AI가 모든 직장인에게 똑같은 수트를 입혀줬다. 그런데 결과는 천지차이다. 구글 출신 연쇄 창업가인 B팩토리 노정석 대표가 직접 부딪히며 깨달은 AI 네이티브 경영의 민낯을 풀어본다.


1. 🔧 AI 도입의 핵심 — "70%의 잡일을 날려버리는 것"

- 흔히 AI 도입이라 하면 '밸류체인 무인화'를 떠올리는데, 노정석 대표의 접근은 다름
- 핵심은 각 직무에서 가치 창출 구간(20~30%)과 준비 노동(70~80%)을 분리하는 것
- 마케터를 예로 들면, 실제 마케팅에 쓰는 시간은 전체의 20~30%뿐. 나머지는 엑셀 정리, PPT 제작, 자료 조사 같은 준비 작업
- 전략은 명확함. 앞단의 단순 노동을 AI 에이전트가 처리하고, 사람은 뒤쪽 부가가치 구간으로 이동
- "주관식을 객관식으로 바꿔 주는 행위"
- 기존 방식: 3~4인 팀이 시장 조사, 경쟁사 분석, 컨셉 도출까지 1개월 소요
- B팩토리 방식: 에이전트 2~3개가 서로 토론하며 정리 → 팀장에게 "객관식 5개짜리 문제집" 제공 → 팀장은 자기 취향과 방향성만 얹어서 의사결정자에게 전달. 한 시간 이내로 끝남
- 에이전트 구조가 처음엔 복잡해 보이지만, 결국 3가지로 귀결됨: 데이터 커넥터(이메일, DB, 메신저 연동) + 정교한 프롬프트 + 모델/에이전트 프레임워크
- 그리고 "익스플로러"라는 직무 분석 에이전트가 있음. 직원들의 이메일, 문서, 슬랙 대화를 순회하며 각 사람이 정확히 뭘 하는지 직무 해설서를 자동 생성. 여기서 단순 노동을 골라내 에이전트로 대체하는 게 1단계

2. 😤 직원들의 반응 - "소소한 러다이트 운동이 벌어졌다"

- 솔직히 말하면, 직원들이 싫어했다고 함. 단순 노동이 사라지면 남는 건 부가가치 창출인데, 그건 사실상 CEO 역할을 요구하는 것과 마찬가지
- 기존 숙달 업무에서 편안함을 느끼던 사람들에게는 꽤 고통스러운 전환
- 소규모 러다이트 운동이 늘 있었다고. 물론 완전 대체는 아니고 AI 업무와 사람 업무가 공존하는 형태
- 대응은 전사 교육. 대표가 직접 Claude Code, AI 코딩 도구를 전 직원 대상으로 교육함. 마케터 포함 비개발 직군도 전부
- 교육할 때 한 말이 인상적임 - "세상이 이렇게 바뀌어 갈 거니까, 다음 회사 다다음 회사까진 갈 수 있어도 그 다음은 어렵다. 지금 배우는 계기로 삼아라"
- 가장 큰 병목은 의외로 커맨드라인 환경. "마우스로 해결 안 되는 뭔가가 나오면 두려움"이 몰려온다는 것
- 그런데 이 구간만 넘기면 미친 듯이 성장함. 엔지니어가 하던 일들을 비개발자가 가져가기 시작
- 두 번째 병목은 배포(클라우드, URL, 앱스토어). 이 두 구간만 해결하면 급격하게 AI 네이티브 인재로 전환된다는 게 노 대표의 관찰

3. 📐 시니어 vs 주니어 — "능력 과잉(Capability Overhang)"이라는 무서운 개념

- 시니어의 강점은 조직 단위 경험. AI를 하나의 직원이나 부서처럼 이해하고 총괄 역할을 금방 파악함
- 주니어의 약점은 지엽적 업무만 경험해서 AI를 조직적으로 활용하는 시야가 부족하다는 것
- 그런데 절대적이진 않음. AI 모델은 질문 수준에 맞는 답변을 하기 때문
- "AI를 활용하는 능력은 그 사람의 능력에 제한된다(constrained)." 이 말이 핵심
- 엔지니어링 용어로 '능력 과잉(Capability Overhang)'. 모델의 능력을 제대로 꺼낼 수 있는 사람은 사실상 만 명짜리 직원군을 거느린 셈
- 반면 시니어의 관점도 결국 "세월 따라 쌓인 도그마"에 불과할 수 있음
- 학습 과정 전체를 AI에 위임하는 고등학생, 대학 중퇴 창업자들이 기존 시니어보다 더 큰 이익을 내는 경우를 "매우 자주" 봤다고
- 삽질이든 진짜 일이든 결과만 놓고 판단 → 에이전트를 수십 개 동시에 돌림
- 문제는 이 "새로운 종"이 되지 못한 기존 주니어들. 이들이 가장 큰 피해를 입음
- B팩토리 내부에서도 인재 양극화가 심각. AI 활용을 결정한 사람과 안 한 사람의 격차가 극심하게 벌어지는 중
- 변화를 거부한 사람은 회사를 떠났고, 잘하는 사람에겐 스탁옵션과 급여 조정으로 리워드

4. 🌊 AI가 모든 산업을 뒤엎는 구조 - "모두가 회장님의 삶을 살게 된다"

- B2C 쪽: 기존에는 고객 눈앞을 선점하는 게 돈이었음. 구글, 쿠팡, 배민 같은 매체력을 마진으로 전환하는 구조
- AI 에이전트 시대에는 에이전트가 고객 옆에 끼어들면서, 기존 앱들의 매체력이 사라지고 전부 "도구"로 전환됨
- "모두가 회장님의 삶을 살게 되는 시대" - 앉아서 말만 하면 다 해 주는 에이전트. 택시앱, 배달앱, 이커머스 앱 모두 에이전트가 부르는 도구가 됨
- B2B 쪽: "이걸 사셔야 됩니다" 방식은 사라짐. "해결했습니다" 방식만 살아남음. 단순 툴 판매 회사는 소멸하고, 워크플로우와 문제 해결을 제공하는 회사만 생존
- 제로 클릭 사회가 온다. 앱 설치하고 탭탭 하는 시대가 끝나고, AI에게 말하면 코앞에 띄워주거나, 말하기도 전에 알아서 띄워주는 회사들이 등장

5. ⚠️ AI의 치명적 약점 - 암묵지(暗黙知)가 사라진다

- 단순 노동을 반복하면서 축적되던 암묵지. 룰로 캐치 안 되는 예외 상황 감각, 설명 안 되는 노하우 같은 것들이 사라지는 부작용
- 결국 "시니어는 AI로 이익, 주니어는 기회 박탈"이라는 구조가 만들어짐
- 해소 방향은 두 가지. 첫째, 모델 성능이 지수적으로 발전하면서 "문제라고 했던 부분들이 알아서 사라지고 있다"는 것
- 둘째, 에이전트 복제가 가능해지면서 "전기세를 투입해서 문제를 전부 검색의 문제로 전환"하는 방식으로 해결

6. 🔥 AI 시대에 인간의 가치 - "딱 두 개뿐이다"

- 첫째, 의지를 표현하는 것. "난 이걸 반드시 해 버리겠어"라는 불굴의 의지. 첫 아이템 실패해도 두 번, 세 번 하면 결국 성공한다는 것
- 채용 기준도 바뀜. AI 리터러시 자격증 < "또라이 지수"(얼마나 하고 싶냐). 논리적으로 잘 짜인 보고서형 사업가보다 불굴의 의지형 사업가가 더 오래감
- 둘째, 신뢰를 제공하는 것. 인간 대 인간의 신뢰 관계는 AI가 대체 못 함
- 아이언맨 수트 비유가 정곡을 찌름. 모두에게 수트가 주어졌지만, "누가 입느냐에 따라 완전히 달라지는 세상"이 이미 와 있음

7. 📚 자녀 교육 — "프리트레이닝이 답이다"

- AI 모델 학습 과정을 자녀 교육에 벤치마크한 관점이 흥미로움
- AI 모델의 80~90%는 프리트레이닝(세상 모든 지식 암기). 이 단계만으로는 쓸모없음. 나머지 강화학습(시험 반복)을 거쳐야 비로소 유용해짐
- 사람도 마찬가지. 아이언맨 수트를 입고 날려면 방대한 기초 지식이 먼저 깔려 있어야 함
- 실리콘밸리 현인들이 자녀에게 가장 강조하는 것은 독서. "이해 안 되더라도 무조건 다 읽고 이 책을 끝내"
- 의외의 주장 - 한국 주입식 교육도 나쁘지 않다는 것. 방대한 데이터를 밀어 넣는 과정(프리트레이닝)은 AI 시대에 오히려 더 중요해짐
- 결론은 간단함. "공부 많이 하는 게 정말 중요하다." AI에게 질문하는 수준 자체가 달라지기 때문

8. ⚡ 승자독식 사회 - 더 편해지는 게 아니라 더 바빠진다

- 역사적 패턴을 보면, 유튜브와 인스타가 방송국 독점을 민주화했듯 AI도 엔지니어 기득권을 해체 중. 시장은 "넓고 얇아지지만 총량은 훨씬 커진다"
- 그런데 체감상 더 편해지는 게 아님. "인간은 문제를 해결하는 속도보다 문제를 만드는 속도가 항상 더 빠르다"
- AI로 할 수 있는 일이 많아지니까 동시에 여러 개를 돌려야 하는 상황. 노정석 대표 본인도 "ADHD죠. 하루에 다섯 번 여섯 번씩 모자를 바꿔 씁니다"
- 대체 불가 직업은 인간의 감성을 다루는 영역. 상담사, 헤어, 명품 장인, 위로를 제공하는 직업
- 다만 피지컬 AI(안드로이드)가 감성 신호까지 읽게 되면, 이마저도 장담 못 한다는 게 씁쓸한 현실

(요약하자면 이런 거다. AI 시대에 살아남는 사람은 결국 두 부류뿐이다. 불굴의 의지로 수트를 입고 날아다니는 사람, 그리고 사람과 사람 사이에 신뢰를 쌓는 사람. 엑셀 잘 만든다고, 코딩 좀 한다고 살아남는 시대는 끝났다)

출처: AI 네이티브 기업에서 실제로 벌어지고 있는 일 - 노정석 대표(비팩토리), YouTube

도메인 전문성, 나만의 데이터, 그리고 질문하는 능력. 이 세 가지 없이 AI 도구만 갖고 있으면 과일이나 깎는 과도다. 있으면? 50년 일식 장인의 사시미 칼이 된다.

얼마 전 글로벌 컨설팅 펌에서 30년 넘게 일한 지인과 식사를 했다. 요즘 만나는 사람마다 AI 얘기를 안 할 수가 없는데, 이 분과는 좀 다른 깊이로 들어갔다. 직접 해보고 있는 것들, 제조업 현장에서 목격한 것들, 그리고 어떤 플랫폼이 살아남을지까지. 30년 넘게 기업 전략을 짜온 사람이 직접 AI를 붙잡고 씨름하면서 느낀 것들이라 무게감이 달랐다.

AI 도구는 이제 누구나 쓴다. 70대 어르신도 ChatGPT 돌리고, 대학생도 Claude로 코드를 짠다. 그러면 뭐가 차이를 만드느냐. 도구가 아니라 도구를 쥔 사람의 내공이다.

이 분과 대화를 나누면서 막연하게 느끼던 걸 좀 더 선명하게 정리할 수 있었다. AI 시대에 개인이 경쟁력을 가질 수 있는 조건은 결국 세 가지로 귀결된다.

첫째, 자기만의 고유한 도메인 전문성과 남들은 접근 못하는 고유 데이터를 가지고 있느냐.
둘째, 그걸 통해 축적된 나만의 암묵지, 노하우, 인사이트가 있느냐.
셋째, 이런 것들을 바탕으로 얼마나 좋은 질문(prompt)을 던질 수 있느냐.

이 세 가지가 없으면 아무리 좋은 AI를 갖다 놔도 3류 찌라시 수준의 결과물밖에 안 나온다. 반대로 이 세 가지가 갖춰진 사람은 같은 도구로 맥킨지급 리포트를 뽑아낸다. 칼잡이 수준에 따라 과도가 되기도 하고 사시미 칼이 되기도 하는 셈이다.


1. 37년치 데이터가 만든 1인 경영 OS

• 이 분이 AI를 가지고 로컬에 일종의 OS를 만들었다. 37년간 컨설팅하면서 개인적으로 쌓아온 파일들을 올려서 돌리는 건데, 본인 말로는 "직원이 필요 없는 수준"까지 왔다고. 본인이 놀라고 있더라.

• "퀄리티하고 속도가 천지차이로 계속 바뀐다. 계속 학습이 되니까 깜짝깜짝 놀란다."

• 근데 여기서 핵심은 AI 모델 자체가 아니다. 37년 동안 쌓인 파일, 그 안에 담긴 경험과 맥락, 그리고 그걸 어떻게 활용할지 아는 사람이 돌리니까 이런 결과가 나오는 거다. 같은 도구를 줘도, 올릴 데이터가 없고 어떤 질문을 해야 할지 모르면 그냥 비싼 장난감이다.

• 문제는 일반 노트북으론 감당이 안 된다는 것. 동시에 여러개 돌리면 버벅대다 못해 열이 난다. 차라리 메모리와 그래픽 카드 왕창 들어간 워크스테이션을 개인적으로 구비하고, 거기에 에이전트를 쫙 깔아 놓는 구조가 현실적이지 않을까 생각한다고.


2. 인프라 — 파일은 로컬, 컴퓨팅은 클라우드

• 예전엔 사무실 데이터를 데이터센터로, 거기서 클라우드로 올렸다. 이제는 거꾸로다.

• 파일은 로컬에 두고(보안), 컴퓨팅 파워만 클라우드에서 끌어다 쓰는 하이브리드가 답이라는 게 이 분의 판단이다. 클라우드에 내 데이터를 통째로 올려놓는 건 아무래도 불안하다. 필요한 것만 그때그때 던져 주는 방식이 그나마 안전하다.

• 앞으로는 남들도 다 접근 가능한 공개 데이터가 아니라, 나만의 데이터가 가장 중요해진다. 자기만의 워크스테이션에 자기만의 데이터를 올려놓고 에이전트를 붙이는 구조. 결국 개인별 KMS(지식관리시스템)를 누가 먼저 구축하느냐의 싸움이다.


3. AI 플랫폼 — 누가 OS가 될 것인가

• Claude: AI 에이전트의 OS 표준이 될 가능성이 높다는 게 우리의 결론이었다. 윈도우가 PC의 OS가 된 것처럼, AI 에이전트 세상에서는 Claude가 그 자리를 잡을 것 같다고.

• Google: 정보 소스가 독점적이다. 전 세계 검색, 학술 논문, 유튜브까지. 제미나이 이미지 완성도도 이미 상당하다. 맘만 먹으면 뭐든 할 수 있는 위치.

• OpenAI/Microsoft: "솔직히 잘 모르겠다. 마이크로소프트 미래에 대해선 좀 위험하다고 본다."


4. 제조업 AI - 로봇팔이 아니라 '워크플로우 통합'

• "제조업은 이미 AI 다 쓰고 있지 않냐"고들 한다. 이 분 답변은 단호했다. 착각이라고.

• 라인 기계에 데이터 OS가 깔려 있는 건 맞다. 근데 구매·재고·물류·생산·영업이 전부 따로 논다. 현장 따로, 관리 따로. 30년 넘게 기업 현장을 봐온 이 분 눈에 한국 제조업의 현실이 그렇다고.

• 예전엔 이 통합을 전문 개발자 붙여서 비싸게, 오래 걸려서 해야 했다. 지금은 바이브코딩으로 각 회사에 맞는 걸 만들어 쓸 수 있다. 예를 들어, 고객사 워크플로우를 자기 플랫폼으로 통합하는 게 팔란티어의 비즈니스 모델이다.

• 여기서도 핵심은 같다. 제조 현장의 도메인 전문성과 수십 년 축적된 운영 데이터를 가진 쪽이 이긴다. AI 도구만 들고 제조 현장 모르는 사람이 가봐야 할 수 있는 게 없다.


5. 한국이 유리한 이유

• 이 분이 여러 나라를 다녀봐도, 전 세계에서 70대까지 AI를 가장 적극적으로 쓰는 나라가 한국이라고 했다. 중소기업이건 대기업이건 "뭐라도 해 보겠다"는 태도를 보이는 나라가 별로 없다고.

• 900번 넘게 외침을 받으며 생존 본능이 DNA에 각인된 민족이라, 위기감이 오면 본능적으로 뭔가가 확 돌아간다. IMF 때가 그랬고, 이번에도 "AI 때문에 잘린다"는 소리가 돌기 시작하니까 개인이든 기업이든 움직이기 시작했다.

• 한국은 제조 경험도 있고 할 준비도 돼 있으니까, 워크플로우 표준을 먼저 만들면 미국 리쇼어링 시장까지 써먹을 수 있다. 일본은 "굳이 왜?"하고 앉아 있고, 중국 빼면 이걸 실현해볼 나라가 별로 없다.


AI 도구의 민주화는 이미 끝났다. 누구나 쓸 수 있다. 그러면 다음 경쟁은 뭐냐.

남들도 접근할 수 있는 범용 데이터로는 차별화가 안 된다. 나만의 도메인에서 나만 가진 데이터로, 나만 던질 수 있는 질문을 하는 사람이 결국 이긴다. 그런 비급을 함부로 알려줄 리가 있나. 다 자기 밥그릇인데.

37년치 데이터를 올려서 1인 경영 OS를 구축할 수 있었던 건, 37년 동안 쌓아온 게 있으니까 가능한 거다. 쌓아온 게 없으면 AI가 아무리 좋아봐야 빈 창고에서 요리하라는 꼴이다.

이 분이 흥분하는 이유가 "AI 도구가 좋아져서"가 아니라 "내가 쌓아온 것들이 드디어 제대로 쓸모가 생겨서"라는 점이 인상적이었다.

베트남에서 한국 고객 대상으로 IT 외주를 하다가 AI 스타트업으로 전환 중인 분인데, 서로 겪은 경험을 공유하다 보니 시간 가는 줄 몰랐다.


1. 베트남 개발자 시장이 통째로 무너지고 있다

- "베트남 개발자 다 잘랐어요." 이 한마디가 지금 상황을 다 설명한다. 예전엔 베트남 개발자가 싸서 외주를 줬는데, 이제 그 개발자보다 더 싼 AI가 있으니까.
- 더 심각한 건, 걔네들이 AI 도구를 쓰고 싶어도 못 쓴다는 거다. 클로드 코드 맥스가 월 100~200달러인데, 베트남 개발자 입장에서 쓸 수 있는 한계가 월 10~15달러 정도라고.
- 회사에서 밀어주지 않으면 경험할 기회 자체가 없다. 경험이 안 쌓이니 격차만 더 벌어지고.
- 이건 베트남만의 문제가 아니다. 인도, 인도네시아 다 마찬가지. 새로운 디지털 디바이드가 '임금 격차'에서 'AI 도구 접근 격차'로 바뀌고 있다.

2. 2년 걸린 개발이 2시간으로 끝나는 현타

- 클로드 코드 맥스 하나면 개발팀 4명이 붙어서 하던 일을 혼자 다 한다고. 터미널 서너 개 켜놓고 돌리면 딴 일 하면서 알아서 굴러간다.
- 나도 불과 몇 년전까지 인도네시아 개발자 데리고 App 하나 만든다고 AWS 비용까지 태우면서 고생했는데, 지금 바이브 코딩으로 2시간이면 만들겠다. 그때 쓴 돈 생각하면 억울할 지경.
- RAG 챗봇도 똑같다. 1~2년전 만해도 외주 줘서 몇 달간 매뉴얼 집어넣고 벡터화시키고 임베딩하고 난리 쳤는데, 지난달에 내가 직접 만들어보니 몇 시간이면 뚝딱. 배포는 레일웨이(Railway)에 올렸는데 월 5달러 수준. 품질은? 오히려 더 좋아. 허무할 정도로.
- 전에 뭐 한 거지? 이 생각이 드는 순간이 진짜 현타 온다.

3. AI 도구마다 잘하는 게 다르다

- 프론트엔드 디자인(웹사이트, 모바일 앱 UI)은 제미나이 쪽이 좋다고 한다. 안티그래비티(Google의 에이전트 기반 IDE), 스티치(Google Labs의 AI UI 디자인 도구) 같은 것도 쓸 만해졌고.
- 텍스트 작업, 리포트, 분석 보고서는 클로드가 확실히 낫다. 내 체감상 그렇다.
- 제미나이는 커버 범위가 넓은 대신 깊이가 좀 딸리고, 클로드 코드는 좁고 깊게 파는 느낌. 성격이 다르다.
- 꿀팁 하나 건졌는데, CLAUDE.md에 "네 사고를 전부 한국어로, 초보자가 이해할 수 있는 언어로 보여줘"라고 설정하면 터미널에서 뭘 하고 있는지 풀어서 설명해 준다. 엉뚱한 방향으로 가면 바로 ESC 눌러서 잡을 수도 있고, 공부도 된다.

4. 소상공인 AX, 현장에 가봐야 보인다

- 남대문 시장이든 어디든, 아직 엑셀 취합해서 복사 붙여넣기 하고 있는 데가 태반이다. 40~50년 그 일만 한 분들이라 "원래 이렇게 하는 거"라고 생각하고 있다.
- AI로 리서칭해서 결과 보고를 딱 드리면 "네가 여기 수십 년 한 사람들만 아는 내용을 어떻게 아냐"고 눈이 휘둥그레진단다. 자기들만 안다고 착각한다는 사실을, 자기들만 모르는 거다.
- 어르신들한테 AI 얘기해봐야 "내 정보 다 나가는 거 아니야?" 이러신다. 차라리 빈 방에 서버 랙 하나 갖다 놓고 "여기 다 있으니까 안심하세요" 하는 게 통한다.
- 카카오톡으로 "어제 얼마 팔렸어?" 물어보면 알아서 답해주는 시스템. 이 정도면 써보겠다고 하시더라. 어르신들 눈높이에 맞추는 게 핵심이다.

5. CRM이 먼저, PR은 나중

- 싱가포르에서 한국 식당 반 이상에 POS를 깔아준 업체가 있는데, 사실 큰 돈은 안 된다고. 월 구독료가 너무 싸니까. 업셀 아이템이 절실한 상황.
- 인스타 자동 포스팅, 콘텐츠 자동 생성, 댓글 관리... 다 좋은데 그건 불특정 다수 대상 PR이다. 언제 효과가 올지 모른다.
- 그보다 CRM이 먼저다. 한 번 온 손님을 어떻게 다시 오게 만드냐. 있는 고객한테 뽑아 먹는 게 선행돼야 한다. 에이전시한테 월 몇 천 불 주느니 차라리 500불짜리 자동화 패키지를 만들어서 CRM, 콘텐츠, 인스타 통으로 묶어 파는 게 포인트.
- 돈 벌려면 돈 쓸 준비가 돼 있는 사람한테 가서 팔아야지, 비용 줄이려고 안간힘 쓰는 데 가서 팔면 안 된다. 재무팀 가서 뭘 팔아봐라. 안 팔린다.

6. 팔란티어 모델의 소규모 버전

- 클로드 코드만 덜렁 놓으면 옵션 없는 자동차다. 굴러는 가는데 에어컨도 쿠션도 없다. 초보자도 쓸 수 있게 세팅해주고 업데이트에 맞춰 관리해주는 서비스가 필요하다.
- AI 도구와 노하우를 장착한 인력을 현장에 파견해 직접 AX를 주도하게 하는 것도 방법
- 옛날 SI가 시킨 거 싸고 빠르게 만드는 '간호사'였다면, 이건 직접 진단하고 수술하는 '의사' 역할이다. 주도권이 우리한테 있다는 게 핵심.
- 가서 인터뷰하고, 녹취하고, 자동으로 분석 보고서까지 당일 내놓는 구조. 오전에 인터뷰했는데 오후에 리포트 나오면 거기서 "이게 말이 되냐?" 하는 반응이 나온다.

7. 바이브 코딩, '만드는 사람'은 넘치는데 '파는 사람'은 아직 없다

- 쓰레드나 커뮤니티 보면 "만들었다"는 사람은 넘치는데, 이걸로 사업화에 성공한 케이스는 아직 손에 꼽는다.
- 지금이 기회다. 레퍼런스를 먼저 쌓는 사람이 시장을 가져간다. 바이브 코딩으로 뭘 만들 수 있냐가 아니라, 그걸로 누구한테 팔아서 돈을 벌었냐가 진짜 경쟁력.
- 어설픈 중간이 제일 위험하다. 차라리 AX 도구를 전혀 모르는 깨끗한 20대가 현장 가서 "이 노가다를 왜 하고 있어요?" 하고 돌직구 던지는 게 나을 때가 있다. 아니면 아예 50대 이상 20년차 베테랑이 어르신들하고 옛날 얘기 섞어가며 도입시키는 게 낫다.

* 결국 레퍼런스 하나가 발표자료 백 장보다 낫다. 지금이 선점의 시간이다.

Anthropic이 3월 20일 내놓은 Claude Code Channels가 개발자 워크플로우의 판을 바꾸고 있다. 핵심은 간단하다. 텔레그램이나 디스코드에서 메시지 하나 보내면, 집에 있는 노트북의 Claude Code 세션이 코드를 실행하고 결과를 회신한다. 솔직히 말하면, 터미널 앞에 앉아 있어야만 코딩할 수 있던 시대가 공식적으로 끝난 셈이다.

비슷한 걸 먼저 만든 오픈소스 프로젝트 OpenClaw가 올해 초 바이럴을 탔는데, Nvidia CEO 젠슨 황이 GTC 2026에서 "아마 역사상 가장 중요한 소프트웨어 릴리스"라고까지 언급한 바 있다. Anthropic은 그 격차를 자기 방식으로 메운 것이다.

한쪽은 리모컨 달린 로봇 팔, 다른 한쪽은 고삐 풀린 망아지. 뭐가 다른지 비교해봤다.


1️⃣ Claude Code Channels - 폰으로 내 컴퓨터를 원격 조종하는 기능

- 2026년 3월 20일 출시된 신규 서비스
- 텔레그램이나 디스코드(게이머·개발자들이 쓰는 채팅앱)에서 메시지를 보내면, 집에 켜놓은 내 컴퓨터가 그 지시대로 프로그래밍 작업을 수행하고 결과를 메신저로 다시 보내주는 구조
- 비유하면: 밖에서 카톡으로 "에어컨 틀어줘"라고 보내면 집에서 에어컨이 켜지는 것과 비슷한데, 에어컨 대신 코딩(프로그래밍)을 시키는 것
- MCP(Model Context Protocol, AI와 외부 도구를 연결하는 표준 규격)라는 기술이 메신저와 컴퓨터 사이에서 통역사 역할을 함
- 핵심 포인트: 내 파일, 내 코드가 클라우드(남의 서버)로 올라가는 게 아니라 내 컴퓨터에서 그대로 돌아간다는 것
- 초기 설정 5분이면 끝. 별도 비용 없이 Claude 구독료(월정액)에 포함


2️⃣ OpenClaw - 절대 잠들지 않는 AI 비서, 근데 가끔 폭주함

- 누구나 무료로 쓸 수 있는 오픈소스(공개 소프트웨어) 프로젝트
- 카카오톡·텔레그램·슬랙(업무용 메신저) 등 20개 넘는 메신저에서 AI에게 일을 시킬 수 있음
- 가장 큰 특징: 주인이 아무 말 안 해도, 설정한 시간마다 스스로 깨어나서 할 일을 찾아 실행함 (Heartbeat 기능이라 부름)
- 성공 사례: 자동차 딜러 3곳을 자동으로 연락해 서로 경쟁시키더니 $4,200(약 520만원) 할인을 받아냄
- 사고 사례: 같은 작업을 무한 반복하는 버그에 빠져 48시간 만에 API 사용료(AI 이용료) $120 증발, "다운로드 폴더 좀 정리해줘" 했더니 컴퓨터 파일 전체를 삭제하려 시도, 아무것도 안 해도 컴퓨터 메모리를 계속 잡아먹음
- 외부 개발자가 만든 추가 기능(플러그인) 중에 암호화폐 지갑 비밀번호를 훔치는 악성 프로그램이 섞여 있던 사례도 있었음


3️⃣ 리모컨 로봇 vs 고삐 풀린 말 - 자율성의 결정적 차이

- 둘 다 "메신저로 AI한테 일을 시킨다"는 같은 아이디어에서 출발
- 갈리는 건 딱 하나. 누가 먼저 움직이느냐
- Channels: 내가 메시지를 보내야 비로소 움직이는 '리모컨형 비서'
- OpenClaw: 주인이 자고 있어도 혼자 깨어나서 일을 벌이는 '능동형 집사'
- 이 차이가 크다. 능동형은 딜러 흥정 같은 데선 기가 막히지만, 보험사에 무단 항의 메일을 보내는 순간 심장이 멈출 수 있음
- 이건 취향이 아니라 리스크(위험) 관리의 문제임. 내 이름으로 나가는 메일을 AI가 마음대로 보낸다고 생각해보라


4️⃣ 돈·시간·안전 - 현실적으로 따져보면

- 초기 설정: OpenClaw는 AI를 24시간 돌릴 전용 컴퓨터를 따로 마련해야 함 vs Channels는 기존 노트북에서 5분이면 끝
- 비용: OpenClaw는 AI를 쓸 때마다 과금되는 종량제라 청구서 올 때까지 얼마인지 모름 vs Channels는 월정액 구독에 포함
- 보안: OpenClaw는 악성코드 사례가 이미 터졌고, 문제가 생기면 전적으로 사용자 책임 vs Channels는 Anthropic이 관리하며, 위험한 작업을 실행하기 전에 폰으로 승인 요청이 옴
- AI 두뇌: OpenClaw는 ChatGPT든 Claude든 골라 쓸 수 있음 vs Channels는 Claude 전용


5️⃣ 실전에선 이렇게 쓴다

- 퇴근 후 전철 안. 집 컴퓨터가 한 시간짜리 작업을 돌리고 있는데, 설정을 하나 빠뜨린 걸 깨달았을 때 - 텔레그램으로 한 줄 보내면 됨
- 예전에는 반드시 컴퓨터 앞에 앉아 있어야만 수정이 가능했음
- 이제는 "지시는 밖에서, 실행은 집 컴퓨터에서"가 가능해진 것
- Anthropic이 Fakechat이라는 테스트 도구도 같이 공개해서, 실제 메신저에 연결하기 전에 미리 연습해볼 수 있음


6️⃣ 이 흐름이 우리한테 의미하는 것

- "코딩은 컴퓨터 앞에 앉아서 하는 것"이라는 고정관념이 깨지고 있음
- OpenClaw가 "메신저로 AI를 부리는 시대"를 열었고, Anthropic이 안전장치를 얹어 공식화한 구도
- MCP라는 표준 규격 덕분에 향후 슬랙, 카카오톡 같은 다른 메신저로도 확장 가능
- 특히 한국 기업들이 중시하는 보안(내 데이터가 외부로 안 나가는 것)을 고려하면, Channels의 "내 컴퓨터에서만 돌아가는" 구조가 기업 환경에 더 현실적
- 공장 엔지니어가 현장에서 폰으로 AI한테 코딩 작업을 시키는 것, 이제 상상이 아니라 설정 5분짜리 현실이 됨

출처: WVB 내부 리서치 — Claude Code Channels vs OpenClaw 비교 분석 (2026.03.20 기준)

(그런데 현실은... 2시간 넘게 셋팅만 하고 있습니다. 로컬에서 보낸 메세지를 텔레그램에서 수신은 하는데, 텔레그램에서 발신하는 걸 로컬에서 수신하지 못하고 있어요 ㅠㅠ 로컬 agent 총출동 시켜서 고치는 중. 바이브코딩이라고 다 믿으면 안되고, 빵구 많이 나니 주의 요망.)

요즘 AI 툴 하나면 앱 하나 뚝딱이라는 얘기가 넘쳐난다. 바이브 코딩이니 뭐니, 프롬프트 몇 줄이면 랜딩페이지부터 MVP까지 나온다고. 그런데 정작 Next.js를 만들고 Vercel을 수억 달러 매출 회사로 키운 사람은 정반대 얘기를 한다. "다 만들 수 있으니까 오히려 뭘 만들지 고르는 눈이 최대 경쟁력"이라고.

아르헨티나 시골 출신, 13살 때부터 오픈소스에 기여하며 글로벌 이력서를 쌓았고, 콜드 이메일 한 통으로 워드프레스 창업자를 만나 회사를 매각한 사람. 기예르모 라우치(Guillermo Rauch)가 a16z speedrun에서 풀어놓은 이야기를 정리했다.


1. 오픈소스는 Product-Market Fit의 스피드런이다

• 스타트업의 가장 큰 두 가지 난제는 '존재를 알리는 것'과 '제대로 된 걸 만드는 것'. 오픈소스는 이 두 가지를 동시에 스트레스 테스트한다.

• 공짜로 코드까지 열어줬는데도 아무도 안 쓴다? 그럼 다른 걸 만들어야 한다는 신호다. 비싼 수업료 내기 전에 빠르게 검증할 수 있는 필터인 셈.

• AI 에이전트 시대가 오면서 오픈소스의 이점은 오히려 더 깊어진다. 에이전트가 클론해서 바로 작업할 수 있는 프로젝트, 문서화가 잘 된 프로젝트가 선택받는 구조니까.

• 복제가 쉬워지는 단점? 라우치는 이렇게 잘라 말한다. "창업자들은 미래에 벌어질 일을 너무 걱정하느라 멈춘다. 현실은, 아직 PMF조차 없는 상태인데."


2. 비전은 끝없이, 실행은 잔인할 정도로 좁혀라

• 라우치가 '양두뇌(bicameral mind)'라고 부르는 긴장 관계. IPO 벨을 울릴 때의 미션은 거대해야 하지만, 3명이 앉아 있는 오늘 오후에 그 야망대로 200개 기능을 만들면 망한다.

• 초기 Vercel은 모든 언어, 모든 프레임워크, 심지어 데이터베이스까지 배포 가능하게 만들려 했다. 그러다 스스로 물었다. "우리가 진짜 탁월한 건 뭐지?"

• 답은 프론트엔드 레이어. CDN 자동화, 보안, 매니지드 서비스라는 아직 존재하지 않던 카테고리에 집중했다. 그 결과가 매출 제로와 수억 달러의 차이를 만들었다고.

• "모든 걸 계속 만들었으면 매출이 문자 그대로 0달러였을 거다. 까다로운 바이어는 각 문제 영역에서 최고만 고른다. 2등은 안 산다."


3. AI가 다 만들어주는 시대, 진짜 차별화는 '무엇을 만들지 고르는 안목'

• 토큰만 충분히 투입하면 모든 문제가 얕아지는 시대. 그래서 뭘 만들 수 있냐가 아니라 뭘 만들어야 하냐를 판단하는 taste가 경쟁력이 된다.

• Vercel 내부 사례 — 좋은 AI 활용: 에이전트가 밤새 JavaScript 최적화를 돌려서 플랫폼 전체를 20~40% 빠르게 만든 것. 나쁜 AI 활용: 본업과 관계없는 HR 플랫폼을 뜯어고치는 것.

• 바이브 코딩으로 매일 새 기능 찍어내서 뉴스레터에 뿌리면? 시그널이 희석되어 사람들이 그냥 꺼버린다. "토큰을 어디에 쏟느냐, 그리고 그걸 세상에 어떻게 커뮤니케이션하느냐. 이게 앞으로 훨씬 중요해진다."


4. 채용은 '이력서'가 아니라 '증거'와 '포장력'으로

• 이미 도착한 사람 말고, 지금 올라가고 있는 사람을 찾아라. AI 도구를 써서 실제로 양질의 결과물을 내놓고 있는 사람, 오픈소스에 기여하며 proof of work를 쌓고 있는 사람.

• 라우치가 특히 주목하는 건 '만든 것'만이 아니라 '그걸 어떻게 설명하느냐'. 어떤 개발자의 DM에 직접 먼저 연락한 이유도, 잘 알려진 UI 문제에 대한 새로운 해법 자체보다 그 해법을 포장하고 커뮤니케이션하는 방식이 인상적이었기 때문.

• 애플의 언박싱 경험을 비유로 들었다. 웹사이트, 매장, 상자 뚜껑을 들어올리는 그 감각까지 — 기술을 둘러싼 모든 경험이 설계되어 있다는 것. 스타트업도 마찬가지.

• 그리고 한마디 일침. "스타트업 랜딩페이지에서 창업자 데스크톱 전체가 녹화된 영상을 볼 때가 있다. 독에 앱 200개, 브라우징 히스토리, 플러그인 200개. 나는 SNS 세 개를 둠스크롤하느라 바쁜 사람이다. 당신 제품이 아닌 건 다 지워라. 그게 사람들이 딴 데로 빠지는 핑계가 된다."


5. '무엇을 무시할지' 고르는 것도 경쟁력이다

• 실리콘밸리의 날카로운 면 — 모든 것에 미친 듯이 흥분하는 문화. 그런데 그중 일부는 무시해도 되는 것들이다. 뭘 무시할지 선택하는 것 자체가 경쟁 우위가 된다.

• 라우치의 원칙: 판단을 남에게 아웃소싱하지 않는다. 직접 다운로드하고, 가입하고, 써본다. 스스로 깊이 이해하지 못하면 확신을 만들 수 없다고.

• 2단계 프로세스 — 넓게 실험하되, 시장에 내놓을 것에 대해서는 높은 기준을 세운다. 그 기준을 통과하면 그때 올인. 모든 채널에 뿌리고, 이메일 보내고, 데모데이에서 발표한다. "실험의 흥분"과 "출시의 확신"을 혼동하지 말라는 거다.

• 덧붙여, 라우치는 첫 회사 창업과 동시에 아이를 갖기로 했고 지금 여섯째를 기다리고 있다. "인생에 좋은 타이밍이란 건 없더라. 그리고 자기가 감당할 수 있는 한계는 생각보다 훨씬 넓다."


솔직히 이 인터뷰에서 가장 와닿은 건, '다 만들 수 있다'는 게 축복이 아니라 함정이 될 수 있다는 지적이다. 요즘 주변에서 바이브 코딩으로 뭐 하나 만들었다는 소식은 매일 들리는데, 그중에 두 번째로 열어보고 싶은 건 솔직히 별로 없다. 만드는 비용이 제로에 수렴할수록, 결국 '뭘 만들었냐'가 아니라 '왜 그걸 만들었고, 그걸 어떻게 전달하느냐'가 갈리는 시대인 듯하다.

출처: a16z speedrun — "Guillermo Rauch's 5 Lessons for Founders Building in the AI Era" (2026.3.19)

2025년 미국·캐나다 VC 시장 전체 4,395건, 1,860억 달러 - 그중 절반 이상의 딜이 특정 산업에 꽂힌 Vertical AI 스타트업에 쏠렸다. 솔직히 말하면, OpenAI 400억 달러, Anthropic 130억 달러 같은 몇 건의 괴물급 라운드를 빼면, 자금의 과반이 이미 버티컬 쪽이다. '범용 AI 모델 만들기' 시대는 저물고, '특정 산업을 AI로 뒤집기' 시대가 본격적으로 열린 셈임.


1️⃣ 숫자가 말해주는 대세 전환

- 2025년 VC 펀딩 총 4,395건, 1,860억 달러 집행
- 버티컬 AI가 딜 건수의 53%, 자본의 30% 차지
- 10억 달러 이상 메가 라운드 12건 제외하면 버티컬이 자본의 51%
- Q1 버티컬 자본 비중 19% → Q4에 42%로 급등. 방향이 뚜렷함
- 버티컬 평균 딜 사이즈 2,400만 달러 vs 비버티컬 6,310만 달러 — 비버티컬이 커 보이는 건 파운데이션 모델 몇 건이 숫자를 왜곡하기 때문임
- Q4 기준 전체 VC 딜의 55%가 특정 산업 타깃. 연중 최고치이고, 이 추세는 아직 꺾이지 않았다


2️⃣ 헬스케어·금융이 양대 축, 하지만 진짜 주목할 건 떠오르는 버티컬

- 헬스케어: 597건, 118억 달러. 딜 수·자본 모두 1위. 임상 AI 문서화(Abridge 3.16억 달러, Judi Health 4억 달러), 가치기반 돌봄 인프라(Strive Health), 디지털 헬스 바이아웃(Modernizing Medicine 53억 달러 등)이 주도
- 금융서비스: 501건, 117억 달러. 헬스케어와 거의 동률. Ramp이 225억 달러 밸류에이션에 연속 시리즈 E 클로즈, Plaid 5.75억 달러, Wealthsimple 5.36억 달러 등. 분기별 딜 활동이 고르게 분포 — 이건 '일시적 하이프'가 아니라 구조적 깊이가 있다는 뜻임
- 제조·산업: 110건, 86억 달러. Q1→Q4 딜 건수 41% 증가. 제프 베조스의 Project Prometheus 62억 달러가 올해 버티컬 최대 딜. '피지컬 AI'라는 새로운 카테고리를 선언한 것이나 마찬가지
- 리걸: 97건, 33억 달러. Clio 8.5억 달러, Filevine 4억 달러 — 법률 테크 역사상 최대 파이낸싱과 최대 M&A가 동시에 나옴. 초기 단계(1~5M) 비중이 43%로, AI 네이티브 법률 스타트업이 쏟아지는 중
- 건설·설비(AEC & Trades): 106건, 21억 달러. CompanyCam이 4.15억 달러 라운드로 네브래스카 최초 유니콘 등극. ServiceTitan IPO가 물꼬를 텄고, 분기별 딜이 고르게 분포. 기술 도입률이 낮고 파편화된 산업일수록 버티컬 AI의 먹잇감이 된다는 전형적 케이스


3️⃣ 스테이지별로 뜯어보면 더 재밌다

- 1~5M 달러(프리시드·시드): 전체의 39%, 1,733건. 이 구간에서 버티컬 비중이 Q1 53% → Q4 60%로 8%p 점프. 새로 만들어지는 스타트업 5개 중 3개가 특정 산업 타깃이라는 뜻. 체감상 가장 강력한 시그널
- 1억 달러 이상 메가라운드: 208건인데 여기서만 버티컬이 Q1 51% → Q4 33%로 하락. 이건 OpenAI, Anthropic, xAI, Databricks 같은 파운데이션 모델/인프라 기업들의 자본 블랙홀 때문
- 핵심: 초기 단계에서 버티컬이 압도 → 스케일링 단계에서 균형 → 메가라운드에서만 수평적 AI가 우세. 지금 시드를 받는 버티컬 AI 기업들이 2030~2032년의 시장을 정의할 것임
- 2022년 이후 설립된 기업 비율(포스트-ChatGPT 세대): 제조 57%, 공공부문 56%, 리걸 53%. 이 버티컬들에서 제너레이티브 AI가 아예 새로운 창업을 촉발하고 있다는 증거


4️⃣ 엑싯 시장도 열렸다 - 1,310억 달러, 158건

- 버티컬 엑싯 158건, 1,310억 달러. Synopsys의 Ansys 350억 달러 인수가 최대
- 전체(버티컬+비버티컬) 엑싯 254건, 2,349억 달러 중 버티컬이 가치 기준 56% 차지
- 헬스케어가 43건으로 엑싯 건수 1위 (171억 달러). Modernizing Medicine 53억 달러, CentralReach 19억 달러, VaxCare 17억 달러 등
- IPO 시장 2년 가뭄 끝에 24건 재개. 버티컬 쪽에서 Figure Technology Solutions, Via Transportation, Hinge Health, MNTN 등이 상장
- PE 바이아웃이 엑싯 건수의 20%인데 금액 비중은 훨씬 큼. Silver Lake, EQT, TPG 등이 적극적. 반복 매출, 방어적 시장 포지션, AI 통합에 따른 운영 레버리지 - PE가 사랑할 수밖에 없는 조합
- 2025년 버티컬 엑싯 중간값 약 5억 달러. 시드 단계에서 1,000~2,000만 달러 포스트머니로 들어갔다면 25~50배 총 밸류에이션 상승. 근데 요즘 '시드'가 5,000만 달러 이상으로 뻥튀기되고 있어서, 같은 5억 달러 엑싯이면 7~8배밖에 안 됨. 진입가 규율이 갈수록 중요해진다는 얘기


5️⃣ 올해 가장 눈에 띄는 딜 15선 — 패턴이 보인다

- Project Prometheus (62억 달러, 제조): 제프 베조스 복귀작. 칩 패키징·자동차 조립·항공우주 대상 '피지컬 AI'. DeepMind·Tesla·OpenAI 출신 100명 이상 영입. 매출 0원에 이 규모의 첫 번째 라운드 - 역대 버티컬 AI 최대 초기 파이낸싱
- Clio (8.5억 달러, 리걸): 2007년 설립. 5배 매출 멀티플, 1.38x 스텝업. 법률 연구 플랫폼 vLex을 10억 달러에 동시 인수. AI 시대 이전부터 카테고리를 정의한 회사가 AI 자본으로 시장을 통합하는 교과서적 사례
- Periodic Labs (3억 달러 시드, 제조): 역사상 최대 시드 라운드일 수 있음. OpenAI VP 출신 Liam Fedus + 구글 DeepMind 출신 공동 창업. AI 과학자 + 자율 로봇 실험실 조합. 매출 제로, 직원 100명, 밸류에이션 13억 달러. 인터넷의 텍스트 데이터는 고갈됐고, 다음 학습 데이터는 AI가 직접 실험해서 만든 물리적 데이터라는 테제
- CompanyCam (4.15억 달러, AEC): 가족 지붕 공사 사업에서 시작한 창업자. 3.21x 스텝업으로 리스트 내 최고 수준. 직원 308명에 밸류에이션 20억 달러 — 유닛 이코노믹스가 강하다는 신호
- OpenEvidence (2.1억 달러, 헬스케어): 미국 의사 40% 이상이 쓰는 AI 의료 검색엔진. 직원 36명. 매출 1억 달러에 35x 멀티플. Abridge의 697x와 비교하면 자본 효율의 극단적 대비
- Peregrine (1.9억 달러, 공공부문): 전 팔란티어 SOCOM 리더 설립. 매출 300만→1,000만→3,000만 달러로 3년 연속 3배 성장. 6.58x 스텝업으로 리스트 내 최고. 앨버커키 미해결 살인 사건 40% 감소, 애틀랜타 폭력 범죄 21% 감소 등 실측 성과

이 딜들을 관통하는 패턴 4가지:
- AI가 공장·자율주행·로봇 실험실 등 '물리적 세계'로 이동 중
- 버티컬 창업자의 founder-market fit이 결정적 - 심장 전문의가 임상 AI를, 지붕 공사업자가 건설 테크를 만드는 구조
- 카테고리를 정의하면 자본 조건 자체가 달라짐. 3x 이상 스텝업이 여러 건
- 2025년 신규 테마: 'AI-for-Science 메가라운드'. 인터넷 텍스트 코퍼스는 고갈 → 자율 실험실이 만드는 물리적 데이터가 새로운 해자


6️⃣ 투자자 지형도 - 누가 버티컬에 베팅하나

- 리드 투자 1위: General Catalyst (24건, 18억 달러)
- 2위: Andreessen Horowitz (22건, 19억 달러)
- 초기 단계(1~5M): Y Combinator 7건으로 최다
- 시리즈 A 이상(30~100M): General Catalyst 24건, a16z 22건. 이 둘이 투자한 기업들이 합산 38억 달러 조달
- 후기(100M+): NEA 10건, Kleiner Perkins 7건, Oak HC/FT 5건
- 비전통적 리드의 (재)등장: BlackRock, Franklin Templeton, 카타르 투자청, 무바달라 등 - 2021년과 비슷하지만, 이번엔 국부펀드의 적극적 참여가 더 두드러짐
- 헬스케어에서 a16z·General Catalyst·Khosla가 톱50 리드 중 18건 차지. 금융은 반대로 가장 분산적 - 단일 투자자가 4% 이상을 리드하지 못함


7️⃣ 지역별 분포 - 캘리포니아가 1위지만 버티컬 비중은 최하위

- 캘리포니아 667건(29%)으로 절대 1위, 뉴욕 406건(17%)이 2위
- 그런데 '버티컬 비중'으로 보면 얘기가 뒤집힘: 애리조나 71%, 오하이오 70%, 테네시 67%가 상위권
- 캘리포니아는 버티컬 비중이 41%로 주요 주 중 최하위. 파운데이션 모델·인프라·개발자 도구 기업들이 숫자를 잡아먹기 때문
- 미드웨스트가 지역별 버티컬 성향 1위(59.6%). 산업 밀집 지역일수록 버티컬 AI 채택이 빠르다는 직관과 일치
- 실제 딜 볼륨과 딜 퀄리티를 종합하면 여전히 샌프란시스코와 뉴욕이 쌍두마차. 다만 뉴욕 쪽에 순풍이 불고 있다는 인상


8️⃣ 2026년 주목해야 할 구조적 변화

- 시드→시리즈A 졸업 시험: 시드가 예전 시리즈A 수준으로 비대해졌다. 시드와 A 사이의 간극이 벌어지고, 졸업률은 떨어지는 중. 2023~2025년 시드를 받은 버티컬 AI 기업들이 2026~2027년에 이 벽에 부딪힐 가능성 높음. 제조·리걸·공공부문·AEC처럼 형성률이 높은 버티컬이 가장 취약
- 딥테크의 성숙 사이클: Project Prometheus(62억 달러), Figure AI(15억 달러), Applied Intuition(6억 달러) 등 피지컬 AI에 83억 달러 집중. Figure AI는 밸류에이션이 18개월 만에 26억→390억 달러로 뛴 반면 BMW 공장 하나에서 시연 중. 단기적으로 버블 냄새가 나지만 장기적으로 소프트웨어 레이어에 대해서는 낙관적
- IPO 파이프라인: 2025년 IPO는 시작이었지 물꼬가 터진 건 아님. 2025년에 2억 달러 이상 라운드를 받은 후기 버티컬 기업들이 2026~2027년에 상장 여부를 결정해야 함. 근데 솔직히 2026년 IPO 내러티브는 Databricks, Anthropic, OpenAI 같은 수평적 인프라 기업이 지배할 가능성이 높다
- AI 방어력의 시험: 수평적 AI 도구가 각 산업의 표면적 작업을 점점 더 잘 해내고 있음. 버티컬 AI의 진짜 해자는 워크플로우, 규제, 산업 특화 데이터의 깊이에 있다. Harvey(리걸), Rogo(금융) 같은 초기 리더에 대해 OpenAI와 Anthropic이 이미 러브콜을 보내고 있음. 2026년을 정의할 버티컬 AI 스타트업들은 단기적 편리함이 아니라 장기적 해자를 진지하게 고민해야 한다


9️⃣ 그래서, 시사점

솔직히 이 리포트를 읽으면서 느낀 건, AI 생태계의 '무게중심 이동'이 숫자로 확인됐다는 것임. 2023~2024년까지는 "버티컬 AI가 뜰 것이다"라는 테제였다면, 2025년 데이터는 "이미 떴다"는 팩트를 보여준다.

그런데 여기서 한 발짝만 더 나가면, 좀 불편한 질문이 남는다. 새로 만들어지는 스타트업의 60%가 버티컬이라는 건 - 그만큼 경쟁도 치열해진다는 뜻이다. 시드가 5,000만 달러까지 뻥튀기된 환경에서 엑싯 중간값이 5억 달러라면, 수익률 수학은 생각보다 빡빡하다.

결국 이 게임에서 살아남을 기업은 두 가지 중 하나를 가진 곳일 거다. 해당 산업을 뼛속까지 아는 창업자(심장 전문의가 만든 임상 AI, 지붕 수리공이 만든 건설 테크처럼), 혹은 수평적 AI가 절대 따라올 수 없는 깊이의 데이터와 워크플로우 해자를 쌓은 곳.

(이걸 쓰면서 드는 생각 - 나도 '버티컬 AI가 대세다'라고 떠들면서 정작 내 사업의 해자가 뭔지는 제대로 정의 못 하고 있는 건 아닌지. 남의 리포트 정리하면서 반성하게 되는 이 아이러니.)

출처: Euclid Ventures, "The Vertical Report 2026 - Full Version" (Euclid Insights / The Verticalist)

요즘 회사마다 직원들한테 AI 좀 쓰라고 난리입니다. 문서 초안, 요약, 코드 디버깅... AI가 허드렛일 줄여주면 고부가가치 업무에 집중할 수 있다는 장밋빛 시나리오. 그런데 진짜 그렇게 되고 있나?

하버드 비즈니스 리뷰(HBR)에 실린 연구가 꽤 불편한 팩트를 꺼내놨습니다. 미국의 한 테크 기업(직원 약 200명)을 8개월간 추적 관찰한 결과, AI 도구가 일을 줄인 게 아니라 오히려 ‘강화(intensify)’시켰다는 겁니다. 직원들은 더 빠르게 일하고, 더 넓은 범위의 업무를 맡고, 하루 중 더 많은 시간을 일에 쏟았습니다. 누가 시키지도 않았는데요.

흥미로운 건, 이 회사가 AI 사용을 의무화하지 않았다는 점입니다. 구독만 제공했을 뿐인데 직원들이 자발적으로 더 많이 일하기 시작한 거죠. AI가 ‘더 하는 것’을 가능하게 만들어버리니까.

1. 업무 영역이 슬금슬금 넓어진다 (Task Expansion)

• AI가 지식의 빈 곳을 채워주니까, 원래 남의 일이던 영역에 손을 대기 시작합니다. PM이나 디자이너가 코드를 쓰고, 리서처가 엔지니어링 업무를 하고, 예전 같으면 외주 줬을 일까지 “나도 해볼까?” 하게 됩니다.

• 체감상 이건 ‘할 수 있는 일이 늘어난’ 느낌이라 당사자는 좋아합니다. 남에게 의존 안 해도 되고, 즉각적인 피드백도 받으니까. 그런데 이게 쌓이면? 원래 추가 인력을 뽑아야 했을 일을 혼자 다 흡수하게 됩니다.

• 부작용도 있습니다. 비개발자들이 AI로 ‘바이브 코딩’한 결과물을 엔지니어들이 리뷰하고, 고치고, 가르쳐줘야 하는 상황이 벌어집니다. 슬랙 쓰레드에서, 자리 옆에서 비공식적으로 발생하는 이 업무가 엔지니어들의 부담을 슬금슬금 키웁니다.

2. 일과 쉼의 경계가 녹아내린다 (Blurred Boundaries)

• AI는 시작의 마찰을 거의 없애버립니다. 빈 페이지 공포증? AI한테 한 줄만 던지면 뭔가 나오니까요. 그래서 점심시간에, 회의 중에, 파일 로딩 기다리면서 슬쩍 프롬프트를 던지게 됩니다.

• “퇴근 직전에 프롬프트 하나만 보내놓고 가자”는 습관이 생깁니다. AI한테 시켜놓고 나는 자리 비우면 되니까. 이게 ‘일’처럼 안 느껴지는 게 함정입니다.

• AI한테 말 거는 게 채팅하는 느낌이라, 저녁이나 이른 아침에도 자연스럽게 업무가 흘러들어옵니다. 나중에야 깨닫죠. “쉬는 시간에도 쉬는 게 아니었구나.” 업무가 사라지는 게 아니라 ‘대기(ambient)’ 상태로 항상 떠 있게 됩니다.

3. 멀티태스킹의 환상 (More Multitasking)

• AI가 백그라운드에서 돌아가니까, 수동으로 코드 쓰면서 동시에 AI가 대안 버전 뽑게 하고, 에이전트 여러 개 병렬로 돌리고, 미뤄뒀던 업무까지 부활시킵니다. “파트너가 생겼으니 이것도 해볼까”라는 심리입니다.

• 모멘텀이 생긴 느낌은 좋은데, 실상은 끊임없는 주의 전환과 AI 아웃풋 확인의 반복입니다. 열려 있는 태스크가 계속 늘어나고, ‘저글링하는 느낌’에서 벗어나질 못합니다.

• 시간이 지나면 속도에 대한 기대치 자체가 올라갑니다. 명시적으로 요구하지 않아도, 이미 그 속도가 ‘일상’이 되어버렸으니까. 자동화로 압박이 줄어야 하는데, 오히려 압박이 더 커진 거죠.

4. 자기강화 사이클의 덫

• 연구진이 발견한 핵심은 이 모든 게 ‘자기강화 순환(self-reinforcing cycle)’을 만든다는 겁니다. AI가 속도를 올리면 → 기대치가 올라가고 → AI 의존도가 높아지고 → 시도하는 업무 범위가 넓어지고 → 업무 밀도가 더 커집니다.

• 한 엔지니어의 말이 핵심을 찌릅니다. “AI로 생산성 올라가면 시간 아껴서 덜 일할 줄 알았는데, 실제로는 같거나 더 많이 일하게 됐다.”

• 이게 단기적으론 회사 입장에서 ‘공짜 생산성’처럼 보이지만, 자발적이고 재미있어 보이는 만큼 리더들이 직원들이 실제로 얼마나 과부하 상태인지 놓치기 쉽습니다. 장기적으로는 판단력 저하, 오류 증가, 번아웃으로 이어집니다.

5. 그래서 어떻게 해야 하나: ‘AI 프랙티스’

• 연구진은 개인의 자율 조절에 맡기지 말고, 조직 차원에서 AI 사용의 규범과 루틴을 만들라고 합니다. 이걸 ‘AI 프랙티스(AI Practice)’라고 부릅니다.

• 의도적 멈춤(Intentional Pauses): 중요 의사결정 전에 반론 하나, 조직 목표와의 연결 하나를 반드시 확인하는 절차를 넣는 겁니다. 속도를 늦추는 게 아니라, 과부하가 조용히 쌓이는 걸 막는 장치입니다.

• 업무 순서 조절(Sequencing): AI가 뱉어내는 아웃풋에 즉각 반응하는 대신, 자연스러운 구간별로 묶어서 처리합니다. 알림을 배치하고, 집중 시간대를 보호하는 식으로요.

• 인간적 접지(Human Grounding): AI와의 1:1 작업이 많아질수록, 사람 간의 짧은 대화와 성찰 시간을 의도적으로 확보해야 합니다. AI는 하나의 통합된 관점만 주지만, 창의적 통찰은 다양한 인간의 시각에서 나오니까요.

솔직히 이 연구 읽으면서 좀 뜨끔했습니다. 저도 요즘 claude code로 ‘바이브 코딩’하는 재미에 빠져서, 어어 하다가 밤 12시 넘긴 적이 한두 번이 아니거든요. AI가 일을 줄여주는 게 아니라, 일의 ‘시작 비용’을 제로에 가깝게 만들어버리니까, 멈출 타이밍을 스스로 못 잡는 겁니다.

AI 시대에 진짜 경쟁력은 AI를 얼마나 잘 쓰느냐가 아니라, 얼마나 잘 멈추느냐에 있을지도 모르겠습니다. 칼을 잘 쓰는 것도 중요하지만, 칼을 내려놓을 줄 아는 게 더 어려운 법이니까.

출처: Harvard Business Review, “AI Doesn’t Reduce Work—It Intensifies It” (Aruna Ranganathan & Xingqi Maggie Ye, 2026.2.9)

AI 일자리 위협론: "AI가 이 업무를 할 수 있으니까 위험하다"는 논리. 할 수 있다는 것과 실제로 하고 있다는 건 전혀 다른 얘기인데. Anthropic이 이번에 자사 Claude 사용 데이터를 통째로 분석해서 내놓은 결론은 이렇다. "대량 해고? 아직 안 일어나고 있다. 근데 젊은 사람들 채용문이 슬슬 좁아지는 건 보인다."

1️⃣ 10년째 틀리고 있는 AI 공포 예측

- "AI가 일자리를 삼킨다"는 공포, 체감상 2023년부터 매달 나오는 것 같은데, 이런 류의 예측은 역사적으로 성적표가 처참함
- 과거 '오프쇼어링 위기론'은 미국 일자리의 25%가 해외로 넘어간다고 했는데, 10년 지나고 보니 대부분 그 자리에 멀쩡히 있었음
- 미국 정부의 직업 성장 전망도 크게 다를 바 없었다. 과거 추세를 그냥 직선으로 쭉 긋는 것 이상의 예측력을 보여주지 못했음
- 산업용 로봇이 고용에 미친 영향조차 학자들마다 결론이 정반대. 기술이 노동시장에 미치는 영향을 예측하는 건 원래 이렇게 어려운 일임
- 문제의 핵심: 기존 연구 대부분이 '이론적으로 AI가 할 수 있는 업무'만 세고 있었다는 것. 실제로 쓰이고 있는지는 아무도 안 봤음

2️⃣ 그래서 Anthropic이 직접 만든 새 지표: "Observed Exposure"

- Anthropic은 아예 새로운 측정 방식을 들고나왔음. 이름은 'Observed Exposure(관측된 노출도)'
- 기존 방식이 "AI가 이 일을 할 수 있는가?"를 물었다면, 이건 "AI가 이 일을 실제로 하고 있는가?"를 묻는 것
- 3가지 데이터를 합쳤음: 미국 O*NET 직업 데이터베이스(800개 직업) + Claude 실사용 트래픽 데이터 + 기존 학술 연구의 이론적 노출도
- 여기서 영리한 장치가 하나 있는데, AI가 사람을 '보조'하는 용도는 가중치를 절반만 주고, 업무를 '통째로 자동화'하는 용도는 풀 가중치를 줌
- 왜냐하면, ChatGPT한테 이메일 문장 다듬어달라고 하는 것과, API로 고객 문의 응답을 자동 처리하는 건 노동시장에 미치는 임팩트가 완전히 다르니까

3️⃣ "할 수 있다"와 "하고 있다" 사이의 거대한 틈

- 이 연구에서 가장 눈길을 끄는 대목임. 이론과 현실의 갭이 생각보다 훨씬 크다
- 컴퓨터/수학 분야: 이론상 94%의 업무를 AI가 처리 가능 → 실제 커버리지는 고작 33%
- 사무/행정 분야: 이론상 90%가 AI 영역 → 역시 실제로는 훨씬 못 미침
- 왜 이런 격차가 생기냐? 법적 규제, 사내 소프트웨어와의 호환 문제, 사람이 반드시 확인해야 하는 단계, 조직 내 도입 속도 등 현실의 마찰력이 만만치 않음
- 예를 들어, "의사 처방전 승인" 업무는 이론적으로 AI가 속도를 2배 올릴 수 있다고 분류됐지만, 실제로 Claude가 그 일을 하고 있는 건 관찰된 적이 없음
- 솔직히, 이 간극 자체가 뒤집어 보면 거대한 기회이기도 함. 아직 AI가 손대지 못한 영역이 그만큼 넓다는 뜻이니까

4️⃣ 지금 당장 AI한테 가장 많이 잠식당하고 있는 직업들

- 1위: 컴퓨터 프로그래머 (74.5%) — 코드 작성·유지보수가 이미 대규모로 자동화 중
- 2위: 고객서비스 담당자 (70.1%) — 문의 응대, 주문 처리, 불만 접수가 API로 넘어가는 중
- 3위: 데이터 입력 담당자 (67.1%) — 문서 읽고 시스템에 입력하는 업무의 자동화
- 4위: 의무기록 전문가 (66.7%)
- 5위: 시장조사/마케팅 분석가 (64.8%)
- 이어서 영업 담당자(62.8%), 금융·투자 분석가(57.2%), 소프트웨어 QA(51.9%) 등
- 반면 전체 노동자의 30%는 AI 커버리지가 완전히 0%. 요리사, 바텐더, 인명구조원, 오토바이 정비사 같은 직업들. 몸으로 하는 일은 아직 AI의 영역 밖임

5️⃣ 반전: AI가 위협하는 건 저임금 노동자가 아니다

- 여기서 좀 불편한 진실이 나옴. AI에 가장 많이 노출된 직군이 흔히 생각하는 '취약 계층'이 아님
- AI 노출 상위 25%: 평균 시급 $32.69, 학사 이상 54.5%, 대학원 졸 17.4%, 기혼율 54.9%
- AI 노출 제로 그룹: 평균 시급 $22.23, 학사 이상 17.8%, 대학원 졸 4.5%, 기혼율 44.6%
- 고노출 그룹이 여성 비율 16%p 높고, 백인 비율 11%p 높으며, 아시안은 거의 2배
- 요약하면, 고학력·고임금 화이트칼라가 AI의 1차 타깃이라는 것. 과거 산업혁명 때 블루칼라가 먼저 타격받았던 것과 정반대 패턴임. 이 포인트는 좀 무겁게 받아들일 필요가 있다

6️⃣ 그래서 실업률은? 놀랍게도 "변화 없음"

- 2016년부터 2025년까지 미국 인구조사(CPS) 데이터를 분석한 결과, AI 고노출 직군의 실업률에 통계적으로 유의미한 변화가 없음
- ChatGPT 출시 전후를 비교해도, 고노출 그룹과 저노출 그룹 간 실업률 격차는 사실상 0
- 코로나 시기엔 오히려 AI 저노출 직군(대면 업무가 많은)이 실업률이 훨씬 더 튀었음
- 지금 이 시점에서 "AI 때문에 대량 해고가 일어나고 있다"는 주장은 데이터상 근거가 없는 상태

7️⃣ 다만, '조용한 문닫기'가 시작됐을 수 있다

- 전체 실업률은 멀쩡한데, 22~25세 젊은 층의 채용 데이터에서 수상한 움직임이 포착됨
- 2024년부터 AI 고노출 직종에 새로 들어가는 젊은 노동자 비율이 뚜렷하게 줄어들기 시작
- 저노출 직종의 월간 입직률은 2%로 꾸준한 반면, 고노출 직종은 약 0.5%p 하락
- ChatGPT 출시 이후 전체를 평균 내면, 고노출 직종 젊은 층 입직률이 약 14% 감소 (통계적 유의성은 간신히 걸치는 수준)
- 25세 넘는 사람들한테서는 이 현상이 안 나타남
- 기업의 전형적인 행동 패턴을 생각해보면 이해가 됨. 기존 직원을 내보내기 전에, 신규 채용의 수도꼭지를 먼저 잠그는 거니까. 해고 통계에는 안 잡히지만, 문이 좁아지고 있는 것

8️⃣ BLS 전망 데이터와 맞춰보니 패턴이 보인다

- 미국 노동통계국(BLS)의 2024~2034년 직업별 성장 전망과 비교했더니, AI 노출도가 높을수록 성장 전망이 어둡다는 상관관계가 나옴
- 노출도 10%p 올라갈 때마다 BLS 성장 전망이 0.6%p씩 하락
- 흥미로운 건, 기존 이론적 노출도만 가지고는 이 상관관계가 안 보인다는 것. 실사용 데이터를 결합해야 비로소 드러나는 패턴임
- 같은 고노출이라도 궤적은 천차만별: 소프트웨어 개발자는 노출도 높은데 성장 전망도 좋고, 고객서비스 담당자는 노출도도 높고 전망도 암울함
- 결국 AI가 어떤 직업을 '없애는지'보다 어떤 직업을 '재정의하는지'가 더 중요한 질문일 수 있다

9️⃣ 그래서 우리는 뭘 해야 하나

- "아직 대량 실업은 없다"가 "앞으로도 괜찮을 것이다"를 의미하지는 않음. 이 구분이 중요하다
- 젊은 층 채용 둔화는 탄광 속 카나리아일 수 있음. 작은 새가 먼저 쓰러지듯, 노동시장 진입자가 먼저 영향을 받고 있는 것
- 이 연구를 AI 회사인 Anthropic이 자기 데이터로 직접 했다는 점도 의미심장함. "우리 기술이 안전하다"고 주장하는 게 아니라, 측정 프레임워크를 선제적으로 깔아놓겠다는 태도
- 직장인·창업자가 지금 해야 할 건 딱 하나다. 내 업무 중 AI가 '이론적으로 할 수 있는' 부분이 아니라, '실제로 파고들고 있는' 부분이 얼마나 되는지 냉정하게 점검하는 것
- 프로그래머 커버리지가 74.5%인데도 소프트웨어 개발자 고용 전망은 여전히 밝다. 이건 AI가 직업을 없애는 게 아니라 '직업의 내용물'을 바꾸고 있다는 뜻이다. 같은 간판, 다른 일. 적응하는 사람한테는 기회고, 버티기만 하는 사람한테는 위기다

출처: Maxim Massenkoff & Peter McCrory, "Labor market impacts of AI: A new measure and early evidence" (Anthropic, 2026.3.5)

요즘 AI 거품론이 꽤 자신만만하게 돌아다닌다. "수백조를 쏟아부었는데 수익이 없다, 이건 전형적인 버블이다." 어디서 많이 들어본 얘기 같지 않나?

잠깐, 2009년으로 가보자. 그 해 맥킨지는 아주 진지하게 보고서를 냈다. 클라우드 컴퓨팅이 기업 자체 데이터센터보다 144% 비싸고, 대기업은 굳이 도입할 필요 없다고. 심지어 "환멸의 계곡(trough of disillusionment)"이라는 표현까지 썼다. 그 뒤로 클라우드는 조용히 600조 원 넘는 시장이 됐다.

지금 AI 버블론은 그 보고서의 복사본처럼 읽힌다. 다만 그때와 결정적으로 다른 게 하나 있다. AI는 철도가 아니라는 거다. 철도는 새 노선을 깔 때마다 땅을 파고 레일을 놓는다. 돈이 물리적으로 따라온다. 그런데 AI는? 엔진 만드는 게 비쌌지, 거기에 연결하는 건 API 하나, 프롬프트 몇 줄, 코드 몇 십 줄이면 된다. 트렌치 안 판다. 소프트웨어를 복사한다.

이 차이를 놓치면, 비용 곡선이 완전히 다른 두 산업을 같은 자로 재는 실수가 된다.


1. 엔진은 이미 만들어졌다. 이제 연결 비용이 거의 0에 수렴하고 있다

• Epoch AI 연구 기준, AI 추론(inference) 비용은 연간 9배에서 최대 900배까지 하락 중이다. 2024년 이후 중위값 하락 속도가 연 50배에서 200배로 오히려 빨라졌다.
• Stanford AI Index는 GPT-3.5급 성능 비용이 18개월 만에 토큰당 $20에서 $0.07로 내려왔다고 분석했다. 280배 하락이다.
• 돈이 이미 움직이고 있다. Menlo Ventures 2025 보고서에서 기업들의 생성형 AI 지출이 370억 달러로 3배 뛰었는데, 절반 이상이 인프라가 아닌 '애플리케이션'으로 흘러갔다.
• Adobe는 분기 AI 단독 매출 1억 2,500만 달러. Zendesk는 AI 처리 티켓 한 건당 $1.50 과금. 둘 다 새 모델 하나 안 만들었다.

새 철로 깔 필요 없이, 기존 선로에 열차만 계속 더 올리면 되는 구조다. 이게 지금 일어나는 일이다.


2. 우리는 지금 '메인프레임' 시대에 있다. PC가 코앞이다

• McKinsey 2025 서베이 기준, AI를 하나 이상의 비즈니스 기능에 쓰는 조직 비율이 2017년 20%에서 2025년 88%로 껑충 뛰었다. 3분의 2는 이미 여러 부서에서 쓴다.
• 지금의 OpenAI, Anthropic, Google 같은 프론티어 모델들은 1970년대 메인프레임에 해당한다. 기술이 뭘 할 수 있는지 증명하는 역할은 끝냈다.
• 컴퓨팅이 메인프레임에 머물지 않았듯, AI도 중앙집중형에 머물지 않는다. 더 작고, 더 특화되고, 더 업무에 밀착된 모델들이 퍼져나가는 PC 시대가 막 시작됐다.
• 확산 방향이 '더 크게'가 아니라 '더 넓게'로 바뀌고 있다. HR, 법무, 마케팅, 재무, 운영 전 영역으로 측면 침투 중이다.

Wall Street는 메인프레임 시대를 보면서 컴퓨팅의 미래를 그리려 한다. PC가 코앞에 와 있다는 걸 못 보고 있는 채로.


3. 2025년 말, 임계점을 조용히 넘었다

• 이제 "흥미로운 데모"와 "실제 매출 만드는 워크플로우" 사이의 경계가 넘어섰다는 평가가 나온다. 이게 버블 질문에 있어 전부다.
• AI 코딩이 첫 번째 킬러 유즈케이스다. 기업 지출 40억 달러, 개발자 절반이 매일 AI 툴을 쓴다. 하지만 이건 그냥 1번 타자다.
• 다음 타자들이 빠르게 따라온다. 고객 서비스 자동화, 문서 처리, 컴플라이언스 모니터링, 세일즈 인텔리전스, 임상 문서화.
• Morgan Stanley는 LLM의 가장 큰 미개척 기회가 콘텐츠 생성이 아니라 '기업 데이터에 대한 AI 추론', 즉 맥락 기반 전략 의사결정에 있다고 짚었다.

설비 투자가 수익으로 전환되는 그 순간을 질적 임계점이라 부른다면, 우리는 지금 그 안에 들어서 있다.


4. 분산화를 가속할 도구들이 조용히 만들어지는 중이다

• 모델 스위칭과 라우팅: 인보이스 필드 추출이나 지원 티켓 분류에 굳이 GPT-4급 두뇌가 필요 없다. 지능형 라우팅만으로 다수 엔터프라이즈 워크로드의 추론 비용을 한 자릿수 배율로 낮출 수 있다.
• 오픈소스 성숙: 2025년 한 해 동안 OpenRouter 기준 추론 제공사가 27개에서 90개로 3배 이상 늘었다. 인기 오픈소스 모델 제공사만 20개가 넘는다. 이제 진짜 가격 경쟁이 붙었다.
• Small Task Model: 핵심은 여기다. 특정 워크플로우에 최적화된 소형 모델을 직접 만드는 방향이다. 실제로 4B 파라미터 모델을 특정 CRM 업무에 훈련시켰더니 프론티어 모델보다 성능이 나왔다. 운영 비용은 공짜 수준이었다고. 이 패턴이 수천 개의 기업 워크플로우에 복제되면, 시장의 진짜 모습이 보이기 시작한다.


5. GPU 감가상각 논리, 추론 혁명을 통째로 빼먹었다

• "비싼 GPU가 수익 내기 전에 가치가 떨어진다"는 주장, 표면적으로 그럴듯하다. 그런데 이건 칩 생태계가 지금 이 상태로 굳어 있다는 가정이 전제된 얘기다.
• NVIDIA의 Groq 인수, 구글 TPU, 아마존 Trainium, 마이크로소프트 Maia, 그리고 이제 막 쏟아지는 엣지 NPU들. 2년 후 칩 환경은 지금과 전혀 다른 모습일 가능성이 높다.
• 구조적으로 보면, AI 추론이 2~3년 내 전체 AI 워크로드의 80%를 차지한다. 그 추론의 75%는 오픈소스나 소형 특화 모델이 담당한다. 프론티어 모델 몫은 25% 정도에 그친다는 게 이 분야 분석의 큰 그림이다.

버블에 대한 모든 경제 예측이 지금 프론티어 모델 훈련 비용 기준으로 만들어지고 있다. 하지만 그 프론티어 모델들이 결국 소수 케이스로 남게 된다는 사실은 계산에 빠져 있다.

버블이 있다면, 작은 버블이다. 그리고 조용히 꺼질 가능성이 높다. 진짜 이야기는 그 다음에 온다.

출처: Rob May, "What The AI Bubble Talk Misses: The Declining Marginal Cost of Additional Use Cases", Investing in AI Newsletter, Feb 28, 2026

2028년 6월 시점에서 과거를 되돌아보는 가상의 매크로 메모. S&P 500은 고점 대비 38% 폭락, 실업률 10.2%. AI는 모든 기대를 초과 달성했는데 경제는 망가져 있다. 왜? 핵심은 한 줄이다. "기계가 재량소비에 쓰는 돈이 얼마냐?" 0원이다. GPU 클러스터 하나가 맨해튼 화이트칼라 1만 명분의 아웃풋을 뽑아내는 건, 경제적 만병통치약이 아니라 경제적 팬데믹에 가깝다.


1. 🔥 50만 달러짜리 SaaS를 몇 주 만에 복제하는 세상

- 2025년 말, 에이전틱 코딩 도구 성능이 계단식으로 뛰어오름
- CIO들이 연간 50만 달러 계약 갱신을 앞두고 "우리가 직접 만들면?"이라는 치명적 질문을 던지기 시작
- Fortune 500 구매담당자가 "Palantir 엔지니어 불러서 AI로 대체하겠다"고 벤더 협박. 30% 깎아서 갱신. 그게 좋은 결과였다고 함
- ServiceNow 2026년 3분기: 신규 ACV 성장률 23%→14% 급락, 15% 감원, 주가 18% 추락
- SaaS가 죽은 건 아님. 다만 자체 구축이 '옵션'이 된 순간, 협상 테이블이 완전히 뒤집어짐
- 고객이 AI로 직원 15% 줄이면 라이선스도 15% 취소. 워크플로우 자동화를 파는 회사가 더 나은 자동화에 파괴당하는 코미디


2. 🛒 마찰이 사라지자 중개업 전체가 비명을 지르다

- 2027년 초, AI 에이전트가 뭔지 모르는 사람들이 이미 에이전트를 쓰고 있었음. 자동완성처럼 그냥 폰이 하는 일이 됨
- 미국인 1인당 하루 토큰 소비 40만 개. 3개월 만에 10배 폭증
- 에이전트가 구독 자동 해지, 보험 최저가 탐색, 시험 기간 후 가격 인상 차단까지 알아서 처리
- 여행 플랫폼 초기 붕괴. 에이전트가 항공+호텔+교통+환불까지 원스톱 처리하면서 중개 플랫폼의 존재 이유 증발
- 부동산 수수료 3%→1% 이하로 압축. 매수 측 인간 에이전트 없이 거래 성사 급증
- 체감상 가장 뼈아픈 통찰: 사람들이 '관계'라고 불렀던 것의 상당수가 사실은 '친절한 얼굴을 한 마찰'이었음
- DoorDash의 해자는 "배고프고, 귀찮고, 홈 화면에 있는 앱"이었는데, 에이전트한테는 홈 화면이라는 개념 자체가 없음


3. 💳 카드 수수료 2~3%가 에이전트의 먹잇감이 되다

- 에이전트 간 거래 확대 → 2~3% 카드 수수료가 즉각 타겟
- Solana·이더리움 L2 스테이블코인으로 우회. 거래비용 0.01달러
- Mastercard 2027년 1분기: 결제 볼륨 성장 5.9%→3.4% 급감. 다음 날 주가 9% 하락
- American Express가 최악. 화이트칼라 감원으로 고객층 축소 + 수수료 우회로 매출 모델 이중 타격
- 이 회사들의 해자는 마찰로 만들어진 거였는데, 마찰이 제로로 수렴 중


4. 🌀 브레이크 없는 악순환 - 모든 회사가 합리적으로 행동한 결과가 재앙

- AI 향상 → 감원 → 절감액으로 AI 추가 도입 → AI 재향상 → 추가 감원. 반복
- 이건 CapEx가 아니라 OpEx 대체. 직원 1억+AI 1천만 쓰던 회사가 직원 7천만+AI 2천만으로 전환. AI 예산은 늘고 총비용은 줄어듦
- 그래서 경기가 나빠져도 AI 투자는 안 멈춤. 모든 회사의 AI 예산이 커지면서 전체 지출은 줄어드는 역설
- NVIDIA는 사상 최대 매출, TSMC 가동률 95%+. AI 인프라가 파괴 중인 경제 위에서 번영하는 기묘한 공존
- 보통 경기침체는 자기 교정 장치가 있음. 이번엔 원인이 비순환적이라 브레이크 자체가 없다


5. 📉 18만 달러 PM → 우버 드라이버, 이걸 수십만 명 단위로 곱하면

- 화이트칼라 = 미국 고용의 50%, 재량소비의 75%
- Salesforce 수석 PM이 세 번째 감원에서 해고. 8개월 구직 끝에 우버 운전. 연봉 18만→4.5만
- 과잉 자격 인력이 서비스·긱 경제에 쏟아지면서 기존 저임금 노동자 임금까지 압박. 특정 섹터 문제가 경제 전체 임금 압축으로 전이
- 아직 해고 안 된 사람들도 "다음은 나" 공포에 소비 축소. AI 도움받아 두 배 일하지만 승진·인상 전망은 제로
- 소득 상위 10%가 전체 소비의 50% 이상 담당. 이들이 직장을 잃거나 50% 감봉당하면 재량소비 타격이 비대칭적으로 거대
- 2027년 3분기 신규 실업수당 48.7만 건, 2020년 4월 이후 최고. 환상이 깨지는 순간


6. 🏚 13조 달러 모기지의 균열 - 2008년과는 완전히 다른 공포

- 모기지 심사의 기본 전제: "차입자가 현재 소득을 30년간 유지"
- 2008년에는 대출 자체가 처음부터 부실. 2028년에는 대출 시점에 완벽했음. FICO 780+, 20% 다운, 소득 증빙 완비. 다만 대출 이후에 세상이 바뀜
- 보이지 않는 스트레스: HELOC 인출, 401(k) 조기 인출, 카드 부채 급증... 그러면서도 모기지 상환은 계속 유지. 연체는 아닌데 한 방이면 무너지는 상태
- 샌프란시스코 집값 -11%, 시애틀 -9%, 오스틴 -8% YoY
- 아직 본격적 위기는 아님. 하지만 궤적이 문제


7. 💣 "영구 자본이니 안전하다"던 프라이빗 크레딧의 민낯

- 프라이빗 크레딧 2.5조 달러 중 상당액이 SaaS·테크 LBO에 투입. ARR이 영원히 반복된다는 전제로
- Zendesk가 상징적 폭발. 102억 달러 인수, 50억 달러 ARR 기반 대출. AI 고객서비스 자동화에 ARR이 더 이상 '반복'되지 않게 되면서 역대 최대 소프트웨어 디폴트
- "영구 자본" = 사실은 Apollo-Athene, KKR-Global Atlantic 등이 보험사를 사서 연금·보험 예치금을 프라이빗 크레딧에 넣는 구조. 잠긴 자본의 정체가 미국 가계의 노후 자금
- 버뮤다·케이먼 역외 재보험사까지 얽히면서 손실 부담 주체가 실시간 파악 불가
- 연준 의장의 표현: "화이트칼라 생산성 성장에 대한 상관된 베팅의 데이지 체인"


8. 🏛 세수는 줄고 지출은 늘어야 하는 정부의 불가능한 방정식

- 연방 세수의 본질 = 인간 노동 시간에 대한 세금. 그런데 노동이 줄어들고 있음
- GDP 대비 노동분배율: 1974년 64% → 2024년 56%(40년 하락) → AI 이후 4년 만에 46%. 역대 최대 낙폭
- 생산은 일어나는데 가계를 안 거침. IRS도 안 거침. 순환 흐름이 깨짐
- COVID 때 15% 적자재정이 가능했던 건 '일시적'이라는 전제. 지금은 계속 개선되는 기술에 의한 구조적 대체
- AI 추론 컴퓨트 과세, 공유 AI 번영법 등 논의 중이나 정치적 교착. Occupy Silicon Valley 시위대가 Anthropic·OpenAI 사무실 3주 봉쇄


9. 🧠 200년 만에 깨지는 공식 - "기술이 없앤 일자리보다 더 많이 만든다"

- ATM이 은행 지점을 늘렸고, 인터넷이 여행사를 죽였지만 새 산업을 만들었음. 다만 모든 신규 일자리에는 그걸 수행할 인간이 필요했음
- 이번엔 다름. AI가 인간이 재배치될 바로 그 업무에서 이미 더 나은 성능을 보여줌
- Claude 에이전트가 18만 달러짜리 PM 업무를 월 200달러에 수행
- 역사상 처음으로, 경제에서 가장 생산적인 자산이 일자리를 늘리는 게 아니라 줄이고 있음
- 누구의 프레임워크도 안 맞음. 희소했던 투입 요소가 풍부해진 세상을 위한 설계도는 아직 없음


10. 🕯 그런데 지금은 2028년이 아니다

- S&P는 사상 최고치 근처. 피드백 루프는 아직 시작 전
- 투자자로서 — 내 포트폴리오가 이번 10년을 못 버틸 가정 위에 얼마나 서 있는지 점검할 시간이 있음
- 카나리아는 아직 살아 있다

과거 신규 일자리는 항상 그걸 할 인간을 필요로 했다. 지금의 AI는 인간이 재배치될 그 자리에서도 이미 더 잘하고 있다. 카나리아가 살아있을 때 읽어야 하는 글.

출처: Citrini Research & Alap Shah, "THE 2028 GLOBAL INTELLIGENCE CRISIS - A Thought Exercise in Financial History, from the Future" (2026.2.23)

전 a16z 파트너 베네딕트 에반스가 Stratechery 벤 톰슨과의 인터뷰에서 AI 업계의 착각들을 하나하나 해부했다.


1. 💀 "AI면 중간관리자도 개발자?" - 이건 환각이다

- 맞다, AI 덕에 소프트웨어 만드는 비용이 10~100배 싸졌다. 여기까진 사실이다
- 근데 여기서 "그러니까 아무나 자기 업무용 앱을 만들면 되잖아"로 점프하는 순간, 망상의 영역이다
- 영국판 오피스에 나오는 그 답답한 중간관리자한테 "경비처리 시스템 설계해봐"라고 시키면 어떻게 될지 상상해보라
- 소프트웨어의 진짜 정체는 코드가 아니다. 누군가 "이 업무는 이 순서로 이렇게 처리하는 게 맞다"고 머리 싸매고 설계한 워크플로우, 그 자체가 소프트웨어다
- 미국 대기업이 평균 350~450개 SaaS 앱을 쓴다. 미친 숫자 같지만, 결혼식 하객 리스트 짜듯이 하나씩 세보면 HR 교육 툴, 컴플라이언스 툴, 채용 툴... 금방 400개를 넘긴다
- 에반스의 한 마디: 그 400개 SaaS 앱은 전부 "thin SQL wrapper"다. 틴더와 힌지도 결국 같은 DB 위의 소셜 네트워크다. 그런데 둘은 전혀 다른 제품이다. 왜? 코드가 아니라 그 위에 쌓인 도메인 지식, 설계 철학, go-to-market이 다르니까


2. 🏢 AI 시대에 1인 기업 대세? 정반대일 수도 있다

- 인터넷 등장했을 때도 "분산의 시대가 온다"고 했다. 실제론? 구글·아마존·메타 같은 괴물이 태어났다. 공급이 무한해지니까 오히려 정리해주는 놈이 왕이 된 것
- AI도 같은 반전이 올 수 있다. "누구나 1인 기업 가능"이라는 장밋빛 전망이 있지만, 한 발 더 들어가보면 이야기가 달라진다
- 기업 규모를 제한하는 건 '조정 비용'이다. 사람이 너무 많으면 자기 발에 걸려 넘어지는 것. 근데 AI가 이 조정 비용을 확 줄여버리면? 오히려 상상 못할 규모의 초거대 기업이 나올 수도 있다
- 에반스가 반쯤 농담으로 소련 얘기를 꺼낸다. 60~70년대 소련의 중앙계획경제가 메인프레임으로도 못 했던 걸, LLM으로는 할 수 있을까?
- 좀 더 현실적인 시나리오: 회의록 AI 자동 기록 + 전사 이메일 분석 + 캘린더 통합. 이게 합쳐지면 회사가 처음으로 "우리 내부에서 대체 무슨 일이 벌어지고 있는지" 파악하는 시대가 열린다. CRM이 처음 영업 프로세스를 가시화했을 때의 그 임팩트를 떠올려보라


3. 🪂 OpenAI는 지금 '화물 숭배' 중이다

- 에반스가 꺼낸 비유가 잔인할 정도로 정확하다. 태평양 전쟁이 끝나고 미군이 떠난 뒤, 원주민들이 빈 활주로에서 깃발 올리고 경례하면 보급 비행기가 다시 올 거라 믿었다. 이게 '화물 숭배(Cargo Cult)'다
- 메타에서 건너온 사람들이 OpenAI에서 하는 짓이 딱 이거다. "플랫폼이 되려면? 앱스토어 만들자. 개발자 컨퍼런스 열자. 광고 붙이자." 그런데 앱스토어가 원래 해결하던 그 문제가 지금은 존재하지 않는다
- 샘 올트먼이 빌 게이츠를 인용하며 "우리가 AI의 윈도우"라고 했는데, 에반스의 반격: "너네는 윈도우가 아니라 AWS다." 로펌이 법률 소프트웨어 쓸 때 AWS 계정으로 로그인 안 하듯, AI 도구를 OpenAI 계정으로 쓰지도 않는다
- LLM 모델은 근본적으로 commodity다. 파워유저는 "이건 코드에 강하고 저건 이미지에 강하다"를 구분하지만, ChatGPT 유저 80~90%는 주 1~2회 사용자다. 습관이 형성 안 된 9억 명이 있는 것
- 광고 모델의 치명적 역설: 주 1회 쓰는 무료 유저한테서는 의미 있는 데이터가 안 쌓이고, 자주 쓰는 사람은 유료 구독자라 광고가 없다. 광고가 잘 되려면 많이 써야 하는데, 많이 쓰면 돈 내고 광고 안 본다. 이 꼬인 구조를 어떻게 풀 건지 아무도 답을 못 내고 있다


4. 🧠 "LLM이 맥킨지를 대체한다"고? 맥킨지가 뭐 하는 데인지 알고 하는 소리인가

- LLM은 인터넷에 올라온 '완성품'으로 학습했다. 그 결과물이 왜 만들어졌는지, 어떤 내부 논의를 거쳤는지, 의사결정의 맥락은 전혀 모른다
- 세일즈포스 안에 뭐가 있는지, 마스터카드 거래 패턴이 뭔지, 아마존 내부 데이터가 뭔지 — LLM은 공개 API 문서 수준 이상은 모른다
- "LLM이 맥킨지 컨설턴트를 대체할 것"이라는 주장에 에반스가 일갈: 맥킨지 사업은 슬라이드 만드는 게 아니다. 슬라이드는 산출물이지, 그게 당신이 맥킨지를 고용하는 이유가 아니다
- 반면 LLM만의 고유한 무기도 있다. 아마존은 포장테이프와 뽁뽁이를 같이 사는 패턴은 알지만, 그 사람이 이사하는 중이라는 건 모른다. SKU 번호만 알지 물건이 뭔지 '이해'하지 못하기 때문. LLM은 이론적으로 데이터 없이도 그 맥락을 안다
- 아마존에서 변기 시트 하나 사면 변기 시트를 계속 추천하는 건 오래된 농담이다. "아무도 변기 시트를 5개 수집하지 않는다"는 건 빈도 분석만으로 해결할 문제인데, 아마존은 아직도 못 한다. LLM은 이걸 상식으로 안다


5. 🔮 지금 AI로 하는 일의 절반은 3줄 메모를 이메일로 늘리는 것이다

- 기술의 파괴와 가치 창출은 시차가 있다. 파괴가 먼저 오고, 새로운 가치는 한참 뒤에 온다
- 페이스북 매출 폭발은 신문 광고가 이미 전멸한 한참 뒤였다. '피드'라는 UI가 발명된 것도 인터넷 등장 후 15년이 지나서다
- 에반스의 표현이 웃기면서 아프다: AI의 절반은 3줄짜리 메모를 이메일로 뻥튀기하는 것이고, 나머지 절반은 이메일을 3줄 요약으로 압축하는 것. 그리고 더 정확하게 말하면, AI의 절반은 3줄 메모를 300개 광고로 만드는 것이고, 나머지 절반은 "근데 그 광고 누가 보는 건데?"다
- 인스타그램은 플리커의 모바일 앱이 아니었다. 스냅챗은 인스타그램과 달리 터치스크린 자체를 활용했다. 진짜 AI 네이티브 경험은 그런 수준의 도약이 필요한데, 아직 아무도 거기 도달 못 했다
- 솔직히 말하면, 지금 LLM을 만드는 사람들은 구조적으로 그 답을 못 찾을 수 있다. 새 패러다임은 기존 패러다임에 갇히지 않은 23~24살 하버드 중퇴생 같은 인간들이 만들어왔다. 이번에도 그럴 가능성이 높다


6. 📱 스마트폰을 대체하겠다고? 솔직히 좀 닥쳐라

- 에반스가 직접 한 표현이다. "ChatGPT 안에서 앱이 돌아갈 거라고? Shut the f**k up."
- 누군가 강아지 사진 보내면 나는 그걸 봐야 한다. 화면이 필요하다. 화면이 있으면 앱이 필요하다. 우버, 왓츠앱, 인스타카트 - 이 생태계를 손짓 한 번으로 없앨 수는 없다
- 휴메인(Humane)의 AI 핀이 실패한 이유가 정확히 이거다. 폰을 대체하겠다는 비전은 현재로선 성립하지 않는다
- 현실적 경로는 '스마트폰 액세서리'다. 애플워치처럼. 근데 액세서리라고 인정하는 순간, 게임의 성격이 완전히 달라진다
- 윈도우 폰 시절에 "중요한 앱은 다 있다"고 우겼던 사람들 - 우버조차 윈도우 앱이 없었다
- OpenClaw 같은 오픈소스 AI 어시스턴트? 기대감은 크지만, 세일즈포스 연동해서 인포그래픽 만들어달라고 했더니 캘린더 일정을 전부 삭제해버리는 게 현실이다. 13글자 넘는 이름을 가진 사람의 일정을 싹 날려버릴 수도 있다. 커맨드라인에서 도는 재밌는 프로젝트와 수십억 명이 쓸 제품 사이의 거리는, 체감상 우주급이다


7. 💡 결국 이거다

- "AI 시대에 소프트웨어가 죽는다"는 질문 자체가 틀렸다. 소프트웨어는 코드가 아니라 '제도화된 판단'이다. AI가 올수록 그 판단의 가치는 오히려 더 올라간다
- 다만 시장이 그걸 인정할지는 별개 문제다. 마이크로소프트가 2001~2015년 동안 천문학적 수익을 냈지만 주가는 15년간 40달러에서 꿈적도 안 했다. SaaS 업계의 미래가 이럴 수 있다
- OpenAI의 진짜 위기: 모델은 commodity인데 product-market fit은 없다. 체감상 이걸 자각하고 있는 것 같은데, 해결책으로 내놓는 게 전부 다른 회사에서 10년 전에 했던 걸 따라하는 것이다
- AI의 진정한 가치 창출은 우리가 지금 상상하는 것과 전혀 다른 모습일 것이다. 그리고 그건 시간이 필요하다. 얼마나? 체감상, 꽤 오래

출처: Ben Thompson, "An Interview with Benedict Evans About AI and Software", Stratechery, 2026년 2월 5일

2022년 금리 인상 때와는 차원이 다르다. 그때는 매크로가 문제였지, SaaS 자체가 의심받진 않았다. 지금은 다르다. AI가 SaaS의 존재 이유 자체를 흔들고 있고, 시장은 이 공포에 무차별적으로 반응하고 있다. 솔직히 말하면, 이번엔 바닥이 어딘지 아무도 모른다.


1. 📉 2026년 SaaS 대학살의 현주소

- BVP 클라우드 인덱스 기준, SaaS 주가가 역사적 저점 수준으로 추락 중임
- 2월 첫째 주 화요일, Anthropic의 신제품 발표 하나가 방아쇠를 당김. SaaS 종목에서 수천억 달러 시총이 하루 만에 사라짐
- 기묘한 건, S&P나 나스닥 같은 다른 지수는 괜찮다는 것. 매크로가 아니라 SaaS만 골라서 맞고 있음
- SaaS 멀티플이 역사적 최저치까지 압축됨. Jefferies 2월 보고서 기준


2. 🔄 2022년과 뭐가 다른가

- 2022년 SaaSacre는 금리 인상이라는 매크로 이벤트가 원인이었음. 전체 시장이 같이 빠졌고, SaaS 기업들의 펀더멘탈(성장률, NRR 등)은 멀쩡했음
- 2026년은 정반대. 매크로는 양호한데 SaaS만 빠지고, 성장률과 NRR 같은 기초체력 지표도 동반 하락 중
- 체감상 가장 큰 차이는 속도. 2022년은 급락 후 반등 기대가 있었지만, 지금은 ChatGPT 출시 이후 천천히, 그러나 확실하게 진행돼 온 구조적 심리 변화의 결과임


3. 🤖 공포의 핵심: AI가 SaaS를 어떻게 죽이나

- AI 네이티브 플레이어들이 고객지원, GTM 툴링, 콘텐츠 생성, 코딩 영역에서 기존 SaaS를 빠르게 대체 중
- AI 에이전트가 워크플로우 자체를 압축해버림. 여러 SaaS를 넘나들며 클릭하던 과정이 챗박스 하나로 끝남. UI 중심 SaaS에겐 치명적
- 사티아 나델라가 던진 화두가 핵심. 앱이란 결국 CRUD 데이터베이스 위의 비즈니스 로직 GUI일 뿐이고, 에이전틱 레이어가 이걸 통째로 대체할 수 있다는 것. CRM, ERP 같은 레거시 시스템이 가장 큰 타격을 받는 중


4. 🏗 "사지 말고 만들자"의 시대

- 바이브 코딩 툴의 등장으로 소프트웨어 개발 비용이 사실상 제로에 수렴
- 기업들이 서드파티 SaaS를 사는 대신, 사내에서 맞춤형 소프트웨어를 직접 만드는 쪽으로 기울기 시작
- 특히 단순한 포인트 솔루션일수록 "그냥 우리가 만들지 뭐" 심리가 강해지고 있음
- 경쟁자 진입장벽도 같이 낮아지니, 더 싸고 더 많은 대안이 쏟아져 나올 수 있음. 기존 SaaS 입장에선 가격 압박과 이탈률 동시 상승이라는 악몽


5. 📊 성장 곡선이 꺾이고 있다

- SaaS 시장 자체가 S커브 성숙기에 접어들면서 성장 둔화는 이미 진행 중이었음
- 여기에 AI가 기름을 부음. 기업들의 신규 IT 예산이 AI 네이티브 벤더로 몰리고 있음
- AI에 올인하지 않는 기업들도 "차세대 솔루션이 뭘 보여줄지 일단 지켜보자"며 기존 SaaS 지출을 보류하는 추세
- AI 네이티브 기업들의 성장 속도와 제품 개발 속도가 기존 SaaS와 비교 자체가 안 됨. 인컴번트들이 뒤처져 보이는 건 당연한 수순


6. 💰 수익성도 안전하지 않다

- AI를 제품에 탑재해도 컴퓨팅 비용, 모델 API 비용 때문에 매출총이익률이 구조적으로 낮아짐. 기존 클라우드 SaaS의 고마진 시대가 흔들리는 것
- AI 인재 확보 전쟁으로 주식보상비(SBC)가 급증. Avenir 보고서에 따르면 SBC 오버행이 장기 수익성을 갉아먹는 수준까지 왔음
- Goldman Sachs에 따르면, 기존 SaaS 카테고리에 AI 에이전트가 본격 침투할수록 인컴번트의 잠재적 시장가치가 줄어들 것으로 전망


7. 🪑 시트당 과금 모델의 종말

- SaaS 과금의 근간이었던 시트 기반 프라이싱이 위협받고 있음
- AI 에이전트가 화이트칼라 업무 상당 부분을 처리하면, 소프트웨어를 쓰는 '사람 수' 자체가 줄어듦. 과금 기반이 무너지는 셈
- AI 네이티브 기업들은 처음부터 성과 기반, 소비 기반 과금을 채택. 레거시 SaaS가 여기에 맞춰 과금 모델을 바꾸는 건 현실적으로 쉽지 않음
- SEO 중심의 고객 획득 전략도 먹히지 않기 시작. 소비자들이 제품 검색과 추천을 LLM에 의존하면서, 기존 디지털 마케팅 채널의 효과가 떨어지고 있음


8. 🏦 투자자들의 엑소더스

- 위의 모든 리스크가 합쳐진 결과, 투자자들이 SaaS에 적용하는 터미널 밸류, FCF 전망치, 할인율 가정이 전부 하향 조정됨
- 모델링 불확실성 자체가 너무 커서 아예 SaaS 카테고리를 리스크오프 하는 투자자도 늘고 있음
- 자본이 SaaS에서 빠져나가 AI 인프라, 반도체, 에너지 쪽으로 로테이션 중
- 급락이 급락을 부르는 악순환. 스탑로스 트리거, 패닉 셀링이 연쇄적으로 발생


9. 🔮 이번엔 바닥이 안 보인다

- 2022년에는 "금리가 안정되면 반등한다"는 명확한 트리거가 있었음
- 2026년엔 그런 게 없음. AI가 SaaS에 가하는 압력이 구조적인 건지 아니면 일시적 과잉 반응인지조차 시장이 판단하지 못하고 있음
- 비관론이 무차별적으로 퍼지면서, 실제로 AI 위협이 크지 않은 SaaS 기업들까지 디레이팅 당하는 중
- 한때 가장 예측 가능한 비즈니스 모델로 칭송받던 SaaS가, 자기 미래의 지속 가능성을 스스로 증명해야 하는 처지가 됐음


여기서 한 발짝 물러나 생각해보면, 이건 SaaS만의 문제가 아님. AI가 소프트웨어 산업의 가치 사슬 전체를 재편하는 과정에서 벌어지는 일이고, 그 과정에서 구조적 변화와 단기 공포가 뒤섞여 있음. 진짜 문제는 이 둘을 구분할 수 있는 사람이 지금 시장에 거의 없다는 것.

SaaS에 투자하고 있거나, SaaS 기업에서 일하거나, SaaS 기업을 만들고 있다면 지금이 가장 냉정하게 현실을 직시해야 할 타이밍이다. "AI가 SaaS를 죽인다"는 한 줄짜리 공포에 매몰될 게 아니라, 내가 속한 카테고리에서 AI 압력이 구조적인지 순환적인지를 스스로 판단해야 한다. 그 판단이 앞으로의 생존을 가른다.

출처: Janelle Teng Wade, "The SaaSacre of 2026" (Feb 7, 2026)

1. 내가 정기적으로 페북과 링크드인에 올리는 포스팅의 원 소스는 대부분 최신 해외 뉴스와 아티클들. 하루 평균 20~30개를 받아 구글 지메일 별도 폴더에 자동으로 아카이빙. 틈날 때 마다 일일이 읽고 쓸만한 글들은 따로 저장. (instapaper라는 앱을 사용해, Startup, VC/AC/Studio, AI/Tech, 창업가/Biz, HR/Caree/Life 로 카테고리 별로 분류해 저장)

이 중에서 요일별-카테고리별로 포스팅에 쓸만한 글 선별, 작성.

2. 그런데 요 몇 주 한국에서 출장 온 손님들도 많았고, 벌여놓은 일들도 수습하느라 뉴스레터 정리를 못했더니 무려 500개가 넘게 쌓였다. 이거 정리하는 것도 일이고, 앞으로도 계속 비슷한 일이 발생할 듯하여 대책 마련이 시급했다. 그래서 되던 안되던 일단 claude code와 bkit를 기반으로 내 로컬 컴퓨터에 만들어 놓은 만능간장(AI-driven work system)에 현재 상황을 설명하고 대책을 문의.

3. 오...일단 안된다거나 힘들다고 한 발 빼는 휴먼과 달리, 이놈은 뭐든 다 되니 시켜만 달라며 프롬프트가 이글이글 타오른다. 그래서 또 다시 ‘이경영’ 회장님 모드로 ‘진행시켜!’ 한 마디를 입력했더니, 지 혼자 뭘 막 주저리 주저리 쓰기 시작한다. 그러다가 종종 Y,N를 물어보길래 무조건, 무조건이야~후렴구를 부르며 Y 클릭.

4. 이게 지메일 정리하는 거라 그런 지, 로컬에서 만든걸 Google Apps Script 라는 곳에 복제해 클라우드에서 돌린다 (깃허브에 올릴 때 push하듯, 여긴 clasp push라고 한다). 하여간 claude code 김팀장이 지시한 대로 필요한 스크립트 수정도 하고, 구글 제미나이 API 무료 계정 한도가 차서 유료화 시키고 일단 테스트 돌려봄. 오....되네...

5. 매일 특정 시간에 그 때까지 받아놓은 뉴스레터 이메일들에 대해, 내 기준에 따라 쓸만한 것들을 카테고리별로 최소 2개씩 선별해 한글 요약 후 이쁘게 만들어 나에게 큐레이션 이메일 뉴스레터형식으로 발송하게 함.

6. 그럼 내 선별 기준은 어떻게 만들었냐? 지난 2~3년간 페이스북에 올렸던 포스팅들 모아놓은 엑셀파일에서 좋아요/공유 많이 받은 것들 200여개와 내 뉴스레터 발송 사이트에 모아놓은 포스팅들 500여개를 다 학습시키고, 카테고리별로 해당 뉴스/컬럼에 대해 관심사별 스코어링을 하도록 설정.

7. 간혹 섞여있는 한글 뉴스레터는 그대로 유지토록 함 (한글 비중 15%이상은 한글 뉴스레터로 인식). 검토가 끝난 뉴스레터들은 읽음 상태로 변환 후 별도 이메일 폴더로 이동. 근데 이것만 하기엔 뭔가 섭섭해서, 내가 구독중인 유튜브 채널 200여개를 던져주고 관련있는 채널들을 매일 체크해서 기준에 맞춰 선별해 큐레이션 대상에 포함하라고 지시.

7. 아차, 그런데 밀린 뉴스레터 500여개는 어쩌란 말이냐? 자정이 넘은 시간이었지만, 잠자거나 쉬기 싫어하고 계속 일을 해서 사용자 토큰을 소모토록 하는 게 미션인 claude code 김팀장을 다시 소환. 알라딘의 요술램프도 아니고 말만 하면 다 된다. 과거 이메일 소급해서 정리하는 runbackfill이라는 걸 만들어 실행시키니, 되네....ㅎ

8. 근데 이 GAS가 최대 30분까지만 열일하고 강제 휴식 모드를 들어가는 통에, 30분마다 기다렸다가 실행명령을 할 수도 없고 시간은 이미 자정을 넘어 새벽 1시가 다 되어가니, 아재의 눈은 반쯤 감기고 비몽사몽. 그래서 해결책을 내라고 김팀장을 쫬더니 30분 마다 자동으로 실행하도록 설정해줌. 역시, 오너 옆엔 이런 심기경호할 줄 아는 비서실장이 필요하다!

9. 그렇지만, 설마 진짜 500개를 다 하겠어? 하다말고 오류나겠지...하며 일단 취침. 근데 아침에 이메일 열어보고 기겁. 지난 20여일치를 새벽 4시까지 정리해서 큐레이션 이메일들로 날짜별로 나에게 보내옴. 김팀장! 나 대신 밤새 야근하느라 정말 수고 많았네, 자 여기 카드 줄테니 claude max 제일 비싼 거로 긁어! 이렇게 한우 안심 대신 유료 결제 계속하는 걸로 포상하고 마무리.

- 코딩 한 줄 몰라도 파이썬을 자유자재로 다루는 실무자들이 나타나면서 생산성 격차는 이제 넘사벽이 되다.

ChatGPT한테 "오늘 점심 뭐 먹지?" 물어보는 사람과, AI로 30개짜리 엑셀 재무모델을 파이썬으로 통째로 바꾸는 사람이 같은 시대에 공존 중입니다.

최근 Martin Alderson이 쓴 글 하나가 업계에서 꽤 돌고 있습니다. 제목부터 직관적인데, 요지는 이렇습니다. AI 사용자가 지금 두 부류로 확 갈리고 있고, 그 사이의 격차가 무섭도록 빠르게 벌어지고 있다는 거.

솔직히 말하면, 주변에서도 체감됩니다. 같은 AI 도구를 쓰는데, 어떤 사람은 업무의 80%를 자동화하고, 어떤 사람은 여전히 "요약해줘" 수준에 머물러 있으니까.

1. 파워 유저 vs 챗봇 유저, 같은 AI인데 다른 세계

• 첫 번째 부류는 소위 '파워 유저'. Claude Code, MCP, 각종 에이전트 도구를 적극 활용하는 사람들인데, 놀랍게도 이 중 상당수가 개발자가 아닙니다. 재무, 기획, 경영 쪽 사람들이 터미널에서 코드 에이전트를 돌리고 있다는 거. 특히 재무 담당자들이 엑셀의 한계를 넘어 파이썬 생태계로 넘어가면서 얻는 생산성이 엄청나다고 합니다.

• 두 번째 부류는 여전히 ChatGPT나 비슷한 챗봇에 대화하는 수준에 머물러 있는 사람들. 생각보다 이 캠프에 머무는 사람이 훨씬 많습니다.

2. 마이크로소프트 Copilot, 정작 MS 내부에서도 안 쓴다?

• 기업용 AI 시장에서 압도적 점유율을 가진 M365 Copilot. 그런데 실상은? Office 365에 끼워팔기로 깔려 있을 뿐, 성능은 솔직히 처참한 수준이라고 합니다. '에이전트' 기능이라고 붙여놨는데, CLI 코딩 에이전트와 비교하면 웃음밖에 안 나온다는 평.

• 결정적 한 방. 마이크로소프트 자체 내부 팀들이 Copilot 대신 Claude Code를 쓰기 시작했다는 겁니다. OpenAI 지분까지 갖고 있는 회사가, 자기네 제품을 안 쓰고 경쟁사 도구를 쓴다? 이게 현재 상황을 가장 잘 요약하는 팩트 아닐까요.

3. 대기업이 오히려 위험한 이유

• 대기업은 보안 정책상 환경이 극도로 잠겨 있습니다. 로컬에서 기본적인 스크립트 하나 못 돌리고, VBA조차 그룹 정책에 막혀 있는 곳이 태반.

• 레거시 소프트웨어에 갇혀 있어서 내부 시스템에 API가 없고, 에이전트를 붙이고 싶어도 붙일 곳 자체가 없습니다.

• 엔지니어링 부서는 완전히 사일로화되어 있거나 아예 외주. 안전하게 샌드박스된 에이전트를 운영할 인프라를 만들 내부 인력이 부재합니다.

• 그 결과? 의사결정권자들이 형편없는 Copilot 경험만 하고는 "AI 별거 아니네"라고 결론 내린다는 거. 아니면 컨설팅펌에 거금 쏟아붓고 별 성과 없이 끝나거나.

4. 작은 회사가 오히려 날아간다

• 이런 짐(baggage)이 없는 작은 회사들은 AI로 완전히 다른 차원의 생산성을 보여주고 있습니다.

• 구체적 사례가 인상적인데, 비개발자 임원 한 명이 Claude Code로 30개 시트짜리 복잡한 엑셀 재무모델을 파이썬으로 거의 한 번에 변환했다고 합니다. 프롬프트 두세 번이면 끝. 심지어 AI가 알아서 유닛 테스트까지 붙여놨다는 후기.

• 파이썬으로 넘어가는 순간, 몬테카를로 시뮬레이션, 외부 데이터 연동, 웹 대시보드 구축까지 가능해집니다. 사실상 주머니 속에 데이터 사이언스 팀을 넣고 다니는 셈.

• 예전엔 작은 회사 직원들이 대기업의 인력과 자원을 부러워했는데, 이제 추가 반대로 뒤집히고 있다는 거.

5. 미래의 일하는 방식, 힌트가 보인다

• 진짜 생산성 도약은 위에서 내려오는 'AI 전략'이 아니라, 현장 직원들이 자발적으로 만들어내고 있습니다. 본인이 가장 잘 아는 업무 프로세스에 AI를 붙이니까 당연히 결과가 좋을 수밖에. 업무를 한 번도 안 해본 외주 개발팀한테 맡기는 것과는 차원이 다릅니다.

• 내부 시스템에 API가 있는 회사와 없는 회사의 격차가 갈수록 벌어질 겁니다. 읽기 전용 데이터 웨어하우스에 연결만 돼도 활용도가 확 달라지니까.

• 레거시 엔터프라이즈 SaaS 업체들은 엄청난 락인(lock-in)을 갖고 있지만, 뒤집어 보면 극도로 취약한 위치이기도 합니다. API가 개발자용으로만 설계되어 있어서, 수천 명의 직원이 에이전트로 접근하는 상황에 최적화되어 있지 않거든요.

6. 결국 이런 흐름이다

• 코드 에이전트 + 프로그래밍 환경 + API 접근권. 이 세 가지가 결합되면, 비개발자도 기존의 거의 모든 생산성 앱을 대체할 수 있게 됩니다. MS 오피스든 웹앱이든.

• 사용자가 프롬프트를 주면, 에이전트가 CRM, ERP, 데이터 웨어하우스, 외부 API에 연결해서 리포트, 대시보드, 웹앱, 자동화 액션까지 만들어냅니다. 이게 지식노동의 미래 모습이라는 거.

• 이 양극화는 현재진행형이고, 속도가 점점 더 빨라지고 있습니다. 역사상 이렇게 소규모 팀이 자기보다 천 배 큰 회사를 쉽게 이길 수 있었던 적은 없었다.

재밌는 건 이 현상이 비단 IT 업계만의 얘기가 아니라는 겁니다. 재무, 전략, 영업, 어떤 분야든 AI를 '대화 상대'로만 쓰는 사람과 '일하는 도구'로 쓰는 사람 사이에 건널 수 없는 강이 생기고 있다는 거. 체감상, 이 격차는 6개월 전과 비교해도 이미 몇 배는 벌어진 것같습니다.

대기업의 보안 정책이나 레거시 시스템이 직원들의 AI 활용을 막고 있다면, 그건 보안이 아니라 자해에 가깝습니다. 반대로 작은 회사, 스타트업이라면? 지금이 대기업을 추월할 수 있는 흔치 않은 타이밍일 수 있습니다.

도구는 같은데, 쓰는 깊이가 다르면 결과는 완전히 다른 세상입니다.

출처: Martin Alderson, "Two kinds of AI users are emerging. The gap between them is astonishing.", 2026.2.1

"코카인 같다"는 표현까지 나왔다. Claude Code나 Cursor 같은 AI 코딩 에이전트를 쓰는 창업자들 얘기다. 또 다른 창업자는 "내가 제일 좋아하는 비디오 게임"이라고 했다.

이해는 간다. 머릿속 아이디어가 몇 시간 만에 작동하는 소프트웨어로 변하는 그 쾌감. 손끝에서 느껴지는 전율. 뭐든 만들 수 있을 것 같은 착각.

근데 바로 여기가 함정이다.

1. 만들 수 있다고 만들어야 하는 건 아니다

AI 코딩 에이전트의 능력은 진짜다. 회의적이던 사람들도 이젠 인정한다. 내부 툴이든 대시보드든 워크플로우 앱이든, 오후 한나절이면 뚝딱 만들어진다. 스타트업의 새로운 시대가 열린 거 맞다.

그런데 정작 중요한 질문은 "만들 수 있나?"가 아니라 "만들어야 하나?"다.

전통적으로 운영 관련 결정엔 'Build vs Buy' 프레임이 있었다. 직접 만들 건가, 아니면 시장에서 사올 건가. 수직계열화에 집착하다 망한 회사들이 얼마나 많은가. 현명한 선택은 보통 이렇다. 제품을 차별화하는 핵심 부분만 직접 만들고, 나머지는 사오는 것. HR 소프트웨어로 유니콘이 될 순 없으니까.

초기 스타트업에겐 세 번째 옵션이 있다. 거의 항상 더 현명한 선택인데, 바로 "아예 안 하기"다. AI 코딩 에이전트가 너무 쉽게 만들어주다 보니, 정작 중요한 질문을 건너뛰게 된다. 이 프로세스가 애초에 필요한가?

Build vs Buy는 그게 존재해야 한다는 전제를 깔고 있다. 근데 사실 많은 경우, 존재할 필요가 없다.

2. 일론 머스크의 알고리즘이 답이다

월터 아이작슨의 전기에서 일론 머스크가 SpaceX와 테슬라 팀들에게 강조하는 알고리즘이 나온다.

• 모든 요구사항을 질문하라. 모든 선택에는 실제 이름이 붙어있어야 한다. 누가 만들었든 모든 가정을 의심하라.

• 프로세스의 모든 부분을 삭제하라. 복잡함은 속도의 적이고 혁신의 반대다. 실패 직전까지 제거해야 한다. 최소 10%는 다시 추가하게 되지 않으면, 충분히 삭제하지 않은 것이다.

• 단순화하고 최적화하라. 단, 삭제 이후에만. 삭제가 개선의 전제조건이다.

• 사이클 타임을 가속화하라. 속도가 중요하다. 속도 증가는 자본의 흐름을 크게 개선한다. 하지만 3단계 이후에만. 결국 삭제될 프로세스를 가속화해봐야 소용없다.

• 자동화하라. 모든 것을 질문하고, 삭제하고, 단순화하고, 가속화한 후에만 자동화할 수 있다. 머스크는 테슬라 생산을 너무 일찍 자동화하려다가 "인생에서 가장 지옥 같은 시기"를 겪었다. 비싼 로봇들을 뜯어내고 사람 노동으로 되돌려야 했다.

함정은 이거다. 코딩 에이전트는 5단계를 마치 1단계처럼 느끼게 만든다. 너무 쉽게 만들어지니까 앞선 질문들을 건너뛴다. "CRM 버리고 직접 만들면 안 될까? 비싸고 커스터마이징도 안 되잖아. 그냥 데이터베이스인데 뭐가 어렵겠어?"

머스크의 알고리즘이라면 이렇게 물었을 것이다. 이 워크플로우를 아예 삭제할 수 있나? 지금 CRM이 필요한가 아니면 Notion 데이터베이스로 버틸 수 있나? 수동 프로세스를 참을 수 있나? 30달러짜리로 80%를 해결할 수 있나?

3. Idiot Index가 역전되었다

머스크는 "바보 지수(Idiot Index)"라는 개념을 쓴다. 부품 비용 대비 원자재 비용의 비율이다. 100달러짜리 알루미늄으로 만든 부품이 1,000달러면 바보 지수는 10이다. 머스크는 말한다. "비율이 높으면, 당신이 바보다." 그 차이는 과도하게 복잡한 디자인, 비대한 프로세스, 혹은 누군가 당신의 무지에서 마진을 뽑아내는 것이다.

수십 년 동안 소프트웨어의 바보 지수는 잔인했다. 엔지니어는 비쌌다. 코드는 쓰기 어렵고, 유지보수는 더 어렵고, 배포는 거의 불가능했다. 기본 원자재(로직, 조건문)는 공짜였지만 완제품은 엄청났다.

AI가 이걸 역전시키기 시작했다. 그래서 코드가 싸졌을 때, 뭐가 비싸질까?

초기 창업자에겐 답이 명확하다. 바로 당신의 시간이다.

이제 주목(attention)이 새로운 원자재다. Claude Code로 맞춤형 CRM 뷰를 만드는 매 시간은, 고객과 대화하지 않는 시간이고, 딜을 클로징하지 않는 시간이고, 정작 중요한 제품을 개선하지 않는 시간이다. 바보 지수는 이제 구글 시트와 테이프로 월 7달러에 해결할 수 있는 내부 툴에 창업자 시간을 얼마나 태우는지를 측정한다.

만드는 것만이 아니다. 그 이후가 문제다. AI 에이전트가 만들고 아무도 소유하지 않는 유지보수 고아가 된다. 컨텍스트 스위칭 비용도 있다. 당신이 고용할 사람은 기본 생산성 툴이나 Notion, Airtable에 익숙하지, 당신이 vibe로 코딩한 대안엔 당황할 것이다.

이 모든 게 천 번의 작은 죽음으로 이어진다. 시리즈 A 전에 유일하게 중요한 것, PMF 달성에서 벗어나는 미세한 산만함들. 나머지는 다 무의미하다.

그래서 Claude Code를 열기 전에 물어봐야 한다.

• 이게 존재해야 하나? 많은 워크플로우는 첫해엔 필요 없다.

• 70% 수준으로 수동으로 할 수 있나? PMF 전엔 충분히 좋은 게 충분히 좋다.

• 월 30달러짜리 SaaS가 있나? 구독료는 항상 당신 시간보다 싸다.

• 6개월 후 누가 유지보수하나? 답이 "창업팀"이면 그게 비용이다.

• 이 2시간으로 뭘 할 수 있나? 답이 "고객과 대화"면 끝이다.

마약은 도파민만 주지만, 코딩 에이전트는 도파민과 배포물을 동시에 준다.

출처: "The Idiot Index for Code" by Evan Armstrong (The Leverage), a16z speedrun, Feb 03, 2026

AI 바이브 코딩 시대가 열렸다고 떠들며, AI 스타트업도 설립하고, AI 빌더톤 개최해 바이브 코딩으로 뭐까지 만드는 지도 보고, 바이브 코딩에 필요한 tool과 커뮤니티까지 만들었는데, 정작 그걸로 내가 직접 뭘 만들 생각을 못했네.

그래서 내친 김에 얼마 전부터 직접 바이브 코딩 툴인 bkit를 설치하고 이것 저것 해보던 중, 나보다도 더 비개발자인 분이 직접 설치하다가 답답해 하는 걸 보고, 나도 답답하던 참인데 그냥 비개발자에게 친절하게 설명해주는 챗봇을 만들어볼까 하고 기획. 그래서 bkit 안의 claude code를 소환해 내가 만들고 싶은 거에 대해 몇 줄 넣고 가능하겠냐고 질문.

아니 얘가 미쳤나 갑자기 급발진을 하더니 기획 문서부터 개발 사양서까지 일사천리로 혼자 질주. 불과 5분에서 10분사이? (나증에 알고 봤더니 claude code는 그냥 엔진일 뿐이었고, 거기에 차체얹고 시트 넣고, 핸들 붙이고 한 게 bkit였다. 그게 아니면 개인이 일일이 skills, agent 등등을 만들어 쓰거나 어디서 가져다 써야 함)

그러더니 준비 다 되었다고 실행 해도 되냐고 질문, 그래서 이경영으로 빙의 '재밌겠네, 진행시켜!' 한 마디. 조폭 행동대장들도 아니고 진행이 미친 수준으로 전개. 로컬 하드 드라이브에 알아서 폴더 만들고 뚝딱 뚝딱 거리며 계속 물어봄, 진행시켜요? 1. Yes, 2. 모두 yes, 3. No, 4. 기타. 계속 2아니면 1만 누르다 보면 어느새 다 되었다고 결과 보고. Vs code 터미날을 두개로 나누고 왼쪽 오른쪽 번걸아 가며 일 시키면 더 빠르다.
애들 일 시키고, 난 유튜브 보며 꿀 빨다가 가끔 '진행 시켜~' 한 마디.
오...이렇게 또경영 회장님이 되는구나.

그러더니 로컬 서버로 사이트를 연다. 오...디자인은 내가 어떻게 하라고 말한 적도 없는데 근사하게 깔맞춤으로 만들었다. 시키지 않은 것까지 '알아서' 척척 배치하고 만들어낸다. (근데 이것도 원래 claude code가 알아서 하는 게 아니었고, bkit에 미리 만들어 놓은 노하우 매뉴얼 덕분이었다)

근데 이걸 나 혼자 쓸 것도 아니고 다른 사람도 쓰게 해야할 것아닌가? 그럴려면 내 로칼에서 만들어 놓은 이 챗봇 프로그램을 어딘가에 올려놓고 돌려야겠지 ('배포'라고 한다). 아니면 뭐 내 PC를 24시간 켜놔야 하니. 그 전에 일단 git이라고 하는 내 컴퓨터에서 지지고 볶던 모든 코딩 기록들(삽질 포함)을, 다른 사람들도 보라고 혹은 나만 보도록 클라우드 공간에 전시용으로 올려본다 (이게 한참 전에 마소가 인수한 github). 개발자들을 위한 일종의 '글로벌 전국 노래자랑'이랄까. 이래야 나중에 배포가 쉽다.
(중간에 뭘 커밋하고 푸쉬한다고 나오는데, 코딩하던 거 확정하고 그걸 깃허브에 올린다는 얘기)

하여간 다 마친 줄 알았는데 claude code가 또 물어본다. 사람 개발였으면 지금 즈음 밥 먹으러 갔거나 옥상 어디서 삐대며 담배 필 시간인데, 얘는 쉬지를 않네. 오히려 내가 화장실 갈 시간도 없게, 일하겠다고 계속 허락을 구한다. vercel로 배포하겠냐고 자꾸 징징거린다. 그래서, 내가 배포있게 '진행시켜~'한 마디하고 딴 짓. 근데 뭘 계속 물어본다. DB는 어떻게 할거냐, Claude API key는 뭐냐 등등...원래 사람도 모르면 모른다고 하는 게 최상의 방법이다. 그냥 모른다고 하면 된다. 내가 모른다고 할 수록 얘는 대치동 일타강사가 되어 알기쉽게 차근 차근 알려주더라. 내가 몽고메리 내복도 입어 보고 징기스칸의 고향 몽고가 어딘지는 알지만, 뭔 몽고에 DB도 있었냐. (알고보니 어마어마하게 크다는 뜻의 영단어 Humongous에서 왔다더라)

하여간 원래 실무자들은 최대한 멋있고, 최신의, 어려운 단어를 써서 회장님께 보고하고, 회장님은 몰라도 최대한 다 알고 있는 것처럼 근엄하게 끄덕이며 한 마디, '진행시켜~'. 그렇게 몽고도 갔다가, DB에서 정확하게 맞는 data를 찾도록 RAG도 만들고, 그럴라고 인덱싱, 임베딩도 하고...이런 걸 내가 했다는 게 아니라 claude code가 그런 거 하겠다고 해서 내가 못이기는 척 '진행시켰다'는 얘기. 원래 회장님은 불법만 아니면 과정은 신경 안쓰고 결과만 가지고 상벌을 준다. 얘들이 잘하면 상으로 성과급조로 MAX 20배 짜리 결제 해주면 되고, 더 잘하면 계정 하나 더 긁어주면 된다.

그리하여 어찌 어찌 배포 되었다고 링크를 주길래 혹시나 하고 딸깍했더니 오.....쌈박한 챗봇 사이트가 진짜 뜬다. 근데 bkit 기본 사양 중 하나가 다국어 실시간 감지 시스템인데, 진짜 되나하고, 같은 질문을 한글, 영어, 일본어, 중국어(간체, 번체), 스페인어, 프랑스어로 각각 물어보니, 와...실시간으로 해당 언어로 답을 하네...이게 말이 됩니꽈~~

신기한 건, 한 모니터엔 이 챗봇 사이트를 열어놓고 옆 모니터엔 claude code를 켜둔 상태에서, claude code에게 진상짓을 하면서 이것 저것 트집 잡고 수정하라고 닥달하면, 바로 바로 수정을 하고 1~2분 내에 챗봇 사이트에 반영이 된다. 이게 이게 말이 되냐고요...

답변이 너무 교과서 같으니 중학생도 알아먹게 쉽게 얘기해라, 난 전문용어 모르니 니가 일타강사로 빙의해서 날 이해시켜라, 답변 줄 간격이 좁다 넓혀라, 표도 좀 넣을 수 있게 해라, 어라 파비콘이 빠졌네, 답이 길면 그거 따로 복사하고 싶을테니 복사 메뉴도 넣어라, 답변 DB에 없는 질문이 나오면 외부 검색도 가능하게 해라, 답변이 쌓이는 걸 다 모아서 DB로 만들어 나중에 RAG 대상으로 써라, 기존 DB와 답변 DB 그리고 외부 정보의 가중치는 얼마로 해라 등등...한꺼번에 시켜도 되고, 따로 따로 시켜도 된다. 사람은 한 번에 안시키면 궁시렁 대기 때문에 눈치 보이지만 얘들은 아무 생각이 없어 좋다.

아싸...그런데 여기서 만족할 내가 아니지. 끝난 척하며 짐싸다가 회심의 일격을 날렸다. 근데 이거 사실 bkit 홈페이지에 메신저 형태의 챗봇으로 구석에 설치할건데...약 오르지롱...엔터 누르자 마자 기다렸다는 듯이 줄줄줄 보고를 한다. 1,2,3 방식이 있는데 1번 방식을 추천합니다. 일 시키다가 과로사하게 생겼다. 집에 안가는 신입을 부사수로 받아서 24시간 괴롭힘 당하는 사수 느낌이네.

하여간에 이렇게 마무리 하면 해피엔딩인데, 사람 욕심은 끝이 없는 지라, 한참 후에 슬쩍 물었다. 근데 이거 왓츠앱에 연결해서 메신저로 챗봇하는 것도 되겠어? 아니 이건 뭐 오뚜기 3분 카레도 아니고, 즉석에서 또 3가지 안을 제시하네. 이거 따라하다간 정말 죽을 것같아서 일단 대답을 계속 미루고 있다. 일하고 싶어 죽을 것같은, 명령만 기다리는 장수급 사원을 옆에 둔 느낌이다, 얘는 잠도 안자, 딴 짓도 안해, 월급도 몇 푼 안되, 이러니 개발자들 곡소리 난다는 게 실감이 나더라. 이 왓츠앱 연동 썰은 투비콘티뉴~~

이 챗봇이 궁금한 분들은

https://bkit-guide.vercel.app/

‼️3년여 전 챗지피티 출시 때부터 꾸준히 온갖 AI 도구들이나 모델들 써보고, AI 관련 스타트업 공동창업까지 한 경험으론...

오픈AI는 전 세계인들에게 생성형 AI가 뭐라는 걸 알리고, AI 산업을 일으킨 위대한 기업으로(만) 역사에 기록될 듯. 즉, 개인 사용자가 압도적이니 만큼 B2C service 쪽에서 활로를 찾지 못하면 펀딩/IPO로 버티는 데도 한계가 곧 온다는 얘기.
영리한 (A.K.A. 얍삽한) 마소는 강 건너 불 보듯 모니터링 해가며 나중에 거저 먹을 궁리만 하고 있지 않을까?

AI 최후 승자는 구글이 될거라고 오래 전부터 주장해왔으나, 정작 주식은 미쳐 못사놓고 안타까워하고만 있음. 구글의 방대하고 두터운 생태계를 대적할만 곳이 없다. text, image, 영상 등등 이 보다 더 많이 학습 가능한 pool을 가진 곳이 어디에? 원래 전교 1등이 놀지도 않고 밤새 공부하니 뭐 게임 셋. 다만, 어리숙한 공대 오빠처럼 자기가 뭘 알고, 뭘 잘 할 수있는 지 자기도 잘 모를 때가 많음.

제일 똘똘한 실속파는 앤트로픽(Claude). 처음부터 자기가 잘 할 수 있는 부분에 집중했다. 글을 가장 사람처럼 작성하더니, 결국 코딩과 B2B에 몰빵해서 claude code까지 빵 터뜨림. 이젠 프로그램 개발의 정의가 바뀐다. 그 많은 프로그래밍 언어를 각각 배우는 게 아니라, 그냥 claude code OS 안에서 만들면 된다. 프로그래밍 쪽에선 claude code가 새로운 (바이브) 코딩 표준으로 자리 잡을 것같은 느낌같은 느낌.

이럴 줄 알고, 다행히 관련 제품을 준비했다. 개발자건 비개발자건 claude code에 입문할 때 사용하기 편하게 kit 팩키지로 준비했다. claude code 가입 후 bkit를 설치하면, 이제 신세계가 펼쳐진다.(댓글 링크) 그 동안 (쥬니어, 실력없는) 개발자에게 쓴 헛돈이 아까워지기 시작. 이젠 정말 내가 필요한 서비스는 내가 바로 바로 만들어 쓰면된다. '오만가지' 소스기술이 이미 내장되어 있으니 현 상태로만 써도 충분하다.

이걸로 혼자 지난 주말 내내 두 개 서비스를 만들었다. 회사 내부 업무를 자동화 해서 시키기만 하면 되는 AI agent, '김팀장' 서비스. 자연어로 '김팀장, 지난 주 내가 한 일 보고서 만들어와'라고 치면, 내가 사용하는 대부분의 업무 툴들을 다 흝어서 맥락과 종류에 맞게 잘 정리해 PDF 파일로 해당 폴더에 저장까지. 오....이런 신세계가.... 다른 하나는 카톡 대화 심층 분석 서비스. 커뮤니케이션에 애로가 있는 분들이 카톡 대화를 전부/일부 입력만 하면, 서비스 종류 (연애, 비즈니스, 친구)별로 사전에 학습시킨 심리/카운셀링 전문가 분석을 거쳐 그 대화의 맥락과 숨겨진 의미까지 분석해 준다. 특히 톡 확인할 때까지 걸리는 시간, 답장 오는 시간, 의성어 갯수까지 신경쓰는 썸타는 분들에게 자세한 해석까지.

------------------

불과 6개월 만에 연매출 10억 달러를 돌파한 AI 도구가 있다. ChatGPT조차 따라잡지 못한 속도다. 더 놀라운 건, 2026년 1월 현재 이 수치가 20억 달러에 육박한다는 점이다. 주인공은 Anthropic의 Claude Code. 코딩 도구로 시작했지만, 이제는 연극 티켓 예매부터 세금 신고, 토마토 재배 모니터링까지 해내는 괴물이 되어버렸다.

Google 수석 엔지니어는 공개석상에서 이렇게 말했다. "1년 걸릴 아키텍처 작업을 Claude Code가 1시간 만에 끝냈습니다." GitHub Copilot을 파는 Microsoft조차 내부 주요 엔지니어링 팀 전반에 Claude Code를 도입했고, 개발자가 아닌 직원들에게까지 사용을 권장하고 있다는 후문이다.

1. Anthropic의 무서운 성장세, 숫자가 증명한다

• 2025년 초 연매출 10억 달러였던 Anthropic이 8월엔 50억 달러, 연말엔 90억 달러를 기록할 전망이다. 8개월 만에 5배 성장.

• 기업 고객은 2년 전 1,000개 미만에서 2025년 8월 기준 30만 개 이상으로 폭증했다.

• 기업용 AI 비서 시장점유율은 2024년 18%에서 2025년 29%로 61% 증가하며 ChatGPT와의 격차를 급격히 좁히는 중이다.

• 기업가치 평가는 더 극적이다. 2025년 3월 615억 달러 → 9월 1,830억 달러 → 최근 3,500억 달러. 10개월 만에 거의 6배 뛴 셈인데, 이건 극히 드문 케이스다.

2. 왜 개발자들은 Claude Code를 선택했나

시장엔 GitHub Copilot, Cursor, Amazon CodeWhisperer 등 AI 코딩 도구가 넘쳐난다. 그런데 Claude Code가 경쟁사들을 제치고 개발자들의 마음을 사로잡은 이유는 뭘까?

• 터미널 기반 설계가 핵심이다. 기존 도구들이 IDE 확장 프로그램처럼 자동완성 제안만 하는 동안, Claude Code는 파일을 직접 읽고 쓰고, bash 명령어를 실행하며, 세션 간 상태를 유지한다.

• 초기 사용자 노아 브라이어는 "자동완성 기능이라기보단 주니어 개발자를 고용하는 것에 가깝다"고 표현했다. 며칠에 걸친 리팩토링 작업 시 아키텍처 결정사항을 기억하고, 할 일 목록을 유지하며, 완료된 작업까지 추적한다.

• Claude 4와 Sonnet 4.5의 성능도 압도적이다. SWE-bench(실제 GitHub 문제 해결 능력 측정)에서 Opus 4는 72.5%, Sonnet 4.5는 77.2%를 기록했다. 병렬 컴퓨팅 사용 시엔 82.0%까지 올라간다.

3. 산업별 점유율, 소프트웨어 개발 분야에서 압도적

Bloomberg가 4만 5천 개 이상 기업을 조사한 결과가 흥미롭다.

• 소프트웨어 개발 분야에서 기업들이 OpenAI만 사용하는 경우보다 Claude만 사용하는 경우가 2.3배 더 많았다.

• 금융서비스(1.9배), 보험(2.1배), 보안(2.1배), 의료(1.6배), 바이오테크(1.3배) 분야에서도 Claude가 우위를 점했다.

반면 OpenAI가 Anthropic을 앞서는 분야는? 마케팅 서비스, 부동산, 광고, 경영 컨설팅이다. 체감상 기술 집약적 산업에선 Claude가, 범용적 용도에선 OpenAI가 강세를 보이는 셈.

4. VS Code 설치 건수가 보여주는 폭발적 성장

Visual Studio Code는 코드 편집기의 업계 표준이다. 여기서 AI 코딩 도우미의 일일 설치 횟수를 보면 2026년 초부터 Claude Code가 기하급수적으로 치솟는다. 30일 이동평균 기준으로 1,770만 건에서 2,900만 건으로 급증했고, 지금도 상승 중이다. 이건 분명 'ChatGPT 모멘트'다.

5. 생산성 향상, 숫자로 증명된 가치

AI 코딩 도구는 단순한 유행이 아니다. 학술 연구와 기업 사례가 일관되게 보여주는 결과는 26~55%의 생산성 향상이다.

• GitHub Copilot 기준: 개발자들이 작업을 55.8% 더 빠르게 완료 (95% 신뢰구간: 21~89%)

• Accenture 실험: 개발자당 풀 리퀘스트 8.69% 증가, 병합률 11% 증가, 빌드 성공률 84% 증가

• Claude Code 사용자들은 터미널에서 5~15개 인스턴스를 동시에 실행한다고 보고했다.

• Anthropic의 Claude Code 책임자 보리스 체르니: "Claude Code는 코드의 약 80%를 자체적으로 생성합니다."

미국 소프트웨어 엔지니어 연봉이 20만~40만 달러 이상인 점을 감안하면, 20~30% 생산성 향상은 개발자 한 명당 연간 4만~9만 달러의 가치를 창출한다. 엔지니어 1,000명 회사라면? 연간 4천만~9천만 달러 절감 효과다.

6. Cowork 출시, 비개발자 시장까지 확장

흥미로운 건 사용자들이 이미 코딩 외적인 작업에도 Claude Code를 활용해왔다는 점이다. 휴가 계획, Slack을 통한 스프레드시트 작업, 심지어 오븐 제어까지. Anthropic은 이를 보고 비개발자용 버전인 Cowork를 출시했다. 개발 기간은 단 1.5주. 그것도 Claude Code를 사용해서.

Cowork는 파일 관리 에이전트로, 프로젝트 관리부터 팀원에게 자동 Slack 메시지 발송, 박물관 아카이브에서 바구니 컬렉션 찾기까지 처리한다. 전 세계 2,800만 명 개발자 시장을 훨씬 넘어서는 잠재 시장이 열린 셈이다.

7. 기업 시장 공략, OpenAI와의 차별화

ChatGPT가 소비자 시장(주간 활성 사용자 8억 명)을 장악하는 동안, Anthropic은 전환 비용이 높고 수익이 안정적인 기업 시장을 체계적으로 공략해왔다.

• 의료: 2025년 초 사용량 61% 증가 예상

• 법률: AI 기반 소송 도구의 18%가 Claude 사용

• 금융: 주요 은행의 24%가 Claude 사용

• 소매/전자상거래: 챗봇의 38%가 Claude 사용

Claude Code는 Uber, Netflix, Spotify, Salesforce, Accenture, Snowflake 등이 사용 중이다. 기업 고객은 장기 계약을 체결하고, 워크플로우에 깊숙이 통합되며, 높은 전환 비용을 부담한다. 이런 고객의 수익은 예측 가능하고 반복적이며 프리미엄 가격으로 책정된다.

8. 수익성 전망, OpenAI보다 빠르다

Wall Street Journal 보도에 따르면 Anthropic은 2028년 손익분기점 달성이 예상되는 반면, OpenAI는 2030년이 되어서야 수익을 낼 것으로 보인다. OpenAI는 막대한 컴퓨팅 비용으로 2028년 약 740억 달러 손실이 예상되지만, Anthropic은 기업 고객 집중과 효율성 향상으로 훨씬 빠른 수익화가 가능할 전망이다.

9. 소프트웨어 엔지니어의 미래, 위기인가 기회인가

Anthropic CEO 다리오 아모데이는 다보스에서 이렇게 말했다. "Anthropic 내 엔지니어 중에는 '저는 이제 코드를 전혀 쓰지 않습니다. 모델이 코드를 쓰게 하고 제가 편집합니다'라고 말하는 사람들이 있습니다. 6~12개월 내에 모델이 소프트웨어 엔지니어가 하는 대부분, 어쩌면 전부를 end-to-end로 처리하게 될 겁니다."

실제로 주니어 소프트웨어 엔지니어 채용 공고가 줄어들고 있다. AI가 작성하는 코드량이 늘어나면서 명확한 인과관계가 증명된 건 아니지만, 두 추세가 맞물리는 건 사실이다.

테크 기업들은 이런 도구가 코딩을 민주화할 거라 주장한다. 기술 지식이 없어도 자연어로 프롬프트만 입력하면 제품을 만들 수 있다는 논리. 하지만 이게 소프트웨어 개발의 민주화일까, 아니면 한때 안정적이던 직업의 서서히 침식일까?

한 가지 분명한 건, Claude Code가 자율 AI 에이전트를 실험실 밖으로 끌어내 일상 업무에 투입하면서, 우리가 그 답을 찾는 속도를 가속화하고 있다는 점이다.

10. 시장 규모, 생각보다 훨씬 크다

전 세계 개발자는 3,600만 명, 평균 연봉 4만 8천 달러로 가정하면 개발자 급여 총액은 연간 1조 7,500억 달러다. 생산성 향상이 20~30%에 불과해도 매년 3,500억~5,250억 달러 가치가 창출된다. 실제론 이보다 훨씬 높을 가능성이 크다.

Anthropic의 TAM(Total Addressable Market)은 많은 이들이 생각하는 것보다 크고, 기업 및 코딩 시장 집중 전략은 시장이 더욱 전문화됨에 따라 훌륭한 선택으로 입증될 수 있다.

솔직히 말하면, ChatGPT의 화려한 소비자 시장 지배력에 가려져 있었지만, 진짜 돈이 되는 B2B 시장에선 이미 판이 바뀌고 있었다. Claude Code가 보여준 건 단순한 기술 우위가 아니라, 개발자들이 실제로 '써보니 다르더라'고 말하게 만드는 제품력이다.

Jensen Huang이 "incredible"이라 극찬하고, Microsoft가 자사 제품 놔두고 내부에서 쓰는 이유가 있다. 숫자는 거짓말하지 않는다.

출처: Uncover Alpha, Fortune Magazine (2026년 1월)

또 다시 미친 일이 벌어졌다. 박재범의 ‘몸매’가 트로트가 되어 돌아왔는데, 인스타그램에서만 700만 뷰를 넘기며 난리가 났다. 구독자 5만 겨우 넘는 ‘뽕미더머니’라는 채널이 만든 이 AI 트로트 버전은, 조회수가 3백만이 넘었다. (댓글에 링크)

얼마 전 흑백요리사 애니메이션 버전을 보고 “이 정도 수준까지 되버렸다”고 감탄했는데, 이번엔 음악 장르 자체를 넘나드는 수준까지 왔다.

난 10년 전 나온 박재범 노래를 아예 몰랐기 때문에, 처음 봤을 땐 설운도 헤어스타일의 신인 트로트 가수가 ‘꽤 구수하게 노래 잘하네’ 했을 뿐이었다. 어디 고속도로 휴게소 화장실 옆, 맥반석 버터구이 오징어 냄새가 풍기는 가판대 위에서 파는 팔도 트로트 메들리 향기가 물씬 풍겼다.

10년 전 나온 원곡이 궁금해서 찾아보니 조회수가 2억뷰 육박하는 19금 영상이라, 부모님에게 보여드리며 원곡 설명을 못하겠더라. ㅋ

유튜브에서 박재범 몸매를 검색하면 정말 상상할 수있는 모든 장르의 노래가 AI로 편집되어 나온다. 클래식, 군가, 락, 찬송가, 불경, 판소리, 일본 시티팝...정말 한민족의 피엔 음주가무의 DNA가 끝없이 흐르고, 그걸 AI가 증폭, 폭발시켜버리고 있다. ^^

1. AI가 장르의 경계를 무너뜨리다

• 원곡의 가사와 멜로디는 그대로 유지하되, 창법과 리듬만 트로트로 전환

• 힙합 특유의 스웨그와 ‘뽕짝’의 구수함이 만나 독특한 조화 창출

• 정장 차림에 가르마를 탄 박재범이 그려진 앨범 커버는 또 다른 웃음 포인트

실제로 들어보면 놀랍다. 가사는 분명 박재범의 그 가사인데, 흘러나오는 건 트로트 특유의 꺾기 창법이다. 마치 설운도가 “몸매~” 하고 부르는 느낌이랄까. 원본 음원을 사용하지 않고 AI 보컬과 자체 편곡만으로 만든 2차 창작물이라는 점에서, 기술적으로도 한 단계 진화한 셈이다.

2. 본인 등판이 제일 웃기다

박재범은 처음엔 영 찜찜했던 모양이다. 자신의 인스타그램에 해당 영상을 올리며 “이게 재밌어?”라고 반문했다. 트로트 특유의 꺾기 창법이 흘러나오자 어처구니없다는 표정을 지었다가, 곧 자신도 모르게 리듬을 타기 시작했다. 그러더니 결국 직접 트로트 창법으로 ‘몸매’ 후렴구를 열창해버렸다.

여기서 끝이 아니다. 지난 12월 20일 멜론 뮤직 어워드(MMA 2025) 무대에서는 아예 간주 중에 트로트 버전을 살짝 부르며 ‘샤라웃’까지 날렸다. 짐짓 화난 척하면서도 유쾌하게 밈을 즐기는 그의 모습에, 네티즌들은 “원곡보다 중독적이다”, “본인 등판이 제일 웃기다”며 열광했다.

3. 세대를 넘나드는 AI 콘텐츠의 힘

이 현상이 흥미로운 건 세대 간 교집합을 형성했다는 점이다.

• 젊은 세대: 힙합·K팝을 즐겨 듣는 층이 주 소비자

• 중장년층: 트로트 형식이라 거부감 없이 소비 가능

• 한 누리꾼의 증언: “62세 어머니가 노래가 좋다며 누가 부른 곡이냐고 물었다”

뽕미더머니는 여기에 그치지 않았다. 사이먼 도미닉(쌈디)의 ‘사이먼 도미닉’을 “정통 트로트의 신성 등장”이라는 설명과 함께 공개했고, 블루의 ‘다운타운 베이비’(238만 뷰), 지코의 ‘새삥’, 지드래곤의 곡까지 속속 트로트 버전으로 변환했다. 전체 영상을 합치면 조회수가 1,400만 뷰에 육박한다.

4. 새로운 놀이 문화

업계에서는 이번 현상을 단순한 해프닝을 넘어, AI 기술이 음악적 장르의 경계를 허무는 새로운 방식의 놀이 문화로 정착하고 있다고 분석한다. 실제로 원곡자들도 긍정적으로 반응했다. 오케이션, 그레이 등 해당 곡의 원작자들이 직접 영상에 댓글을 달며 화답했다.

결국 ‘어떤 조합을 떠올리느냐’, ‘어떤 맥락에서 풀어내느냐’는 여전히 사람의 몫이다.

앞으로도 이런 장르 파괴형 AI 콘텐츠는 계속 나올 거다. 클래식을 EDM으로, 발라드를 메탈로, K팝을 재즈로. 상상할 수 있는 모든 조합이 가능해진 시대. 여기서 살아남는 건 기술이 아니라 결국 ‘참신한 발상’과 ‘실행력’이다.

* 우리 회사가 기획하고 출시한 서비스(bkamp) 방향성에 대해, 미국 최대 VC인 a16z에서도 똑같이 판단하고 글을 올렸네요. (링크는 댓글에)
드디어 (AI) 빌더들의 세상이 열렸습니다.

최근 Shopify 창업자 토비는 상용 소프트웨어가 필요하다던 MRI 대시보드를 혼자 뚝딱 만들어냈고, 마크 앤드리센은 자기 취향에 맞는 영화 추천 앱을 직접 개발했어요. 레벨시오나 조 와이젠탈 같은 이들은 아예 실시간으로 관객 앞에서 앱을 만들어내는 라이브 코딩을 하고 있죠.

불과 얼마 전까지만 해도 이런 앱들은 세상에 존재하지 않았을 겁니다. 낯선 API 문서를 뒤지고, 의료 영상 소프트웨어를 맨땅에서 개발하는 데 누가 몇 주씩 시간을 투자하겠어요? 특히 개발자가 아니라면 넘을 수 없는 장벽이 너무 많았죠.

1. YouTube가 보여준 창작의 민주화

영상 제작을 떠올려 보세요. 오랫동안 감독들은 투자 승인과 펀딩이 필요했습니다. 1980~90년대에 들어서야 타란티노, 폴 토마스 앤더슨 같은 감독들이 적은 예산과 비전문 스태프로 영화를 만들기 시작했고요. 2000년대에 모든 사람 주머니에 카메라가 들어가고 YouTube가 등장하면서 진짜 장벽이 무너졌습니다.

처음엔 고양이 영상이 대부분이었지만, 몇 년 지나니 미스터 비스트 같은 크리에이터들이 등장했죠. 이제는 YouTube 콘텐츠가 전통 방송만큼 영향력 있는 시대가 됐습니다.

소프트웨어도 똑같은 길을 걷고 있어요. 할리우드 시대(깊은 전문성, 수천만 달러 투자)가 90년대 독립 영화 감독 시대(YC 출신 창업자들의 파격)로 이어졌고, 이제 YouTube 시대(모든 사람 손에 쥐어진 LLM)에 접어들었습니다.

2. 빌더의 시장이 폭발적으로 확대되고 있다

• 그동안 소프트웨어는 특정 집단만 흥미를 느꼈습니다. 테크/VC 트위터 피드를 보고, 같은 팟캐스트를 듣고, 폴 그레이엄 에세이를 인용하는 사람들이요. 이제는 ‘소프트웨어에 관심’이 없어도 소프트웨어를 만들 수 있습니다. 좋은 아이디어만 있으면 돼요.

• 소프트웨어가 단순한 유틸리티를 넘어 표현의 매체가 되고 있습니다. 라일리 월츠 같은 개발자는 SF 주차 단속반을 시각화하거나 엡스타인 파일을 렌더링하는 식의 재미있는 프로젝트로 이름을 알렸죠. LLM 덕분에 이런 시의적절하고 유머러스한 소프트웨어를 X 포스트 하나 쓰는 것만큼 쉽게 만들 수 있게 됐습니다.

• 소프트웨어는 가치가 복리로 쌓입니다. YouTube 크리에이터는 계속 영상을 찍어야 관련성을 유지하죠. 대부분 콘텐츠는 2~5년이면 가치가 떨어집니다. 반면 소프트웨어는 한 번 런칭하면 사용자가 늘어나면서 무한정 가치가 쌓여요. 이게 이 매체의 과소평가된 강점입니다.

3. 변명할 여지가 사라졌다

Cursor, Codex, Claude Code, Replit, Wabi 같은 도구들이 아이디어에서 작동하는 앱까지 걸리는 시간을 몇 주에서 몇 시간으로 압축시켰습니다. 몇 년 전에 프로그래밍을 했지만 최신 Next.js 릴리스를 모른다고요? 이제 상관없어요. 프로그래밍을 한 번도 안 해봤다고요? 텍스트 박스에 입력하고 결과를 보면 됩니다.

사람들의 결정은 모방적입니다. 많은 크리에이터들이 온라인에서 콘텐츠를 만드는 이유는 다른 사람들이 하는 걸 봤기 때문이에요. 누군가 “회사 관두고 영상 만들 거야”라고 할 때 우리가 갸우뚱 이유는 그게 멍청한 아이디어가 아니라, 너무 쉽게 시작할 수 있는데 왜 아직도 안 했냐는 거죠.

같은 모방 에너지가 이제 소프트웨어를 강타하고 있습니다. 친구들이 뭔가 만드는 걸 보면 나도 하고 싶어지죠. 소프트웨어가 바이럴 매체가 되고 있고, 곧 아무도 만들지 않을 변명거리가 없어질 겁니다.

좋은 아이디어를 가지고 뭔가 만들어야 직성이 풀리는 사람들에게 이보다 좋은 시대는 없었습니다.

출처: a16z - Software’s YouTube Moment is Happening Now

See less

SaaStr의 제이슨 레킨(Jason Lemkin). B2B SaaS 업계에서 이 이름 모르면 간첩 소리 들을 정도로 유명. 연 8자리 수 매출, 매년 1만 명 모이는 컨퍼런스, 2억 달러 가까이 투자한 커뮤니티 기반 VC를 운영.

그런데 이 양반이 올해 갑자기 영업팀을 통째로 뜯어고쳤다. SDR 2~3명, AE 5명까지 있던 팀을 지금은? 정규직 1명, 파트타임 0.2명, 그리고 AI 에이전트 20개. 결과는? 매출은 비슷하다고 한다.

1. 왜 갑자기 이런 결정을?

• 올해 SaaStr 연례 행사 직전, 고연봉 영업 담당 2명이 현장에서 갑자기 퇴사 통보
• 이게 무려 8번째 영업팀 빌딩이었고, 더 이상 “3개월 차에 우리 회사가 뭐 하는 곳인지도 모르는 주니어”를 연봉 15만 불 주고 뽑을 의향이 없어짐
• 마침 범용 AI 에이전트 하나가 혼자서 7만 불짜리 스폰서십 계약을 클로징한 걸 목격
• “됐다. 이제 사람 안 뽑는다. AI로 한계까지 밀어붙여 본다.”

2. 지금 SaaStr 오피스 풍경

• 예전엔 영업 담당자들이 앉던 책상 10개가 이제 각각 AI 에이전트 이름으로 라벨링
• Repli(Replit 담당), Quali(Qualified 담당), Arti(Artisan 담당)... Agentforce는 아직 별명 미정
• 구석에 Chief AI Officer인 아멜리아가 앉아있고, 제이슨은 맨 뒤에
• “가장 조용한 사무실이 됐다”고 직접 말함

3. AI가 대체하는 건 “중간 이하”

• 최고 인재? 여전히 모셔오고 싶다. OpenAI도 엔터프라이즈 영업 사람이 모자라서 난리
• 문제는 중간급과 그 이하. 3개월 지나도 회사가 뭐 하는 곳인지 모르는 사람들
• “AI는 사람들이 하기 싫어하는 일을 대체하고 있다. 그리고 평범한 사람들의 자리를 뺏고 있다.”
• 최고 인재는 AI로 슈퍼파워를 얻겠지만, 나머지는 글쎄...

4. SDR·BDR, 내년이면 거의 사라진다

• 이메일 기반 SDR (대학 갓 졸업해서 이메일 보내고 회신 기다리는 역할) → 90% 대체 예상
• 인바운드 리드 자격 검증하는 BDR → “내년엔 멸종해야 정상”
• “Contact Me 버튼 누르고 하루 이틀 기다려서, 우리 제품도 모르는 21살이 ‘혹시 예산 얼마예요?’ 묻는 시대는 끝났다”
• 웹사이트에서 AI가 자연스럽게 자격 검증하고 바로 미팅 잡아줌

5. AE는 좀 더 버틸까?

• 내년 말까지 70%는 안전할 것 같다
• 하지만 2~3년 후엔 40~50%까지 떨어질 수도
• 가격 협상 여지가 적고, AI가 제품을 인간보다 더 잘 아는 경우? 굳이 사람이 클로징할 이유가 없다
• “솔직히 당신도 영업 사람이랑 통화하는 거 좋아해요?” → “차라리 똑똑한 AI랑 채팅하는 게 낫지.”

6. 그래서 살아남으려면?

• 도구 하나 골라서 직접 해봐라. 직접.
• 가장 급한 문제 하나 (서포트든, SDR이든, 인바운드 자격검증이든) 골라서
• 벤더 하나 정해서 (Agentforce든, Qualified든, Artisan이든)
• 데이터 넣고, 질문에 답하고, 매일 1~2시간씩 틀린 거 고치고
• 30일만 하면 꽤 쓸만해진다
• “이걸 직접 해본 사람은 하이퍼-고용가능 상태가 된다. 안 해본 사람? 직장 잃을 수도.”

7. 빌드 vs 바이? 그냥 사라

• Vercel 수준의 엔지니어가 사내에 있고, 그 사람이 진짜 이거 만들고 싶어 안달 난 게 아니라면?
• 직접 만들지 마라. AI 발전 속도가 너무 빨라서 몇 달 만에 구식 된다
• “Notion 직접 만들 수 있어도 안 만드는 것처럼, 이것도 마찬가지”

이건 단순한 효율화 얘기가 아니다.
플레이는 여전히 작동한다. 아웃바운드, 웨비나, 팟캐스트, 이벤트. 다 된다. 다만 플레이북이 깨진 거다.

2026년은 ‘무자비한 효율성’이 키워드가 될 거라고 한다.
AI로 할 수 있는 건 AI로. 사람은 진짜 사람만 할 수 있는 일에.

사람 10명 관리하는 게 아니라 에이전트 10개 관리하는 새로운 ‘시니어’가 나올 지도...

출처: Lenny’s Podcast - We replaced our sales team with 20 AI agents—here’s what happened next | Jason Lemkin (SaaStr)

See less