25년 8월 4일 흠터레스팅 테크 뉴스

유명 패션 잡지 '보그', AI 모델 광고 논란 외 3건

[오늘의 인용글 - 제품 지표를 정의하고 사업 성과를 극대화할 것]

사업 지표, 제품 지표, 그리고 견인 지표를 구분하는 것이 효과적입니다. 사업 지표는 사업이 얼마나 잘 진행됐는지를 측정합니다. 제품 지표는 제품이 사업을 얼마나 잘 이끌어나가고 있는지를 나타냅니다. 견인 지표는 제품 내 특정 기능이나 작업의 사용 현황을 측정합니다.

사업 지표는 재무 지표(예: 매출 증가, 비용 절감)로부터 시작되지만, 특정 지역에서의 시장 점유율 확대나 새로운 고객 세그먼트에 대한 매출 증가와 같은 전략적 이니셔티브를 나타내기도 합니다. 하지만 많은 비즈니스 성과는 후행 지표입니다. 이는 어떤 일이 발생한 이후에 그것을 측정한다는 의미입니다. 후행 지표는 팀이 선제적으로 결과를 이끌어내기보다 사후에 반응하게 만들기 때문에, 팀의 업무를 이끄는 데에는 한계가 있습니다.

제품 지표는 제품이 사업을 얼마나 효과적으로 전진시키는지를 측정하는 선행 지표 입니다. 그리고 이 지표는 정의상, 바로 이 제품 성과가 제품을 만드는 사람의 통제 범위 내에 있습니다.

- 테레사 토레스, 지속적 발견 습관

It helps to distinguish between business outcomes, product outcomes, and traction metrics. A business outcome measures how well the business is progressing. A product outcome measures how well the product is moving the business forward. A traction metric measures usage of a specific feature or workflow in the product.

Business outcomes start with financial metrics (e.g., grow revenue, reduce costs), but they can also represent strategic initiatives (e.g., grow market share in a specific region, increase sales to a new customer segment). Many business outcomes, however, are lagging indicators. They measure something after it has happened. It’s hard for lagging indicators to guide a team’s work because it puts them in react mode, rather than empowers them to proactively drive results.

Remember, product outcomes measure how well the product moves the business forward. By definition, a product outcome is within the product trio’s span of control.

- Teresa Torres, Continuous Discovery Habits

(1) 오픈에이아이의 추론 AI 모델 개발 배경

- 2022년 Hunter Lightman이 OpenAI에 합류한 뒤, 수학 문제 해결 능력을 향상시키기 위한 'MathGen' 팀에서 연구 시작 -> 당시 모델은 수학적 추론 능력이 부족했으나, 최근에는 국제 수학 올림피아드(IMO)에서 금메달을 수상할 정도로 발전

- OpenAI의 추론 모델 o1은 2024년 가을에 공개되어 업계에 큰 반향을 일으킴 -> 이 모델은 체계적인 연구 결과물이며, ChatGPT와 같은 소비자 제품과 달리 전략적으로 개발된 결과

- o1 개발 이후, Meta는 핵심 연구자 5명을 영입하며 초지능(AI Superintelligence)에 본격 투자 -> 이 중 Shengjia Zhao는 Meta Superintelligence Labs의 최고 과학자로 임명

- OpenAI는 GPT 시리즈에 강화학습(RL)과 test-time computation을 결합한 새로운 기법 'Strawberry'를 2023년에 개발 -> Chain-of-Thought(CoT) 기법으로 미지의 수학 문제도 해결 가능

- o1은 Strawberry 모델을 기반으로 확장·정제되었으며, 계획(Planning)과 사실 검증 능력을 핵심으로 함

- 초기에는 추론 모델과 AI 에이전트의 구분이 명확하지 않았으나, 2023년 이후 ‘Agents 팀’이 출범하며 본격적으로 분리 -> 주요 리더로는 Daniel Selsam, Ilya Sutskever, Mark Chen, Jakub Pachocki가 참여

- OpenAI는 후처리 단계의 연산량 증가 및 질문 응답시 연산 자원 증대를 통해 모델 성능을 개선 중

- OpenAI 내부에서는 ‘이산 논리’ 관점에서 reasoning을 정의: 정답에 도달하기 위한 계산 자원의 효율적 사용

- 일부 연구자들은 결과 중심의 관점 채택: 실제로 어려운 일을 잘하면 reasoning이라고 봄 -> AI2의 Nathan Lambert는 이를 비행기와 새의 비행에 비유, 방법은 달라도 유사한 결과를 낼 수 있다는 점 강조

- 현재 AI 에이전트의 한계와 과제: 코딩처럼 명확하고 검증 가능한 영역에서는 Codex 등 AI 에이전트가 이미 활약 중, 그러나 주관적인 작업(예: 온라인 쇼핑, 주차장 검색)에는 아직 비효율적이고 오류 발생률이 높음 -> 이는 훈련 데이터가 부족하고 검증이 어려운 문제이기 때문

- OpenAI는 검증이 어려운 과제도 학습 가능한 새로운 RL 기법을 개발 중 -> 최근 IMO 모델은 복수의 에이전트를 동시에 작동시켜 다양한 해법을 탐색하고 최적의 답을 선택, 이러한 구조는 Google, xAI 등 경쟁사에서도 채택 중

- GPT-5는 reasoning 성능을 바탕으로 차세대 에이전트 플랫폼의 중심 모델이 될 것으로 기대, 목표는 “사용자가 별도 설정 없이 원하는 것을 직관적으로 이해하고 수행하는 에이전트” 개발 -> 최종적으로는 인터넷에서 무엇이든 대신 수행해주는 만능형 에이전트로 ChatGPT를 진화시키는 것이 목표

- OpenAI는 여전히 업계를 선도하고 있으나, Google, Anthropic, xAI, Meta 등 강력한 경쟁자들이 추격 중,

미래는 단순히 기능 구현 여부가 아니라, 누가 더 먼저 ‘에이전트 시대’를 선도하느냐의 싸움

-

(2) 2025년 스타트업 시리즈 C 투자 시장의 현실

- 자금은 존재하지만, 접근은 어려운 시장이라고 Cathy Gao (Sapphire Ventures 파트너)는 진단

- Series C 진입은 매우 드문 일: → Series A를 받은 스타트업 중 약 20%만이 Series C까지 도달

- Series C 투자자가 보는 기준: 단순 성장보다 "명확한 승자"가 되었는가가 중요 -> 투자자는 단순히 성장 중인지보다, 시장에서 ‘확실한 성공 가능성’을 가진 스타트업인지 확인, “이 회사가 시장을 정의하고 있는가?”라는 질문이 핵심

- 카테고리 리더일 것: 시장을 주도하고 있고, 효율적인 성장과 뚜렷한 시장 견인력(pull)을 보유해야 함

- 지표보다 스토리: 성장률, 수익, 리텐션이 아무리 좋아도, 향후 업계 리더가 될 수 있다는 설득력이 부족하면 투자 유치 어려움 -> 실제로 지표는 미미하지만 강한 비전으로 20억 달러 밸류에이션에 성공한 사례도 있음

- 지속가능한 성장과 컴파운딩 루프(compounding loops): 일시적 바이럴보다는 지속적 성장의 내재 메커니즘이 중요 -> ex. 고객이 늘수록 제품이 더 좋아지는가? 고객획득비용(CAC)은 줄어드는가? 이러한 구조가 확실히 보일 때 투자자는 ‘lean in’, 아니면 ‘lean out’

- “펀드레이징은 GTM(go-to-market) 캠페인처럼 준비해야 한다.” → 관계 구축은 Series A 이전부터 시작되어야 함, 예: Sapphire는 보통 Series B에 투자하지만, 해당 스타트업과 1년 이상 관계를 유지

- “투자자 CRM” 구축을 권장: 어떤 파트너가 어떤 분야에 투자하는지, 최근 투자 내역 등 기록, 주기적으로 업데이트 메일을 보내 관계 유지

-

(3) 유명 패션 잡지 '보그', AI 모델 광고 논란

- Vogue 2025년 7월호에 게재된 Guess의 광고 이미지가 AI 생성 모델이었다는 사실이 알려지며 논란 확산

- 해당 모델은 서구 미의 기준을 반영한 금발·볼륨감 있는 여성 이미지로, Vogue가 “패션 산업의 기준을 정하는 곳”이기에 파장이 큼 -> 광고였지만, 업계 전문가 및 소비자들은 광고/에디토리얼 구분이 무의미하다고 지적

- AI 기술을 통해 브랜드는: 제품 사진(플랫레이)을 포토리얼 AI 모델에 입혀 가상의 룩북/캠페인 생성, 촬영 비용, 장소, 모델료 등을 절감할 수 있어 비용 및 생산성 측면에서 유리

- AI 모델 활용의 주요 원인: 콘텐츠 수요 급증: 과거에는 연간 4개 캠페인, 이제는 SNS·이커머스로 수천 개 이미지 필요 -> 브랜드들은 현실적으로 “콘텐츠 수 100배 확장”을 위해 AI 활용 불가피하다고 주장

- 모델 Sarah Murray: “기회 자체가 부족한데, AI가 인간 모델을 대체하면 생존 불가.” -> Levi’s와 Lalaland.ai 협업 사례(2023년) 언급: 다양성을 구실로 실제 다양한 인력을 쓰지 않고 가상 이미지로 대체

- Sinead Bovell (WAYE 창립자): “상업적 모델들이 가장 큰 위협에 직면” -> “AI는 다양한 정체성을 흉내낼 수 있어, 문화적 전유(cultural appropriation) 이슈 발생.”

- 브랜드 입장: 실사 촬영보다 AI가 훨씬 저렴하고 빠름, 디지털 복제본 활용으로 모델의 얼굴·포즈를 반복 사용 가능, 일부 브랜드는 AI 모델을 실제처럼 커스터마이징해 브랜드 이미지에 맞게 활용

- 예시 기업들: Veepee, H&M, Mango, Calvin Klein 등 이미 AI 모델 실험 중, Artcare와 같은 AI 전문 스튜디오는 아동복 광고용으로 AI 아이 생성

- 모델들의 초상권, 데이터 사용 동의 없이 AI 학습에 사용될 가능성에 대한 우려 -> Model Alliance는 이를 막기 위해 Fashion Workers Act 제정 추진: → AI 복제본 사용 시 명확한 동의 및 보상 요구

- 전문가들은 AI 생성 이미지가 너무 완벽하고 개성 없음을 지적: “턱선도 똑같고, 입술도 대칭. 진짜 사람의 감정이나 결점을 담지 못함.” -> 그러나 진짜 사람만이 가진 매력과 불완전함이 여전히 브랜드 아이덴티티에 중요하다는 시각도 존재

- 일부는 실사 모델과의 혼합형 촬영 시스템을 제안 → 진짜 사람의 라이선스를 바탕으로 합성 콘텐츠 제작: 모델들에게는 개인 브랜드화, 고유한 이야기, 미디어 확장(예: 팟캐스트, 브랜드 콜라보)가 더 중요해짐

- AI 모델은 당분간 사라지지 않음. 다만 “의도 있는 활용”이 가치를 만든다는 공감대 형성 중 -> Vogue의 사례는 패션계에 AI 도입의 ‘리트머스 시험지’ 역할, 결국 브랜드와 소비자가 받아들이는 방식에 따라 AI 활용의 경계가 정해질 전망.

(4) 구글, 에픽게임즈 반독점 소송 항소심 패소

- 2020년 Epic Games가 제기한 반독점 소송에서 Google은 2023년 배심원단으로부터 독점행위 인정을 받음

- 2023년 10월, 재판부는 Google에게: 앱 스토어를 경쟁사에 개방할 것, Android 사용자에게 더 많은 앱 다운로드 옵션 제공할 것을 명령 -> 단, 이 명령은 Google의 항소가 끝날 때까지 보류 상태였음

- 2025년 7월: 미국 제9 순회항소법원 판결 Google의 항소 기각 -> Google 측은 “재판부가 Apple의 App Store와의 경쟁 관계를 방어 논리로 제시할 기회를 주지 않았다”고 주장, 그러나 항소법원은 이를 받아들이지 않음

- 결과적으로 1심 판결이 유지되며, Google은 Play 스토어 개편을 강제로 이행해야 할 상황

- 향후 Android 생태계에: 타사 앱 마켓 활성화, 사이드로딩/대체 결제 방식 확대 등의 변화 가능성

- 유사 소송에서 Apple도 iCloud 관련 반독점 기각 요청이 거절된 바 있어, 전방위적 규제 강화 추세 반영

-