AI 혼선 속, 콴다의 생존 전략
매스프레소의 교육 평등을 위한 한걸음
고등학교 선생님들이나 최근에 수능을 본 학생들이라면 '콴다'라는 서비스를 들어봤을 것이다. 콴다는 학생이 모르는 수학 문제의 사진을 찍어 올리면, 그 문제의 해설을 찾아주는 서비스이다. 매스프레소는 바로 이 콴다 서비스를 만들어 성장해 온 교육 기술(에듀테크) 스타트업이다. 이들은 "모든 학생에게 개인화된 교육을 제공한다"는 꿈을 가지고 2015년에 설립되어 약 10년간 사업을 이어오고 있다. 이 글에서는 매스프레소의 지난 10년을 돌아보고, 앞으로 이들이 그들의 꿈을 실현하고 오래 살아남기 위해 어떤 전략을 취해야 할지 이야기해보고자 한다.
매스프레소는 어떻게 성장했을까?
매스프레소의 성장에서 가장 큰 전환점은 2017년 1월에 '풀이 검색 서비스'를 출시한 것이다. 이 서비스는 학생이 모르는 수학 문제의 사진만 찍으면, 방대한 문제와 해답이 담긴 데이터베이스에서 그 문제를 찾아 해답을 알려준다. 혼자 공부하면서 모르는 문제를 해결하기 어려웠던 학생들 사이에서 콴다의 이 서비스는 단기간에 큰 관심을 받았고, 서비스 출시 이후 매스프레소는 국내 시장에서 폭발적으로 성장하기 시작했다. 국내 시장에서의 빠른 성장을 바탕으로 매스프레소는 2017년에 시리즈 A 투자를 받는 데 성공했고, 꾸준히 새로운 고객을 확보하며 지금의 위치를 차지할 수 있었다. 실제로 아래 표에서 볼 수 있듯이, 2017년 풀이 검색 서비스를 시작한 후 콴다의 MAU(월간 활성 사용자 수)는 급격히 늘었고, 2021년 9월에는 MAU 1,200만이라는 놀라운 수치를 기록하기도 했다.
<출처 : https://www.epnc.co.kr/news/articleView.html?idxno=215700 테크월드 기사>
매스프레소의 폭발적인 MAU 성장 뒤에는 그들의 적극적인 해외 진출 전략이 있었다. 매스프레소는 2017년 풀이 검색 서비스로 국내 사용자들을 확보한 후, 여기에 만족하지 않고 일본어 서비스를 출시한 것을 시작으로 영어, 태국어, 스페인어 등 다양한 언어로 서비스를 확장해 나갔다. 단 3년 만에 6개 국가로 서비스를 넓히는 등 빠르게 해외로 진출했고, 이를 바탕으로 해외에서의 인지도를 높이는 데 성공했다. 현재까지도 매스프레소 서비스 전체 MAU의 90%가량이 해외 고객일 정도로, 해외 진출 전략을 통한 사용자 확보는 매우 의미가 있었다. 이러한 빠른 성장에 힘입어 매스프레소는 현재 9,200만 명이 넘는 가입자를 50개가 넘는 국가에서 보유하고 있으며, 특히 아시아의 많은 국가에서는 교육 애플리케이션 중 다운로드 1위를 기록할 정도로 탄탄한 위치를 유지하고 있다.
그러나 빠른 해외 진출로 인한 MAU 성장 뒤에는 항상 '수익성'이라는 숙제가 있었다. 콴다는 혁신적인 서비스를 바탕으로 많은 사람들의 관심을 끄는 데는 성공했지만, 대부분의 서비스를 무료로 제공하고 있었기 때문에 수익성이 좋지 않았다. 실제로 이들은 적극적인 글로벌 진출 과정에서 쓴 막대한 자금을 회수하지 못하며 2021년에 300억 원이 넘는 적자를 기록했고, 이는 다음 해에도 이어져 수익성 문제를 해결하는 데 어려움을 겪는 것으로 보였다.
이에 따라 이들은 2021년 7월, 베트남 대도시에서만 수강할 수 있었던 유명 강사의 강의를 온라인으로 제공하는 '콴다 스터디'로 서비스를 확장한 것을 시작으로, 그해 12월에는 비대면 1:1 태블릿 서비스인 '콴다 과외'를 시작하는 등 수익 구조를 다양화하기 위해 노력했다. 그 결과 2021년 대비 2023년에는 매출이 7배 이상 증가하여 (2023년 매출: 170억 원), 300억 원이 넘던 적자를 약 200억 원으로 줄이는 등 수익성 개선에 일부 성공했다. 물론 2023년에도 여전히 적자를 기록했기 때문에 수익성 문제를 완전히 해결했다고 볼 수는 없지만, 1년 사이에 약 100억 원의 영업 적자를 줄였다는 점은 고무적이다.
정리하자면, 매스프레소는 '풀이 검색 서비스'를 통해 국내 시장에 자리 잡은 후, 적극적으로 해외에 진출하며 MAU를 늘려왔고, 이후 수익 구조를 다양화하여 수익성을 개선해 나가고 있다. 이런 면만 보면 매스프레소라는 회사는 마냥 유망한 스타트업이라고 생각할지도 모르겠다. 좋은 서비스로 많은 사용자를 모았고, 안주하지 않고 발전하며 폭발적인 성장을 이루었으며, 수익성 개선도 의미 있게 진행되고 있으니 말이다.
매스프레소, 변화의 기로에 놓여 있다
하지만 최근 매스프레소는 변화의 기로에 서 있다. 현대를 관통하는 가장 큰 트렌드인 거대 언어 모델(LLM)의 부상이 그 원인이며, 이는 [소비자 니즈 변동, 기존 서비스의 차별성 완화, 추가 비용 구조 발생]이라는 세 가지 측면에서 매스프레소에게 위협으로 작용할 수 있다.
변화된 소비자의 니즈
먼저 변화된 소비자의 니즈에 대해 이야기해 보자. 2023년 1분기, ChatGPT-4의 등장은 사람들에게 AI와의 대화형 인터페이스를 친숙하게 만드는 전환점이 되었다. 이를 계기로 LLM(대규모 언어 모델)을 기반으로 한 서비스들이 폭발적으로 확산되었고, 다양한 분야에서 AI와의 대화형 인터페이스가 새로운 표준으로 떠오르기 시작했다.
수학 에듀테크 시장도 예외는 아니었다. LLM을 기반으로 하는 새로운 서비스들이 시장에 진입하거나, ChatGPT를 이용해 궁금한 점을 해소하는 과정에서 기존 고객들의 “빠르고 간편하게 해설을 보고 싶다”는 니즈는 “AI와의 대화를 통해 개인화된 피드백을 받고 싶다”로 전환되고 있다. 실제로 주변 지인들을 대상으로 인터뷰를 진행해 본 결과 “LLM을 활용해서 과제를 하거나 모르는 문제를 공부하면 의문이 드는 지점을 계속 물어보면서 설명을 들을 수 있어서 너무 좋다”, “내가 설명해 달라는 형태에 맞게 적절하게 설명해 줘서 너무 좋다” 등 개인화 관점에서 LLM 기반 튜터 서비스의 효용을 느끼는 이들이 존재함을 확인할 수 있었고, 이러한 소비자의 니즈가 변화하는 추이는 시간이 갈수록 기술이 급격하게 발전하며 가속화될 것이라고 전망된다.
서비스 차별성의 완화
LLM의 발전은 그들의 서비스 차별성 역시 완화시켰다. 과거에는 그럴듯한 언어 모델을 만들고 이를 서비스화하려면 많은 자본과 팀의 AI 관련 역량이 필요했지만, 현재는 LLM을 활용하면 기업의 규모와 관계없이 누구나 문제 풀이를 넘어 개인 맞춤형 학습 경험을 제공하는 서비스를 손쉽게 개발할 수 있게 되었다.
이는 기존에 매스프레소가 보유했던 문제 풀이 서비스의 타 서비스 대비 차별성을 위협하는 요소로 작용한다. 즉, 기존 시장의 플레이어인 PhotoMath와 같은 서비스부터 Preply와 같은 신규 서비스까지, 과외형 튜터 서비스를 공급하는 회사가 많아지고 있으며, 이는 매스프레소의 서비스가 단순한 풀이 제공에 머물러 있다면 장기적으로 소비자의 니즈에 부합하지 못하는 설루션을 제공하게 될 것임을 의미한다. 소비자의 니즈 변화와 기술의 발전 과정에서 나타난 매스프레소의 차별성 완화의 과정에서 콴다의 MAU는 과거 2021년 1,200만 명에서 현재 약 800만 명으로 눈에 띄게 감소하고 있음을 확인할 수 있다.
추가 비용 구조의 발생
LLM의 발전에 따라 생겨난 또 하나의 중요한 변화는 추가 비용 구조의 발생이다. LLM 기반 서비스를 도입하기 위해서는 OpenAI와 같은 모델을 개발한 회사의 일정 수준의 금액을 지불해야 하는데, 이는 기존에는 지출하지 않아도 됐던 비용이 발생하는 것으로 이어져 회사 입장에서 부담을 가중시키게 된다.
특히, 이러한 비용 구조는 LLM 이용량이 많아지면 많아질수록 높아진다는 측면에서, 매스프레소 같은 대규모 사용자를 대상으로 서비스를 제공하는 경우, LLM 사용료가 크게 지출될 수밖에 없다. 매스프레소는 이미 수익성이 좋은 편이 아닌 상황에서 LLM 도입은 기존 비용 구조를 악화시키는 요인이 될 가능성이 크다. 이는 장기적으로 기업의 재정적 부담을 증가시키며, 수익성을 더욱 낮추는 결과를 초래할 것이다. 그렇다고 매스프레소의 입장에서 LLM을 이용하지 말자고 하니, 그 성능이 워낙 뛰어나고 모델 개발 비용은 모델 이용 과정에서 부과되는 비용과는 비교도 안될 정도로 천문학적이니 곤란하지 않을 수 없는 현황이다.
LLM이 가져올 위협과 대응 방안
이처럼 LLM은 소비자 기대 변화, 서비스 차별성 약화, 비용 증가라는 세 가지 측면에서 매스프레소에게 위협이 될 것으로 전망되며, 이는 장기적으로 인공지능 기술이 발전하면 발전할수록 더 큰 위협으로 작용할 것으로 보인다. 이러한 현황에서 매스프레소는 변화하는 소비자의 니즈를 만족시킴과 동시에 경쟁자들과 차별화되면서 소비자의 변화하는 니즈를 만족하는 서비스를 비용 효율적으로 공급할 수 있어야 시장에서 장기적으로 성장할 수 있을 것이다. 실제로 매스프레소에서 엔지니어로 근무하시는 분께 인터뷰를 요청하고 LLM 트렌드에 대한 의견을 물은 결과, “LLM은 정말 양날의 검”이라는 말씀을 들을 수 있었다. LLM이 발전하면서 전 세계 모든 사람에게 개인화된 교육을 제공한다는 매스프레소의 비전이 현실에 가까워지고 있는 것도 사실이지만, 그 과정에서 그들에게 던져진 숙제가 많다는 맥락에서 나온 말이었다.
그렇다면, LLM이라는 거대한 변곡점에 맞서 매스프레소는 어떻게 나아가야 할까?
매스프레소는 어떤 방향성을 가지고 나아가야 하는가?
앞서 분석했듯이, LLM의 발전에 따라 매스프레소에게는 [변화하는 소비자의 니즈를 만족시키면서도 경쟁자들과 차별화된 서비스를 비용 효율적으로 공급] 해야 한다는 장기적인 과제가 생겼다. 이 과제를 달성하기 위해 매스프레소는 구체적으로 어떤 전략을 취해야 할지 [서비스 기획] 관점과 [서비스 개발] 관점에서 이야기해 보도록 하겠다.
매스프레소는 LLM 트렌드에 맞서 어떤 서비스를 기획해야 하는가?
매스프레소가 LLM 트렌드에 맞서 기획해야 할 서비스를 결정함에 있어 두 가지 고려 사항이 있다. 여기서 고민해봐야 할 지점은 “기존과 동일하게 문제에 대한 해설을 제공하는 풀이 제공 서비스가 메인이 되어야 하는가?”이다. 이 지점에서는 두 가지 관점을 고려해야 한다.
첫째, 현재에도 풀이 제공 서비스가 주 서비스인가?
이 질문에 대한 답은 회사 관계자와의 인터뷰에서 얻을 수 있었다. 매스프레소 관계자의 말씀에 따르면, 풀이 검색 서비스는 항상 매스프레소에서 가장 많은 유저가 이용하는 주력 서비스임을 확인할 수 있었다.
둘째, 장기적으로도 그럴 것으로 예상되는가?
이 질문에 대한 답은 매스프레소의 사업 구조에서 찾을 수 있었다. 매스프레소의 주력 서비스는 과거부터 현재까지 언제나 풀이 검색 서비스였으나, 이들은 해당 서비스를 통해 유의미한 수익을 거두고 있지는 않다. 지금까지 매출 면에서 성장을 한 가장 큰 배경은 풀이 검색 서비스를 통해 확보한 위치를 기반으로 추가 가치 제안을 함으로써 매출을 증가시켜 왔다는 것이다.
이러한 구조의 시사점은 “매스프레소에는 지위를 유지하고 신규 유저를 확보할 수 있는 가벼운 서비스가 필요하다”는 것이며, 따라서 이들은 기존의 주력 서비스였던 문제 풀이 서비스를 일부 조정하여 새로운 '문제 해설 서비스'를 기획해야 할 것이다. 그렇다면 다음으로 이어져야 할 이야기는 이들이 어떤 방식의 풀이 제공 서비스를 공급해야 할 것인가이다.
그렇다면, 어떤 문제 해설 서비스를 기획해야 할까?
이 부분에 대한 답은 소비자들의 변화하는 니즈에서 찾을 수 있었다. 앞서 언급했듯이, 소비자들의 니즈는 기존의 풀이 해설을 받는 것보다 더 복잡해지고 있는 추세이다. AI 모델들이 발전함에 따라 LLM을 기반으로 하는 대화형 인터페이스에 소비자들은 점점 익숙해지고 있다. 기존 대부분의 서비스들이 문제에 대한 해설만을 제공했던 것과 달리, 최근에는 대부분의 회사들이 유저에게 후속 질문을 기반으로 개인화된 설명을 제공하는 튜터 서비스를 도입하고 있는 상황이다.
이런 상황에서 매스프레소 역시 AI 튜터 서비스를 개발하여 소비자들의 변화하는 니즈에 적합하고 보다 개인화된 가치를 제공해야 할 것이다. 다만, 시장의 트렌드 자체가 LLM을 기반으로 하는 AI 튜터인 만큼, 이들은 AI 튜터를 제공함에 있어서 경쟁자와의 차별화가 반드시 필요하다. 그렇다면 이들은 어떻게 경쟁자와의 차별점을 확보할 수 있을까?
1. AI 튜터의 성능 확보
첫 번째로 확보해야 하는 차별점은 AI 튜터의 성능이다. 학생에게 문제의 풀이를 제공하고 학습을 도와주는 과정에서 틀린 설명을 제공하거나 잘못된 해답을 제시하는 것은 절대로 용인될 수 없다. 따라서 매스프레소는 우수한 성능의 AI 튜터를 개발하여 학생들에게 정확하고 친절한 설명을 해줄 수 있어야 한다. 해당 부분이 보장될 수 있다면 이는 충분한 경쟁력이 될 수 있는데 그 이유는 현재 대부분의 AI 튜터 서비스들은 그 성능이 좋지 못하기 때문이다. 다양한 이유가 있겠지만 가장 근본적인 문제는 LLM에게 튜터링의 AtoZ를 모두 맡기기 때문이다. 제 아무리 기술이 발달했다고 하더라도 복잡한 수학 문제를 풀이하는 것부터 문제를 설명하게 하고, 이어지는 후속 질문까지 알아서 처리하게 하는 것은 모델이 거짓 사실을 사실인 것처럼 말하는 할루시네이션으로 이어지고 있으며, 이는 서비스에 대한 만족도를 떨어뜨리는 요인으로 작용 중이다.
실제로 Preply, maths.ai thetawise, Mathos라는 세 가지 AI 수학 튜터 서비스를 이용해 본 결과, 문제의 난이도가 조금만 높아져도 잘못된 응답을 내놓는 일이 굉장히 많았으며, 절대로 서비스 가능한 수준의 서비스가 되지 못함을 확인할 수 있었다. 따라서, 매스프레소가 우수한 성능의 AI 튜터를 개발할 수 있다면 이는 그 사실만으로도 차별성이 될 수 있다.
2. 비용 효율적인 서비스 구조 설계
또 하나의 중요한 요소는 비용 효율적으로 AI 튜터를 공급하는 것이다. 앞서 말했듯, AI 튜터를 개발하고 제공하는 과정에서 LLM을 이용하는 것은 필연적인데, 이때 발생하는 API 호출 비용이 너무 높다면 지속 가능한 서비스로 이어질 수 없다. 따라서 매스프레소는 비용 효율성을 확보하기 위한 방향성을 고민해봐야 한다.
정리하자면, 매스프레소는 성능적으로 우수한 AI 튜터 서비스를 개발함과 동시에 비용 효율적인 서비스 구조를 설계해야 한다. 이를 통해 변화하는 소비자의 니즈에 부합하고, 경쟁자들과 차별화된 가치를 제공함으로써 시장에서의 위치를 공고히 할 수 있을 것이다.
그렇다면 매스프레소는 어떻게 똑똑하고 저렴한 AI tutor를 만들 수 있을 것인가?
매스프레소가 똑똑하면서도 저렴한 AI 튜터를 개발하기 위해서는 우선 튜터 서비스에서의 [문제 풀이 영역]과 [해설 영역]을 구분하고, 각 영역에 따라 다른 개발 전략을 수립해야 한다. 동시에 그들이 기존에 가지고 있던 기술력을 LLM과 적절히 혼용할 수 있는 방향성에 대해 고민해야 한다. 이렇게 해야 하는 이유는 (1) LLM 모델에 따라 이용료가 천차만별이고, (2) LLM이 아직 만능이 아니기 때문이다.
우선 현재 OpenAI에서 제공하는 LLM 모델별 가격표를 보자.
<출처 : OpenAI 홈페이지>
표에서 확인할 수 있듯이, GPT-4o-mini 모델의 경우 O1-preview 모델보다 100배 저렴하다. 이처럼 동일한 회사에서 공급하는 LLM이라고 하더라도 어떤 모델이냐에 따라 가격과 성능이 천차만별이다. 하지만 LLM이 수행해야 하는 작업에 따라 조금 성능이 떨어지는 모델도 충분히 좋은 경우가 있을 수 있다.
예를 들어, “도함수의 미분법이 무엇인지 간단하게 설명”하는 등 비교적 간단한 작업을 수행할 때는 GPT-4o-mini 모델도 충분히 좋은 성능을 보일 수 있다. 그런데 굳이 O1-preview 모델에게 해당 작업을 시키는 것은 비용적인 낭비가 된다. 따라서 매스프레소가 성능이 좋으면서도 저렴한 AI 튜터를 개발하기 위해서는 필요한 기능들을 잘 정리하고, 각 기능별로 적절한 모델을 활용하여 튜터를 구현하는 것이 필수적이다.
또한, LLM이 아무리 뛰어나고 성능이 좋아도 여전히 한계가 명확히 존재한다. O1-preview를 제외한 모든 모델들은 MathVista라는 LLM 모델의 수학 문제 풀이 능력을 평가하기 위한 테스트에서 좋은 성과를 보이지 못한다. GPT-4o 모델의 경우 정확도가 60%대, GPT-4o-mini의 경우 50%대이다. 이는 여전히 LLM이 수학 문제 풀이에 있어서 좋은 성능을 보이지 못함을 나타낸다. 따라서 AI 튜터를 도입한다면 어떻게 정확한 문제 풀이 기능을 제공할지를 반드시 고민해야 한다.
지금부터는 매스프레소가 취해야 할 개발 방향성에 대해 이야기해보고자 한다.
1. 문제 풀이 영역
앞서 언급했듯이, 수학 문제 풀이 영역에서 LLM은 여전히 좋은 성능을 보이지 못하고 있다. 따라서 이 부분에서는 매스프레소가 지니고 있는 기존 기술력을 적극 활용할 필요가 있다. 이때 활용될 수 있는 요소들은 [수많은 문제가 담긴 데이터베이스, 뛰어난 문제 검색 기술력, 매스프레소가 자체 개발한 MathGPT]이다.
현재 LLM들이 문제를 잘 못 푸는 이유는 추론적 사고를 잘하지 못하기 때문이다. 따라서 유저가 모르는 질문을 입력하면, 그것을 AI에게 풀게 하는 것이 아니라, 기존 해설 제공 방식대로 유저가 질문한 문제에 대한 답을 찾아주는 것이 LLM 이용료를 줄이면서도 훨씬 정확한 해설을 제공할 수 있는 방법이다.
하지만 이런 방식으로 서비스를 제공했을 때 생기는 문제도 있다. 유저의 니즈는 점점 복잡해지고 있고, 이전보다 더 개인화된 해설과 풀이를 원하고 있다. 이들의 니즈를 만족시키기 위해서는 단순히 검색된 해설을 보여주는 것이 아니라, LLM을 활용해 해설을 개인화하고 후속 질문을 처리해 주는 것이 필요하다.
2. 해설 영역
유저가 질문한 문제에 대한 해답을 데이터베이스에서 찾았다면, 그것을 개인화하여 해설을 제공하고, 추가적인 질문에 답하는 과정이 필요하며, 이 부분에서 LLM이 활용되어야 한다.
이 부분에서 LLM을 활용하는 것이 왜 효과적인지 쉽게 설명하기 위해 예를 들어보겠다.
두 가지 상황을 가정해 보자:
수능 수학 30번 문제를 혼자서 해결하고 그것을 설명해야 하는 상황
해설지를 보면서 그 해설을 설명해 주는 상황
수능 수학 30번 문제 자체가 난도가 높다 보니, 두 번째 과정도 쉽지는 않겠지만, 첫 번째 상황에 비하면 훨씬 수월하다는 것을 알 수 있다. 이것이 바로 문제 풀이 영역과 해설 영역을 나누는 이유이다.
실제로 자체 실험 결과, 고등학교 3학년 모의고사에서 고난도 문제로 출제되는 수준의 문제 10개를 GPT-4o-mini에게 풀려본 결과, 단 한 문제도 제대로 정답을 찾지 못했다. 반면에 10개의 문제를 제공하면서 그 해답과 해설 과정, 그리고 관련된 개념들을 함께 제공해 주면서 설명을 만들어달라고 했을 때는 10번 모두 만족스러운 수준의 해설을 받을 수 있었다. 즉, 가장 저렴한 모델인 GPT-4o-mini 모델만 활용해도 문제에 대한 해설을 작성하는 것은 무리가 없다는 것이다. 이 점을 매스프레소는 적극적으로 활용해야 한다.
정리하자면, 매스프레소는 기존의 기술력을 적절히 활용하여 LLM에 의존하지 않는 문제 풀이 구조를 만들어내야 한다. (LLM의 정확도가 만족스럽지 않기 때문) 이후 해설을 개인화하고, 문제에 대한 후속 질문을 처리해 주는 과정에서는 GPT-4o-mini 모델을 활용하여 저렴하면서도 성능이 좋은 AI 튜터를 개발할 수 있을 것이다.
마무리
매스프레소는 지난 10년간 혁신적인 서비스와 적극적인 해외 진출로 놀라운 성장을 이루어냈다. 그러나 LLM의 발전이라는 거대한 변곡점 앞에서 새로운 도전에 직면해 있다. 변화하는 소비자의 니즈에 부응하고, 경쟁자들과 차별화된 서비스를 비용 효율적으로 제공하기 위해서는 새로운 전략과 방향성이 필요하다.
매스프레소는 기존의 강점인 방대한 데이터베이스와 문제 검색 기술력을 활용하고, LLM을 적절히 결합하여 똑똑하고 저렴한 AI 튜터 서비스를 개발함으로써 이 도전에 대응할 수 있을 것이다. 이를 통해 학생들에게 더 나은 학습 경험을 제공하고, “모든 학생에게 개인화된 교육을 제공한다”는 매스프레소의 비전을 실현할 수 있을 것이다.
앞으로 매스프레소가 어떤 혁신적인 서비스를 선보이며 성장해 나갈지 기대된다.
연세대 산업공학과 강지민
gangj277@gmail.com
