Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI 모델의 성능 향상으로 소프트웨어 자체의 가치가 하락함에 따라, 기업들은 데이터와 핀테크 역량을 확보해야 생존할 수 있습니다. 에이전트 중심의 환경에서는 기존의 인당 과금 모델이 붕괴되므로, 에이전트가 내리는 결정(데이터)과 이동시키는 돈(핀테크)을 장악하는 것이 핵심입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기어제 Claude Fable 5가 출시됨, 대중이 쓸 수 있는 첫 Mythos-class 모델로 거의 모든 벤치마크에서 1위, 작업이 길어질수록 격차 확대
모델이 똑똑할수록 소프트웨어 자체의 가치는 하락
모든 벤처 투자 애플리케이션 회사는 이제 데이터 회사 또는 핀테크 회사, 이상적으로는 둘 다여야 함
2년 전 글에서 에이전트가 사용자가 되면
per-seat 가격 모델이 깨진다고 지적했고, 그 선을 넘은 것으로 보임
Cloudflare가
에이전트 트래픽이 사람 트래픽을 처음으로 추월했다고 발표
온라인에서 논쟁은 있으나 에이전트가 모든 소프트웨어의 주 고객이 되는 추세는 분명
천 명의 직원이 십만 개 에이전트를 돌리는 것은 십만 개의 좌석이 아님
에이전트가 남기는 과금 가능한 두 가지는 그것이 내리는
결정(=데이터) 과 옮기는 돈(=핀테크)
xAI는 Cursor를 600억 달러에 인수할 옵션 보유, Cursor는 연환산 매출 약 40억 달러
소프트웨어가 비싼 값을 치른 주된 이유는 아님
Anthropic과 OpenAI는 이미 Claude Code와 Codex로 개발자 작업을 실시간 관찰 중
xAI가 Cursor를 산 이유는
토큰 흐름(token flow) 에 가장 빨리 진입하기 위함
Musk(세계 첫 조만장자)는 백만 개발자가 모델을 실제로 쓰는 기록이 Grok 학습에 직접 들어간다고 언급, 높은 가격은 데이터를 느리게 모으는 수년을 건너뛰는 통행료
Cursor는 출시 직후 몇 주 만에 작동하는 클론들이 나왔으나 어느 것도 자리잡지 못함,
테이스트(taste) 로 승부했기 때문
무엇을 보여주고 언제 사라질지에 대한 수천 개의 작은 판단
클론은 인터페이스만 복제할 뿐, 개발자가 수년간 수락·거부·재작성한 기록은 상속 불가
Cursor는 이제 그
diff로 자체 모델을 학습, 데이터가 1차 해자가 됨
600억 달러 가치의 이유: 직원 90%를 회사 운영 방식을 전혀 모르는 천재 팀으로 대체하는 것과 같음
Fable 5는 작년 최고 모델이 절반을 겨우 처리하던 실제 소프트웨어 작업의 80%를 해결, 천재들은 서로 구분이 어렵고 교체 가능
이들이 실패하는 이유 하나: 대체된 사람들이 알던 것을 아무도 모름
임시방편은 사람 머릿속 지식을 꺼내 모델에 컨텍스트로 넘기는 것, 그러나 대부분은 구조화된 형태로 존재하지 않음
포기한 거래, 새벽 2시에 되돌린 코드 한 줄, 아무도 쫓지 않았고 이유도 적히지 않은 고객 — 이것이 진짜 핵심
워크플로우로 적을 수 없는 판단이며 현재 저장되지 않음
이제
context → harness → judgment 로 이동 중
Context는 검색(retrieval), 올바른 조각을 모델 앞에 두는 것
Harness는 모델이 돌 수 있는 루프(scaffolding)
Judgment는 마지막 층이자 유일하게 복리로 쌓이는 층, 모든 호출·수정·되돌림이 데이터 위에 남긴 것
지금 보는 AI 애플리케이션 피치마다
context 슬라이드를 해자로 내세우나, 이제 table stakes에 불과
모든 경쟁자가 같은 방식으로 컨텍스트를 조립 중이기 때문
수정은
스코어카드(scorecard) 로 볼 수 있음, 사용자가 모델 결과를 고칠 때마다 그 사업에서 무엇이 옳은지 기록
스코어카드는 두 가지를 동시에 수행
빌린 모델을 그 사업에 맞게 튜닝하는
학습 신호
에이전트가 실제로 나아지는지 아는 유일한 수단인
테스트셋, 공개 벤치마크는 특정 워크플로우를 측정하지 못함
처음부터 모델을 사전학습할 필요 없음, Cursor조차 안 함
Cursor의 자체 모델은 오픈소스 베이스 위에 올라가 있고 diff가 차별화 담당
프론티어 모델 위 fine-tuning과 RL 비용이 충분히 저렴해져 Series B 회사도 이 루프 실행 가능, 2년 전에는 lab 필요
Sarah Guo는 이 영역을
the untrainable(외부에서 정답을 채점할 수 없는 작업)이라 부름, 수정이 이를 소유하게 되는 방법
Harvey는 110억 달러, Legora는 50억 달러 돌파, 둘 다 법률 시장 대상
독립 도구를 넘어
사건(matter) 전체 소유로 질주, 변호사가 초안에 가하는 수정은 누구도 못 보는 corrections이기 때문
Rogo는 금융에서 동일 전략, 애널리스트가 모델을 만들고 메모를 고치는 과정을 포착
이들 중 누구도 파운데이션 모델을 학습하지 않음, 빌린 모델 주위에 harness를 짓고 그 안을 흐르는 judgment를 보유, 이것이 복리로 쌓이는 것
기존 강자도 마찬가지
Figma는 SVG 이상을 소유, 디자인이 v1에서 v47로 간 역사와 도중에 폐기된 모든 버전 —
디자인 테이스트의 채점된 기록
Linear는 닫힌 모든 티켓 아래의 논쟁 보유
Notion은 천 번의 편집에 걸친 팀 사고의 형태 보유
경쟁자가 고객을 빼가려 해도 이 모든 것은 export 불가, 제너릭 모델에 없는 답
Lab들이 판단을 기성품으로 사들이는 중, 사람이 라벨링한 데이터에서 시작
Mercor는 100억 달러 가치, 전문가 네트워크에 시간당 85달러 지급
Meta는 파이프라인 소유를 위해 Scale에 140억 달러 지불
뉴욕의 한 스타트업은 전 과정을 촬영하게 해주면 아파트를
무료로 청소, 로보틱스 팀이 사람이 다음 행동을 결정하는 걸 봐야 하기 때문
다수의 RL environment 회사가 장기 작업에 대한 판단을 팔며 연환산 매출 수억 달러 도달
Lab들은 인터넷 전체로 학습하다 동났고, 이제 결정을 직접 구매
23andMe는 천오백만 명의 DNA를 보유했음에도 작년 파산
데이터에 돈이 흐르지 않으면 과학 프로젝트 자금 대기에 불과
대부분 창업자가 이 절반을 놓치고 있음
Toast는 수년 전 이를 파악, 식당은 본질적으로 주방이 붙은 결제 처리기
Ramp는 더 나아감, 무료 법인카드에 어디서도 수수료 없음, 십억 달러가 흐를 때 1달러마다 1~2센트를 떼어감
반올림 오차로 세운 320억 달러 회사, 무료 카드는 interchange로 가는 정문
swipe fee는 네트워크가 버텨서 유지되고, 돈은 머무는 동안에도
float를 모으며 수익 제공
모든 돈 미터에 해자가 있는 것은 아님
한 인기 vibe-coding 앱은 판매하는 크레딧에서 약 50% 마진, 연환산 매출 대부분이 추론(inference)에 대한 마크업
토큰 마크업 뒤에는 네트워크가 없고 자체 추론 비용도 분기마다 하락, 모델이 싸지면서 마진이 녹아내림
지속 가능한 핀테크는 락인이 깔린 것 — 네트워크가 버티는 결제, 은행이 못 보는 데이터로 보증하는 대출
오래 가는 최고의 애플리케이션 회사는 두 절반을 분리해서 다루지 않음
Judgment는 일에 관한 결정의 기록, 핀테크는 돈에 관한 결정의 기록, 강한 회사는 하나를 다른 하나로 전환
Shopify가 가장 좋은 예시
매장 소프트웨어로 시작 → 결제 부착 → Shopify Capital로 매장에 흐르는 매출 데이터로 보증한 대출 제공, 은행이 단독으로는 못 하는 대출
가맹점이 크면 매출이 늘고 데이터가 다음 대출을 도움
현재 Shopify 매출의 약 4분의 3이 소프트웨어 구독이 아닌
돈 쪽에서 발생
Stripe는 Radar로, Ramp는 지출 데이터와 카드로 동일 루프 운영
Rippling도 유사 시도, 핵심 객체는 직원
급여·복지·기기·카드가 하나의 source of truth에 의존
아직 아무도 락인하지 못했고 Gusto와 Deel도 나란히 성장 중이나, 객체를 소유한 회사가 복리로 쌓는 동안 나머지는 손으로 조립
아무도 풀지 못한 "헤드리스(headless)" 긴장 존재
모든 소프트웨어가 에이전트에 의해 쓰이게 되면, 유용하려면 에이전트를 들여야 하고 살아남으려면 전부 가져가게 둘 수 없음
모든 system of record는 에이전트가 어떤 프로토콜로든 연결될 만큼 열려 있으면서, 필요한 걸 얻은 뒤 아무도 이탈하지 못할 만큼 닫혀 있어야 함
Salesforce는 올해 Slack 데이터를 Glean과 외부 에이전트로부터 차단, 공개적으로 한 첫 사례
지속 가능한 회사를 짓는 길은 분리
에이전트가
읽도록 허용, 읽기는 싸고 어쨌든 중요
쓰기는 방어
새 판단이 입력되고 사람과 에이전트가 서로 승인·수정·되돌리는 지점은 경쟁자가 쉽게 이전할 수 없는 부분
그들이 긁어가는 것은 어제의 상태, 지금 내려지는 결정만이 자기 것으로 남음
Lab들이 이미 토큰 흐름 안에 있으니 해자가 어디 있냐는 반론 가능
Claude Code는 개발자가 실행하는 모든 명령과 무시한 제안을 보고, ChatGPT는 제품이 1년 동안 기록하는 것보다 많은 결정을 하루에 관찰
반론에 대한 답: 그들의 도구가 보는 것은 대부분 제너릭함
모든 모델이 보는 동일한 코딩과 글쓰기, lab들이 서로 commoditize하려 경쟁하는 바로 그것
희귀한 판단은 한 회사 깊숙이 존재 — 병원이 스캔을 읽는 방식, 회사가 walk away하기로 배운 거래, 어느 것도 lab의 챗박스에 닿지 않음
Lab들은 수년간 기업에 그들의 데이터로 학습하지 않는다고 말해 옴
제품 안 모델을 통과하는 암묵지는 계약으로 자기 것으로 유지, 그들은 trace가 지나가는 걸 보지만 보관하지 않기로 합의
핀테크 절반은 lab이 원하지도 않는 것
lab은 데이터는 기꺼이 가져가나, loan book·사기 손실·40개 주의 money-transmitter 라이선스는 쓸모없음
구매자에게 데이터는 인수할 가치를 만들고, 핀테크는 떼어내기 어렵게 만듦
Cursor는 카테고리 최고의 데이터 엔진을 만들었고 lab이 600억 달러에 인수
이것이 꿈인지 경고인지는 바꾸기에 너무 늦을 때까지 모름
살아남는 두 가지를 지을 것 —
판단을 축적하고 돈의 길목에 앉기, 그것이 "앤트로픽이 이걸 만들면?" 질문을 견디는 법