AI 데이터 기업의 지속 가능한 가치는 차별화된 공급과 고객 워크플로에 달림

TL;DR

• AI 연구소에 데이터·전문성·강화학습(RL) 환경을 판매하는 기업은 빠르게 성장하지만, 매출 규모만으로 지속 가능한 지분 가치를 입증하기 어려움.
• 2000년대 초 광고 네트워크 사례처럼 공급이 여러 업체에 겹치고 거래소가 등장하면, 중개 사업의 차별성이 약해지고 가치가 거래 인프라로 이동할 수 있음.
• 지속 가능한 가치를 구축하는 방법은 차별화된 공급 보유, 고객 워크플로 내재화, 자기 개선 환경 구축의 세 가지임.
• 대규모 수평형 데이터 제공업체보다 특정 분야의 공급과 워크플로를 소유하고 자기 개선형 RL 환경을 구축하는 전문업체가 유리할 수 있음.
• 첫 1억 달러 매출 이후에도 다음 1억 달러를 더 쉽게 확보하고 경쟁자의 대체를 어렵게 할 자산을 구축하는지가 장기 가치의 관건임.

광고 네트워크의 성장과 한계

• AI 연구소에 데이터·전문성·RL 환경을 판매하는 기업은 이례적인 속도로 성장하고 있으며, 여러 기업이 1년 안에 연환산 매출 수천만~수억 달러에 도달함.
• 고객 집중도, 제한적인 반복 매출, 연구소의 끊임없는 신규 데이터 수요 때문에 벤처 투자자는 이들 기업의 가치를 평가하기 어려워함. 각 데이터 피드나 RL 환경의 수명이 유한하다는 점도 문제임.
• 2000년대 초에도 블로그 플랫폼, 저렴한 호스팅, WordPress 같은 콘텐츠 관리 시스템(CMS)의 확산으로 웹사이트 수가 급증하면서 수십 개의 광고 네트워크가 등장함.
• 네트워크는 수천 개의 소규모·중간 규모 퍼블리셔로부터 판매되지 않은 광고 지면을 사들여 행동·분야·문맥 기반 오디언스 세그먼트로 묶은 뒤, 사이트별로 계약하기 어려운 광고주에게 재판매함.
• 광고주는 수천 개 웹사이트와 각각 관계를 관리하기 어려웠고, 퍼블리셔는 모든 광고주에게 다가갈 영업팀을 꾸리기 어려웠음. 네트워크는 파편화된 공급을 쉽게 구매할 수 있게 했고, 일부 업체는 당시 상당한 규모인 수천만~수억 달러 매출에 도달함.
• 시간이 지나면서 여러 네트워크가 같은 광고 지면에 접근하는 문제가 드러남. 퍼블리셔는 지면을 채우려고 여러 네트워크와 거래했고, 광고주는 예산을 나눠 집행하면서 돈이 어디로 흘러가는지 추적하기 어려워함.
• 매출은 빠르게 늘었지만, 그 자체로 사업의 대체 난도가 높아지는 것은 아니었음.
• 이런 파편화를 해결하기 위해 Right Media, DoubleClick Ad Exchange, Microsoft의 AdECN 같은 광고 거래소가 2005~2007년 무렵 등장함.
• 거래소는 구매자와 판매자가 광고 노출을 직접 거래하는 시장을 만들었고, 실시간 입찰(RTB)과 오늘날 주류가 된 프로그래매틱 광고 생태계의 토대를 마련함.
• 퍼블리셔 측 광고 거래소와 광고주 측 수요 측 플랫폼(DSP)이 성숙하면서 광고 지면 접근의 차별성은 약해짐. 구매자가 다른 곳에서도 얻을 수 없는 가치를 네트워크가 무엇으로 제공하는지가 핵심 질문이 됨.
• 결국 대부분의 광고 네트워크는 문을 닫거나 인수됐으며, 상당한 지분 가치를 창출한 사례는 거의 없음. 지분 가치는 구매와 판매를 중앙화한 거래소와 DSP에 주로 축적됨.

AI 데이터 기업이 마주한 질문

• AI 연구소는 전문가, 시연 데이터, 평가, 점점 더 복잡해지는 과제를 필요로 함. 기여자를 찾고 역량을 검증하며 빠르게 품질을 제공하는 일은 가치가 있음.
• 하지만 같은 전문가가 다섯 개 업체에서 일하고, 연구소가 과제를 지정하며 산출물도 소유한다면 공급업체가 축적하는 자산은 무엇인지가 문제임.
• 연구소는 더 나은 모델을 얻고, 공급업체는 대가를 받은 뒤 다음 프로젝트를 찾게 됨.
• 이런 사업은 매우 좋은 매출 사업일 수 있지만, 지속 가능한 지분 가치를 구축하거나 진정한 기술 플랫폼이 된다는 뜻은 아님.

지속 가능한 지분 가치를 구축하는 세 가지 방법

• 차별화된 공급을 소유함. Google과 Facebook은 광고에서 가장 큰 승자였는데, 두 회사 모두 광고 지면을 빌리는 대신 직접 소유했기 때문임. 데이터 업체도 유용한 데이터를 지속적으로 만들어내는 제품·커뮤니티·독점 관계를 갖춰야 함. 마지막으로 확보한 데이터보다 다음 가치 있는 데이터셋을 만들어내는 능력이 중요함.
• 고객 워크플로의 일부가 됨. Google이 시가총액의 1%를 지불한 Doubleclick은 광고 대행사와 퍼블리셔의 워크플로에 깊이 내재돼 있었음. 시가총액 100억 달러의 The Trade Desk는 많은 광고 대행사가 미디어를 구매하는 데 사용하는 플랫폼임.
• 데이터 업체도 연구소에 필수적인 존재가 돼야 함. 퍼널의 한 단계 앞에서 모델의 약점을 찾고, 과제를 설계하며, 결과를 평가하고, 다음에 구매할 데이터를 결정하도록 지원하는 방식임.
• 이런 의사결정에 깊이 참여할수록 대체하기 어려워짐.
• 자기 개선 환경을 구축함. 모델의 실패를 새 훈련 과제로 전환하고, 결과를 검증하며, 모델이 개선됨에 따라 난도를 조정하는 기술에 투자해야 함.
• 각 훈련 주기마다 환경이 모델의 남은 약점을 더 잘 찾아내고 가르치도록 해야 함. 지속 가능한 자산은 다음 유용한 과제를 생성하고 평가하는 소프트웨어임.
• 이를 위해서는 성능 피드백에 접근해야 함. 학습이 연구소 안에만 머물면 공급업체는 데이터를 계속 생산하면서도 누적되는 기술적 우위를 구축하지 못함.
• 이런 기술에는 반복 요금을 부과할 수 있음.

수직 분야 전문화의 가능성

• 세 가지 전략을 종합하면 데이터 업체는 고유한 이점을 가진 몇몇 수직 분야에 집중하는 방안을 고려할 수 있음.
• 대규모 수평형 데이터 제공업체는 해당 분야의 차별화된 공급을 소유하고, 고객 워크플로를 운영하며, 자기 개선형 RL 환경을 구축하는 수직 전문업체로 대체될 가능성이 있음.
• 시가총액 1,500억 달러의 AppLovin은 현재 가장 큰 독립 광고 기술 기업임. 앱 설치를 유도하는 단 하나의 일에 집중하고 있으며, 이를 매우 잘 수행함.
• AppLovin은 가치 사슬 전체를 소유하고, 차별화된 공급과 자기 개선 루프를 구축해 설치당 비용을 지속적으로 낮추면서 다운로드를 제공함.
• 더 많은 일을 시도했다면 비슷한 성공을 거두지 못했을 가능성이 큼.

첫 1억 달러 이후에 남을 자산

• 모든 데이터 기업 창업자가 던져야 할 질문은 첫 1억 달러 매출을 달성한 뒤 다음 1억 달러를 더 쉽게 확보하고 경쟁자가 빼앗기 어렵게 만드는 자산이 무엇인지임.
• 답은 전문가 명단의 확대나 연구소와의 관계 강화에 그쳐서는 안 됨. 고유한 공급, 깊이 내재된 워크플로, 또는 모든 훈련 주기마다 개선되는 기술이어야 함.
• 수요 급증은 이런 자산을 구축할 매출을 제공함. 데이터 조달이 쉬워지고 결국 상품화될 때 지분 가치가 얼마나 남을지는 실제로 그 자산을 구축하는지에 달림.