리는 인증을 거기서 멈추지 않고, 정부 판매를 목표로 더 나아가 인증을 추진하고 있습니다. 이것이 하나의 투자 영역입니다. 또 다른 투자 영역은 클라우드 제품을 제공하는 것이고, 고객사의 인프라에서 실제로 저희가 돌아갈 수 있는 부분입니다. 그래서 우리는 여기 관련해서 몇 가지 제품을 발표했고, 그 분야에 대해서도 집중적으로 투자하고 있습니다. 그러면 고객들이 저희 고객 기반의 나머지 부분과는 약간 분리된 방식으로 운영하고자 할 때 그들을 지원할 수 있습니다. 진행자: 그리고 다음 질문은 Evercore의 Curt 라인에서 나올 예정입니다. 정체불명의 분석가: 축하합니다, 좋은 출발이네요. Oli, 에이전트(agents)에 대한 일종의 보안 개념에 대해 몇 가지 생각을 말씀해 주실 수 있을지 궁금합니다. 에이전트를 실제 운영 환경(production)에 넣는 데 있어 가장 큰 이슈 중 하나가 보안 측면이라고 생각하는데요. 그리고 Datadog이 그 기회에 어떻게 연결될 수 있다고 보시는지도요. 그리고 David에게도 짧게요. FedRAMP가 이정표(milestone)에 도달한 것을 축하드립니다. 이걸 활용하기 위한 파트너 관계는 이미 갖춰져 있나요? 이건 장기적인 기회가 될 거라는 점은 이해하고 있지만, 초기에는 이 분야에서 어떤 정도로 이미 자리를 잡고 있어서 잠재적인 예약(bookings) 같은 게 보이기 시작할 수 있을지, 어느 정도나 확립되어 있는지 궁금합니다. Olivier Pomel: 예. 그래서 에이전트의 보안과 관련해서는, 저희가 두 가지 방식으로 그 부분에 관여합니다. 먼저 에이전트가 우리를 대신해 스스로를 구축합니다. 우리는 고객을 위한 제품 내부에 많은 자동화를 구축하고 있고, 이 자동화는 사용자가 아무것도 할 필요 없이 문제를 자동으로 식별할 뿐 아니라 해결까지 합니다. 그리고 그 안에는 권한을 어떤 것에 적용할지, 어떤 종류의 가드레일을 적용할지, 인간과 어떤 방식으로 인터페이스할지, 그리고 그것을 신뢰할 수 있고 올바른 방식으로 눈에 보이게 만들 방법을 이해하는 데 많은 부분이 달려 있습니다. 그래서 데이터 중에 제품 표면 전반에 걸쳐 거의 전체가 여기에 있습니다. 자동화 자체는 실제로 이미 작동할 수 있습니다. 그러니 우리의 컨퍼런스에서 그에 대해 더 많은 이야기를 들을 수 있을 것으로 기대하세요. 이는 우리에게 확실히 큰 투자 영역입니다. 에이전트의 보안 측면에서도 마찬가지입니다. 보안은 통합되어야 한다고 우리는 믿습니다. 보안 태세의 한 조각만 보는 포인트 솔루션만으로는 안 됩니다. 모든 것을 함께 봐야 합니다. 그리고 이는 우리가 보안 노력으로도 다루고 있는 한 가지 영역입니다. 그래서 그것이 전체 플랫폼 액션의 일부입니다. David Obstler: FedRAMP와 관련해서는 서로 다른 인증을 진행해왔습니다. 동시에 몇 년 동안은 세일즈(시장 진입) 기능에도 투자해왔는데요, 영업 담당자와 채널 파트너 측면 모두에서요. 물론 더 많은 투자가 필요하긴 하지만, 이 분야에서는 파이프라인 구축 같은 것에 시간이 걸립니다. 그리고 인증 때문이 아니라, 인증을 받기 전에 선제적으로 투자해왔습니다. 또한 채널 파트너 관계는 매우 중요한 부분입니다. 우리는 투자해왔지만, 또 해야 할 투자가 더 있습니다. Operator: 다음 질문은 Scotiabank의 Patrick Colville 님으로부터 들어오겠습니다. Patrick Edwin Colville: 제 생각엔 Olivier와 David, 여러분은 준비된 발언에서 메시지를 아주 신중하게 하시는 것 같습니다. 그리고 한 가지 코멘트의 표현을 다시 확인하고 싶습니다. 제가 보기엔, David 말씀이 가장 큰 고객에 대해 더 높은 수준의 보수성을 보여주셨다고 들었는데요. 제가 그렇게 들은 게 맞을까요? 그리고 그 더 높은 보수성은 다른 고객 코호트와 비교한 것입니까, 아니면 이전 분기에서의 여러분의 가이던스 철학과 비교한 것입니까? David Obstler: 둘 다입니다. 우리가 사용한 동일한 가이던스를 썼고, 우리는 매우 명확하게 했습니다. 모든 비즈니스에 대해서, 즉 가장 큰 고객을 제외한 모든 경우에는 드라이버와 할인율을 그대로 적용해왔습니다. 그런데 이 특정 고객에 대해서는 다른 고객 기반 부분에 비해 더 높은 수준의 보수성을 적용했고, 더 많이 할인했습니다. 그리고 제 생각엔 발언에서도 그렇고, 여러분이 해석하신 대로 아주 명확했습니다. 여러분 말씀도 맞습니다. Olivier Pomel: 아주 특정한 단어에 그렇게 큰 비중을 두지 않았으면 합니다. 우리는 신중하게는 하되, 그 정도가 그렇게까지 신중한 건 아닙니다. 마찬가지로, David와 저 둘 다 오늘은 목소리가 거친데요, 그러면서도요. David Obstler: 하지만 모두에게 상기시키겠습니다. 우리는 바꾸지 않았습니다. 그래서 질문이, 제가 보기엔 여러분이 물으신 것도 이것일 것 같은데요. 즉, 우리가 변경했나요? 아니면 전체와 가장 큰 고객 모두에서 적용된 서로 다른 방법론인가요? 지난 분기나 이전과 비교했을 때 말입니다. 답은 아닙니다. 같은 방법론이고, 우리가 항상 해오던 방식 그대로입니다. 따라서 변화는 없었고, 우리가 늘 해오던 것이 바로 그것입니다. Patrick Edwin Colville: 알겠습니다. 그리고 Olivier, 하이퍼스케일러에 대한 코멘트도 여쭤봐도 될까요? 제가 보기엔 그 부분이 특히 흥미로웠습니다. 이유는, 저는 여러분이 이전에는 그들을 그렇게 콕 집어 말씀하지는 않았다고 생각하기 때문입니다. 게다가 하이퍼스케일러들은 현대 기술 스택에서 너무나 보편적입니다. 여러분 말씀대로라면 그들이 이 일을 스스로 할 수 있죠. 그렇다면 여러분은 Datadog를 어떻게 쓰고 있나요? 좀 더 전통적인 관측가능성(observability)을 위한 건가요? 아니면 최근에 Datadog가 특히 잘 해내고 있는 GPU 모니터링 같은 더 새로운 영역을 위한 건가요? Olivier Pomel: 글쎄요, 사실 둘 다입니다. 대형 AI 고객을 전반적으로 보면, 그들은 우리 다른 회사들이 대체로 그러하듯이 꽤 폭넓은 제품 세트를 사용해서 책임 범위 전체를 커버합니다. 새로 생긴 점은 이제 우리가 GPU 모니터링을 위한 제품을 갖게 되었다는 것입니다.이건 아주 새로운 제품이에요. 그리고 특히 교육 워크로드를 위해 우리에게 오는 하이퍼스케일러들이 그 점에 대해 매우 큰 관심을 보이고 있는 걸 보고 있습니다. 그래서 다시 말해, 제품 라이프사이클과 고객 라이프사이클 관점에서 이들 특정 고객에게는 거기서 ‘명확한 승리’를 단정하기엔 아직 너무 이르지만, 시장이 앞으로 어디로 향할 수 있는지에 대한 매우 고무적인 신호로 보고 있습니다. 우리가 보기엔, 이는 향후 10, 100, 500개 기업이 교육 워크로드를 시작할 때 그들이 하게 될 일을 보여주는 선행 지표일 수 있기 때문입니다. 이번 분기에 계약한 고객을 넘어서는 쪽으로 그렇게 볼 수 있는 징후들도 몇 가지 있습니다. 진행자: 그리고 다음 질문은 Bernstein Research의 Peter Weed 님이 주실 예정입니다. Peter Weed: 네, 모멘텀에 대해서는 다른 분들과 같은 맥락에서요. 좋은 소식을 듣게 되어 좋았습니다. 제가 보기엔, 당신이 말씀하신 큰 성공 중 하나가 하이퍼스케일러들의 AI 랩 몇 곳을 확보했다는 점이었어요. 다만 반대로, 과거에는 하이퍼스케일러들은 보통 관측 가능성(observability)을 사내에서 구축한다고 말씀하신 적도 있는데요. 그렇다면 AI 워크로드에서 무엇이 그들이 Datadog을 쓰는 걸 더 매력적으로 만들고 있나요? 그리고 이런 유형의 워크로드에서 Datadog이 더 지속적으로 함께할 것이라는 확신을 갖게 해줄 만한 것은 무엇이고, 이는 아마도 AI 관련해서 다른 고객들이 Datadog을 어떻게 활용할지에 대한 신호가 될 수도 있겠죠. 다른 영역에서는 사내에서 할 수 있는 것과 비교해 말이죠. Olivier Pomel: 12월의 우리 모든 고객은, 성공과 관련된 이해관계가 매우 크고 복잡도가 높으며 핵심이 아니에요. 그들은 가장 차별화되어야 합니다. 그리고 그들은 너무 늦게 갈 수밖에 없는 상황이고, 그걸 해내는 건 정말 어려운 일이죠. 그래서 우리가 사업을 쌓아온 것이고, 이것은 또한 가장 높은 수준에서, 가장 큰 회사들에도 그대로 해당됩니다. Peter Weed: 네. 아니, 방금 말씀드리려던 게 그거였어요. 다만 제 요지는, 가장 큰 고객들이 다른 일부 영역에서는 사내로 전환할 수 있었다고 강조하셨잖아요. 그런데 여기서 ‘AI’에는 그들이 그렇게 하지 못하게 막는 뭔가 독특한 점이 있나요? Olivier Pomel: 글쎄요, 제 생각엔 그들의 개발 노력에 대한 긴급성이 핵심에 집중하게 만들죠. 저는 그렇게 표현하고 싶습니다. 즉, 무엇이 핵심이고 무엇이 핵심이 아닌지, 그리고 성공 가능성을 최대화하기 위해 무엇을 해야 하는지, 누구에게로—어디로—가야 하는지 같은 것들을 강제로 정리하게 되는 거예요. 그리고 다시 말씀드리지만, 이건 모든 고객들이 늘 하는 같은 사고방식입니다. 제 생각에, 하이퍼스케일러들의 경우 방정식이 종종 달랐던 이유는—직원 인력에 대한 접근이, 우리가 ‘무제한’이라고 부를 수 있을 만큼—그들이 개발하고자 하는 것들에 대해 개발의 시간 지평도 스스로 설정할 수 있었기 때문이죠. 그런데 ARR—아마도—상황은 조금 다를 수 있다고 봅니다. 진행자: Mizuho의 Gregg Moskowitz 님의 라인입니다. Gregg Moskowitz: 그리고 아주 훌륭한 분기였다는 데 대해 축하를 더하고 싶습니다. 제 질문은 하나만요. Oli, 아직 GA는 아니지만, 새 클라우드 프렘(prem) 제공에 대해 초기 피드백이 있는지 궁금합니다. 앞서 말씀하신 것처럼 고객 인프라에서 ‘potato’가 실행될 수 있도록 제공하는 거잖아요. 이게 Datadog에 대한 또 다른, 제가 말하고 싶은 건—점진적인 성장 기회가 될 수 있을까요? 그리고 이에 대한 기대는 어떤가요? Olivier Pomel: 글쎄요, 확실히 우리는—제 생각에는—앞서 데이터 레지던시와 고객 환경을 떠나는 것에 대한 질문이 있었는데, 우리는 그 부분에 대해 큰 기회가 있다고 분명히 보고 있습니다. 시장의 상당 부분이 앞으로 이런 방향으로 움직일 가능성이 있습니다. 현재는 시장에서 가장 큰 부분은 아니지만, 우리는 그에 대한 잠재력이 분명하다고 봅니다. 그래서 우리는 그 분야의 제품에 상당히 무게를 두고 투자하고 있어요. 여기서 흥미로운 고객 견인력이 생기는지 보려고 하고 있습니다. 따라서 이것은 또 다른 성장 레버가 될 수 있습니다. 그리고 고객이 이전에는 SaaS 제공을 고려하지 않았을 규모의 극도로 대규모 워크로드로 들어가는 데에도 도움이 될 수 있다고 봅니다. 이 점이 정말 흥미롭습니다. 좋아요. 그리고 제 생각엔 그게 마지막 질문이었습니다. 참석해 주셔서 모두에게 감사드리며 콜을 마치겠습니다.그리고 우리 컨퍼런스가 한 달 조금 더 남았다는 점을 상기시켜 드리고 싶습니다. 여러분의 많은 참석을 기대합니다. 그럼 모두 감사합니다. 연사: 이것으로 오늘의 프로그램을 마칩니다. 이제 모두 연결을 해제하셔도 됩니다.