AI 서비스들이 돈을 버는 방법
이 글은 Growth Unhinged의 How AI apps make money 내용을 번역, 의역 및 재구성한 글입니다.
Source:
거대 언어 모델에 관련된 서비스의 계층
1. 인프라 계층(infrastructure layer)
- 대표적인 기업: AWS, Azure, Google Cloud
- AI 모델을 작동시키기 위한 클라우드 서버와 같은 인프라를 제공하는 업체들로, 주로 사용량 기반 과금(usage-based pricing)
2. AI 모델 계층(model layer)
- 대표적인 기업: OpenAI(ChatGPT 제공), Anthropic(Claude 제공), Mistral AI
- 데이터들을 딥러닝시켜 만든 모델을 서비스로 제공하는 업체들로, 주로 사용량 기반 과금(usage-based pricing)
3. AI 어플리케이션 계층(application layer)
- 대표적인 기업: Jasper, synthesia, tome
- AI 모델 계층 기업들의 모델을 활용하여 세부적인 용도의 서비스를 제공하는 업체들로, 주로 구독 기반 과금(subscription-based pricing)
현재 인기있는 40개의 AI 어플리케이션들의 과금 모델 추이
1. 제한적인, 과금 모델 혁신
- 10개 중 7개의 기업이 구독 혹은 사용자 기반 과금에 의존하고 있으며, 아주 극히 적은 경우에 사용량 기반 과금을 하는 중
2. 대부분의 회사들은 사용자 수 기반 과금을 선택
- AI를 ‘팀원’과 같은 개념으로 느낀다기 보다, ‘조수’와 같은 개념으로 받아들여지는 것으로 보임
3. 초기 도입을 위해 무료 플랜을 선택하는 경우가 대다수
- 50%의 회사들은 무료 플랜을 제공 중이었으며, 20%는 무료 체험을 제공하고 있었음
4. 패키징과 티어에서는 ‘Good-Better-Best’ 패러다임이 일반적
5. 과금 투명성의 차이가 꽤 있음
- 66%정도가 가격을 공개하고 있음
과금 모델의 변화
기존: 제 1차 AI 앱 물결(the first wave of AI apps)
- 10개 중 7개의 기업이 구독 혹은 사용자 기반 과금에 의존하고 있으며, 아주 극히 적은 경우에 사용량 기반 과금을 하는 중
변화: 제 2차 AI 앱 물결
- Fin, EvenUp, Chargeflow, 11x.ai, Microsoft와 같은 기업들은 성공/결과 기반과 혁신적인 사용량 기반 과금 모델을 시도
- Chargeflow는 고객이 청구금 만큼의 실질적인 반환을 성공했을 때 25%의 수수료를 받아가는 정책을 시도 중
- 대부분의 SaaS의 경우 사용자 기반(per-seats) 과금을 진행하고 있지만, 실제로 활발하게 사용하는 사용자의 비중은 20~40%에 불과하며, 시간에 지남에 따라 사용자 기반 과금 모델은 어려움을 겪을 것으로 예상 됨
왜 과감한 과금 모델을 시도하지 못했을까?
AI 제품 사용에 대한 시장의 미숙함과 제품 도입의 중요성
- 현재 AI 앱 서비스에서 중요한 것은 ‘도입’(adoption)을 늘려 실제로 사용하고 그 가치가 얼만큼 발생하는지 측정하는 것이 중요한 단계
- 익숙치 않은 방식으로, 혹은 가격적으로 무리가 발생할 수 있는 과금 모델은 제품의 도입 가능성 자체를 막아버릴 리스크가 크게 존재
- 또한, AI 앱들이 실질적으로 ‘어떤 가치를 가지고 있는지’ 자체가 현재 AI 회사들이 시장성(PMF)을 찾는 데에 가장 중요한 요소
⇒ 비슷한 이유로, 도입 가능성을 높이기 위해 무료 플랜이나 무료 체험의 비중이 높음
과금 방식에 대한 불투명성에 대한 원인
1. 경쟁 심화에 따른 의도적인 정보 비대칭
- 가격 공개에 따라 경쟁에서 밀리는 등의 위험을 완화시키기 위함으로 해석됨
2. 개인화된 서비스 제공
- 고객에 따라 서비스 제공 형태를 달리하는 등의 시도가 진행되고 있기 때문에 과금을 규칙화하기 어려운 상황
3. 초기 시장성에 의한 유연함
- 현재 시장의 모든 카테고리의 제품들이 초기 단계에 머물러 있기 때문에, 시장 차원에서도 가격을 일반화 하기에는 이른 단계
