1년 만에 150개 고객사와 협업하고, 133억 투자 받은 AI 스타트업, Dalpha

창업 1년 만에 133억을 투자 받은 AI 스타트업이 있습니다. 40명도 안되는 인원으로 150건이 넘는 B2B 프로젝트를 진행했어요. 창업자들은 모두 서울과학고와 서울대를 졸업한 젊은 창업자이고요. 어떻게 이리 빠르게 사업을 키워왔는지, 앞으로 어떤 계획을 가지고 있는지 궁금했습니다.

오늘 글은 이런 분에게 추천해요!

AI 씬의 새로운 사업 기회가 어디에 있는지 궁금하신 분
B2B 스타트업이 초기에 어떻게 고객사를 유치하는지 궁금하신 분
수많은 고객사 프로젝트를 적은 인원으로 운영할 수 있는 방법이 궁금하신 분
Dalpha의 미래가 궁금하신 분

💎 Highlights

"한국에 AI 조직이 있는 회사가 정말 적습니다. 자체적으로 AI를 도입할 수 있는 회사가 진짜 적어요. 그래서 확신이 있었죠"

"같은 인원으로 매월 진행할 수 있는 프로젝트 수가 훨씬 더 많아지고 있어요. AI를 커스터마이징 하는 속도가 점점 더 빨라지고 있는 건데요"

"클라이언트 프로젝트는 업무 효율화가 제일 많습니다. 압도적이에요"

"콜드 메일에서는 달파가 어떤 회사인지 설명하는 것보다, 우리가 무엇을 해줄 수 있는지 알려드리는게 핵심이더라고요"

"AI와 관련된 SaaS를 만들어보라고 하면 세일즈 리드 제너레이션 쪽 SaaS를 만들 것 같아요. 예를 들어 여행 산업을 클릭하면, 여행 산업의 기업이 다 리스트업 되고 회사 이메일 주소와 개인 이메일 주소까지 크롤링 되는 거죠"

배경 설명 : 창업자는 어떤 사람들인가요?

저는 고등학교 때부터 수학과를 가는 것이 확정 되었던 학생이었어요. 수학만 하던 사람이었습니다. 서울대학교 수학과에 입학해서 3학년까지 배우니, 어느 순간 사회에서 실제로 쓰일 수 있는 학문의 범위가 넘어갔다는 것을 느꼈어요.

‍사실 4년 전에 첫 창업을 했었어요. 생물학과 선배님의 창업 강연을 듣고 바로 사무실을 구했습니다. 친구 2명에게 우리 이제 사업할 거니까 천만원씩 들고 오라고 했어요. 그런데 3명의 멤버가 1년 내내 무슨 사업을 할 지 고민하다가 끝나버리고 말았어요. 당시에 저희 3명 중에 개발을 할 수 있는 사람이 아무도 없었습니다. 하고 싶은 아이디어가 있어도 구현하지 못하는 게 가장 큰 문제라고 생각했어요. 그렇게 1년을 보내고 팀을 해체하면서 각자 컴퓨터 과학과 인공 지능을 공부하게 되었어요.

‍그렇게 인공지능 공부를 시작하고 운이 좋게 AI 스타트업 CNAI에 들어가게 되었어요. 18번째 멤버로 입사해서 AI Tech Lead로 2년 동안 일했어요.

2년 동안 첫 회사에서 여러 회사의 AI 프로젝트들을 진행하다 보니 AI씬의 문제가 무엇인지 체감할 수 있었어요. 가장 큰 문제는 AI가 유의미하게 쓰이고 있지 않다는 거였어요. ‍AI가 여러 회사들에서 정말 유의미하게 쓰일 수 있는 프로젝트들을 해야겠다는 생각을 하며 Dalpha를 시작했습니다.‍

1년전 진행했던 Dalpha 인터뷰 발췌

🕵🏼‍♂️ 창업가 인터뷰

Q. 지난 1년 동안 가장 잘한 건 무엇인가요?

작년 목표는 딱 하나였어요. AI 씬에서 ‘대세감’을 얻는 거요. 회의할 때도 대세감을 얻을 수 있을지 여부가 중요한 의사결정 기준이 되었고요. 아직 부족하지만 대세감을 서서히 얻어가면서 다양한 사업 기회가 찾아오더라고요.

Q. 대세감을 만들기 위해 핵심적이었던 건 뭐였나요?

고객사 숫자를 무조건 많이 늘리자는 것이 목표였어요. 그러면 자연스레 대세감을 얻을 수 있을거라고 생각했고요.

Q. 고객이 많아지면 운영 공수가 비례해서 증가하지 않나요? 그래서 외주 업체들이 커지는데 한계가 있고요.

그렇지 않아요. 같은 인원으로 매월 진행할 수 있는 프로젝트 수가 훨씬 더 많아지고 있거든요. AI를 커스터마이징 하는 속도가 점점 더 빨라지고 있는 건데요. 빅테크나 학계에서 내놓는 좋은 AI 모델들을 잘 조립하는 것만으로 커스터마이징이 가능하다는 걸 알게 되었기 때문이에요.

작년에는 AI 엔지니어들이 파이썬 코딩을 해서 하나씩 프로젝트를 완성했어요. 요즘엔 코딩을 줄이고, 레고를 조립하듯 코드를 조립하기만 해도 프로젝트가 완성되는거죠. 나중에는 사람 없이도, AI가 알아서 AI 프로젝트를 완성시킬 수 있겠다는 생각이 들어요. 그게 가능하기 위해서는 기반이 되는 데이터가 충분히 많아야 하고요. 지금 하고 있는 수많은 외주 프로젝트들이 데이터를 쌓기 위한 과정인 것이고요.

기업별로 커스터마이즈된 솔루션을 제공하지만, 블록을 조립하듯 사용해 재활용이 가능하다.

B2B AI 프로젝트를 하는 팀원은 전체 팀원의 절반도 안되어요. 나머지 구성원들은 Dalpha Lens나, AI를 더욱 빠르게 커스텀할 수 있도록 하는 내부 프로덕트 COBRA를 만들고 있어요. 기업들이 쉽고 빠르게 AI를 도입할 수 있도록 만드는 것에 모든 초점을 맞출 것 같아요.

Q. 새로 개발하고 있는 프로덕트, 달파 렌즈는 무엇인가요?

수많은 기업 고객들의 AI를 만들어주면서 느낀 페인 포인트에서 시작한 프로덕트에요. AI 기술 자체를 아무리 빨리 만들어도, 고객사 시스템에 AI를 연결하는 과정이 너무 복잡한 거에요. 모델 성능을 높이는 것보다 시스템에 붙이는 다른 작업들을 쉽게 만들어주는 것이 중요하겠다는 생각을 했어요. 해외에서는 MindsDB라는 회사가 비슷한 접근을 하고 있습니다.

Minds DB 홈페이지. 기업의 데이터와 AI Model을 쉽게 붙일 수 있는 솔루션을 제공한다.

Dalpha 렌즈 채용 공고 일부. 고객사가 API 연동하는 시간을 최소화하는 것이 목표다.

Q. 어떻게 프로덕트가 아니라 외주 프로젝트로 사업을 시작한 거에요?

처음에는 AI가 이미 성숙한 시장이라서, AI 기술을 사고 파는 플랫폼을 만들어야 겠다고 생각했어요. 그런데 회사를 세우고 보니까 AI 시장이라는 게 존재하지 않는 거에요. 수요도 적고, 공급도 적었어요. 우선 AI 기술을 쓰고 싶어하는 클라이언트들을 모으자는 결론에 도달했어요. 그렇게 커스터마이징 비즈니스를 시작했습니다.

Q. 계약은 콜드 메일로 성사되는 비중이 가장 큰가요?

네 맞아요. 작년 통계로는 80%가 아웃바운드로 세일즈한 것이었고, 20%가 인바운드 세일즈였어요. 아웃바운드 계약 중 절반 이상이 콜드 메일이었던 것 같고요. 콜드 메일 말고도 오프라인 네트워킹을 가는 것부터 시작해서 20개가 넘는 시도들을 했던 것 같아요.

B2B 사업을 하는 입장에서, 초기 고객사를 뚫는 것에 대한 고민이 정말 많았습니다. 창업도 처음이고, 세일즈도 처음이기에 어디에서부터 어떻게 시작해야될지에 대한 감이 없었습니다.도움을 얻고자 앞서나간 창업가들은 어떻게 했는지를 집요하게 파고들었고, 선배 창업가분들이 공통적으로 해주신 말씀은 다음과 같았습니다.

“일단 첫 1~2개는 염치 없더라도 주변 사람들의 도움을 받아라!”

저희가 내린 결론은 당연하게도 주변분들께 고객사를 소개받되, 직접 발로 뛰어 새로운 고객사를 뚫는 작업도 적극적으로 하자는 것이었습니다.

창업 초기에 SNAAC(서울대학교 창업 AC 동아리)을 통해서 다양한 창업가, 예비 창업가, VC 분들과 인연을 맺게 되었습니다. 감사하게도, 저희를 위해서 패션 커머스 업체를 소개해주신 분이 계셨고, 그곳이 저희의 첫 POC 기업이 되었습니다.

동시에, 저희는 매일 밤을 새며 준비해 하루에 300개가 넘는 기업에 콜드메일을 보냈습니다. 수작업으로 기업들을 찾고, 각 기업들이 필요로 할만한 AI를 3개씩 생각해내서 각각 커스텀해서 이메일을 보냈습니다.

초기 고객사 5개를 확보한 이후에는 레퍼런스가 쌓이면서 영업이 더 수월해졌고, 더욱 빠르게 고객사를 늘릴 수 있었습니다. 돌이켜봤을 때, 창업 초기에는 눈치보지 않고 다소 염치 없어보이더라도 적극적으로 도움을 요청하며 부딪쳐보는 것이 가장 중요한 것 같다는 생각이 듭니다.
Dalpha 블로그 "초기 고객사 5개 모은 비법"

Q. 극초기에 콜드 메일을 보낼 고객사는 어떻게 찾았나요?

AI를 사용할 수 있는 영역이 딱 보이는 회사들을 열심히 찾았어요. 그 다음에 그 회사가 AI에 관심있는지도 봤고요. 예를 들어 무신사 AI 라고 구글에 검색하면 무신사가 AI에 관심 있는지, 없는지 얼추 나오거든요.

Q. 관심있는 회사들은 AI 엔지니어가 있는 거 아니에요?

아닐 거라는 확신이 있었어요. 한국에 AI 조직이 있는 회사가 정말 적습니다. 자체적으로 AI를 도입할 수 있는 회사가 진짜 적어요. 많은 분들이 알만한 시리즈 C, D 스타트업들도 전혀 없어요. 그래서 확신이 있었죠. AI에 관심이 있는데, AI를 직접 만들지 못하는 상황이니까 저희가 들어갈 수 있겠다고 봤어요.

Q. 콜드메일을 잘 보내는 팁이 있을까요?

센드버드 김동신 대표님이 해주신 말씀이 있어요. 콜드메일의 핵심은 첫번째 문장이 읽고 싶어야 한다는 말이였어요. 첫번째 줄이 매력있어야 다음 줄도 읽고 싶어지는 것이라고요.

첫번째 문장에 “저희는 달파이고요. 달파는 어떤 회사입니다” 라는 말을 절대 안 쓰고 있어요. 달파 소개는 하나도 안하고, “저희가 이런 비결이 있는데, 비결 한번 들어보지 않으시겠어요?” 라는 이야기를 짧게 정리해서 보내요. 10줄 이내로요.

달파가 어떤 회사인지 설명하는 것보다, 우리가 무엇을 해줄 수 있는지 알려드리는게 핵심이더라고요. AI 트렌드도 알 수 있고, AI 활용 사례도 배워갈 수 있다는 식으로 이야기하는 거죠.

극초기에 보냈던 콜드메일 일부. 기업의 특성에 맞게 다른 내용을 보냈다.

Q. 콜드메일 벌크로 보내는 팁이 있을까요?

특정 사이트에 기업 정보가 많이 모여있으면, 기업 정보를 크롤링 해오는 코드를 작성해요. 그 다음에 매출 순으로 회사를 정렬 하고 싶을 수 있잖아요. 구글에 “XXX 회사 매출” 을 검색해서 나오는 텍스트를 추출해서 엑셀 시트를 채우라는 코드를 작성합니다. GPT 도움 받아서요. 단순한 프롬프트 크롤링 코드를 짜는데, 수작업이 꽤 많이 단축되고 있어요.

Chat GPT를 사용해서 콜드메일을 대량으로 커스텀화 하는 방법에 대한 설명 (하단 블로그 글 참고)

Q. 세일즈 미팅에서는 어떻게 대화를 이끌어가나요?

고객사의 상황마다 다른 전략을 취하고 있어요. 첫번째 그룹은 AI에 관심이 있지만, AI가 무엇을 해결할 수 있을지 모르는 그룹이에요. 두번째는 추상적으로 풀고 싶은 문제가 있지만, 구체화되지 않은 경우이고요. 세번째는 AI로 풀고 싶은 문제가 매우 구체화 되어 있는 케이스입니다.

우선 문제가 구체화 된 경우, 어떻게 해결할 수 있을지, 왜 달파가 다른 업체들보다 잘해줄 수 있는지를 설명드려요. 추상적인 문제를 가지고 있는 그룹에게는 저희가 해결했던 여러가지 유형들을 소개합니다. 다양한 문제 해결 예시를 보여드리고, 관심있는 케이스가 있는지 물어보는거죠.

관심만 가지고 있는 첫번째 그룹이 가장 어려운데요. 우선 AI 산업에 대해서 쉽게 이해할 수 있는 스토리 라인을 풀어드려요. 커스터마이징이 중요하구나, 달파가 어떤 것들을 잘하겠구나 하는 것들이 자연스레 생각하게 되도록 이끌어 갑니다. 뭐라도 해볼까 하는 생각이 들기 시작하시면, 질문을 시작해요. 조직 구조가 어떻게 되는지, 신사업이 있는지 같은 것들을 물어보면서 프로젝트를 기획해보는 거죠.

Q. 고객사는 어떤 것을 가장 많이 요청하나요?

업무 효율화가 제일 많습니다. 압도적이에요. 앤드류 응 아저씨가 작년에 하신 말씀이 있어요. “생성형 AI가 치고 들어왔지만, 아직도 Supervised Learning이 해결할 수 있는 것들이 훨씬 많다. 3년 뒤에도 Supervised Learning이 여전히 클 거다” Supervised Learning은 인풋과 아웃풋의 쌍이 충분히 많을 때, 그걸 학습해서 새로운 인풋을 넣었을 때, 아웃풋을 예측하는 AI 방법론 중 하나에요. 사람이 수작업으로 하던 일을 AI가 모방할 수 있게 도와주는 기술인거죠.

Andrew Ng 교수님의 강연 내용 일부. Generative AI가 떴지만, 사실 아직도 Supervised Learning 영역이 훨씬 크다고 말한다.

Q. 사실 GPT 출시 이전에도 할 수 있었던 비즈니스인 거네요.

저도 그렇게 생각 해요. GPT 이후 기업들이 AI가 무엇을 해줄 수 있는지에 대해 눈을 뜨게 되었어요. 기업들의 니즈가 높아진거죠. 그런데 문제 해결의 핵심은 생성형 AI보다 Supervised Learning인 경우가 많아요.

Q. 그럼 LLM을 사용하는 경우가 적은가요?

그렇지는 않아요. 예시를 하나 들어보겠습니다. 90분짜리 축구 경기 영상을 넣어서 10분짜리 하이라이트를 뽑는 AI를 만든다고 가정해 볼게요. 쓰이는 기술이 굉장히 많아요. 우선 중계 음성을 텍스트로 바꾸죠. 그 다음 LLM을 사용해서 텍스트에서 골이 터진 클립들을 뽑아낼 수 있을 거에요. 아니면 축구공을 따라다니도록 하는 모델을 학습시킬 수도 있고요. 여러가지 AI 모델이 들어가는데, 그중 하나로 LLM이 들어갈 수 있는 거죠. GPT도 쓰고, Llama도 쓰고, 오만가지 LLM을 다 쓰고 있습니다.

Q. 클라이언트 도메인을 확장하는 것이 어렵지는 않나요?

산업마다 사용하는 기술이 완전히 다르다면 확장이 어려울 거에요. 그런데 그렇지 않습니다. 커머스에서 어떤 반복 업무를 자동화하는 기술을 만들어 놓으면, 그 프로젝트에 쓰인 다양한 모듈 중 일부는 교육 회사에 그대로 적용할 수 있거든요. 실제로 사용되는 AI 기술은 업종 상관 없이 두루두루 겹쳐요.

💡 공동 창업가 3명은 5년 전에 사무실을 빌려서 창업을 도모했지만, 1년 동안 성과를 내지 못했던 때가 있었다.

Q. 5년 전으로 돌아가 스스로에게 조언을 해준다면, 어떤 걸 말해주시겠어요?

선빈님) 사람을 무조건 많이 만나라는 말을 하고 싶어요. 염치 없어도 링크드인으로 수많은 사람들에게 연락할 것 같아요. 하루에 4명, 5명 만나서 커피챗을 하는거죠. 그런 과정에서 자연스럽게 아이템이나 창업을 위한 액션들이 최적화 되는 것 같아요.

도균님) 첫 매출을 빨리 만들라는 이야기를 할 것 같아요. 매출이 생기면 주사위가 던져진 것이거든요. 겁나서 주사위를 못 던지고 있는 사람들이 많아요. 어쩔 수 없어도 주사위가 던져지면, 달려가게 되고요. 키포인트가 첫 매출인 것 같아요.

Q. AI 씬에서 기회라고 보이는 사업 아이디어가 있나요?

선빈님) AI와 관련된 SaaS를 만들어보라고 하면 세일즈 리드 제너레이션 쪽 SaaS를 만들 것 같아요. 예를 들어 여행 산업을 클릭하면, 여행 산업의 기업이 다 리스트업 되고 회사 이메일 주소와 개인 이메일 주소까지 크롤링 되는 거죠. 어떤 멘트로 보내면 좋을지도 최적화 되고요. 버튼 몇개만 눌러도 리드 제너레이션이 마법처럼 되는 SaaS를 만들어보지 않을까 싶어요. 초기 기업들에게 정말 필요한 건 결국 잠재 고객을 확보하는 것이거든요. 요즘에는 리드 제너레이션 쪽 문제를 풀고자 하는 사람들이 많아지는 것 같아요.

도균님) 선빈님의 말씀은 한 줄로 요약하면 리드 제너레이션 자동화 툴이거든요. 그 안에 AI가 들어간 거죠. AI로 뭐하지? 생각하면 시작하는 건 뭔가 잘못된 것 같아요. 페인 포인트에서 먼저 시작해야 하지 않을까 싶은거죠. 사람들이 느끼는 페인포인트는 10년 전이랑 지금이랑 많이 달라지지 않았을 거에요. 그런데 기술이 발전하면서 풀리는 문제의 비율이 많아지고 있는거죠.

‘AI 로 뭐하지?’만 생각하기 보다, ‘과거부터 쭉 있어왔던 문제 중 AI가 잘 해결해줄 수 있는 문제는 뭐지?’로 고민하는 게 더 좋을 수 있는 것 같아요. (그런데 사실 달파는 AI로 뭐하지? 생각하면 시작한 회사이긴 해요…^^)

Q. AI가 특히 잘하는 부분이 뭐라고 보시나요?

비정형의 데이터를 구분하는 걸 잘하는 것 같아요. 예를 들어 수 많은 이메일 중에 유의미한 이메일만 판별하는 서비스를 만든다고 해볼게요. 텍스트라는 비정형 데이터를 사람처럼 인식하는 능력이 예전보다 훨씬 좋아진거죠.

예전에는 키워드 베이스로 “AI”, “도입”이라는 단어가 들어가면, 유의미한 이메일이라고 정의했을 것 같거든요. 지금은 그렇게 룰 베이스로 구분하지 않아도 되는 거죠.

Q. 어떤 분이 달파에 합류하면 좋겠나요?

스타트업이 진짜 너무 빡세요. 해결해야 할 산이 매일 첩첩 산중이에요. 수면 위로 조금 나와 있는 빙산을 열심히 깎으면 깎을수록 더 큰 빙산이 올라오는 느낌이에요. 매일 복잡한 문제가 쏟아지는데, 그걸 즐길 수 있는 사람이면 좋겠어요. 수단과 방법을 가리지 않고 어떻게든 문제를 해결할 수 있는 사람의 스피릿이면 좋겠고요.

토스 증권의 대표를 하셨던 박재민 대표님이 회사에 오신 적이 있어요. 인재에 대한 기준을 여쭈어봤더니 Grit과 Problem Solving을 이야기 하시더라고요.

Problem Solving 능력이 좋은 사람은 회의에 안건을 들고 왔을 때 듣는 사람이 편안하데요. 다각도로 따져봤고, 뎁스있는 생각을 해본 게 들어나니까요. 그릿이 있는 사람들은 내 일의 영역을 넓혀서라도 어떻게든 문제를 해결하려고 하고요. 개발을 못하던 사람이 개발을 배우거나, API 문서를 만드는 노력을 하기도 하는거죠. 어떻게든 해내는 사람이라는 이야기를 해주셨어요. 완전 공감되었어요. Problem Solving을 잘하고, Grit이 있는 사람들이 오셨으면 좋겠어요.