소프트웨어 이후 시대에서 이기는 두 가지 방법
이 글은 소프트웨어 산업이 AI 혁신에 의해 근본적으로 변화하고 있음을 설명하며, 창업자와 투자자가 새로운 시대에서 살아남으려면 '모델 경제'와 '포스트 스큐어모픽 앱' 중 어느 길을 택해야 하는지 통찰을 제공합니다. 기존의 전문화 전략은 곧 흔들릴 것이며, AI 자체의 발전에 기여하거나 오직 AI로만 가능한 일자리를 창조하는 혁신이 요구됩니다. 가장 중요한 질문은 "여러분이 만드는 것은 AI 모델이 교체할 수 있는 것인가, 아니면 모델이 발전하려면 반드시 필요한 것인가?" 입니다.
1. 소프트웨어 시대의 종말과 AI의 부상
지난 8년간 벤처 투자자로 활동하며 Sumeet Singh는 많은 창업자들이 여전히 10년 전 SaaS(서비스형 소프트웨어)처럼 AI를 만들고 있는 모습을 목격했습니다. 기존 시대에선 펀딩을 끌어오는 것이 사업의 핵심이었고, 대부분의 회사가 비슷한 방식으로 성장곡선을 밟았습니다. 이런 방식은 혁신 대신, 펀딩의 단계별 목표 달성에 집착해 기업 가치를 거품으로 올리는 결과를 낳았습니다.
하지만 생성형 AI의 출현과 금리 인하 시대의 종료로 이 패턴은 끝났습니다. 본격적인 혁신의 시대가 열렸지만, 여전히 많은 창업자들이 기존 소프트웨어처럼 마케팅, 금융 등 특정 산업에 전문화된 AI 툴을 만들어내며 과거의 프레임에 갇혀 있다고 지적합니다.
"이제 옛 프레임에 따라 움직이는 사람들은 큰 실수를 하려 합니다."
이제는 리차드 서튼의 '쓴 교훈(bitter lesson)'을 받아들이고, AI의 본질적인 발전 방식이 인간의 직관적 전문화를 넘어서 스케일과 컴퓨팅 파워에 있다는 사실을 인정해야 합니다.
2. '쓴 교훈'과 그 의미
리차드 서튼의 쓴 교훈이란, "스케일과 연산량이 결국 고도의 전문화 전략을 이긴다"는 내용입니다.
2010년대 초 컴퓨터 비전 분야에서, 단순하지만 어마어마한 데이터로 훈련된 시스템이 수년간 수작업으로 만들어온 정교한 전문화 시스템을 쉽게 압도했습니다. 학습 데이터와 연산 자원이 더 많아질수록, 특정 영역에 맞춘 독자적 솔루션은 점차 쓸모없게 되었죠.
"특화된 전문성보다는 규모와 컴퓨팅 파워가 언제나 승리합니다. 인간의 직관이 틀릴 때조차요."
이제 범용 AI 모델은 점점 더 많은 업무를 빠른 속도로 소화하고 있습니다. 실제로 일반 모델이 수행할 수 있는 작업의 길이(복잡성)는 7개월마다 두 배로 늘어납니다.
이런 빠른 발전 속도 때문에, 특정 업무에 AI를 '덧씌우는' 대부분의 툴은 근본적으로 AI 모델 자체 발전에 금방 따라잡히고 대체될 운명입니다.
3. 성공의 두 길: 모델 경제 vs. 포스트 스큐어모픽 앱
수백 명의 창업자들과 대화를 나누며 Sumeet Singh는 두 가지 갈림길을 발견했습니다. 하나는 '쓴 교훈'이 지배하는 몰락의 길이고, 다른 하나는 이 시대를 대표할 기업으로 성장하는 두 개의 성공 전략입니다.
이 전략은 다음 두 분류로 나뉩니다.
- 1) 모델 경제(Model Economy): AI 모델의 발전을 위해 '필수 불가결한' 연산, 학습 데이터, 인프라 등을 제공하는 기업이 되는 것
- 2) 포스트 스큐어모픽 앱(Post-skeuomorphic Apps): 기존 업무 프로세스를 AI로 단순히 대체하는 것이 아니라, AI로만 가능한 완전히 새로운 워크플로우를 창출하는 것
4. 첫 번째 길: 모델 경제란 무엇인가
모델 경제는 AI 모델이 진화하는 데 필요한 컴퓨팅, 학습 데이터, 그리고 인프라 자체를 제공하는 생태계입니다. 이미 Oracle, CoreWeave, Crusoe, Scale AI 같이 거대한 AI 연구소에 직접 팔거나 투자받는 기업들이 등장하고 있습니다.
"이 시장에서 견고한 기업들은 아래 네 분야에 집중합니다."
● 컴퓨팅 거래소
AI가 발전할수록 칩(GPU)과 에너지의 수요는 기하급수적으로 증가하지만, 공급은 언제든 불안정합니다.
이 불확실성은 컴퓨팅 자원과 에너지를 교환/매칭하는 시장, 그리고 효율적으로 자원을 분배, 거래하는 스타트업들에게 큰 기회가 됩니다.
"먼저 AI를 구동하는 전기를 거래할 것이고, 이후에는 컴퓨팅 파워 자체를 거래하게 될 것입니다."
● 디바이스 기반 AI
"어떤 AI는 지연 속도, 프라이버시, 연결성, 비용 등 이유로 클라우드가 아닌 로컬에서 실행되어야 합니다." 예를 들어, 투자 전략을 며칠간 외부 노출 없이 테스트하려는 분석가가 그렇죠. 앞으로는 특화 하드웨어+소프트웨어의 결합이 로컬 AI 경험의 핵심이 될 것입니다.
● 데이터 거래소
AI가 고도화될수록 더 전문적인 데이터가 필요합니다.
기업 내부에 잠들어있는 초특화 데이터를 찾아내, 모델 제공자와 라이선스 거래를 중개하는 데이터 거래소형 비즈니스가 부상할 것입니다.
● AI 보안
이제 보안은 단순 방어가 아닌, AI를 직접 공격해보고 취약점을 찾아내어 파악된 위험을 기업이 사전에 보완할 수 있게 하는 쪽으로 진화합니다.
5. 두 번째 길: 포스트 스큐어모픽 앱이란 무엇인가
모든 AI 앱이 망하지는 않습니다.
대부분은 기존 업무 프로세스(예: 재고관리, 고객응대 등)를 AI로 '대체'하는 수준이지만, 여기서 탈피해야 생존합니다.
진짜 승자는 "AI로만 가능한 완전히 새로운 워크플로우"를 창출하는 앱입니다.
"새로운 기술이 나와도 이전의 것을 복제하려는 함정(스큐어모피즘)에 빠지기 쉽지만, 성공은 완전히 새로운 문제와 해결 방법을 찾아내는 데서 옵니다."
이 원칙은 과거 모바일 혁명 때도 마찬가지였습니다. 우버(Uber), 도어대시(DoorDash) 등은 단순히 택시 호출 시스템을 디지털로 옮긴 게 아닌, '모두 주머니에 위치추적 폰을 갖고 있다면 무엇이 가능할까?'라는 완전히 새로운 질문에서 시작했습니다.
AI 시대도 똑같이, 단순히 메모 앱, 이메일 등 기존 프로세스를 'AI화'하는 것에 머물면 남들과의 차별성이 사라질 것이고, 결국 기본 모델에 흡수될 것입니다.
6. 포스트 스큐어모픽 앱의 세 가지 기회
1. 다중 에이전트 조정
여러 AI 모델이 '역할 분담하여 상호 피드백'하는 시스템으로, 인간처럼 집단적 의사결정을 가능하게 합니다.
"저는 여러 모델을 각각 다른 페르소나로 세팅해 투자 검토 위원회를 가상으로 만듭니다. 하나의 모델에서만 작업하면 자꾸 반복되거나 한계에 부딪히지만, 여러 모델을 함께 돌리면 훨씬 창의적이고 솔직한 대답이 나옵니다."
이런 방식은 '한 모델의 능력'이 아닌, 상호작용의 결과가 핵심 가치가 되기에 '쓴 교훈'의 함정에서 벗어납니다.
2. 대규모 시뮬레이션
AI의 강점은 동시에 수천~수만 번의 실험을 구동시키고, 매번 결과를 학습에 반영하며 스스로 계속 발전하는 능력입니다.
예를 들어, 과거 신약 개발은 수작업 시뮬레이션이 오래 걸렸으나, AI 시뮬레이션은 분자 구조를 실시간으로 수백만 개 테스트하며 혁신적인 신물질 발굴이 가능합니다.
3. 지속적 피드백 루프
전통 소프트웨어는 입력→출력 반응형이었지만, AI 네이티브 앱은 모든 상호작용에서 배우며, 사람 개입 없이도 스스로 문제를 진단, 수정, 발전합니다.
예를 들어, 문제가 발생하면 자동으로 여러 가설을 만들고, 병렬 실험을 하며, 최적의 해결책을 스스로 적용하는 '자기 치유' 소프트웨어가 나올 수 있습니다.
7. 시대를 꿰뚫는 핵심 질문
이제 투자자든 창업자든 가장 중요한 질문은 단 하나입니다.
"이 회사는 '쓴 교훈'에 흡수될 운명인가, 아니면 규모·혁신이라는 근본에 맞춰 성장할 수 있을까?"
창업자라면 더 단순하게 물을 수 있다. "나는 AI 모델이 곧 대체할 대상을 만들고 있는가, 아니면 AI 모델이 더 발전하려면 내가 만드는 것을 반드시 필요로 하게 되는가?"
결론
AI 혁명의 방향성은 이미 정해졌습니다. 전문화에 안주하려는 과거의 방식은 곧 한계에 부딪히고, 오직 데이터를, 인프라를, 완전히 새로운 방법론을 제공하는 기업만이 살아남을 것입니다. 이 새로운 길에서, '지금 내가 무엇을 어떻게 만들고 있는가?' 를 끊임없이 자문하는 것만이 미래를 여는 열쇠입니다. 🚀