# 데이터만이 유일한 해자다

> Clean Markdown view of GeekNews topic #27800. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=27800](https://news.hada.io/topic?id=27800)
- GeekNews Markdown: [https://news.hada.io/topic/27800.md](https://news.hada.io/topic/27800.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-03-24T12:11:01+09:00
- Updated: 2026-03-24T12:11:01+09:00
- Original source: [thebootstrappedfounder.com](https://thebootstrappedfounder.com/data-is-the-only-moat/)
- Points: 41
- Comments: 2

## Summary

AI가 코드와 변환 워크플로우를 대체하면서, 소프트웨어 비즈니스의 해자가 **지속적으로 수집·정제된 실세계 데이터**로 이동하고 있다는 주장입니다. 저자가 운영하는 Podscan을 예로 들면, URL 하나를 전사·분석하는 기능은 2시간이면 복제 가능하지만, 하루 5만 건을 상시 수집하는 데이터 파이프라인은 에이전트 토큰 비용만으로도 비현실적입니다. UI·REST API·MCP 전반의 **기능 동등성(parity) 확보**를 에이전트 시대의 필수 전략으로 제시하는 부분도 개발자에게 실용적입니다. 다만 댓글에서 지적하듯, 합성 데이터 생성이 빠르게 발전하는 만큼 **인간 생성 데이터가 얼마나 오래 해자로 유지될지**는 도메인에 따라 달라질 수 있습니다.

## Topic Body

- AI 툴링으로 소프트웨어 개발 비용과 인력이 급감하면서, **소프트웨어 비즈니스의 진입장벽**은 과연 무엇인가라는 질문이 핵심이 됨  
- AI가 대부분의 변환 작업을 대체할 수 있는 지금, **인간이 생성한 실세계 데이터**만이 에이전트 AI가 복제할 수 없는 유일한 해자(moat)로 남음  
- 데이터 시장은 '인간 생성 데이터'와 'AI 생성 데이터'로 **양분(bifurcation)** 되고 있으며, 전자는 가치가 상승하고 후자는 범용재로 전락 중  
- 단순 변환 소프트웨어(Excel → PDF → 이메일 같은 워크플로우)는 에이전트 AI로 대체 가능하지만, **대규모 지속적 데이터 수집과 시스템 오브 레코드**는 대체 불가  
- **API 퍼리티(UI·REST·MCP 전반에 걸친 기능 동등성)** 확보와 메타데이터 축적이 향후 소프트웨어 비즈니스의 핵심 경쟁력  
  
---  
### AI 시대의 소프트웨어 해자(Moat) 변화  
  
- LLM 기반 툴링으로 복잡한 소프트웨어 개발이 **획기적으로 쉬워졌지만 완전히 해결된 것은 아님**  
  - 여전히 오케스트레이터(무엇을 만들지 아는 사람)가 필요하며, 이는 기술 역량뿐 아니라 **제품 관리·고객 개발과 엔지니어링의 교차점**에 있는 역할  
  - 의미 있는 것을 만드는 데 10명이 필요하던 것이 3명, 2명, 혹은 1명으로 줄어드는 방향으로 이동 중  
- 소프트웨어 제품을 쉽게 배포·유지 가능해지면, **기존의 해자**(개발 난이도, 도메인 지식의 제품화 등)는 AI가 대부분 대체  
  
### 데이터의 대분기(The Great Data Bifurcation)  
  
- 데이터 세계는 두 갈래로 분기 중  
  - **인간 생성 데이터**: 팟캐스트 에피소드, 동영상, 소셜 미디어 글, 블로그 포스트 등 사람이 직접 만든 콘텐츠  
  - **AI 생성 데이터**: AI 이미지, TTS 합성 음성, 완전 AI 제작 영상, 에이전트가 작성한 스팸 이메일 등  
- 인간 데이터는 희소성과 고유성으로 **가치가 상승**, AI 생성 데이터는 모델이 빠르고 저렴해질수록 **범용재(commodity)로 전락**  
- 인간 데이터는 생성자 본인만이 가진 지식 전체가 담겨 있어, **해당 데이터를 생성할 수 있는 유일한 주체**가 그 사람임  
- AI는 정의상 인간 생성 데이터를 만들 수 없으므로, **실세계의 인간 생성·검증·정제된 데이터**가 향후 10년간 소프트웨어 창업자의 유일한 신뢰할 수 있는 해자  
  
### Podscan 사례: 데이터 해자의 실제  
  
- 팟캐스트 모니터링 서비스 Podscan의 핵심 가치는 **RSS 피드 수집 속도나 API 응답 속도**가 아님  
  - 실질적 가치는 **5,000만 건의 팟캐스트 에피소드** 전사(transcription) 및 AI 분석(키워드·테마·감성 분석) 데이터  
- 공개 데이터(팟캐스트 에피소드)를 수집해 **전사·변환·접근 가능한 형태**로 만드는 것이 핵심 부가가치  
  - 브랜드 언급 추적, 실시간 트렌드 파악, 팟캐스트 스폰서십 판단 등 다양한 용도로 활용 가능  
- 데이터 **정확도(fidelity)·최신성(freshness)** 을 높일수록 고객이 느끼는 가치도 증가  
  - UI가 불편하거나 API가 제한적이어도 고객은 데이터에 접근하는 방법을 찾아냄 — **데이터 자체가 관건**  
- URL을 주면 전사·분석해 주는 기능만 제공한다면, Claude Code 내 스킬로 **2시간 내 대체 가능**  
- 하루 5만 건 에피소드 수집·전사·분석을 에이전트로 처리하면 API 비용이 **수만 달러/일** 수준으로 사실상 불가능  
  
### 변환형 소프트웨어의 취약성  
  
- 입력 데이터를 받아 처리 후 출력하는 **순수 변환형(transformative) 소프트웨어**는 에이전트 AI에 취약  
  - 예: "ChatGPT야, 이 Excel 파일로 리포트 만들어서 PDF로 PDF로 내보내고 이메일 보내줘" — 외부 서비스 없이 자율 수행 가능  
  - Excel 파싱, 분석 쿼리, PDF 렌더링, 이메일 발송을 AI 스스로 구현하거나 기존 구현을 활용  
- Excel→리포트→이메일 같은 워크플로우를 위한 **SaaS 비즈니스는 더 이상 필요하지 않음**  
- 반면 **대규모 지속적 데이터 수집**은 에이전트가 대체하기 어려운 영역  
  - 에이전트는 세션 단위로만 존재(Cursor, Claude Code, ChatGPT 대화 등)하는 **일시적 특성** 때문  
  - 상시 스캔·작업 에이전트는 토큰 소비가 막대해 **경제적으로 비현실적**  
  
### API 퍼스트 비즈니스 전략  
  
- 오늘날 소프트웨어 비즈니스에서 **API 퍼스트 전략**은 가장 현명한 선택 중 하나  
  - MCP는 기존 REST API 위에 올라가는 레이어에 불과하며, 프로그래매틱 접근·MCP·API·웹훅 모두 **컴퓨터 간 안정적 연결**이라는 동일한 본질  
- 창업자들 사이에서 **UI와 API의 기능 동등성(parity)** 에 대한 수요 증가  
  - UI에서 할 수 있는 모든 것을 API로도 동일하게 할 수 있을수록 고객의 제품 채택 가능성이 높아짐  
  - 에이전트 시대에 자동화 가능성이 구매 결정의 핵심 요소로 작용  
- Podscan은 **플랫폼 패리티 추적 파일(platform parity tracking file)** 을 운영  
  - 모든 기능에 대해 UI·REST API·MCP 각각 지원 여부를 표로 관리  
  - Claude Code 서브에이전트가 코드베이스를 분석해 해당 파일을 주기적으로 업데이트  
  - "팟캐스트 검색"처럼 단순한 기능부터 "브랜드 언급 키워드 알림 → 목록 추가 → 웹훅 트리거" 같은 복잡한 기능까지 포함  
- **인간 사용자·컴퓨터 사용자·에이전트 사용자** 세 유형 모두를 동등하게 서비스해야 함  
  
### 메타데이터가 해자다  
  
- 데이터 해자는 팟캐스트 데이터에만 국한되지 않음  
- 플랫폼 사용 시 수집되는 **메타데이터**(게시 시간대, 참여율 높은 시간, 참여를 유도하는 콘텐츠 유형 등)가 고유한 데이터 해자  
  - 예: Twitter·Facebook 게시 도구라면 사용자 행동 패턴 데이터가 해자  
- **데이터 보유**가 해자의 절반, **데이터를 접근 가능하게 만드는 것**이 나머지 절반  
- 자신의 제품이 어떤 내부 부가가치 데이터 소스를 가지고 있는지 파악하고, 이를 연결·접근 가능하게 만드는 것이 핵심 과제

## Comments



### Comment 53731

- Author: minelee
- Created: 2026-03-24T22:16:57+09:00
- Points: 1

알파고 학습을 알파고vs알파고 자체 대전 데이터로 했듯이, LLM 학습은 LLM으로 데이터를 만들어 학습시키고 있습니다. 데이터 샘플 몇 개 있으면 데이터들도 쉽게 만드는 판이라 이 또한 안전한 해자라고 보기 어렵습니다.

### Comment 53744

- Author: rlaaudgjs5638
- Created: 2026-03-25T02:17:37+09:00
- Points: 2
- Parent comment: 53731
- Depth: 1

강화학습과 딥러닝의 차이같기도 해요. 결정적인 피드백 루프를 제공하지 못하는 곳에선 인간 데이터가 아직까진 해자가 되는것 같습니다.