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 당신의 제품을 원하지 않는다는 것입니다! 고객은 당신이 그들이 무엇을 원한다고 생각하는지, 또는 당신이 그들의 회사가 어떻게 운영되어야 한다고 생각하는지에 관심이 없습니다. 고객은 매일 아침 어떤 새로운 소프트웨어를 사야 할지 생각하며 일어나지 않습니다.
모든 B2B 시장에서 제품-시장 적합성에 도달하는 것은 어렵지만, 버티컬 산업은 특히 가혹할 수 있습니다. 구매자는 기술에 대해 잘 모를 수 있고, 예산은 존재하지 않거나 파악하기 어려울 수 있으며, 도입 장벽은 가파르고 직관적이지 않을 수 있습니다. 5개월 후, 저희는 버티컬 산업을 위한 AI 제품 구축에 대해 배운 점을 집중적으로 다루기 위해 이 글(소프트웨어 세계는 빠르게 움직입니다!)을 다시 살펴보려고 합니다.
작년에 저희는 AI 우선(AI-first) 버티컬 소프트웨어가 LLM의 성능 향상과 비용 감소로 인해 가까운 미래에 승자가 될 것이라고 주장했습니다. 10개월 후, 저희는 이 주장이 여전히 유효하다고 믿습니다.
저희는 LLM을 위한 가장 유망한 B2B 애플리케이션 레이어 기회는 버티컬 시장에 있을 것이라고 믿습니다. 그 이유는 (1) 모델 학습에 더 어렵게 집계되거나 독점적인 데이터가 필요하고, (2) 정확성을 위해 도메인별 상징 모델/전문가의 추가가 필요하며, 그리고/또는 (3) 실제적인 영향을 전달하기 위해 워크플로우 소프트웨어 레이어가 필요하기 때문입니다.
그 이후로, 저희는 Abridge, EvenUp, Fieldguide 등과 같은 초기 성공 사례에서 놀라운 매출 성장을 목격했습니다. 동시에, 저희는 LLM 자체의 지속적인 상품화로 인해 상당한 혼란과 비즈니스 모델의 불확실성을 목격했습니다. Meta의 Llama, DeepSeek의 R1 등과 같은 오픈 소스 모델은 ChatGPT 등과 거의 동등한 성능을 훨씬 저렴한 비용으로 달성했습니다. 증류된 모델은 학습에서 우위를 점할 수 있지만, 추론 비용은 매년 10배씩 감소하고 있습니다.1
AI 우선 애플리케이션 레이어 스타트업에게는 희소식입니다. 초기 클라우드 스토리지 및 처리와 마찬가지로, AI 인프라 접근성 증가는 LLM 기반 애플리케이션, 특히 버티컬 애플리케이션의 캄브리아기 폭발을 주도하고 있습니다. 아이디어 단계의 창업가로서, 디자인 파트너 준비가 된 MVP를 구축하는 데 드는 초기 투자는 10년 전, 심지어 5년 전보다 훨씬 적습니다. 하지만, 실험할 여지가 많다는 것은 검증해야 할 전략이 더 많다는 것을 의미하기도 합니다. 결국, LLM 덕분에 완전히 새로운 쐐기 시장(wedges)이 열렸습니다.
승리하는 AI 쐐기 시장(AI Wedge)을 찾는 방법
자, 당신은 AI 우선 버티컬 플랫폼을 구축하고 있습니다. 어디서부터 시작해야 할까요? 흥미롭게도, 저희는 LLM의 새로운 기능이 스타트업이 해결할 수 있는 잠재적인 진입점 문제를 확장했다는 것을 발견했습니다. 저희의 에세이 “The Next Chapter of Vertical Software”에서 논의했듯이, 저희는 AI를 타겟 시장 내에서 어디에나 존재하고 필수적인 “해야 할 일(work to be done)”에 적용하는 스타트업의 초기 성공을 계속해서 보고 있습니다.
(예를 들어) 비정형 음성 및 텍스트 데이터를 합성하고 정보를 추출하는 능력은 AI 우선 스타트업이 새로운 수익 창출 기회와 시장을 공략할 수 있는 새로운 기회를 빠르게 열었습니다. 이러한 기능을 미션 크리티컬 워크플로우와 결합하면, 새로운 진입자들은 IT 예산이 제한적이거나 기존 기업이 자리 잡은 시장에서도 빠르게 채택을 얻을 수 있습니다.
저희의 분석을 재검토하면서, 이전 세대의 SaaS 회사가 할 수 없었던 것을 LLM이 가능하게 하는 것이 무엇인지 고려하는 것이 중요합니다. 저희의 견해로는, 여기서의 답은 마찰(friction)에 있습니다. SaaS 우선 및 AI 우선 버티컬 제품 모두 고가치 워크플로우를 목표로 합니다. 그러나 SaaS는 본질적으로 교육과 어쩌면 시장 교육까지 포함하여 새로운 UI의 채택을 요구합니다. 그러나 버티컬 AI 쐐기 제품은 자연어 인터페이스를 활용하여 채택 곡선을 줄이거나 심지어 제거할 수 있습니다. 기존 워크플로우를 반영하지만, 대신 전화를 걸거나 고객 정보를 대신 입력해주는 솔루션보다 더 채택하기 쉬운 것이 있을까요?
마찰이 없는 것 외에도, 이상적인 쐐기 시장의 또 다른 핵심은 긴급성(urgency)입니다. 그리고 대부분의 기업에게 현금보다 더 긴급한 것은 없습니다. 이것이 바로 저희가 SaaS에서와 마찬가지로 AI에서도 더 많은 수익을 창출하거나 성장의 제약을 없애는 워크플로우가 최고라고 계속 믿는 이유입니다. 특히 증명 시간(time-to-proof)이 거의 즉각적일 수 있을 때 더욱 그렇습니다. 예를 들어, Roofr는 지붕 회사들이 여러 날이 걸리던 리드에 대해 몇 분 안에 응답할 수 있는 도구를 제공하여, 수주율을 개선하고 고객이 비즈니스를 성장시키는 데 도움을 주었습니다. LLM은 이전에 인간이 점유했던 수익 창출 주기의 병목 지점을 해소할 수 있을 때 특히 빛을 발합니다.
다음으로, 저희는 묻습니다. 이 쐐기 시장은 저희에게 무엇을 구축할 권리를 얻게 해주는가? LLM이 아무리 강력하더라도, 저희는 기반 기술 자체에는 방어막이 거의 없다는 것을 확인했습니다. 저희는 AI 쐐기 시장을 이상적으로 특정 고가치 워크플로우의 출발점으로 봅니다. 단순히 무언가를 자동화하는 동작이 아니라, 비즈니스에서 사용되고 점점 더 의존하게 될 결과물을 만들어내는 동작입니다. 저희는 이러한 종류의 쐐기 솔루션을 “Authoring Layer”라고 부릅니다. 프로세스의 첫 번째 단계이기 때문에, 기존 SaaS와의 상당한 통합이 필요하지 않은 경우가 많습니다. 사람이라면 만들었을 문서, 메모, 리드, 약속 등을 만들고, 사람이 그랬을 것처럼 다른 시스템으로 전달합니다. 이미 다음 단계를 짐작할 수 있을 것입니다. 워크플로우를 따라가기만 하면 됩니다.
예를 들어, EvenUp의 쐐기 제품인 AI 기반 수요 서한 생성 도구는 비즈니스가 인테이크부터 사건 해결까지 추가 제품 및 서비스를 레이어링하고, 궁극적으로 PI 버티컬 전체의 워크플로우를 포착하기 위해 노력하는 이상적인 출발점 역할을 했습니다.
AI 쐐기 시장이 AI 기반 플랫폼으로 성장함에 따라, 기존 SaaS보다 추가적인 이점을 갖게 됩니다. 모든 소프트웨어는 사용자 참여를 촉진하는 것을 목표로 합니다. 고객이 매일 가장 많은 시간을 보내는 도구가 되는 것입니다. 그러나 AI 기반 플랫폼은 해당 데이터를 추가적인 가치로 훨씬 쉽게 전환할 수 있습니다. Abridge는 이러한 제품의 훌륭한 예입니다. Abridge는 임상의를 위한 항상 켜져 있는 도구로서 문서 작성을 자동화하고 EHR을 자동으로 채웁니다. 제품 백서에서 설명된 바와 같이, 비즈니스는 음성 캡처 기반을 활용하여 임상의 워크플로우 전반에 걸쳐 방어 가능한 사용 사례를 구축하고 있습니다.
평가는 단순한 안전장치가 아니라 나침반입니다. 저희 제품에 대한 지속적인 평가는 문제를 포착하거나 예방하는 것뿐만 아니라, 저희 제품의 개선을 대규모로 추진하기 위해 설계되었습니다.
요약하자면, 저희는 성공적인 AI 네이티브 버티컬 쐐기 제품에서 세 가지 중요한 요소를 찾습니다.
- 가치 있는 내부 워크플로우의 Authoring Layer (즉, 출발점) 역할을 합니다.
- 수익을 창출하는 필수 워크플로우를 강화합니다. 처음에는 주변 시스템에 구애받지 않을 수 있지만, 점진적으로 다운스트림을 흡수합니다.
- 가장 높은 참여도를 보이는 애플리케이션이 되어, 사용량을 활용하여 방어막을 구축합니다.
이 세 가지 속성이 모두 쐐기 시장의 성공을 위한 절대적인 요구 사항일까요? 절대적으로 그렇지는 않습니다. 예외가 없다면 규칙이 아닐 것입니다. 특히 참여도 기준은 워크플로우가 더 많이 흡수될 때까지는 나타나지 않는 경우가 많습니다. 실제로 일부 AI 쐐기 시장은 초기 채택을 간소화하기 위해 참여를 요구하지 않는 것을 전제로 합니다. 새로운 자사 고객 데이터를 캡처하고 가치를 도출하거나, 유틸리티를 높이는 데 집중하는 스타트업은 Authoring Layer에서 시작할 가능성이 적습니다. 그러나 대체로, 저희는 대부분의 성공적인 AI 네이티브 버티컬 소프트웨어 스타트업이 이 세 가지 요소 모두에 대한 신뢰할 수 있는 경로를 가질 것이라고 믿습니다.
당신의 버티컬 고객은 AI에 관심이 없습니다
성공적인 제품의 요소는 물론, 사용자의 가장 큰 고충을 해결하지 못하면 무의미합니다. Euclid에서 이것이 저희가 고객의 사고방식과 워크플로우 모두에 극도로 집중하는 창업자를 찾는 이유 중 하나입니다. 즉, 일반적인 “X 또는 Y를 위한 Co-Pilot”을 구축하기보다는 그들이 무엇을 달성하려고 하는지, 그리고 왜 그런지를 이해하는 것입니다. 다시 말해, 저희는 AI 아이디어가 “못을 찾고 있는 망치”처럼 느껴지는 기회를 피하고 싶습니다. 이상적으로, 창업자는 (1) AI가 잘 칠 수 있고, (2) 이전 망치가 칠 수 없었던 못을 찾아야 합니다.
행동 디자인 컨설팅 회사인 Irrationational Labs 팀은 AI 제품 선택에 직면한 고객의 구매 행동에 대한 훌륭한 분석을 수행했습니다.3 저희가 생각하기에 저희의 일화적인 경험을 강력하게 뒷받침하는 그들의 결론은 AI 라벨링이 성공을 보장하지 않는다는 것입니다. 몇 가지 흥미로운 헤드라인: 제품에 “Generative AI” 라벨을 붙이면 성능 기대치, 지불 의향 및 출력의 신뢰성에 대한 확신이 낮아졌습니다. 그들의 결론을 요약하면 다음과 같습니다.
[고객은] “AI”를 “더 나은 것”과 자동으로 연관시키지 않습니다. 실제로 일부 회의론자들은 반대를 가정할 수도 있습니다. AI가 기본 기술을 강화할 수 있지만, 헤드라인이 되어서는 안 됩니다. 실리콘밸리에 있고 혁신의 쿨에이드(Kool-Aid)를 마시는 데 익숙하다면 직관에 반하는 것처럼 보일 수 있는 개념입니다. 진정한 가치는 당신의 도구가 어떻게 삶을 개선하고, 업무를 더 효율적으로 만들고, 사용자가 목표를 달성하도록 돕는가에 있습니다.
그들은 이 데이터가 “일반 사람들”인 최종 사용자와 얼리 어답터가 아닌 사람들에게 초점을 맞추고 있다고 언급하지만, 이는 많은 버티컬 시장에서 사실일 가능성이 높습니다. 이러한 가정을 테스트하기 위해, 위에서 언급한 세 가지 예시 회사인 EvenUp, Roofr 및 Abridge의 랜딩 페이지를 살펴보겠습니다.
흥미롭게도, EvenUp은 웹사이트에서 AI에 대한 언급이 거의 없고, Roofr는 전혀 언급하지 않습니다. Abridge는 제품에 AI를 내세우고 있습니다. 신흥(그러나 이미 존재하는) 카테고리에서 특정 제품을 찾는 정교한 구매자를 대상으로 하는 경우 AI 프레임으로 이끄는 주장이 있을 수 있습니다. Abridge는 최초도 최후도 아닌 AI 임상 기록자였으므로, 해당 부문의 기업 구매자가 더 잘 알고 있다는 것은 의심할 여지가 없습니다. 그럼에도 불구하고, 세 회사 모두 창업자가 피해야 한다고 제안하는 “X를 위한 Co-Pilot” 태그라인보다는 제품을 활용함으로써 구매자에게 제공되는 유형의 개별적인 이점에 초점을 맞춥니다. 마찬가지로, 세 회사 모두 제품의 확실한 ROI와 수익 창출 능력(또는 수익에 대한 병목 현상 제거 능력)에 초점을 맞춥니다.
쐐기 시장 너머에서 승리하는 방법
Tidemark의 친구들은 버티컬 소프트웨어의 통제 지점 패턴에 대해 훌륭한 연구를 수행했습니다. 대부분의 버티컬 소프트웨어 시장에는 전략적으로 우위를 점하는 버티컬 소프트웨어 회사를 구축하기 위한 이상적인 패턴 역할을 하는 하나 또는 두 개의 통제 지점이 있습니다. 앞서 저희는 대부분의 AI 네이티브 제품에 대한 최적의 통제 지점이라고 믿는 것에 대해 언급했습니다. 수익과 즉각적인 ROI를 창출할 수 있는 미션 크리티컬 워크플로우를 공략하는 것입니다.
우연히도, “워크플로우” 중심 통제 지점을 버티컬 소프트웨어 스타트업의 이상적인 초기 벡터로 만드는 것과 동일한 속성은 장기적인 방어 가능성이 낮을 수 있음을 의미하기도 합니다. 다시 말하지만, 이 경우 쐐기 시장의 이점은 고가치이고, 채택하기 쉽고, 프로세스의 시작점 역할을 함으로써 독립 실행형 소프트웨어 역할을 할 수 있다는 것입니다. 정의상, 전환 비용은 높지 않습니다. 따라서 스타트업은 교두보 제품을 장기적인 유지력을 구축하는 추가 소프트웨어 및 서비스로 활용해야 합니다. 저희가 초기 버티컬 AI 글 “The Future of AI is Vertical”에서 썼듯이, 데이터 소유권이 중심적인 역할을 할 것입니다.
승자를 고르는 저희의 인수 심사 프레임워크는 시대에 따라 진화해야 하지만, 기본적인 원칙은 변함없이 유지됩니다. 최근의 발전은 저희 프로세스의 특정 기둥을 강화했습니다. “버티컬 데이터 방어막(Vertical Data Moat)”을 구축하는 능력은 저희의 오랜 경험적 방법이며, 지금 그 어느 때보다 중요합니다.
1년 후에도 저희는 이 광범위한 주장을 지지하지만, 장기적인 가치를 제공할 것이라고 믿는 일부 모델에 대한 더 깊고 직접적인 시각으로 확장하는 것이 가치가 있습니다. 전통적으로 데이터 방어막은 스타트업이 우수한 제품과 UX를 가능하게 하는 데이터를 집계함에 따라 얻는 복리 효과를 의미합니다. 저희는 이것이 현재 AI 시대에도 변하지 않을 것이라고 믿습니다. 고품질 데이터 코퍼스를 성장시킬 수 있는 스타트업은 많은 사람들이 논의했듯이 도메인별 LLM을 학습시키는 데 복리 효과를 가질 것입니다. 그러나 언어 기반 전문화에서 미세 조정하는 것 외에도, 자연어에서 성공적으로 LLM을 학습시킨 것만큼 성공적으로 LLM을 학습시킬 수 있는 충분한 학습 자료를 가진 다른 도메인이 얼마나 되는지는 여전히 불분명합니다.
버티컬 인텔리전스 시스템 (Vertical Systems of Intelligence)
또 다른, 더 혁신적인 경쟁 우위는 AI 우선 버티컬 제품이 캡처하는 자사 데이터를 활용하여 새로운 “지능형” 시스템 오브 레코드(System of Record)를 만드는 데 있습니다. Authoring Layer는 이 비전을 위한 기본 요소 역할을 합니다.
인텔리전스 시스템으로 가는 경로를 도출하기 위해, 위에서 언급한 세 가지 버티컬 AI 회사를 예로 들어보겠습니다.
- EvenUp은 클레임 및 개인 상해법을 위한 CRM과 유사한 제품의 진입점으로서 수요 서한을 중심으로 시스템 오브 레코드를 구축하고 있습니다(PMS와 통합되거나 별도로 존재).
- Roofr는 측정값을 ‘Authoring’ 도구로 시작했습니다. 즉, 모든 주택 주소는 CRM 및 ERP와 인접한 도구의 레코드 역할을 할 수 있습니다. 측정값은 리드가 되고, 리드는 고객이 되고, 고객은 작업이 되고, 작업에는 재료, 작업자, 자금 조달 등이 필요합니다.
- Abridge의 로드맵에 대해서는 공개적으로 알려진 바가 적지만, 저희는 다른 AI 네이티브 기록자들이 EHR을 제외한 모든 시스템 오브 레코드를 구축하는 것을 확실히 보았습니다(그리고 결국 EHR을 대체하려고 시도할 용감한 창업자도 있을 수 있습니다). 이 연습에서는 Abridge가 공개적으로 발표한 내용을 매핑하는 데 집중하겠습니다.
Authoring Layer는 데이터 입력 단계를 인수하는 것으로 시작하기 때문에 인텔리전스 시스템의 기초가 됩니다. 이를 통해 적절한 데이터 객체가 어떻게 생겼는지 이해합니다. 그러나 플랫폼은 어떤 데이터 항목이 필요한지, 왜 필요한지, 그리고 비즈니스 소유자가 언제 알아야 하는지를 이해하기 위해 진행할 수 있습니다. 자연어가 소프트웨어 UI를 완전히 대체할 가능성은 낮다고 생각하지만, 데이터 검색에서는 확실히 빛을 발합니다. 전체 시스템 오브 레코드 개념이 어떻게 재구상될 수 있는지 알 수 있습니다.
저희는 이 개념에서 엄청난 궁극적인 기회를 봅니다. 비즈니스 프로세스 마이닝 또는 매핑은 복잡한 기업 환경에서 점점 더 인기를 얻고 있습니다. Celonis와 같은 기업이 개척한 것처럼, 경영진은 입력, 프로세스, 인적 자본 및 출력에 대한 복잡한 분석을 대규모로 활용하여 결과를 도출할 수 있습니다. 오늘날, 8자리 이상의 최종 가격표가 붙은 전체 맞춤형 CRM 및 ERP는 비즈니스 프로세스를 최소화하고 최대화하기 위한 이러한 분석에서 얻은 학습 내용을 중심으로 구축됩니다. 그러나 처방적이고 UI 중심적인 워크플로우 시스템을 먼저 구축하고, 투자금을 회수하기에 충분한 기간 동안 프로세스와 일치하기를 바라는 것이 최적의 방법일까요? 비즈니스 우선 순위를 전체적으로 모델링하고 최대화하며, 시간이 지남에 따라 개선하는 인텔리전스 시스템보다 더 나은 것이 있을까요? 저희는 AI 기반 소프트웨어가 반대 방향이 아니라 프로세스에서 생체 내에서 진화하는 미래를 봅니다.
승리 전략 (The Winning Playbook)
물론, 제품-시장 적합성을 먼저 달성하고 교두보 ICP(Ideal Customer Profile)에서 승리하지 않고서는 그러한 웅대한 비전은 불가능합니다. 이것이 바로 Euclid에서 저희가 크게 생각하되, 단순하게 시작하는 것을 좋아하는 이유입니다. AI 네이티브 버티컬 성공 전략을 다시 강조하자면 다음과 같습니다.
- AI가 의미 있게 해결할 수 있는 수익에 대한 영향력 있는 제약 조건을 식별합니다.
- 다음과 같은 특징을 가진 채택하기 쉬운 쐐기 시장을 구축합니다 (특히 a와 b).
a. 수익 성장을 촉진하는 필수 워크플로우 강화.
b. 가치 있는 내부 워크플로우를 위한 Authoring Layer 역할.
c. 가장 높은 참여도를 보이는 애플리케이션이 됩니다. - 쐐기 시장의 채택을 추진하고, 데이터 수집 및 고착성을 최대화하기 위해 필요에 따라 기존 시스템 오브 레코드와 통합합니다.
- 새로운 시스템 오브 레코드… 인텔리전스 시스템의 기본 단위로서 출발점 또는 Authoring Layer를 활용합니다.
대부분의 스타트업에게 위 경로의 대부분은 Series A 이후에 본격적으로 시작될 가능성이 높습니다. 그럼에도 불구하고, 저희는 창업자가 장기적인 전략적 비전을 정의하고, 예측 가능하지만 중요한 VC 질문인 “ARR 1억 달러를 어떻게 달성할 것인가?”에 대한 명확한 답변을 항상 할 수 있어야 합니다.
Comments ()