# 명확한 시야, 풀스택이면 정말 이길 수 있을까? > Clean Markdown view of GeekNews topic #31970. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=31970](https://news.hada.io/topic?id=31970) - GeekNews Markdown: [https://news.hada.io/topic/31970.md](https://news.hada.io/topic/31970.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-07-30T10:11:02+09:00 - Updated: 2026-07-30T10:11:02+09:00 - Original source: [insights.euclid.vc](https://insights.euclid.vc/p/clear-eyes-full-stack-cant-lose) - Points: 2 - Comments: 1 ## Topic Body - AI가 스타트업의 실행 범위를 넓혔지만, 전체 가치사슬보다 **데이터·워크플로·고가치 결과**가 축적되는 통제 지점을 장악하는 것이 중요함 - 산업 초기에는 통합형 제품이 성능과 신뢰성을 높이지만, 시장이 성숙하고 인터페이스가 표준화되면 이익은 **성능을 결정하는 하위 시스템**으로 이동함 - 방어력은 소유한 계층의 수가 아니라 독점적이고 밀도 높으며 반복 가능한 신호에서 나오므로, 학습이 누적되는 **최소 충분 스택**만 소유해야 함 - OpenEvidence·Halter·Abridge·AI 네이티브 로펌은 접근·소유·통제를 서로 다르게 조합하며, 완전한 수직 통합도 **통제 지점**이 없으면 범용 데이터와 높은 비용만 남을 수 있음 - 인터페이스가 불안정하거나 성능이 구매자 기준에 못 미치고 소유 없이는 접근권을 확보할 수 없을 때만 통합이 필요하며, 나머지는 임대·라이선스·표준화해 **보완재를 범용화**하는 편이 유리함 --- ### AI가 다시 불러온 수직 통합 - 자산 경량형 모델이 벤처 시장에서 선호된 10년을 지나 **수직 통합**이 다시 주목받고 있음 - AI가 소프트웨어의 더 많은 부분을 범용화하면서 독점 데이터, 맥락, 현실 세계의 피드백, 신뢰, 유통이 희소 자산으로 남는다는 논리임 - 이러한 흐름은 전통적인 기술·비즈니스 서비스를 넘어 AI 기반 주택 서비스, 건설사, 노인 주거 시설, 병원 시스템까지 확장됨 - [NFX의 “The AI Wrapper Is Dead”](https://news.hada.io/topic?id=31598)는 얇은 래퍼보다 가치사슬 전체를 소유하려는 수직적 사고가 필요하다고 봄 - 그러나 “모든 것을 소유한다”는 말은 경제성이 서로 다른 전략을 하나로 묶음 - 다제품 확장 - 물리적 자산 소유 - 하드웨어와 소프트웨어 결합 - 서비스 사업자 전환 - 시장의 다른 부문으로 수직 통합 - AI는 벤처 지원 스타트업이 실행할 수 있는 경계를 넓히지만 **최적 경계**까지 결정하지는 않음 - 전체 스택을 소유해도 차별화되지 않은 데이터만 모으거나 모두와 같은 모델에 의존할 수 있음 - 집중된 경쟁사보다 운영 마찰이 크고 경제성이 나빠질 수도 있음 - 기존 수직 애플리케이션 기업들도 산업의 모든 매출을 흡수하기보다 학습이 축적되는 특정 업무 영역을 통제해 규모와 방어력을 확보해 왔음 ### 제한된 통제 지점을 찾아야 하는 이유 - Vertical AI의 목표는 SaaS와 마찬가지로 고객 워크플로의 **통제 지점(control point)** 을 소유하는 것임 - 통제 지점은 산업마다 다르며 기술 변화에 따라 이동함 - 일부 계층은 기술로 차별화됨 - 다른 계층은 범용화됨 - LLM이 모든 수직 시장의 표면을 통제 지점으로 바꿨다는 전면 통합론은 B2B 워크플로에서 실제로 중요한 지점이 제한적이라는 사실을 간과함 - 고객 업무에서 기록 시스템으로 확장할 수 있는 결정적 위치를 선점해야 하며, 단순히 더 많은 계층을 소유하는 것만으로는 부족함 ### Christensen의 통합과 모듈화 이론 - Clay Christensen은 산업 초기와 성숙기에 적합한 구조가 다르다고 봄 - 제품의 기능과 신뢰성이 고객 요구에 미치지 못하는 초기에는 각 요소를 최적화해 결합할 수 있는 **독점적 통합 솔루션**이 유리함 - 기술이 충분히 성숙하면 표준 인터페이스가 등장하고 기업은 개별 구성요소에 전문화하며 제품이 모듈화됨 - 이 단계에서는 초기 통합 기업의 우위가 약해지고 이익이 성능을 결정하는 하위 시스템으로 이동함 - 젊은 시장에서는 구매자와 판매자 모두 불확실성을 겪음 - 구매자는 구매·자체 구축·대기 중 무엇을 선택할지 판단해야 함 - 판매자는 파편화돼 있고 일관성이 없으며 규모의 경제도 갖추지 못함 - 구매자는 작고 비싼 공급자 대신 직접 기술을 통제하려 하고, 판매자는 자문형 접근으로 문제 전체를 해결하면서 더 많은 영역을 소유하려는 유인을 받음 - 범주가 성숙하면 고객은 통합 솔루션에 추가 비용을 지불하려 하지 않고 **상호운용성**을 중시함 - 저비용 사업자는 전문 구성요소를 조합해 가격과 전문성으로 통합 사업자를 압박함 - 오픈소스 대안도 등장함 - 운영 사업으로 확장한 기술 기업도 최고의 기술을 확보하려면 외부 기술의 구매자가 되어야 함 - AI는 자동화·번들링·내재화할 수 있는 범위를 넓혀 통합을 더 매력적으로 만들지만, 장기 이익이 이동하는 원리까지 바꾸지는 않음 ### 초기 통합이 장기 승리를 보장하지 않는 이유 - [기존 기업을 파괴하는 가이드](https://insights.euclid.vc/p/a-guide-to-disrupting-incumbents)는 보완재를 범용화하고 가격 결정력을 낮춰 만든 잉여로 유통과 신뢰를 확보하는 전략을 다룸 - 1980년대 초 IBM은 PC 5150을 기성 하드웨어와 공개 기술 명세에 기반한 개방형 구조로 출시하고 확장 카드를 장려함 - IBM과 후발 PC 업체들은 가격 경쟁에 빠짐 - PC의 핵심 보완재였던 Microsoft DOS는 선호되는 운영체제로 성장함 - 통합은 시장 초기에 이기더라도 이후 범용화 과정에서 패할 수 있음 - 시장 진입을 위한 일시적 다리이거나 구조적 필요일 수 있음 - 반대로 회사의 존립을 위협하는 오류가 될 수도 있음 - NVIDIA는 통합 극대화의 반례임 - GPU 아키텍처, CUDA, 네트워킹, 가속 컴퓨팅 소프트웨어 생태계를 긴밀히 통합함 - 자본 집약적인 반도체 제조는 TSMC 같은 전문 기업에 맡김 - 공동 설계로 통제 지점을 강화하면서 전문 사업자의 경제성을 활용했고, 세계에서 가장 가치 있는 기업 중 하나가 됨 ### 학습을 축적하는 최소 충분 스택 - 통합은 희소한 자산을 확보할 때만 지속 가능한 우위를 만듦 - 현실을 감지함 - 1차 데이터를 수집함 - 행동에 영향을 줌 - 결과를 관찰함 - 이를 바탕으로 제품을 개선함 - 전체 폐쇄형 루프를 소유하면 경쟁자가 같은 맥락에 접근하기 어려워질 수 있지만, **전체 스택 소유 자체가 방어력**을 보장하지는 않음 - 장기 가치는 신호가 독점적이고 밀도 높으며 복제하기 어려운지에 달림 - 센서를 직접 소유해도 차별화되지 않은 데이터만 생성할 수 있음 - 이 경우 자본·운영 부담은 늘지만 장기 방어력은 개선되지 않음 - 입력 비용 하락을 활용하는 스타트업과 가격 경쟁을 벌이다 핵심 제품까지 약해질 수 있음 - 전통적 수직 소프트웨어 기업은 가치사슬 전체가 아니라 워크플로의 통제 지점을 장악해 성장함 - Toast는 식당이 아니라 POS와 거래 계층을 소유함 - Veeva는 제약회사가 아니라 생명과학의 핵심 영업·규제 워크플로를 소유함 - 이들 플랫폼은 산업의 전체 비용 구조를 떠안지 않고 워크플로를 이해하고 수익화함 - Vertical AI가 답해야 할 질문은 **학습을 누적하려면 시스템이 어디를 통제해야 하는가**임 - [Vertical AI 플레이북](https://insights.euclid.vc/p/emerging-playbooks-in-vertical-ai)은 즉각적인 투자수익과 매출을 만드는 내부 워크플로의 출발점으로 저작 계층(authoring layer)을 권장함 - 초기 Vertical AI 스타트업은 학습 루프가 누적되는 통제 지점을 확보할 만큼의 최소 충분 스택만 소유해야 함 ### 소유보다 접근으로 충분한 계층 - 통제 지점은 워크플로 내재화, 라이선스, 통합, 계약상 권리, 독점 하드웨어 등 여러 방식으로 확보할 수 있음 - 자산은 소유가 통제 지점 접근을 열어줄 때만 직접 보유해야 하며, 그 밖의 소유는 비싼 마찰이 됨 - 기존의 구축 대 구매보다 Vertical AI에는 **소유 대 접근**이 더 중요한 전략 질문임 - 직접 통제가 필요한 부분이 무엇인지 판단해야 함 - 안정적인 접근권만으로 충분한 부분과 구분해야 함 - SaaS 기업은 대부분 컴퓨팅과 스토리지를 임대함 - 범용 인프라 이상의 가치가 없는 제품이 취약하다고 해서 데이터센터를 직접 살 필요는 없음 - 데이터와 워크플로가 집중되는 계층을 장악하고 나머지는 클라우드 사업자에게 맡기는 것이 해법임 - 센서, 모델, 통합, 서비스, 하드웨어는 통제 지점에 접근하게 할 때 가치가 있으며, 그 기준을 넘어서면 소유가 내구성 없이 마찰만 더할 수 있음 ### 접근·소유·통제의 네 가지 조합 - 수직 통합의 구성요소는 세 변수로 구분됨 - **접근**: 소유하지 않고 자산을 사용할 수 있음 - **소유**: 자산이 회사에 귀속됨 - **통제**: 핵심 통제 지점을 장악함 - ## OpenEvidence: 소유 없는 접근 - OpenEvidence는 진료 시점의 임상 질문을 포착하고 관련 근거를 검색해 의사에게 답을 제공함 - 의학 저널 출판사와의 상업 계약으로 라이선스 콘텐츠에 접근함 - 통제 지점은 **진료 시점의 임상 질문**이며 저널, 병원, 의사 워크플로 전체를 소유할 필요는 없음 - 방어력은 콘텐츠 접근의 지속성, 의사 유통망, 신뢰, 집계된 수요의 가치에 의존함 - 차별화의 중심은 콘텐츠 자체보다 실제 진료 맥락에서 의사의 질문과 답변을 더 잘 이해하고 우수한 경험을 제공하는 능력임 - ## Halter: 통제를 위한 소유 - Halter는 목걸이형 장치로 소 데이터를 수집하고 가상 울타리로 이동을 유도하며 목장주에게 무리 관리 애플리케이션을 제공함 - 하드웨어가 없으면 신호·행동·결과에 접근할 수 없으므로 **목걸이 소유가 통제 지점 확보**에 필요함 - 방어력의 원천은 하드웨어 자체가 아니라 관찰·행동 루프와 목장 관리 워크플로임 - 통제 지점을 약화하지 않으면서 1차 데이터 접근을 넓힐 수 있다면 모듈형 하드웨어 구성요소는 시간이 지나며 범용화하도록 둘 수 있음 - ## Abridge: 소유 없는 통제 - Abridge는 임상 대화를 포착해 문서를 만들고 진료 기록을 차트 작성, 코딩, 매출 워크플로와 연결함 - 센서는 마이크지만 통제 지점은 **임상 노트의 저작 계층**임 - 노트가 Abridge에서 시작됨 - 깊은 통합을 거쳐 의료 시스템으로 전달됨 - 임상의 수정·승인, 코딩 변경, 매출 결과를 포착함 - 학습 루프를 위해 의료 가치사슬의 추가 영역을 소유할 필요는 없음 - 임상 기록 작성이 범용화돼도 축적되는 것은 필사 기술이 아니라 후속 워크플로에서 차지한 위치임 - 다만 지배적이고 적극적인 기존 기업을 상대로 기반 기술이 이 통제 지점을 장기적으로 방어할 수 있는지는 여전히 문제로 남아 있음 - ## AI 네이티브 로펌: 통제 없는 소유 - 고객 관계, 변호사, 서비스 제공을 모두 내부에 둔 AI 네이티브 로펌도 전체 가치사슬 소유만으로 방어력을 얻지 못할 수 있음 - 수집 데이터가 프런티어 모델 기업, Harvey를 사용하는 기존 로펌, 다른 AI 네이티브 로펌도 쉽게 접근할 수 있는 수준이라면 차별화되지 않음 - LLM 개선은 경쟁 서비스가 같은 발전을 채택하지 않을 때만 방어력으로 이어짐 - 강한 소프트웨어 해자는 기반 인프라가 아니라 **독점 데이터 루프, 워크플로 통합, 유통, 네트워크 효과**에서 나옴 ### 수직 통합이 실제로 필요한 세 조건 - 통합은 공급 확보, 지연 감소, 품질 관리 개선, 단일 책임 운영자 확립, 핵심 공급자의 수익 흡수 방지에 기여할 수 있음 - 다만 이러한 이점은 작동 메커니즘일 뿐 그 자체로 해자가 되지는 않음 - ## 1. 모듈화하기에는 범주가 불안정한 경우 - 모델, 워크플로, 하드웨어, 주변 환경 사이의 연결 방식이 계속 바뀌면 개별 공급자가 충분히 빠르게 협력하기 어려움 - 빠른 반복을 위해 통합이 필요하지만, 이는 **불안정한 인터페이스**를 통합해야 한다는 뜻이지 모든 인접 사업을 소유해야 한다는 뜻은 아님 - ## 2. 성능이 구매자 기준에 못 미치는 경우 - 다중 공급자 시스템이 미성숙하거나 취약하면 구매자는 한 사업자에게 신뢰성을 보장받으려 할 수 있음 - 인간 피드백 기반 강화학습(RLHF) 업체가 여기에 해당할 가능성이 있음 - 현재 배포에 필요한 계층과 미래에 방어 가능한 수익원이 될 계층을 구분해야 함 - ## 3. 소유 없이는 지속 가능한 접근권을 얻지 못하는 경우 - 공급자가 데이터를 제공하지 않거나 필요한 센서가 존재하지 않을 수 있음 - 소프트웨어 사업자가 통합을 어렵게 만들거나 제품이 실행할 수 있는 행동을 심하게 제한할 수도 있음 - 관련 자산 소유가 신뢰할 수 있는 접근권을 얻는 유일한 방법이라면 직접 소유해야 함 ### 통합 우위에는 시간제한이 있음 - LLM 시대에는 시장이 빠르게 성숙하고 경쟁이 상호운용성을 촉진하며 구매자도 자신의 요구를 빠르게 이해함 - 통합 사업자가 범주를 확립한 뒤에는 모듈형 경쟁자가 스택의 개별 계층을 공략함 - 모듈형 경쟁자가 항상 승리하는 것은 아니지만, 통합 기업이 **성능 병목이나 통제 지점**을 계속 소유하지 못하면 소유의 우위는 일시적임 - 현재 시장은 Christensen이 말한 젊은 시장과 유사함 - 구매자는 무엇을 사고 구축해야 하는지, 무엇을 도입할 가치가 있는지 판단하기 어려워함 - 스타트업은 더 실험적이고 자문 중심으로 움직이며 기업 문제를 해결하기 위해 평소보다 넓은 범위를 맡을 수 있음 - 그러나 처음부터 모든 것을 소유하기보다 다양한 확장을 시험하면서도 초점을 유지하는 경영 규율이 필요함 ### 보완재는 범용화하되 비용 구조는 떠안지 않기 - 스타트업은 인접 제품을 더 싸게, 무료로, 내장형으로 제공하거나 마진을 얻기 어렵게 만들어 기존 기업의 **가격 결정력**을 약화할 수 있음 - 보완재를 범용화한다고 해서 직접 소유하거나 해당 산업의 경제성과 사업 모델까지 떠안을 필요는 없음 - 보완재를 풍부하고 표준화되고 저렴하게 만들어 가치가 자신이 통제하는 계층으로 이동하게 해야 함 - 가격을 낮출 수 있음 - 상호운용성 표준을 촉진할 수 있음 - 보완재의 영구적인 비용 구조를 상속하지 않으면서 병목을 제거해야 함 - 의료 AI 기업이 서비스를 병목으로 판단하면 초기에 사람이 개입할 수 있음 - 목표는 단순한 저비용 서비스 업체가 되는 것이 아님 - 반복되는 서비스 작업을 통제 지점 접근권으로 전환해야 함 - 소프트웨어의 주요 이점은 레버리지이며, AI가 사업 범위를 넓혀도 소프트웨어와 자산 경량형 모델의 매력은 사라지지 않음 - 기본 지능이 저렴해질수록 레버리지는 더 중요해지고, 후발 기업이나 프런티어 모델 업체가 통합 제품을 모듈화할 수 있음 - 창업자는 무엇을 소유할지보다 **무엇을 범용화할지** 먼저 물어야 함 - 보완재가 도입을 막는다면 가격 결정력, 조정 비용, 신뢰성 위험을 낮출 만큼만 통합함 - 통제 지점을 강화하지 않는 계층은 임대·라이선스하거나 모듈형 인터페이스로 제공함 - 기능과 노동의 전문화는 강한 경제 원리이므로 장기적으로 정면 대결할 영역을 신중하게 골라야 함 ### 1841년에 등장한 통제 지점 - 1837년 공황으로 신뢰할 수 있는 상업 신용 정보의 부재가 드러난 뒤 Lewis Tappan은 1841년 **Mercantile Agency**를 설립함 - 이 회사는 변호사, 은행가, 지역 관찰자 등 유급 통신원으로 전국망을 만들고 상인의 지급 능력, 평판, 신용도를 수집한 최초의 B2B 신용 네트워크를 구축함 - 젊은 Abraham Lincoln도 초기 통신원 중 한 명이었던 것으로 전해짐 - 당시 상인들은 재고, 창고, 공급망, 고객 관계와 자본·운영 위험을 모두 부담한 수직 통합 사업자였음 - Mercantile Agency는 반복적이고 고가치인 기업 신용 결정에 필요한 **정보 계층**을 장악함 - 통신원 네트워크가 데이터를 제공함 - 결제와 연체를 포함한 정보가 추가될 때마다 신용 의사결정 시스템이 개선됨 - 자산 경량형 사업자가 통제 지점을 확보한 사례임 - Mercantile Agency는 이후 미국의 장수 기업 데이터 회사인 Dun & Bradstreet가 됨 - Christensen의 매력적 이익 보존 법칙에 따르면 이익은 가장 많은 계층을 가진 회사가 아니라 **성능 병목을 통제하는 회사**로 이동함 - Mercantile Agency는 재고나 창고가 아니라 상업 거래의 정보 교환소인 상인 신용 원장을 소유함 - Vertical AI 창업자는 이 원장의 현대적 대응물을 찾아 정확하고 지속 가능하며 복리로 성장하게 만들 만큼만 스택을 소유해야 함 - 번들링과 언번들링을 신중하게 선택하고, 고객이 교체를 어렵게 느낄 뿐 아니라 교체할 필요조차 느끼지 않을 만큼 특정 도메인을 잘 지원해야 함 ## Comments ### Comment 62607 - Author: hmmhmmhm - Created: 2026-07-30T10:34:42+09:00 - Points: 1 최소 충분 풀스택....ㄷㄷ