기반 모델에 맞서는 스타트업은 전문성과 신뢰를 무기로 삼음

TL;DR

• 기반 모델 랩이 앱의 기능을 흡수하는 상황에서도, 신뢰재를 만드는 스타트업은 틈새 고객과 상태 데이터·조언과 실행의 폐쇄 루프·워크플로·신뢰를 자산으로 삼아 생존을 모색함.
• 값싼 토큰 공급과 빠른 모델 발전은 앱 계층 스타트업의 지속 가능성을 위협하며, 기능 개발에 필요한 인력이 수십 명에서 엔지니어 한 명의 오후 작업으로 줄어들 수 있음.
• 판단을 고객이 직접 평가하기 어려운 의료·금융 분야는 의무·유인·규제가 달라 범용 플랫폼에 통합되기 어려우며, 전문 기업이 특정 고객의 요구에 집중할 여지가 있음.
• 제품에 축적된 의사결정 이력과 업무별 예외 처리, 실제 행동까지 이어지는 기능은 단순한 데이터 이전이나 대화 기록 복사로 재현하기 어려운 자산임.
• 랩이 여러 소프트웨어를 흡수하고 각 계층에 비용을 부과하는 운영체제가 될 가능성이 있지만, 고객에게 유난히 잘 작동하는 제품을 만들 공간은 여전히 남아 있음.

기반 모델 랩과 앱 스타트업의 지속 가능성

• 《BoJack Horseman》에는 세상의 상당 부분이 ‘AOL-Time-Warner-PepsiCo-Viacom-Halliburton-Skynet-Toyota-Trader Joe's’라는 기업이 운영한다는 반복 설정이 있으며, 극중 디스토피아적 대기업은 이야기가 진행될수록 커짐.
• 다음 스타트업의 포지셔닝을 고민하며, 기반 모델 랩이 그 위에 구축된 앱의 기능을 계속 흡수하는 상황에서 스타트업의 해자가 무엇인지 질문하게 됨.
• 예전에는 구글을 두려워하지 말라는 조언이 있었음. 구글 직원의 동기는 스타트업 창업자보다 약하고, 관료제가 속도를 늦추며, 초기 시장은 경영진이 관심을 가질 만큼 크지 않다는 논리임.
• Andrew Chen은 몇 달 전 구글 이전에는 Microsoft, Microsoft 이전에는 IBM이 있었다고 말했으며, 지금은 그 자리에 랩이 있음.
• 풍부하지만 고르게 분배되지 않은 지능의 세계에서 근본적인 변화가 있었는지가 핵심 질문임. 기반 모델 랩이 스타트업에는 없는 값싼 토큰 공급원에 접근한다면 과거의 비유가 성립하지 않을 수 있음.
• 오픈 모델이 있어도 랩의 발전 속도는 앱 계층 스타트업에 새로운 지속 가능성 문제를 만들 수 있음. 불과 몇 년 전에는 스무 명의 팀이 필요했던 기능이 이제는 아래 플랫폼에서 일하는 엔지니어 한 명의 오후 작업일 수 있음.
• OpenAI와 Anthropic이 사실상 《BoJack》의 Skynet이 되는 미래에는 모든 제품이 하나의 범용 인터페이스로 합쳐지고, 같은 에이전트에게 코드 작성·여행 예약·자산 관리·기침 진단·아이들 저녁 주문을 맡기게 될 수 있음. 이 미래가 이미 도래했다고 믿게 하려는 움직임도 있음.

전문 분야와 신뢰재의 여지

• 모든 시장이 그런 식으로 합쳐질 것이라는 전망에는 회의적임.
• 특히 관계에 분야별 의무가 따르는 경우, 고객은 전용 수직형 서비스를 계속 중시할 것임.
• Amazon은 물건 판매에 더해 식료품 판매·서버 호스팅·영화 스트리밍도 할 수 있음. 고객이 결과물을 직접 판단할 수 있는 제품은 통합을 비교적 잘 견딤.
• 의사나 재무 자문가와의 관계에서는 고객이 스스로 평가하기 어려운 판단을 구매함. 이런 관계에는 통합을 어렵게 만드는 서로 다른 의무·유인·규제가 따름.
• 전문 기업은 특정 고객의 요구를 중심으로 전체 사업을 구축할 수 있지만, 모두를 대상으로 하는 플랫폼은 그런 요구를 충족할 유인이 적음.
• 2023년 초에는 AI가 여러 서비스의 관문이 될 수는 있어도 모든 서비스를 같은 회사가 제공하지는 않을 것이라고 예측함. 모델이 어떤 업무를 잘 수행한다는 사실만으로 모델 제공자가 관계 전체를 소유하고 세계 유일의 기업이 되어야 한다는 결론은 나오지 않음.
• GPT-8이나 Fable 7.5 이후에도 살아남으려면 신뢰재를 구축하는 창업자는 먼저 틈새 고객층을 선택하고, 제품에서 실제로 구축하는 자산이 무엇인지 물어야 함.

스타트업이 구축할 수 있는 자산

• 첫 번째 자산은 상태(state)임. 유용한 수직형 제품은 검토한 대안, 중요했던 가정, 이후에 일어난 일, 결과가 다음 결정을 어떻게 바꿨는지에 관한 구조화된 이력을 축적함.
• 이 데이터 자산은 데이터를 가져오거나 대화 기록을 새 모델에 넣는 것보다 재현하기 어려움. 코딩 에이전트에서 맥락이 이미 고객을 묶어 두는 요소이며, 전용 하네스에서도 마찬가지일 것임.
• 두 번째 자산은 조언과 실행 사이의 폐쇄 루프임. 무엇을 해야 하는지 알려주는 소프트웨어보다 이후 일어나는 일에도 참여하는 소프트웨어가 더 나음.
• 범용 대형 언어 모델(LLM)은 답을 내놓지만 안전상의 이유로 직접 실행하지 않을 수 있고, 고객 스스로도 최종 결정을 맡기고 싶지 않을 수 있음.
• 코딩은 에이전트에 자연스럽게 맞는 분야임. 소스 코드를 수정하고 결과를 확인해 기대에 맞는지 비교한 뒤, 배포 전에 필요에 따라 방향을 수정할 수 있음. 현실 세계의 일부 결정은 한 번만 내릴 수 있음.
• 세 번째 자산은 워크플로임. AI는 얕은 소프트웨어를 복제하기 쉽게 만들지만, 좋은 제품은 사용자 조사·실제 사용·현장 데이터에서 축적된 다양한 예외 상황을 실행 가능한 작업에 녹여 냄.
• 제품을 대체하려면 인터페이스만 바꾸는 것이 아니라 내재된 지식을 재구성해야 함.
• 금융 서비스 분야에서 BTV의 Sheel Mohnot은 빈 채팅창을 마주하는 것보다 목적에 맞게 설계된 인터페이스의 안내를 받는 편을 사람들이 훨씬 편하게 느끼는 경우가 많으며, 요청이 모호할 때는 채팅이 유용하다고 지적함.
• 소프트웨어의 상당 부분은 구조화된 반복 업무임. 디자이너는 데이터를 차트와 표 중 어디에 넣을지, 대시보드에 어떤 슬라이더가 필요한지 한 번 결정하고 매번 같은 기준으로 처리함. Roth 전환 여부를 판단하는 데 생성형 사용자 인터페이스가 필요하지 않음.
• 마지막 자산은 신뢰임. 판단이 중요한 시장에서 신뢰는 오랜 기간에 걸쳐 형성되거나 정부 기관의 권위로 이어지는 경우가 많음.
• 경쟁자는 규제 면허를 취득하거나, 기업을 인수하거나, 이미 면허를 보유한 곳과 제휴할 수 있음. 스타트업은 좁은 문제를 이례적으로 잘 해결하고 그 문제를 가장 중시하는 소수 고객에게 기대 이상의 서비스를 제공하며 신뢰를 얻음.
• 시간이 지나면 그 신뢰는 더 넓은 제품으로 축적되고 다른 사용자층으로 확장됨.

작은 규모의 혁신과 유통 문제

• 랩도 맥락을 축적하고, 목적에 맞는 인터페이스를 구축하고, 틈새 문제를 해결할 수 있음. 랩의 브랜드는 이미 대부분 스타트업보다 더 큰 신뢰를 얻고 있다고 볼 수도 있음.
• 랩은 막대한 양의 소프트웨어를 흡수하겠지만, 작은 규모에서 혁신할 여지는 남아 있음.
• 가장 어려운 문제는 여전히 유통임. 전문화된 제품은 고객이 제품을 발견하고, 선택하고, 지인에게 알릴 이유를 제공해야 함. 이 문제에는 아직 간단한 답이 없음.
• 랩은 모든 애플리케이션을 직접 소유하지 않으면서 위에 놓인 모든 계층에 비용을 부과하는 이 시대의 운영체제가 될 수 있음. 창업자에게 불편한 미래지만, 더는 만들 것이 없다는 뜻은 아님.
• 언젠가 모두가 AOL-Time-Warner-PepsiCo-Viacom-Halliburton-Skynet-Toyota-Trader Joe's에서 일하게 될 수도 있음. 그래도 고객에게 어떤 일을 유난히 잘해 주는 기업을 만들 공간이 남아 있다고 봄.