응용 AI 회사의 승리 전략

맥락

우리는 AI 스타트업의 세 번째 물결에 접어들었습니다. 응용 AI 기업의 물결입니다. 첫 번째 물결은 순수 연구 중심의 회사들로, Deepmind와 Nnaissence 같은 회사들이 눈에 띄었습니다. 이들 대부분은 제품을 실제로 상용화하지 않았고 수익을 창출하기 전에 인수되었습니다. 두 번째 물결은 머신러닝 인프라를 구축하는 회사들로 구성되었습니다. 이 스타트업들은 어느 정도 상업적 성공을 거두기도 했지만, 대부분 규모를 갖추기 전에 인수되었습니다. 오픈 소스 NLP API를 개발한 Wit.ai는 이 두 번째 물결의 대표적인 예로, Facebook이 인수하여 Facebook Messenger의 ML 기반 어시스턴트인 M을 강화했습니다.

우리는 이제 세 번째 물결, 즉 응용 AI 솔루션의 시작 단계에 있습니다. 이 버킷에 속하는 기업들은 인프라에만 집중하는 것이 아니라 산업 또는 카테고리별 최종 사용자 애플리케이션을 개발하여 차별화하고 있습니다.

응용 AI 스타트업은 점점 더 큰 규모의 투자를 유치하고 있으며 현재 초기 단계의 자금 조달에서 가장 큰 비중을 차지하고 있습니다. 영국에서만 이들이 AI 기업의 85%를 차지하고 있습니다. 흥미롭게도, 이들은 또한 VC인 우리에게 분석 프레임워크와 잠재적으로 우리의 투자 기준을 조정할 것을 요구합니다. MMC Ventures의 이 게시물에서 알 수 있듯이, 영국의 시드 단계 이후 AI 스타트업 중 50%는 아직 수익을 창출하지 못했지만 시리즈 A에서 기존 SaaS 스타트업보다 더 많은 현금을 모금했습니다(20~60% 더 많은 금액).

2017년에는 SaaS에서 자금을 조달하는 데 필요한 것이 무엇인지 알고 있다고 믿어야 하지만, 여전히 ML 을 위해 해당 모델을 미세 조정 중입니다. 이에 대한 자세한 내용은 Zetta VP가 훌륭한 첫 번째 프레임워크를 만들었습니다.

방법론

여기서 제가 실행하는 연습은 전 세계적으로 7백만 달러 이상의 VC 펀딩을 유치한 70개 이상의 응용 AI 기업을 검토하는 것으로 구성되며, 펀딩 금액을 성공의 첫 번째 지표로 간주합니다. 그런 다음 귀납적 추론을 통해 동질적인 클러스터를 찾고 각 클러스터의 핵심 성공 요인을 도출하는 프레임워크를 만듭니다. 목표는 선험적으로 정의하는 것이 아니라 일부 AI 기업의 초기 성공 사례를 바탕으로 사후적으로 프레임워크를 만드는 것입니다.

저는 CBInsight의 상위 100대 AI 기업 목록에 최근 Crunchbase에서 뉴스를 장식한 몇 개의 기업(예: Cruise Automation, Grammarly)과 거래 흐름에 있는 몇 개의 기업을 추가하여 이 데이터베이스를 구축했습니다. CBinsight의 목록에서 '핵심 AI' 기업(두 번째 물결의 기업)과 데이터 준비(Paxata, Datarobot) 또는 데이터 분석/과학(Rapidminer, Dataiku) 분야의 기업들을 다수 제외했습니다. 이 목록은 완전한 것을 목표로 하는 것은 아니지만, 첫 번째 분석을 위한 충분한 목록이 될 것입니다.

데이터가 말하는 것

지역

미국에서만 데이터셋의 69%를 차지하며, 8%는 영국, 7%는 독일에서 나왔습니다.

가치 있고 긍정적인 편향이 있는 팀

제3 물결 기업의 평균 직원 수는 133명이며, 중앙값은 75명입니다. 둘 다 적은 숫자이지만, 이들 기업이 직원 1인당 모금한 금액이 높다는 것을 보여줍니다.

자금 조달

이들 기업은 총 64억 달러를 모금했습니다. 기업당 평균 모금액은 약 9천만 달러입니다. 그러나 모금액의 중간값은 3,000만 달러에 불과합니다. 두 수치 모두 분야 간의 상대적인 불황을 보여줍니다.

가장 많은 AI 적용 기업이 모인 산업 또는 카테고리는 금융, 영업 및 마케팅, 헬스케어, 운송, 사이버 보안입니다. 이 5개 카테고리를 합치면 데이터 세트에 포함된 전체 응용 AI 기업 수의 65%, 총 모금액의 89%를 차지합니다. 이 금액은 금융 분야의 응용 AI 기업이 52%를 차지할 정도로 편중되어 있습니다.

프레임워크의 정의

이 목록에 있는 회사들을 보면 4가지 범주로 프레임워크를 만들 수 있을 것 같습니다.

1. "풀 스택": 전체 가치 사슬을 통제하는 기업. 이들은 고객 및 공급업체와의 관계를 소유하고 있으며 기존 업체에게 소프트웨어를 판매하지 않습니다. AI를 사용하여 차세대 클리닉을 구축하고 있는 Babylonhealth는 풀 스택 AI 회사의 좋은 예입니다.
2. "AI 기술 지원" 회사는 AI가 포함된 소프트웨어를 판매하고 있습니다.

• "AI 기술 사용처"의 분류를 좀 더 자세히 살펴보면 수직적(Vertical) 솔루션과 수평적(Horizontal) 솔루션으로 구분할 수 있습니다. 수직적 솔루션은 특정 산업의 요구를 충족시키는 반면, 수평적 솔루션은 산업에 초점을 맞추지 않습니다. 수직적 소프트웨어의 경우, GM이 모든 자동차에 탑재하기 위해 비용을 지불하는 자율주행차용 소프트웨어를 생각해보세요. Salesforce와 같은 CRM 소프트웨어는 여러 산업 분야의 많은 기업이 사용할 수 있는 수평적 소프트웨어의 가장 좋은 예일 것입니다.
• 저는 수평적 솔루션을 구축하는 기술 기업들을 기존 카테고리 리더를 대체하려는 기업("카테고리 도전자")과 새로운 카테고리를 창출하려는 기업("신흥 카테고리 리더")으로 구분합니다. Salesforce에 인수되기 전 RelateIQ는 Salesforce의 도전자였습니다. "신흥 카테고리 리더"의 예로는 대화 인텔리전스 소프트웨어라고 할 수 있는 새로운 카테고리의 일부인 Chorus.ai가 있습니다.

이를 설명하기 위해 오라클의 온프레미스 CRM과 Salesforce, RelateIQ를 비교해 보겠습니다. 15년 전 Salesforce가 클라우드에 대한 이해와 활용을 통해 시장 점유율을 확보한 것처럼, RelateIQ는 동일한 가치 곡선에서 경쟁하지만 머신러닝을 통해 여러 축(사용자 온보딩, 데이터 입력의 용이성, 워크플로 직관성)에서 추가적인 가치를 제공함으로써 동일한 기회를 노렸습니다. Salesforce는 설립 3년 만에 이 회사를 3억 9,000만 달러에 인수하여 현재 SalesforceIQ라는 이름으로 제공하고 있습니다.

또 다른 흥미로운 차이점은 이러한 기업이 각 시장에 가져오는 혁신의 유형(혁신 대 파괴)에 대해 생각해 보는 것입니다. 풀 스택 기업과 신흥 카테고리 리더는 파괴자입니다. 풀 스택 기업은 기존 시장 선도 기업을 대체하는 것을 목표로 하고, 이머징 카테고리 리더는 새로운 제품으로 새로운 시장을 창출하며, 이는 나중에 논의할 VC에게 새로운 과제를 안겨줍니다. 수직적 기술 사용 기업과 수평적 카테고리 챌린저는 혁신가이며, 기존 프로세스를 간소화하여 점진적인 가치를 제공합니다.

각 카테고리에 대한 몇 가지 통계

• 이 중 3분의 2는 기술 사용 기업이고 나머지는 풀 스택 기업입니다.
• 흥미롭게도 풀 스택 기업이 기술 사용 기업보다 약 5배 더 많은 매출을 올렸습니다. 이 결과는 풀 스택 기업이 고객 확보 비용을 부담하고 전체 가치 사슬에 걸쳐 인력을 고용해야 한다는 사실을 반영합니다. 또한 데이터에 따르면 다른 어떤 카테고리보다 더 많은 직원을 보유하고 있는 것으로 나타났습니다.
• 지금까지 세 가지 기술 사용 기업 카테고리는 매우 비슷한 금액을 모금했습니다. 즉, 수직적 AI 기업은 직원 규모가 가장 작은 것으로 나타났습니다. SaaS와 마찬가지로, 수직적 AI 기업은 수평적 기업보다 엔지니어링 중심이기 때문에 영업 및 마케팅 인력이 더 적게 필요할 수 있습니다.

위기와 기회

이 프레임워크가 중요한 이유는 이러한 각 카테고리에 다음과 같은 특징이 있기 때문입니다:

• 서로 다른 과제(예: 사용자 또는 데이터 확보 전략, 필요한 자금 조달 규모),
• 다양한 위험(예: 기존 업체와의 경쟁 또는 의존성),
• 그리고 다양한 기회(예: 가치 사슬의 상향 이동 또는 기존 솔루션의 대체, 출구 옵션)도 있습니다.

아래 표에서 각각에 대해 개략적으로 설명해 보겠습니다:

더 자세히 언급할 가치가 있다고 생각되는 6가지 위험과 기회는 다음과 같습니다:

1.풀 스택 격차 해소로 시장 규모 확대

잘 자리 잡은 버티컬 AI 기업은 고객의 데이터와 교훈을 활용하여 풀 스택으로 전환할 수 있습니다. 이러한 기업은 전체 가치 사슬을 제공할 수 있으며 이전 고객과 경쟁할 수도 있습니다. 그 결과 TAM이 10배까지 성장할 수 있습니다. 좋은 예로 의사가 더 나은 의사 결정을 내릴 수 있도록 도와주는 ML 기반 도구인 Infermedica를 들 수 있습니다. Infermedica는 오늘날 Babylonheath가 하는 것처럼 풀 스택이 되어 기존 병원과 경쟁할 수 있습니다. 이것이 시사하는 바는 투자자로서 우리는 특정 시장 내에서 잠재적인 소프트웨어 지출과 AI가 더 널리 수용된 후의 전체 시장 규모라는 두 가지 TAM을 모두 고려해야 한다는 것입니다.

2.기존 기업이 같은 분야의 새로운 풀스택 AI 기업과 경쟁할 수 있도록 지원하는 수직적 AI 기업이 등장

GM은 Cruise Automation을 인수하여 자율 주행 자동차를 개발할 수 있도록 했습니다. Zestfinance는 은행이 신용점수를 평가하는 데 머신러닝을 통합할 수 있도록 지원하고 있으며, 이는 Kreditech, Affirm 또는 Avant와 같은 회사입니다. 이는 풀 스택 기업이 더 큰 시장 수용성을 확보하는 수직적 AI 기업을 구축할 수 있는 새로운 기회가 있을 수 있다는 생각을 강화합니다.

3.귀중한 트랜잭션 데이터를 생성하고 워크플로우를 더욱 자동화하기 위해 AI 없이 최초의 솔루션을 구축하는 경우

우리 데이터베이스의 신흥 우승자 중 상당수는 ML 구성 요소를 통합하기 전에 고객에게 판매를 시작했습니다. 그들의 첫 번째 제품은 사용자가 생성한 데이터를 확보하는 현명한 방법이었습니다. 그런 다음 나중에 데이터를 추가하여 더 많은 가치를 추출할 수 있었습니다. 또한 데이터 네트워크 효과 덕분에 방어성도 구축할 수 있었습니다. InsideSales는 이 카테고리의 가장 좋은 예라고 할 수 있습니다. 이 회사는 먼저 영업 프로세스를 게임화하여 영업 효율성에 대한 상당한 양의 데이터를 수집했습니다. 그리고 나서야 이 회사는 AI를 기반으로 한 판매 예측 플랫폼을 판매하기 시작했습니다. 여기서 주목해야 할 중요한 점은 이 소프트웨어에 AI가 통합되지 않았음에도 불구하고 고객들이 이미 비용을 지불할 준비가 되어 있었다는 점입니다.

4.카테고리 챌린저가 혁신적인 기존 기업에 의해 대체될 위험

우리는 종종 대형 SaaS 기업이 수집한 데이터를 사용하는 비즈니스의 방어 가능성에 대해 궁금해합니다. 그 예로 Zendesk 데이터를 처리하는 한 기업을 들 수 있습니다. Zendesk는 수년간의 티켓팅 데이터를 보유하고 있다는 상당한 이점을 가지고 있습니다. 데이터를 소유하는 데서 방어 가능성이 비롯된다면. 알고리즘이 상품이 되어가고 있다고 가정한다면 타사 데이터에 의존하는 새로운 승자가 될 수 있는 장기적인 기회는 무엇일까요? 이러한 위험을 평가하기 위해서는 이러한 대기업의 제품 속도와 데이터 전략을 이해하는 것이 핵심이라고 생각합니다.

5.새로운 데이터 스트림을 수집하고 처리하여 해자를 구축

앞서 언급한 위험(#4)을 상쇄하는 흥미로운 방법 중 하나는 기존 기업이 소유하지 않은 새로운 데이터 스트림을 수집하는 것입니다. InsideSales는 Salesforce의 데이터베이스를 기반으로 영업 생산성에 대한 데이터를 수집합니다. Chorus는 Salesforce가 처리하지 않는 음성 데이터도 처리합니다.

6.시간이 지나면서 가치 있는 데이터에 접근하지 못하는 버티컬 AI 기술 구현자의 위험

오래 지속되는 버티컬 기술 사용 기업을 구축할 수 있는 기회가 정말 존재하는지 의문이 들 수 있습니다. 버티컬 AI 스타트업과 같은 업계에서 사업을 영위하는 기존 기업이 이 단일 기업과 데이터를 공유하는 데 장기적인 관심을 가지고 있는지 여부는 불분명합니다. 버티컬 기술 사용 기업이 개발한 솔루션을 사용하여 AI 에이전트를 개선합니다. 동시에 데이터에 담긴 경쟁 우위를 경쟁사와 공유하기도 합니다.

결론

80년대의 AI 겨울과는 달리, 스타트업과 자본, 언론 보도가 늘어나는 것에서 알 수 있듯이 버티컬 AI 분야는 꽃을 피우고 있는 것 같습니다. 향후 몇 년 안에 AI 기업이 달성할 수 있는 규모와 관련하여 우리는 티핑 포인트에 도달할 수도 있습니다. 운영 및 투자 전략의 관점에서 볼 때, 인공지능은 흥미로운 분야를 많이 제공합니다. 이러한 기업들에게 새로운 해자는 무엇일까요? 성공 전략은 무엇인가요? 오래 지속되는 성공의 초기 프록시는 무엇인가요? 이 프레임워크가 현재 시드 투자자들이 이 시장을 바라보는 시각을 조금이나마 투명하게 하고, 초기 단계의 창업자들이 버티컬 AI 기업과 관련된 위험에 대처하고 기회를 포용하는 데 도움이 되기를 바랍니다!