# AI 래퍼는 끝났다: 초기 스타트업을 위한 수직화 전략

> Clean Markdown view of GeekNews topic #31598. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=31598](https://news.hada.io/topic?id=31598)
- GeekNews Markdown: [https://news.hada.io/topic/31598.md](https://news.hada.io/topic/31598.md)
- Type: GN+
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-07-20T09:47:01+09:00
- Updated: 2026-07-20T09:47:01+09:00
- Original source: [nfx.com/post](https://www.nfx.com/post/ai-wrapper-dead-verticalization-startups)
- Points: 19
- Comments: 1

## Topic Body

- 기반 모델에 단일 기능을 얹은 **AI 래퍼의 일시적 우위**가 사라지면서, 초기 스타트업은 전체 워크플로와 가치사슬을 소유하는 수직 통합형 사업으로 이동하고 있음  
- 첫 번째 전략은 **도메인 지식과 작업 오케스트레이션**을 결합해, 기반 모델의 원시 지능만으로는 얻기 어려운 산업 현장의 결과를 만드는 것임  
- 두 번째 전략은 기존 기업에 AI 소프트웨어를 판매하는 데 그치지 않고, 영업·심사·운영을 **자동화 중심으로 재구축**해 고객 경험까지 개선하는 방식임  
- 세 번째 전략은 파편화된 산업 데이터를 통합하는 **기록 시스템**을 확보한 뒤, 업무 처리와 의사결정까지 맡는 행동 시스템으로 확장하는 것임  
- 대형 기존 기업은 프런티어 연구소와 직접 협력할 수 있지만 비용·독점 지식 공유·조직 이해관계에 제약이 있으며, AI 네이티브 스타트업은 **시장 진출과 고객 경험**에 집중하는 수직화로 방어력을 구축할 수 있음  
  
---  
  
### 단일 기능 AI 래퍼의 부상과 쇠퇴  
- ChatGPT 등장 후 창업자들은 카피라이팅, 고객 서비스, 법률 조사, 영업처럼 사람이 하던 개별 작업에 모델을 결합하고 구독료나 작업 대가를 받는 제품을 만들었음  
- **Jasper**는 2022년 기업가치 15억 달러로 1억2,500만 달러를 조달했지만, 1년 이내에 2023년 ARR 전망을 최소 30% 낮추고 감원을 진행했으며 공동창업자 2명이 모두 물러남  
  - 이후 비전을 ‘마케팅 운영체제’로 재정립함  
- 단일 작업 도구를 만든 기업은 기반 모델의 기능이 비슷한 수준에 머물 것이라고 전제했지만, 프런티어 연구소가 모델을 직접 제품화하면서 이 전제가 무너짐  
  - Anthropic은 Claude Code와 Claude Design처럼 2년 전이라면 래퍼로 분류됐을 도구를 직접 제공함  
  - 공개된 수치에 따르면 Anthropic의 연환산 매출은 1월 140억 달러에서 5월 470억 달러를 넘어섰으며, 기업 수요가 성장을 주도함  
- 특정 작업을 뜻하는 ‘AI for X’는 지속 가능한 제품 전략이 아니라 **일시적 우위**에 가까웠음  
  - 네트워크 효과나 수직 산업 전문성이 없는 범용 에이전트 역시 ‘래퍼 2.0’이 될 수 있음  
  
### 살아남은 기업은 서비스 전체를 소유함  
- 성과를 내는 기업은 모델 위에 AI 도구를 얹는 대신, AI를 **서비스 제공 메커니즘**으로 삼고 서비스에 필요한 전체 워크플로를 소유하는 방향으로 출발함  
- **EvenUp**은 광범위한 법률 AI가 아니라 개인 상해라는 좁고 전문적인 분야에서 시작함  
  - 2,000곳 이상의 로펌이 플랫폼을 사용하며, 미국 상위 100개 개인 상해 로펌 중 20%가 고객임  
  - ARR은 전년 대비 두 배로 늘었고, 2025년 10월 기업가치 20억 달러 이상으로 Series E에서 1억5,000만 달러를 조달함  
  - 기업가치는 1년이 되기 전에 두 배 이상 증가함  
- [Further AI](https://www.furtherai.com/)는 보험, [Blitzy](https://www.nfx.com/post/why-we-invested-in-blitzy)는 기업용 소프트웨어 개발에서 같은 접근법을 취함  
- 경쟁력은 모델·데이터·사용자 경험 중 하나만으로 만들어지지 않음  
  - 전체 **워크플로**, 도메인 지식, 사례나 코드베이스마다 축적되는 데이터, 복잡한 산업에 진입해 판매하는 역량이 함께 작동해야 함  
- 과거에는 지능 자체가 판매 대상이고 래퍼는 보조 구조물이라고 봤지만, 이제는 워크플로·데이터·영업 파이프라인을 포함한 **공장 전체가 제품**이 됨  
  
### 접근법 1: 원시 지능을 넘어 복잡한 워크플로를 소유함  
- [Blitzy](https://www.nfx.com/post/why-we-invested-in-blitzy)는 Fortune 500 기업을 위한 맞춤형 소프트웨어를 개발하는 AI 플랫폼이며, 최근 기업가치 14억 달러로 2억 달러를 조달함  
- 기업용 소프트웨어 시장에는 두 가지 선택지가 있었음  
  - Cursor나 Codex 같은 도구를 만들어 대규모 외주 개발 인력에 판매함  
  - 외주 인력 자체가 필요 없도록 AI를 서비스로 만들어 기업에 직접 판매함  
- Blitzy는 두 번째 방식을 택함  
  - 2024년에는 OpenAI나 Claude의 모델이 모든 문제를 해결해 스타트업이 경쟁하기 어려울 것이라는 시각이 있었음  
  - 실제 기업 환경에서는 회사 전체 코드베이스의 **지식 그래프**, 작업을 작은 단위로 나누는 기능, 각 작업에 가장 적합한 모델을 호출하는 오케스트레이션 계층이 프런티어 연구소 제품보다 좋은 결과를 냄  
- 코드베이스 주변 맥락을 파악하는 시스템으로 **SWE-Bench Pro 66.5%** 를 기록해 1위에 오름  
- 원시 지능이 핵심 공학·시스템 병목을 해결하더라도 산업 현장에서 작동하도록 운영화하는 과정은 필요하며, 전체 워크플로의 수직 통합이 그 역할을 맡음  
  
### 접근법 2: 기존 사업을 자동화 중심으로 다시 설계함  
- [Tomo](https://tomo.com/)는 모기지 업체에 AI 소프트웨어를 판매하는 대신, 대출 심사와 모기지 취득 과정 자체를 AI 중심으로 재구성함  
- 영업·심사·운영 전반에 **자동화**를 적용해 대출 담당자 1인당 생산성을 경쟁사보다 높이고, 이를 소비자에게 더 좋은 금리로 연결함  
  - 현재 주택 구매자의 77%가 전통적인 제공업체보다 Tomo에서 더 좋은 금리를 받음  
  - 더 좋은 금리를 받은 구매자 비율: {p:77}  
- 기존 워크플로에 소프트웨어를 끼워 넣는 것보다 산업을 처음부터 다시 설계하는 편이 더 나은 고객 경험으로 이어질 수 있음  
- 소폭의 소프트웨어 개선은 애초에 해당 기술을 위해 설계되지 않은 시스템 안에서 영향이 제한될 수 있음  
  - 기존 조직에 워크플로 변경을 설득하는 대신 사업을 직접 재구축하고, 그 자원을 고객 경험 개선에 사용할 수 있음  
- 기존 기업은 기존 사업 모델과 조직을 스스로 파괴해야 하므로 이런 방식을 택할 가능성이 매우 낮음  
- SaaS 시대에는 기존 워크플로 안으로 소프트웨어를 도입하는 전략이 효과적이었지만, AI는 전통 산업을 자동화 중심으로 재구축하고 **내부 도입보다 고객 경험**에 집중할 수 있게 함  
  
### 접근법 3: 기록 시스템에서 행동 시스템으로 확장함  
- [Seso](https://www.sesolabor.com/solutions/hr?utm_term=&utm_campaign=Seso+Sales&utm_source=adwords&utm_medium=ppc&hsa_acc=5052387495&hsa_cam=11643698839&hsa_grp=173245045117&hsa_ad=728671909625&hsa_src=g&hsa_tgt=dsa-2391556338360&hsa_kw=&hsa_mt=&hsa_net=adwords&hsa_ver=3&gad_source=1&gad_campaignid=11643698839&gbraid=0AAAAACXA4AGuLpXpxUW3duXNIqnxHkHfZ&gclid=CjwKCAjw857RBhAgEiwAI-1yKIm09RLwIDq8Lo2q9yEYtXWSuESsxU9oGZEIh19uLH8UDOhyAamSshoCGiQQAvD_BwE)는 미국 농업 분야의 인사 **기록 시스템**을 구축함  
- 미국 농업 인력의 상당 부분을 뒷받침하는 H-2A 비자 절차는 로펌, Microsoft Office 제품, 종이 문서에 분산돼 있었음  
  - Seso는 이를 하나의 중앙 데이터베이스로 통합해 농장이 계절 노동자를 일반 기업의 직원처럼 관리하도록 지원함  
- AI 도입 후 단순한 ‘디지털 서류함’에서 **행동 시스템**으로 전환함  
  - 직원 물류를 관리하고 사업 인사이트를 생성하며 노동 관련 의사결정까지 수행할 수 있도록 플랫폼을 재정비함  
- 기록 시스템을 확보한 기업은 축적한 정보를 기반으로 실제 작업을 수행하는 시스템까지 확장할 수 있음  
- 같은 접근법을 적용하는 사례로 레크리에이션 분야의 [Rec](https://partner.rec.us/blog/growth25)과 장기 의료 분야의 [Veras](https://veras.com/)가 있음  
  
### 기존 기업과 AI 네이티브 서비스의 경쟁  
- 대형 로펌 같은 기존 기업은 AI 네이티브 경쟁사에 내부 전문 지식을 넘기지 않고 프런티어 연구소와 직접 협력해 자동화를 내재화할 수 있음  
  - Freshfields는 맞춤형 도구 개발을 위해 **Anthropic과 제휴**함  
- 이 전략은 Big Law나 주요 금융기관처럼 규모가 큰 기업에 주로 열려 있으며, 이들에게도 프런티어 연구소와의 협력 비용이 지나치게 클 수 있음  
  - Uber와 Microsoft 사례처럼 LLM 토큰 비용이 커지고 있으며 고가의 AI 엔지니어 비용도 추가됨  
- 협력이 성립하려면 산업 기존 기업은 장기 가치가 제한적일 수 있는 독점 지식을 감추려는 태도를 완화하고, 프런티어 연구소는 **가격 결정력**을 과도하게 행사하지 않아야 함  
- 합의하더라도 자동화는 기존 기업이 수행하는 여러 기능 중 하나일 뿐, 핵심 사업의 초점은 아님  
- AI 네이티브 서비스는 프런티어 연구소에 대한 의존을 상대적으로 줄이고, 시장 진출(GTM)과 고객 경험 개선에 집중할 수 있음  
- Tomo는 전통 모기지 업체가 프런티어 연구소와 협력하더라도 더 저렴하고 간소한 고객 선택지를 유지함  
  - 이 선택지는 기존 기업의 이해관계와 직접 충돌하므로 경쟁을 없애지는 못해도 범위를 제한할 수 있음  
  
### AGI 시대를 겨냥한 수직화  
- 다음 세대 스타트업은 ‘가치사슬의 모든 부분을 어떻게 소유할 것인가’를 중심으로 사업을 설계해야 함  
- **수직적 사고**는 AGI 전환기에도 유지될 수 있는 방어력 가운데 하나임  
  - 원시 지능이 새로운 혁신을 가능하게 하더라도, 이를 실제 운영에 적용하고 고객에게 전달하는 과정은 여전히 필요함  
- 초기부터 전체 산업과 워크플로를 소유한 창업자는 AI 하이퍼스케일러 시대에도 지속 가능한 위치를 구축할 수 있음  
- 바이오와 딥테크처럼 실행 자체가 고도로 전문화된 분야에서는 전문 실행력이 별도의 **진입 장벽**으로 남아 있음

## Comments



### Comment 62107

- Author: opula
- Created: 2026-07-20T22:11:22+09:00
- Points: 1

수직화가 방어선이라는 큰 그림에는 공감합니다. 다만 '래퍼냐 아니냐'를 가르는 축이 기능의 두께라기보다, 그 밑에 모델이 들고 있지 못한 무언가가 쌓이느냐인 것 같아요. 글의 세 전략(워크플로를 소유하거나, 자동화 중심으로 재설계하거나, 기록 시스템을 행동 시스템으로 넓히는 것)이 결국 다 모델 밖에 축적되는 상태와 데이터를 만드는 얘기로 읽히더라구요.  
  
저도 겉보기엔 얇은 래퍼에 가까운 걸 만들어봤는데, 살아남는 건 기능이 아니라 사용자 고유의 상태와 데이터를 소유하는 부분, 그리고 모델이 대화마다 흔들리지 않게 결정론적으로 계산하고 기억하는 층이었습니다. 프런티어 모델이 좋아질수록 오히려 이 둘의 가치가 커지구요.  
  
한 가지 덧붙이면, 글은 주로 엔터프라이즈 수직(B2B)을 예로 드는데 개인용에도 같은 논리가 통하는 것 같아요. 생 LLM은 공개 정보만 보고 내 상태를 기억 못 하니, 개인의 기록 시스템을 쥐는 것 자체가 해자가 되더군요. 다만 세 번째 전략에서 기록 시스템을 행동(의사결정 대행)으로 넘기는 구간은, 그 결정이 재현이나 검증이 되는지가 같이 따라와야 신뢰가 유지되는 것 같습니다.