AI가 세상을 바꾸려면, 투자자도 바뀌어야 합니다
by Falon Fatemi, CEO & Founder, Node.io
주) 이 글은 Node.io의 CEO이자 창업자인 Falon Fatemi가 2020년 3월 13일 포브스에 기고한 글을 번역한 것입니다. Element AI에서 일하면서 투자, 파트너십 등의 논의를 하거나 동료들과 이야기하면서 느꼈던 점들이 잘 정리되어 있어, 원저자에게 허락을 구하고 번역, 포스팅합니다. 물론, 개인적으로도 'SaaS와 AI-first가 반드시 대비되는 개념인가'라든가, 'Node.ai가 아무래도 horizontal platform에 가까운 회사라는 것이 원저자의 생각과 글에 어떻게든 반영되지 않았을까', 또 'Andreessen Horowitz의 AI 기업에 대한 일반적 인식(이는 글을 읽어보시는 중에 확인하실 수 있습니다)에 전면적으로 동의하기는 힘들지 않은가' 하는 등의 의문은 있습니다만, 비판적으로 읽으시면서 참고할 부분은 은 있으리라 생각합니다.
원 글은 여기서 보실 수 있습니다.
그리 먼 오래가 아니라, 단지 50년 전만 하더라도 교환원들이 직접 교환기를 조작하면서 전화 연결을 해 주었다는 것을 믿기 힘든 분들이 많을 것입니다. 과거에 규모 있는 운영을 하기 위해서 수많은 사람들의 손을 빌려야 했던 일들이 마이크로프로세서로 동작하는 컴퓨터에 의해서 빠르게 대체되었습니다. 오늘날에는 다른 누군가와 전화로 이야기를 나누기 위해서 중간에 사람의 작업이 필요하다는 상상 자체를 하기 힘들죠.
'데이터 사이언스'라는 영역도 이와 유사한 과정을 거치고 있습니다. 데이터로부터 예측을 끌어내는 수학적 도구들은 지난 수세기, 또 그를 위한 알고리즘도 지난 수십 년간 존재해 왔지만, 입력 데이터의 관리, 출력 데이터의 해석 및 이 과정을 반복하는 과정을 진행하고 관리하는 데는 항상 사람의 개입이 필요했습니다.
Artificial Intelligence (AI)는 이 모든 상황을 변화시킬 수 있는 잠재력을 가지고 있습니다. 이전에는 수개월이 걸려서야, 그리고 수차례 사람이 손을 대야만 결과를 볼 수 있었던 예측값 생성 과정을, AI라는, 사실상 자동적으로 운영되는 강력한 기술이 처리할 수 있습니다. 따라서, 많은 혁신기업들이 이 기술의 거대한 잠재력을 이해하고 있고, AI-중심의 운영 모델로 옮겨가려는 시도를 하고 있습니다.
Mark Cuban은 AI의 독보적인 영향력을 예상한 많은 투자자들 중 하나입니다. 그는 "PC도, 인터넷도 큰 영향력이 있었지만, AI는 그것들을 왜소해 보이게 만들 정도로 큰 영향력이 있을 것이다. 이것을 이해하지 못하면, 당신은 뒤떨어지게 될 것이다 - 특히 만약 당신이 사업을 운영하고 있다면 말이다."라고 한 바 있습니다. 실제로, AI가 다음 세기 동안 전 세계 경제에 무려 13조 달러의 가치를 더할 것이라는 Mark의 예측을 지지하는 강력한 증거들이 있습니다.
벤처 캐피털의 인지 부조화
AI가 가져올 것으로 믿고 있는 기회의 그 엄청난 규모에도 불구하고, 현재 사용할 만한 도구들이 아직 미성숙한 상태라든가, 연구자와 같은 특수한 인력이 필요하다든가, 그리고 - 아마도 이것이 가장 중요한 요소일 수 있을 텐데 - 기업의 데이터 관리 전략을 재검토해야 한다든가 하는 이유로 AI의 도입 속도는 너무나도 느립니다. AI의 도입을 가속화하고 모든 비즈니스에 AI 시스템을 배치하는데 필요한 시간과 자본을 절감하려면 새로운 혁신이 필요합니다.
AI 도입 속도가 늦어지는 주요 이유들 중 하나는, AI-first 기업을 만든다는 것이 의미하는 현실과, 벤처 캐피털의 일반적인 규준 사이의 간극이라고 할 수 있습니다. 구체적으로 이야기하자면, AI 기업은 전통적인 SaaS 기업 대비 3~6배 더 규모가 큰 선제 투자가 필요한 반면에, 대신 3~6배 이상 큰 규모의 시장 기회를 노릴 수 있다는 차이가 있고, 그렇기 때문에 의미 있는 상업적인 동력을 만들어내기 위해서 훨씬 더 오랜 시간이 필요합니다 - 사업의 개념으로부터 시작해서 실제로 작동하는 프로토타입을 만들어내기까지 최소 천만 달러 규모의 투자와 5~6년 정도의 시간이 필요하고, 의미 있는 상업적인 결과를 보는 데까지는 약 10년 정도 걸린다고 봅니다. 대부분의 벤처 캐피털 펀드가 보통 7년 정도의 시간을 예상하고 움직이기 때문에, 그런 의미에서 그들에게 그리 기쁜 소식은 아닐 것입니다.
AI 전문 벤처 캐피털 펀드가 많이 생기기는 했지만, 투자자들은 여전히 AI-first 기업을 평가할 때 SaaS 기업의 멀티플(multiples)을 기준으로 삼습니다. 빅데이터 분석 기업으로서 이미 유니콘이 된 Sisense의 CEO, Amir Orad는 이런 경향이 아주 바람직하지 않다고 생각하는 수많은 AI 창업자들 중 하나입니다. Amir는 제게 "벤처 캐피털이 수익을 거두는 방식에 대비했을 때 시간과 관련한 이슈가 있어요. 오로지 연구 개발을 하는데만 5~6년이 걸리고 그 이후에야 AI 프로토타입을 만들 수 있다고 한다면, 전형적인 벤처 캐피털의 구조로는 받아들이기 힘들 거예요."라고 말한 적이 있습니다.
AI 기업들이 SaaS 기업들과 비교했을 때 비슷한 '펀딩 시리즈' 단계에서 비슷한 결과물을 내어 놓기를 기대하는 것은 어렵다고 했는데, 다음 표에 있는 대략적인 펀딩 규모, 마일스톤, 그리고 ARR (Annual Recurring Revenue) 숫자들이, 전형적인 SaaS 애플리케이션과 AI-first 플랫폼을 만드는 기업들의 서로 다른 현실을 대변해 준다고 할 수 있을 것입니다. 간략히 말해서, 앞으로 투자자들이, 진짜 AI-first 회사라고 믿는다면 그 회사에 대한 투자 요건이나 기대 수준을 재정의하고 접근해야 그 회사를 통한 대규모의 혁신 (transformational innovation)이 가능할 것이라는 이야기입니다.
벤처 캐피털 Andreessen Horowitz의 파트너인 Martin Casado와 Matt Bornstein 역시 최근의 글에서 AI-first 기업과 전통적인 소프트웨어 기업 간의 차이에 대해서 다시금 지적한 바 있습니다. 이 두 파트너들의 경험에 따르면, 상대적으로 낮은 매출총이익 (Gross Margin : 비교 대상인 SaaS 기업에서 매출총이익이 보통 60~80%라면 AI 기업의 매출총이익은 50~60% 수준), 규모 확대의 어려움, AI 모델이 commidity화와 함께 차별적 경쟁력을 유지하기 힘들어진다는 점, 그리고 IP(지적재산권)가 고객의 소유(전체 또는 일부라도)가 되기 쉽기 때문에 AI 솔루션의 전반적인 적용 범위와 가능성이 제한될 수 있다는 점 등 때문에 AI 기업을 전통적인 소프트웨어 기업과 동일선상에서 비교하기 어렵다고 이야기하고 있습니다. 이런 이유들에 더해서, 오늘 AI 솔루션을 운영하는데 필요한 지속적인 인력과 변동비 등을 고려하면, AI-first 기업의 재무적 지표는 - 적어도 그 기업의 초기에는 - 오히려 서비스 기업과 유사한 측면이 있다는 것입니다.
AI가 기업의 기존 형태를 파괴할 수 있는 무언가로 묘사되고는 있지만, 막상 기업에서의 AI 도입 현황은 처참한 상황입니다. 이는 절대 기업의 AI 도입 의지나 열망이 약해서가 아닙니다. 대다수의 기업을 살펴보면, AI가 가진 잠재력의 상당 부분이 데이터에 달려있다는 것 - 데이터가 어디에 있고, 어떻게 취합, 정리, 표준화할 것이며, 데이터를 처리해서 통찰을 끌어낼 수 있는 데이터 아키텍처를 구축할 것인지 - 에 대해서 제대로 이해하지 못하고 있습니다. Element AI (최고 수준의 AI 인력들이 개발한 Ready-to-Implement AI 플랫폼과 제품을 공급하는)의 CEO인 Jean-Francois Gagne도 '시장 자체가 아직 얼리어답터 상태에 있고, 대부분의 조직에서 어디에 데이터가 있는지를 파악하지 못하고 있을 뿐 아니라 AI를 개발, 운영하기 위해 필요한 인프라를 제대로 갖추지 못하고 있다'라고 제게 말한 적이 있습니다.
AI 하이프(hype)와 실제 현실 사이의 간극은 실제로 매우 크고, 이 간극은 기업들이 AI 중심의, AI를 위한 데이터 전략을 만들기 전까지는 좁혀지기 힘들 것입니다. 데이터를 취합한다는 이 핵심적인 작업에는, 해당 기업의 내부 데이터, 애플리케이션 데이터를 외부 기업, 파트너, 고객 등 주변 생태계로부터 만들어지는 데이터와 결합하는 과정이 필요합니다. 아직 End-to-End로 필요한 데이터를 선택하는 것에서부터 실제 AI 모델을 이용한 예측까지 처리해주는 도구가 시장에 전혀 없으므로, 결국 이는 AI-first 스타트업이 데이터를 다루는 데까지 발을 들여놓아야 한다는 것입니다. AI-first 기업들은 결국 필연적으로, 시장이 더 성숙해질 때까지는 고객사를 직접 이끌어 가면서 원하는 솔루션을 만들기 위해서 더 많은 자금을 모아야 하는 것이죠.
종종 간과되는 'Horizontal' AI 기업의 잠재력
본격적인 AI-first 기업에 투자하는 대신, 투자자들은 '유사 AI 기업'에 좀 더 끌리고 있는 것 같습니다. "AI 요소를 더했다"라고 주장하는, 특정 산업의 워크플로우를 개선하는 솔루션을 제공하는 SaaS 기업이라든가, 궁극적으로 기업용 AI 솔루셔 스위트를 구축하겠다는 '장기적' 목표를 가지고 인력 확보를 계속하는 기업들 말이죠. 아마도 이 두 가지 종류에서 벗어나는 사업자들은 필요한 만큼의 자금을 확보하는데 어려움을 겪을 것입니다 - 그에 따라 AI를 활용한 본격적인 혁신을 우리가 빠른 시간 내에 목도하기도 어려워질 것이고요.
Horizontal AI 기업들은 특히 그 미래를 기대할 만한 기업들이지만, 아무래도 벤처 캐피털리스트들이 특정 산업에 집중하는 SaaS 솔루션 기업에 투자하는데 익숙해져 있다 보니 때때로 간과되는 대상이기도 합니다. Horizontal AI 기업들은 일반 기업 고객들이 내부적으로 AI라는 기술의 힘을 활용하는데 필요한 DNA를 자체적으로 구축하지 않고도 다양한 AI 유즈 케이스를 효과적으로 만들고 운영할 수 있도록 도와줍니다. 이들의 오퍼링이 시장에 받아들여지는 데는 아무래도 시간이 더 걸리기는 하지만, Horizontal AI 기업은 AI의 도입 자체를 가속화할 수 있는, 게임 체인저가 될 잠재력이 있는 기업들입니다. 저는 최근에, 이전에 Accenture Ventures and Open Innovation를 공동으로 설립한 매니징 디렉터였고 현재는 H3VC (Horizon 3 Venture Capital)의 창업 멤버이자 GM인 Jitendra Kavathekar와 이야기를 나눌 기회가 있었습니다. Jitendra는 Horizontal AI 기업의 잠재력에 대해서 이렇게 강조했습니다:
"디지털 트랜스포메이션이 '성장'의 달성, '효율성' 제고'라는 목표를 모두 달성하려면, 데이터 기반의 지능적 역량을 바탕으로 기업의 전 영역에 걸친 운영 및 의사결정 방식 모두를 혁신해야 합니다. 이 과정에서 조직 내에 분리되어 있는 각각의 기능들을 연결하면서 다양한 데이터를 활용한 통찰(Insights)을 끌어낼 지능적 연결 고리, 즉 Horizontal AI가 결정적 역할을 할 수 있습니다. 하나의 조직에서 발견된 지식과 통찰을 다른 조직에 적용함으로써 그 효과를 배가하고자 하는 기업들에게는 Horizontal AI는 매우 새롭고도 흥미로운 요소입니다. 한 발 더 나아가서, 스스로 여러 기능적 조직과 업무를 살펴보면서 새로운 지식과 통찰을 찾아내고 정의하는 새로운 종류의 인력이 있다고 생각해 보면, 이것이 바로 근본적인 단계로부터 일어나는 혁신의 모습이라고 할 수 있습니다. 이렇게 수평적으로, 그러나 동적으로 일어나는 디지털 트랜스포메이션은 미래에 엄청난 수준의 가치를 만들어 낼 텐데, 다만, 이것이 가능하려면 상당한 규모의 외부 서비스와 컨설팅 등의 보완적 수단이 필요할 것입니다. 대형 서비스 사업자, 그리고 컨설팅 사업자들은 그런 관점에서 기업 고객들을 대상으로 플랫폼과 서비스를 결합한 접근 방식을 통해서 디지털 트랜스포메이션 전 과정의 초기에 가치를 제공할 있는 아주 좋은 상황에 있다고 하겠습니다."
Horizontal AI 기업들이 그 잠재력을 발현하기 위해 필요한 자금을 확보하려면, 벤처 캐피털리스트들이 AI-first 기업이 자금 부족 이슈를 겪는 와중에 때 이른 자금 회수를 하기보다는, 장래성 있는 AI-first 기업들이 위대한 혁신을 만들어낼 서비스와 솔루션을 구축할 수 있도록 장려하기 위해서라도 벤처 캐피털 업계에 '투자 및 회수'와 관련된 개념에 전환이 필요합니다. Jean-Francois Gagne는 이것을 누구보다도 먼저, 직접 느낀 사람일 것입니다. Jean-Francois는 제게, "나는 심각한 자금 확보난을 겪다가 결국 당초 AI를 이용해서 이러이러한 것을 해 보겠다고 했던 자신들의 원래 목표를 유지하지 못한 채 사업모델이나 오퍼링을 변경하게 된 스타트업들을 실제로 많이 보았습니다."라고 말했습니다. 우리 앞에 놓인 엄청난 시장 기회, 그리고 좋은 AI 서비스나 제품을 만드는데 실제적으로 요구되는 시간 등을 고려할 때, 이런 현상 - AI-first 기업을 SaaS 멀티플 기준으로 평가하는 것 - 은 기술적 진보의 관점에서 바람직하지 않은 현상이고, 일종의 넌센스라고까지 할 수 있을 것 같습니다.
'비즈니스 문제'를 해결한다는 것
AI 도입을 가로막는 또 하나의 이슈는, AI 기업들이 내세우는 '가치 제언 (Value Propositions)'과 관련이 있습니다. 특히, 대부분의 기업들이 해결하고자 하는 '문제' 자체에 집중하기보다는, AI 기술이 사용되는 '솔루션' 자체를 홍보하는데 힘을 씁니다. Kyndi라는 AI 기업의 창업자인 Ryan Welsh에 따르면, 대부분의 기업 고객들이 자신들에게 어떤 문제가 있는지를 모르는 경우가 많기 때문에, 이런 접근 방법의 전환 - '솔루션'에서 '문제'로의 - 이 중요하다고 합니다. 예를 들어, 어떤 기업에서 90일 동안 수작업으로 문서를 검토하는 업무를 하는 100명의 작업을, 기계 한 대를 가지고 90분이면 해 낼 수 있는 AI 솔루션이 있다고 합시다. Welsh는, "혁신적인 기술이 맞닥뜨리는 가장 큰 과제는, 바로 그 기술이 해결할 수 있는 문제가 사람들이 항상 인지하고 있는 문제가 아니라는 점입니다. 사람들은 그것이 문제인지조차 몰라요. 100명의 사람이 수작업으로 90일 동안 문서를 읽는 업무 프로세스가 30년 동안 계속되어 왔기 때문이죠. 그래서 당신이 가서, 100명이 90일 동안 문서를 읽고 있는 대신, 한 대의 기계로 90분 만에 같은 일을 할 수 있다는 것을 보여주기 전에는, 그것이 문제라고 생각하는 사람이 없는 것입니다. 그래서 우리는 '솔루션'이 아니라 '문제'가 무엇인지를 이야기해야 해요. 사람들이 자기들이 일하는 방법과 구조에 근본적인 문제가 있다는 것을 이해하게 되면, 그때가 바로 우리가 '솔루션'을 이야기할 수 있는 때예요."
이것 또한 AI 솔루션의 세일즈 사이클이 더 길어지고, 새로운 기회의 시장을 열 가능성이 있는 진짜 AI-first 기업이 더 큰 규모의 자본이 필요한 이유가 됩니다.
AI 공해
엎친데 덮친 격으로, AI-first 기업은 또 '도대체 AI가 실제로 무엇이냐'에 대한 시장의 애매모호한 인식 문제와 씨름을 하고 있습니다. 우리는 Sisense의 CEO, Amir가 만든 용어 "AI 공해 (AI Pollution)"의 거의 최고조 상태, 시장도 미디어도 무엇이 제대로 된 AI고 무엇이 아닌지에 대해서 명확히 모르고 있는 상태에 도달해 있습니다. ".ai" 도메인이 사방에서 나타나고, 사실상 모든 기술 기업들이 자사의 마케팅 전략의 핵심에 AI를 두고 있습니다. 그 기업이 진짜로 AI 기술을 활용하는지 아닌지는 중요한 것이 아닙니다. 수준 높은 투자자들조차 샅샅이 살피고 추려내기가 힘든 상태입니다.
그래서, AI의 잠재력을 실현하는 과정에서 꼭 필요한 중요한 단계가 바로 AI가 무엇이고 어떤 것이 AI가 아닌지에 대한 아주 명확하고 구체적인 교육과 학습입니다. 성장 단계의 기술 기업들에 투자하는 VC인 Sapphire Ventures의 Jai Das는 "누구하고든 AI에 대해서 이야기할 때, 무엇이 AI이고 아닌지, 그 구체적 내용이 무엇인지 기준으로 삼을 표준적인 정의가 없습니다. 무언가를 정의하는 공통의 방법이 없는 상태에서는, 의미 있고 구체적인 이야기를 나누기가 매우 어렵죠."라고 한 바 있습니다.
자연어 처리, 머신 러닝 기술을 기반으로 대기업의 마케팅, 영업, 서비스 등의 영역에서 사용되는 언어 선택을 효과적으로 할 수 있도록 도와주는 회사인 Persado의 CEO, Alex Vratskides도 이런 평가에 동의한다고 하면서, 제게 이렇게 말했습니다:
"AI라는 용어 자체가 그간 오용되어 왔습니다. 대부분의 학자들은 우리가 지금 이야기하는 AI가 AI가 아니라 무언가 다른 것이라고 할 거예요. 다른 모든 트렌드의 경우에서처럼, 실리콘밸리가 또다시 그냥 하나의 용어에 달려들어서 그 실체가 만들어지기도 전에 활용을 해 버린 것이에요. 누구든 클러스터링 알고리즘을 가지고 있으면 자기도 AI라고 주장합니다."
요약
거의 광적인 수준의 마케팅의 홍수에도 불구하고, AI는 아직 매우 초기 단계에 있습니다. 기업 시장의 경우에는, 아마도 AI를 많은 수작업과 지원 서비스 없이 광범위하게 도입할 수 있는 상태가 되려면 앞으로 몇 년은 더 걸릴 것입니다. 그렇지만 AI 기술과 솔루션의 개발, 그리고 투자를 축소해야 한다는 뜻은 아닙니다. 오히려, 진짜 제대로 된 AI-first 기업을 위해서 투자의 개념과 구조를 조정하고, Horizontal AI 플랫폼의 가치 - 일반적인 특정 산업용 솔루션보다 훨씬 큰 ROI와 시장 기회를 만들어 낼 - 를 제대로 인식해야 합니다. 또, AI를 잘 이해하기 위한 공통의 언어에 합의를 함으로써, AI라는 용어 자체가 특히 마케팅의 욕심으로 오남용 되지 않으면서 서로 간에 의미 있는 지적인 논의를 진전시킬 수 있도록 해야 합니다. 이 과정에서, 진정 혁신적인 AI-first 기업들이 필요한 자금과 지원을 받아 다음 세대를 위한 거대한 변화를 일으킬 수 있는 기술을 개발하는 것을 볼 수 있게 될 것입니다.
