AI 도입률이 왜 중요한가
이번 글은 McKinsey report 중 "The State of AI in 2022—and a Half Decade in Review"를 정리한 내용입니다.
리포트가 워낙 짧은 글이여서 전체 요점 정리보다는 바로 본론으로 들어갈게요. 제가 개인적으로 AI 스타트업 관련 PMF를 찾으려고 할때 가장 많이 고민했던 점 중 하나는 "내가 이런 AI 툴을 만들어도 실제로 이걸 도입할 기업은 얼마나될까?"였습니다. 사실 기존의 시스템에 새로운 AI 기술을 도입하는 것은 비용이 많이 발생하기도 하고, 새로운 것을 다시 배워야해서 도입 속도가 느려질 수 밖에 없는 부분이 있어요.
최근에 만난 대표님께서는 이런 문제 때문에 제품을 피봇하셨다고 하더라구요. 원래는 생성AI를 활용해서 데이터베이스를 분석해주는 대시보드 플랫폼을 만들었는데 기존 유저들이 새로운 툴과 기능들을 배워야해서 유저 리텐션이 낮게 나오는 문제가 발생했습니다. 그래서 지금은 그런 기능들을 쉽게 사용할 수 있도록 가르쳐주는 아이템으로 피봇했다고 하더라구요.
생성AI와 같은 기술 혁신과 도입 시기는 Cloud때도 있었습니다. Cloud 혁신 때에는 새로 생긴 SaaS 스타트업들이 incumbent (기존의 기업들)보다 시장 우위를 재빠르게 차지했습니다. 그 이유에는 여러가지가 있었죠.
- Incumbent들은 desktop에 다운받아야 하는 앱을 사용하면서 하나의 소프트웨어와 지원 인프라가 단일 고객에게 제공되는 환경을 구축해놨었는데, 제품 전체를 갑자기 browser로 바꿔야하면서 단일 소프트웨어가 여러 고객에게 제공되어야하는 환경을 구축하는데에 엄청 많은 변화를 요구했음
- 클라우드로 가기 위해서는 full software stack을 바꿔야 했음
- GTM 모델이 완전히 다른 구독제 방식으로 바뀌어야 했음 (더 낮은 CAC, 더 높은 churn을 요구함)
- (CFO가 이 모든걸 이해해야 했음)
하지만 생성AI 기술은 그 도입 장벽이 훨씬 낮아졌습니다. 다음의 이유들 때문이죠.
- AI 기술들을 전체 코드 architecture가 바뀌지 않아도 API로 쉽게 적용시킬 수 있다는 이점.
- 이미 B2B 고객들을 대량 보유하고 있는 incumbent에게는 더더욱 쉽게 API 바로 적용, HuggingFace와 같은 앱을 쉽게 구축/호스팅할 수 있는 플랫폼을 바로 활용할 수 있음
- LLM 학습시키는데 필요한 비용, API 비용, GPU 비용 등을 신생 스타트업보다는 감당할 수 있음
만약 앞으로 AI에 대한 도입률이 점점 낮아지는 추세라면 다른 업계와 다른 프로덕트를 생각해야할 것입니다. 하지만 지금은 생성AI뿐만 아니라 전범위적으로 사용되는 AI 기술을 활용해서 프로덕트를 만든다면 예전보다는 더 빨리 고객들을 유치할 수 있을 것 같습니다. 이 주장을 뒷받침하는 근거들이 바로 아래에 Mckinsey 리포트를 요약한 내용들입니다.
의견을 남겨주세요