▲

누가 먹을 것인가? — Vertical AI 시대, 모든 배가 뜨지는 않는 이유

 (insights.euclid.vc)
2P by GN⁺ 10시간전 | ★ favorite | 댓글과 토론
  • LLM 기반 AI와 에이전트 워크플로우의 부상으로 SaaS의 경제적 논리가 근본적으로 해체되고 있으며, 인텔리전스 비용의 급격한 하락이 엔터프라이즈 기술 시장의 가치 흐름을 재편 중
  • AI 서비스의 비용 우위만으로는 지속 가능한 해자를 구축할 수 없으며, LLM 인프라에 의존하는 스타트업은 택시 디스패처 문제에 직면 — 빌린 마진 위에 서 있는 구조
  • Jevons Paradox에 따라 AI 지출 총량은 폭발적으로 증가하지만, 그 가치가 기존 시장 참여자 모두에게 돌아가지 않으며 가치 사슬의 대규모 재편이 동반
  • Vertical AI에서 승리하는 기업은 외부 서비스 제공자가 아닌, 고객 운영에 깊이 내재화된 시스템을 구축하는 기업 — 데이터 중력, 네트워크 효과, 플랫폼 락인이 핵심
  • 저가 전략을 의도적 웨지로 활용해 시장 포지셔닝을 확보한 뒤, 복합적 인텔리전스 플랫폼으로 전환하는 것이 유일하게 지속 가능한 전략

구조적 전환: SaaS에서 AI 에이전트 시대로

  • 엔터프라이즈 기술 시장이 온프레미스에서 클라우드로의 전환에 버금가는 구조적 변환을 겪고 있음
  • 약 20년간 SaaS 모델은 반복 수익, 시트 기반 라이선싱, 사용자 참여를 가치 대리 지표로 삼아 수조 달러의 시가총액을 창출
  • LLM 기반 AI와 에이전트 워크플로우의 부상이 이 SaaS의 경제적 논리를 해체 중
  • 핵심 동인은 인텔리전스 비용의 급격한 하락 — 동일 수준의 인텔리전스 기준으로 비용이 빠르게 감소 중
    • 단, 추론 복잡도의 증가로 토큰 지출 총량은 계속 증가 중(토큰 단가는 하락해도)
    • OpenAI, Google, Anthropic 등 자금력 있는 랩 간 치열한 경쟁과 하드웨어·소프트웨어 효율성 향상으로 이 추세는 둔화되지 않을 전망

AI 서비스의 디플레이션 압력

  • 에이전트가 전통적 수동 서비스를 대체할 때, 해당 지출을 그대로 포착하는 것이 아니라 서비스의 상품화(commoditization) 가 발생
  • 몇 년 전 10만 달러를 지불했을 서비스가 결국 그 일부 금액에 불과하게 될 구조
  • 저렴한 AI로 인해 Vertical AI 제품에 지속적 디플레이션 압력 존재
  • 문서에서 데이터 추출, 인바운드 전화 응대, 규정 준수 보고서 초안 작성 같은 기능은 현재 인프라와 노하우가 희소하고 채택률이 낮아 훌륭한 웨지가 될 수 있지만, 곧 테이블 스테이크가 될 것
  • 각 카테고리에 자금력 있고 성장 중인 여러 스타트업이 존재하여 초과 마진은 경쟁으로 사라질 구조
  • 그때까지 해자를 구축하지 못한 스타트업은 도태

AI 서비스 vs. 소프트웨어: 서비스 전달의 패러다임

  • 인텔리전스 한계 비용이 0에 수렴하면 기업 기술의 핵심 가치 제안이 노동 보조 도구에서 노동 대체 결과물 전달로 전환
  • Vertical AI는 Vertical SaaS 단독보다 더 많은 엔드투엔드 워크플로우를 처리할 수 있어 고객 가치와 지불 의향이 크게 증가, 훨씬 큰 예산에 접근 가능
  • 그러나 서비스 전달 — 내부 플랫폼이 아닌 외부 벤더와 유사한 고객 관계 — 이 AI 소프트웨어의 지배적 패러다임이라는 현재 주류 관점에는 동의하지 않는 입장

확대되는 TAM이 모든 스타트업을 띄우지는 않음

  • 인텔리전스 비용 급락으로 AI 서비스 TAM이 크게 확장되지만, 이 기회 확대가 가치 사슬의 동일 지점에 반드시 귀속되지 않음
  • 스프레드시트와 회계 산업 사례: Microsoft Excel 도입(1987) 이후 부기원·회계사무원 수는 약 200만에서 150만으로 감소했으나, 회계사·감사인은 약 130만에서 150만으로, 경영 분석가·재무 관리자는 약 60만에서 150만으로 증가(Morgan Stanley 리서치 인용)
    • 스프레드시트는 단순히 부기를 자동화한 것이 아니라, 가치를 기술 곡선 상위로 이동 — 반복 노동에서 고차 분석으로 전환
  • Uber와 라이드헤일링 사례: 가치 사슬 내 재배치를 넘어 중간 계층 전체의 제거까지 발생
    • 글로벌 택시 시장은 2019년 약 690억 달러에서 2024년 약 2,710억 달러로 성장, Uber 이전 전통 택시 시장은 300~500억 달러 규모
    • "차를 불러 어딘가로 가는" 총 지출이 15년간 약 5~8배 성장, 건당 가격은 약 절반으로 하락(VC 보조금 이후 시대에 10~20% 반등)
    • 역사적으로 수익은 소유자(운영자 겸 소유자, NYC 메달리온 소유자 등), 브로커(택시 에이전시, 디스패처, 차고), 고용 기사에게 귀속
    • 이 이해관계자 대부분이 파괴되고 에이전시 수익은 Uber와 Lyft가 흡수
    • NYC 메달리온 가격은 2013년 약 100만 달러 정점에서 현재 10만 달러 미만으로 폭락(정부 개입으로 일부 회복 조짐)

Jevons Paradox와 엔터프라이즈 AI

  • 동일한 Jevons 역설이 현재 엔터프라이즈 AI에서 진행 중
  • 모델 품질·컨텍스트·추론 복잡도를 고정할 때, 인텔리전스 단위 비용이 급락 중
    • GPT-3.5 수준 추론 비용이 2022년 11월~2024년 10월 사이 280배 이상 하락
    • 2023년에는 중견 기업의 모든 수신 이메일을 LLM으로 읽고 분류하는 것이 비용 부담이었으나, 현재 백만 토큰당 약 $0.40으로 무시할 수준
    • AI 코딩 도구로 현재 코드의 41%가 AI 생성 또는 AI 보조 — 진입 장벽을 더욱 낮춤
  • 총 AI 지출은 폭발적 증가: 엔터프라이즈 AI 매출이 2023년 17억 달러에서 2025년 370억 달러로 2년간 22배 증가
  • 글로벌 AI 지출은 2026년 2.5조 달러 초과 전망(IDC)
  • Gartner는 AI가 전체 IT 지출의 1/3을 차지하는 시점 예측을 2년 앞당김
  • 핵심 질문은 파이가 커지느냐가 아니라, 누가 먹을 수 있느냐

택시 디스패처 문제

  • AI Services("Service-as-Software")가 승리 비즈니스 모델이라는 대중적 논지 존재
    • Foundation Capital은 이를 4.6조 달러 기회로 프레이밍: IT 예산은 GDP의 1~2%이나, 노동·전통 서비스는 15% 이상 차지
    • AI가 회계사, 법률 보조원, 컴플라이언스 분석가의 업무를 수행하면, 해당 직원의 완전 비용(fully-loaded cost) 대비 가격 책정 가능하다는 논리
  • 그러나 단순히 아날로그 제품을 제공하는 것만으로는 이러한 예산을 장기적으로 포착할 수 없음
    • 서비스는 본질적으로 상품화 가능
    • AI 대안을 유통하며 성장하는 스타트업 대부분은 이 경제적 차익을 가능하게 하는 IP(LLM)를 소유하지 않음 — 랩이 소유
    • 기본적 워크플로우 오케스트레이션, RAG, 도메인 특화 파인튜닝은 지속 가능한 해자가 아님
  • 택시 디스패처 문제의 AI 적용: Uber 이전 택시 디스패치 에이전시는 라이드 매칭으로 마진 포착 — 공급(지역 기사 밀도)과 수요(지역 인지도) 집적에서 일정 방어력 보유
    • 공급·수요를 더 효율적으로 매칭하고, 차량 소유를 외부화하여 공급을 대폭 확장하며, 이용자에게 저렴한 비용을 제공하는 플랫폼이 등장하자 디스패처의 경쟁력은 소멸
  • 디스패처가 패한 이유는 Uber의 수수료율 때문이 아님
    • Uber는 기사 수익의 평균 약 30% 를 가져가며, 이는 전통 택시 에이전시·메달리온 임대인·디스패처가 총체적으로 추출하던 30~50%와 크게 다르지 않음
    • Uber의 해자는 덜 추출한 것이 아니라, 디스패치·결제·매칭·평판 등 모든 중개 기능을 네트워크를 소유하는 단일 플랫폼으로 통합한 것
  • AI Service 기업의 주요 가치가 "LLM으로 이 서비스를 더 싸게 전달합니다"라면, 이는 자기 것이 아닌 마진 위에 앉아 있는 디스패처
    • 이 비용 곡선은 모델 랩, 하이퍼스케일러, 칩 제조사, 에너지 생산자가 통제
    • 모델이 더 저렴해지거나, 경쟁자가 동일 모델 API에 연결하여 가격을 밑돌면, 비용 우위는 0에 수렴
    • 현재 전 세계 약 3만 5천 개의 AI 래퍼 앱 존재, 이전 기술 시대보다 훨씬 높은 경쟁 강도
  • 저렴하게 서비스를 전달할 수 있는 능력과 그 마진을 유지할 수 있는 능력은 별개 — 인텔리전스 비용 붕괴로 생기는 소비자 잉여를 누가 지속적으로 포착하느냐가 현 시점의 핵심 질문

내재화(Embeddedness)와 방어력

  • 비용 곡선을 넘어서는 방어력을 구축하는 기업이 잉여를 포착·유지
  • 엔터프라이즈 기술에서 방어력의 역사적 원천: 도메인 전문성, 속도·실행력, 파트너십·통합 관계, 데이터 중력, 브랜드·신뢰, 플랫폼 락인
    • 초기 단계: 빠르게 약화되는 도메인 전문성과 속도·실행력이 주요 이점
    • 파트너십·통합 관계는 지속 가능하나 규모에서 관련성 감소
    • 성장 단계의 가장 핵심적 해자는 사용량·데이터 루프
    • 규모에서의 방어 가능한 Vertical AI 비즈니스는 최소한 데이터 중력, 브랜드·신뢰, 플랫폼 락인 중 하나 이상의 해자 필요
  • Vertical AI 비즈니스 평가의 가장 중요한 축은 "서비스 vs. 소프트웨어"가 아니라 "내부(internal) vs. 외부(external)"
    • "내부": 고객이 매일 로그인하는 전통적 SaaS UI를 반드시 의미하지 않음 — 가치가 직접적 키보드 사용량과 상관된다는 오래된 업계 합의는 더 이상 유효하지 않음
    • 핵심 질문: AI 기업이 고객 운영에 구조적으로 제거하기 어려운 방식으로 내재화되어 있는가?
    • 고객이 생성한 독점 데이터를 보유하는가? 거래 상대방·공급업체·생태계에 고객을 연결하여 재구성이 고통스러운가? 인접 워크플로우에 통합되어 제거 시 연쇄 중단이 발생하는가?
    • "외부": 전통적 서비스 벤더와 유사 — 고객이 필요할 때 호출하지만, 더 나은 거래가 있으면 다음 주에 다른 곳으로 전환 가능
    • 외부 솔루션은 실질적 가치를 전달하고 비용 격차가 크고 채택이 초기일 때 빠르게 성장하지만, 빌린 마진 위에 서 있어 다른 AI Services 스타트업, 자금력 있는 SaaS 인컴번트, 심지어 구매자 자체와 동일한 경쟁 역학에 노출

4분면 프레임워크: Vertical AI 평가 매트릭스

  • 두 축으로 Vertical AI 랜드스케이프 매핑: 내부 vs. 외부(제품의 고객 운영 내재화 깊이)와 웨지 vs. 플랫폼(제품 범위와 깊이)
  • Durable(우상단): 내부 AI 플랫폼 — 복합적 해자로의 명확한 경로를 가진 System of Intelligence & Action, 초기 웨지에서 멀티 프로덕트 플랫폼으로 진화. Abridge, EvenUp이 대표 사례
  • Rare(좌상단): 외부 플랫폼 — 컨설팅 성격의 높은 ACV, 내부 AI 제품을 도그푸딩하는 경우가 많음. 높은 고객 집중도와 제한된 내재화로 불안정
  • Commodity Risk(좌하단): 외부 웨지 제품 — 극도의 초기 성장 잠재력이 있으나, 빌린 AI 마진으로 경쟁하기에 존재적 위험
  • Precarious(우하단): 내부 웨지 — 높은 초기 성장 잠재력으로 방어 가능 플랫폼으로 확장 가능하나, AI 선도 인컴번트의 웨지 복제 위험
  • 두 가지 가치 있는 전환 경로: 외부→내부(내재화 심화)와 웨지→플랫폼(제품 폭 구축)
    • 웨지→플랫폼은 지속 가능한 Vertical Software 구축의 검증된 모델
    • 일부 스타트업은 외부·고확장성 AI Services 웨지에서 시작하여 두 전환을 동시에 시도

Vertical AI: 상품화로부터의 보루

  • Vertical AI가 강력한 이유: 모든 산업의 고유한 역학이 고객에게 깊이 내재화되는 차별화된 솔루션 구축의 비옥한 토양
  • 최고의 Vertical SaaS 기업(Veeva, Procore, Toast, ServiceTitan 등)이 승리한 이유는 더 저렴했기 때문이 아니라, 사용자의 특수한 니즈를 더 정확히 반영하는 시스템 오브 레코드가 되었기 때문
    • 수백만 달러의 컨설팅 비용으로 Salesforce나 NetSuite를 맞춤화할 수 있지만, 처음부터 자신을 위해 만들어진 시스템이 있는데 굳이 그럴 필요 없음
    • 독점적 산업·퍼스트파티 데이터(임상시험 데이터, 작업 비용 데이터, 레스토랑 매출 데이터)를 축적하여 사용할수록 제품이 개선되는 구조
    • 파편화된 수직 고유 생태계(제약사-임상 사이트, 원청-하청, 레스토랑-배달 네트워크)를 연결하여 네트워크 효과 해자 구축
  • 웨지는 더 저렴하게 전달되는 서비스일 수 있지만, 해자는 그 웨지 위에 구축된 시스템 — 내부 포지셔닝을 활용하여 독점 데이터, 네트워크 효과, 멀티 프로덕트 플랫폼, 산업 "브레인"을 개발하여 단순 벤더가 아닌 의존하는 인프라가 되는 것
  • 이 도약을 하지 못하고 비용 경쟁하는 외부 AI 서비스 제공자로 남으면, 택시 디스패처와 같은 운명 — 시장이 500% 성장하는 것을 지켜보면서 마진은 0에 수렴

승자는 상품화를 포용

  • Vertical Collective 라운드테이블에서 한 창업자의 인사이트: "많은 이들이 바닥 경쟁을 나쁘게 보지만, 우리는 반대로 봄 — 진짜 열쇠는 새로운 가치 창출"
  • 비용 경쟁만 하면 치명적이지만, 위에서 설명한 해자를 구축할 포지셔닝을 확보하기 위한 의도적 웨지로서는 강력
  • 일부 Vertical AI 스타트업은 AI Services 상품화에 따른 가격 바닥 경쟁을 의도적으로 포용하고 가속화해야 함
    • 전통 플레이어가 맞출 수 없는 충격적으로 낮은 가격으로 많은 고객 유치
    • 고객당 "결과물" 매출 기회를 자기잠식하지만, 빠른 성장, 산업 신뢰, 다른 방식으로 고객을 서비스할 권리를 획득
    • 경쟁할 수 없는 시장 리더의 입지를 약화시켜 경쟁 진공 창출, 확장을 위한 폴 포지션 확보
  • 이 전략은 "Nuking Pricing Power" 전략의 변형: 보완재의 저가(또는 무료) 버전을 개발·지원하여 빠른 채택을 유도하고 보완재의 가격 결정력을 약화
  • 더 단순하게: 제품이 상품화될 것이라면, 시장을 차지하기 위해 직접 상품화하는 편이 나음

가치 가설(Value Hypothesis)

  • 모든 엔터프라이즈 기술 패러다임 전환은 땅따먹기와 구조조정을 동반
    • 클라우드 컴퓨팅은 2005~2015년 사이 수천 개의 SaaS 스타트업을 탄생시켰으나, 대부분 흡수·인수합병·소멸, 소수만이 지속 가능한 카테고리 정의 플랫폼으로 졸업
    • Vertical AI에서도 동일한 패턴을 예상하되, 더 큰 시장 기회, 더 빠른 성장, 창의적 수익화 모델, 더 높은 초기 자본 효율성 — 그리고 그 모든 이유로 전례 없는 수준의 경쟁
  • AI Services 창업자의 함정: 확장 가능한 웨지를 방어 가능한 비즈니스로 착각하는 것
  • 지속할 기업: 비용 격차가 크고, 채택이 초기이고, 인컴번트가 느린 현재의 창문을 활용하여 전환이 단순히 불편한 것이 아니라 구조적으로 고통스러울 만큼 고객 운영에 깊이 내재화
  • 이것은 새로운 아이디어가 아닌 엔터프라이즈 소프트웨어의 가장 오래된 아이디어의 재발견
    • 새로운 것은 표면적: SaaS 기업은 몇 개 워크플로우에 내재화하고 사용자 상호작용 화면에서 데이터 포착 가능했으나, AI 네이티브 플랫폼은 모든 워크플로우에 내재화, 인간 존재 여부와 무관하게 모든 상호작용에서 데이터를 포착, 실행할수록 제품을 개선하는 복합적 인텔리전스 구축 가능
    • "하중 지지 인프라(load-bearing infrastructure)" 를 구축할 기회가 이보다 큰 적이 없었으며, "더 저렴한 벤더"에 안주하려는 유혹도 마찬가지
  • Andy Rachleff의 "가치 가설": 스타트업의 무엇을·누구에게·어떻게에 대한 가설은 첫 번째 시도에서 "거의 맞지 않음" — 창업자는 관심 있다고 말하는 사람이 아니라 제품에 진정으로 절박한 고객을 발견해야 함
  • 고객은 항상 더 저렴한 서비스에 관심이 있지만, 진정으로 원하고 유지하기 위해 비용을 지불하는 것은 자기 비즈니스를 자신보다 더 잘 아는 시스템 — 제도적 지식을 축적하고, 생태계에 연결하고, 모든 상호작용마다 내부적 가치가 증가하는 시스템

참고

  • AI가 인간 노동자를 더 효율적으로 만들면 Salesforce가 대중화한 시트 기반 SaaS 모델은 더 이상 유효하지 않음 — 제품이 좋을수록 고객 지출이 감소하는 구조
  • 자율 에이전트의 목적이 계약서 초안, 고객 지원 티켓 해결, 재무 원장 조정 등을 실질적 인간 개입 없이 수행하는 것이라면, "스크린 타임"은 무의미
  • 새로운 패러다임에서 효율성은 스크린 타임의 부재로 정의될 수 있음
  • UI 자체도 대체 가능해지는 중: 데이터·액션·레코드의 "의사결정 레이어"는 여전히 중요하지만, 어떤 고객도 동일한 UI를 갖지 않는 세계로 진입
    • 플랫폼이 각 사용자에게 고유하게 자동 생성하는 인터페이스("inception software")
    • MCP를 통한 에이전트 방식이나 LLM이 생성한 맞춤 앱을 통한 "Bring Your-Own UI"(BYOUI)