AI 시대의 TTV(Time-to-value)

실리콘밸리에서 Bret Taylor만큼 성공적인 경력을 쌓은 사람은 많지 않습니다. 그는 대화형 AI 회사 Sierra(최근 평가 가치 $45억) 공동 창업자이자 OpenAI 이사회의 의장입니다.

Invest Like The Best에서 고객들에게 가치를 제공하는 방법에 대해 이야기하며, Bret은 Sierra의 통합 및 신뢰를 쌓는 고도의 접근 방식을 언급했습니다:

저는 매우 견고한 에이전트를 만드는 데 중요한 두 가지 지식이 있다고 생각합니다.

첫째는 회사에 대한 사실적 지식입니다. 이는 에이전트가 무언가를 단순히 만들어내지 않도록 기반을 잡아줍니다.

둘째는 절차적 지식입니다. 이는 전문가라면 알고 있어야 하는 모든 프로세스들로, 우리의 최고의 고객 경험을 대표하는 프로세스들을 포함합니다.

마지막으로 세 번째는 기본 시스템에 대한 접근 권한(통합)입니다.

그래서 저는 사실적 지식, 절차적 지식, 시스템 통합 이 세 가지 요소가 핵심이라고 생각합니다.

Bret은 AI에서 가치를 실현하기 위해 데이터 통합의 중요성을 강조하며, Palantir의 사례에서 확인할 수 있듯이 강력한 데이터 통합 기반이 스케일 확장의 가속화를 뒷받침한다고 설명합니다. 다음은 Alex Karp의 언급입니다:

우리의 사업이 끊임없이 전진할 수 있었던 것은 초기부터 그리고 수십 년 동안 기술 인프라에 투자했기 때문입니다. 이러한 기술 인프라는 오늘날 세계를 재구성한 대규모 언어 모델들이 대기업에서 유용하고 가치 있게 작동할 수 있도록 하고 있습니다.

다시 Bret Taylor로 돌아와서, 그는 Sierra의 구현 기간이 1~3개월 정도 걸린다고 인정합니다.

새로운 고객이 웹사이트나 앱에 이러한 에이전트를 설치하려고 한다면, 처음부터 끝까지 얼마나 걸립니까?

Bret Taylor: 1~3개월입니다. 우리는 고객들이 AI 전문가나 에이전트 전문가일 필요 없이 시작할 수 있도록 고객들과 긴밀히 협력하는 모델을 가지고 있습니다. 이는 매우 독특합니다.

이러한 기술이 새로울 때, 자원이 얼마나 있는지와 관계없이 어떤 회사든지 이를 배포할 수 있는 것이 중요하다고 느꼈습니다. 그래서 우리는 고객들이 가능한 한 빨리 라이브로 진행할 수 있도록 돕는 고도의 접근 방식을 채택했습니다. 이 점에서 매우 만족합니다.

Time-to-value(가치 실현 시간)는 일반적으로 PLG(제품 중심 성장) 기업과 관련이 있지만, AI 앱 회사들이 엔터프라이즈 RFP에서 차별화를 이루며 더 상위 시장으로 진출함에 따라 판매 주도 기업에서도 점점 더 중요한 요소가 되고 있습니다.

신뢰와 가치의 융합

Guy Podjarny, Tessl의 창업자 겸 CEO는 AI-네이티브 기업들을 분류하기 위한 프레임워크를 공유했습니다. 이는 1) 요구되는 신뢰의 정도, 2) 현재 워크플로우에 대한 변화의 크기를 기준으로 합니다.

에이전트 시스템의 진정한 잠재력을 실현하기 위해, 기업들은 에이전트가 최소한의 위험과 인간 개입으로 안정적으로 처리할 수 있는 제한된 문제 집합에서 시작해, 더 큰 가치의 작업을 인간 개입 없이 처리할 수 있는 방향으로 나아가야 합니다.

창업자들은 가능한 한 빨리 최소한의 실행 가능한 품질을 제공하려고 노력하지만, 고객에게 가치를 전달하는 것과 자동화를 더 높은 수준으로 신뢰할 수 있도록 신뢰를 구축하는 것 사이에는 밀접한 연관성이 있습니다. Sierra와 같은 고객 지원 회사들이 첫 3개월 동안 구현에 투자하는 데이터 통합은 정확성, 비용, 지연 시간 및 에이전시 측면에서 최고 수준의 복합 시스템(compound systems)을 제공하기 위해 필수적입니다. 이는 구매자의 신뢰를 얻어 점차 더 높은 수준의 에이전시를 제공할 수 있는 기반을 마련합니다.

예를 들어 Salesforce는 Dreamforce에서 Agentforce의 환각률, 가치 실현 시간 및 비용이 OpenAI와 비교해 어떻게 차별화되는지를 강조한 바 있습니다.

사후 데이터 통합 및 거버넌스를 무시하면, 프로덕션 등급에 미치지 못하는 결과를 초래하고, 고객의 신뢰를 잃게 되며, 더 높은 신뢰 축으로 이동할 권리를 잃게 될 것입니다.

창업자들과 이야기하면서, 저는 신뢰를 훼손하지 않고도 가치 창출의 장벽을 제거하려는 다양한 접근 방식을 들을 수 있었습니다. 예를 들어, RAG 애플리케이션의 경우 PII(개인 식별 정보)가 삭제된 문서나 유사한 유형의 공개 데이터 세트와 작업하는 방법이 있을 수 있습니다. 또한 벤더들이 클라우드 마켓플레이스에 등록하면 고객들이 클라우드 환경에 안전하게 저장된 데이터를 더 쉽게 공유할 수 있어 GTM(시장 진입 전략)을 가속화할 수 있습니다.

어떤 경우든, 구매자들이 벤더를 평가할 때 가치 실현 속도가 점점 더 중요한 요소로 자리 잡고 있습니다. 벤더들은 신뢰를 잃지 않으면서도 신뢰할 수 있는 결과를 제공하기 위해 필요한 데이터 통합을 포기하지 않고도 빠른 가치를 제공해야 합니다. Palantir의 forward deployed 모델은 서비스 중심 접근 방식을 통해 고객들에게 가치를 전달하면서 그 학습 내용을 제품의 핵심에 반영하는 방법을 보여줍니다. 그들의 최근 AI 부트캠프는 이를 더 명확하게 보여주는 사례입니다.

Ryan Taylor, 최고 매출 책임자(CRO), 2023년 3분기 실적 발표에서:

지난 분기 동안, 우리는 AIP 부트캠프를 중심으로 GTM 전략을 재정비했습니다. 이를 통해 전통적인 파일럿 프로젝트에 비해 1~3개월이 아닌 5일 이내에 실제 고객 데이터를 기반으로 한 워크플로우를 제공할 수 있었습니다. 우리는 다양한 이해관계자들과의 실질적인 참여, 고객을 위한 빠른 가치 실현, 더 넓은 범위의 조직들과의 협력, 그리고 다중 조직 부트캠프의 가능성을 보고 있습니다.

1년 후, Palantir는 놀라운 성장으로 그 보상을 받고 있습니다.

Palantir가 퍼블릭 시장에서 소프트웨어 로테이션으로 서비스를 전환한 것은 창업자들에게 프라이빗 시장에서도 동일한 전략을 실행하는 것이 가능하다는 충분한 증거가 될 것입니다.

변동의 시기에 신뢰란?

AI 시대에서 신뢰는 단순히 AI 애플리케이션의 신뢰성을 넘어서는 또 다른 의미를 가집니다.

사이버 보안에서의 신뢰 개념에서 몇 가지 교훈을 얻을 수 있습니다:

신뢰 형성 시간(Time to Trust)은 유사한 방식으로 작동합니다. 고객이 데이터를 공유하고 더 나아가 유료 고객이 되기 위해서는 회사, 창업자, 보안 접근 방식, 그리고 제품을 신뢰해야 합니다.

사이버 보안에서 새로운 제품의 채택 속도는 신뢰의 속도에 의해 결정됩니다. 단순히 가치 실현 시간(Time to Value)에만 초점을 맞추는 것으로는 기업들이 원하는 목표에 도달할 수 없습니다. 사이버 보안 스타트업들은 신뢰 형성 시간을 단축할 방법을 찾아야 합니다. 잠재 고객이 궁금해할 모든 것을 다 포함하는 질문 목록은 없겠지만, 제품, 가격, 기술, 팀, 지원, 내부 보안 조치 등에 대한 질문들이 가장 기본적인 관심사가 될 것입니다.

압박받는 CIO들은 AI 구현을 믿고 맡길 회사를 선택하기 위해 Gartner의 추천을 참고할 가능성이 높습니다. 그러나 스타트업들은 Gartner의 레이더에 오르기 전에도 신뢰를 구축할 기회를 만들 수 있습니다.

가장 빠른 학습 속도를 가진 창업자들은 구매자들이 필요로 하는 AI 결과를 제공함으로써 신뢰를 얻을 수 있습니다. 이는 AI에 적용된 성과 기반 판매(Outcome-Based Selling)의 한 형태입니다.

사이버 보안에서는 미래의 위협이 어디에서 올지 알 수 없기 때문에, 구매자들은 항상 공격자들보다 한 발 앞서 있을 수 있는 창업자들과 협력하기를 원합니다. AI에서는 창업자들이 지속적으로 모델 개발을 통합하여 고객의 요구에 가장 적합한 복합 시스템(Compound Systems)을 제공할 수 있는 학습 속도와 능력을 입증해야 합니다.

기존 기업들이 한 가지 유리한 점을 가지고 있는 분야는 고객들에게 면책(indemnification)을 제공하는 것입니다. 예를 들어, Adobe는 고객들이 Fireflies를 사용한 결과물에 대해 저작권 청구로부터 면책받을 수 있도록 결정했습니다. 이는 기업들이 Fireflies를 최종 작업물에 사용할지를 결정할 때 중요한 차별화 요소가 됩니다. Andy Warhol 사건과 같은 사례에서 볼 수 있듯, AI 생성 콘텐츠가 변형적 사용(Transformative Use)으로 간주될 수 있는지에 대한 법적 불확실성이 지속되는 한, 이러한 면책 조치는 신뢰를 형성하는 마지막 단계에서 중요한 역할을 할 것입니다.