TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
소프트웨어 세계의 바벨화: AI가 중간 지대를 없앨 것인가?

소프트웨어 세계의 바벨화: AI가 중간 지대를 없앨 것인가?

2026.09.28
공유하기
어떤 평가가 실제 가치를 지니는지, 그리고 단지 아무도 간파하지 못한 종이 위의 숫자에 불과한 것은 무엇인지 명확히 구분해 드립니다.

저자: Venture Curator

번역: TechFlow

TechFlow 요약: 미국의 유니콘 기업 537곳이 여전히 2021년 버블기의 낮은 가치평가에서 벗어나지 못하고 있으며, 'AI 네이티브'라는 라벨은 이제 가산점이 아니라 노출될 위험 요소로 변하고 있다. 자금 조달 중이거나 옵션을 보유한 전문가들에게 이 기사는 어떤 가치평가가 현실이며, 어느 것이 아직 확인되지 않은 명목상의 수치인지 구분하는 데 도움이 된다.

미국의 유니콘 537개사가 여전히 2021~22년 버블기의 가치평장을 안고 있습니다. 이들은 여전히 현실일까요?

창업자와 초기 구성원들은 보통 이전 라운드 가치평장을 기록용 스코어보드로 간주하도록 훈련받습니다. 그것은 지분 구조표 상의 숫자이자, 보도자료에 실린 숫자이며, 모든 사람이 자신의 지분 가치를 추산하는 데 사용하는 숫자입니다.

하지만 PitchBook의 2026년 3분기 정량적 전망 보고서 최신 데이터에 따르면, 미국 대부분의 유니콘 기업에게 이 수치는 몇 년째 시장의 진정한 검증을 받지 못했습니다.

PitchBook는 활성 미국 유니콘 기업 전부를 조사하여 최근 가격 결정 자금 조달을 완료한 연도별로 분류했습니다.

964개의 활성 미국 유니콘企业中, 312개가 마지막 자금 조달을 2021년에 진행했고, 225개가 2022년에 진행했습니다. 이는 537개사(전체 유니콘 그룹의 약 56%)가 벤처캐피탈 역사상 가장 비싼 자금 조달 시기에 책정된 가치평가에서 여전히 벗어날 수 없음을 의미합니다.

현금 흐름이 다시 해당 수치와 일치하기 위해 돌아오지는 않을 것입니다. 벤처캐피탈 펀드의 배당금은 순자산의 7.9%만 차지하며, 장기 평균인 14.5%의 절반에도 미칩니다. PitchBook은 펀드 수익성이 2020년부터 2022년까지의 인위적으로 높은 가치평가로 인해 직접적인 타격을 입었다고 지적합니다.

이들이 실제 가격을 테스트할 때는 종종 견디지 못합니다. 공개 시장 투자자들은 사설 시장 가격을 지불하지 않습니다. Chime의 상장 당시 가치평장은 사설 시장 최고치 대비 크게 축소되었으며, 제2시장 매수자들은 마지막 자금 조달이 이미 수년 전에 끝난 회사에 대해 상대적으로 최근 자금 조달을 마친 회사보다 훨씬 큰 할인을 제시합니다.

이 배경에는 두 번째 추세도 숨겨져 있습니다. 이러한 회사들 중 많은 기업이 운영 중단으로 멈춘 것이 아니라, 새로운 가격결정 사건이 더 낮은 수치를 마주하게 할 것을 우려해 자발적으로 자금 조달과 상장을 피한 경우가 많습니다. 비공개 상태를 유지하고 침묵하면, 2021년의 가치평장은 명목상으로 고정됩니다. 이것이 시장이 동시에 기록적인 명목 가치와 기록적인 묶여버린(유동화되지 않은) 가치를 보여주는 이유입니다.

따라서 유니콘 열기는 실제로 존재하는 것일까, 아니면 아무도 검증하지 않은 단순한 숫자에 불과한 걸까?

많은 회사에게 두 가지 주장 모두 타당할 수 있습니다. 일부 회사는 2021년 가치평장을 충분히 넘어섰으며, 오늘도 어렵지 않게 이를 뒷받침하고 있습니다. 하지만 시장은 해당 부류에 속하는 회사를 확인할 방법이 없습니다. 이들부터 그 이후로 실제 가격으로 자금 조달하거나 매각하지 않았기 때문입니다. 4년 전 가치평장은 거짓말이 아닙니다. 단지 검증되지 않았을 뿐입니다.

그것이 바로 창업자와 직원이 주의해야 하는 부분입니다.

만약 회사의 마지막 자금 조달이 2021년 또는 2022년에 이루어졌다면, 지분 구조표의 가치평장은 당신이 보유한 지분에 대한 가장 낙관적인 수치일 뿐, 오늘의 실제 가치와 반드시 일치하지는 않습니다. 이는 다음 라운드 협상 방식, 행사 고려 방안, 그리고 팀원에게 그들의 옵션이 무엇을 의미하는지 설명하는 방식에 영향을 미칩니다. 투자자에게도 마찬집니다: 만약 한 펀드가 해당 회사들에 대해 강력한 실현되지 않은 수익을 보고한다면, 그것은 단순히 장부상 수치만 보고한 것이지 실제 현금 수익을 의미하지는 않습니다.

진정한 위험은 가치평가액이 보이는 것보다 낮을 수 있다는 점에 있는 것이 아니라, 자금 조달, 채용 또는 행사 결정을 내릴 때 2021년에 책정된 수치를 마치 시장이 여전히 오늘 지불할 의사가 있는 가격처럼 취급하는 데 있습니다.

스타트업을 'AI 네이티브'라고 부르는 것이 오히려 당신의 가치평장을 훼손할까요?

자신을 AI 회사라고 칭하는 것이 여전히 가치평가 프리미엄을 받곤 합니다. 하지만 투자자들이 두 번째 질문을 점점 더 많이 던지고 있습니다: 이 회사의 얼마나 많은 부분이 진정으로 AI 덕분에 방어력을 갖췄는가?

본 분석의 데이터는 시장이 동일한 'AI 네이티브' 라벨을 달고 있는 회사들을 완전히 다른 바구니로 분류하기 시작했음을 보여줍니다.

AI 프리미엄은 여전히 실제 존재합니다: Carta의 2026년 상반기 데이터에 따르면, AI 스타트업은 시드 단계에서 비AI 회사와 비슷한 금액을 조달했지만, 가치평장은 약 50% 높았습니다.

하지만 모든 AI 회사가 동일한 프리미엄을 받는 것은 아닙니다: 분석에서는 상품화된 AI 외피형 회사를 매출의 3~8배로 책정했으며, 끈끈한 전용 데이터를 가진 수직형 AI 제품은 10~20배, 진정한 지식재산권과 전용 데이터를 보유회사는 25~40배로 평가했습니다.

회사가 성숙해질수록 심사 기준은 더욱 강화됩니다: 시드 라운드에서는 보호 가능한 지식재산권이 없는 회사에 대해 방어력이 더 강한 유사 회사 대비 20%~30%의 할인이 적용됩니다. 시리즈 A 라운드에 이르러서는 이 격차가 30%~40%까지 벌어집니다.

이는 제품에 AI를 단순히 추가하는 것이 점점 무의미해지는 이유를 설명합니다.

투자자들은 AI 라벨을 떼었을 때 남은 것이 무엇인지 점점 더 궁금해합니다.

다른 스타트업이 동일한 기본 모델 API를 호출하는 것만으로 제품을 만들 수 있을까요? 신규 고객 개개인마다 제품을 개선할 수 있는 전용 데이터가 생성되는가요? 소프트웨어가 워크플로우에 충분히 깊게 통합되어 있어 대체 시 상당한 고통을 유발하나요? 추론량이 10배로 늘어났을 때 단위 경제 모델은 여전히 유효한가요?

이 질문들은 차기 자금조달 전 창업자가 점검해야 할 네 가지 방향을 가리킵니다: 기술적 차별화, 전용 데이터, 워크플로우 잠금(lock-in), 그리고 규모 확장 시 단위 경제 모델입니다.

기술 차별화의 실제 테스트는 놀랍도록 간단합니다: 베이스 모델을 교체해 보는 것입니다. 주력 모델 공급자를 동일 수준의 다른 모델로 대체해도 제품이 거의 달라지지 않는다면, 투자자는 기술적 해자의 위치를 파악하지 못할 수도 있습니다.

전용 데이터의 경우 사용자 수만으로는 부족합니다. 더 강력한 신호는 사용량 증가가 제품의 정확도, 해결 시간 또는 매칭 품질 향상 등 시간이 지남에 따라 측정 가능하게 개선을 가져올 데이터를 생성하는지 여부입니다.

워크플로우 깊이는 또 다른 단서입니다. 제품과의 통합도가 높은 고객의 이탈 방지율과 확장이 항상 더 좋다면, 창업자는 제품이 강력히 밀착되어 있다는 공허한 주장이 아닌 전환 비용에 대한 실질적인 증거를 확보하는 셈입니다.

그리고 경제적 모델도 있습니다. 현재 사용량 기준으로 이익률이 양호한 AI 제품이라도 추론량을 10배로 늘리면 상황은 완전히 다를 수 있습니다. 투자자들보다 먼저 이러한 계산을 명확히 수행하면 사업 규모 확대 후 정말로 강화되었는지 여부를 파악할 수 있습니다.

이는 'AI 네이티브' 프리미엄의 진화 과정을 흥미롭게 만듭니다.

18개월 전만 해도 AI와 관련만 있으면 자금 조달 이야기를 실질적으로 보강할 수 있었습니다. 그러나 더 많은 스타트업이 동일한 마케팅 슬로건을 사용하면서, 투자자들은 표면 아래의 본질을 살펴볼 충분한 동기를 얻었습니다.

AI 라벨은 대화에 진입할 수 있는 접점이 됩니다. 점점 더 중요해지는 부분은 성장함에 따라 구축한 제품이 더 이상 복제하기 어려워지는 이유를 입증하는 것입니다.

소프트웨어의 덤벨 구조화: AI가 소프트웨어 시장의 중간층을 곧 몰살할 전망이다.

AI는 소프트웨어 구축을 훨씬 저렴하고 빠르게 만들고 있습니다. 이것은 스타트업에게는 긍정적으로 들릴 수 있지만, 수십 년간 소프트웨어 회사를 보호해 온 일부 해자를 약화시킬 수도 있습니다.

Conviction의 마이크 벌널(Mike Vernal)은 흥미로운 비교를 제시했습니다: 소프트웨어가 인터넷이 신문 산업 구조를 바꾼 후 형성된 것과 동일한 '덤벨(dumbbell)' 구조로 향하고 있을 가능성이 있다는 것입니다.

인터넷 이전에는 지역신문이 비싼 출판 비용을 이유로 우위를 점했습니다. 일차 발행이 거의 무료로 바뀌면서 중간층 대부분이 사라졌습니다. 소수의 글로벌 출판물은 급격히 거대해졌고, 동시에 수천 개의 독립 뉴스레터와 니즈 기반 출판물이 등장했습니다.

벌널은 AI가 소프트웨어 분야에서 이와 유사한 구조를 탄생시킬 것이라고 믿습니다.

기존 소프트웨어 해자는 일반적으로 세 가지 요소에서 비롯됩니다:

제품 구축 비용이 높다

시스템 전환이 번거롭다

통합을 통해 강력한 생태계가 조성된다

AI는 이 세 가지 요소를 약화시킵니다. 경쟁사가 기능을 더 빠르게 복제할 수 있게 되었고, 마이그레이션은 자동화되며, AI는 통합 작업을 획기적으로 용이하게 만듭니다.

가능한 결과는 양단이 모두 매우 강직한 시장입니다:

거대 플랫폼: 소수企業が 영업, 마케팅, 재무,人事, 법무, 의료 등 전체 조달 카테고리를 아우를 수 있습니다. 이들은 좁은 도구를 하나 파는 것이 아니라 지속해서 확장하며 고객이 거의 모든 업무를 처리하는 시스템으로 자리잡습니다.

소규모 소프트웨어 기업: 반대로 다른쪽 끝에는 AI 프로그래밍 도구가 수백만 명이 자신이나 자신의 기업, 혹은 소규모 클라이언트를 위해 매우 특화된 소프트웨어를 개발하도록 돕습니다. 이 중 일부는 수익성 있는 니즈 비즈니스로 성장할 수 있습니다.

불편한 중간층: 중형급 단일 솔루션이 최대 압력을 받을 수 있습니다. 대형 플랫폼이 지속적으로 자체 기능을 추가하고 소규모 팀이 저비용으로 협소한 제품을 재구축할 수 있다면, 독립 도구로서의 방어는 더욱 어려워집니다.

아마존의 비유는 새로운 해자가 어떤 형태를 띌 수 있는지 설명합니다. 아마존은 비교적 복제하기 쉬운 일부터 시작했습니다: 온라인 서점 운영이었습니다. 그의 방어력은 수십 년 동안 물류, 인프라, 기술 및 유통 채널에 끊임없이 재투자한 결과입니다.

AI는 소프트웨어 회사를 같은 전략으로 이끕니다: 더 빠른 구축, 지속적 확장, 재투자, 그리고 전체 제품 복제를 점점 더 어렵게 만들기 위한 조치들입니다.

벤처캐피탈의 지원을 받는 소프트웨어 스타트업에게 이것은 흥미로운 전략적 문제를 제기합니다: 소프트웨어 구축이 사실상 무료가 된다면, 당신의 해자는 여전히 우수한 단일 제품인가, 아니면 그 제품을 중심으로 구축한 모든 생태계인가?

실제로 시드 라운드 가치평가는 어떻게 책정되나요? (거의 당신의 회사와는 무관합니다).

창업자들은 흔히 가치평장이 주로 트랙션(traction), 시장 규모 또는 피칭 능력과 연관이 있다고 가정합니다.

하지만 대부분의 창업자가 거의 눈치채지 못하는 다른 제약 조건이 있습니다: 맞은 편 앉아있는 VC 펀드의 경제학 모델입니다.

가령 당신이 2,800만 달러 규모의 시드 펀드에 피칭한다고 상상해 보세요. 해당 펀드는 일반적으로 약 60만 달러 정도의 수표를 작성하려 하며, 대략 6%에서 8%의 지분을 원합니다.

7% 지분 기준 60만 달러 투자는 약 860만 달러의 사후 가치평가액을 의미합니다. 6% 지분 기준이라면 1,000만 달러입니다. 따라서 만일 1,800만 달러 가치평가액으로 자금 조달을 한다고 해도, 해당 펀드는 포트폴리오 모델 내에서 이 투자를 실행하지 못할 수 있습니다.

이것은 다음과 같은 간단한 사슬을 형성합니다:

펀드 규모 → 수표 크기 → 목표 지분 → 가능한 가치평가액 상한선

오늘날 이것이 더 중요한 이유는 시드 라운드 가치평장이 이미 상승했기 때문입니다. 분석에서 인용된 Carta의 시드 라운드 사후 가치평가액 중앙값은 2,400만 달러입니다. 5,000만 달러 펀드가 이 가치평가액에 150만 달러를 투자할 경우, 단지 6.2%의 지분만 획득하게 되어 목표치에 미치지 못할 수 있습니다.

이 또한 창업자가 라운드 규모를 생각하는 방식을 변화시킵니다.

만약 특정 펀드에 300만 달러를 조달하겠다고 말하고, 리드 투자자가 15%의 지분을 원한다면, 당신은 아직 누구도 가치평가액을 명시적으로 논의하기 전에 이미 2,000만 달러의 사후 가치평가액을 암시한 셈입니다.

더 유용한 접근 순서는 다음과 같습니다:

18~24개월의 런웨이 내에 다음 마일스톤에 도달하기 위해 필요한 자금 규모를 산정합니다.

예비비를 추가합니다.

이것이 바로 귀하의 라운드 규모입니다.

이를 귀하가 감수할 수 있는 희석 비율로 나눕니다.

그런 다음, 수표 규모와 지분 모델이 이 가치평가액을 지지할 수 있는 펀드를 찾습니다.

또 다른 창업자들이 종종 간과하는 숫자가 있습니다: 옵션 풀(option pool)입니다. 리드 투자자는 투자 실행 전 10%에서 15% 수준의 옵션 풀 설정을 요구할 수 있으며, 이는 자금 투입 이전에 기존 주주의 지분을 희석시킵니다. 분석에 따르면, 실제 채용 계획을 근거로 옵션 풀을 협상하는 것이 헤드라인 가치평가액에서 100~200만 달러를 더 받아내는 것보다 창업자의 지분에 미치는 영향이 클 수 있습니다.

잘못된 펀드에 수 주간을 낭비하지 않도록 하는 가장 간단한 방법은 첫 통화 시 다음 질문을 던지는 것입니다:

"해당 펀드의 전형적인 첫 번째 수표 규모는 얼마이며, 일반적으로 목표로 삼는 지분 비율은 어떻게 됩니까?"

이 두 가지 수치를 통해 해당 펀드의 경제학 모델이 귀하의 자금 조달 라운드를 지원할 수 있는지 신속하게 추정할 수 있습니다.

따라서 모든 가치평가 관련 장애물을 자신의 스타트업에 대한 거절로만 치부하지 마세요. 때로는 당신 회사의 문제가 아닙니다. 단지 자금 조달 라운드가 해당 펀드의 계산 논리와 맞지 않을 뿐입니다.

만약 ChatGPT가 당신의 앱이 하는 일을 무료로 제공한다면, 사람들은 왜 여전히 유료로 구매할까요?

이것이 소비용 애플리케이션 창업자들이 직면하는 최대 과제 중 하나로 부상하고 있습니다.

사용자가 ChatGPT, Claude, Gemini를 열어 몇 초 만에 대략 동일한 결과를 얻을 수 있는데, 왜 여전히 독립 앱 사용에 월 10~20달러를 지불하려는 걸까요?

RevenueCat의 다프니 티데만(Daphne Tideman)은 정답이 단순히 'AI를 더 많이 넣는다'는 데 있지 않다고 봅니다. AI 기반 앱은 이미 잘 Monetize되고 있으며, 1인당 수익(ArPU)이 비AI 앱 대비 41% 높고, 試用 전환율이 52% 더 높습니다. 하지만 12개월 누적 유지율은 21.1%에 불과하며, 비AI 앱은 30.7%입니다.

즉 쉽게 말하자면: AI는 고객을 문 앞으로 초대할 수 있습니다. 하지만 그들이 머물도록 설득할 이유는 반드시 보장되지 않습니다.

Chegg와 Duolingo를 비교해 봅시다.

그 차이는 답변 그 이상에 있습니다.

RevenueCat은 앱에서 Blank LLM 채팅으로 복제하기 어려운 여섯 가지 요소를 구축할 것을 제안합니다:

구조(Structure): 단일 답변을 완결된 워크플로우나 경험으로 변환합니다.

기억(Memory): 시간이 지나며 사용자를 학습시켜 앱이 더욱 유용해지도록 합니다.

습관(Habit): 연속 출석 확인, 알림, 감독, 게이미피케이션을 활용해 사용자를 다시 찾아옵니다.

정확도(Precision): 전문 데이터 또는 전문성을 숙지하여 더 나은 결과를 산출합니다.

연결(Connection): 커뮤니티, 아이덴티티, 개인성, 또는 감정적 애착을 형성합니다.

온오프라인 결합: 소프트웨어를 센서, 기기 또는 실제 세계 데이터와 연결합니다.

Duolingo는 이 중 여러 요소를 겹쳐 적용한 훌륭한 사례입니다. ChatGPT는 언어를 가르칠 수 있지만, Duolingo는 수년간 연속 출석 확인, 리더보드, 진행률 관리 시스템, 알림 및 게이미피케이션을 구축하는 데 집중했습니다. 보도에 따르면, Duolingo가 리더보드를 도입한 후 학습 시간이 17% 증가했고, 고참여 학습자 수가 세 배로 뛰었습니다.

창업자가 수행할 수 있는 또 다른 간단한 테스트가 있습니다: Blank Dialogue 박스 테스트입니다.

ChatGPT 또는 기타 LLM을 열어 사용자들이 귀하의 앱에서 해결하고자 하는 문제를 정확히 묘사한 뒤, 그 답변과 귀사의 제품이 제공하는 내용을 비교해 보세요. 귀하의 제품 대부분 가치가 프롬프트 한 번과 응답 한 번으로 재현된다면 차별화 과제가 발생한다. 만약 귀하의 앱이 구조, 축적된 데이터, 습관, 정확도, 연결 또는 실제 세계 컴포넌트를 결합했다면, 그것이 바로 귀하의 해자일 수 있다.

즉, AI 자체가 곧 해자가 되는 것은 아닙니다. 창업자에게 더 중요한 질문은 다음과 같습니다: 귀하의 제품이 사용자에게 제공하는 가치는 무엇이며, 빈 대화창으로는 제공할 수 없는 것은 무엇인가? RevenueCat의 관점에 따르면, 승자는 제품 베이스層에서 AI를 활용하되, 그것을 둘러싼 경험 전반에서 경쟁을 펼치게 될 것입니다.