# 전통 산업에서의 버티컬 SaaS 구축: "하지 말아야 할 것들" 과 "기존 워크플로에 맞는 AI 개발" > Clean Markdown view of GeekNews topic #22593. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=22593](https://news.hada.io/topic?id=22593) - GeekNews Markdown: [https://news.hada.io/topic/22593.md](https://news.hada.io/topic/22593.md) - Type: news - Author: [neo](https://news.hada.io/@neo) - Published: 2025-08-19T10:11:02+09:00 - Updated: 2025-08-19T10:11:02+09:00 - Original source: [hackernoon.com](https://hackernoon.com/building-vertical-saas-in-an-old-school-industry-what-not-to-do) - Points: 25 - Comments: 1 ## Summary 전통 산업의 **디지털 전환**과 **버티컬 SaaS** 구축 과정에서 단순한 '디지털화'만으로는 실제 도입과 확장에 한계가 있습니다. 복잡한 **커스터마이징**, **긴 영업 주기**, 그리고 고객의 낮은 **수익성** 등 업계 특유의 문제를 간과할 경우 사업 성공이 어렵다는 것을 경험에 비추어 이야기 합니다. 특히 **AI·LLM 기반 도구**는 기존 워크플로를 대체하는 것이 아니라, 자연스럽게 통합되어 사용자에게 명확한 효용을 줄 때 빠른 채택과 성과가 가능하다는 것을 강조합니다. ## Topic Body - GrubMarket에 인수된 Butter 창업자가 2020년부터 5년간의 경험을 정리한 글 ### 파트1 : 하지 말아야 할 것들 #### 시작점: 팬데믹과 디지털 전환의 기회 - 2020년 팬데믹 기간, 식품 산업의 디지털 전환 가능성을 보고 Butter 설립. - 발견한 문제: - 셰프들은 여전히 수기로 작성하는 주문서와 전화/문자를 이용한 재래식 방식 선호 - 도매업체는 낡은 기술(1990년대 ERP, 엑셀 재고 관리, 종이 수표 결제)에 의존 - 고객 주문 입력에만 하루 6시간 소요 - 솔루션 계획: - 핵심 워크플로우를 캡처하고 '기록 시스템' 역할을 할 수 있는 올인원 클라우드 기반 ERP로 핵심 워크플로 디지털화 - 결제, 대출, 급여 등 금융 서비스를 통합하여 고객 가치를 극대화(ACV) - 셰프와 도매업체 모두를 위한 원활한 커뮤니케이션 프로세스를 도입, DoorDash 스타일의 주문 앱으로 플랫폼 네트워크 효과 생성 ((유니콘 기업으로 급부상한 또 다른 주문 앱인 Choco의 영향을 받음) #### 하지만 실패 - 당연히 성공할 줄(no-brainer) 알았지만, 우리가 완전히 틀렸음 ##### 함정 1: 기술적 복잡성과 과도한 커스터마이징 - ERP 구축이 단순할 것이라 생각했지만, 실제로는 고객마다 서로 다른 요구사항으로 인해 개발 리소스 고갈 - 예: 키보드 단축키, 데이터 입력 화면 레이아웃, 특정 송장 형식 - 결과: **확장성이 없는 커스터마이징 의존 제품**으로 변질 ##### 함정 2: 긴 영업 주기 - ERP 시스템 전환은 복잡하고, 많은 부서의 동의가 필요: - 고객사들은 현재의 불편함에도 불구하고 전환을 꺼림 - 레스토랑의 바쁜 시즌에는 판매 기회가 제한됨 - 결과: **낮은 거래 성사율**(목표치의 20~30% 수준) ##### 함정 3: 낮은 지불 의향과 긴 수익 활성화 주기 - 고객사 대부분이 낮은 이윤(약 5%)으로 운영: - QuickBooks에 월 $80 지불하던 고객들에게 ERP 업그레이드 비용은 부담됨 - 추가적인 핀테크 및 주문 앱 매출도 활성화에 긴 시간이 소요 ##### 함정 4: 지나치게 많은 실험 - 초기 단계에서 여러 수익 모델과 네트워크 효과를 동시에 시도: - 단일 성공 사례를 확보하지 못한 상태에서 과도한 전선 확장 - 결과: **팀 번아웃**과 낮은 반복 실험 속도 #### 뼈 아프게 얻은 교훈 - Butter를 운영하면서 많은 자부심을 느낀 순간들이 있었음: - 새벽 2시에 일어나 창고에서 잠을 자며 성공적인 온보딩을 위해 노력 - 고객이 사랑한, 복잡하지만 직관적인 소프트웨어 구축 - 체계적인 구현 가이드 개발 - 하지만 **확장 가능한 벤처 비즈니스 구축에는 실패** - 교훈 1. **아이디어를 고차원적인 가설에만 의존하지 말 것**: - 창고, 현장, 후방 작업자와 직접 소통하며 실질적인 통찰력을 얻어야 함 - "진리 탐구"를 목표로 이야기 나누기, 기존 아이디어를 재확인하려는 대화는 지양 - 교훈 2. **성공적인 제품 구축을 위해 필요한 요소**: - **문제를 깊이 이해하는 사용자 확보**: - 현재 상태를 유지하는 고통이 변화의 마찰보다 크지 않다면 아무도 시스템을 바꾸지 않음 - 변화는 몇 가지 촉매만으로 충분히 이루어질 수 있음 - **충분한 지불 능력**: - 고객이 솔루션을 감당할 재정적 여유가 없다면 제공하는 가치로는 회사의 수익을 유지할 수 없음 - **기존보다 10배 나은 제품 경험**: - 고객이 전통적일수록 더 극적인 개선 필요 - 고객이 오랫동안 기존 방식을 유지해온 이유를 해결하는 방식으로 접근 - **단순함의 중요성**: - 초기 제품은 간단하고 쉽게 채택할 수 있어야 함 - 예: 화려한 일본식 비데를 파는 대신 기본적인 배관 문제 해결에 집중 - 교훈 3. **비즈니스 모델과 SaaS 성공 조건**: - 거래 규모와 영업 주기(딜 속도)가 균형을 이뤄야 함. - **David Sacks의 "The Difficulty Ratio"**: - 고액 ACV(Annual Contract Value)와 낮은 거래 속도 또는 그 반대의 조합은 가능 - 그러나 **ACV가 낮고 거래 속도가 느리면 실패** 확률이 높음 - **Butter의 경우**: - 추가 수익원에도 불구하고 낮은 거래 속도와 낮은 ACV 구간에 속함 - 특히 전체 수익 활성화 주기까지 거래 속도가 매우 느림 #### 마지막 생각 - 돌이켜보면, **전통적인 관행과 낡은 기술에 의존하는 산업에서 수직 SaaS를 구축하는 복잡성을 과소평가**했음 - 디지털 솔루션만으로는 채택을 유도하기에 충분하지 않았음 - 대신, **기존 방식보다 획기적인 개선 효과**를 제공해야 하며, - 고객이 **이해할 수 있는 방식**으로 이를 전달해야 함. - **즉각적으로 적합하다는 인상을 주지 못하면**, 고객은 익숙한 기존 방식을 고수하게 됨 - **교훈**: 기존 워크플로를 존중하면서 실질적인 가치를 증명하는 접근이 성공의 핵심 --- ### 파트 2: [기존 워크플로와 잘 맞는 AI 개발](https://hackernoon.com/building-vertical-saas-in-an-old-school-industry-ai-that-fits-not-fights) #### 출발점: 전통적인 방식과의 충돌 - 초기 시도: - 전자상거래를 통한 도매업체의 주문 입력 프로세스 현대화를 목표로 도구 개발 - **문제**: - 셰프들은 여전히 전통적인 방식(전화, 문자)을 선호하며 디지털 시스템에 쉽게 적응하지 못함 - 새로운 시스템은 기존 방식을 완전히 대체할 만큼 충분한 가치를 제공하지 못함 - 고객 의견 청취: - 활성 사용자, 이탈 사용자, 앱 반대자 등 다양한 고객군과 인터뷰 진행 - 앱을 통한 주문이 전화/문자/이메일 대비 10배 나은 경험이 아니라고 판단: - 실시간 제품 가용성과 배송 상태에 대한 가시성이 부족 - 도매업체의 어려움 파악: - 도매업체는 여전히 수시간에 걸친 매뉴얼 주문 입력에 시달림 - AI 도입 아이디어: - 비정형 데이터를 처리할 수 있는 대규모 언어 모델(LLMs)이 적합 - AI를 통해 복잡한 작업 자동화 가능 - 전 세계 데이터의 약 80%가 비정형 데이터라는 점에서 패러다임 전환의 가능성을 봄 - 전략 전환: - 공급업체와 운영자를 완전히 디지털 워크플로로 강제하지 않음 - 대신, 기존 프로세스를 보완하는 **AI 기반 도구 (예: Butter’s AI Order Assistant)** 개발: - 기존 워크플로에 자연스럽게 통합되도록 설계. - 기술적으로 뒤처진 식품 유통 산업을 현대화할 수 있는 실질적 솔루션으로 자리 잡음. #### AI로의 전환: 단순 약속이 아닌 실질적 구현 - AI 성공의 핵심: - "더 세련된" 제품이 아닌, **사용자의 작업을 실제로 완료하는 제품**이 필요 - **AI Order Assistant**: - 셰프와 도매업체가 기존 프로세스를 바꾸지 않아도 되는 방식으로 설계 - 기존 워크플로에 자연스럽게 통합 - 자연어 처리 기반 주문 관리: - 음성 명령이나 문자 메시지를 처리할 수 있는 AI로 프로세스를 단순화 - 전면 시스템 교체가 아닌 추가 도구(add-on)로 제공: - 빠르게 도입 가능 - 기존 "디지털 전환"의 복잡한 문제를 회피 - 고객 온보딩 과정: - 이메일 및 음성사서함 데이터를 ERP와 연계해 구조화된 구매 주문 데이터로 변환 - 셰프의 선호도(예: "2박스의 새우")를 디지털 시스템에 저장: - 과거 주문 패턴과 주문 가이드를 활용해 제품 변형을 정확히 이해. - 예: "4-6 Tiger Shrimp Frozen"인지 "16-20 EZ Peel Shrimp"인지 AI가 구분 - 사용자 피드백 반영: - AI 모델의 100% 정확성을 기대하지 않음: - 광범위한 UX 인터뷰를 통해 사용자가 AI 출력 수정 가능 - ERP의 단축키를 활용해 키보드 입력으로 모든 작업 가능하도록 설계 - **결과**: - 주문 처리 시간이 96% 이상 단축 - 백오피스 직원의 고부가가치 작업(품질 관리, 고객 관계 관리)으로 전환 가능 - **GrubAssist로 확장**: - GrubMarket에 인수 후, AI Order Assistant를 GrubAssist로 확장 - 기존 ERP 시스템에 자연어 기반 비즈니스 인텔리전스 및 분석 공. - 식품 산업의 기존 워크플로를 방해하지 않고 매끄럽게 통합 - **기존 워크플로와의 통합이 AI 성공의 열쇠.** 복잡한 전환 없이 쉽게 적용 가능해야 함. #### LLM 제품 개발에서 얻은 교훈 - **기술적 한계를 고려한 설계**: - LLM은 강력하지만 여전히 신뢰성과 속도 면에서 한계가 있음. - **효과적인 설계로 한계를 보완**: - 예: 레스토랑/소매업체는 주문을 다음 날 아침 처리하므로, **백그라운드 처리**를 통해 속도를 희생하고 더 높은 추론 능력을 가진 모델 선택 가능. - **속도를 우선시하고 완벽을 나중에 추구**: - 초기 단계에서는 "완벽한 모델"을 찾는 데 얽매이지 말 것. - 시장 진입을 위한 간단한 기술(예: RAG) 활용: - 적절한 맥락을 제공하면 간단한 방법도 강력하게 작동. - 기본 모델이 개선되면 AI 제품 자체도 자동으로 발전. - **기본을 확실히 다지기**: - **유연한 실험 환경** 제공: - 모듈형 아키텍처 설계로 모델 또는 기능 교체를 쉽게 하고 빠르게 반복 가능. - 명확하고 정량화 가능한 **제품 내 피드백 시스템** 통합 필요. - **인터페이스가 제품 성패를 좌우**: - "완벽한" 모델이 있어도 **작업의 20%는 인간 검증**이 필요하다는 가정으로 설계. - 상호작용을 단순하고 직관적으로 만들어 사용자 참여 유지: - **사용자 검증 과정을 강화**하면 제품 개선에 중요한 데이터를 확보 가능. - **비정형 지식 캡처**: - 전통적인 산업에서는 중요한 정보가 디지털화되지 않고 사람의 기억에 의존. - 예: 고객 선호도가 영업사원 Joey의 머릿속에만 있다면, 이를 캡처할 수 있는 인터페이스 구축. - 이러한 통찰력은 모델의 차별화를 강화하고 지속적으로 데이터 우위를 제공. 6. **피드백 루프를 통해 정확성 향상**: - **엔지니어링만으로는 한계**: - 사용자 피드백을 제품 내에서 직접 수집할 수 있는 매끄러운 방법 제공. - 피드백을 튜닝 엔진과 결합해 더 정확하고 맥락적으로 관련된 출력 제공. #### **기존 시스템과 협력하는 것이 중요** - **현실적인 도전 과제**: - 아무리 뛰어난 AI 솔루션이라도 기존의 **레거시 ERP 시스템**과 통합되지 않으면 의미 없음 - **레거시 시스템 대체**를 시도하면 협업이 어려워짐 - **통합 전략**: - Butter의 경우, EDI(전자 데이터 교환)나 SFTP 파일 교환 같은 방법을 통해 ERP와 통합 필요 - 레거시 시스템은 깊이 뿌리내려져 있어 설득과 아키텍처 설계가 복잡 - **성공 전략**: - 기존 제품을 개선하는 **추가 도구(add-on)** 제공: - 고객이 기존 인프라를 유지하면서 AI의 이점을 활용할 수 있도록 지원 - 기존 네트워크를 강화하며 사업과 인프라 제공자 모두에게 AI가 순기능임을 강조 - **급박한 상황**: - AI 전문성이 빠르게 확산되고, 느리던 전통 서비스 제공자들도 AI를 도입 중 - **빠르게 실행하고 기존 플레이어와 협력**: - 올바른 전략과 차별화된 접근 방식으로 시장에 대응해야 함 - **새로운 소프트웨어 접근에 대한 경고**: - "통합 및 포위(integrate and surround)" 방식의 신제품: - 특정 비즈니스 영역(예: 현장 영업)을 완전히 자급자족형으로 구축 - 비용/수익 구조를 유리하게 변경 - 이러한 동향을 이해하고 적절한 파트너를 선택하는 것이 중요 - **핵심 교훈** **기존 시스템과 협력**하며, 전면적인 시스템 전환 없이도 명확한 혜택과 개선점을 제공 - **낮은 리스크와 높은 보상의 추가 도구**로 가치를 보여주어 빠른 채택 유도 #### **미래를 위한 통찰** - **전통 산업과 AI의 접점**: - 손으로 작성된 기록이나 오디오 데이터 같은 **비정형 데이터**에 의존하던 전통 산업이 이제 LLM(대규모 언어 모델)을 통해 현대 기술 솔루션에 접근 가능 - Vertical SaaS(수직 SaaS)가 이러한 산업에서 점차 현실적인 대안으로 떠오르고 있음 - AI를 모든 곳에 적용하려는 유혹이 있지만, **신중한 접근이 필요** - **AI 성공의 핵심**: - 기술 자체가 아닌 **제품-시장 적합성(Product-Market Fit)** 이 성공의 결정 요인 - AI의 발전은 가능성을 열어주지만, **제품 개발의 기본 원칙**은 변하지 않음: - **사용자와 그들의 요구를 명확히 이해하는 것**에서 시작 - 기술은 그 이후에 따라옴 - **주요 교훈**: - AI는 **기존 프로세스에 적합하게 통합될 때 가장 효과적** - 기존 방식을 뒤엎으려 하지 말고 자연스럽게 녹아들도록 설계 - **질문**: - "누가 이 기회를 먼저 잡을 것인가?" - 시간이 지나기 전에 **기회를 활용하는 사람**이 승리 ## Comments ### Comment 42666 - Author: spilist2 - Created: 2025-08-19T18:04:26+09:00 - Points: 1 글 내용 좋네요! 고마워 neo.