8P by xguru 2달전 | favorite | 댓글과 토론

버티컬 AI의 중요성

  • 지난 10년 동안 버티컬 SaaS(Vertical SaaS)는 업계별 맞춤형 소프트웨어의 힘을 입증했고, Toast, Shopify, Procore, ServiceTitan 같은 여러 성공 사례가 있음
  • 여전히 버티컬 SaaS가 미처 서비스하지 못하는 시장이 많음
    • 기술 혁신에 본질적인 장벽이 있는 기반 산업(예: 비정형 데이터, 제한된 TAM, 느린 판매 주기, 낮은 연간 계약 금액, 까다로운 기존 고객)
    • 이제 막 등장했거나 큰 변화를 겪고 있는 분야(예: 에너지의 전기화)
  • 이제 비정형 데이터를 처리할 수 있는 인공 지능이 등장하고, 버티컬 SaaS를 수직적 소프트웨어로 재정의 하는 주요 발전으로 인해 이런 곳에도 서비스 가능한 소프트웨 구축이 가능해짐
  • 이전 기술 시대에는 버티컬 SaaS가 체계적인 데이터를 가진 현대적인 기술 스택을 가진 회사에만 적용될 수 있었음
  • LLM은 비구조화된 데이터를 다룰 수 있어 AI가 기술적으로 뒤처진 산업을 현대 시대로 끌어들일 수 있는 누락된 조각이 될 수 있음
  • 버티컬 중심의 스타트업들은 전통적인 SaaS 모델을 넘어서 임베디드 결제(Toast, Shopify), 광고(Pepper, Provi), B2B 마켓플레이스(Faire, Novi)와 같은 전략을 채택함

# 버티컬 AI 투자 프레임워크

Data: Better Data Over Better Models (더 나은 데이터가 더 나은 모델보다 중요)

  • AI 응용 프로그램을 구축하는 데 있어 데이터는 차별화된 위치를 구축하는 데 있어 아마도 가장 중요한 부분임
  • 스타트업은 매우 큰 데이터 코퍼스가 필요한지, 독점적인 데이터 자산을 구축할 기회가 있는지 식별해야 함
  • 많은 업종에서 데이터는 지저분하고 사일로화된 레거시 시스템에 존재하기 때문에 데이터 추출에 도전하는 기업이 특히 반가움
    • 데이터 요약 및 생성 기능에 대한 진전에 비해 데이터 추출은 고통스럽고 해결되지 않은 문제임
    • 차별화 요소는 동급 최고의 감사, 라벨링 및 지속적으로 업데이트되는 데이터를 보유하는 것
  • 더 강력한 데이터 포지션은 제품 사용 자체가 데이터 세트를 생성하는 경우
    • 예: 고객이 자신의 데이터에 라벨을 붙이거나 제품과의 상호 작용에 대한 데이터 세트를 개발하는 경우
  • 데이터에 대한 초기 접근은 예비 해자(Moat)로서의 중요성이 있지만, 궁극적으로는 고객이 제품을 사용하면서 생성하는 데이터가 장기적인 해자를 제공한다고 생각함

TAM(Total Addressable Market): Market Size vs Market Penetration (시장 규모 대 시장 침투)

  • 수직적 시장을 추구하지 않는 가장 큰 위험이자 이유는 수평적 접근 방식에 비해 TAM이 작다는 점이지만, 이는 단점이자 장점이 될 수 있음
  • 소규모 시장일수록 자금력을 갖춘 경쟁자가 적고, 집중할 수 있는 범위가 좁아져 유통의 이점을 얻고 시장 집중도를 높일 수 있기 때문
  • 의료/금융 서비스처럼 세분화 정도가 높은 기반 산업에서는 섹터 내에서 많은 기회가 있을 수 있음
  • 업종에 진입할 수 있는 진입점을 찾으려면 경쟁업체가 진출하지 않았고, AI에 대한 수요가 입증되었으며, LLM 기반 도구에 가장 적합하고, 개인적으로 가장 잘 제공할 수 있는 하위 분야를 파악하는 것이 중요

ACV: Multiple Products and Revenue Streams (다중 제품 및 수익 스트림)

  • 단일 SaaS 제품이 여섯 자리 수의 ACV(Annual Contract Value)를 달성하는 최선의 접근 방식은 아님
  • 버티컬 중심의 스타트업은 다중 제품으로 확장하고 핵심 제품을 넘어 추가 수익원을 창출할 수 있음
  • 핵심 제품에 새로운 제품 라인을 추가하면 시간이 지남에 따라 번들링 및 상향 판매가 가능해져 결국 조직의 여러 지점에서 고정적인 위치를 차지할 수 있음
    • 레스토랑 결제 플랫폼인 Toast는 급여 및 인력 관리 기능을 추가하여 다중 제품 전략을 실행
    • B2B 마켓플레이스인 Provi와 Pepper는 광고로 추가 수익원을 창출
    • 태양광 설치 플랫폼인 Aurora Solar는 금융 옵션을 제공하는 제품을 통해 추가 수익을 창출
    • 건설 서비스 플랫폼인 Procore는 최근 건설 프로젝트의 수명 주기 전반에 걸친 데이터 인사이트를 활용하여 보험을 제공하기 시작

Founder(s): Product Builders With Domain Experience (창업자: 도메인 경험을 가진 제품 빌더)

  • 도메인 경험과 기술 배경을 모두 가진 창업 팀은 순수 기술자보다 버티컬 AI를 구축할 때 유리함
  • 한 번에 수십, 수백 개의 서로 다른 조직과 장기 계약을 맺는 경우가 많은 헬스케어와 같은 업종의 기존 조직에 판매하려는 스타트업의 경우 이러한 문제가 더욱 두드러짐
  • 이러한 복잡성을 잘 이해하는 것은 올바른 시장 진출 전략을 수립하고, 판매 일정을 계획하고, 직원을 채용하는 데 매우 중요

GTM: Create Urgency (시장 진입 전략: 긴급성 창출)

  • 버티컬 판매 주기는 길 수 있으며, 기술 구매자가 덜 정교한 대규모 기존 산업에서는 더욱 그러함
  • 중요한 유통 채널을 장악하기 위해서는 GTM 전략에 긴박감을 조성할 수 있는 고유한 방법이나 경로가 있어야 함
    • AI에 대한 관심이 높아지면서 새로운 제품을 시도해야 한다는 절박함이 생겼지만, 이는 역풍이 될 수도 있고 순풍이 될 수도 있음
    • 모든 구매자가 AI를 염두에 두고 있기 때문에 신규 기업이 잠재 고객에게 전화를 걸어 평가판을 사용해 보도록 유도하는 것은 쉬움. 그러나 여러 파일럿을 비교하는 데 지친 사용자에게는 파일럿을 고객으로 전환하는 것이 특히 어려울 수 있음
    • 즉, 구매자가 제품을 고려하고 전환하여 사용할 수 있도록 긴급한 상황을 만드는 것이 중요
  • 신속한 전환을 위해서는 핵심 가치 제안을 고려해야 함
    • 인력 효율성 향상이나 '혁신'을 약속하는 것만으로는 충분하지 않음
    • 제품이 어떻게 매출을 증가시키거나 비용을 확실히 절감할 수 있는지 보여주는 것이 더 효과적

Product: Beyond Copilot (제품: Copilot을 넘어서)

  • 현재의 지배적인 패러다임은 인간과 AI Copilot이 짝을 이루는 것
    • 인간이 대부분의 작업을 수행하고 AI 조종사가 인간의 능력을 향상/보강
  • 향후 몇 년 안에 AI 에이전트가 주요 작업을 수행하고 인간이 결과를 확인하고 편집하는 반대 모델을 더 많이 볼 것으로 예상
  • Copilot은 이미 유통을 소유하고 있는 현재 업체가 주도할 수 있는 반면, AI 에이전트는 보다 새로운 영역에 도전할 수 있는 기회이기 때문에 스타트업의 진입점으로 알맞음
  • 패러다임의 변화는 미래의 비즈니스에 엄청난 영향을 미칠 것
    • AI 에이전트가 더 많은 숙련된 노동력을 대체함에 따라 소프트웨어에 대한 지출이 인건비를 대체할 것
    • 새로운 사용량 또는 성과 기반 가격 모델이 등장할 것으로 예상되며, 이는 더 알아봐야 할 Archetype이 될 것

# 버티컬 기회

  • AI는 거의 모든 산업 버티컬에서 변혁을 일으킬 것으로 예상됨

Professional Service(전문 서비스)

  • 법률 서비스, 회계, 컨설팅 등 수동적인 작업이 많은 다양한 분야에서 전문가들이 중요한 정보를 읽고 해석하여 분석, 고객 소통, 메모, 보고서 등으로 응답하는데 상당한 시간을 할애함
  • 법률 서비스 분야는 언어가 핵심 제품이고, 대규모 언어 모델이 오늘날의 플랫폼 변화의 기반이 됨
  • 미국 내 법률 시장은 3000억 달러 이상이며, AI 도입에 대한 관심이 입증됨
    • Harvey, EvenUp, Eve, Spellbook과 같은 AI 우선 기업이 탄생
    • 톰슨 로이터, Relativity, 아이언클래드 같은 기존 기업들도 AI를 인수하거나 기존 제품에 통합
  • 컨설팅 및 회계는 AI를 수용할 준비가 된 또 다른 분야임
    • 빅4 컨설팅 회사는 각각 수만 명의 컨설턴트와 회계사를 고용하고 있으며, 이는 AI로 대규모로 보강할 수 있는 막대한 인력
    • KPMG와 PwC는 각각 5년 동안 AI 제품에 20억 달러, 3년 동안 생성 AI에 10억 달러를 투자할 계획임
    • 하버드 비즈니스 스쿨과 BCG의 공동 연구에 따르면 GPT-4를 사용하는 컨설턴트는 25% 더 빠르게 작업을 완료하고 결과물의 품질은 40% 향상되는 것으로 나타남
    • 회계사들은 규칙과 정책을 이해하고 이를 계산에 적용하는 데 시간을 할애함
    • 회계 전문가와의 인터뷰에서 수익 인식(revenue recognition)은 가장 힘들고 반복적(매월)이면서도 가장 자동화할 수 있는 사용 사례 중 하나로 꼽힘

금융 서비스

  • 금융 서비스는 AI에 적합한 여러 특성을 가짐
  • 미국 내 시장 규모만 해도 11조 달러에 달하며, AI 도구에 대한 수요가 입증됨
    • 블룸버그 GPT의 출시, 모건 스탠리의 OpenAI와의 파트너십, 알파센스의 시장 인텔리전스 플랫폼에 AI 기반 검색 및 요약 도구 추가
  • 투자 전문가와 재무 고문의 일상 업무를 보면 AI가 어떻게 적용될 수 있는지 쉽게 알 수 있음
    • 내부 데이터 및 실시간 시장 데이터와 뉴스 처리, 재무 모델링 및 계산 등
  • Hebbia, Sixfold, Hyperexponential, Portrait Analytics와 같은 AI 기반 스타트업들이 진전을 이루고 있음

헬스케어

  • AI가 헬스케어에 미칠 잠재적 영향에 대해 오랫동안 논의되어 왔으나, 지금까지와 같은 현실적인 영향은 없었음
    • LLM은 진단이나 의사 결정 모델을 개선하고 보험금 청구를 자동화하는 플랫폼을 개발할 수 있으며, 의료 데이터의 전반적인 관리를 개선할 수 있음
  • LLM 기반 애플리케이션은 과거 세대의 AI 도구를 크게 개선할 수 있으며, 구조화되지 않은 데이터를 구조화된 데이터로 변환하는 등의 고부가가치 사용 사례를 해제하는 데 중요함
  • Google의 Med-PaLM 2는 복잡한 의학적 질문에 대답하는 능력이 있으며, 의학 자격증 시험에서 질문에 성공적으로 답변함
  • 의학 LLM의 구축은 상당한 시간과 자원이 필요한 매우 야심찬 사업임