AI가 기업 환경을 변화시키는 방식

Y Combinator 구독자 1,700,000명

요약

이 대화에서는 AI가 기업 전반에 미치는 경제적, 기술적 영향과 혁신적 변화에 대해 심도 있게 논의된다. 참가자들은 AI를 통한 비용 절감, 업무 자동화, 그리고 소프트웨어 스택 내에서의 AI 통합이 기업의 경쟁력 제고에 어떻게 기여하는지 설명한다. 또한, API 기반의 모델 활용, 토큰 가격의 하락, 그리고 클라우드 전환 이후 나타난 새로운 사업 모델들을 소개하며, AI 혁명의 궁극적 비전과 사회적 파급 효과를 조명한다. 결과적으로, AI가 기업과 소비자 모두에게 가져다 줄 풍요로운 미래에 대한 낙관적인 전망이 강조된다.

주요 키워드

AI 혁명 기업 자동화 토큰 가격 API 클라우드 전환 시장 동향 효율성 소프트웨어 스택 TAM 내부 AI 도구

하이라이트

🔑 AI를 통한 비용 절감과 업무 자동화가 기업의 경쟁력을 높이는 핵심 전략임을 강조합니다.
🚀 토큰 가격이 점진적으로 하락하면서, AI 모델이 제공하는 서비스의 가치와 효율성이 극대화될 전망입니다.
📌 클라우드 전환의 성공 사례를 통한 경험이, AI 시대의 제품 전략과 시장 접근 방식에 큰 영향을 미치고 있습니다.
🌟 내부 AI 도구와 외부 솔루션의 결합을 통해 기업은 안정적이면서도 혁신적인 운영 모델을 구축할 수 있습니다.
🚀 AI 혁명이 가져올 경제적 파급 효과와 사회 전반의 풍요로운 미래, 특히 미개척 시장과 교육, 의료 등 다양한 분야에서의 응용 가능성이 논의됩니다.

용어 설명

토큰

AI 모델이 산출하는 기본 단위로, 계산 효율성과 비용 구조에 영향을 미치는 요소입니다.

기반 모델 (Foundation Model)

다양한 애플리케이션에 적용할 수 있도록 미리 학습된 대규모 AI 모델을 의미합니다.

API

애플리케이션 프로그래밍 인터페이스로, 소프트웨어와 AI 모델 간의 통신 및 데이터 전달을 용이하게 합니다.

클라우드 전환

전통적인 온프레미스 기반 시스템에서 클라우드 기반 서비스로 전환하는 과정을 의미하며, AI의 도입과 확산에 중요한 역할을 합니다.

TAM (Total Addressable Market)

기업이 전체적으로 공략할 수 있는 시장 규모를 나타내며, AI 도입으로 인해 그 범위가 획기적으로 확장될 수 있음을 설명합니다.

첫 부분에서는 AI를 활용해 자동화를 증대시키고 비용을 절감할 수 있는 비전을 제시합니다. 이로써 전반적인 생활수준을 향상시킬 수 있다는 희망적 메시지를 전달합니다.

[00:00] AI 혁명을 통해 자동화와 비용 절감으로 모든 사람의 삶의 질을 향상시킬 수 있다는 비전을 제시합니다. 이는 디스토피아가 아닌 모두를 위한 풍요로운 미래가 될 수 있습니다.

호스트들이 Light Cone 에피소드를 소개하며, 투자 경험과 초기 AI 모델 통합 전략에 대해 논의합니다. 게스트 소개와 함께 AI 혁명의 초기 방향을 제시합니다.

[00:33] YC 파트너들이 진행하는 라이트콘 팟캐스트에서 박스의 CEO 아론 레비를 게스트로 소개합니다.

[01:15] ChatGPT 래퍼가 잘못된 밈이었다는 논의를 시작하며, 기초 모델 위에 구축되는 애플리케이션의 실제 가치에 대해 설명합니다.

[01:40] 폴 그레이엄의 웨지 이론을 인용하며, 작은 틈새에서 시작해 확장해나가는 전략의 중요성을 설명하고, 클라우드 초기 시대의 경험을 공유합니다.

[02:10] 워크플로우, 비즈니스 로직, 고객 데이터 처리를 위한 소프트웨어의 실제 가치를 강조하며, ChatGPT와의 관계에서 독자적인 가치 제안의 중요성을 설명합니다.

토큰의 가치, API로서의 AI 모델, 그리고 소프트웨어 스택 내에서의 AI 통합 전략에 대해 심도 있게 다룹니다. 기업들이 단순 모델이 아닌, 고객에게 실질적 결과를 제공하는 솔루션을 강조하는 내용을 포함합니다.

[02:39] 래퍼(wrapper) 서비스가 모델의 기능에 직접 통합될 수 있는 위험성에 대해 논의합니다. 미래 모델의 기능을 예측하기 어렵다는 점이 주요 과제로 지적됩니다.

[03:05] B2B 관점에서 기업들은 모델 자체보다는 실질적인 비즈니스 결과물을 원합니다. 고객 지원, 의료 기록 관리, 계약 처리 등 구체적인 업무 해결이 핵심입니다.

[03:39] 모델의 지능이 향상될수록 개발자들의 추가적인 해킹 작업이 줄어들며, 고객들은 실제로 ERP나 지원 시스템과 연동되는 실용적인 솔루션을 원합니다.

[04:10] 성공적인 기업들은 모델을 추상화하고 지속적인 업데이트를 통해 서비스를 개선하는데 집중합니다. Box의 사례처럼 고객은 기술적 세부사항보다 최종 사용자 경험을 중요시합니다.

[05:09] AI 워크플로우에서 최종 사용자들은 모델의 종류나 작동 방식보다 실제 결과물에만 관심이 있다는 점을 강조합니다.

[05:26] AI 모델들은 현재 과도기적 차이가 있지만, 5년 후에는 대부분의 비즈니스 용도에서 품질 차이가 거의 없어질 것으로 전망합니다.

[05:55] 개발자들 사이에서 Anthropic의 Claude가 다중 에이전트 오케스트레이션을 위한 선호 LLM으로 부상했다는 점을 언급합니다.

[06:21] 순수한 모델 회사는 거의 없으며, 대부분이 소프트웨어 회사로 진화하고 있음을 설명합니다.

[06:53] 기업들이 실제로 지불하는 것은 모델 자체가 아닌 보안, 규정준수, 거버넌스, 개인정보 보호 등의 서비스임을 강조합니다.

AI 기술과 클라우드 전환의 성공 사례를 바탕으로, 기업 내부에서의 AI 도입과 운영 효율화 전략이 논의됩니다. 내부 도구 활용과 외부 솔루션 적용의 균형이 중요한 주제로 등장합니다.

[07:31] 순수 AI 모델 판매만으로는 충분한 가치를 제공하기 어려우며, 기업 통합이나 대규모 소비자 애플리케이션과 같은 부가가치가 필요합니다.

[07:52] 현재 AI 산업에서는 다양한 비즈니스 모델이 존재하며, 메타와 같은 기업들의 오픈소스 전략으로 인해 순수 AI 모델 기업으로는 경쟁이 어렵습니다.

[08:38] AI가 상품화되면서 스타트업들은 소프트웨어 기업처럼 변모해야 하며, AGI라는 변수를 제외하면 기존의 플레이북을 따를 수 있습니다.

[09:13] AI 서비스의 비용은 결국 하드웨어 비용 수준으로 떨어질 것이며, 중요한 것은 실제 문제를 해결하는 소프트웨어를 만드는 것입니다.

[09:40] 수직적, 수평적 AI 접근 방식이 모두 중요하며, 모든 산업과 직무에 새로운 변화가 있을 것으로 예상됩니다.

[10:00] AI 시대에 모든 산업과 직무 영역에서 스타트업과 AI 에이전트가 등장할 것이며, 마치 빙고 게임처럼 각 영역이 채워질 것으로 예상됩니다.

[10:16] SaaS 시장에서의 성공 사례처럼, AI 분야에서도 비슷한 성장 패턴이 나타날 것으로 예상됩니다. DeepSeek의 오픈소스 추론 모델 출시는 이러한 변화의 시작점입니다.

[10:39] 추론 모델은 일부 영역에서 뛰어난 성능을 보이지만, 특정 작업에서는 예상 외로 성능이 떨어지는 현상이 관찰되고 있습니다.

[11:04] AI 지능이 향상될수록 B2B 활용 사례가 증가하고, 더 많은 에이전트들이 연결되어 복잡한 워크플로우를 자율적으로 처리할 수 있게 됩니다.

[11:28] 기업에서는 워크플로우의 중요도와 AI 지능 수준을 기준으로 활용 범위를 결정하며, 은행 시스템과 같은 핵심 업무는 아직 직접적인 도입이 제한적입니다.

[12:25] 최근 뉴욕의 은행들을 방문한 경험을 공유하며, 엔터프라이즈 분야에서 AI 채팅 어시스턴트의 도입률은 10%, AI 에이전트는 1% 정도로 매우 초기 단계임을 설명

[12:47] 기업의 의사결정자들 중 CTO, AI 책임자, IT 인력들은 기술에 관심이 있지만, 비즈니스 임원이나 일반 사용자들은 기술 자체보다 실용성에 초점을 맞춤

[13:44] AI 모델의 대체 가능성으로 인해, 최고의 모델도 경쟁자의 가격에 맞춰야 하는 시장 역학 설명

[14:20] 사용자들이 약간 열등하더라도 저렴한 모델로 전환할 수 있어, 최첨단 기술 업체도 경쟁적인 가격을 유지해야 하는 상황 설명

[14:49] AI 서비스 제공업체 선택에서 가격은 시간이 지나면서 결국 비슷한 수준으로 수렴하게 됩니다. 스토리지 버킷처럼 주요 업체들 간의 가격 차이가 크지 않게 됩니다.

[15:14] 기업들의 선택 기준은 데이터 양, 기존 워크플로우, 시스템 통합 등 다른 요소들로 이동하고 있습니다.

[15:34] 한 AI 스타트업의 사례에서, 1년 만에 1,200만 달러 매출을 달성했지만 기반 모델을 여러 번 교체했음에도 고객들은 결과물만 신경 썼습니다.

[16:00] 이 회사는 토큰 비용 감소로 인해 초기 30%였던 마진이 현재 80%까지 증가했습니다.

[16:23] Box의 경우 81%의 총마진을 기록 중이며, 이는 단순 스토리지를 넘어 소프트웨어 스택의 가치를 입증합니다.

[16:54] 대부분의 엔지니어들이 워크플로우, 데이터 거버넌스, 자동화, 인사이트 제공을 위한 소프트웨어 개발에 집중하고 있습니다.

[17:23] AI 기반 서비스에서 소프트웨어의 비중과 가치 제안의 관계를 설명합니다. 소프트웨어가 적을수록 경쟁이 치열해지고, 많을수록 차별화와 고착효과를 만들 수 있습니다.

[17:50] AI 스타트업의 다양한 과금 모델에 대해 논의합니다. 리드당 과금, 검증된 리드 기준 과금, 리소스 사용량 기준 과금 등 새로운 비즈니스 모델이 등장하고 있습니다.

[18:35] 스타트업 자문에서의 변화를 설명합니다. 과거에는 연간 계약을 강조했지만, 이제는 사용량 기반 과금 모델도 성공적인 사례로 인정되고 있습니다.

[19:14] 전통적인 서비스와 AI 서비스의 차이점을 설명합니다. AI의 탄력적인 특성으로 인해 새로운 형태의 비즈니스 모델이 가능해졌습니다.

[19:38] AI가 가져올 새로운 세상에서는 이전에 운영적으로 부담되었던 리소스들이 탄력적으로 사용 가능해질 것이며, 예를 들어 1만 명의 잠재 고객 생성과 같은 작업이 몇 달이 아닌 일주일 만에 가능해질 것입니다.

장기적으로 AI가 가져올 경제적 성장과 사회 전반의 변화, 특히 경쟁 구도와 혁신적 가치 창출에 대해 논의합니다. AI로 인한 풍요로운 미래와 업종 간 시장 확장의 가능성을 재확인합니다.

[20:07] 이러한 변화로 인해 기업과 성과 창출 간의 관계, 그리고 소프트웨어 제공업체와 고객 간의 비즈니스 모델이 완전히 새롭게 재편되고 있습니다.

[20:18] 포춘 500대 기업의 고위 임원들과의 대화에서 그들이 AI에 대해 어떻게 생각하고, 어떤 전략을 세우고 있는지에 대한 논의가 이루어졌습니다.

[20:48] 골드만삭스 CEO 데이비드 솔로몬이 언급한 AI를 활용한 S-1 작성 사례는, 과거 클라우드 도입 초기와 비교되는 중요한 변화의 순간을 보여줍니다.

[21:21] 과거 클라우드에 대한 은행들의 부정적인 태도가 완전히 바뀐 것처럼, AI에 대한 기업들의 인식도 긍정적으로 변화하고 있으며, 이는 새로운 기술 수용의 전환점을 보여줍니다.

[21:57] 세계 최상위 5대 은행 중 하나가 AI 도입에 적극적으로 나서고 있으며, 이는 금융 규제가 가장 엄격한 환경에서도 AI 혁신이 진행되고 있음을 보여줍니다.

[22:34] 10년 전에는 기업들이 클라우드 도입에 매우 보수적이었으나, 현재는 많은 영역에서 AI를 적극적으로 시도하고 있습니다. 다만 규제와 컴플라이언스 문제로 아직 초기 단계에 있습니다.

[23:17] AI가 가져올 변화 중 가장 큰 것은 노동력의 변화입니다. 특히 AI 네이티브 세대가 직장에 들어오면서, 정보 검색과 처리 방식이 완전히 달라지고 있습니다.

[24:04] 기업들은 AI 전략의 중요성을 인식하고 있으며, AI 퍼스트 접근이 기업 경쟁력의 핵심이 될 것임을 이해하고 있습니다.

[24:21] 기업들은 AI 네이티브 세대를 고용하기 위해서는 현대화가 필수적임을 인식하게 될 것입니다. 구식 기술을 사용하는 기업은 인재 확보에 어려움을 겪을 것입니다.

[24:39] AI를 도입하지 않는 기업은 경쟁에서 뒤처질 것이며, 투자 은행 거래, 고객 온보딩, 재무 자문 등 모든 면에서 경쟁력이 떨어질 것입니다.

[24:50] 클라우드와 달리 AI는 단순한 효율성 향상이 아닌, 기업의 실질적인 경쟁력과 직결되는 문제로 인식되고 있습니다.

[25:15] 클라우드는 초기에 스타트업들이 주도했지만, AI는 대기업들도 적극적으로 도입하고 있으며, B2B SaaS AI 기업들의 성장이 매우 빠른 속도로 이루어지고 있습니다.

[25:34] 과거 클라우드 도입 시기와 달리, 현재 기업들은 AI의 중요성을 깊이 인식하고 있으며, 이는 단순한 비용 절감이 아닌 기업의 핵심 경쟁력으로 여겨지고 있습니다.

[26:39] AI 도입 여부에 따른 기업 경쟁력 차이를 설명하며, AI를 도입하지 않으면 경쟁에서 뒤처질 수 있다고 강조

[27:02] Box의 AI 도구 투자 현황에 대해 설명하며, 코딩 분야와 엔지니어링 생산성 향상을 위한 AI 도입 사례 공유

[27:38] 고객 서비스와 내부 지식 관리를 위한 AI 도입 사례를 설명하며, 특히 HR 관련 문의 처리에서의 AI 활용 강조

[28:16] 기업의 AI 도입 전략에 대해 논의하며, 과거 제프 무어의 이론을 바탕으로 필수적인 시스템과 경쟁우위 요소 구분

[29:00] 기업의 핵심 가치와 일반적인 업무 프로세스의 차이점을 설명하며, 차별화된 가치 제안의 중요성을 강조합니다.

[29:25] 기업이 핵심 역량과 문맥적 기능을 구분해야 하는 이유를 설명하며, 잘못된 분류가 가져올 수 있는 단점을 지적합니다.

[29:50] 클라라의 HR 시스템 개발 사례를 들며, 일반 기업들에게는 자체 HR 시스템 개발이 우선순위가 아님을 설명합니다.

[30:10] 생명과학 분야를 예로 들어, 핵심 연구 개발과 일반적인 프로세스 자동화의 차이를 설명합니다.

[30:40] 2030년의 AI 도입 전망을 제시하며, 대부분의 AI 솔루션이 기존 소프트웨어 제공업체를 통해 제공될 것으로 예측합니다.

[31:10] 현재 기업들의 내부 챗봇 개발 트렌드에 대한 관찰을 공유합니다.

[31:16] GUI와 채팅 인터페이스의 하이브리드 형태가 미래가 될 것이며, GUI는 여전히 중요한 역할을 할 것이라고 예측합니다.

[31:37] 채팅 인터페이스가 때로는 대시보드보다 비효율적일 수 있으며, AI 효율성 이점이 프롬프트 개발에 소비되는 상황을 지적합니다.

[31:55] 기업의 핵심 가치를 만드는 알고리즘과 추천 엔진 같은 핵심 기술은 자체 개발될 것이며, 이는 비즈니스 경쟁력의 핵심이 될 것입니다.

[32:20] 기업 시스템을 내부(자체 개발)와 외부(구매/도입) 솔루션으로 구분하여 접근하는 방식을 제안합니다.

[32:47] 인프라와 개발 도구의 중요성을 강조하며, 이를 통해 내부 팀이 비즈니스 요구사항을 효과적으로 구현할 수 있다고 설명합니다.

[33:09] 개발 도구와 고객 경험 사이의 중간 계층에서 새로운 기회가 있으며, 스타트업들이 새로운 스택을 구축하는 데 중요한 역할을 할 것으로 전망합니다.

[33:37] 기업 내 AI 관리에 있어 오픈소스의 역할과 현재 트렌드에 대한 논의가 시작됨

[33:49] 오픈소스의 장점과 비용적 측면에서의 이점을 설명하며, 대규모 오픈소스 프로젝트의 필요성 강조

[34:24] 스타트업과 대기업 간의 오픈소스 활용 방식 차이와 상생 모델에 대한 설명

[34:50] 기업들의 AI 호스팅 모델 사용에 대한 보안 우려와 현재 상황 논의

[35:12] 업계별 AI 도입 방식의 차이와 자체 모델 구축에 대한 접근 방식 설명

[35:40] 시간이 지남에 따라 호스팅 AI 서비스에 대한 기업들의 신뢰도 증가 현상 설명

[35:57] 소프트웨어가 엔터프라이즈급으로 성숙해질수록 시스템에 대한 신뢰도와 데이터 입력 의지가 높아지며, AI도 이러한 발전 과정을 따르고 있습니다.

[36:17] 클라우드 경험을 통해 기업들은 이미 호스팅 방식에 익숙해졌고, 이는 현재 AI 스타트업들에게 유리한 환경을 제공하고 있습니다.

[36:36] 클라우드 도입을 위해 수많은 CIO들과의 미팅과 설득 과정이 있었고, 이는 현재 AI 도입을 위한 토대가 되었습니다.

[37:19] 2005년 당시의 기술 환경에서는 AI 도입이 불가능했으며, 클라우드와 SaaS의 선행 도입이 AI 발전의 필수 조건이었음을 설명합니다.

[38:20] 소비자의 기술 채택이 기업의 디지털 전환을 가속화하는 현상을 설명. 개인이 ChatGPT, Perplexity 등을 사용하면서 기업 시스템의 현대화 필요성을 인식하게 됨.

[38:50] 기업의 IT 인프라 현대화와 벤더 다양화에 대해 논의. 과거 소수 벤더 중심에서 현재는 수백 개의 벤더를 수용하는 환경으로 변화.

[39:45] 온프레미스에서 클라우드로의 전환 경험을 바탕으로 AI로의 새로운 전환기를 조망.

[40:06] 2000년대 중반 SaaS 투자에 대한 회의적 시각과 실제로 시장이 10배 이상 성장한 역사적 경험을 설명. 1999년 CRM 시스템 도입 과정의 복잡성 언급.

[40:58] 과거 기업들은 CRM 시스템 구축을 위해 서버 구매, 소프트웨어 설치, 네트워크 관리 등에 많은 비용과 시간을 투자해야 했습니다.

[41:15] Salesforce의 등장으로 신용카드만으로 즉시 CRM 시스템을 사용할 수 있게 되어, 잠재 고객이 급격히 증가했습니다.

[41:50] Box도 기업용 문서 관리 시장에서 비슷한 경험을 했으며, 경쟁사의 고객 수가 수천 명 수준이었던 것에 비해 현재 11만 5천 명의 고객을 보유하게 되었습니다.

[42:18] ServiceNow의 사례처럼, 클라우드 기반 서비스는 기존 시장 예측을 뛰어넘는 15배 이상의 가치를 창출했습니다.

[42:52] AI도 이와 같은 패턴을 보일 것으로 예상되며, 소프트웨어 지출 증가와 함께 새로운 가치를 창출할 것으로 전망됩니다.

[43:24] AI 도입이 단순한 제로섬 게임이 아님을 설명. 대부분의 기업들이 실제로는 많은 필요한 작업을 수행하지 않고 있으며, AI가 이러한 미수행 작업들을 가능하게 할 것이라고 강조.

[43:52] 계약서 검토 자동화 사례를 들어 설명. 현재는 극소수의 기업만이 계약 데이터 추출 작업을 하고 있으며, AI 도입으로 이러한 작업의 자동화가 확대될 것으로 전망.

[44:30] 소프트웨어와 AI 시장이 향후 10년간 5배 성장할 것으로 예측. 이는 기존 인력을 대체하는 것이 아닌 새로운 가치 창출의 결과가 될 것임을 강조.

[45:01] AI 도입의 긍정적 효과를 설명. 단순한 인력 대체가 아닌 기업의 새로운 가치 창출과 소비자 혜택 증대로 이어질 것이라고 주장.

[45:25] 경제학자들의 제로섬적 시각을 비판하며, 시장의 실제 변화와 성장 가능성을 제대로 이해하지 못하고 있다고 지적.

[45:43] AI 자동화가 일자리를 없앨 것이라는 단순한 시각은 잘못되었다는 지적. 미시경제적 관점에서 보면 AI는 효율성을 높여 더 나은 제품과 서비스를 만드는 데 기여한다.

[46:10] AI를 통한 효율성 향상은 매출 증가로 이어지고, 이는 다른 영역의 일자리 창출로 이어진다. 영업, 고객지원, HR 등 다양한 분야에서 새로운 일자리가 생긴다.

[46:40] 경쟁 시장에서는 AI로 얻은 이익을 단순히 수익으로 남기는 것이 아니라, 비즈니스 성장과 경쟁력 강화를 위해 재투자하게 된다.

[47:30] AI 자동화는 일하는 방식의 업그레이드이며, 궁극적으로 소비자에게 혜택이 돌아간다. 규제환경이 적절하다면 더 많은 가치를 창출할 수 있다.

[48:20] AI는 소외된 지역의 교육 접근성을 높이고, 의료서비스 비용을 낮추는 등 사회 전반의 발전을 이끌 수 있다.

[00:00] 잠깐만요, AI를 활용해서

[00:02] 더 많은 자동화를 할 수 있다면 더 많이 구축할 수 있고

[00:03] 더 많이 구축할 수 있다면 비용을 낮출 수 있으며

[00:05] 비용을 낮출 수 있다면

[00:06] 모든 사람의 삶의 질을 향상시킬 수 있습니다

[00:09] 지금 우리는 혁명의 한가운데 있고

[00:10] 이 혁명은

[00:11] 블랙미러 같은 디스토피아가 될 필요가 없습니다

[00:13] 오히려 이것은

[00:16] 지번스의 역설에 의해 추진되어

[00:19] 모두를 위한 풍요를 가져올 수 있습니다

[00:21] 그리고 그것이 바로 우리가 원하는

[00:23] 미래의 방향입니다

[00:25] 그래서 저는 이런 미래에 베팅하고 있습니다

[00:27] [음악]

[00:33] 라이트콘의 새로운 에피소드에 오신 것을 환영합니다

[00:35] 저는 게리이고, 이분은 제라드 하지와

[00:38] 다이애나입니다. 우리는 YC의 파트너들이고

[00:41] 우리가 투자한 회사들의 가치는

[00:44] 수천억 달러에 달합니다

[00:46] 오늘은 정말 훌륭한 게스트를 모셨습니다

[00:50] 박스의 아론 레비입니다

[00:52] 멋진 소개네요, 네 아론, 당신은

[00:56] 최고의 프로덕트 CEO 중 한 분이시죠

[00:58] 상장 기업의 CEO이기도 하고요

[01:00] 제 위키피디아에 그렇게 써있나요? 네

[01:03] 제가 그렇게 분류했죠. 우리는 지금

[01:04] AI 혁명의 한가운데 있는데, 어떠신가요?

[01:08] 꽤 좋습니다. 지금은

[01:10] 소프트웨어 업계에 있기 좋은 시기죠

[01:12] 네, 오늘 기분이 좋습니다

[01:15] 우리가 얘기해왔던 것 중에

[01:16] 아마도 우리가 동의할 만한 것은

[01:17] ChatGPT 래퍼가 잘못된 밈이었다는 것과

[01:20] 실제로는 이러한 기초 모델 기업들 위에

[01:22] 앱을 구축하는 데 많은 가치가 있고

[01:24] 항상 그래왔다는 점입니다

[01:25] 사실 반대로

[01:27] 더 많은 가치가 있을 수 있죠

[01:29] 맞습니다

[01:31] 네, 흥미로운 점은

[01:33] 그 밈에는 아마도 2% 정도의

[01:35] 진실이 있고 나머지 90%는 사실이 아닙니다

[01:38] 폴 그레이엄의 웨지 이론처럼

[01:40] 실제로 당신은

[01:42] 작은 틈새를 찾는

[01:44] 단순한 제품으로 시작해서

[01:46] 거기서 확장해 나가야 합니다

[01:47] 클라우드 초창기에

[01:49] 문서와 데이터를 관리하는

[01:51] 소프트웨어를 만들었다면

[01:53] '그건 그저 아마존의 래퍼일 뿐이야'라고

[01:55] 생각했을 텐데, 이는

[01:57] 스토리지 버킷을 실제 애플리케이션에서

[01:59] 유용하게 만드는 데 필요한

[02:01] 전체 소프트웨어의 규모를

[02:03] 완전히 잘못 이해한 것이죠

[02:06] 래퍼 논쟁에서도 정확히

[02:08] 같은 것이 적용됩니다

[02:09] 워크플로우와 독점적인

[02:11] 비즈니스 로직, 그리고

[02:13] 고객이 가져오는 데이터를 위해

[02:14] 얼마나 많은 소프트웨어가 필요한지가 실제 가치이지

[02:16] 단순히 나오는 토큰의

[02:18] 집합이 가치가 아닙니다

[02:20] 스타트업들이 왜 몇 걸음

[02:22] 앞을 내다봐야 하는지에 대해

[02:23] 조금은 사실인데, 아마도

[02:24] ChatGPT가 통합할 수 있는 것만

[02:27] 되어서는 안 됩니다

[02:28] 모델이 당신의 가치 제안을

[02:30] 통합할 것이라는 점보다는

[02:33] 모델 제공업체가 소비자 규모의

[02:35] 애플리케이션을 가지고 있다면

[02:36] ChatGPT가 곧 통합할

[02:38] 그런 기능의 경로에 있어서는 안 된다는 겁니다

[02:39] 이러한 경우에는 모델의 기능에

[02:42] 직접적으로 편입될 수 있기 때문에

[02:43] 래퍼(wrapper)가 되는 것에 대해

[02:45] 주의를 기울여야 합니다. 어떻게 하면

[02:47] 모델에 통합될 기능과

[02:48] 그렇지 않을 기능을

[02:50] 구분할 수 있을까요? 가장 어려운 점은

[02:52] 다음 모델이 어떤 기능을

[02:54] 가지게 될지 모른다는 겁니다.

[02:55] 그리고 모델이 강력해지고

[02:57] 일반화된 인공지능에 가까워진다면

[03:00] 무엇이든 다음 모델에

[03:01] 통합될 수 있다는

[03:03] 일반적인 인식이 있죠.

[03:05] 저는 이 모든 것을

[03:07] B2B 관점에서 바라보는데, 아마도

[03:09] podcast 청취자의 절반은 흥미를 잃으셨겠죠.

[03:12] 하지만 B2B 측면에서 보면

[03:16] 이것은 실제로 더 단순한

[03:18] 문제입니다. 기업은

[03:20] 모델이 아닌 결과를 원하기 때문이죠.

[03:23] 고객 지원 문의에 대한

[03:24] 응답이나

[03:26] 의료 기록 전사, 또는

[03:30] EHR 시스템으로의 전환이나

[03:32] 문서와 계약을 읽고

[03:35] 계약 워크플로우에 통합하는

[03:36] 자동화된 워크플로우 같은 것들이죠.

[03:39] 모델이 더 지능적이 되는 것은

[03:41] 실제로 이러한 용도로 소프트웨어를

[03:43] 개발하는 사람들에게 더 좋습니다.

[03:45] 모델이 특정 문제를 해결하는 데

[03:46] 불충분할 때 해킹을 통해

[03:49] 해결해야 하는 작업이

[03:50] 줄어들기 때문입니다.

[03:52] 하지만 고객이 실제로

[03:53] 구매하고 싶어하는 것은

[03:55] ERP 시스템이나

[03:57] 지원 시스템과 연동되어

[03:58] 고객의 비밀번호 재설정을

[04:00] 가능하게 하는 워크플로우를

[04:02] 처리하는 소프트웨어입니다.

[04:05] 이것이 실제 고객이 원하는 것이고

[04:06] 모델의 역할은

[04:08] 궁극적인 고객 가치 제안과는

[04:10] 다소 동떨어져 있습니다. 따라서

[04:12] 고객에게 완전한 결과물을

[04:14] 제공할 수 있는 소프트웨어를

[04:17] 개발하는 한,

[04:18] 2년 전에 이러한 초기 사용 사례들이

[04:21] 등장하기 시작했고,

[04:23] 가장 성공할 회사들은

[04:25] 궁극적인 가치 제안에서

[04:27] 모델을 최대한 추상화해야 한다는 것을

[04:29] 이해하는 기업들일 것입니다.

[04:31] 그리고 고객을 위해

[04:32] 모든 모델 업데이트를

[04:34] 가능한 한 빨리 통합하면 됩니다.

[04:36] 결국 고객은 고객 지원이라는

[04:37] 결과물을 구매하는 것이고

[04:39] 모델이 개선될 때마다

[04:41] 계속해서 더 나아지는 것입니다.

[04:42] 한 가지 좋은 비유를 들자면

[04:44] Box를 고객들을 위해 개발할 때

[04:46] 그들은 기반이 되는

[04:49] 데이터베이스나 클라우드,

[04:51] 네트워킹 장비나 하드 드라이브가

[04:53] 무엇인지 신경 쓰지 않았죠.

[04:55] 오직 소프트웨어 레벨에서의

[04:57] 최종 사용자 경험만이 중요했습니다.

[04:58] 오늘날도 마찬가지로

[05:01] B2B AI 워크플로우의 최종 사용자들은

[05:04] 어떤 모델이 사용되는지, 어떻게 작동하는지

[05:07] 신경 쓰지 않습니다. 결과만 중요하죠.

[05:09] 워크플로우죠, 네. 생각해보면

[05:12] 그게 정확한 결론인 것 같습니다.

[05:14] 종종 각 조직마다

[05:15] 특이사항이 있긴 한데

[05:16] 그들이 신경 쓰는 부분이 있죠.

[05:18] 데이터 센터가 어디에 있는지

[05:19] 혹은 인프라 제공업체가 누구인지 같은 것들이요.

[05:22] 하지만 이는 소수의 경우고

[05:23] AI에서는 당분간

[05:26] 모델 간의 차이가

[05:27] 존재하는 과도기를 거칠 것 같습니다.

[05:29] 이 분야에 대해 식견이 있는 사람들의 경우

[05:31] 차이를 구분할 수 있겠죠.

[05:33] 예를 들어 Cursor와

[05:35] Anthropic의 경우처럼요.

[05:37] 사람들은 그 조합을 좋아하고

[05:38] 출력 결과의 차이를

[05:40] 느낄 수 있습니다.

[05:43] 하지만 5년 후를 내다보면

[05:44] 모델과 지능이

[05:46] 수렴하게 될 것으로 보입니다.

[05:49] 그 시점에서는

[05:50] 품질 차이를

[05:52] 90%의 비즈니스 사례에서는 거의 구분하기 어려울 겁니다.

[05:55] 특히 개발자들이

[05:56] 각기 다른 모델에 대해

[05:58] 선호도를 개발해 온 것이

[05:59] 흥미롭습니다. 몇 주 전

[06:01] AI 리트릿에서 Anthropic과 Claude가

[06:04] 에이전트를 오케스트레이션하는

[06:05] 선호 LLM으로 부상했죠.

[06:07] 여러 에이전트가 있을 때

[06:09] LLM이 적절한 것을

[06:10] 지능적으로 호출하길 원하면

[06:12] Claude를 선호하는 것 같더군요.

[06:14] 이런 상황에서

[06:15] 모델 회사들은 어떻게 될 것 같나요?

[06:17] 아마도 모든 사람이

[06:18] 모델 회사가 무엇인지에 대한

[06:21] 이해를 업데이트할 필요가 있을 것 같습니다.

[06:23] 사실 순수한 모델 회사는

[06:25] 거의 없다고 봅니다. 프론티어 모델 랩을 가진

[06:27] AI 회사들이 있지만

[06:30] 점점 더 소비자나 기업에

[06:32] 소프트웨어를 판매하고 있죠.

[06:34] 순수하게 모델만 다루는 회사가

[06:37] 현재 어디인지 모르겠네요.

[06:38] Anthropic만 해도

[06:41] 그들의 소프트웨어 수익을 보면

[06:42] 사실상 기업용 API 비즈니스입니다.

[06:44] 물론 대규모 소비자 대상

[06:46] 사업도 있겠지만

[06:48] 실제로는 보안, 규정 준수

[06:50] 거버넌스, 개인정보 보호

[06:52] 가동 시간, SLA

[06:53] 계정 관리 서비스에

[06:55] 비용을 지불하는 거죠.

[06:58] 모델은 그저 그 밑에서

[07:00] 계속 교체되고 있을 뿐입니다.

[07:02] OpenAI의 수익을 보면

[07:04] 공개된 정보상

[07:06] 명확하게 현재는

[07:07] 소프트웨어 회사입니다.

[07:08] AI 모델이 그들의 소프트웨어를

[07:10] 구동하는 거죠. 구글은 당연히

[07:13] GCP이고, 메타는

[07:15] 수익화할 필요가 없어서

[07:17] 오픈소스로 가고 있습니다.

[07:18] xAI가 현재로서는

[07:21] 가장 순수한 모델 회사에

[07:22] 가깝지만, 이것도 Grock 등으로 나타날 거예요.

[07:24] 그래서 지금 순수한 모델 회사를

[07:27] 시작하는 건 좋지 않을 것 같아요.

[07:30] 라이선스 수익만을 기대하면서요.

[07:31] 단순히 라이센스 수익만으로는

[07:34] 모델을 판매하는 것만으로는

[07:36] 충분한 가치를 제공하지 못할 것입니다.

[07:38] 기업에 통합되거나

[07:40] 대규모 소비자 애플리케이션처럼

[07:42] 부가가치를 제공하는

[07:44] 요소가 필요합니다.

[07:46] 생태계 내에서 트래픽을 유지할 수 있는

[07:48] 어느 정도의 사용자 기반이

[07:50] 필요하다는 겁니다.

[07:52] 지금 이 시점에서는

[07:54] 순수 AI 모델 기업만으로는

[07:56] 좋지 않을 것 같습니다.

[07:58] 현재 AI 분야에는

[08:00] 다양한 비즈니스 모델이 등장했기 때문입니다.

[08:03] 순수하게 AI 토큰만으로

[08:05] 비즈니스를 하기에는

[08:07] 매우 어려울 것입니다.

[08:09] 메타같은 기업이 항상

[08:11] 오픈소스로

[08:13] 최신 모델을 공개하면서

[08:15] 균형을 맞출 것이기 때문이죠.

[08:17] 이제 딥시크(Deep Seek)도 있고

[08:20] 놀라운 점은

[08:21] 메타가 이제

[08:22] 딥시크가 하는 모든 것을

[08:24] 따라해야 한다는 겁니다.

[08:26] 오픈소스 분야에서

[08:27] 경쟁력을 유지하기 위해서죠.

[08:29] 이 산업의 역동성으로 인해

[08:31] 게리의 첫 지적처럼

[08:33] 인공지능의 비용이

[08:34] 제로에 가까워질 것이

[08:35] 확실해 보입니다.

[08:37] 그렇다면 이것이 의미하는 바는

[08:40] 인공지능이 상품화되면서

[08:42] 스타트업에는 어떤 의미일까요?

[08:45] 다행히도 우리는 이미

[08:47] 플레이북을 알고 있습니다.

[08:49] AGI라는 한 가지 변수가 있는데

[08:51] 이는 궁극적으로

[08:53] 모든 관련 비즈니스 모델을

[08:54] 완전히 바꿀 수 있는

[08:56] 변수입니다.

[08:57] 하지만 그것을 제외하면

[08:59] 이러한 기업들은

[09:02] 소프트웨어 기업처럼 되어야 합니다.

[09:03] 기본으로 돌아가야 한다는 거죠.

[09:05] 과거에는 데이터베이스 API가 있었고

[09:08] 스토리지 API가 있었고

[09:10] 컴퓨팅 API가 있었습니다.

[09:12] 이제는 인텔리전스 API가 있고

[09:13] 이 인텔리전스의 비용은

[09:16] 결국 하드웨어 비용

[09:18] 수준으로 떨어질 것입니다.

[09:19] GPU의 기본 비용이 곧

[09:22] 여러분이 지불할 비용이 될 것이고

[09:24] 하이퍼스케일러의

[09:25] 약간의 마진만 붙을 것입니다.

[09:27] AI 토큰의 실제 비용은

[09:29] 제로에 수렴할 것입니다.

[09:31] 그래서 중요한 것은

[09:33] 이 복잡한 기술을 활용해

[09:36] 실제 고객의 문제를 해결하는

[09:38] 소프트웨어를 만드는 것입니다.

[09:40] 여러분도 이미 많이 논의했듯이

[09:42] 수직적 AI가 있을 것이고

[09:43] 이는 엄청난 기회가 될 것입니다.

[09:45] 또한 다양한 AI 시스템을

[09:47] 통합하는 AI 소프트웨어 층이

[09:49] 분명히 존재할 것입니다.

[09:51] 수평적, 수직적 접근이 있을 것이고

[09:53] 모든 산업과 직무에

[09:55] 어느 정도의 새로운

[09:57] 변화가 있을 것입니다.

[10:00] 이런 업계와 직무를 위한 스타트업과 에이전트들이

[10:02] 그런 영역들을 위해 만들어질 것입니다

[10:05] 여러분이 모든 산업과

[10:06] 모든 직무에 대한 화이트보드를

[10:07] 가지고 있는지 모르겠지만

[10:09] 기본적으로 빙고 게임처럼

[10:11] 모든 칸이 채워질 때까지

[10:13] 아직 AI 분야에서

[10:14] 기회가 남아있을 것입니다

[10:16] 우리는 첫 번째 SaaS 물결에서

[10:19] 이것을 어떻게 할지 알아냈고, YC는 분명

[10:22] SaaS 분야에서 주요한

[10:24] 카테고리 킬러들의 중요한 부분이었죠

[10:26] AI에서도 같은 플레이북이 펼쳐질 겁니다

[10:27] DeepSeek의 여러 흥미로운 점 중 하나는

[10:29] 특히 최초의

[10:30] 오픈소스 추론 모델이라는 점입니다

[10:32] 단기적으로 보면, 기업 분야에서

[10:34] 특별히 새로운 아이디어가

[10:36] 나올 것 같나요?

[10:37] 이제 오픈소스 추론 모델이 있으니까요

[10:39] 우리가 본 바로는

[10:41] 내부적으로 여러 벤치마킹을

[10:44] 수행하고 있는데

[10:46] 추론 모델과

[10:47] 비추론 모델을 비교해보면

[10:50] 일부 기능에서는 더 나은 성능을 보이고

[10:52] 어떤 면에서는

[10:53] 이상하게도 성능이 더 나쁜 경우도 있습니다

[10:56] 왜 이런 부분에서

[10:58] 성능이 떨어지는지

[10:59] 아직 파악하지 못했습니다

[10:59] 아마도 문제를 너무 깊이 생각하는 것 같습니다

[11:02] 일반적으로 저는 이렇게 주장하고 싶습니다

[11:04] 지능을 향상시키는 모든 것들은

[11:06] B2B 활용 사례로 이어질 것이고

[11:09] 그 활용 가치는 증가할 것입니다

[11:12] 왜냐하면 이제 여러 에이전트들을

[11:15] 합리적으로 연결할 수 있게 되었고

[11:18] 더 많은 에이전트들이 함께 작동하며

[11:20] 자율적인 워크플로우를 만들 수 있기 때문입니다

[11:22] 지능 지수가 올라갈 때마다

[11:24] 이제 저는 더 중요한 비즈니스 프로세스에

[11:27] 이것을 안정적으로 도입할 수 있게 됩니다

[11:28] 그래서 기업에서는

[11:30] 아마도 2x2 매트릭스나

[11:31] 차트로 생각해볼 수 있을 것 같은데

[11:33] 아직 누가 만들었는지 모르겠지만

[11:34] 워크플로우의 중요도와

[11:36] AI 지능 수준을 축으로 하는 매트릭스죠

[11:38] 그리고 아직은

[11:40] 예를 들어 은행의

[11:42] 핵심 시스템이나

[11:44] 은행의 마감 데이터 처리 같은 곳에는

[11:46] 도입할 수 없습니다

[11:48] 아직은 결정적이지 않고

[11:50] 어떤 답변을 할지

[11:51] 완벽히 예측할 수 없기 때문이죠

[11:53] 하지만 은행의 새로운 상품 출시에 대한

[11:55] 요약문을 작성하거나

[11:57] 은행 상품에 대한

[12:00] 소비자 질문에 답변하는 데는 도움을 줄 수 있습니다

[12:02] 거기에는 연속성이 있어서

[12:04] 지능이 향상될 때마다

[12:06] 우리가 구현할 수 있는

[12:08] 활용 사례가 늘어나고

[12:10] 또 다른 축은

[12:12] 그런 활용 사례들을 얼마나 많이

[12:14] 연결해서

[12:15] 비즈니스 프로세스의

[12:17] 전체 워크플로우를

[12:19] 완성할 수 있느냐입니다

[12:21] 이것이 또 다른

[12:22] 중요한 축이 될 것 같습니다

[12:25] 아직 초기 단계이긴 한데...

[12:27] 제가 몇 주 전에 뉴욕에 갔었는데

[12:28] 여러 은행들을 만났어요.

[12:30] 일반적으로 생각해보면

[12:31] 엔터프라이즈 분야의 뉴욕 산업들은

[12:34] 우리가 채팅 어시스턴트 같은

[12:36] 일반적인 기능의 도입 측면에서는

[12:39] 약 10% 정도 진행됐다고 볼 수 있고

[12:42] 에이전트라고 부를 수 있는 것들은

[12:43] 도입률이 1% 정도에 불과한데

[12:45] 이것도 과대 평가된 수치일 수 있죠

[12:47] 실제로 은행이나

[12:49] 포춘 500대 기업, 또는 기업의

[12:51] 의사결정자들과 이야기할 때

[12:53] 그들이 실제로

[12:54] 기반 모델에는 전혀 관심이 없나요?

[12:56] Claude가 나와도 그들에게는 의미가 없고

[12:58] 단지 우리가 제시하는 제안과

[13:00] 솔루션에만 관심이 있나요?

[13:02] 아니면 실제 기술에도

[13:04] 관심이 있나요?

[13:06] 우리나 청취자들 같은 사람들이

[13:07] 모든 회사에 있기 때문에

[13:09] 그런 사람들은 관심이 있죠.

[13:11] 하지만 실제 비즈니스 라인으로 가면

[13:13] 예를 들어 은행의 자산관리 부서장은

[13:16] 관심이 없어요. 하지만 CTO나

[13:18] AI 책임자, 그리고 IT 인력들,

[13:20] 특히 기술에 관심 있는 사람들

[13:22] 해커뉴스를 보는 사람들은

[13:24] 관심이 있죠. 왜냐하면

[13:26] 그들은 Cursor를 사용하고

[13:27] 차이점을 직접 경험하니까요

[13:28] Anthropic과 OpenAI 사이의

[13:30] 토큰 차이도 알고 있고

[13:32] 하지만 실제 비즈니스 임원이나

[13:35] 일반 최종 사용자와 이야기하면

[13:37] 그들은 전혀 관심이 없어요.

[13:39] 그들에게는 모두 외계어 같은 거죠.

[13:41] 이건 앞으로도

[13:43] 계속 그럴 것 같아요.

[13:44] 더 중요한 건, 이러한 것들이

[13:47] 수렴할 것이라는 기대입니다.

[13:49] AI의 놀라운 점은

[13:50] 이 모델들이 완전히는 아니지만

[13:53] 방향성 측면에서는 대체 가능하다는 거예요

[13:55] 어느 정도 대체 가능하기 때문에

[13:57] 다른 컴퓨팅 분야에서 봤던

[13:59] 특성들이 나타날 거예요

[14:00] 즉, 최고의 모델이라도

[14:03] 가격 경쟁력에서 우위에 있는 경쟁자와

[14:05] 가격을 맞춰야 합니다.

[14:07] 왜냐하면 살짝 열등한 모델로

[14:10] 전환할 수 있기 때문이죠.

[14:12] 1%만 열등해도

[14:13] 그걸로 전환할 위험이 있고

[14:15] 80% 정도의 사용 사례에서

[14:18] 충분히 수용 가능할 수 있어요.

[14:20] 이는 결과적으로 최첨단 기술을 가진

[14:22] 업체도 실제로는

[14:24] 자신보다 살짝 열등한 경쟁자의

[14:26] 가격에 맞춰야 한다는 걸 의미해요

[14:28] 그들은 알고 있죠

[14:30] 실제 사용자들은 신경 쓰지 않고

[14:31] 가격을 맞추지 않으면

[14:33] 사업이 무너질 수 있다는 걸

[14:34] 아이러니하게도 이는

[14:36] 하나의 공급자를 선택해서

[14:37] 계속 사용할 수 있다는 걸 의미해요

[14:39] 토큰 가격이 결국 2위나 3위로

[14:42] 저렴한 옵션 수준으로

[14:43] 떨어질 걸 알 수 있죠. 왜냐하면

[14:45] 첫 번째 공급자는

[14:47] 다음 한계 고객을 위해

[14:49] 두 번째나 세 번째 업체를 선택할 수도 있죠

[14:51] 그래서 결국에는

[14:53] 그 실험을 계속 진행하다 보면

[14:54] 10년 정도 지나면

[14:56] 결국 같은 가격대로 수렴하게 됩니다

[14:58] 실제로 우리가 목격한 것처럼

[14:59] 스토리지 버킷의 가격 차이를 보면

[15:02] 상위 3-4개 하이퍼스케일러들 간에

[15:04] 가격 차이가 크지 않죠

[15:06] 비즈니스 모델을 근본적으로 바꿀 정도는 아닙니다

[15:08] 비즈니스 모델 측면에서

[15:09] 소프트웨어 스택이나 컴퓨팅도 마찬가지입니다

[15:11] 결국 선택은

[15:12] 다른 요소들을 기반으로 하게 되죠

[15:14] 예를 들어 시스템에 얼마나 많은 데이터가 있는지

[15:17] 어떤 워크플로우를 구축했는지

[15:19] 시스템에서 어떤 작업을 하는지 등이요

[15:21] 그리고 결국에는

[15:23] AI의 가격도

[15:24] 결국에는 거의 비슷해질 것입니다

[15:27] 실제로 지금 말씀하신 내용이

[15:28] 우리가 스타트업들에서 보는 현상과 일치합니다

[15:30] 저는 여러 AI 스타트업들과

[15:32] 오피스아워를 진행했는데

[15:34] 기업을 대상으로 하는 한 특별한 사례가 있습니다

[15:37] 1년 만에 매출 1,200만 달러를 달성한 기업인데

[15:39] 이 회사는 실제로 여러 번

[15:42] 기반 모델을 교체했음에도

[15:44] 대기업 고객들은 전혀 신경 쓰지 않았어요

[15:47] 그들이 신경 쓴 것은

[15:49] 계약서상의 내용과 기대치였죠

[15:52] 특정 정확도로

[15:53] 워크플로우만 처리되면 된다는 거죠

[15:55] 토큰당 비용이 저렴해지면서

[15:58] 오히려 마진이 증가했습니다

[16:00] 처음 출시했을 때는

[16:02] 마진이 30% 정도였다가

[16:03] 작년 중반에 새로운 모델이 나오면서

[16:06] 60%로 올랐고, 지금은 80%까지 올랐죠

[16:09] 마치 파일 스토리지처럼 들리네요

[16:10] 맞습니다

[16:12] 오피스아워를 진행한 이 회사의

[16:14] 구체적인 사례가 되겠네요

[16:16] 정확히 그렇습니다

[16:18] 당신의 비유가 아주 적절한데

[16:21] 우리 회사의 경우

[16:23] 현재 공개적으로 81%의 총마진을 기록하고 있습니다

[16:26] 2005년에 회사를 시작할 때

[16:29] 만약 누군가가

[16:31] 데이터 저장 사업이 80%의 마진을 낼 거라고 했다면

[16:34] 말이 안 된다고 했을 거예요

[16:36] 단순히 스토리지 비용만 받는다고 생각했으니까요

[16:38] 하지만 실제로는

[16:40] 우리 회사에는

[16:42] 거의 천 명의 엔지니어가 있는데

[16:44] 그 중 1-2%만이

[16:46] 파일 스토리지 작업을 하고 있어요

[16:47] 나머지는 무엇을 하냐면

[16:50] 컴퓨팅, 스토리지

[16:52] 데이터베이스의 추상화 계층을 만들어

[16:54] 워크플로우와 데이터 거버넌스

[16:56] 자동화와 데이터 인사이트를 제공하는

[16:58] 소프트웨어를 개발하고 있습니다

[17:01] 이제 스토리지는 우리가 제공하는

[17:04] 전체 가치의 아주 작은 부분일 뿐이에요

[17:07] 토큰과 마찬가지로

[17:09] 실제 가치를 전달하는 것은

[17:11] 토큰 비용 대비

[17:13] 소프트웨어 스택이 제공하는 가치입니다

[17:15] 한 가지 생각해볼 점은

[17:17] 얼마나 많은 소프트웨어가

[17:18] 필요한지를 기준으로 평가하는 거죠

[17:21] 모델의 출력값 위에

[17:23] 가치 제안을 위한 토큰이

[17:25] 고객에게 성공적으로 작동하기 위해

[17:26] 필요한 소프트웨어가 적을수록

[17:29] 경쟁이 더 치열해지거나

[17:30] 상품화될 위험이 높아집니다

[17:31] 반면에 소프트웨어가 많을수록

[17:33] 토큰이 전체 시스템의

[17:35] 한 구성 요소일 뿐인 경우

[17:37] 아마도 더 나은 위치에서

[17:39] 경쟁력을 구축할 수 있고

[17:41] 고착효과를 높일 수 있으며

[17:43] 고객의 문제를 더 잘 해결할 수 있죠

[17:45] 하지만 결국에는

[17:46] 고객이 특정 결과물에 대해

[17:47] 비용을 지불하게 될 수 있습니다

[17:50] 이것이 현재 큰 화두인데

[17:51] 배치에서도 보고 계실 텐데

[17:53] 가격 책정 모델은 어떻게 할 것인가

[17:55] 예를 들어, 당신이

[17:57] AI 리드 생성 스타트업이라면

[17:59] 리드당 과금을 할 것인가

[18:01] 이건 매우 명확한

[18:03] 예상 가능한 모델이고

[18:04] 그렇게 되면 그 회사는

[18:07] 아니면 심지어

[18:09] 고객이 실제로

[18:11] 성공적이라고 판단하는

[18:13] 검증된 리드에 대해서만 과금할 수도 있죠

[18:15] 연속선상에는 성공적인 결과물에 대한 지불

[18:17] 모든 결과물에 대한 지불

[18:19] 또는 기본적인

[18:21] 리소스 사용량에 대한 지불이 있습니다

[18:23] 코딩 스타트업에서도 볼 수 있듯이

[18:25] 유용한 작업을 위한

[18:26] 컴퓨팅 단위를 구매하는 방식이죠

[18:29] 흥미로운 점은

[18:31] 우리가 이전에 보지 못했던

[18:32] 새로운 비즈니스 모델과 소프트웨어의

[18:34] 조합을 보게 될 거라는 겁니다

[18:35] 이것이 배치 과정에서

[18:36] 스타트업들에게 제가 주는 조언 중

[18:37] 가장 큰 변화 중 하나였어요

[18:40] 스타트업이 찾아와서

[18:42] 파일럿 프로그램을 진행하거나

[18:44] 사용량 기반으로 지불하겠다고 할 때

[18:45] 예전에는 그건

[18:47] 진정한 고객이 아니라고 했죠

[18:49] 다시 가서 연간 계약을

[18:50] 체결하고 수익을 확보해야 한다고

[18:51] 그렇지 않으면

[18:53] 어중간한 고객과

[18:54] 시간만 낭비하는 거라고 했습니다

[18:56] 하지만 특히 지난 1년 동안

[18:58] 가장 성공적인 기업들을 보면

[19:00] 대부분 BPO나

[19:02] 유사 서비스를 대체하고 있는데

[19:04] 고객들이 실제로

[19:05] 사용량 기반 과금을 원하고 있고

[19:08] 수익도 계속 증가하고 있어서

[19:10] 이제는 꼭 연간 계약을

[19:11] 해야 한다고 말하지 않습니다

[19:14] 네, 우리도 많은 영역에서

[19:17] 기업이 판매하는 것과

[19:19] 다른 한편의 노동력 사이에

[19:22] 직접적인 관계가 있는 경우

[19:23] 장기 계약이 필요하죠

[19:26] 인력을 고용해야 하고

[19:28] 장기 계약이 필요한데

[19:29] 사람도 고용해야 하고

[19:31] 인프라도 구축해야 하니까요

[19:32] AI의 장점은

[19:34] 완전히 탄력적이라는 거죠

[19:36] 우리는 이제

[19:38] 갑자기 새로운 세상을 상상해보면

[19:40] 이전에는 운영적으로 매우 부담이 되었던 리소스들이

[19:43] 이제는 탄력적으로 사용 가능해졌습니다.

[19:44] 어느 날 갑자기 이렇게 말할 수 있죠

[19:47] "저는 잠재 고객 1만 명이 필요해요."

[19:48] AI를 실행해서 그것을 생성하게 할 수 있죠

[19:51] 전통적인 방식으로는

[19:54] 이런 작업을 하려면

[19:55] 채용, 인력 구성, 팀 구축에

[19:57] 몇 달이 걸렸을 텐데

[19:59] 이제는 일주일 후면

[20:01] 리드를 생성하기 시작할 수 있습니다

[20:02] 비즈니스의 어떤 측면에서도

[20:04] 이런 방식으로 적용이 가능하죠

[20:06] 이것이 현실이 되었습니다

[20:07] 기업과 성과 창출 사이의

[20:09] 관계가 완전히 달라졌죠

[20:11] 결과물과 산출물이 완전히 달라졌고

[20:13] 소프트웨어 제공업체와

[20:15] 그들의 비즈니스 모델,

[20:16] 고객과의 관계도 완전히 달라졌습니다

[20:18] 에런, 뉴욕 출장 얘기로 돌아가볼까요?

[20:20] 네

[20:22] 제가 했던 어떤 출장이든 말씀해 주세요

[20:26] 당신은 포춘 500대 기업의 고위 임원들과

[20:28] 기술과 AI 전략에 대해

[20:30] 세계에서 가장 많은 대화를 나누는 사람 중 한 명인데

[20:32] 저는 정말 궁금합니다

[20:34] 그들이 AI에 대해 어떻게 생각하고 있는지

[20:37] AI에 집중하고 있는지,

[20:39] 그들의 비즈니스에 어떤 의미가 있다고 보는지

[20:41] 내부적으로 AI 이니셔티브를 구축하고 있는지

[20:43] 다른 회사의 제품을 구매하려고 하는지

[20:45] 어떤 일이 일어나고 있나요?

[20:46] 그렇죠, 모든 것이 진행되고 있습니다

[20:48] 2주 전에 바이럴이 된

[20:50] 골드만삭스 CEO 데이비드 솔로몬의

[20:52] S-1 준비 관련 발언 보셨나요?

[20:53] 시스코의 AI 행사에서

[20:56] 그가 말했는데, 내부적으로

[20:58] AI가 10분 만에 S-1을 작성하는

[21:01] 프로젝트를 진행 중이라고 합니다

[21:02] 이전에는 6명의 팀이

[21:04] 작업해야 했던 일인데 말이죠

[21:06] 이런 발언은 15년 전

[21:08] 클라우드 초기와 정확히 평행선을 이루는데요

[21:11] 유용한 비교가 될 것 같아서

[21:13] 클라우드 초기에는

[21:15] 계속 이 비교를 하게 될 것 같은데

[21:17] 은행 CEO들이 이렇게 말했었죠

[21:19] "우리는 절대 클라우드로 가지 않을 거다

[21:21] 클라우드를 신뢰할 수 없다"

[21:23] 하지만 지금은 정반대가 되었죠

[21:25] 제이미 다이먼도

[21:26] 자신의 생각을 바꾸었다고 생각합니다

[21:28] 그는 진화했죠

[21:29] 하지만 당시에는 업계 전반에

[21:30] 이런 유명한 순간들이 있었어요

[21:31] "우리는 절대 클라우드 기업이 되지 않을 것이다"

[21:33] "신뢰할 수 없다, 이전하고 싶지 않다"

[21:35] "아마존? 그건 서점일 뿐이야"

[21:36] 이런 말들이 반복됐죠

[21:38] 이해가 되는 말이었습니다

[21:40] 저도 S3를 봤을 때

[21:41] "서점이 이런 걸 운영한다고?"

[21:42] 라고 말했었죠. 하지만 지금 생각해보세요

[21:45] 골드만삭스 CEO가

[21:47] 이것이 가능하다고 말하는

[21:48] 얼마나 다른 세상인지

[21:50] 그는 '하지 말아야 한다'는 식이 아니라

[21:51] '우리는 눈을 열어야 한다'는

[21:53] 관점에서 이야기했습니다

[21:56] 모든 잠재적 가능성에 대해

[21:57] AI가 비즈니스에서 가질 수 있는

[21:59] 잠재적 사용 사례들에 대해 이야기하면서

[22:00] 그들이 적극적으로 나서서

[22:02] 이러한 사용 사례들을 시도하고 있다고 했습니다

[22:04] 세계 최상위 5대 은행 중 하나가

[22:06] 이렇게 초기 단계에서 이런 시도를 한다는 것은

[22:08] 앞으로 더욱 공격적으로 발전할 것이라는 의미입니다

[22:11] 왜냐하면 그는 가장 규제가 심한

[22:13] 모든 비즈니스 분야에서,

[22:14] 세계에서 가장 중요한

[22:16] 금융 시장에 있으면서도

[22:18] 이미 적극적으로 나서고 있기 때문입니다

[22:20] 이것이 그가 특별한

[22:22] 얼리어답터이기 때문인가요? 아니면

[22:23] 전반적으로 이런 현상이 나타나나요?

[22:26] 그는 DJ이기도 하죠

[22:28] 그래서 아마도, 네

[22:31] AI 음악에 정말 관심이 많은

[22:32] EDM 사람들과 어울리나 봅니다

[22:34] 10년 전만 해도 우리가

[22:36] 여러 산업 분야의 CIO 15명 정도,

[22:39] 특히 뉴욕의 금융 서비스 분야에서

[22:41] 저녁 모임을 가졌을 때

[22:44] 그들은 '우리 비즈니스의

[22:45] 아주 작은 부분에만 클라우드를 시도해볼 것이고

[22:48] 클라우드 우선이라는 개념은

[22:50] 확장하기 어렵다'고 했죠

[22:52] 완전히 비정상적으로 여겨졌고

[22:54] 절대로 있을 수 없는 일이었습니다

[22:56] 은행이 10-15년 전에

[22:57] 클라우드 우선이라고 말하는 건 상상도 못했죠

[23:01] 하지만 오늘날은 '가능한 많은 영역에서

[23:03] 이것을 시도하고 있다'고 합니다

[23:05] 아직은 모두가 매우 초기 단계입니다

[23:07] 개인정보 보호 위원회, 준법감시 위원회,

[23:09] 규제 기관들이 모든 것을

[23:11] 검토해야 하기 때문이죠. 하지만 모두가

[23:13] 이것이 얼마나 큰 파도가 될지

[23:15] 이해하고 있습니다

[23:17] 몇 가지 측면에서 보면

[23:19] 첫째, 노동력이 완전히 변할 것이고

[23:21] 둘째, 이런 인식이

[23:22] 약 1년 전쯤

[23:24] 이런 대화들에서

[23:25] 저에게 와닿았는데

[23:27] 지금 직장에 들어오는 사람들은

[23:28] 이미 몇 년 동안 ChatGPT를

[23:31] 대학에서 사용해왔다는 거죠

[23:33] 그들에게는 자연스러운 것입니다

[23:35] AI 네이티브 시대의 인력이죠

[23:38] 2년 전에는 농담 삼아

[23:39] '에세이 쓰기에 AI를 쓴다니

[23:41] 믿을 수 없다'고 했지만

[23:42] 저는 이제 거의 인터넷 검색을 하지 않습니다

[23:45] 정보를 찾을 때는 AI만 사용하죠

[23:46] 그리고 이를 통해 정보를

[23:49] 10배는 더 많이 찾을 수 있습니다

[23:51] 그래서 실제로 많은 면에서

[23:54] AI 네이티브 세대는

[23:56] 자신들이 선택한 주제에 대해

[23:58] 이전 세대보다

[23:59] 더 많은 지식을 가지게 될 것입니다

[24:02] 그렇다면 이것이 의미하는 바는

[24:04] 이러한 포춘 500대 기업들이

[24:04] 채용 방식을 바꾸고 있다는 건가요?

[24:06] 꼭 채용 방식의 변화라기보다는

[24:08] 이렇게 될 것이 분명해질 거예요

[24:10] 만약 AI를 도입하지 않는다면,

[24:11] AI 퍼스트 은행이나 미디어 기업이 되지 않는다면

[24:14] AI 전략이 무엇인지,

[24:15] 왜냐하면 고객들이나

[24:17] 내부적으로 기업들은

[24:19] 깨닫게 될 것이기 때문입니다

[24:21] 그들은 다음 세대를 실제로 고용할 수 없다는 것을 깨닫게 될 것입니다.

[24:23] 갑자기 AI 네이티브 방식으로 운영하는 것에서

[24:25] 대학이나 고등학교를 졸업하고

[24:27] 팩스기계 수준의 기술을 사용하라고 하는

[24:29] 회사에 가서 일하게 할 수는 없습니다.

[24:31] 사람들을 고용할 수 없게 될 것이고

[24:33] 경쟁사들은 더 많은 성과를 낼 것입니다.

[24:35] 더 많은 투자 은행 거래를 성사시키고

[24:37] 고객을 더 빨리 온보딩하고

[24:39] 그들의 고객에게 더 나은 재무 자문을 제공할 것입니다.

[24:41] 이를 도입하지 않는 회사보다

[24:42] 결과적으로 모든 기업들이

[24:44] 이것이 실제로 경쟁력 문제라는 것을 깨닫고 있습니다.

[24:47] 클라우드는 그렇지 않았죠.

[24:48] 클라우드는 순전히 효율성 측면의 이야기였습니다.

[24:50] '데이터센터를 직접 구축하고 싶지 않다'

[24:51] '탄력적인 용량이 좋아 보인다'

[24:53] 새로운 제품을 더 빨리 테스트하고 싶다는 정도였죠.

[24:55] 고객이 우리 회사의 아웃풋에 대해

[24:58] 클라우드 사용 여부에 따라

[24:59] 다른 경험을 하게 될 거라고 생각하지 않았습니다.

[25:01] 지금은 우리 모두가 차이가 있다고 믿지만

[25:03] 구매자 입장에서는

[25:05] 클라우드가 회사를 5배 더 경쟁력 있게 만들 것이라는 점이

[25:07] AI처럼 명확하게 와닿지는 않았습니다.

[25:08] AI는 분명히 공감을 얻고 있죠.

[25:10] 실제로 AI를 도입하지 않으면

[25:12] 귀사의 경쟁력이 위험에 처할 수 있습니다.

[25:14] 클라우드 초기에는

[25:15] 많은 이점이 스타트업에 있었습니다.

[25:17] 호스팅 문제를 다루지 않고

[25:19] 쉽게 시작할 수 있는 방법을 원했기 때문이죠.

[25:21] 하지만 AI 생산성 도구에서는 반대일 수 있다고 말씀하시는 것 같네요.

[25:24] 제가 보기에는 오히려 스타트업에게

[25:26] 더 많은 기회가 있을 것 같습니다.

[25:28] 우리가 진행하는 모든 오피스 아워를 보면

[25:31] B2B SaaS AI 기업들이 엔터프라이즈 거래를

[25:33] 가장 빠르게 성사시키는 것을 볼 수 있습니다.

[25:34] 재미있는 일화를 하나 말씀드리자면

[25:35] 8-9년 전에 제가 은행 컨퍼런스에 갔었는데

[25:37] 거기서 작은 기조연설을 했습니다.

[25:38] 클라우드 퍼스트여야 하고

[25:40] 기업들이 클라우드로 운영 방식을 현대화해야 한다는 내용이었죠.

[25:42] 제 인생에서 청중을 그렇게 지루하게 만든 적이

[25:44] 없었던 것 같습니다.

[25:46] 무대에서 내려왔을 때 아무도 관심을 보이지 않았어요.

[25:48] 왜 백엔드 인프라에 대해 이야기하냐는 식이었죠.

[25:49] 아무도 신경 쓰지 않았습니다.

[25:50] '클라우드를 쓰든 말든, 우리 예산 수준에서는'

[25:53] IT에 연간 5억 달러나 10억 달러를 쓰는데

[25:56] 1억 달러를 절약하는 게 무슨 의미가 있냐는 식이었죠.

[26:39] 일부가 탄력적이든 아니든

[26:40] 그렇게 큰 문제가 되지 않죠.

[26:43] 하지만 AI 우선과 비AI 우선 기업을

[26:45] 비교해보면 사람들은

[26:47] 아마도 이렇게 생각할 겁니다.

[26:49] 'AI 없이는 더 이상 비즈니스를 운영할 수 없다'

[26:51] 사람들에게 보여주면 알 수 있죠.

[26:53] 예를 들어, Cursor를 사용하는

[26:55] 사람들의 생산성 향상을 보면

[26:56] 경쟁에서 완전히 밀려날 수밖에 없습니다.

[26:58] 지금 AI 중심 기업을 만드는 방법을

[27:01] 모른다면 말이죠.

[27:02] 네, Box는 내부 운영을 가속화하기 위해

[27:05] AI 도구에 투자했나요?

[27:07] 네, 몇 가지 카테고리가 있습니다.

[27:10] 우선, 우리는 코딩 분야에

[27:12] AI를 도입하고 있습니다.

[27:14] 그리고 우리는 모든 것을 시도하고 있죠.

[27:17] 엔지니어를 위한 내부 도구들을요.

[27:19] 네, 기본적으로

[27:21] 엔지니어링을 어떻게 하면

[27:22] 더 생산적으로 만들 수 있을지

[27:23] 그게 우리 비즈니스의

[27:25] 가장 큰 성공 요인 중 하나입니다.

[27:26] 유용하고 제품 로드맵에 맞는

[27:28] 코드를 더 많이 생산할 수 있는가죠.

[27:30] 올해는 개발 방식에 있어서

[27:33] 완전한 AI 중심이 될 것입니다.

[27:35] 올해가 이러한 변화관리의

[27:37] 중요한 해입니다.

[27:38] 우리는 점진적으로

[27:40] 고객 대면 서비스에

[27:42] AI를 도입하고 있습니다.

[27:43] 고객 문의 문제를 해결하고

[27:45] 응답률을 개선할 수 있을까요?

[27:47] 그리고 AI 제공업체로서

[27:49] 많은 지식 관리 사례들을

[27:50] 이제 AI로 처리하고 있습니다.

[27:52] 예를 들어 직원이 HR이나

[27:54] 복리후생 관련 질문이 있으면

[27:56] HR 데이터와 대화할 수 있는

[27:58] 기능을 제공하고 있죠.

[28:00] 모든 내부 지식 관리에 대해

[28:02] 이것이 우리에게 있어

[28:04] 획기적인 발전이었습니다.

[28:05] 문서 안에 있던 모든 정보가

[28:06] 이제는 문서를 읽는 대신

[28:09] 질문을 통해 활용할 수 있게 되었죠.

[28:11] 그래서 우리는

[28:12] 내재된 생산성에

[28:14] 많은 초점을 맞추고 있습니다.

[28:16] 기업들이 어떤 것을

[28:17] 내부적으로 개발하고

[28:19] 어떤 솔루션을

[28:20] 외부에서 구매할 것 같나요?

[28:24] 제가 보기에는 기본적으로

[28:27] 과거의 패턴과 비슷할 것 같습니다.

[28:29] 제프 무어가 이론을 만들었는데

[28:31] 제가 잘못 기억하고 있다면

[28:33] 제프 무어께서

[28:34] 댓글로 정정해 주시기 바랍니다.

[28:37] 그의 아이디어는 맥락상

[28:40] 필수적이지만

[28:42] 사업에 직접적인 영향을 주지 않는

[28:43] 요소들이 있다는 것입니다.

[28:45] 경쟁사와 비교해서 비즈니스를

[28:48] 더 나아지게 하지는 않는 것들이죠.

[28:50] HR 시스템이나 ERP 시스템처럼

[28:52] 반드시 있어야 하고

[28:54] 매우 중요하며

[28:55] 잘 운영되어야 하지만

[28:57] HR 시스템의 버전이

[28:58] 획기적으로 다르지는 않을 겁니다.

[29:00] 체크박스를 확인하는 것보다 크게 다르지 않을 겁니다

[29:02] 체크박스는 확인해야 하지만

[29:03] 좋은 체크박스여야 하고 이런 것들이 있죠

[29:05] 그리고 핵심이 있는데, 이것은

[29:07] 말 그대로 당신의 가치 제안입니다

[29:08] 예를 들어 자산 관리를 판매한다면

[29:10] 고객들에게 자산 관리 서비스를 제공하고

[29:13] 그것은 당신이 소유해야 하는 것입니다

[29:16] 만약 당신의 서비스가 경쟁사와 완전히 똑같다면

[29:18] 경쟁사와 정확히 같은 모습이라면

[29:19] 그렇다면 이윤이 없을 것입니다

[29:22] 수익을 낼 수 있는 마진이 없겠죠

[29:23] 적절한 수익을 얻을 수 없을 것입니다

[29:25] 합리적인 수익을 얻을 수 없게 되죠

[29:25] 독특한 무언가가 있어야 합니다

[29:27] 그리고 저는 기업들이

[29:29] 어떤 카테고리가 어떤 것인지 정말 이해해야 한다고 봅니다

[29:31] 왜냐하면 만약 핵심을 문맥에 넣으면

[29:34] 장기적으로 불리한 위치에 처할 수 있고

[29:36] 장기적으로 불리해질 것이고

[29:37] 문맥을 핵심에 넣으면

[29:39] 엄청난 시간과 에너지를

[29:40] 낭비하게 될 것입니다

[29:43] 이것이 제가 클라라의

[29:44] 발표들을 흥미롭게 보는 이유입니다

[29:47] 읽는 것은 재미있지만

[29:48] 문맥과 핵심을 잘못 이해하고 있다고 봅니다

[29:50] 자체 HR 시스템을 구축할 필요가 없습니다

[29:51] 그들이 하는 것이 기쁘고

[29:53] 도발적이고 재미있게 보입니다

[29:54] 다양한 접근 방식을 볼 수 있어서 좋고

[29:55] 사람들의 관심을 끌고

[29:57] 우리의 창의력을 자극합니다

[29:59] 사람들이 움직이게 만들고 우리의

[30:00] 창의적인 생각이 흐르게 만들죠

[30:02] 하지만 일반적인 은행의 경우

[30:04] HR 시스템을 새로 만드는 것이

[30:05] 우선순위가 아닙니다

[30:08] 그래서 저는 모든 산업에서

[30:10] 생명과학 분야에서는 아마도

[30:12] 약물 개발을 어떻게 하고 있는지

[30:14] 정말 이해해야 하고

[30:15] 매우 강력한 AI 팀이

[30:17] 그 문제를 다루고 있어야 합니다

[30:20] 왜냐하면 그것이 당신의 지적 재산이 될 것이기 때문입니다

[30:21] 하지만 임상시험 과정의 자동화는

[30:23] 아마도 문맥적인 부분일 것입니다

[30:25] 왜냐하면 모든 사람이

[30:28] 가능한 한 빨리

[30:29] 그것을 하기를 원할 것이고

[30:31] 엄청난 양의 독점적 데이터가

[30:32] 필요하지 않을 것이기 때문입니다

[30:34] 그리고 물론 CRM 시스템이나 HR 시스템도 마찬가지죠

[30:36] 결국 많은 것들을

[30:38] 외부에서 구매하게 될 것 같습니다

[30:40] 왜냐하면 비즈니스의 대부분 기능이

[30:42] 실제로는 문맥적인 것이기 때문입니다

[30:43] 네, 2030년에 지식 노동자가 접하게 될

[30:45] AI의 대부분은

[30:47] 10년 전에 우리가 ISV라고 생각했던 것에서 올 것입니다

[30:51] 시청자들을 위해 ISV가 무엇인지 설명하자면

[30:53] 기본적으로 소프트웨어 제공업체입니다

[30:55] CRM 시스템은 여전히

[30:56] Salesforce나 경쟁사에서 제공할 것입니다

[30:58] 자체 개발한 AI 기반

[31:00] CRM 시스템을 만들지는 않을 것입니다

[31:02] 그들은 아마도 새로운 벤더나

[31:04] 내부적으로 구축한 것을 통해

[31:06] CRM 시스템과 대화할 수 있을 것입니다

[31:08] 흥미로운 점은

[31:10] 현재 많은 기업들이

[31:11] 내부적으로 챗봇을

[31:13] 구축하고 있다는 것입니다

[31:14] 저는 이것이 일시적인 현상이라고 생각합니다

[31:16] 일시적인 현상일 수 있다고 생각하는데요. 음...

[31:19] 저는 채팅보다는 UX가 더 좋더라고요. 네.

[31:21] 네, 우리는 앞으로 이 두 가지의

[31:22] 하이브리드 형태를 보게 될 것 같아요.

[31:23] 음... GUI가 사람들이 생각하는 것만큼

[31:25] 죽지 않았다고 봅니다. 많은 채팅 인터페이스를 보면

[31:28] 이런 생각이 들어요.

[31:29] 단순히 대시보드로 가는 것보다

[31:31] 더 많은 작업을 하고 있다는 느낌이 드는 거죠.

[31:34] 제가 90% 확신하는데

[31:37] AI로 얻은 효율성과 비용 절감의 이점을

[31:39] 전부 프롬프트를 만드는 데

[31:42] 써버린 것 같아요.

[31:44] 대시보드로 쉽게 해결할 수 있었을 텐데 말이죠.

[31:45] 하지만 두 가지 방식이 공존할 것 같고

[31:47] 결국에는 대부분이

[31:49] 소프트웨어 형태로 제공될 것 같아요.

[31:50] 지식 근로자가 기술을 사용하는

[31:52] 시간의 비율로 보면

[31:55] 가장 가치 있는 것들 중 일부는

[31:56] 분명히 자체 개발될 거예요.

[31:59] 특정 항목을 발견하거나

[32:00] 의료 서비스를 개인화하거나, 자산 데이터를 개인화하는 알고리즘이나

[32:03] 넷플릭스의 추천 엔진 같은 것들이죠.

[32:04] 이런 것들은 자체 개발될 것입니다.

[32:06] 물론 독점 업체의 모델을 사용할 수도 있지만

[32:09] 전반적인 구조는

[32:10] 내부적으로 구축될 것 같아요.

[32:13] 독점 모델을 사용하더라도

[32:15] 그 주변 구조는

[32:17] 대부분 내부에서 만들어질 거예요.

[32:19] 흥미롭네요. 시청자분들을 위해 설명하자면

[32:20] 이해하기 쉽게 집 안과 밖으로 나눠볼 수 있겠네요.

[32:22] 집 밖은 체크리스트처럼 확인해야 하는

[32:24] 컨텍스트이고

[32:27] 이것들은 end-to-end 솔루션일 수 있죠.

[32:29] 세일즈포스 같은 것들 말이에요.

[32:31] 맞아요, 다른 관점에서 보자면

[32:33] 만약 당신이 이 회사의 고객이라면

[32:34] 그들이 어떤 기술을 사용하는지

[32:36] 신경 쓰실 건가요?

[32:37] 아니면 그저 필요한 기능만 제대로 작동하면

[32:39] 되는 걸까요?

[32:42] 넷플릭스 고객으로서 저는

[32:44] 그들의 ERP 시스템이 뭔지 전혀 신경 쓰지 않아요.

[32:46] 내부적으로는

[32:47] 핵심적인 것들이 있는데

[32:49] 거기서 기회는 인프라와

[32:51] 개발 도구에 있을 것 같아요.

[32:53] 이를 통해 내부 IT팀이나

[32:55] 엔지니어링 또는 AI팀이

[32:59] 빠르게 움직이면서

[33:01] 비즈니스에 필요한 것을

[33:04] 정확히 만들어낼 수 있죠.

[33:06] 네, 맞아요.

[33:09] 여기에도 약간의 모호한 부분이 있는데

[33:10] 현실적으로 말씀드리면

[33:12] 개발 도구를 직접 만드는 것은

[33:13] 원하지 않을 수 있어요.

[33:14] 그래서 그것들은 구매할 수 있고

[33:16] 개발 도구와 고객 경험 사이에는

[33:18] 중간 계층이 있어요.

[33:20] 이 토큰들의 출력으로 무엇을 할 것인가?

[33:22] 그게 독점 소프트웨어가 필요한 부분이고

[33:24] 그래서 그 영역에서

[33:25] 무엇이 가능할지 봐야 하는데

[33:27] 예를 들어

[33:29] 스타트업들로부터 놀라운 개발 도구들이

[33:32] 나올 것 같아요.

[33:34] 완전히 새로운 스택을

[33:36] 구축해야 하기 때문이죠.

[33:37] AI를 기업 내에서 관리하기 위한

[33:39] 중간 단계에서 실제로

[33:40] 오픈소스를 많이 보게 됩니다.

[33:42] 최근에 기업에서 오픈소스에 대한

[33:45] 관심이나 트렌드가 있나요?

[33:47] 저는 개인적으로 오픈소스를 좋아합니다.

[33:49] 우리가 사용하는 것에 대해

[33:50] 비용을 지불하지 않아도 되니까요.

[33:53] 물론 지원금을 줘야 하지만...

[33:55] 사실 호스팅 버전에 대해서는

[33:56] 항상 비용을 지불하고 있죠.

[33:59] 때때로 그렇습니다만,

[34:00] 제가 최근에 생각해본 것이

[34:02] 기술 업계 사람들이 더 자주

[34:04] 해볼 만한 멋진 일이 있는데요.

[34:07] 대규모 오픈소스 프로젝트를

[34:09] 시작하고 자금을 지원하는 것입니다.

[34:11] 다양한 서비스를 위한 공공의 이익을 위해

[34:13] 더 많은 오픈소스 소프트웨어가

[34:15] 개발되면 큰 순기능이 있을 것 같습니다.

[34:17] 전반적으로 더 많은 오픈소스가

[34:19] 생겼으면 좋겠어요. 현재는

[34:21] 아주 좋은 상생 모델이 되고 있죠.

[34:24] 해커 커뮤니티나

[34:26] 스타트업 커뮤니티는

[34:27] 빠르게 움직이길 원하고

[34:28] 라이선스 비용을

[34:30] 감당할 수 없는 경우가 많습니다.

[34:31] 반면 대기업 커뮤니티는

[34:34] 기술 지원을 원하고

[34:35] 전문가들이 이것들을 관리해주길 바라죠.

[34:37] 그래서 이런 좋은 관계가 형성되는데

[34:38] 사회에 좋은 영향을 주면서도

[34:41] 동시에 성공적인

[34:43] 상업적 비즈니스를

[34:44] 만들 수 있습니다. 많은 사람들이

[34:46] 상용 버전에 대해

[34:48] 비용을 지불하길 원하니까요.

[34:50] 이 사이클 초기에는

[34:51] 기업들이 호스팅 모델 사용에 대한

[34:52] 보안 문제를 많이 우려했죠.

[34:54] 많은 기업들이

[34:56] 내부적으로 ChatGPT 사용을 금지했는데

[34:59] 현재는 어떤가요?

[35:00] 그들의 모든 데이터가

[35:02] OpenAI나 Anthropic으로 가는 것에 대해

[35:05] 편안해졌나요? 아니면 여전히

[35:08] 우려하고 있나요?

[35:09] 그리고 오픈소스 모델을

[35:10] 사내에서 호스팅하려 하나요?

[35:12] 업계별로 다른 카테고리가

[35:14] 있다고 봅니다. 은행에 가보면

[35:16] 그들이 자랑스럽게 이야기하는데

[35:18] 당연히 그럴 만도 하죠.

[35:20] 그들은 이렇게 말합니다.

[35:21] '우리는 자체 인클레이브 버전의

[35:23] LLM 모델을 가지고 있고

[35:25] 그 위에 래퍼를 구축해서

[35:27] 직원들에게 배포하고 있다'라고요.

[35:30] 그리고 저는 시장의

[35:31] 일정 비율은 항상

[35:33] 그렇게 할 거라고 봅니다. 약 10% 정도요.

[35:35] 왜냐하면 여전히

[35:36] 온프레미스 시스템을 사용하는

[35:37] 곳들이 비슷한 이유로 계속 있을 테니까요.

[35:40] 하지만 확실히 편안함의 정도는

[35:41] 증가하고 있습니다. 이는 항상 그래왔죠.

[35:44] 만약 업계나 기업이

[35:46] 이를 매우 진지하게 받아들인다면요.

[35:48] OpenAI는 보안, 개인정보 보호, 규정 준수,

[35:51] 규제 통제를

[35:52] 매우 진지하게 다루고 있고

[35:54] 이는 시간이 지나면서 신뢰를 쌓게 됩니다.

[35:57] 그런 경험을 할 수 있고

[35:59] 그러한 활용 사례들을 경험할 수 있죠.

[36:02] 소프트웨어 카테고리가 성숙해지고

[36:04] 엔터프라이즈급이나 군사급 수준으로

[36:06] 발전할 때마다, 신뢰도와

[36:08] 데이터를 시스템에 입력하는 것에 대한

[36:10] 신뢰도 사이에 상관관계가 생깁니다.

[36:12] AI도 다르지 않아요.

[36:14] 소프트웨어와 클라우드처럼

[36:15] 이런 측면에서 보면,

[36:17] 많은 기업들의 행동 패턴이

[36:21] 클라우드로 인해

[36:23] 훨씬 더 편안해졌어요.

[36:24] 당신이 클라우드에서 이미 겪었던 것처럼

[36:27] 호스팅 방식에 대한 선호도가

[36:29] 이미 형성되어 있고, 이게 어떤 모습인지 알죠.

[36:31] 첫 번째 사이클에서는

[36:32] 판매하기가 훨씬 어려웠지만,

[36:33] 이번 세대의 창업자들을 위해

[36:35] 그 효과가 누적된 거예요.

[36:36] 그래서 사람들이 저한테 감사해야 해요. 물론 농담이고

[36:39] 재미있는 건,

[36:40] 당신이 그렇게 말씀하시니까

[36:41] 지금까지 제가 한 힘든 일에 대해

[36:44] 감사 인사를 받아본 적이 없네요.

[36:46] CIO들과의 수많은 저녁 식사 자리,

[36:48] 당신의 AI 스타트업이 기업에 판매될 수 있도록

[36:51] 도움을 준 모든 분들께 큰 감사를 드립니다.

[36:53] 제가 받은 존중은 많지 않았죠.

[36:56] 여러모로 인정받지 못했지만,

[36:58] 저는 감사하게 생각합니다.

[36:59] 제 흰 머리카락 하나하나가

[37:01] 사람들에게 이걸 구매해야 한다고 설득하면서

[37:04] 가졌던 저녁 식사 자리를 의미하죠.

[37:07] 그게 유일한 방법이었어요.

[37:09] 사무실에 감사패라도 하나 있어야 할 것 같은데

[37:11] 아직도 없다니 말이죠.

[37:13] 여러분은 아직 흰 머리가 없잖아요.

[37:15] AI가 지금 작동하는 것은 제 공이에요.

[37:19] 그런데 이건 흥미로운 질문이에요.

[37:20] 왜냐하면

[37:21] 기술의 복합적인 특성이

[37:23] 정말 재미있거든요.

[37:25] AI는 2005년에는 불가능했어요.

[37:28] 기술적 혁신이

[37:29] 실제로 일어났다고 가정해봅시다.

[37:30] 대체 현실을 상상해보죠.

[37:32] 젠슨이 somehow 현재처럼

[37:34] 강력한 GPU를 만들었다고 치자고요.

[37:36] 05년에 말이죠. 다른 건 모두 동일한 상황에서요.

[37:38] 이상한 세상이겠지만, 그렇다고 치고

[37:41] 어떤 회사에 가서 이렇게 얘기한다고 생각해보세요.

[37:43] '여러분의 모든 인프라가 온프레미스에 있고

[37:45] 모든 소프트웨어가 온프레미스에 있고

[37:47] 시볼과 피플소프트를 쓰고 계시죠.'

[37:49] '모든 데이터가

[37:50] 이 시스템에 있는데,

[37:52] 만약 이 모든 것을

[37:53] 전혀 통제할 수 없는 다른 곳으로 옮기면,

[37:55] 위치도 모르는 데이터센터에

[37:57] 데이터를 보관하게 되고,

[37:59] 데이터센터에 들어가서

[38:01] 직접 확인할 수도 없고

[38:02] 하드 드라이브도 볼 수 없지만,

[38:04] 모든 걸 옮기면

[38:06] 이런 인텔리전스를 얻을 수 있다'라고 하면

[38:07] 절대로 성공하지 못했을 거예요.

[38:09] 이 산업은 시작하자마자 끝났을 겁니다.

[38:11] 토큰이 어떻게 나오든

[38:12] 상관없었을 거예요.

[38:14] 클라우드가 선행되어야 했고,

[38:16] SaaS가 먼저 있어야 했고,

[38:18] 그 다음에야 AI가 가능했던 거죠.

[38:20] 이를 기반으로 하고 있죠.

[38:22] 또한 소비자화 부분도 매우 흥미롭습니다.

[38:25] 만약 기업에서만 기술을 사용하는 세상을

[38:27] 상상해보세요.

[38:30] 모바일 등을 통해 일반 소비자들이

[38:31] 기술에 접근할 수 있게 된 것처럼

[38:33] 그런 변화가 없었다면 어땠을까요?

[38:35] 사람들이 ChatGPT나

[38:38] Perplexity, Claude 등을 개인적으로 사용하면서

[38:40] '잠깐만, 우리 회사 IT 시스템은

[38:42] 왜 이렇게 구식으로 느껴지지?' 라고

[38:45] 생각하게 되는 것, 이것이 바로 변화를 이끄는 원동력입니다.

[38:48] 그래서 소비자들의 기술 채택이 필요했고

[38:50] 이제 수십억 명의 사람들이

[38:52] AI를 사용할 수 있게 되면서

[38:54] 기업으로 그 기술이 유입되고 있죠.

[38:56] 기업의 인프라가 충분히 현대화되어야

[38:58] 이런 변화가 가능합니다.

[39:00] 지금은 정말 놀라운 기회의 시기입니다.

[39:02] 캄브리아기 대폭발과 같은 변화가 일어나고 있어요.

[39:04] 기본적인 인프라가 충분히 구축되어

[39:06] 우리가 이 순간에 와있기 때문이죠.

[39:08] 핵심 기반 시설이

[39:10] 갖춰졌고, 기업들도

[39:11] 다양한 소프트웨어 솔루션을

[39:13] 사용하는 데 익숙해졌습니다.

[39:14] 정확히 그렇죠, 100% 동의합니다.

[39:17] 일부는 좋아하지 않을 수 있지만

[39:19] 이제 그들의 IT 스택은

[39:21] 십여 개가 아닌 수백 개의 벤더로 구성되어 있죠.

[39:23] 그래서 이제는 Anthropic과 같은 새로운 기술도

[39:26] 받아들일 수 있게 되었습니다.

[39:28] 전체 IT 벤더 생태계에서

[39:30] 단 1% 정도의 증가에 불과하니까요.

[39:33] 15년 전에는 '오라클이 아니면

[39:36] 도입할 수 없다'고 했던 것과는

[39:37] 완전히 다른 상황이죠.

[39:39] 네, 계속해서 가속화되고 있습니다.

[39:41] 스타트업들이 이러한 변화를

[39:43] 계속 주도해 나가길 바랍니다.

[39:45] 온프레미스에서 클라우드로의 전환을

[39:48] 최전선에서 지켜보셨는데,

[39:51] 이제 클라우드에서 AI로의 새로운 전환기를 맞이했습니다.

[39:53] 이것이 어떻게 전개될 것 같으신가요?

[39:56] 비슷할까요, 다를까요?

[39:57] 그리고 앞으로의 소프트웨어

[39:59] 시장 규모와는 어떤 관계가 있을까요?

[40:01] 네, 제가 이 두 가지를

[40:03] 연결해서 설명해보겠습니다.

[40:05] 여기에는 흥미로운

[40:06] 연결점이 있는데요.

[40:09] 2000년대 중반에 SaaS에 투자하지 않았던

[40:13] 가장 큰 이유는 시장 규모가

[40:17] 온프레미스 소프트웨어 기업과

[40:19] 비슷할 것이라고 생각했기 때문입니다.

[40:22] 만약 시장 규모가 같고

[40:24] 기존 소프트웨어 회사가

[40:26] 이미 선점하고 있는 상황이라면

[40:28] 새로운 기업이

[40:29] 어떻게 충분한 수익을 낼 수 있을까요?

[40:31] 비즈니스를 매력적으로

[40:32] 만들 수 있을까요?

[40:34] 하지만 모두가 틀렸던 것은

[40:36] 실제 시장 규모가

[40:38] 약 10배 정도 더 컸다는 점입니다.

[40:40] TAM이 이렇게 크게 성장한 이유는

[40:41] 모두를 지루하게 할 수 있지만, 설명하자면

[40:43] 1999년에 CRM 시스템을 구매하려면

[40:46] 시스템 통합 업체를 찾아가서

[40:48] 데이터센터를 구축하고

[40:53] 서버를 구매하고

[40:55] 시스템 통합 업체를 통해

[40:56] 데이터센터를 구축해야 했습니다.

[40:58] 서버를 많이 구매하고

[40:59] 소프트웨어를 설치하고,

[41:01] 네트워크를 관리해야 했죠.

[41:04] 그리고 2년이 지나서야

[41:06] CRM 시스템을 얻을 수 있었고,

[41:08] 전체 프로젝트에 5~10백만 달러를 썼죠.

[41:10] 그러면 누가 이런 시장에서

[41:12] 최고급 CRM 시스템을

[41:13] 도입할 수 있었을까요?

[41:15] 바로 세계 최대 기업들이었죠.

[41:17] 5천 개, 1만 개 정도의 기업들이요.

[41:19] 그런데 세일즈포스가 등장해서

[41:21] 신용카드로 3개 라이선스만 구매하면

[41:23] Siebel만큼 좋은 CRM을 얻을 수 있게 됐죠.

[41:25] 물론 일부 기능 차이는 있었지만

[41:27] 기능이 조금 부족했더라도

[41:27] 그 기업에게는 Siebel만큼

[41:29] 강력한 시스템이었습니다.

[41:31] 이제 갑자기

[41:33] 전 세계 모든 기업이

[41:34] 잠재 고객이 된 거죠.

[41:37] 1만 명, 2만 명 정도였던

[41:39] 잠재 고객이

[41:41] 이제는 500만, 1천만으로

[41:43] 늘어난 것입니다.

[41:45] 규모가 완전히 달라졌죠.

[41:47] 2~3배 정도가 아닌

[41:49] 우리도 비슷한 경험을 했습니다.

[41:50] 우리가 혁신하려 했던 산업은

[41:52] 기존의 기업용 문서 관리,

[41:55] 기업 콘텐츠 관리 시스템이었는데

[41:56] Siebel과 똑같은 상황이었죠.

[41:58] 우리가 가장 큰 경쟁사의

[42:00] S-1 서류를 읽어보니

[42:02] 그들은 고작

[42:04] 1천 개나 2천 개 정도의

[42:05] 고객을 이야기하고 있었죠.

[42:07] 지금 우리는 11만 5천 고객을 보유하고 있지만

[42:10] 당시에는

[42:11] 5천에서 1만 정도였을 때

[42:12] 이 시장을 혁신하려 했고

[42:13] 규모는 완전히 달랐습니다.

[42:15] 시장 규모가 훨씬 커진 거죠.

[42:18] ServiceNow의 경우

[42:20] 현재 정확한 시가총액은 모르겠지만

[42:24] 아마도

[42:25] 1,500억에서 1,750억 달러 정도일 겁니다.

[42:28] 초기 성장 단계에서 그들의 경쟁사는

[42:30] 시장을 혁신하고

[42:32] 성장하던 때와 비교하면

[42:34] 지금은 고작 50억에서 100억 정도의 가치밖에 없죠.

[42:37] 20년 전에 이 회사를 봤다면

[42:39] ServiceNow는 기껏해야

[42:41] 50억이나 100억 달러 규모의 회사가 될 거라고

[42:42] 기존 제품보다 조금 더 나은 버전이라면

[42:45] 그렇게 생각했을 텐데

[42:46] 실제로는 예상보다 15배나 더 큰

[42:49] 회사가 됐습니다.

[42:50] Salesforce도 같은 경험을 했죠.

[42:52] AI도 비슷한 역학이 있다고 봅니다.

[42:54] 소프트웨어에 대한 총 지출이

[42:56] 증가하기 때문이에요.

[42:58] 새로운 기업들이

[43:00] 처음으로 소프트웨어를 구매하는 게 아니라

[43:02] 모든 기업이 이전에는 소프트웨어로 할 수 없었던 일을

[43:05] 이제는 할 수 있게 되고

[43:06] 이전에는 소프트웨어로 접근할 수 없었던

[43:09] 예산을 활용하게 되는 거죠.

[43:10] 그래서 예산은 다양한 곳에서 나올 것이고

[43:12] 소프트웨어가 유용한 작업을 수행하기 때문에

[43:15] 더 많은 비용을 지불할 수 있게 됩니다.

[43:17] 왜냐하면 소프트웨어에 더 많은 투자를 할 수 있고

[43:20] 대안이 훨씬 더 비쌌기 때문이죠.

[43:22] 그래서 이는 완전히 다른 차원의 이야기입니다.

[43:24] 여기서 제가 생각하는 사람들이

[43:26] 잘못 이해하고 있는 부분이 있는데

[43:28] 그들은 이것을 제로섬으로 생각합니다

[43:30] 그래서 노동 비용에서만

[43:31] 절감할 수 있다고 생각하죠

[43:34] 하지만 실제로는 대부분의

[43:35] 기업들이 노동 비용을

[43:36] 지출하지 않고 있습니다

[43:38] 그냥 그 일을 아예 하지 않고 있죠

[43:41] 전 세계적으로 대부분의 기업들이

[43:43] 광고를 다른 언어로 번역하는 데

[43:44] 시간을 투자하지 않습니다

[43:46] 따라서 번역 서비스 시장이

[43:48] 이 정도 크기라서 디지털화한다는 게 아니라

[43:50] 100배 더 많은 사람들이

[43:52] 번역을 하게 될 것입니다

[43:54] 우리 비즈니스를 예로 들면

[43:56] 우리는 계약서를 읽고

[43:58] 중요 데이터를 추출하는

[43:59] 소프트웨어를 가지고 있어서

[44:00] 계약 워크플로우를 자동화할 수 있습니다

[44:02] 전 세계적으로 계약서를 검토하고

[44:04] 데이터를 추출하는 사람의 수는

[44:05] 아마도 1만 명이나 5만 명 정도

[44:07] 정확한 숫자는 모르지만

[44:09] 매우 적은 비율의 기업만이

[44:11] 계약서 작업을 하고 있습니다

[44:13] 이제 그들은 이전에 자동화하지 않았던

[44:15] 작업을 자동화하는 것을 우선순위로 둘 것입니다

[44:17] 예를 들어, Cursor나

[44:19] Repet이나 Devon 같은 경우

[44:21] 아마도 현재 사람들이

[44:22] 하고 있는 일에서 가져오는

[44:24] 기술 비용은 한 푼도 없을 겁니다

[44:26] 이는 순수하게 추가적인 것이죠

[44:28] 현재 하고 있는 일에서

[44:30] 가져오는 게 아니라 순수 부가가치입니다

[44:32] 이제 소프트웨어가 적용될 수 있는

[44:34] 사용 사례가 확장되고 있기 때문이죠

[44:36] 그래서 저는 우리가 잠재적으로

[44:38] 소프트웨어의 규모가, AI를 포함해서

[44:40] 다음 10년 동안

[44:42] 5배 더 커질 수 있는 시나리오를 맞이할 것 같습니다

[44:46] 왜냐하면 IT가 실제로

[44:48] 소프트웨어를 구매한 본래 목적의 작업을

[44:51] 수행하기 때문이죠

[44:52] 이는 모든 것을 바꿉니다

[44:55] 이제 우리는

[44:56] 작업 자체에 대해 비용을 지불하는 것이 아니라

[44:57] 다른 사람들이 일할 수 있게 하는

[44:59] 도구에 대해 비용을 지불하게 될 것입니다

[45:01] 이것이 실제로 AI의 긍정적인 측면입니다

[45:04] 단순히 제로섬으로 급여를 소프트웨어 수익으로

[45:07] 전환하는 것이 아닙니다

[45:09] 실제로 우리는 기업들이

[45:11] 해야 했지만 하지 못했던 일들을

[45:13] 수행하게 될 것이고

[45:15] 결과적으로 소비자들은

[45:17] 더 나은 제품과

[45:18] 서비스를 받게 될 것입니다

[45:20] 모든 것이 실제로 더 나아질 것입니다

[45:22] 아직 이에 대한 전체적인

[45:23] 경제 연구는 읽어보지 않았지만

[45:25] 경제학자들이 항상

[45:27] 이런 부분을 잘못 이해하는 것은

[45:28] 기본적으로 제로섬적 관점으로

[45:31] 접근하기 때문입니다

[45:32] 만약 경제학자들이

[45:33] 제번스의 역설같은 것을 항상 예측할 수 있었다면

[45:36] 이런 현상을 더 잘 이해했을 텐데

[45:38] 그들이 자주 잘못 이해하는 것은

[45:40] 특정 분야의 전체

[45:41] 노동 시장 규모만 보는 것입니다

[45:43] 그들은 '이런, AI가 자동화하면

[45:45] 그만큼의 일자리가 사라지겠구나' 이렇게 생각하죠

[45:47] 우리가 이에 대해 토론하고

[45:49] 논의해야 하는 것은 맞습니다

[45:50] 매우 중요한 사안이니까요

[45:52] 하지만 그들이 실제로 전혀 고려하지 않는 것은

[45:53] 미시적인 영향, 더 구체적인

[45:55] 미시경제적 영향입니다. 예를 들어 제가

[45:58] Box나 다른 기업에서 AI를 사용해서

[46:00] 코딩을 더 빠르게 한다고 가정해 봅시다

[46:04] 왜 더 빠르게 코딩하나요? 고객을 위해

[46:06] 더 나은 제품을 만들고 싶기 때문입니다

[46:08] 고객을 위해 더 나은 제품을 만든다면

[46:09] 고객을 위해 더 나은 제품을 만들면

[46:11] 매출이 더 빠르게 성장할 것이고

[46:12] 매출이 더 빠르게 성장한다면

[46:14] 아마도 그 매출 성장을 위해

[46:16] 더 많은 인력을 고용하게 될 것입니다

[46:19] 소프트웨어를 판매하는 영업사원이 될 수도 있고

[46:20] 고객 지원이나 HR 인력이

[46:21] 운영 규모를 확장하는 데 필요할 수도 있죠

[46:24] 그리고 결국에는 이런 시점에 이르게 됩니다

[46:25] '더 빠른 성장을 위해 절약된 비용을

[46:28] 더 많은 엔지니어를 고용하는 데

[46:30] 써서 더 빠르게 성장하고

[46:31] 로드맵을 더 확장할까?' 만약

[46:34] 우리가 경쟁이 없는 시장에 있다면

[46:35] 이렇게 말할 수 있을 것입니다

[46:37] '그냥 이익을 취하고

[46:38] 만족하자'라고요. 하지만 우리는

[46:40] 경쟁 시장에 있습니다. 만약 당신이

[46:42] AI가 생성한 이익에 안주하고

[46:44] 단순히 높은 이익률을 즐기기로 결정한다면

[46:47] 그냥 20%, 30%, 40%의 이익률에 만족한다면

[46:49] 회사의 이익률이 높다고 안주한다면

[46:51] 누군가가 시장에 들어와서

[46:53] '아니요, 우리는 20% 이익으로도 충분해요.

[46:55] 그걸로도 같은 일을 할 수 있습니다'라고 하며

[46:56] 그 회사가 결국

[46:59] 당신의 시장을 잠식할 것입니다. 그래서 실제로는

[47:00] 그 절약된 비용을 다시

[47:03] 성장을 돕는 부분에 재투자하게 되죠

[47:04] 이것이 바로 자동화의

[47:06] 미시경제적 결과입니다

[47:09] 효율성 향상으로 얻은 이익을

[47:11] 비즈니스의 다른 부분에 재배치하여

[47:13] 더 경쟁력을 갖추거나 더 빠르게 성장하거나

[47:15] 고객에게 더 나은 서비스를 제공하는 데

[47:17] 사용하게 됩니다. 왜냐하면

[47:18] 우리는 경쟁적인 생태계에 있기 때문이죠

[47:20] 그래서 저는 시간이 지나면서

[47:22] 물론 일부 직종에서는 대체가 있겠지만

[47:24] 다른 카테고리에서 시간이 지나면서

[47:26] 이것은 단순히 우리의 일하는 방식의

[47:28] 업그레이드로 보입니다

[47:31] 우리는 더 빠르게 일하고

[47:32] 더 나은 결정을 내리고 더 나은

[47:35] 제품을 만들기 위해 도구를 사용합니다

[47:36] 고객은 더 나은 결과를 얻게 되고

[47:38] 우리는 그 이익을

[47:40] 다시 비즈니스에 재투자합니다

[47:41] 경쟁적인 생태계에 있기 때문이죠

[47:43] 그리고 궁극적인 승자는

[47:45] 소비자입니다. 소비자가 항상 이기죠

[47:47] 지금 한 가지 요소만 보자면

[47:49] 샌프란시스코를 예로 들어보면

[47:51] 정상적인 규제 환경이 있다고 가정할 때

[47:53] 그 이익이 실제로

[47:54] 잉여가치로 전환될 수 있는 환경에서

[47:56] 그래서 만약 우리가 그 이익을 얻고

[47:58] 그런 다음 주택 건설 능력을

[47:59] 규제한다면

[48:01] 갑자기 모든 것이 여전히 비싸지만

[48:02] 하지만 모든 것이 여전히 비싸죠

[48:04] 마치 이상향적인 풍요의 개념처럼

[48:06] '잠깐만, AI를 사용해서

[48:08] 더 많은 것을 자동화할 수 있다면

[48:10] 더 많이 건설할 수 있고, 더 많이 건설하면

[48:12] 비용을 낮출 수 있고, 비용을 낮추면

[48:14] 비용을 낮출 수 있다면

[48:16] 모든 사람의 삶의 질을 높일 수 있습니다

[48:18] 지금 당장, 소외된

[48:20] 지역사회의 10살 아이가

[48:23] 갑자기 AI 에이전트 형태로

[48:25] 세계의 지식에 접근할 수 있게 되어

[48:27] AI 에이전트를 통해 더 나은 교육을

[48:29] 받을 수 있게 되었죠

[48:31] 서비스 제공 비용을 낮출 수 있다면

[48:33] 사람들에게 서비스를 제공하는 비용을 낮추면

[48:35] 더 나은 의료 서비스를 받을 수 있죠

[48:36] 이것이 바로 궁극적인 이상향입니다

[48:38] 이러한 자동화를 실제로

[48:40] 세상을 위한 더 나은 결과를

[48:42] 만들어내는 데 사용하는 것이죠. 그리고 이를 위해

[48:44] 수많은 일자리가 필요할 것입니다

[48:46] AI 덕분에 우리는 다시 사회가 될 수 있죠

[48:49] 바로 그거예요. 에런, 정말 감사합니다

[48:52] 함께 해주셔서 감사합니다

[48:53] 좋습니다. 여기서 마무리하는 게 좋겠네요

[48:55] 계속 이어질 이야기이기 때문이죠

[48:57] 우리는 지금 혁명의 한가운데 있고

[48:59] 우리는 혁명의 중간에 있습니다

[49:00] 그리고 이 혁명이 반드시

[49:02] 블랙미러 같은 것일 필요는 없습니다

[49:05] 지반의 역설에 의해 주도되는

[49:08] 모두를 위한 풍요에 의해 주도되는 것이 될 수 있죠

[49:10] 그리고 그것이 바로 우리가 원하는

[49:12] 타임라인입니다. 함께 만들어 갑시다

[49:14] 제가 베팅하는 미래입니다

[49:16] [음악]