[아는사람 리포트] AI
AI 섹터가 자본시장의 주목을 받은 지는 꽤 오래되었지만 여전히 가장 핫한 섹터인 것은 확실한 것 같습니다. 미국 기준 전체 VC 투자 중 71%가 AI&ML 섹터에 투자되고 있고, 전 세계적으로도 2024년에 AI 슈퍼사이클이 본격화되면서 2025년엔 반년 만에 이미 2024년 한 해의 투자총액을 추월하며 VC 자금의 과반이 AI로 쏠리고 있습니다.
PitchBook-NVCA Venture Monitor - As of March 31, 2025AI 섹터의 '핫함'은 이제 누구나 아는 이야기인 만큼 오늘 이에 대해 글을 쓰기보다, 2022년 ChatGPT의 등장 이후 약 3년이 지난 지금 사업적 관점에서 성장하는 AI 스타트업에는 어떤 Flywheel이 작동하고 있는지 나눠보고 싶습니다. 저 나름대로 관련 리서치를 진행하고 여러 스타트업 대표님들 만나며 세운 가설이지만, 여전히 가설인만큼 함께 논의하며 가설을 예각화해 나가면 좋겠다는 생각으로 공유합니다.
B2C AI 섹터에서의 Flywheel
출처:최지인 리서치B2C섹터에서는 위와 같은 Flywheel이 동작하고 있는 것 같습니다. 각각의 요소 중 스타트업이 구체적인 액션을 취할 수 있는 Lever는 4가지라고 생각하고 그 각 Lever에 대해 설명해 보겠습니다.
1) Customer Value Capture : 이것은 즉 Product Market Fit입니다. 고객이 이 프로덕트에 가치를 느끼고 있는가는 B2C에서 가장 기본적이자 중요한 요소입니다. AI 서비스에서 특히 주목할만한 점은, AI 서비스가 Freemium이 아닌 시작부터 유료화하는 경우가 많기 때문에 숫자로 검증할 수 있습니다. 그를 통해 이 AI 서비스가 실제로 고객에게 가치 있는지를 숫자로 증명하기 좋습니다.
2) Time to Value : AI 서비스에 대한 기대치는 일반 서비스보다 훨씬 높으면서 동시에 신뢰도와 품질에 대한 의구심도 존재합니다. AI 모델 자체는 공공재이기 때문에 유사한 서비스들도 많습니다. 따라서 빠르게 신뢰도 있는 Value를 보여주는 것이 중요한데 여기서 Value는 '와 신기하다'가 아닌 '쓸모 있다'라는 것입니다.
3) Feedback Loop : 빅테크와 경쟁을 고려하면 자체 데이터 학습 Loop가 있어야만 지속 가능성을 확보할 수 있습니다. Linear 하게 늘어나는 것이 아니라 Network Effect를 가진 구조가 유리할 것 같고요. 더욱 중요한 것은 단순히 사용자가 무언가를 한 데이터 뭉치가 아니라 사용자의 행동/선택이 모델 학습에 직접적으로 기여하는 피드백 구조입니다(ex.사용자가 생성하는 수많은 이미지<생성된 이미지를 평가하는 피드백 루프).
4) Personalization : 빠른 개인화는 빅테크의 범용 모델과 경쟁할 수 있는 요소이자 Retention, Stickness를 만드는 중요한 요소입니다. 사용자마다 유니크한 경험을 주는 peronalization Loop가 지속적이고 빠르면 빠를수록 좋습니다.
B2B AI 섹터에서의 Flywheel
출처:최지인 리서치B2B 섹터도 B2C와 전체적인 구조는 비슷하나 또 근본적인 차이도 존재합니다. 아래에 스타트업이 구체적인 액션을 취할 수 있는 Lever를 적으며 B2C 섹터와의 차이점도 설명하겠습니다.
1) Domain Expertise : B2B AI의 Value는 단순한 output이 아니라 업무 자동화/의사결정 구조 최적화입니다. 이것을 위해서는 정확한 문제 정의와 업무 문맥에 대한 해석 능력이 핵심입니다. 그것을 할 수 있는 사람은 해당 도메인에 대한 전문 지식과 워크플로우에 대한 이해도를 갖춘 사람입니다.
2) Conversion Rate : B2B AI는 대부분 PoC를 통해 테스트를 거친 후 본 계약을 하는 사업 구조입니다. PoC 이후 본 계약으로의 전환율로 해당 솔루션이 가치 있는 솔루션인지 판단 가능합니다.
3) Feedback Loop : B2C와 동일합니다=빅테크와 경쟁을 고려하면 자체 데이터 학습 Loop가 있어야만 지속 가능성을 확보할 수 있습니다. Linear 하게 늘어나는 것이 아니라 Network Effect를 가진 구조가 유리할 것 같고요. 더욱 중요한 것은 단순히 사용자가 무언가를 한 데이터 뭉치가 아니라 사용자의 행동/선택이 모델 학습에 직접적으로 기여하는 피드백 구조입니다(ex.사용자가 생성하는 수많은 이미지<생성된 이미지를 평가하는 피드백 루프).
4) Packaging~Scalability : B2B에서 Feedback Loop의 목표는 개인화가 아니라 패키징과 스케일 확보인 것 같습니다. 즉 각 기업에 커스터마이징 해주는 SI가 아닌 반복, 자동화 가능한 솔루션을 구축하는 것이 중요한 요소입니다. 처음에는 커스터마이징을 해주더라도 지속적인 개선, 모듈화를 통해 Scalability가 있는 솔루션으로 확장하는 것이 중요한 것 같습니다.
여전히, 위대한 기업을 찾아서
지난 글(AI 서비스 vs B2B SaaS) 마지막 문단에서 위대한 기업을 찾는다는 말씀을 드렸었는데요. 여전히 마찬가지입니다. 저는 지금 이 시대가 위대한 기업이 등장할 수 있는 시대라고 믿습니다. AI Native한 기업뿐만 아니라 AI와 당장은 관련 없어 보이는 기업도 AI 솔루션을 통한 기회를 등에 업고 위대한 기업이 될 수 있다고 생각합니다. 많이 연락 주시고 추천해 주세요. 만나 뵙고 이야기 나누고 싶습니다 :)
