[#스타트업생태계컨퍼런스2023] 2-1 AI, 새로 열린 ‘큰’ 기회 혹은 ‘어쩌면 더 큰’ 위협 - 허진호 HRZ Ventures 파트너

오늘 드리고 싶은 말씀이 많아서 제가 말이 좀 빨라질 수 있습니다. 이해 부탁드리고요. 오늘 드리고 싶은 말씀은 두 가지입니다. AI로 생기는 새로운 기회, 그리고 어쩌면 그보다 더 클 수 있는 위협에 대한 제 생각을 공유를 드리고자 합니다. 오늘 드리고자 하는 말씀은 AI 기술이 어떻게 발전하고 있고, 어떤 비즈니스가 있고, 어떤 투자할 만한 기회가 있는가가 아닙니다. 특히 올해 상반기에 일어났던 몇 가지 일들이 있는데 저는 그것이 굉장히 큰 임팩트를 줄 수 있다고 생각하기 때문에 그것에 대한 제 해석을 설명을 드리면서 스타트업들한테 몇 가지 코멘트를 드리고 싶은 것이 그 내용이고요. 잘 아시듯이 작년 2022년은 Generative AI의 해라고 말씀드렸는데 할 수 있을 것 같습니다. 처음에는 스테이블 디퓨전이나 미트로닉 같은 사람이 눈을 확 끄는 이미지를 가지고 대중의 관심을 끌다가 결국 연말에 챕티피티가 나오면서 피크를 쳤는데 그러면서 어떻게 보면 새로운 기술이 나올 때 통상 많이 생기는 캠브리지언 익스플로션, 캠브리아 대폭발리기가 작년에 시작됐다고 볼 수가 있습니다. 사실 AI가 나오면서 많은 분들이 AI, 특히 라이저 랭킹, 챕티피티, GPT를 애플 앱 스토어가 처음 나왔을 때하고 비교하는 분들이 많고 또 웹 1.0이 나왔을 때랑 비교하는 분들이 많긴 한데 제가 보는 시각은 AI는 웹보다 크다고 생각합니다 그리고 AI는 20세기 초반에 나온 전기 그 다음에 20세기 후반에 나왔던 인터넷과 마찬가지로 이제 앞으로 향후에 굉장히 많은 큰 변화를 가져올 기반 기술이 될 것이기 때문에 어떻게 보면 제가 99년대 후반에 경험했던 새로운 서부기척시대를 다시 한번 경험하고 있다고 말씀드릴 수 있을 것 같습니다 얼마나 크냐? 사실 아크인베스트먼트가 만든 리포트를 제가 가지고 온 내용이긴 한데 이렇게 설명드릴 수 있을 것 같습니다 지난 200년 동안, 300년 동안의 산업혁명에서 대부분의 기술들은 어디에 적용됐느냐 하면 육체 노동을 자동화하는 데 적용됐습니다 그런데 최초로 AI가 지식노동자의 생산성을 상상시키는 데 적용되기 시작했고 많은 분들이 얘기하는 것이 앞으로 10년에서 20년 동안 지식노동자들의 생산성이 적어도 2배에서 5배 늘 것이다 라고 얘기를 공통적으로 하고 있습니다 그러면 지식노동자들의 시장이 얼마나 되냐고 보면 글로벌 GDP가 대략 100조 달러쯤 됩니다 그 중에 지식노동자들한테 페이아웃되는 급여가 합치면 30조 달러쯤 되고 그것이 부가가치가 그만큼 크다는 의미가 되는 것이죠. 그리고 30조 달러의 부가가치를 만들기 위해서 인프라가 대주는 IT인프라 투자가 대략 1년에 5조 달러 정도 지출이 됩니다. 그리고 그것이 AI로 인해서 대략 적어도 2배 이상 성장할 거다라는 의미가 되는 것이죠. 그건 무슨 의미냐 하면 추가로 늘어나는 5조 달러 내지는 그 이상의 투자가 혹은 IT 인프라 지출이 IT 관련된 기업의 새로운 매출이 된다는 의미입니다 그럼 그것과 관련된 기업가치가 얼마나 만들어질 것이냐 대략 현재 퍼나 멀티퍼를 적용할 경우에 대략 10에서 15조 달러 많으면 20조 달러 이상의 새로운 기업가치가 만들어질 것이라고 예상을 하고 있고 그것은 현재 우리가 알고 있는 모든 인터넷 기업의 가치들 페이스북, 애플, 마이크로소프트, 구글의 기업가치를 다 합친 13조 달러보다 큽니다 그게 이제 제가 결국 AI라는 것이 웹과 보다 어쩌면 그것보다 더 큰 새로운 서버 개척 시대가 만들어진 것이다 라고 말씀드리는 그 배경이 될 수 있을 것 같습니다. 실제로 지금 이런 일들이 굉장히 많이 일어나고 있습니다. 굉장히 많은 유니콘들이 나오고 있고 샌프란시스코에서는 매주 하나 이상의 AI 해커슨이 나오고 있고 지금 매일 100개 이상의 새로운 서비스를 등장하고 있습니다. 저는 이것을 90년도 후반에 웹 1.0 시대가 처음 나왔을 때랑 비교를 하고 있는데 제가 조금 다시 다르게 표현을 해봤습니다 그러니까 시기별로 어떤 서비스들이 나왔고 각 카테고리별로 어떤 위너가 나왔는가에 대해서 한번 정리를 해봤는데 되게 재미있는 옵저베이션이 있는데 제가 제일 외적 줄에 한번 95년, 96년에 어떤 일이 났는가를 한번 보시면 되게 재밌는 것이 실제 어떤 성공한 기업이 나올 때까지 굉장히 많은 시간이 걸렸을 수 있지만 대부분의 그것의 원조가 된 형태는 대략 95년, 96년에 첫 번째 형태가 대충 다 나왔습니다 예를 들면 심지어 페이스북과 같은 소셜 네트워크조차도 그 첫 번째 원조의 형태는 지오시티즈나 넷띠앙 아마 여기에 들어보신 분은 없으시겠지만 개인 홈페이지를 만드는 서비스가 95년에 시작을 했었고 두 번째 업적에서는 뭐냐면 저 글자 잘 안보이는데 우리가 알고 있는 굉장히 성공적인 기업 중의 하나가 뭐냐면 초기에 성공했던 기업 중의 하나가 핫메일이었고 세이클럽이었는데 그 기업들이 성공할 수 있었던 배경은 어떻게 보면 운칠기삼이라기보다는 본인 창업자 본인도 이해하지 못했던 서비스의 모트가 있었던 겁니다. 두 가지는 여기서는 네트워크 효과가 이펙트가 있었기 때문이라고 생각하고 있고 그럼에도 불구하고 95년에 서비스가 나왔음에도 불구하고 실제 그것이 큰 서비스가 되는 데까지는 기술, 환경, 어댑션 이런 모든 환경이 맞아떨어져야 비로소 넷플릭스 같은 혹은 유튜브 같은 서비스가 나오기 때문에 기간이 10년에서 20년이 걸릴 수도 있습니다. 그리고 그 과정에서 우리가 구글하고 네이버에서 관찰을 했듯이 기존에 없던 완전히 새로운 이코노믹스, 새로운 모델이 나와서 그걸 기반으로 새로운 경제 구조가 만들어질 가능성이 상당히 큽니다. 그럼에도 불구하고 그리고 당연히 아마존 같은 굉장히 예외적인 케이스도 나올 것이고 J클럽이나 한게임이나 린지 같은 갑득티도 툭 나오게 마련입니다. 그리고 그 과정에서 많은 분들이 얘기하시는 청바지나 곡괭이를 파는 툴 비즈니스가 초반에 굉장히 주목을 많이 받지만 실제로 그것이 롱텀으로 굉장히 큰 성공까지 가는 데는 굉장히 힘듭니다. 굉장히 힘들고 많은 경우에는, 대부분의 경우는 아주 적은 숫자의 인프라 플레이어들만 성공할 수 있었던 것이고요. 그리고 이런 형태의 변화는 제가 웹 1.0에 예만 드려드렸지만 사실은 18세기 이후에 전기기관, 화학, 전기와 같이 새로운 기술이 나올 때마다 매번 반복됐던 패턴입니다 이걸 제가 요약한 글인데요 중요한 것은 첫 번째 단계에서는 기존 방식에 새로운 기술을 적용하려는 시도하고 새로운 기술에 의한 장난감 같은 시도가 막 시도되다가 어느 시점에 새로운 제2세대의 모델이 나오면서 그걸 중심으로 완전히 새로운 이코노미가 만들어진다는 것이 계속 반복됐던 패턴이라는 것이죠 AIS도 똑같습니다. 이게 금년 1월에 엔비디아에 있는 분이 예측한 것인데 실제로 ECC 입산이 어떤 일이 일어났냐면 저대로 가고 있습니다. 굉장히 크고 강력한 LLM들이 나오고 있고 GPT-4나 PAM-2도 나왔고 굉장히 다양한 형태의 기능을 가진 LLM도 나오고 있고 굉장히 많은 곡괭이와 청바지를 파는 회사가 만들고 있습니다. 하지만 제가 주목하는 부분은 사실은 이 부분입니다. 제가 금년 상반기에 관찰했던 다섯 가지 큰 변화를 보면 저는 그중에 앞에 세 가지에 주목을 하고 있습니다 첫 번째는 메타가 만든 라마라는 랭기지 모델이 나온 이후로 어떤 변화가 일어났냐면 예상치 않게 웨이트가 유출되면서부터 오픈소스 랭기지 모델이 굉장히 거의 익스플로지처럼 나왔고 또 하나의 변화가 뭐냐면 그 중에 몇 개의 모델은 콘타이제이션이라는 기술을 통해서 맥북, 그 다음에 심지어 핸드폰에서 돌아가는 형태로 퍼스널 형태 사이즈의 랭기지 모델이 돌아갈 수 있는 기술이 일단 나왔습니다. 두 번째는 첫 GPT 플러그인이 발표가 됐고 그것에 관련된 해석은 조금 있다가 다시 한번 설명을 드리도록 하고 세 번째는 전혀 예상치 않았던 방식인데 오토 노브스 에이전트라는 기술이 나왔습니다 그것에 대한 해석을 조금 설명을 드리면 지금의 저는 랭기지 모델 시장 크게 세 가지 카테고리로 나누기 시작했습니다 하나는 뭐냐면 아까 이주혁 대표님 말씀 100빌리언 사이즈 이상 되는 규모의 저는 Very Large Language Model이라고 이름을 붙인 그 카테고리는 대략 오픈 AI, 구글, 애플, 마이크로소프트 등 탑5 정도의 빅테크를 제외해 그들만의 리그를 일단 만들어줬고 그 리그에 진입하는 건 굉장히 어려워졌습니다 그러면서 동시에 그 바로 아래 사이즈 대략 지금 현재 사이즈 상태에서 보면 7빌리언에서부터 65빌리언 사이 100빌리언 이하 사이즈의 랭킹 모델에서는 거의 일주일에 하나씩 새로운 모델이 등장을 하고 있고 저는 앞으로 몇 년 동안 이 시장이 가장 큰 전장이 될 거라고 생각하고 있습니다 랭킹 모델을 만들 시장에서 또 하나 재미있는 것은 아까 말씀드렸던 퍼즐로 돌릴 수 있는 랭기지 모델이 엣지 디바이스에 돌아가게 되면서부터 노트북, 맥북, 아이폰뿐만 아니라 심지어 라즈브레이파이 수준의 IoT 디바이스가 들어가는 냉장고까지 랭기지 모델이 올라갈 수 있습니다. 그러면 사실은 제 주위에 랭기지 모델이 100개쯤 돌아갈 수 있다는 의미인데 이것이 어떤 형태의 새로운 기회를 줄지는 사실은 제가 굉장히 상상을 많이 하고 있는데 아직 정확히 그림은 그려지진 않지만 분명한 것은 여기서부터 굉장히 큰 변화가 나올 수 있다라는 것이 제가 생각하는 가장 큰 것이고 두번째는 JTPT 플러그인이 굉장히 많이 나왔는데 그게 개발되는 과정을 보면 두 가지 굉장히 재미있는 관점인데 하나는 코딩을 하는데 API도 안 썼고 JSON도 안 썼습니다 그냥 내추럴 랭킹에서 코딩이 끝났습니다 무슨 뜻이냐면 저걸 보면서 제 첫번째 배치로 들어간 카야기나 엑스피디아를 보면서 느낀게 뭐냐면은 어? 저 자리에서 카야기나 에이피아는 무슨 모드를 갖고 있지? 아무것도 없는 것 같은데? 라는 느낌이 딱 들었습니다. 무슨 뜻이냐면은 CGPT가 AI의 중국에서 보면 위챗과 같은 수프의 묘코를 하게 되면서 모든 B2C 앱은 그 뒷단의 백엔드의 API 프로바디로 남을 가능성이 굉장히 커졌습니다. 그래서 저는 만약에 강력하게 프로젝션하자면 지금 현재 B2C 앱 중에 절반 이상은 죽을 수 있습니다. 그리고 그것은 상당히 많은 부분은 채팅 GPT라는 내셔널 랭킹으로 인터랙션하는 그 프론트엔드 뒷단에서 숨어있는 형태가 될 가능성이 크고 있고 그 과정에서도 저는 여전히 모바일 안드로이드하고 아이폰이 가지고 있는 게잇기핑 파워는 어떻게 될 것인지 아직까지 제가 답을 못 찾았고요. 마지막 오토너머스 에이전트가 나오면서 어떤 일이 발생했냐면 코딩이 기본적으로 없어졌습니다. 그리고 모든 개발은 내추럴 랭킹이 가능해졌고 api, json 필요 없어졌고 무엇보다도 ux 자체가 없어졌습니다. 여러분 첫째 비트 쓰면서 기본적으로 버튼 클릭하는게 없어졌고 점점 더 언어로 말씀하면은 임포스를 주면은 원하는 결과가 나오게 되는 것이죠. ux도 죽었고 이제 프로그램도 죽었습니다. 그럼 어떤 형태의 변화가 있을 것인가 제가 하나, 두 가지 일 수 있을 것 같은데 우리가 지난 20년 동안, 그러니까 2000년 이후에 닷컴과 모바일 시대를 거쳐오면서 우리가 이때까지 축적해왔던 우리의 지식은 모든 걸 다 제로 베이스에서부터 다시 한번 봐야 될 것 같습니다 가장 첫 번째 예를 드는 것이 모바일 UX에서 AB 테스트가 이제 없어졌습니다 의미가 없어졌거든요 우리가 알고 있는 모든 레슨을 언런하고 새로운 환경에서 새로운 무엇이 모터가 될 것이고 우리가 무엇을 빌드해야 할 것인가에 대한 새로운 시야가 되겠다고 느끼게 됐고 그게 과연 좋은 기회가 될 수도 있긴 한데 과연 기회만 될 것인지 잘 모르겠습니다. 왜냐하면 아까 말씀드렸듯이 AI 슈퍼웹 그리고 프로그램 자체가 없어지게 되면서 예를 들면 카약과 엑스피디아는 앞으로 5년 내에 없어질 가능성이 되게 커졌지만 카약과 엑스피디아 경쟁하는 새로운 스타트업이 나오기에는 완전히 제로의 베이스에 새로운 그라운드가 만들어지게 된 것이죠. 그거는 동시에 기회인과 동시에 위협이 될 수도 있는 것이고 어쩌면 우리가 알고 있는 대부분의 소프트웨어 기업은 첫째비티 뒷단에 API를 제공하는 형태를 통해서 백엔드 데이터만 적용해주는 업체로 남을 가능성도 굉장히 커졌고 또 반대로 얘기하면 GPT4를 통해서 한 번 쓰고 버리는 앱을 만드는 것 자체가 가능해졌기 때문에 이제는 모바일 앱이라는 게 과연 의미가 있었는가라는 질문을 던지게 됐습니다. 여기까지 우리가 알고 있던 모든 모트라는 것에 대해서 근본적으로 다시 봐야 되는 것이고 그 과정에서 유일하게 남은 것은 저는 거기에 대한 오너쉽이 가장 중요한 모트로 남아 있을 것 같고 그 외에 우리가 알고 있는 모트, UX 이런 것들은 근본적으로 다시 봐야 될 것 같다는 게 첫 번째이고 두 번째는 아까 잠깐 같이 언급해 주셨지만 과연 Value Accuracy 어디서 제일 많이 일어날 것인가 과연 랭기지 모델인가 앱인가 아직 잘 모르겠습니다 물론 랭기지 모델에서 만들어진 Value Accuracy 전체 50%를 넘을 것 같지는 않지만 지금까지 알고 있는 우리가 클라우드에서 대략 10% 미만의 Value를 갖고 있는 것 보다는 훨씬 큰 Value가 랭기지 모델과 밑에 인프라 쪽으로 내려갈 겁니다. 그리고 어쩌면 웹3에서 나왔던 FAT 프로토콜 시시스라는 것이 비로소 여기에서 실현되지 않을까라는 생각까지 들고 있을 정도입니다. 세 번째는 그래도 90년대 후반에는 한글이라는 것이 좋은 방어벽이 되어줬는데 이번에도 방어벽이 되어줄까? 아닐 것 같아요. 오른쪽의 그래프는 뭐냐면 GPT-4의 한글 능력이 GPT-3.5의 영어 능력보다 뛰어납니다. 그리고 우리나라의 전체 학습법이 가능한 데이터를 다 끌어모으면 대략 2TB면 끝입니다 물론 그나마 대부분이 지금 네이버와 카카오의 담벼락 안에 있고 담벼락 밖에 있는 데이터를 다 합치면 그나마 그것의 한 4분의 1 정도 되는 500GB 정도밖에 안됩니다 이미 그 500GB에 대해서는 GPT 폰 학습이 끝났고요 그리고 이 시장에서는 우리가 알고 있는 한글이라는 것이 우리에게 더이상 모트나 디펜시빌리티가 될 수 없다는 것이 어떻게 보면 가장 큰 위협 중의 하나라고 생각을 합니다 그러면 어떤 기회가 있을 것인가? 첫 번째는 1세대 모델은 당연히 굉장히 많은 시행착오가 겪을 겁니다. 랜서가 한 달 만에 꺼지긴 했지만 지금 많이 나오고 있는 소위 말해 GPT 랩퍼라고 얘기할 수 있는 UX 앱들은 거의 90% 이상 사라지겠지만 그 중에 한 1% 정도는 핫메일이나 셰이크로프같이 네트워크 이펙트 형태의 모트를 구축하게 된 업체는 아마 살아남을 것 같습니다. 1% 정도. 그리고는 어느 순간에 두 번째 제 2세대 모델이 나올 것 같습니다 제가 두 가지 정도 예를 드려드릴 수 있을 것 같은데 하나는 저는 3년 후쯤되면 제가 얘기하는 사만드라는 에이전트가 있을 것이고 사만드라는 에이전트 뒷단에 한 100개 정도 저한테 퍼스널라이징 에이전트가 있을 겁니다 어쩌면 1000개쯤 될지도 모르고요 두 번째 사만드는 제 핸드폰 아니면 제 다른 디바이스 안에 돌아갈 겁니다 이제까지 우리가 알아왔던 환경과 굉장히 다른 형태가 나올 것이기 때문에 어떤 형태로 모델이 나올 것인지에 대해서는 사실은 지금부터 잘 봐야 될 것 같습니다. 그럼에도 불구하고 B2B 시장은 앞으로 한 3년, 짧으면 3년, 길면 5년간은 굉장히 큰 시장이 될 겁니다. 지금 여러분이 알고 일하고 계신 모든 회사는 AI 기반으로 트랜지션이 필요하고 트랜지션이 필요한 노하우는 아무데도 없기 때문에 앞으로 3년에서 5년 동안 이 시장은 엄청나게 큰 시장이 나올 겁니다. 물론 5년 이후에도 얼마나 유효한 시장으로 남을까가 의미 있긴 하지만 그래서 일단 앞으로 우리가 몇 가지 주목해야 할 것은 첫 번째는 AN은 지금 우리가 경험하고 있는 GPT-4보다 훨씬 똑똑해질 겁니다 내가 아무리 개떡같이 얘기해도 잘떡같이 알아두고 제 의도대로 일해줄 겁니다 그리고 여기에는 새로운 기술, 새로운 환경 아까 말씀드렸던 퍼스널 랭키지 모델 그리고 저한테 퍼스널라이지되어 있는 천개정도의 에이전트가 제 주위에 있다고 가정을 하고 무엇든 서비스가 필요할 것이고 어떤 니즈가 있는가를 고민해볼 시점이 됐다고 생각하고 있습니다 그거는 지금 제가 말씀드렸던 95년과 똑같은 시점이라고 볼 수 있을 것 같고요 여기서 우리 고민해야 될 것은 결국은 포인트는 지금 우리가 뭐가 가능할까 라는 게 아니라 새로운 기술을 통해서 과거에 가능하지 않았는데 새롭게 가능해진 것이 무엇인가 이 부분을 찾는 것이 제가 볼 때 진짜 앞으로 한 5년에서 10년 동안 유유한 모투를 찾는 과정이 될 거라고 생각합니다. 그럼 제가 여러분 스타트업들한테 드리고 싶은 말씀은 두 가지가 있을 수 있습니다. Try Many, Fail Fast 입니다. 가능하면 많은 여러가지 실험을 해보고 빨리 실험이 실패하고 그중에 답을 찾았으면 좋겠습니다. 그리고 그러다 보면 그중의 1% 정도는 한메일이나 세이클럽 같은 유니크한 모델이 나올 것 같습니다. 두 번째는 이제까지 우리가 알고 있었던 우리가 학습해 왔던 지난 15년 동안 20년 동안 학습해 왔던 모터는 일단 다 언런하고 처음부터 제로 베이스부터 다시 빌드 해야 될 겁니다. 다시 한번 반복드리면 이 과정을 다시 한번 거칠 거라고 생각하고 있고 이 과정에 맞춰서 앞으로 10년 동안 우리가 목걸이 사시는 기회를 찾을 수 있으면 좋을 것 같습니다. 감사합니다.