죠스레터 :: 씹어먹는 IT 트렌드

Sign in Subscribe

Jawsletter

죠스레터의 운영자입니다.

AI가 SaaS 플레이북을 다시 쓰는 방법

2016년에 Madrona는 데이터를 활용하고 “지속적인 학습 시스템”을 구축하지 않는 애플리케이션은 도태될 것이라고 예측했습니다. 우리는 실시간으로 학습하고, 적응하고, 개선하는 AI 기반의 데이터 구동 애플리케이션을 “Intelligent Applications”라고 명명했습니다. 8년이 지난 지금, 그때의 과감한 아이디어는 현실이 되었습니다. 전통적인 SaaS는 이제 지능형 애플리케이션에 자리를 내주고 있습니다. 이 변화는 단순한 기술 발전을 넘어,

AI 경쟁의 다음 단계

모델 간 성능 차이가 줄어들면서, AI의 방어력은 컴퓨팅 자원, 인재, 데이터, 그리고 배포에 달려 있습니다. AI 모델은 2022년 이후로 크게 발전해 왔으며, 2019년 Meta와 Google에서 처음 범용 NLP 모델이 훈련된 이후로도 크게 개선되었습니다. 그러나 모델 성능을 평가하는 일반적인 벤치마크가 이제 평준화되는 추세입니다. 과거에는 최첨단 벤치마크를 경신하는 것이 MMLU에서 27%에서

AI 서비스 시대에 Palantir가 주는 교훈

지난 달, 제가 공동 창립한 첫 번째 회사인 Palantir가 S&P 500에 합류했습니다. 20년 동안 대부분의 사람들은 Palantir를 “과대 평가된 컨설팅 회사”로 간주했습니다. SaaS “제품”이나 “플랫폼”을 개발하는 진정한 기술 혁신 기업이 아니라, 단지 서비스 기업일 뿐이라고 여긴 것이죠. Palantir를 초기부터 경시하는 것은 단견이었습니다. 실리콘 밸리 최고의

AI 시뮬레이션으로 더 나은 영업 플레이북 만들기

혹시 당신의 영업 프레젠테이션을 잠재 고객에게 보여주기 전에 미리 테스트해보고 싶었던 적이 있나요? 거울 앞에서 스스로 녹음하거나, 배우자나 강아지에게 또 한 번 리허설을 보여주는 걸 말하는 게 아닙니다. (물론 당신을 사랑하지만, 사랑에도 한계가 있음을 기억하세요.) 제가 말하는 것은 이메일, 콜드콜, 그 밖의 모든 메시지를 시뮬레이션을 통해 돌려보면서 실수를 찾아내고, 당신의

왜 AI 구축은 전통적인 소프트웨어 개발과는 완전히 다른가

처음 Every Studio에서 AI 프로젝트를 시작할 때, 저는 과거에 제품을 개발했던 방식으로 접근했습니다. 명확한 문제를 정의하고, 해결책을 구상하고, MVP(최소 기능 제품)를 개발한 뒤, 그걸 바탕으로 반복해서 개선하는 방식이죠. 빠르게 만들고, 테스트하고, 배우고, 개선하는 비교적 간단한 소프트웨어 주도 접근 방식입니다. 하지만 이 방식은 잘 맞지 않았습니다. 그래서 스스로에게 물어봤습니다.

SaaS 전략 방향을 잡기 위한 질문

SaaS 전략 수립을 위한 질문들 SaaS 회사에서 전략을 설정하는 것은 많은 함정이 존재합니다. 소프트웨어 제품으로서 무수히 많은 방향으로 로드맵이나 시장 진출 전략(GTM)을 조정할 수 있습니다. 앞에 펼쳐진 무한한 가능성 속에서, 회사들은 기본적인 질문을 스스로에게 던져보지 않은 채로 진행하여, 끔찍한 전략적 실수를 범하는 경우를 자주 봅니다: * 구매자의 선호가 절대