AI 시대의 스택형 비즈니스 모델
훌륭한 스타트업을 구축하는 것은 단순히 혁신적인 기술에 관한 것만이 아닙니다. 가치를 창출하고, 전달하고, 포착하는 방식을 끊임없이 재구상하는 것에 대한 이야기입니다.
이는 많은 AI 기업들이 이제 막 배우기 시작한 교훈입니다. 우리는 현재 AI 시대에 접어든지 몇 년이 되었습니다. 많은 소비자 AI 앱들이 높은 유입과 낮은 유지율이라는 역동적인 현상을 경험하고 있습니다. 많은
AI
AI 제품을 더 어렵게 만들어야 하는 이유: 계란 효과
1950년대의 퍼즐입니다: 케이크 믹스를 어떻게 더 많이 팔 수 있을까요?
정답: 케이크를 굽는 것을 더 어렵게 만드세요.
인스턴트 케이크 믹스가 시장에 출시되었을 때, 제조업체들은 이상한 점을 발견했습니다. 판매가 부진했습니다. 많은 주부들, 즉 그들의 목표 고객들은 이 편리한 신제품에 저항했습니다.
문제점은 무엇이었을까요? 음식 역사가인 Laura Shapiro는 케이크 믹스가 베이킹을 너무 쉽게
에이전트형 인력의 부상
Deepseek의 R-1과 같은 모델을 통해 비용이 절감되고 추론 능력이 향상됨에 따라, 점점 더 많은 기업들이 에이전트를 통해 애플리케이션 레이어에서 이러한 모델을 활용하게 될 것입니다. 지난 한 해 동안, 우리는 단순히 인간을 안내하거나 보조하는 도구인 AI 코파일럿에서 더 많은 작업을 자율적으로 수행할 수 있는 완전한 AI 에이전트로 빠르게 진화하는 것을 목격했습니다.
버티컬 AI의 새로운 성공 전략
지난 가을, 저희는 초기 단계 버티컬 소프트웨어 창업가로서 제품-시장 적합성(Product-Market Fit)을 찾아가는 여정에 대한 에세이 “Nobody Wants Your Product!”를 썼습니다.
원칙적으로 전제는 항상 논리적으로 들립니다. 이 제품은 수익을 증가시키거나 비용을 절감할 것이다. 더 저렴하고 최신 UI를 가지고 있다. ROI는 분명하다. 왜 그들이 사지 않겠는가? 복잡한 대답은 아무도
소비자 심리학이 AI 제품 디자인에 주는 시사점
작년에 저희는 "AI의 달걀 이론"이라는 글에서 소비자 심리학의 유명한 사례를 다룬 적이 있습니다.
인스턴트 케이크 믹스가 처음 나왔을 때, 판매가 부진했습니다. 케이크 만들기가 너무 빠르고 쉬웠기 때문입니다. 사람들은 베이킹에 기여하지 않았다는 죄책감을 느꼈습니다. 그래서 회사들은 사람들이 기여했다고 느끼도록 달걀을 추가하도록 했습니다. 그러자 판매가 급증했습니다.
저희는 이 원칙을
RAG가 끝이 아닙니다: 앞으로의 AI + Data
RAG(Retrieval Augmented Generation)와 ICL(in-context learning)은 2020년경부터 AI 분야에서 매우 흥미로운 발전이었습니다. 이러한 기술들은 기업과 앱 개발자들이 고객 데이터를 활용하는 방식에 혁명을 가져올 것으로 약속했습니다. 재학습이나 미세 조정 없이도 강력한 모델을 활용할 수 있게 해주죠. 간단히 프롬프트 중에 모델에 관련 데이터를 "주입"함으로써, 기업들은 즉시
AI 시대의 인간 번영
지난 2년간 AI의 폭발적인 발전, 특히 생성형 AI와 거대 언어 모델(LLM)은 우리가 일하고 기술에 대해 생각하는 방식을 크게 바꿔 놓았습니다. 사용자 연구자와 디자이너에게 AI의 영향은 크게 세 가지 영역으로 나눌 수 있습니다.
1. 생성형 AI 제품 개발: 새로운 제품과 서비스에 AI를 최적으로 구현하기 위해 연구 및 디자인 프로젝트에서