대부분의 AI 스타트업은 제품 회사인 척하는 서비스 사업입니다

한 달 전, NYTimes와 FT는 Accenture와 BCG가 OpenAI, Anthropic 등보다 생성형 AI로 더 많은 수익을 올리고 있다고 보도했습니다. 이는 많은 사람들에게 의아하게 느껴졌지만, 기업에 AI 자동화를 판매하는 것이 소프트웨어를 구축하는 것보다 컨설팅에 더 가깝다는 점을 고려하면 완전히 이해가 됩니다.

사실, 대규모 언어 모델(LLM)이 점점 더 강력해지고 AI가 점점 더 민주화됨에 따라, AI 판매는 제품 판매보다는 시간을 파는 것에 더 가까워질 것입니다. 더 많은 작업이 코딩보다는 컨설팅과 고객 서비스로 이동하게 될 것입니다. 이는 제가 이 곳에서 다루었던 AI 인프라 계층에서의 치열한 경쟁을 반영하는 것이기도 합니다.

반대로, 서비스에 대한 의존으로 인해 AI 스타트업은 전통적인 소프트웨어보다 확장하기 어려워질 것입니다. 진입 장벽도 낮아질 것이며, 지식 근로자들이 로우 코드 도구로 자신의 자동화를 구축하는 법을 배우게 되면서 특히 그렇습니다. 그 결과, 최고의 AI 스타트업은 OpenAI보다는 Accenture나 Palantir의 틈새 버전으로 끝나게 될 것입니다.

VC들이 쉽게 확장되지 않는 에이전시와 같은 비즈니스에 소프트웨어 가치로 투자하는 것은 좋지 않습니다! 참고로 Accenture는 27배의 이익 배수를 기록하고 있는 반면, Harvey는 매출의 약 60배의 가치로 자금을 조달했습니다.

따라서 이 글에서는 1) 기업을 타겟으로 하는 AI 스타트업이 서비스 판매를 피할 수 없는 이유와 2) AI 스타트업이 확장하기 어려운 이유, 즉 벤처 규모로 성장하기 어려운 이유에 대해 깊이 살펴보겠습니다.

우리의 목적상 "AI 스타트업"이란 AI 에이전트, 워크플로우 또는 챗봇을 간소화하여 제공하는 회사를 의미하며, 이는 본질적으로 다양한 분야에서 다음 ServiceNow와 Zapier가 되려는 시도입니다. 일반적인 기능 세트는 1) 워크플로우 빌더, 2) 워크플로우 템플릿, 3) 데이터베이스 등과의 여러 통합 및 연결을 포함합니다.

AI 스타트업들이 서비스 판매에 발목 잡히는 이유

기업용 AI 스타트업들이 특히 AI 자동화를 작업할 때, 자신들이 고급 마진을 가진 소프트웨어가 아니라 AI 소프트웨어 컨설팅을 판매하고 있다는 사실을 인정하기를 꺼려한다는 비밀이 있습니다. 컨설팅이란 고객을 위해 어느 정도 맞춤형 솔루션을 제공하는 것이며, 이는 플랫폼 수익을 제공하지 않습니다.

초기 단계 스타트업의 경우, 반복적인 무언가를 판매하지 않고 서비스를 제공하는 것은 괜찮습니다. 창립자들이 도메인 전문 지식을 얻을 수 있기 때문입니다. 서비스는 또한 제품보다 초기에 판매하기가 더 쉽습니다. 특히 창립자들이 무엇을 구축하고 있는지 잘 모를 때 그렇습니다.

하지만 문제가 있습니다: 매우 선택적인 카테고리(예: 코딩 에이전트)를 제외하고는 AI 소프트웨어 판매에 있어서 컨설팅 요소가 사라지지 않습니다. 매우 단순한 것들(예: Zapier "zaps")을 넘어서는 워크플로우 템플릿은 거의 다른 고객에게도 적용되지 않기 때문입니다.

AI 에이전트, 통합, 워크플로우, 챗봇 등에서 "모두에게 통용되는" 유형의 솔루션을 구축하는 것은 거의 불가능하며, 이는 판매를 지연시키고 마진을 낮춥니다. 다양한 이해관계자, 데이터베이스 스키마, 정책, 그리고 기타 여러 제약 조건들이 솔루션 엔지니어링을 필요로 하기 때문입니다.

커스터마이징, 통합 지원, 그리고 직접적인 키보드 작업 지원은 사라지지 않습니다. 즉, "제품"은 "전방 배치된 엔지니어링"과 함께 판매될 수밖에 없습니다.

모든 기업 고객은 자신의 사용 사례와 상황이 독특하다고 생각합니다(어느 정도는 사실입니다). 동일한 산업 내에서도 고객 요구 사항은 상당히 다릅니다. AI 자동화가 더 야심 차게 진행될수록, 상자에서 꺼내자마자 사용할 수 있는 자동화가 왜 그들에게 효과가 있는지 고객을 설득하기가 더 어려워집니다.

물론 AI 스타트업들은 솔루션 엔지니어링에서 더 나아질 것이고, 고객들도 POC를 빠르게 진행하려고 할 것입니다. 하지만 모든 작업은 여전히 의미 있는 차이를 보일 것이며, 이는 스타트업이 솔루션 엔지니어나 컨설턴트 수와 함께 수익을 확장할 수밖에 없음을 의미합니다. 고객들은 여전히 사람과의 대화를 원할 것입니다.

그러나 이러한 직접적인 컨설팅 요소는 사라지지 않을 것입니다. AI 자동화나 생산성을 판매하는 것은 본질적으로 비즈니스 변화를 판매하는 것이며, 이는 고객 성공이 중요하다는 것을 의미하기 때문입니다. 창립자들은 자신이 진입하는 "자동화 시장"에 주의해야 하며, 완전한 소프트웨어 컨설팅 회사가 되는 것을 피해야 합니다.

불행히도, 이는 대부분의 AI 스타트업 창립자들이 "직접 일하는" 상황에 놓이게 될 것임을 의미합니다.

락인 환상

이 시점에서, AI 워크플로우와 에이전트가 기업에 도입되면 교체하기 어렵다는 점을 지적하는 사람들이 있을 수 있습니다. 예를 들어, 재무 부서가 모든 준수 작업을 AI 에이전트에게 아웃소싱했다면, 그 AI 에이전트를 해고하기 어렵다는 것입니다. 한편, 회사는 OpenAI에 지불하는 것보다 LLM 추론 비용에서 높은 마진을 고객에게 청구하고 있습니다(공짜 점심?).

하지만 문제가 있습니다: LLM과 AI 에이전트 인프라가 더 나아지고, 고객이 더 똑똑해지며, 로우 코드 도구가 더 나아짐에 따라 모든 규모의 회사가 자체 자동화를 구축하는 것이 더 쉬워질 것입니다(이미 그렇게 하고 있습니다).

AI 에이전트와 자동화 플랫폼이 강력한 락인 효과를 가질지는 시간만이 알 수 있습니다. 데이터 마이그레이션과 사용자 재교육이 큰 전환 비용을 초래하는 전통적인 SaaS 제품과 달리, AI 워크플로우와 에이전트는 이동이 용이할 가능성이 큽니다.

더욱이, 기업 고객이 AI에 더 능숙해지면서 이미 구현한 워크플로우의 추론 비용에 대해 과도한 요금을 지불하는 것에 대해 가치를 덜 느끼게 될 것입니다. 그들은 "플랫폼"을 완전히 버리고 컨설팅 서비스만 유지할 수도 있습니다.

이 "락인 환상"은 AI 스타트업과 그 투자자들에게 현실적인 경고입니다. 이는 이러한 회사들이 단순한 워크플로우 구현을 넘어 지속적으로 혁신하고 가치를 제공해야 할 필요성을 강조합니다. 그렇지 않으면 그들은 다음 큰 소프트웨어 유니콘이 되기보다는 단지 이름만 거창한 시스템 통합자로 전락할 위험이 있습니다.

탈출 경로: 포인트 솔루션 vs 플랫폼?

이 함정을 피하기 위해, 나는 스타트업들이 두 가지 경로를 택할 것으로 봅니다:

• 무거운 컨설팅 요소 없이 판매할 수 있는 포인트 솔루션 개발
• AI 에이전트/워크플로우 빌더 인프라 구축

포인트 솔루션의 문제점은 무엇일까요? 기존 기업들이 쉽게 모방하여 "AI 기능"으로 당신의 제품을 출시할 수 있다는 것입니다. 게다가 가장 가치 있는 워크플로우에는 이미 포인트 솔루션이 존재합니다. 이는 이미 발생하고 있습니다.

ServiceNow처럼 포인트 솔루션을 축적하여 플랫폼을 구축하는 것은 어떨까요? LLM이 여러 ServiceNow 규모의 회사를 이끌 것이라고는 생각하지 않지만, 많은 소규모 경쟁자들이 틈새 시장에서 운영하며 본질적으로 컨설팅 회사로서 운영될 것으로 예상합니다.

결론

기업용 AI 스타트업은 독특한 확장 문제에 직면해 있습니다: 제품과 서비스 사이에 갇혀 있습니다. 소프트웨어와 같은 마진을 약속하지만, AI 구현의 현실은 집중적인 맞춤화와 고객 지원을 요구합니다. 이 서비스 중심의 요소는 단순한 성장통이 아니라 기업용 AI 도입에 본질적인 것입니다.