[Post: Greylock] Vertical AI: AI 시대의 산업 특화 소프트웨어 전략 (1/2) - 기회와 프레임워크

 

Vertical AI | Greylock

 

핵심 요약:

• 지난 10년간 Toast, Shopify 등이 입증한 산업 특화 SaaS의 성공 모델이 AI 시대를 맞아 새로운 전환점을 맞음
• AI/LLM의 등장으로 비정형 데이터 처리가 가능해지면서 이전에는 접근하기 어려웠던 전통 산업군으로 확장 가능
• 성공적인 Vertical AI를 위해서는 데이터 전략, TAM 평가, 제품 개발, GTM 전략, 도메인 전문성이 핵심 요소

 

Greylock이 분석한 AI 시대의 산업별 특화 소프트웨어(Vertical AI)의 성공 전략과 투자 프레임워크

 

지난 10년간의 Vertical SaaS의 성장은 산업 특화 소프트웨어의 힘을 입증했으며, Toast, Shopify, Procore, ServiceTitan과 같은 수많은 성공 사례를 만들어냈습니다.

그러나 여전히 많은 시장이 Vertical SaaS의 혜택을 받지 못하고 있습니다: 기술적 혁신에 본질적인 장벽이 있는 기초 산업들(예: 비정형 데이터, 제한된 TAM, 긴 영업 주기, 낮은 연간 계약 가치, 까다로운 기존 업체들)과 이제 막 등장하거나 큰 변화를 겪고 있는 분야들(예: 에너지의 전기화)이 포함됩니다.

하지만 이제 두 가지 주요한 발전으로 인해 이러한 예외적인 시장들을 위한 소프트웨어를 구축하는 것이 가능해졌습니다: 1) 비정형 데이터를 다룰 수 있는 인공지능의 발전과 2) Vertical SaaS에서 Vertical Software로의 개념 재정의입니다.

 

데이터 측면을 살펴보면: 초기 기술 시대의 Vertical SaaS는 현대적인 기술 스택(시스템과 데이터베이스에 깔끔하게 구조화된 데이터를 보유한 기업들)을 갖춘 기업들에만 적용될 수 있었습니다.

이는 주로 비정형 데이터(텍스트, 오디오, 이미지에 걸친 계약서, 기록물, 멀티미디어 파일)에 의존하는 기초 산업들을 제외시켰습니다. 이제 대규모 언어 모델들이 비정형 데이터를 포함한 워크플로우를 처리할 수 있게 되면서, AI가 기술적으로 소외된 산업들을 현대화하는 데 필요한 마지막 퍼즐 조각이 될 수 있습니다. 이러한 패러다임 전환의 광범위한 영향력은 아무리 강조해도 지나치지 않습니다: 전 세계 데이터의 약 80%가 비정형 데이터라고 추정됩니다.

 

다음으로, 우리는 수직적 특화 스타트업들이 전통적인 SaaS 모델을 넘어서서 결제 임베딩(Toast와 Shopify), 광고(Pepper와 Provi가 한 것처럼), B2B 마켓플레이스(Faire와 Novi) 같은 전략을 채택하는 것을 보아왔습니다. AI의 도입은 예상되는 인력 감축과 좌석 수 감소가 새로운 사용량 기반 또는 성과 기반 가격 책정 모델의 필요성을 촉진하면서 이러한 변화를 가속화할 것입니다.

 

Greylock에서는 대규모 언어 모델과 차별화된 모델의 수용이 결합되어 오랜 문제들을 해결하고자 하는 창업자들에게 이상적인 조건을 만들어낸다고 믿습니다.

애플리케이션 계층에서의 지속가능성에 대한 우려가 타당하긴 하지만, 우리는 깊이 있는 도메인별 특화가 방어 가능한 경쟁력을 구축하는 실행 가능한 전략이라고 믿습니다.

LLM이 아무리 게임체인저라 하더라도, 어떤 수직적 특화 사업의 규모 있는 성공을 위한 핵심은 기술에 적합한 산업을 선택하고, TAM을 정확하게 평가하며, 깊이 있는 제품 워크플로우와 데이터를 구축하고, 적절한 GTM 전략을 설계하며, 이를 실행할 수 있는 도메인 전문성과 기술적 능력의 조합을 보유하는 데 있습니다.

 

이제 각각의 요소들을 더 자세히 살펴보겠습니다.

 

데이터: 더 나은 모델보다 더 나은 데이터

LLM을 기반으로 한 AI 애플리케이션을 구축하는 장벽이 낮아지면서, 데이터는 차별화된 포지션을 구축하는 데 있어 가장 중요한 통화가 되었습니다.

스타트업들이 가장 먼저 해야 할 일은 해당 수직 분야나 워크플로우가 매우 큰 규모의 데이터를 필요로 하는지, 또는 독점적인 데이터 자산을 구축할 기회가 있는지를 파악하는 것입니다. 일부 기업의 경우, 이러한 데이터를 사용하여 자체 기반 모델을 학습하거나 미세 조정하는 것이 전략적으로 중요할 수 있습니다.

많은 수직 분야에서 데이터는 복잡하고 단절된 레거시 시스템에 존재합니다. 이것이 바로 제가 데이터 추출을 다루는 기업들에 특히 주목하는 이유입니다. 이는 데이터 요약과 생성 능력의 발전에 비해 여전히 고통스럽고 해결되지 않은 문제입니다. 여기서 좋은 차별화 요소는 최고 수준의 감사된, 레이블이 있는, 지속적으로 업데이트되는 데이터를 보유하는 것입니다.

더 강력한 데이터 포지션은 제품 사용 자체가 데이터셋을 생성하는 경우입니다(예: 고객이 자신의 데이터에 레이블을 붙이거나 제품과의 상호작용에 대한 데이터셋을 개발하는 경우). 따라서 저는 초기 데이터 접근성이 예비적인 경쟁력으로서 중요하지만, 궁극적으로는 고객들이 제품을 사용하면서 생성하는 데이터가 장기적인 경쟁력을 제공한다고 주장하고 싶습니다.

 

TAM: 시장 규모 vs 시장 침투율

수직적 시장을 추구하지 않는 가장 큰 위험과 이유는 수평적 접근법보다 작은 TAM이지만, 이는 버그이자 특징이 될 수 있다는 점을 기억하세요: 이러한 작은 시장들은 자금을 지원받는 경쟁자가 더 적을 것이며, 더 좁은 초점은 우위에 있는 유통망과 더 깊은 시장 집중도를 달성할 수 있게 해줍니다.

의료나 금융 서비스와 같은 많은 기초 산업의 높은 분화도를 고려할 때, 한 산업 내에서도 많은 기회가 있을 수 있습니다. 게다가, 이러한 산업의 순수한 규모는 더 좁은 초점도 상당한 시장을 가질 수 있음을 의미합니다. 다시 말해, 수직 분야로의 진입점을 찾는 것은 경쟁자들이 아직 진출하지 않은 산업의 하위 분야, AI에 대한 입증된 수요가 있는 분야, LLM 기반 도구에 가장 적합한 분야, 그리고 당신이 개인적으로 가장 잘 제공할 수 있는 분야를 식별하는 문제입니다.

새롭게 떠오르거나 변화를 겪고 있는 시장(예: 에너지의 전기화)의 기존 지출을 정량화하는 것은 매우 어렵지만, 이러한 시장들은 종종 투자자들 사이에서 가장 흥미로운 토론을 불러일으킵니다. 초기에 진입하여 올바른 수직적 소프트웨어 전략을 적용하는 데 성공하는 창업자들은 시장을 정의하고 이끌어갈 잠재력을 가지고 있습니다.

 

ACV: 다중 제품과 수익원

단일 SaaS 제품만으로는 6자리 수의 ACV를 달성하는 것이 항상 최선의 접근 방식은 아닙니다. 수직적 특화 스타트업은 다중 제품으로 확장하고 핵심 제품을 넘어선 추가 수익원을 창출할 수 있습니다. 핵심 제품에 새로운 제품 라인을 추가하면 시간이 지남에 따라 번들과 업셀이 가능해지며, 결국 조직의 여러 지점에서 고착성 있는 위치를 확보할 수 있습니다. 레스토랑 결제 플랫폼 Toast는 급여 및 인력 관리 기능을 추가하며 다중 제품 전략을 실행했습니다. Provi와 Pepper 같은 B2B 마켓플레이스는 광고로 추가 수익원을 만들었고, 태양광 설치 플랫폼 Aurora Solar은 파이낸싱 옵션을 제공하는 제품으로 추가 수익을 찾았습니다. 건설 서비스 플랫폼 Procore는 최근 건설 프로젝트 수명주기 전반의 데이터 인사이트를 활용하여 보험 제공을 시작했습니다.

창업자: 도메인 경험을 가진 제품 빌더

AI 스택의 다른 부분을 구축하는 창업자들과 달리, 순수한 기술자들이 수직적 AI를 시도하는 것은 도메인 경험과 기술 배경을 모두 가진 창업팀에 비해 불리합니다. 특히 규제 산업에서는 이러한 차이가 더욱 두드러집니다. 이는 의료와 같은 수직 분야의 레거시 조직에 판매하려는 스타트업의 경우 더욱 두드러지는데, 이러한 조직들은 종종 동시에 수십 또는 수백 개의 다른 조직들과 장기 계약으로 묶여 있습니다. 이러한 복잡성을 깊이 이해하는 것은 적절한 go-to-market 전략을 수립하고, 판매 타임라인을 예측하고, 채용하는 데 매우 중요합니다. 깊은 도메인 전문성은 있지만 수직적 접근에 대한 아이디어가 막 생기기 시작한 분들의 경우, Edge 프로그램에 참여하기 위해 우리와 연락하시는 것이 너무 이르지 않습니다. 우리는 아이디어 검증 과정의 매우 초기 단계에 있는 창업자들을 적극적으로 찾고 있습니다.

 

[다음편에서 계속...]