2024년에는 너도나도 AI Wrapper(AI 래퍼)를 출시했습니다. GPT-4 위에 얇은 레이어를 얹고, 멋진 UI를 갖추고, 구독료를 책정하면 붐: 당신은 AI 기업이 되었습니다. Product Hunt에는 이런 출시 사례가 수백 개나 있었습니다. 투자자들은 그곳에 돈을 쏟아부었습니다. 그리고 2026년이 되자, 그들 대부분은 사라졌습니다.

하지만 모두가 그런 것은 아닙니다. 소수의 기업은 살아남아 실제 매출 이정표를 달성했습니다. 그들의 이야기는 AI 시장이 실제로 어디로 향하고 있는지에 대한 중요한 사실을 보여줍니다. Wrapper는 죽었지만, 가치는 실질적인 어딘가로 이동했습니다.

무엇이 실제로 Wrapper를 죽였는가

수학적으로 성립하지 않았습니다. AI Wrapper는 핵심 제품이 타인의 모델로 보내는 프롬프트(Prompt)인 스타트업입니다. 당신은 토큰(Token) 비용을 OpenAI(또는 Anthropic이나 Google)에 지불합니다. 그리고 사용자에게는 마진을 붙여 요금을 부과합니다. 그리고 그 차액이 호스팅 비용, 팀 운영비, 그리고 커피값을 충당하기를 바랍니다.

세 가지 요소가 그 수학적 계산을 망가뜨렸습니다.

첫째, 모델 제공업체들의 가격이 계속해서 저렴해졌습니다. OpenAI는 2024년과 2025년 내내 여러 차례 가격을 인하했습니다. TechCrunch의 보도에 따르면, 가격이 인하될 때마다 Wrapper의 마진은 더욱 압박을 받았습니다. 만약 당신이 토큰에 3배의 마진을 붙이고 있었는데 기본 가격이 50% 하락했다면, 당신의 마진은 하룻밤 사이에 200%에서 50%로 급감했습니다.

둘째, 거대 모델들이 일반적인 작업(General tasks)을 수행할 만큼 충분히 좋아지면서 사용자들이 더 이상 특화된 UI를 필요로 하지 않게 되었습니다. ChatGPT를 직접 사용할 수 있는데, 왜 ChatGPT를 감싸고 있는 글쓰기 보조 도구에 월 20달러를 지불해야 할까요? OpenAI GPT Store는 상황을 악화시켰습니다. 커스텀 GPT(Custom GPTs)가 Wrapper 기능의 상당 부분을 무료로 대체해 버렸기 때문입니다.

셋째, 사용자들이 영리해졌습니다. 2023년의 초기 AI 열풍은 사람들에게 이름에 "AI"가 들어간 것이라면 무엇이든 돈을 지불하게 만들었습니다. 2025년에는 그것이 끝났습니다. G2의 연구에 따르면, 기업들은 독립형 AI 도구를 구매하는 것을 중단하고 기존 소프트웨어 스택에 내장된 AI 기능(AI features)을 요구하기 시작했습니다.

그 결과는 예측 가능했습니다. 수백 개의 래퍼 (wrapper) 스타트업들이 문을 닫거나, 헐값에 인수되거나, 혹은 완전히 다른 무언가로 피벗 (pivot) 했습니다.

현재 실제로 작동하는 것들

생존자들은 세 가지 범주로 나뉩니다. 각 범주는 래퍼들이 간과했던 문제, 즉 타인의 모델 위에 방어 가능한 가치를 구축하는 문제를 해결합니다.

1. 전체 워크플로우 (workflow)를 대체하는 버티컬 AI 에이전트 (Vertical AI Agents)

가장 성공적인 범주는 특정 산업에서 특정 업무를 수행하는 버티컬 AI 에이전트입니다. 이들은 단순한 래퍼가 아닙니다. 엔드 투 엔드 (end-to-end) 워크플로우를 처리하는 자율적인 시스템입니다.

법률 산업을 예로 들어보겠습니다. EvenUp과 같은 기업들은 개인 상해 청구서 (demand letters)를 처리하는 AI 에이전트를 구축했습니다. 이 AI는 단순히 텍스트를 요약하는 것에 그치지 않습니다. 의료 기록을 추출하고, 손해액을 계산하며, 법률 문서를 형식에 맞게 작성하고, 이를 제출합니다. 기반이 되는 모델은 범용화 (commoditized) 되었지만, 워크플로우가 해자 (moat)가 됩니다.

고객 지원을 고려해 보십시오. Intercom의 AI 에이전트는 이메일, 채팅, 소셜 미디어를 통해 들어오는 고객의 첫 응답 문의를 처리합니다. 단순히 답변을 생성하는 것이 아니라, 주문 상태를 확인하고, 환불을 처리하며, 필요한 경우 사람에게 업무를 에스컬레이션 (escalate) 합니다. 중요한 것은 모델의 선택이 아니라 기존 시스템과의 통합입니다.

Sequoia Capital은 이를 "생성형 AI의 제2막 (the second act of generative AI)"이라고 불렀습니다. 제1막이 범용 챗봇이었다면, 제2막은 비즈니스 프로세스를 처음부터 끝까지 소유하는 전문화된 에이전트입니다.

2. 독점 데이터 기반의 오픈 모델 (Open Models on Proprietary Data)

두 번째 모델은 오픈 웨이트 (open-weight) 모델을 가져와 독점 데이터 (proprietary data)로 미세 조정 (fine-tuning) 하고, 자체 인프라에서 실행하는 것입니다. 해자는 모델이 아니라 데이터입니다.

이것이 규제 산업(regulated industries)에 속한 기업들이 하고 있는 방식입니다. 헬스케어 스타트업은 환자 기록을 OpenAI의 API로 보낼 수 없습니다. 따라서 그들은 Llama 3나 Mistral을 다운로드하여 자체 의료 데이터로 미세 조정 (fine-tuning) 하고, 자체 서버에 배포합니다. Meta의 Llama 제품군은 소비자용 하드웨어에서도 실행 가능한 모델들을 출시함으로써 이를 실질적으로 가능하게 만들었습니다.

경제적 논리 또한 설득력이 있습니다. 양자화 (quantized)된 7B 모델을 자체 GPU에서 실행하는 비용은 쿼리당 단 몇 푼에 불과하며, 완전한 데이터 통제권을 제공합니다. Andreessen Horowitz의 분석에 따르면, 기업들은 클라우드 API가 서류상으로 더 저렴할 때조차 민감한 워크로드(workloads)에 대해서는 자체 호스팅 (self-hosted) 모델을 3 대 1의 비율로 선호하는 것으로 나타났습니다.

이런 방식으로 살아남는 스타트업들은 AI 기업이 아닙니다. 이들은 AI를 내장된 기능 (embedded capability)으로 사용하는 특정 산업 분야의 기업들입니다. AI는 제품이 아니라 기능 (feature)입니다.

3. 고통스러운 비즈니스 문제를 해결하는 "지루한 AI (Boring AI)"

세 번째 카테고리는 가장 놀랍습니다. 또한 가장 수익성이 높습니다.

지루한 AI (Boring AI)는 화려하지는 않지만 매우 비용이 많이 드는 문제들을 해결합니다. 급여 정산 (Payroll reconciliation), 공급망 최적화 (Supply chain optimization), 보험 청구 처리 (Insurance claims processing), 컴플라이언스 문서 검토 (Compliance document review) 등이 그 예입니다.

기업용 검색 기업인 Glean을 예로 들어보겠습니다. 이들의 제품은 텍스트를 생성하지 않습니다. 대신 회사의 여기저기 흩어져 있는 도구들 사이에서 올바른 문서를 찾아냅니다. 내부적으로는 AI를 사용하지만, 사용자 경험(UX)은 그저 "제대로 작동하는 검색"일 뿐입니다. 이것은 지루합니다. 하지만 동시에 수십억 달러 규모의 비즈니스이기도 합니다.

또는 Copy.ai를 보십시오. 맞습니다, 이들은 글쓰기 래퍼 (writing wrapper)로 시작했습니다. 하지만 영업 워크플로 자동화 (sales workflow automation)로 강력하게 피벗 (pivot)했습니다. 이제 이들의 AI는 개인화된 아웃리치 시퀀스 (outreach sequences)를 생성하고, CRM 기록을 업데이트하며, 응답률을 분석합니다. 글쓰기 부분은 거의 부수적인 것에 가깝습니다. 워크플로 자동화가 바로 핵심 가치입니다.

McKinsey의 연구에 따르면, 생성형 AI (Generative AI)의 가장 큰 경제적 영향은 고객 운영 (Customer operations), 마케팅 및 영업 (Marketing and sales), 그리고 소프트웨어 엔지니어링 (Software engineering)에서 발생할 것으로 추정되었습니다. 여기서 패턴을 주목하십시오. 이 세 가지 모두 콘텐츠 생성 (Content generation)이 아닌 비즈니스 프로세스 (Business processes)입니다. 돈은 글을 쓰는 것이 아니라 업무를 자동화하는 데 있습니다.

이것이 창업자들에게 의미하는 바

만약 당신이 오늘날 AI 제품을 만들고 있다면, 래퍼 (Wrapper) 플레이북은 함정입니다. "모델이 어떤 멋진 일을 할 수 있는가?"라고 묻지 마십시오. 대신 "어떤 고통스러운 프로세스를 처음부터 끝까지 (End to end) 자동화할 수 있는가?"라고 물으십시오.

살아남은 세 가지 모델은 하나의 패턴을 공유합니다. 그들은 워크플로 (Workflow)를 소유합니다. 그들은 데이터를 소유합니다. 또는 기존 시스템으로의 통합 (Integration)을 소유합니다. 세 가지 경우 모두 모델은 교체 가능한 구성 요소 (Replaceable component)일 뿐입니다. 해자 (Moat)는 그 주변의 모든 것입니다.

AI 골드러시 (Gold rush)는 끝났습니다. 진짜 구축은 이제 막 시작되었습니다.

그리고 솔직히 말해서, 이는 좋은 소식입니다. 래퍼 시대는 파티였습니다. 포스트 래퍼 (Post-wrapper) 시대는 실제 기업들이 세워지는 곳입니다.