Priya Saiprasad, Touring Capital의 제너럴 파트너 – 인터뷰 시리즈

소프트웨어가 업무를 수행할 수 있게 되면 제품, 대상 시장, 가격 모델 및 이를 제공하는 기업의 경제 구조가 변합니다. 우리는 처음부터 그 기회를 중심으로 Touring을 구축하고자 했습니다.

우리의 초점은 초기 제품-시장 적합에 다가가거나 이를 보여주는 기업에 있습니다. 이 시점에서 기술적 가능성이 고객 채택으로 전환되기 시작합니다. 이는 AI에서 특히 중요한 단계로, 창업자는 어떤 워크플로를 소유할지, 고객이 어느 정도의 자율성을 받아들일지, 초기 수요를 어떻게 지속 가능한 성장으로 전환할지 결정합니다.

우리는 또한 벤처, M&A 및 대형 기술 플랫폼에서의 경험을 바탕으로 기업 구축 관점을 제공하고 싶었습니다. 우리의 목표는 기술이 발전함에 따라 경쟁 우위가 더욱 강화되는 비즈니스를 창업자가 구축하도록 돕는 것입니다. 이를 위해서는 기회에 대한 확신과 그 밑바탕이 되는 가정을 지속적으로 재검토하려는 의지가 필요합니다.

당신은 가장 큰 AI 기회가 단순히 더 큰 기반 모델을 구축하는 것에서 벗어나 AI를 특정 산업에 적용하는 기업으로 이동하고 있다고 주장했습니다. 기술적 또는 경제적으로 무엇이 변해서 현재 애플리케이션 레이어가 이렇게 매력적이게 되었나요?

모델은 급격히 더 강력하고 접근성이 높아졌으며, 이는 기업가가 가치를 창출할 수 있는 영역을 변화시킵니다. 이제 강력한 무언가를 만들기 위해 기본 인텔리전스를 처음부터 구축할 필요가 없습니다.

이로 인해 질문은 “누가 최고의 모델을 가지고 있나요?”에서 “누가 그 인텔리전스를 적용해 문제를 해결함으로써 경제 구조나 워크플로를 근본적으로 바꿀 수 있나요?”로 전환됩니다.

가장 매력적인 기업들은 단순히 기존 소프트웨어 제품 앞에 LLM을 두는 것이 아닙니다. 그들은 AI를 활용해 업무 수행 방식을 재고하고 있습니다. 경우에 따라서는 워크플로의 큰 부분을 자동화하는 것이고, 다른 경우에는 훨씬 작은 팀이 현저히 더 많은 결과물을 생산하도록 하는 것입니다.

다음 가치 창출 물결이 일어날 곳은 바로 여기라고 생각합니다: 점점 더 강력해지는 인텔리전스를 받아들여 고객이 의미 있는 작업을 수행한다는 신뢰를 갖는 제품으로 전환할 수 있는 기업들.

오늘날 여러 분야를 살펴볼 때, AI가 기존 소프트웨어를 단순히 효율화하는 수준을 넘어 워크플로를 근본적으로 재구성할 수 있는 진정한 AI 전환점에 도달하고 있다고 생각하는 산업은 어떤 것들인가요?

저는 특히 방대한 지식 작업, 복잡한 기존 워크플로, 그리고 전통적으로 소프트웨어 침투율이 낮은 산업에 관심이 많습니다.

금융 서비스, 의료, 법률, 산업 및 자동차 분야가 좋은 예시입니다. 이러한 산업은 방대한 양의 귀중한 정보와 고도로 전문화된 워크플로를 보유하고 있지만, 여전히 많은 작업이 파편화되고 수작업이며, 경험이 풍부한 인력이 시스템 간에 정보를 이동시키는 데 의존하고 있습니다.

기회는 단순히 그 직원들의 생산성을 10% 향상시키는 것이 아닙니다. 더 흥미로운 기업들은 AI가 현재 할 수 있는 일에 맞춰 워크플로우를 재설계하고 있습니다.

Numa와 같이 AI 에이전트를 활용해 고객 상호작용 및 딜러십 운영을 자동화하는 기업과, 금융 기관이 사용하는 고시간 민감 데이터와 연구 워크플로우에 AI를 적용하는 Daloopa와 같은 사례에서 이를 확인할 수 있습니다. 공통점은 근본적인 작업에 대한 깊은 이해입니다. AI는 강력하지만, 여러분이 구축하려는 산업을 이해해야 하는 필요성을 없애지는 못합니다.

Touring Capital은 AI 기업을 평가할 때 데이터 해자, 제품 플라이휠, 그리고 도메인‑특화 전문성을 강조합니다. 진정으로 방어 가능한 수직 AI 비즈니스는 어떤 모습이며, 단순히 타사 대형 언어 모델을 포장하는 것이 주요 강점인 기업과는 어떻게 구별할 수 있을까요?

진정으로 방어 가능한 AI 비즈니스는 운영될수록 강해집니다.

기본 모델은 시간이 지나면서 개선될 수 있고, 기업이 모델을 완전히 교체할 수도 있지만, 모델이 바뀐다고 해서 비즈니스 가치가 사라져서는 안 됩니다. 중요한 것은 기업이 그 모델 주변에 보유하고 있는 것, 즉 고객 관계, 워크플로우, 독점 데이터, 통합 및 점점 더 중요한 작업을 수행할 수 있는 신뢰입니다.

우리가 특히 주목하는 점 중 하나는 제품이 시간이 지남에 따라 얼마나 깊게 내재화되는가입니다. 고객이 더 많은 작업을 맡길 정도로 신뢰하고 있나요? 사용량과 결과가 복합적으로 증가하고 있나요? 기업이 배포 경험을 통해 제품을 개선하고 있나요?

이러한 역학은 단순히 타사 모델 위에 좋은 인터페이스를 두는 것보다 훨씬 강력한 비즈니스를 만들어냅니다. AI에서는 기능이 매우 빠르게 수렴할 수 있습니다. 지속적인 사용과 워크플로우 채택의 심화는 복제하기 훨씬 어렵습니다.

기초 모델이 점점 더 강력해지고 보편화됨에 따라, 이는 수직 AI 기업에게 더 저렴한 인텔리전스를 제공해 강화를 가져다 주는가, 아니면 모델 제공자가 애플리케이션 레이어를 더 많이 흡수하는 위험을 초래하는가?

두 가지 역학이 동시에 발생할 수 있습니다. 더 나은 모델은 애플리케이션 기업이 제공할 수 있는 범위를 확대하면서도, 모델 제공자가 제품과 워크플로우로 더 깊이 진입하도록 합니다.

실사를 진행할 때 핵심 질문은 기본 인텔리전스가 향상됨에 따라 기업의 입지가 어떻게 변하는가입니다. 우리는 두 가지 질문을 함께 던집니다: 차세대 모델이 이 비즈니스에 어떤 가능성을 열어줄지, 그리고 현재 가치 제안 중 어느 부분이 표준 모델 기능으로 전락할 수 있는지. 이는 진보의 혜택을 받는 기업과 일시적인 제한에 의존하는 차별화를 가진 기업을 구분하는 데 도움이 됩니다.

수직 비즈니스는 특화된 워크플로우, 고객 접근성, 통합, 평가 시스템 및 자신이 맡은 운영 책임을 통해 견고한 입지를 구축할 수 있습니다. 이러한 장점은 지속적인 투자를 필요로 하며, 도메인 전문성만으로는 영구적인 보호가 되지 않습니다.

제가 가장 매력적이라고 생각하는 기업들은 모델이 개선될수록 더 가치 있는 작업을 수행할 명확한 경로를 가지고 있습니다. 고객은 더 나은 결과를 얻고, 제공 비용 구조는 강화되며, 축적된 지식은 더욱 유용해집니다. 이것이 우리가 지원하고자 하는 모델 진보와의 관계입니다.

전통적인 SaaS 기업은 연간 반복 매출(ARR), 총 마진, 유지율, 좌석 확장 등 지표를 기준으로 평가받아 왔습니다. 추론 비용, 사용량 기반 가격 책정, 결과 기반 비즈니스 모델이 중요해짐에 따라 AI는 어떤 지표를 변화시키고 있나요?

ARR, 유지율 및 총 마진은 여전히 중요합니다. 문제는 이 지표들만으로는 충분한 정보를 제공하지 못한다는 점입니다.

AI 기업은 고객 기반 내 실제 사용량이 이미 감소하고 있음에도 불구하고, ARR이 수천만 달러 수준으로 매우 빠르게 성장할 수 있습니다. 고객이 계약 중일지라도 갱신 시점에 제품이 사실상 대체된 경우가 발생합니다. 이를 우리는 잠재 이탈(latent churn)이라고 부릅니다.

따라서 우리는 가격 모델 아래를 들여다보며 실제로 어떤 작업이 수행되고 있는지를 묻습니다. 워크플로우와 결과의 수가 시간이 지남에 따라 증가하고 있나요? 고객이 제품에 더 많은 작업을 맡길 정도로 신뢰하고 있나요? 배포 초기의 흥분이 지나도 사용량이 지속되고 있나요?

우리는 성장 뒤에 숨은 경제학도 훨씬 면밀히 살펴보고 있습니다. AI 기업은 자동화를 통해 인력을 대체할 수 있지만, 컴퓨팅 비용이 실제 인력 및 비용 구조의 일부분이 됩니다. 그래서 우리는 워크플로우 강도, 효율성 배수, 조정된 직원당 매출, 비용 레버리지와 같은 개념을 검토합니다.

더 큰 질문은 성장 자체가 시간이 지날수록 더 견고하고 효율적으로 변하고 있는가입니다. 눈부신 성장과 지속 가능한 성장은 반드시 동일하지 않습니다.

많은 AI 에이전트가 직원 지원을 넘어 전체 워크플로우를 자율적으로 완수하도록 설계되고 있습니다. 이는 엔터프라이즈 소프트웨어 시장 기회를 어떻게 바꾸며, AI 기업이 전통적으로 소프트웨어 지출 외에 있던 인건비 예산의 일부를 차지하게 될 가능성이 있나요?

저는 이것이 엔터프라이즈 소프트웨어에서 가장 중요한 변화 중 하나라고 생각합니다.

역사적으로 소프트웨어는 주로 직원이 업무를 수행하도록 돕는 도구로 판매되었습니다. 직원은 여전히 작업을 생산할 책임이 있었으며, 소프트웨어 예산은 인건비 예산과 별개였습니다.

AI는 소프트웨어가 점점 더 작업의 일부를 스스로 수행할 수 있게 되면서 이 방정식을 바꿉니다.

이는 시장 기회를 크게 확대합니다. 이제 IT 또는 소프트웨어 예산에서 생산성 도구만을 판매하는 것이 아닙니다. 제품이 의미 있는 작업을 신뢰성 있게 담당하고 측정 가능한 결과를 만들어낼 수 있다면, 인건비 예산에서도 가치를 포착할 수 있습니다.

중요한 구분은 AI 어시스턴트와 실제로 실행할 수 있다고 고객이 신뢰하는 AI 시스템 사이입니다. 후자는 훨씬 더 큰 가치를 창출할 잠재력이 있지만, 실제 신뢰성, 책임성 및 경제성을 입증해야 합니다. 제품이 약속한 결과를 지속적으로 제공하지 못한다면 고객은 AI가 얼마나 정교한지에 신경 쓰지 않을 것입니다.

현재 Numa와 Daloopa를 포함한 기업들의 이사회에 참여하고 계시며, 이들은 자동차 운영 및 금융 데이터와 같이 매우 다른 분야에 기술을 적용하고 있습니다. 이러한 기업들로부터 깊이 자리 잡은 워크플로와 도메인 전문성을 가진 산업에 AI를 성공적으로 도입하기 위해 무엇이 필요한지에 대해 어떤 교훈을 얻으셨나요?

가장 큰 교훈은 AI가 도메인 전문성의 중요성을 없애지 않는다는 것입니다. 오히려 여러 면에서 그것을 더욱 중요하게 만듭니다.

AI를 기존 산업에 성공적으로 도입하려면 워크플로를 충분히 이해하여 자동화가 실제로 가치를 창출하는 부분과 인간 판단이 여전히 중요한 부분을 파악해야 합니다. 또한 고객이 제품을 어떻게 채택할지, 기존 시스템 및 AI 도입 주기에 어떻게 맞는지, 그리고 신뢰를 얻기 위해 무엇이 필요한지도 이해해야 합니다.

Numa와 Daloopa는 매우 다른 시장에서 활동하지만, 두 회사 모두 고객이 수행해야 하는 구체적인 작업과 깊이 연결되어 있습니다. 가장 성공적인 수직 AI 기업은 “AI를 어디에 적용할 수 있을까?”라는 질문으로 시작하지 않습니다. 의미 있는 문제나 워크플로를 시작점으로 삼고, 그 후 AI가 현재 할 수 있는 일에 맞춰 재설계합니다.

이것이 바로 시간이 지남에 따라 도메인 전문성이 큰 경쟁력이 될 수 있다고 생각하는 이유입니다. 작업을 깊이 이해할수록 고객이 신뢰하고 의존할 수 있는 제품을 보다 효과적으로 구축할 수 있습니다.

Touring의 최근 투자는 도메인 특화 애플리케이션과 AI 인프라 지원 양쪽을 포괄합니다. 애플리케이션 계층에 대한 투자와 이를 구동하는 인프라에 대한 투자 사이의 균형을 어떻게 생각하시며, 오늘날 벤처 규모 수익을 위한 더 큰 기회는 어디에 있다고 보십니까?

우리는 기회가 스택의 한 계층에만 존재한다고 보지 않습니다. 중요한 병목 현상이 나타나는 지점과 AI 도입이 확대됨에 따라 기업이 의미 있는 위치를 구축할 수 있는 영역에 집중하고 있습니다.

애플리케이션 측면에서는 중요한 워크플로를 장악하고 실질적인 결과를 제공함으로써 AI를 측정 가능한 경제적 가치로 전환할 수 있는 기업에 기대를 걸고 있습니다. 인프라 측면에서는 AI를 대규모로 효율적으로 배포할 수 있게 하는 제약을 해결하는 기업에 관심이 있습니다.

Infinity와 Parasail 같은 기업에 대한 우리의 투자는 이를 반영합니다. 하나는 다양한 AI 칩을 최신 모델에 맞게 실행할 수 있도록 하는 소프트웨어 문제를 해결하고, 다른 하나는 개발자가 기본 인프라를 직접 관리하지 않고도 AI 워크로드를 배포하고 확장할 수 있도록 돕습니다.

더 좋은 기회는 반드시 기업이 애플리케이션에 속하느냐 인프라에 속하느냐에 의해 결정되는 것은 아닙니다. 핵심 질문은 해당 기업이 AI 시장이 진화함에 따라 점점 더 가치가 커질 수 있는 중요하고 지속 가능한 문제를 해결하고 있는가입니다.

현재 막대한 자본이 비교적 소수의 최전선 AI 기업에 집중되어 있는 상황에서, 투자자들이 여전히 기회를 과소평가하고 있다고 생각하는 영역은 어디이며, AI 고유의 카테고리나 비즈니스 모델 중 충분히 주목받지 못하고 있는 분야는 무엇이라고 보십니까?

제가 특히 흥미롭게 보는 영역은 시장 중간 부분입니다.

현재 벤처 투자 환경은 점점 더 무게가 실려 있습니다. 초기 단계에서 유망한 기업, 특히 뛰어난 팀과 매력적인 기술을 보유한 기업에 대한 수요가 엄청나게 높습니다. 또한 가장 크고 검증된 기업을 위한 상당한 자본도 확보되어 있습니다.

하지만 중간 단계, 특히 전통적인 Series B와 C 단계는 훨씬 더 어려워졌습니다.

AI는 기대치를 압축시켰습니다. 기업은 이제 제로에서 의미 있는 매출을 이전보다 훨씬 빠르게 달성할 수 있게 되었으며, 이는 비즈니스가 매출을 창출하기 시작하면 기준이 크게 상승함을 의미합니다. 몇 년 전에는 비범하다고 여겨졌던 성장도 오늘날 시장에서는 더 이상 두드러지지 않을 수 있습니다.

이는 위험과 기회를 동시에 만들어냅니다.

일부 기업은 특정 시점에 자금 조달 시장이 원하는 대로 최적화하라는 압력을 받고 있습니다: 5배 성장, 10배 성장, 특정 매출 목표 등, 그 경로가 지속 가능한 비즈니스를 만들든 말든 관계없이. 시장은 6~9개월 안에 급격히 변할 수 있으므로, 창업자는 다음 라운드의 기대에만 맞춰 구축하지 않도록 주의해야 합니다.

투자자에게는, 저는 강력한 기본 펀더멘털을 가지고 있지만 오늘날 시장의 극단에 딱 맞지 않는 기업을 발굴하는 데 실제 기회가 있다고 생각합니다. 도전 과제는 현재 AI 자금 조달 사이클에 의해 단순히 앞당겨진 성장과 지속 가능한 성장을 구분할 만큼 충분히 규율을 유지하는 것입니다.

훌륭한 인터뷰에 감사드립니다. 이 VC 회사에 대해 더 알고 싶어 하는 독자들은 Touring Capital을 방문하십시오.