- AI 툴링으로 소프트웨어 개발 비용과 인력이 급감하면서, 소프트웨어 비즈니스의 진입장벽은 과연 무엇인가라는 질문이 핵심이 됨
- AI가 대부분의 변환 작업을 대체할 수 있는 지금, 인간이 생성한 실세계 데이터만이 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 레코드는 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 교차점에 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 주체가 그 사람임
- AI는 정의상 인간 생성 데이터를 만들 수 없으므로, 실세계의 인간 생성·검증·정제된 데이터가 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 속도가 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 형태로 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) 소프트웨어는 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 수집은 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 전략은 가장 현명한 선택 중 하나
- MCP는 기존 REST API 위에 올라가는 레이어에 불과하며, 프로그래매틱 접근·MCP·API·웹훅 모두 컴퓨터 간 안정적 연결이라는 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 보유가 해자의 절반, 데이터를 접근 가능하게 만드는 것이 나머지 절반
- 자신의 제품이 어떤 내부 부가가치 데이터 소스를 가지고 있는지 파악하고, 이를 연결·접근 가능하게 만드는 것이 핵심 과제