AI 수익화의 변화

최근 AI 수익화 관련하여 몇 가지 중요한 발표가 있었습니다.

• OpenAI는 개인 사용자용으로 ChatGPT Pro를 월 200달러에 출시했는데, 이는 ChatGPT Plus 가격의 10배입니다.
• 이후 Sam Altman은 X에 OpenAI가 이러한 구독으로 손실을 보고 있다고 밝혔습니다. "사람들이 예상보다 훨씬 많이 사용합니다."라며, 가격은 "개인적으로 결정했다"고 덧붙였습니다.
• Salesforce의 전 공동 CEO가 설립하고 이미 45억 달러의 가치를 인정받은 AI 스타트업 Sierra는 성과 기반 가격 책정에 전념한다고 발표했습니다.
• (출범 6개월 만에 20억 달러의 가치를 인정받은) Cognition은 AI 코딩 에이전트(Devin)를 월 500달러부터 시작하고 "좌석 제한 없이"(사용 크레딧은 있음) 일반에 공개했습니다. 이는 온라인에서 빠르게 입소문을 탔습니다.
• 고객 지원 플랫폼 Help Scout은 좌석 제한을 없애면서 회사 창립 14년 만에 "가장 급진적인 결정"을 내렸습니다(공동 창립자 겸 CEO Nick Francis의 말). 이제 가격은 한 달 동안 팀에서 지원하는 사람 수에 따라 결정됩니다.

그리고 이것들은 지난 몇 주 동안의 주요 내용 중 일부일 뿐입니다!

AI 수익화 방식이 수렴되기보다는 오히려 그 반대, 즉 다양한 형태로 확산되는 추세로 보입니다.

여전히 많은 곳에서 좌석 기반 구독을 판매하고 있으며(Notion), 다른 곳에서는 AI 에이전트의 숙련도 수준에 따라 가격대를 차별화하고 있습니다(ChatGPT Plus와 ChatGPT Pro). Clay의 사용 크레딧과 같은 전통적인 사용량 기반 가격 책정과 더불어, 사용량의 결과물(11x) 또는 해당 결과물의 성과(Intercom)에 따라 요금을 부과하는 변형된 방식도 있습니다. 그리고 고정 요금 구독과 사용량을 창의적으로 결합한 하이브리드 방식도 있습니다.

AI "FTE" 채용 비용 청구

차세대 가격 모델에 대한 관심이 반드시 도입으로 이어지는 것은 아니지만, 2024년 SaaS 벤치마크 데이터에 따르면 이미 54%의 AI 제품이 기존의 좌석 기반 구독 외의 방식으로 수익을 창출하고 있습니다. 이는 일반 SaaS 제품의 41%에 비해 증가한 수치입니다.

현재 사용량 기반 가격 책정(25%)과 하이브리드 가격 책정(22%)이 혼합되어 나타나고 있으며, 파괴적 혁신 기업(Sierra, Chargeflow, Intercom 참고)에서는 소량의 성과 기반 가격 책정(7%)도 보입니다.

AI 에이전트 비즈니스가 좌석 기반 가격 책정에서 벗어나 제공된 업무 단위에 대한 요금 부과로 계속 전환함에 따라, 고객으로부터 "가격 책정이 너무 복잡하고 예측하기 어렵습니다."라는 불만이 자주 제기됩니다.

이러한 불만을 해결하기 위해 제가 본 한 가지 방법은 크레딧 묶음이 아닌 AI "FTE"와 동등한 것으로 포지셔닝하는 것입니다.

작동 방식:

• 특정 역할 내에서 숙련된 정규직 직원의 일반적인 결과물 또는 업무 결과물을 매핑합니다(예: SDR, 영업 엔지니어, 고객 지원 담당자).
• 예를 들어, SDR은 X개의 계정을 조사하고, Y개의 아웃바운드 이메일을 보내고, Z개의 아웃바운드 전화를 걸 수 있습니다.
• 이 결과물을 고객이 구매할 수 있는 SKU로 패키징합니다.
• 해당 SKU 가격을 세금, 복리후생, 소프트웨어 라이선스 등을 포함한 정규직 직원의 총비용의 20~35%로 책정합니다.

이는 a16z와 Benchmark의 지원을 받는 AI Sales rep(영업 담당자) 제작사인 11x가 채택한 접근 방식과 거의 동일하며, 이는 작년에 설립자 겸 CEO인 Hasan Sukkar가 저에게 설명해 주었습니다. 11x의 가격 책정은 AI SDR이 완료한 작업 수를 기준으로 하며, 여기서 작업은 계정 식별, 계정 조사, 메시지 작성 및 전송, 잠재 고객 응답 시 미팅 예약과 같은 것들입니다. 11x는 가격 책정을 정규직 직원을 채용하는 것보다 5배 저렴하고 더 빠르게 배치할 수 있는 최고 성과 SDR의 결과물을 얻는 것으로 제시하여 구매 관련 대화를 단순화합니다.

우리는 이 모델의 초기 단계에 있으며, 인간 직원을 1:1로 대체할 수 있는 제품은 거의 없지만, 몇 가지 긍정적인 측면이 있습니다. 초기 도입자들이 선호하는 이유:

1. 채용 예산을 활용합니다. 기업은 기술보다 인력 채용에 훨씬 많은 비용을 지출합니다. 공석이 게시되면 예산이 확보되었음을 나타냅니다. 이를 공략하지 않을 이유가 있을까요?
2. 기술이 작동한다면 가치 제안은 매우 명확해집니다. 고객은 더 짧은 채용 및 준비 기간, 더 큰 유연성, 휴가 없이, 그리고 1/3의 비용으로 동일하거나 더 나은 결과물을 얻을 수 있습니다. 개념 증명을 시작하지 않을 이유가 있을까요? 결국, 인간 직원을 채용하는 데에도 많은 위험이 따릅니다.
3. 잠재 고객 발굴이 매우 쉬워집니다. 채용 담당자에게 보내는 아웃바운드 이메일은 자동으로 작성됩니다. 귀사의 이상적인 고객 프로필(ICP)에 속하는 사람이 새로운 채용 공고를 게시했나요? 그들은 의향을 가진 잠재 고객입니다. 채용 공고가 게시된 지 30일이 넘었지만 아직 채용이 이루어지지 않았나요? 그들은 의향과 긴급성을 모두 가진 잠재 고객입니다.
4. 복잡한 가격 책정을 예측 가능하고 가치 기반으로 느껴지는 것으로 변환합니다. AI SDR이 완료한 "작업"에 대한 AI 크레딧을 구매하는 것은 많은 계산이 필요하게 느껴집니다. 인간 SDR의 동등한 결과물을 구매하는 것은 훨씬 더 쉽게 이해할 수 있습니다.

이 모델이 반드시 사용량 기반 또는 하이브리드 가격 책정 모델을 대체하는 것은 아니라는 점을 명심해야 합니다. 이는 특정 고객에 대한 가격 책정을 단순화하여 제품 구매를 더 쉽게 만드는 방법입니다.

기능 기반 가격 책정에서 기술 기반 가격 책정으로

약 70%의 SaaS 기업이 일반적으로 Good-Better-Best 패키지로 구성된 기능 기반 가격 책정 방식을 사용하고 있습니다.

이 모델에서 SaaS 기업은 고객을 Good에서 Better, Better에서 Best로 업셀링하기 위해 프리미엄 기능에 더 많은 비용을 청구합니다. 이러한 프리미엄 기능은 일반적으로 고급 관리자 권한 및 역할 관리, 통합, 싱글 사인온(SSO)과 같은 것들입니다.

이전에 언급했듯이, 확실하지 않은 경우 SaaS 기업은 Good-Better-Best를 기본으로 해야 합니다. 이는 구매자가 (그리고 영업팀이) 구매 결정을 내리는 것을 상당히 쉽게 만들어 줍니다. 고객이 제품 사용을 심화함에 따라 명확한 업셀 경로를 제시합니다. 또한 새로운 제품 수익화 경로를 제공하여 새로운 제품 개발 자금을 조달하는 데 도움이 됩니다.

패키지를 구축하기 위한 고전적인 프레임워크는 기능을 두 가지 축, 즉 얼마나 많은 사람들이 원하는가 vs. 사람들이 얼마나 많은 비용을 지불할 의향이 있는가를 기준으로 분류하는 것입니다(Simon-Kucher 팀의 설명 참조).

• 높은 채택률, 높은 지불 의향 = 리더 (모든 패키지의 핵심)
• 높은 채택률, 낮은 지불 의향 = 필러 (업셀링에 적합한 후보)
• 낮은 채택률, 높은 지불 의향 = 번들 킬러 (애드온에 적합한 후보)
• 낮은 채택률, 낮은 지불 의향 = 로드맵에서 제거를 시도하세요!

저는 이 프레임워크가 새로운 AI 에이전트 제품에는 점점 덜 적용 가능하다는 것을 확인하고 있습니다.

AI를 고용하여 작업을 수행한다면, 작업을 완료하는 데 필요한 모든 기능에 대한 접근 권한을 제한 없이 제공하고 싶을 것입니다. 더 많은 기능에 대한 접근은 더 많은 작업 완료로 이어지고, 이는 더 많은 수익으로 이어집니다. 특히 작업 단위에 대해 요금을 부과하는 경우에는 더욱 그렇습니다.

그러나 고객은 숙련도가 높은 작업에 대해 기꺼이 비용을 지불합니다. 마치 박사 학위 소지자를 인턴보다 더 높은 급여로 고용하는 것과 같습니다.

미래에는 다음과 같은 것들에 대해 더 많은 비용을 청구할 수 있을 것입니다.

• 서비스 수준 계약(SLA)
• 더 높은 정확도 보장
• 더 빠른 결과물 또는 작업 처리량
• 더 나은 모델 기능
• 정확성을 검증하기 위한 "사람 개입"

이 방향에 동의하신다면 고객에게 여러 가지 옵션을 제공하고 싶을 수도 있습니다. 하지만 이러한 옵션을 낮은 숙련도(Good), 중간 숙련도(Better), 높은 숙련도(Best)로 방향을 설정해야 합니다. 가치 제안 사다리를 저렴하게 작업 수행 vs. 합리적인 가격으로 작업을 잘 수행 vs. 빠르고 완벽하게 작업 수행으로 생각하십시오.

#foundermode가 가격 책정에 영향을 미칠 때

올해 가장 화제가 된 가격 책정 순간은 일찍 찾아왔습니다. Sam Altman은 X에 ChatGPT Pro 가격을 "개인적으로 결정했다"고 밝혔고, 사용량이 너무 많아서 OpenAI가 구독으로 손실을 보고 있다고 말했습니다(자세한 내용은 TechCrunch 참조).

솔직히 말해서, 저는 마케팅 전략에 불과한 것에서 너무 많은 결론을 내리고 싶지는 않습니다. 하지만 저는 OpenAI의 가격 책정이 시장에서 공급업체와 고객 모두에게 기준점이기 때문에 이를 진지하게 받아들입니다.

제 생각은 다음과 같습니다.

1. 이 중 얼마나 많은 부분이 일시적인가?

비용이 충분히 빠르게 하락하거나, 제품이 사용량이 많은 초기 도입자 단계를 넘어서면 월 200달러가 훨씬 더 수익성이 높아질 수 있습니다.

2. 사용자당 가격 책정은 대부분의 B2B AI 제품, 특히 코파일럿에서 에이전트로 전환함에 따라 특히 호환되지 않습니다.

그렇긴 하지만, 소비자 맥락에서는 고정 요금제가 사용자 행동에 큰 영향을 미칠 수 있습니다. AOL이 시간당 요금에서 무제한 인터넷 액세스에 대한 고정 요금 19.95달러로 전환했을 때를 기억하시나요? (이것은 1996년의 일이었습니다.)

글쎄요, 그 조치는 좋은 의미로 인터넷을 뒤흔들었습니다. 온라인에서 보내는 시간이 가격 변경 후 1년 이내에 3배 증가하여 월 23시간으로 급증했다고 합니다. OpenAI의 가격 책정도 비슷한 영향을 미칠 수 있습니다.

하지만 이 현상을 B2B 맥락에 적용하는 데에는 신중해야 합니다. 비즈니스 사용자는 반드시 동일한 심리를 갖는 것은 아닙니다. 제품 비용 처리는 개인 신용 카드로 결제하는 것보다 덜 부담스럽게 느껴집니다! 그리고 비즈니스 사용자는 ROI와 직접적인 관련이 있는 회사 워크플로의 특정 부분에 제품을 적용하고 있으며, 사용 사례는 B2C에 비해 재량의 여지가 적습니다.

3. 저는 1,570억 달러의 가치를 인정받는 기업들이 가격 책정 결정을 내릴 때 더 많은 엄격함을 적용했으면 합니다.

설립자는 회사가 전담 가격 책정 팀을 운영하더라도 거의 항상 가격 책정 결정권자입니다. 하지만 정량적 설문 조사, 소규모 가격 책정 테스트 및 "만약에" 시나리오 테스트는 더 나은 가격 책정 결정을 내리기 위해 더 많은 객관성을 가져올 수 있습니다.