GPT Wrapper의 반격: 상업화된 AI 모델 세계에서의 독점성
(andrewchen.substack.com)defensibility: 방어성 (moat와 함께 써서 독점성으로 번역했습니다)
moat: 해자
GPT Wrapper 서비스 예시: Character.ai, Perplexity AI
ycombinator 댓글: https://news.ycombinator.com/item?id=42971442
요약본 입니다.
- AI 분야는 지난 한 해 동안 많은 발전을 이루었으며, 새로운 참가자들이 등장하고 AI 중심 제품들이 급격한 성장을 보이고 있음
- 그러나 AI 모델 스타트업들은 다음과 같은 근본적인 질문에 직면해 있음:
- AI 모델 스타트업의 방어력이 낮고, 오픈 소스 대안과 새로운 참가자들이 지속적으로 우위를 잠식한다면, 누가 최종적으로 승리할 것인가?
- 새로운 AI 중심 앱들은 참신함 효과 덕분에 놀라운 성장을 보이고 있음. 그러나 시간이 지나 AI가 기대치가 되고 신기함이 사라지면, 수많은 새로운 제품들 중 누가 배포 경쟁에서 승리할 것인가? 혼잡한 시장에서 제품들이 어떻게 성장하고 고객에게 도달할 것인가?
- 다른 제품을 복제하는 것이 "AI야, productxyz.com과 동일한 앱을 만들어서 productabc.com에 호스팅해줘!"처럼 정말로 사소해진다면 어떻게 될 것인가? 과거에는 새로운 제품을 복제하는 데 몇 달이 걸렸고, 그동안 선두를 구축할 시간이 있었음. 그러나 곧바로 빠르게 따라잡을 수 있게 된다면, 제품들은 어떻게 사용자들을 유지할 것인가?
- 최근 몇 년 동안, 자체 모델을 구축하지 않은 혁신적인 AI 제품들은 저기술의 "GPT 래퍼"로 폄하되었음. 그러나 지난 수십 년간 소비자 제품들은 기술 수준이 낮고 방어력이 약해 보였음에도 불구하고 엄청난 가치를 창출해왔음. 미래도 과거와 같을 것인가?
- 이러한 환경에서, "GPT 래퍼" 간의 거대한 전쟁이 벌어지고 있으며, 전통적인 방어 전략—특히 배포와 네트워크 효과에서의 지속적인 우위—이 다시 전면에 등장할 것임
- 이들은 정확히 동일한 방식으로 나타나지는 않겠지만, AI 기능과 결합하여 새로운 형태를 만들어낼 것
- 이러한 방식으로, 차세대 AI 제품들은 Web 2.0, 암호화폐, 온디맨드 경제 등 이전의 컴퓨팅 물결을 이끌었던 힘을 타고 발전할 것임
실패한 AI 방어 이론?
- AI 방어력에 대한 인기 있는 이론은 단순했으며, 지난 몇 년 동안 담론을 지배했음:
- 각 세대의 AI 모델을 구축하기 위해 필요한 데이터/컴퓨팅/에너지의 양이 기하급수적으로 증가할 것이라는 관찰이 있었음.
- 2024년에는 $1억 이상이 필요했지만, 미래에는 수십억 달러가 필요하게 되어, 새로운 참가자들에 대한 "규모 효과"의 해자를 형성할 것이라는 것임.
- 또한, AI 모델이 더 강력해짐에 따라, 앱이 원하는 모든 것을 수행할 수 있게 되어, 대부분의 앱은 더 강력한 기본 모델과 인터페이스하는 단순한 "GPT 래퍼"로 전락할 것이라는 것임.
- 이 관점에서는, 소수의 대형 모델 회사들이 모든 가치를 창출하고, 그 위의 GPT 래퍼 앱 세계에 세금을 부과할 것임.
- 2025년 2월 현재, 이 이론은 주요한 복잡성에 직면해 있음:
- 최첨단 모델은 오픈 소스 모델보다 약 6개월 앞서 있을 뿐이며, 새로운 참가자들이 정기적으로 유사한 성능을 가진 모델을 생성하고 있음 (Grok, DeepSeek 등).
- 또한, 초기에는 대규모 플레이어들이 일찍 접근하여 큰 이점을 가졌던 훈련 데이터의 양이 자연적인 한계에 도달하고 있음.
- 그리고 최첨단 모델을 훈련하는 데 많은 돈/에너지/컴퓨팅이 필요하더라도, 경쟁자들은 모델 증류를 통해 유사한 성능을 달성하고 있음.
- 동시에, 창의적 도구, 고객 서비스, 법률 등 특정 틈새 시장에 특화된 새로운 앱 계층 스타트업들이 등장하여, 1년 이내에 $0에서 $500만 이상의 ARR 성장을 보여주고 있음.
- 대부분의 경우, 이러한 스타트업들은 통합하는 기본 AI 모델을 명시하지 않으며, 사용자나 고객도 이에 대해 신경 쓰지 않음.
- 이제 GPT 래퍼들을 응원할 때인가? 그리고 이 새로운 세대의 AI 중심 앱에 대한 새로운 방어 이론은 무엇이어야 하는가? 수많은 AI 중심 앱들 중, 어떤 것들이 지속될 것인가?
- 물론, 네트워크 효과도 있음. 우리는 네트워크 효과가 지난 세대의 직장 협업 도구, 마켓플레이스, 소셜 네트워크 등에서 방어력의 중요한 역할을 했음을 보았음 (내 책 The Cold Start Problem에서 다루었음) — 그리고 AI 시대에도 큰 역할을 할 수 있다고 생각함.
데이터베이스 래퍼와 CRUD 앱
- 1990년대부터 2010년대까지 웹 앱의 성장 곡선(S-curve)을 참고하면 현재의 AI 상황을 이해하는 데 도움이 됨.
- 1990년대 닷컴 붐 초기에는 웹사이트의 v1을 구축하기 위해 수백만 달러를 조달해야 했음. 인프라가 부족했기 때문임.
- 서버를 데이터 센터에 직접 설치해야 했으며, 독점 소프트웨어 스택을 사용해야 했고, 성장 전략은 소비재 산업(CPG)에서 차용한 비효율적인 방식이었음.
- 당시에는 제품이 "작동한다"는 것 자체가 주요 차별점이었으며, 첫 번째 웹 기업들은 주로 스탠퍼드 컴퓨터 공학 박사들이 설립했음.
- 하지만 두 세대가 지난 후, 웹사이트 구축은 오픈 소스, 클라우드 컴퓨팅, 클릭당 비용(CPC) 광고 등의 발전으로 인해 간단해짐.
- 많은 인기 웹앱들은 단순한 "데이터베이스 래퍼(또는 CRUD 앱)"에 불과했음.
- 블로그, 트위터, 플리커 같은 서비스가 대표적이며, 간단한 데이터 생성(Create), 읽기(Read), 수정(Update), 삭제(Delete) 기능을 제공했음.
- Ruby on Rails와 CMS 소프트웨어가 등장하면서 이러한 웹 개발이 더욱 쉬워짐.
- 당시에도 벤처캐피털(VC)들은 "Facebook 같은 제품이 방어력을 가질 수 있을까?"라는 질문을 던졌음.
- 그러나 Web 2.0 시대는 네트워크 효과를 활용하여 이러한 문제를 해결했음.
- 단순한 CRUD 앱이 아니라, 커뮤니티와 네트워크 전체가 데이터를 공유하고 협업하는 기능을 추가했음.
- 네트워크가 유지되는 한 제품이 방어력을 가지게 되었으며, 이것이 Web 2.0이 소비자 기술을 다시 활성화시킨 핵심 요소였음.
- 과거에도 비슷한 사례가 있었는데, 90년대 초 Windows/Mac 기반 GUI 데스크톱 붐도 Visual Basic을 이용한 "폼 기반 애플리케이션"의 증가로 인해 촉진되었음.
- 즉, 초기 인터넷 시대의 독점적이고 폐쇄적인 기술 스택이 Web 2.0에서 개방되고 상품화된 것처럼, AI도 같은 흐름을 따를 가능성이 큼.
- "이걸 만들 수 있나? 만들 돈을 조달할 수 있나?"라는 질문에서 "만들 수는 있지만, 사람들이 사용할 것인가? 그리고 유지될 것인가?"라는 질문으로 경쟁의 축이 이동함.
- AI 제품도 같은 변화의 흐름을 타고 있으며, 네트워크 효과와 AI를 결합한 새로운 형태로 진화할 것임.
GPT 래퍼가 지배하는 세계에서의 성장과 네트워크 효과
- 네트워크 효과란 "사용자가 많아질수록 제품의 가치가 증가하는 현상"을 의미함.
- 마켓플레이스, 소셜 네트워크, 협업 도구 등이 대표적인 사례임.
- AI 제품이 네트워크 기능을 추가할 것인지, 기존 네트워크 제품이 AI를 통합할 것인지의 경쟁이 벌어질 것임.
- B2B 및 SMB 시장에서는 협업 기능(댓글, 태그, 공유)과 팀 지원이 자연스럽게 추가될 것임.
- 그러나 AI가 소셜 네트워크를 근본적으로 재창조할 수 있을지는 불확실함.
- 사람들은 여전히 인간과의 상호작용을 원함.
- AI가 인간 관계를 대체할 것인지, 보조 역할을 할 것인지에 대한 의문이 있음.
- 예를 들어, AI 기반 소셜 앱이 사용자에게 단순한 이미지 기반 밈이 아니라 맞춤형 인터랙티브 콘텐츠를 공유하게 만들 수도 있음.
- 현재까지는 소비자 중심 AI 제품이 완전히 성공한 사례가 없음.
- Character.ai 같은 일부 사례가 있지만, 빠르게 성장하는 AI 중심 소비자 앱은 아직 확립되지 않음.
- 원인은 API 비용이 아직 낮아지지 않았고, 기존 기업들의 경쟁력이 강하기 때문임.
- 또한 AI가 인간 수준의 흥미로운 상호작용을 만들어내는 것이 아직 어렵기 때문일 수도 있음.
- 하지만 AI+네트워크 기능이 결합된 제품들이 등장한다면, 복제는 쉬울지라도 네트워크 효과로 인해 방어력이 형성될 것임.
- 네트워크 효과를 세 가지 축으로 나누어 정리할 수 있음:
-
획득(Acquisition) 네트워크 효과
- 제품이 기존 사용자 네트워크를 활용하여 새로운 사용자를 초대하고 공유하며 유입을 늘릴 수 있음.
- AI 제품은 매력적인 콘텐츠를 생성하여 자연스럽게 공유를 유도할 수 있음.
-
유지(Retention) 및 참여(Engagement) 효과
- 네트워크 기반 제품은 댓글, 태그, 공유 파일 등을 통해 기존 사용자를 재활성화할 수 있음.
- 단순한 AI 제품은 이메일/푸시 알림에 의존해야 하지만, 네트워크 기반 제품은 더 강력한 유지력을 가질 수 있음.
-
수익화(Monetization) 효과
- 협업 도구가 기업 내에서 널리 사용될수록 높은 가격의 요금제로 전환될 가능성이 높음.
- 소셜 게임이 아바타 꾸미기 같은 요소로 수익을 창출할 경우, 친구들과의 상호작용이 가치를 높일 수 있음.
-
획득(Acquisition) 네트워크 효과
- 결국, AI 제품들은 초기에는 신기한 기능으로 시장에 진입하겠지만, 점점 네트워크 기능을 추가하여 성장하고 방어력을 구축할 것임.
현 AI 세대가 승리할 것인가, 아니면 새로운 세대가 등장할 것인가?
- 기술 혁신의 역사를 보면, 새로운 플랫폼이 등장할 때 기존 기업들은 적응하는 데 어려움을 겪었음.
- 예를 들어, 모바일 혁신 초기에 Flipboard, Foursquare, Kik 등이 인기를 끌었지만, 결국 Uber, DoorDash 같은 후발주자들이 시장을 장악했음.
- 현재 AI 시대에서도 초기 AI 스타트업들이 신기함을 제공하지만, 네트워크 효과를 결합한 후발주자들이 더 크게 성공할 수도 있음.
- 또한, 기존 빅테크 기업들이 AI를 빠르게 채택하고 있기 때문에, 완전히 새로운 스타트업들이 반드시 승리할 것이라는 보장은 없음.
- AI 시대는 빠르게 변화하고 있으며, 기존의 방어 전략이 AI와 결합하면서 새로운 시장이 형성되고 있음.
- 앞으로 어떤 기업이 승리할지는 아직 알 수 없지만, 분명 흥미로운 시기가 될 것임.
댓글 요약
-
AI와 LLM의 성공 요인: 성공적인 AI/LLM 솔루션은 고성능의 ETL(Extract, Transform, Load) 프로세스가 필수적이다. 특히 특정 분야의 데이터 전처리와 집계 능력이 기업의 경쟁 우위를 결정한다.
-
AI "래퍼"의 역할: 래퍼는 기본 모델보다 우월하려면 특정 분야의 데이터 처리와 통합 능력이 뛰어나야 한다. 이는 기업의 진정한 경쟁 장벽(moat)을 형성한다.
-
오픈 소스와 복제: 많은 제품들은 오픈 소스 코드를 이용하지만 실제 코드를 읽지 않고 복제하는 경우가 많다. 이는 'left-pad' 사례처럼 얕은 혁신을 초래할 수 있다.
-
대형 모델의 경쟁: 대형 모델은 시장 점유율을 높이며, 나머지 제품들은 그 주변에서 경쟁해야 한다. 이는 빠른 인퍼런스 비용 감소와 함께 사용 사례별 모델 선택이 줄어든다.
-
AI 기반 앱의 복제 가능성: AI 기반 앱은 복제하기 어려울 수 있다. 특히 복잡한 프롬프트와 모델 간 상호작용은 복제 과정에서 큰 도전이 된다.
-
모델과 래퍼의 경쟁: 모델 레이어에서는 경쟁이 치열해지고, 래퍼는 소프트웨어 엔지니어링 측면에서 경쟁 우위를 확보할 수 있다.
-
OS의 역할: OS 제조사는 사용자 컨텍스트를 활용해 AI 기능을 통합하는 데 큰 강점을 가지고 있다. 이는 기존 앱 개발자들에게 경쟁 우위를 제공할 수 있다.
-
가치 창출의 요소: 특화된 프롬프트, 구조화된 데이터 접근, 네트워크 효과 등이 미래 가치 창출의 핵심 요소일 수 있다.
-
훈련 데이터의 중요성: 훈련 데이터는 경쟁 우위를 제공할 수 있다. 특정 사용자의 행동을 정확하게 반영하는 데이터는 복제된 제품과 차별화될 수 있는 중요한 자산이다.
-
라이선스 모델과 플랫폼 의존성: 기업은 특정 플랫폼에 의존하는 것을 고려해야 하며, 이를 통해 불확실성이 증가할 수 있다. 특히 지정학적 명령으로 시장 절반을 잃거나 사업을 중단받을 위험이 있다.