안녕하세요. 주간SaaS 입니다.
오늘은 벤처캐피털 Euclid VC의 인사이트를 담은 글을 가져왔습니다. 특정 산업 분야를 깊게 파고드는 '수직형 AI(Vertical AI)' 스타트업들이 마주한 거대한 장벽, 바로 '통합' 문제에 대한 이야기입니다. 왜 야심 찬 AI 솔루션이 낡은 기존 시스템 앞에서 좌절하는지, 그리고 이 문제를 해결하기 위한 5가지 접근을 소개 합니다만..여전히 완벽하지 않은것 같습니다. 기술적으로는 이미 MCP, A2A 등, 통합 연계 문제를 쉽게 풀수 있는 기틀이 마련된것 같습니다. 하지만 기술만으로 넘어설 수 없는 무언가가 여전히 있는것 같습니다.
수직형 AI의 보이지 않는 장벽: 통합 문제
미국 노동부가 기록한 산업의 종류만 해도 수천 개가 넘습니다. 자동차 딜러, 로펌, 병원, 연료 공급업체, 보석상 등 그 목록은 끝이 없죠. 그리고 이 모든 산업에는 그들만을 위한 수직적(vertical) 소프트웨어 애플리케이션이 존재합니다.
거의 모든 산업 분야에서 가장 중요한 소프트웨어는 '기록 시스템(System of Record, SOR)'입니다. 즉, 비즈니스 관리 시스템 또는 ERP라고 불리는 것들이죠. 다시 말해, 비즈니스 내에서 일어나는 모든 상호작용을 기록하기 위해 모든 경영자나 직원이 사용해야 하는 시스템을 말합니다.
그런데 수직적 소프트웨어가 크게 성장하는 데 가장 큰 걸림돌 중 하나는, 수많은 산업에서 바로 이 비즈니스 관리 시스템이 외부와의 '통합'을 차단해왔다는 사실입니다. 그들은 제3자 도구(즉, 스타트업이나 새로운 경쟁자)가 데이터에 접근하는 것을 허용하지 않습니다. 설령 허용하더라도, 제3자 공급업체가 전체 데이터 중 일부에만 선택적으로 접근하도록 제한합니다.
예를 들어, 병원 기록 시스템의 '800파운드 고릴라(독점적 강자)'인 Epic Systems는 비싼 통합 비용과 고객사마다 다른 복잡하고 독특한 배포 방식으로 악명이 높습니다. 마찬가지로 부동산 업계의 Yardi나 치과 업계의 Dentrix와 같은 확고한 위치의 소프트웨어들도 핵심 데이터를 쥐고 있지만, 데이터를 쉽게 공유하도록 만들어지지 않았습니다.
이러한 독점적인 수직 플랫폼들은 자신들의 영향력을 휘둘러 우위를 유지하거나 통합에 대한 통행세를 요구합니다. 때로는 경쟁적으로 악의적인 의도가 아닐 수도 있지만, Salesforce나 Toast처럼 개방형 데이터 생태계를 구축하려는 수요 자체가 없었을 수도 있습니다.
이는 거대하고 오래된 소프트웨어 제공업체에게는 훌륭한 전략입니다. 그들은 해당 분야의 핵심 플랫폼을 구축했고, 고객들이 떠나는 것이 얼마나 고통스러운지 잘 알고 있죠. 그래서 시간이 지남에 따라 고객들이 좌절감을 느끼고, 비즈니스를 개선해 줄 새로운 기술을 도입하지 못해 고객 만족도(NPS)는 떨어질지언정, 대부분의 고객은 그저 낡아빠진 구식 시스템에 머물러 있습니다.
수직적 소프트웨어의 통합 문제
몇 주 전, 초기 단계의 수직형 AI 기업들이 겪는 핵심 과제에 초점을 맞춘 라운드테이블을 주최했습니다. 헬스케어, 공급망, 소매, 건설, 보험 등 다양한 분야의 창업자들이 참석했죠. 그리고 유독 한 가지 문제가 두드러졌습니다. 한 창업자는 자신의 딜레마를 이렇게 털어놓았습니다. "어떤 고객들은 '이거 정말 대단하네요. 하지만 우리 핵심 시스템과 연동되지 않으면 쓸 수가 없어요'라고 말합니다."
하지만 앞서 말했듯, 기존 강자들이 수직형 AI 기업이 필요로 하는 연결성을 제공할 인센티브나 능력이 없는 경우가 많습니다. 다른 창업자들도 거들었습니다. "이런 낡은 시스템 제공업체 대부분은 기술 친화적이지 않고 공개 API도 없습니다. 경쟁 때문에 우리 제품을 통합하고 싶어 하지 않는 곳도 많고, 공개 API를 구축할 엔지니어링팀조차 없는 곳이 더 많죠." 더욱이, 데이터 개방에 대한 그들의 회의적인 태도는 구매자들에게까지 영향을 미쳤습니다. "CIO나 임원들은 기록 시스템에 절대 접근하게 해주지 않을 겁니다. 그들에게는 그냥 안 되는 일이죠."라고 또 다른 CEO가 말했습니다.
통합 문제는 초기 기업용 시스템 시절부터 소프트웨어를 괴롭혀왔지만, 수직형 AI에게는 특히 더 심각한 문제가 되고 있습니다. 다행히도 AI는 몇 가지 새로운 잠재적 해결책을 제시하기도 합니다.
수직형 AI 창업자들을 위한 해결책
수직적 SaaS 창업자들은 이 문제를 피하기 위해 여러 창의적인 전략을 사용해 왔습니다. 가장 일반적인 전략은 '쐐기(wedge)' 제품을 만드는 것입니다. 기록 시스템과 '선택적인' 데이터 통합을 먼저 달성한 후, 몇 가지 모듈을 더 확장하고, 최종적으로는 가장 어려운 과제인 자체 관리 시스템/ERP를 직접 제공하는 것이죠. 이 방법은 효과가 있지만, 보통 10년 이상 걸리는 여정입니다. 저(루크)도 직업 학교 분야에서 똑같은 전략을 실행했고, 성공하기까지 11년 이상이 걸렸습니다.
두 번째 방법은 데이터 추출 제품을 만드는 것입니다. 기존 시스템에 들어가 데이터를 빼내어 고객들이 더 쉽게 이전할 수 있도록 돕는 거죠. 기존의 거대 기업들은 이를 싫어해서 보통 소송을 걸지만, 이 방법 또한 성공하는 것을 보았습니다. 특히 파일 교환이 표준화된 EDI 같은 시스템에서 효과적입니다. 기존 시스템이 명시적으로 API나 교환 기능을 제공하지 않는 경우, 이는 조심스럽고 무서운 전략일 수 있지만... 작동할 수는 있습니다.
세 번째 방법은 정해진 시간에 파일을 전송하는 것처럼 엉성한(janky) 통합을 구축하는 것입니다. 기존 ERP 시스템의 가져오기/내보내기 기능을 활용할 수 있죠. 라운드테이블의 한 창업자는 이렇게 말했습니다. "우리는 API 통합이 없어서... 리버스 엔지니어링을 했어요. 윈도우 머신에 기어들어가 데이터베이스에 직접 데이터를 주입하는 거죠." 이 방법은 통하지만, 보통 중소 규모의 고객들만 받아들입니다. 중대형 기업들은 보안 위험이나 실시간 데이터 부재를 용납하지 않기 때문입니다. 이는 현재 가장 흔한 해결책인 플랫 파일(flat file)을 주고받는 방식으로 이어집니다.
지금까지는 지난 10여 년간 이런 방식이었습니다. 하지만 수직형 AI는 정말 흥미로운 기회입니다. 만약 수직형 AI 앱이 정규직 직원 한 명을 완전히 대체할 수 있다면, AI 도구는 그 직원의 급여보다 약간 낮은 비용을 청구할 수 있고, 많은 산업 분야에서 결국 기존 관리 시스템보다 더 비싼 가치를 제공할 수도 있습니다.
하지만 대부분의 경우 'AI 직원'은 여전히 비즈니스 관리 시스템/ERP와 상호작용해야 합니다. 어떤 면에서는 AI 시대에 데이터의 필요성이 초기 SaaS 시대보다 훨씬 더 커질 것입니다. 많은 수직적 워크플로우에서 가장 중요한 데이터 중 일부는 어떤 기록 시스템에도 존재하지 않습니다. 이메일 스레드, 종이 서류, 전화 통화, 또는 순전히 직원들의 머릿속에만 있는 '부족 지식(tribal knowledge)' 속에 존재하죠.
수직형 AI는 바로 이러한 비정형 프로세스를 목표로 하기에 큰 잠재력을 갖지만, 이는 전통적인 의미의 '통합'만으로는 모든 것을 포착할 수 없다는 뜻이기도 합니다. 법률 AI 솔루션은 이메일로 주고받은 계약서의 코멘트를 읽거나 협상 행동을 분석해야 할 수 있는데, 이는 Clio와 같은 공식적인 사건/업무 관리 시스템에는 없는 정보입니다. 건설 AI 솔루션은 현장 감독의 일일 작업 일지나 현장 사진에서 통찰력을 얻을 수 있습니다. 이러한 풍부한 데이터 소스는 일반적인 SaaS 통합의 범위를 벗어납니다. 결과적으로 수직형 AI 개발자들은 '통합'의 개념을 넓히고 표준 SaaS API를 넘어서는 창의적인 방법을 찾아야 합니다.
그렇다면 이 과제를 어떻게 극복할 수 있을까요? 여기 몇 가지 아이디어가 있습니다.
해결책 1: 어설픈 해결책 (Kludge)
기록 시스템(SOR)에 인접한 수직형 AI 쐐기 제품을 만드는 많은 창업자들이 고객으로부터 직접 로그인 정보를 받아내는 것을 봅니다. 그러면 'AI 직원'이 ERP에서 직접 작업을 수행하며 백그라운드에서 데이터를 읽고 쓸 수 있게 됩니다.
이것은 놀라운 해결책이지만, 깔끔하지 않고 법적으로 회색 지대에 있습니다. 최근 한 법원 판례가 이 문제를 전면에 내세웠습니다. 작년, 요양 시설 분석 제공업체인 RTMS는 EHR(전자의무기록) 업체인 PointClickCare를 고소했습니다. 고객이 데이터 접근을 승인했음에도 불구하고, PointClickCare가 CAPTCHA나 계정 제한 같은 방법으로 자동화된 접근을 막았기 때문입니다. 지난 3월, 법원은 RTMS의 손을 들어주며 PointClickCare의 행위가 개방형 EHR 법규를 위반하고 불공정 경쟁에 해당할 가능성이 높다고 판결했습니다. 이 결정이 소프트웨어 개방성을 위한 선례가 되기를 바라지만, 헬스케어 분야는 다른 산업에는 없는 특별한 법적 보호(21세기 치료법 등)를 받고 있기도 합니다.
모든 수직형 AI 회사가 각자 이런 임시방편을 만드는 데에는 합당한 우려가 따릅니다. HIPAA나 GDPR 같은 규제를 고려하면 컴플라이언스 부담이 크죠. 또한, 제대로 설계되지 않은 생태계는 프롬프트 인젝션 공격이나 민감한 인증 정보 노출에 취약할 수 있습니다. OpenAI와 Anthropic 모두 이와 관련하여 방어 기술(예: Anthropic의 컴퓨터 비전 단계에서의 콘텐츠 분류기)을 적극적으로 개발하고 있습니다. 따라서 이 AI 해결책이 다른 산업 전반에 걸쳐 장기적으로 통할지는 아직 불분명합니다.
해결책 2: 파트너십
기존 소프트웨어 제공업체/ERP의 AI 파트너가 되는 것입니다. AI를 저녁 식사 메뉴나 정해주는 유행 정도로 생각할 수도 있는 기존 회사와 실제로 파트너 관계를 맺고, 그들의 데이터 세트를 활용하여 다양한 'AI 직원'들을 만들어내는 전략입니다. 만약 이렇게 할 수 있다면, 당신은 아마 기존 관리 시스템보다 더 큰 규모로 성장할 수 있을 겁니다. 왜냐하면 당신의 제품 가치는 일반적인 사용자당 월정액(SaaS) 계약이 아니라, 직원 한 명의 연봉과 비교되기 때문입니다.
많은 기존 회사들이 직접 AI를 개발하느니 당신에게서 10%의 수수료를 받는 것을 선호할 텐데도, 충분히 많은 창업자들이 이 방법을 시도하지 않는 것 같습니다. 물론 산업별로 상황은 다르겠지만, 제 경험상 이런 회사들 대부분은 10~15년 정도 뒤처져 있습니다.
이는 그들이 정신을 차렸을 때 약간의 위험을 초래할 수 있지만, 그때쯤이면 당신은 이미 자체 ERP를 구축할 수 있을 겁니다. 저는 이 방법이 첫 번째 옵션보다 훨씬 빠르게 성공할 수 있다고 생각합니다.
해결책 3: 시장 세분화 (Segmentation)
중소기업(SMB) 시장으로 가십시오. 비즈니스 관리 시스템/ERP는 소규모 고객들에게는 훨씬 덜 고착화되어 있습니다. 그들은 보통 중견 및 대기업 시장의 ERP가 가진 '락인(lock-in)' 효과가 없기 때문에, API를 갖춘 훨씬 더 현대적이고 개방적인 시스템을 사용하는 경우가 많습니다. 여기서 당신은 원하는 방식으로 그들의 데이터를 활용할 수 있을 것입니다. 다만, 특정 산업의 SMB 시장이 당신이 목표하는 비즈니스 규모를 만들기에 충분히 큰지 확인해야 합니다. 또한 이 시장은 경쟁이 매우 치열하기 때문에, 약속한 가치를 제대로 전달하는 뛰어난 제품을 만들어야 합니다.
해결책 4: 쐐기 제품의 선택 (Wedge Selection)
ERP나 기록 시스템과 상호작용할 필요가 없는 수직형 AI를 제공하는 데 집중하세요. 굳이 기존 시스템을 건드리지 않고도 엄청난 가치를 제공하고 큰 비즈니스를 구축할 수 있는 기회와 산업은 많습니다. 특정 산업의 모든 것을 학습한 AI 영업 사원, 특정 산업을 위한 AI 고객 지원 담당자를 생각해 보세요. 목록은 끝이 없습니다. 심지어 성과 기반으로 비용을 청구할 수도 있습니다(예: 발굴한 리드 수, 해결된 티켓 수 등). 성과가 충분히 좋다면, 고객들은 기꺼이 이 정보를 자신들의 관리 시스템에 직접 입력할 것입니다.
해결책 5: AI 인프라에 베팅하기
단기적으로 이 문제를 완화하는 데 도움이 될 AI 데이터 인프라 생태계에 베팅하는 것입니다. 특히 두 가지 발전이 유망해 보입니다.
첫째는 표준화된 에이전트 통신 프레임워크의 부상입니다. 작년 Anthropic은 AI와 도구 간 통합이 기하급수적으로 늘어나는 문제를 해결하기 위해 설계된 개방형 표준인 MCP(Model Context Protocol)를 발표했습니다. MCP는 AI 시스템이 표준화되고 모델에 구애받지 않는 방식으로 외부 데이터를 동적으로 가져오고 도구를 실행할 수 있게 해주는, 마치 'AI 애플리케이션을 위한 USB-C 포트'와 같습니다. 수직형 AI 창업자들에게 MCP와 같은 프레임워크는 통합 로직을 핵심 제품에서 분리하고, 불안정한 일회성 커넥터에 대한 의존도를 줄일 방법을 제공할 수 있습니다.
둘째, 수직형 AI는 기존 시스템이나 심지어 사용자 자신의 행동 변화에 덜 의존하는 옵션을 가질 수 있습니다. 새롭게 떠오르는 AI 기반 '컴퓨터 사용(Computer Use)' 개념은, 스크립트대로 버튼을 클릭할 수 있는 기존의 RPA(로봇 프로세스 자동화)에 유연성과 이해력을 더한 것입니다. AI 에이전트는 새로운 상황을 해석하거나 인터페이스의 미세한 변화에 적응할 수 있는데, 이는 경직된 스크립트라면 작동을 멈추게 할 요인입니다. 예를 들어, OpenAI는 최근 GPT-4의 비전(이미지 이해) 능력과 강화 학습을 결합하여 사용자를 대신해 클라우드 기반 브라우저를 고급 수준으로 조작하는 새로운 CUA(Computer-Using Agent) 모델인 ChatGPT 'Operator'를 출시했습니다. 사용자는 Operator에게 "다음 주에 야외 좌석이 있는 가장 평점 높은 이탈리안 레스토랑을 찾아 예약해 줘"라고 지시할 수 있습니다.
이보다 더 강력한 엔터프라이즈 버전이 수직형 AI 스타트업에게 얼마나 가치 있을지 상상할 수 있을 겁니다. 물론, 4억 달러 이상을 투자받은 Adept와 같은 많은 스타트업이 이러한 B2B 사용 사례를 직접 겨냥하고 있습니다. '컴퓨터 사용' 기술은 아직 초기 단계이며 당장 상용화될 준비는 안 됐지만, 우리는 이 상황이 빠르게 변할 것으로 예상합니다.
결론
이것이 통합 문제에 대한 저희의 간략한 분석입니다. 완벽하지도 않고 끊임없이 변하는 주제이지만, 이 과제에 도전하는 몇 가지 방법을 제시해 보았습니다.
편집장 노트:
어떠셨나요? AI 기술이 발전할수록, 기술 자체의 성능만큼이나 기존 시스템과의 '연결'이 얼마나 중요한지 다시 한번 생각하게 만드는 글이었습니다. 특히 AI를 활용해 특정 산업의 문제를 해결하려는 스타트업이라면, 기술 개발과 동시에 어떤 '연결' 전략을 취할지 깊이 고민해야 할 것 같습니다. 여러분의 비즈니스 현장에서는 어떤 문제가 가장 크게 느껴지시나요?
의견을 남겨주세요