# GPT Wrapper의 반격: 상업화된 AI 모델 세계에서의 독점성

> Clean Markdown view of GeekNews topic #19164. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=19164](https://news.hada.io/topic?id=19164)
- GeekNews Markdown: [https://news.hada.io/topic/19164.md](https://news.hada.io/topic/19164.md)
- Type: news
- Author: [felizgeek](https://news.hada.io/@felizgeek)
- Published: 2025-02-11T09:11:47+09:00
- Updated: 2025-02-11T09:11:47+09:00
- Original source: [andrewchen.substack.com](https://andrewchen.substack.com/p/revenge-of-the-gpt-wrappers-defensibility)
- Points: 7
- Comments: 3

## Summary

AI가 최근 급격히 발전하며 다양한 신규 플레이어와 AI 중심 제품이 대거 등장했지만, 오픈소스 모델의 빠른 추격과 복제가 용이하다는 점이 기존 AI 모델 스타트업의 방어력을 위협하고 있습니니다. 이에 따라 단순 “GPT 래퍼”로 취급되던 제품들도 어떻게 네트워크 효과와 배포 전략을 확보하느냐가 핵심 이슈가 되고 있으며, 이는 과거 웹 2.0 시절에도 “CRUD 앱”이었지만 네트워크 효과로 막대한 가치를 창출했던 사례와 유사합니다. 결국 AI 시대의 승자는 AI 기술에 네트워크 효과를 결합해 성장과 방어력을 모두 확보하는 기업이 될 가능성이 높습니다.

## Topic Body

defensibility: 방어성 (moat와 함께 써서 독점성으로 번역했습니다)  
moat: 해자  
  
GPT Wrapper 서비스 예시: Character.ai, Perplexity AI  
  
ycombinator 댓글: https://news.ycombinator.com/item?id=42971442

## Comments



### Comment 34636

- Author: xguru
- Created: 2025-02-16T12:07:01+09:00
- Points: 2

요약본 입니다.  
  
- AI 분야는 지난 한 해 동안 많은 발전을 이루었으며, 새로운 참가자들이 등장하고 AI 중심 제품들이 급격한 성장을 보이고 있음  
- 그러나 AI 모델 스타트업들은 다음과 같은 근본적인 질문에 직면해 있음:  
  - AI 모델 스타트업의 방어력이 낮고, 오픈 소스 대안과 새로운 참가자들이 지속적으로 우위를 잠식한다면, 누가 최종적으로 승리할 것인가?  
  - 새로운 AI 중심 앱들은 [참신함 효과](https://andrewchen.substack.com/p/how-novelty-effects-and-dopamine) 덕분에 놀라운 성장을 보이고 있음. 그러나 시간이 지나 AI가 기대치가 되고 신기함이 사라지면, 수많은 새로운 제품들 중 누가 배포 경쟁에서 승리할 것인가? 혼잡한 시장에서 제품들이 어떻게 성장하고 고객에게 도달할 것인가?  
  - 다른 제품을 복제하는 것이 "AI야, productxyz.com과 동일한 앱을 만들어서 productabc.com에 호스팅해줘!"처럼 정말로 사소해진다면 어떻게 될 것인가?  과거에는 새로운 제품을 복제하는 데 몇 달이 걸렸고, 그동안 선두를 구축할 시간이 있었음. 그러나 곧바로 빠르게 따라잡을 수 있게 된다면, 제품들은 어떻게 사용자들을 유지할 것인가?  
  - 최근 몇 년 동안, 자체 모델을 구축하지 않은 혁신적인 AI 제품들은 저기술의 "GPT 래퍼"로 폄하되었음. 그러나 지난 수십 년간 소비자 제품들은 기술 수준이 낮고 방어력이 약해 보였음에도 불구하고 엄청난 가치를 창출해왔음. 미래도 과거와 같을 것인가?  
- 이러한 환경에서, "GPT 래퍼" 간의 거대한 전쟁이 벌어지고 있으며, 전통적인 방어 전략—특히 배포와 네트워크 효과에서의 지속적인 우위—이 다시 전면에 등장할 것임  
- 이들은 정확히 동일한 방식으로 나타나지는 않겠지만, AI 기능과 결합하여 새로운 형태를 만들어낼 것  
- 이러한 방식으로, 차세대 AI 제품들은 Web 2.0, 암호화폐, 온디맨드 경제 등 이전의 컴퓨팅 물결을 이끌었던 힘을 타고 발전할 것임  
  
### 실패한 AI 방어 이론?  
  
- AI 방어력에 대한 인기 있는 이론은 단순했으며, 지난 몇 년 동안 담론을 지배했음:  
  - 각 세대의 AI 모델을 구축하기 위해 필요한 데이터/컴퓨팅/에너지의 양이 기하급수적으로 증가할 것이라는 관찰이 있었음.   
  - 2024년에는 $1억 이상이 필요했지만, 미래에는 수십억 달러가 필요하게 되어, 새로운 참가자들에 대한 "규모 효과"의 해자를 형성할 것이라는 것임.  
  - 또한, AI 모델이 더 강력해짐에 따라, 앱이 원하는 모든 것을 수행할 수 있게 되어, 대부분의 앱은 더 강력한 기본 모델과 인터페이스하는 단순한 "GPT 래퍼"로 전락할 것이라는 것임.   
  - 이 관점에서는, 소수의 대형 모델 회사들이 모든 가치를 창출하고, 그 위의 GPT 래퍼 앱 세계에 세금을 부과할 것임.  
- 2025년 2월 현재, 이 이론은 주요한 복잡성에 직면해 있음:  
  - 최첨단 모델은 오픈 소스 모델보다 약 6개월 앞서 있을 뿐이며, 새로운 참가자들이 정기적으로 유사한 성능을 가진 모델을 생성하고 있음 (Grok, DeepSeek 등).  
  - 또한, 초기에는 대규모 플레이어들이 일찍 접근하여 큰 이점을 가졌던 훈련 데이터의 양이 자연적인 한계에 도달하고 있음.  
  - 그리고 최첨단 모델을 훈련하는 데 많은 돈/에너지/컴퓨팅이 필요하더라도, 경쟁자들은 모델 증류를 통해 유사한 성능을 달성하고 있음.  
  - 동시에, 창의적 도구, 고객 서비스, 법률 등 특정 틈새 시장에 특화된 새로운 앱 계층 스타트업들이 등장하여, 1년 이내에 $0에서 $500만 이상의 ARR 성장을 보여주고 있음.  
- 대부분의 경우, 이러한 스타트업들은 통합하는 기본 AI 모델을 명시하지 않으며, 사용자나 고객도 이에 대해 신경 쓰지 않음.   
- 이제 GPT 래퍼들을 응원할 때인가? 그리고 이 새로운 세대의 AI 중심 앱에 대한 새로운 방어 이론은 무엇이어야 하는가? 수많은 AI 중심 앱들 중, 어떤 것들이 지속될 것인가?  
- 물론, 네트워크 효과도 있음. 우리는 네트워크 효과가 지난 세대의 직장 협업 도구, 마켓플레이스, 소셜 네트워크 등에서 방어력의 중요한 역할을 했음을 보았음 (내 책 [The Cold Start Problem](http://coldstart.com/)에서 다루었음) — 그리고 AI 시대에도 큰 역할을 할 수 있다고 생각함.  
  
### 데이터베이스 래퍼와 CRUD 앱  
  
- 1990년대부터 2010년대까지 웹 앱의 성장 곡선(S-curve)을 참고하면 현재의 AI 상황을 이해하는 데 도움이 됨.  
  - 1990년대 닷컴 붐 초기에는 웹사이트의 v1을 구축하기 위해 수백만 달러를 조달해야 했음. 인프라가 부족했기 때문임.  
  - 서버를 데이터 센터에 직접 설치해야 했으며, 독점 소프트웨어 스택을 사용해야 했고, 성장 전략은 소비재 산업(CPG)에서 차용한 비효율적인 방식이었음.  
  - 당시에는 제품이 "작동한다"는 것 자체가 주요 차별점이었으며, 첫 번째 웹 기업들은 주로 스탠퍼드 컴퓨터 공학 박사들이 설립했음.  
- 하지만 두 세대가 지난 후, 웹사이트 구축은 오픈 소스, 클라우드 컴퓨팅, 클릭당 비용(CPC) 광고 등의 발전으로 인해 간단해짐.  
  - 많은 인기 웹앱들은 단순한 "데이터베이스 래퍼(또는 CRUD 앱)"에 불과했음.  
  - 블로그, 트위터, 플리커 같은 서비스가 대표적이며, 간단한 데이터 생성(Create), 읽기(Read), 수정(Update), 삭제(Delete) 기능을 제공했음.  
  - Ruby on Rails와 CMS 소프트웨어가 등장하면서 이러한 웹 개발이 더욱 쉬워짐.  
  - 당시에도 벤처캐피털(VC)들은 "Facebook 같은 제품이 방어력을 가질 수 있을까?"라는 질문을 던졌음.  
- 그러나 Web 2.0 시대는 네트워크 효과를 활용하여 이러한 문제를 해결했음.  
  - 단순한 CRUD 앱이 아니라, 커뮤니티와 네트워크 전체가 데이터를 공유하고 협업하는 기능을 추가했음.  
  - 네트워크가 유지되는 한 제품이 방어력을 가지게 되었으며, 이것이 Web 2.0이 소비자 기술을 다시 활성화시킨 핵심 요소였음.  
  - 과거에도 비슷한 사례가 있었는데, 90년대 초 Windows/Mac 기반 GUI 데스크톱 붐도 Visual Basic을 이용한 "폼 기반 애플리케이션"의 증가로 인해 촉진되었음.  
- 즉, 초기 인터넷 시대의 독점적이고 폐쇄적인 기술 스택이 Web 2.0에서 개방되고 상품화된 것처럼, AI도 같은 흐름을 따를 가능성이 큼.  
  - "이걸 만들 수 있나? 만들 돈을 조달할 수 있나?"라는 질문에서 "만들 수는 있지만, 사람들이 사용할 것인가? 그리고 유지될 것인가?"라는 질문으로 경쟁의 축이 이동함.  
  - AI 제품도 같은 변화의 흐름을 타고 있으며, 네트워크 효과와 AI를 결합한 새로운 형태로 진화할 것임.  
  
### GPT 래퍼가 지배하는 세계에서의 성장과 네트워크 효과  
  
- 네트워크 효과란 "사용자가 많아질수록 제품의 가치가 증가하는 현상"을 의미함.  
  - 마켓플레이스, 소셜 네트워크, 협업 도구 등이 대표적인 사례임.  
- AI 제품이 네트워크 기능을 추가할 것인지, 기존 네트워크 제품이 AI를 통합할 것인지의 경쟁이 벌어질 것임.  
- B2B 및 SMB 시장에서는 협업 기능(댓글, 태그, 공유)과 팀 지원이 자연스럽게 추가될 것임.  
- 그러나 AI가 소셜 네트워크를 근본적으로 재창조할 수 있을지는 불확실함.  
  - 사람들은 여전히 인간과의 상호작용을 원함.  
  - AI가 인간 관계를 대체할 것인지, 보조 역할을 할 것인지에 대한 의문이 있음.  
  - 예를 들어, AI 기반 소셜 앱이 사용자에게 단순한 이미지 기반 밈이 아니라 맞춤형 인터랙티브 콘텐츠를 공유하게 만들 수도 있음.  
- 현재까지는 소비자 중심 AI 제품이 완전히 성공한 사례가 없음.  
  - Character.ai 같은 일부 사례가 있지만, 빠르게 성장하는 AI 중심 소비자 앱은 아직 확립되지 않음.  
  - 원인은 API 비용이 아직 낮아지지 않았고, 기존 기업들의 경쟁력이 강하기 때문임.  
  - 또한 AI가 인간 수준의 흥미로운 상호작용을 만들어내는 것이 아직 어렵기 때문일 수도 있음.  
- 하지만 AI+네트워크 기능이 결합된 제품들이 등장한다면, 복제는 쉬울지라도 네트워크 효과로 인해 방어력이 형성될 것임.  
- 네트워크 효과를 세 가지 축으로 나누어 정리할 수 있음:  
  - **획득(Acquisition) 네트워크 효과**  
    - 제품이 기존 사용자 네트워크를 활용하여 새로운 사용자를 초대하고 공유하며 유입을 늘릴 수 있음.  
    - AI 제품은 매력적인 콘텐츠를 생성하여 자연스럽게 공유를 유도할 수 있음.  
  - **유지(Retention) 및 참여(Engagement) 효과**  
    - 네트워크 기반 제품은 댓글, 태그, 공유 파일 등을 통해 기존 사용자를 재활성화할 수 있음.  
    - 단순한 AI 제품은 이메일/푸시 알림에 의존해야 하지만, 네트워크 기반 제품은 더 강력한 유지력을 가질 수 있음.  
  - **수익화(Monetization) 효과**  
    - 협업 도구가 기업 내에서 널리 사용될수록 높은 가격의 요금제로 전환될 가능성이 높음.  
    - 소셜 게임이 아바타 꾸미기 같은 요소로 수익을 창출할 경우, 친구들과의 상호작용이 가치를 높일 수 있음.  
- 결국, AI 제품들은 초기에는 신기한 기능으로 시장에 진입하겠지만, 점점 네트워크 기능을 추가하여 성장하고 방어력을 구축할 것임.  
  
### 현 AI 세대가 승리할 것인가, 아니면 새로운 세대가 등장할 것인가?  
  
- 기술 혁신의 역사를 보면, 새로운 플랫폼이 등장할 때 기존 기업들은 적응하는 데 어려움을 겪었음.  
  - 예를 들어, 모바일 혁신 초기에 Flipboard, Foursquare, Kik 등이 인기를 끌었지만, 결국 Uber, DoorDash 같은 후발주자들이 시장을 장악했음.  
  - 현재 AI 시대에서도 초기 AI 스타트업들이 신기함을 제공하지만, 네트워크 효과를 결합한 후발주자들이 더 크게 성공할 수도 있음.  
- 또한, 기존 빅테크 기업들이 AI를 빠르게 채택하고 있기 때문에, 완전히 새로운 스타트업들이 반드시 승리할 것이라는 보장은 없음.  
- AI 시대는 빠르게 변화하고 있으며, 기존의 방어 전략이 AI와 결합하면서 새로운 시장이 형성되고 있음.  
- 앞으로 어떤 기업이 승리할지는 아직 알 수 없지만, 분명 흥미로운 시기가 될 것임.

### Comment 34404

- Author: felizgeek
- Created: 2025-02-11T10:45:42+09:00
- Points: 3

댓글 요약  
  
1. AI와 LLM의 성공 요인: 성공적인 AI/LLM 솔루션은 고성능의 ETL(Extract, Transform, Load) 프로세스가 필수적이다. 특히 특정 분야의 데이터 전처리와 집계 능력이 기업의 경쟁 우위를 결정한다.  
  
2. AI "래퍼"의 역할: 래퍼는 기본 모델보다 우월하려면 특정 분야의 데이터 처리와 통합 능력이 뛰어나야 한다. 이는 기업의 진정한 경쟁 장벽(moat)을 형성한다.  
  
3. 오픈 소스와 복제: 많은 제품들은 오픈 소스 코드를 이용하지만 실제 코드를 읽지 않고 복제하는 경우가 많다. 이는 'left-pad' 사례처럼 얕은 혁신을 초래할 수 있다.  
  
4. 대형 모델의 경쟁: 대형 모델은 시장 점유율을 높이며, 나머지 제품들은 그 주변에서 경쟁해야 한다. 이는 빠른 인퍼런스 비용 감소와 함께 사용 사례별 모델 선택이 줄어든다.  
  
5. AI 기반 앱의 복제 가능성: AI 기반 앱은 복제하기 어려울 수 있다. 특히 복잡한 프롬프트와 모델 간 상호작용은 복제 과정에서 큰 도전이 된다.  
  
6. 모델과 래퍼의 경쟁: 모델 레이어에서는 경쟁이 치열해지고, 래퍼는 소프트웨어 엔지니어링 측면에서 경쟁 우위를 확보할 수 있다.  
  
7. OS의 역할: OS 제조사는 사용자 컨텍스트를 활용해 AI 기능을 통합하는 데 큰 강점을 가지고 있다. 이는 기존 앱 개발자들에게 경쟁 우위를 제공할 수 있다.  
  
8. 가치 창출의 요소: 특화된 프롬프트, 구조화된 데이터 접근, 네트워크 효과 등이 미래 가치 창출의 핵심 요소일 수 있다.  
  
9. 훈련 데이터의 중요성: 훈련 데이터는 경쟁 우위를 제공할 수 있다. 특정 사용자의 행동을 정확하게 반영하는 데이터는 복제된 제품과 차별화될 수 있는 중요한 자산이다.  
  
10. 라이선스 모델과 플랫폼 의존성: 기업은 특정 플랫폼에 의존하는 것을 고려해야 하며, 이를 통해 불확실성이 증가할 수 있다. 특히 지정학적 명령으로 시장 절반을 잃거나 사업을 중단받을 위험이 있다.

### Comment 34403

- Author: dongwon
- Created: 2025-02-11T10:17:08+09:00
- Points: 2

YC 댓글 중 좋은 Wrapper가 되려면 ETL이 잘 되어있어야한다는 말에 공감... 합니다