# AI 시대에 CFO가 성장·가격·예측을 헤쳐 나가는 방법 > Clean Markdown view of GeekNews topic #21789. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=21789](https://news.hada.io/topic?id=21789) - GeekNews Markdown: [https://news.hada.io/topic/21789.md](https://news.hada.io/topic/21789.md) - Type: news - Author: [neo](https://news.hada.io/@neo) - Published: 2025-07-03T09:51:02+09:00 - Updated: 2025-07-03T09:51:02+09:00 - Original source: [info.a16z.com](https://info.a16z.com/index.php/email/emailWebview?mkt_tok=MzgyLUpaQi03OTgAAAGbZ8qMOaU-7rItMkgdzOo-Yvl9Un-xsi3hDjYcYdAGOVo5aqlPh5RpznNu976MhFEIHmn-qcPI1zgkdlogRGh-Qs_k5g) - Points: 9 - Comments: 0 ## Summary AI 도입으로 인해 **최고 재무 책임자(CFO)의 역할이 급변**하고 있으며, 가격 책정, 예측, 수익 구조, 비용 관리 등 **모든 영역이 혁신**되고 있습니다. ## Topic Body - AI 도입으로 인해 **최고 재무 책임자(CFO)의 역할이 급변**하고 있으며, 가격 책정, 예측, 수익 구조, 비용 관리 등 **모든 영역이 혁신**되고 있음 - **구독형에서 성과 기반·소비 기반 가격으로의 전환이 빠르게 진행**되며, 이에 맞는 새로운 ARR(연간 반복 수익) 지표·하이브리드 모델 도입이 확산 중임 - AI 서비스는 토큰, API 호출 등 **변동 비용이 크고**, **고객별 사용량·비용 구조가 매우 다변화**되어, 가격 및 수익 예측의 복잡성이 크게 증가함 - R&D 및 미래 투자의 전략적 가치, 차별화·장기 경쟁력 확보를 위한 제품·기술 투자의 필요성이 커지고 있음 - **AI/머신러닝을 활용한 고도화된 수요 예측·재무 분석이 필수**가 되었으나, 여전히 예측의 불확실성이 매우 높음 --- ### AI 도입과 CFO 역할의 변화 - AI 도입이 기업 운영에 본질적 변화를 일으키며, **CFO는 AI 코파일럿 등 자동화 도구를 적극 활용**하고 있음 - 급격한 성장, 새로운 비용 구조, 복잡한 가격 모델 등 여러 도전에 직면 ### 1. 가격 책정의 변화: 구독형에서 성과·소비 기반으로 - **구독형에서 사용량 또는 성과 중심 가격으로 빠르게 이동** - Databricks: **고객이 실제로 가치를 얻은 만큼만 비용을 청구**, 입력 기반이 아닌 **산출 기반 수익 인식** 모델 적용 > "Databricks의 가장 큰 차별점은 가격 및 수익 인식이 전적으로 산출물(결과물)에 기반한다는 점입니다. 고객이 가치를 얻지 못하면 사용하지 않고, 그러면 수익이 P&L에 나타나지 않습니다." > — Dave Conte, CFO, Databricks - ElevenLabs: **고객 커밋이 커질수록 단가를 자동 인하**해, 높은 고객 충성도를 유도하는 동적 할인 구조 도입 > "우리의 가격 정책은 절대적 이익 증가를 기반으로 하지만, 고객 커밋이 커질수록 단가는 자동으로 낮아집니다. 가격 계산기를 통해 자동 할인되어, 더 큰 약정을 유도하고 매출 리스크를 줄입니다." > — Maciej Mylik, Finance, ElevenLabs - Concourse: **런칭 이후 40일간 7번 이상 가격 변경 실험**, 시장 반응에 따라 신속하게 가격을 반복 개선 > "출시 후 40일 동안 7번 이상 가격을 바꿨습니다. 시장과 고객의 지불 의지를 파악하는 데 큰 도움이 됐죠. 지금도 가격은 프레젠테이션 슬라이드일 뿐, 계속 실험하고 개선할 생각입니다." > — Matthieu Hafemeister, Cofounder, Concourse ### 2. 새로운 ARR(연간 반복 수익) 지표 도입 - **전통적 ARR 지표만으로 사용량 기반 모델의 수익을 반영하기 어려움** - ElevenLabs: **커밋 ARR + 연간화한 사용량(Annualized Usage)** 을 합산해 실제 수익을 정확히 측정 > "엔터프라이즈 고객은 쿼터를 자주 초과하므로, 사용량 기반 매출을 연간화해 새로운 지표—ARR 플러스 연간 사용량—에 합산합니다. 그렇지 않으면 실제로 얻는 수익을 과소평가하게 됩니다." > — Maciej Mylik, Finance, ElevenLabs - Ambient.ai: “사용량 기반 모델에서 ARR의 정의 자체가 더 이상 명확하지 않다”는 현실을 언급 > "소비 기반 모델에서는 ARR을 어떻게 정의해야 할지 고민해야 합니다. 약정이 있어도 실제 사용량이 매달 다르기 때문에 기존 ARR 정의가 어려워집니다." > — Noah Barr, CFO, Ambient.ai - Databricks: **비선형적 사용량 변동성을 분산·예측하는 데 AI를 적극 활용** > "SaaS 모델은 수익이 선형적이지만, 소비 기반 모델은 본질적으로 비선형입니다. 고객은 급증했다가 최적화하죠. 우리는 고객 집중도를 분산시키고, AI를 이용해 진짜 소비 기반 ARR을 예측하는 데 집중합니다." > — Dave Conte, CFO, Databricks ### 3. 비용 구조 변화와 마진 압박 - **AI 스타트업은 대부분 오픈AI, Anthropic, Mistral 등 외부 대형 모델에 의존**, 토큰·API 호출 등 **변동 비용이 커짐** - ElevenLabs: 인프라 비용이 사용량보다 빠르게 늘면 즉각 엔지니어가 최적화에 투입 > "인프라 비용이 사용량보다 더 빨리 증가하면, 엔지니어가 즉시 최적화 작업에 투입됩니다. 비용 효율성을 관리하는 순환이 계속됩니다." > — Maciej Mylik, Finance, ElevenLabs - Together AI: **비용 구조·단가·경쟁·고객 요구를 종합적으로 고려해 유연하게 가격·패키징 조정** > "가격 결정은 고객 가치, 경쟁사 벤치마킹, 비용 및 수익 분석을 모두 고려해 이뤄집니다. AI 인프라가 빠르게 변하기 때문에, 항상 재검토가 필요하죠. 고객 요구, 계약 기간, 규모에 따라 가격과 패키지를 창의적으로 조정합니다." > — Hanson Hermsmeier, VP of Corporate Finance, Together AI - 자체 모델 훈련 기업은 **GPU 고정 비용 및 미사용 시간 관리도 핵심** (미활용 GPU 시간은 마진에 직접 타격) > "GPU 비용을 주의 깊게 모니터링해야 합니다. 미사용 GPU 시간은 활용 손실로, 마진과 효율성에 직접적인 영향을 줍니다. 고객이 사용하지 않는 시간마다 마진이 깎입니다." > — Hanson Hermsmeier, VP of Corporate Finance, Together AI - Fine-tuning, HILT(Human-in-the-loop) 등 **새로운 유형의 비용**도 포함되어, 효율성 최적화가 중요 > "우리는 HILT(human-in-the-loop) 팀을 COGS에 포함시켜 관리합니다. 알고리듬이 개선되면, 사람당 유효 판정이 늘어나 단가가 낮아지지만, 여전히 리스크 관리를 위해 false positive 비율을 조정해야 합니다." > — Noah Barr, CFO, Ambient.ai ### 4. ROI 평가와 미래 투자 - **AI가 주요 기능을 빠르게 상품화(commoditize)함에 따라, 미래 지향적 투자와 장기 차별화가 필수** - Databricks: “즉시 수익으로 연결되지 않는 R&D도 장기적으로 채택률·성장에 큰 기여”를 강조 > "모든 R&D 프로젝트가 즉각적으로 매출로 이어지진 않지만, 예측 분석을 통해 특정 기능(예: Unity Catalog)이 고객 채택 및 성장에 어떻게 기여하는지 측정합니다." > — Dave Conte, CFO, Databricks - Together AI: **연구 투자가 궁극적으로 인프라 비용 절감·성능 향상 등 장기 경쟁력 확보로 연결됨**을 언급 > "연구 프로젝트는 바로 매출로 연결되지는 않지만, 장기적 차별화, 제품 개발, 고객 고착화에 큰 역할을 합니다. 예를 들어, 커널 관련 연구에 투자해 인프라 비용 절감·성능 향상이라는 차별화를 이뤘습니다." > — Hanson Hermsmeier, VP of Corporate Finance, Together AI - ElevenLabs: **텍스트-투-스피치 등 단일 기능은 곧 상품화될 것이므로, 워크플로우·API 등 고도화된 제품 계층이 고객 락인(lock-in)에 필수**임 > "텍스트-투-스피치는 결국 상품화될 겁니다. 장기적 경쟁력을 지키려면 워크플로우, 데이터 기반 기능, API 등 고도화된 제품 계층이 필요하고, 이를 통해 고객이 쉽게 이탈하지 못하도록 만들어야 합니다." > — Maciej Mylik, Finance, ElevenLabs ### 5. AI 기반 고도화된 재무 예측 - **끊임없이 변화하는 시장에서 정밀한 재무 예측은 어려우며, AI/ML 기반 분석이 필수가 됨** - Together AI: “AI 업계는 12개월 후도 예측이 힘들고, 변화·리스크 관리가 재무 전략의 중심”이라고 밝힘 > "AI 업계에서는 12개월 후를 예측하기도 힘듭니다. 변화가 너무 빠르고, 새로운 사용 사례가 계속 등장합니다. 유연성을 갖고 리스크 관리에 변화를 반영해야 하죠. AI에서 유일하게 확실한 건 변화 그 자체입니다." > — Hanson Hermsmeier, VP of Corporate Finance, Together AI - Databricks: 자사 AI/ML 플랫폼을 활용해 **고객별·워크로드별·제품별 소비 예측 및 세일즈팀 쿼터 설정** 등 고도화된 예측 실행 > "우리는 Databricks 자체(AI, ML, 고급 분석)를 써서 고객·워크로드·제품별 소비 패턴을 예측합니다. 이는 단순히 재무 예측뿐 아니라, 대형 세일즈팀 쿼터 설정에도 중요합니다. Excel로는 이런 정밀한 예측이 불가능하며, AI/ML로만 가능합니다." > — Dave Conte, CFO, Databricks - 자연어 쿼리 제품(Genie)도 자사 데이터 활용 및 학습을 통해 점점 똑똑해짐 > "우리는 Genie라는 제품을 가지고 있는데, 데이터 레이크에 자연어로 질문하면 답을 추출해줍니다. 더 많이 사용할수록 Genie는 고객 데이터를 더 잘 이해하게 되고, 점점 더 똑똑해집니다." > — Dave Conte, CFO, Databricks - ElevenLabs: “AI 매출 예측을 완벽히 해결한 회사는 없으며, 예측의 정확성보다는 sanity check로 활용”한다고 언급 > "아직 AI 매출 예측을 완전히 해결한 곳은 없습니다. 시장 변화가 너무 빠르고, 예측은 정확한 수치보다는 sanity check(상식적 검증) 용도로 활용됩니다." > — Maciej Mylik, Finance, ElevenLabs ### 결론 - **AI로 인해 재무·가격·수익 구조 전반의 정의와 분석 방식이 급격히 변화** - 기존 재무 프레임이 통하지 않는 만큼, CFO는 **AI/ML·데이터 기반 의사결정, 유연한 가격·비용 관리, 장기적 경쟁력 투자, 고도화된 리스크 관리 역량을 갖춰야 함** ## Comments _No public comments on this page._