저는 대부분의 기업용 AI 평가(enterprise AI evaluations)에서 부차적인 문제로 취급하는 어떤 사항에 대해 솔직하게 말씀드리고자 합니다. 현재 기업용 소프트웨어를 판매하고 있는 상당수의 AI 벤더(AI vendors)들이 3년 후에는 현재의 모습으로 존재하지 않을 것입니다. 어떤 기업은 인수될 것이고, 어떤 기업은 다른 시장으로 피벗(pivot)할 것입니다. 어떤 기업은 자금(runway)이 바닥나 폐업할 것입니다. 살아남는 기업은 진정으로 복제하기 어려운 무언가를 구축하고, 지속 가능한 가격으로 기꺼이 비용을 지불할 고객층을 확보한 기업일 것입니다.

조직이 해당 제품에 상당한 의존성을 갖기 전에 귀하의 벤더가 어느 범주에 속하는지 파악하는 것은 기업용 AI 평가에서 실질적으로 가장 중요한 일 중 하나입니다. 또한 대부분의 평가 프레임워크(evaluation frameworks)가 가장 적은 시간을 할애하는 부분이기도 합니다.

제가 이 평가에 접근하는 방식은 다음과 같습니다.

비즈니스 모델 테스트 (The business model test)

첫 번째 질문은 벤더가 단순히 그들이 투영하고 있는 규모가 아니라, 현재의 규모에서도 작동하는 비즈니스 모델을 가지고 있는지 여부입니다.

초기 단계의 AI 벤더(early-stage AI vendors)의 경우, 비상장 기업은 재무 제표를 공개하지 않기 때문에 외부에서 이 질문에 답하는 것은 진정으로 어렵습니다. 하지만 접근 가능한 대리 신호(proxy signals)들이 있습니다.

자금 조달 이력 및 타이밍. 2년 전에 시드 라운드(seed round)를 진행하고 18개월 전에 시리즈 A(Series A)를 진행한 후 그 이후로 자금을 조달하지 않은 벤더는 유의미한 매출을 창출하고 있거나 자금(runway)이 바닥나고 있는 상태입니다. 최근의 자금 조달이 없다는 것이 반드시 우려스러운 것은 아니지만, 이에 대한 설명이 필요합니다. 벤더에게 현재의 자금 여력(runway)과 지속 가능성을 향한 경로에 대해 직접 물어보십시오. 재무 상태에 자신감이 있는 벤더는 이 질문에 답할 것입니다. 질문을 회피하는 벤더는 당신에게 무언가를 말해주고 있는 것입니다.

가격 모델의 지속 가능성 (Pricing model sustainability). 많은 AI 벤더들이 대안들과 경쟁할 수 있는 가격으로 시장에 진입했지만, 그들의 기반 인프라 비용을 고려할 때 지속 가능하지 않은 가격을 책정했습니다. LLM 추론 (Inference)은 비용이 많이 듭니다. 만약 당신에게 제안된 인당 가격 (per-seat price)이 당신이 알고 있는 추론 비용에 비해 불가능해 보이는 마진을 암시한다면, 벤더가 당신이 알지 못하는 비용 구조를 가지고 있거나 갱신 시점에 가격이 변경될 것입니다. 유닛 이코노믹스 (Unit economics)에 대해 직접적으로 물어보십시오. 만약 벤더가 왜 그들의 가격 책정이 지속 가능한지 설명하지 못한다면, 아마도 지속 가능하지 않을 것입니다.

고객 기반의 구성 (The customer base composition). 월 200달러를 지불하는 500개의 중소기업 (SMB) 고객을 보유한 벤더는 월 10,000달러를 지불하는 20개의 엔터프라이즈 (Enterprise) 고객을 보유한 벤더와는 재무적 성격이 다릅니다. 두 경우 모두 유사한 연간 반복 매출 (ARR)을 가질 수 있지만, 위험 프로필 (Risk profiles)은 극적으로 다를 수 있습니다. 고객 기반의 분포와 매출 집중도에 대해 물어보십시오. 상위 5개 고객이 매출의 60%를 차지하는 벤더는 상위 5개가 20%를 차지하는 벤더보다 현저히 더 취약합니다.

제품 방어력 테스트 (The product defensibility test)

AI 시장에서 살아남으려면 자본력이 풍부한 경쟁자들이 복제하기 진정으로 어려운 무언가를 구축해야 합니다. AI 벤더 시장은 상당한 자본과 인재를 끌어들이고 있으며, 주로 모델 품질이나 특정 프롬프트 엔지니어링 (Prompt engineering) 방식에 의존하는 차별화는 동일한 기반 모델에 접근할 수 있는 경쟁자들에 비해 취약합니다.

더 방어적인 위치는 다음과 같습니다:

동일한 데이터에 대한 접근 없이는 복제할 수 없는 독점 데이터 (Proprietary data) 또는 미세 조정된 모델 (Fine-tuned models). 만약 벤더의 핵심 강점이 구축하는 데 수년이 걸린 데이터셋으로 학습된 모델이라면, 그것은 의미 있는 해자 (Moat)입니다. 만약 그들의 강점이 범용 모델 (Commodity model)을 감싸는 프롬프트라면, 그것은 해자가 아닙니다.

의미 있는 전환 비용 (Switching costs)을 창출하는 깊은 워크플로우 통합 (Deep workflow integration)입니다. 제품이 특정 기업 워크플로우 (Enterprise workflows)에 깊숙이 내재화되어 있고, 구성하는 데 수개월이 걸린 데이터 모델 (Data models)과 통합 (Integrations)을 갖춘 벤더는, 기술적으로 더 우수한 경쟁자가 나타나더라도 고객 관계를 보호할 수 있는 전환 비용을 가집니다. 반면, 최소한의 통합만으로 기존 시스템 위에 올라가 있는 제품을 가진 벤더는 교체하기가 더 쉽습니다.

다른 이들이 해결할 수 없는 문제를 해결하는 배포 모델 (Deployment model)입니다. 예를 들어, 셀프 호스팅 AI 플랫폼 (Self-hosted AI platforms)은 외부 SaaS 벤더가 정의상 해결할 수 없는 컴플라이언스 (Compliance) 및 데이터 주권 (Data sovereignty) 요구 사항을 해결합니다. 이는 시장의 대다수가 충족하지 못하는 요구 사항을 가진 고객 세그먼트를 생성하며, 이는 방어 가능한 위치 (Defensible position)가 됩니다.

네트워크 효과 (Network effects) 또는 플랫폼 효과 (Platform effects)입니다. 제품의 가치가 더 많은 고객이 사용하거나 더 많은 제3자 통합 (Third-party integrations)이 구축됨에 따라 증가하는 생태계를 구축한 벤더는, 단순한 기능적 동등성 (Feature parity)보다 복제하기 어려운 형태의 방어력을 가집니다.

팀 연속성 테스트 (The team continuity test)

엔터프라이즈 소프트웨어 (Enterprise software)는 사람에 의해 구축되고 지원됩니다. 제품 뒤에 있는 팀의 강점과 안정성은 관계의 장기적인 신뢰성에 있어 매우 중요합니다.

제가 살펴보는 구체적인 항목들은 다음과 같습니다:

리더십 팀의 재임 기간 및 경험. 현재 리더십이 얼마나 오랫동안 회사와 함께했는지, 그리고 엔터프라이즈 소프트웨어를 구축하고 확장한 관련 경험이 있는지 확인합니다. 강력한 기술적 자격(Technical credentials)을 갖추었으나 엔터프라이즈 소프트웨어 경험이 없는 창업자들은 대규모로 엔터프라이즈 고객을 지원하는 운영상의 복잡성 (Operational complexity)을 과소평가하는 경우가 많습니다. 이것이 결격 사유는 아니지만, 위험 요소 (Risk factor)가 됩니다.

제품 복잡도 대비 엔지니어링 팀의 깊이 (Engineering team depth). 엔터프라이즈 AI 인프라 (Enterprise AI infrastructure)는 기술적으로 매우 까다롭습니다. 6명 규모의 엔지니어링 팀이 복잡한 셀프 호스팅 (self-hosted) AI 플랫폼을 구축하고 유지 관리하는 것은, 동일한 것을 구축하는 60명 규모의 엔지니어링 팀과는 다른 위험 프로필 (risk profile)을 가집니다. 제품 복잡도와 엔지니어링 역량 사이의 비율은 기술 부채 (technical debt)가 얼마나 쌓이고 있는지, 그리고 팀이 엔터프라이즈 고객의 요구에 얼마나 잘 대응할 수 있는지를 나타내는 대리 지표 (proxy)입니다.

핵심 인력 리스크 (Key person risk). 초기 단계의 기업에서는 특정 개인이 그들이 떠날 경우 대체하기 어려운 핵심 지식이나 관계를 보유하고 있는 경우가 있습니다. 벤더의 팀 내에 단일 장애점 (single points of failure)이 존재하는지 이해하는 것은 해당 관계의 리스크를 평가하는 데 매우 관련이 있습니다.

채용 속도 (The velocity of hiring). 지난 18개월 동안 엔지니어링 팀을 지속적으로 성장시켜 온 벤더는 제품과 고객 관계에 투자하고 있는 벤더입니다. 매출이 성장을 뒷받침해야 하는 시기에 팀 규모가 정체되어 있거나 축소된 벤더는, 비즈니스가 제시된 대로 운영되지 않고 있을 가능성이 있는 벤더입니다.

고객 유지 테스트 (The customer retention test)

벤더의 장기적 생존 가능성을 판단하는 가장 신뢰할 수 있는 신호는 고객이 계약을 갱신하는지 여부입니다. 갱신율 (Renewal rates)은 제품이 계약 종료 시점에 고객을 유지할 만큼 비용 및 전환 비용 (disruption of switching) 대비 충분한 가치를 제공하는지에 따른 함수입니다.

이 정보는 항상 접근 가능한 것은 아니지만, 이를 파악할 수 있는 방법들이 있습니다.

벤더에게 순매출 유지율 (Net revenue retention rate, NRR)을 문의하십시오. NRR은 기존 고객으로부터 발생한 작년 매출 중 올해 유지 및 확장된 매출의 비율을 측정합니다. 건강한 SaaS 비즈니스는 NRR이 100% 이상이며, 이는 기존 고객들이 평균적으로 1년 전보다 더 많은 금액을 지불하고 있음을 의미합니다. NRR이 90% 미만이라면 고객이 이탈 (churning)하거나 계약 규모가 축소되고 있다는 경고 신호입니다. 이 수치를 요청하고, 이를 계산하는 데 사용하는 방법론 (methodology)도 함께 물어보십시오.

벤더의 레퍼런스 리스트(reference list)에 포함되지 않은 고객들과 대화해 보십시오. 벤더들은 만족도가 높고 말을 잘하는 고객들을 보여주기 위해 레퍼런스를 선별(curate)합니다. 리스트에 없는 고객들은 다른 경험을 했을 가능성이 있습니다. LinkedIn을 활용하면 벤더의 영업 팀을 거치지 않고도 특정 벤더의 고객을 찾아내는 것이 가능합니다. 선별되지 않은 고객들과 몇 차례 대화를 나누는 것만으로도 공식적인 레퍼런스 콜(reference calls)과는 다른 그림을 볼 수 있을 것입니다.

특히 이탈(churned)한 고객에 대해 구체적으로 물어보십시오. 왜 떠났습니까? 어떤 서비스로 옮겼습니까? 이는 질문하기 불편한 내용이지만, 이탈 사례로부터 교훈을 얻은 벤더들은 종종 이에 대해 솔직하게 답변할 수 있으며, 그 답변은 그 어떤 데모(demo)보다 제품의 실제 약점에 대해 더 많은 것을 알려줍니다.

규제 및 지리적 안정성 테스트

규제 시장에서 운영되거나 여러 관할 구역(jurisdictions)에 걸쳐 고객에게 서비스를 제공할 계획이 있는 벤더의 경우, 규제 준수(regulatory compliance)는 재무적 안정성에 영향을 미치는 지속적인 운영 부담입니다.

유럽 고객을 위한 GDPR 준수, 의료 분야를 위한 HIPAA 준수, 은행 및 보험을 위한 금융 서비스 규제, 그리고 국가마다 다른 데이터 거주성(data residency) 요구 사항은 모두 소규모 벤더들이 종종 과소평가하는 비용입니다. 이러한 준수 의무를 위해 충분한 인력을 배치하거나 예산을 책정하지 않은 벤더는 그들의 ARR(연간 반복 매출)이 시사하는 것보다 재무적으로 더 취약할 수 있습니다.

구체적으로 질문하십시오: 현재 어떤 관할 구역에 고객을 보유하고 있으며, 어떤 규제 인증(regulatory certifications)을 유지하고 있습니까? 확장을 계획 중인 시장의 데이터 거주성 요구 사항에 대한 계획은 무엇입니까? 이 질문들에 대한 답변은 규제 준수 태세(compliance posture)가 지리적 야망과 일치하는지를 드러냅니다.

종합하기

이 프레임워크의 단일 지표가 결정적인 것은 아닙니다. 비즈니스 기본 원칙(fundamentals)이 강력하다면, 벤더의 자금 확보 기간(funding runway)이 이상적이지 않더라도 여전히 건실한 장기 파트너가 될 수 있습니다. 반대로, 벤더가 강력한 자금을 보유하고 있더라도 제품-시장 적합성(product-market fit)이 낮다면 여전히 좋지 않은 선택이 될 수 있습니다.

이 평가는 이러한 모든 신호들을 종합적으로 살펴보고 전반적인 리스크 프로필 (risk profile)에 대해 판단을 내리는 과정을 필요로 합니다. 답변해야 할 구체적인 질문은 다음과 같습니다: 이 벤더의 재무적 지속 가능성 (financial sustainability), 제품 방어력 (product defensibility), 팀 안정성 (team stability), 고객 유지율 (customer retention), 그리고 컴플라이언스 태세 (compliance posture)에 대해 내가 알고 있는 정보를 바탕으로 할 때, 내가 곧 생성하게 될 조직적 의존성 (organizational dependency)의 전체 기간 동안 이 관계가 안정적으로 유지되고 이 제품이 계속 지원될 것이라고 얼마나 확신할 수 있는가?

18개월 동안 워크플로 (workflows)에 깊숙이 통합될 배포의 경우, 그 의존성 지평 (dependency horizon)은 최소 3년입니다. 현재의 AI 시장에서 3년은 긴 시간입니다. 평가는 이러한 타임라인을 반영해야 합니다.

3년 후에도 여전히 생존 가능하고, 성장하며, 엔터프라이즈 고객 관계에 투자하고 있을 가능성이 가장 높은 벤더는 복제하기가 진정으로 어려운 무언가를 구축했고, 지속 가능한 비용을 지불할 만큼 가치를 인정하는 고객 기반을 보유하고 있으며, 규모가 확장됨에 따라 이를 지원할 수 있는 팀의 깊이 (team depth)를 갖춘 곳들입니다. 의존성을 이미 구축하기 전에 그러한 벤더를 찾아내는 것이 바로 이 평가 프레임워크 (evaluation framework)가 당신을 돕기 위해 설계된 목적입니다.