[Post: Greylock] Vertical AI: AI 시대의 산업 특화 소프트웨어 전략 (2/2) - 주요 산업별 기회

 

Vertical AI | Greylock

 

핵심 요약:

• 법률, 회계, 컨설팅 등 전문 서비스 분야에서 AI는 수동적 작업을 자동화하고 효율성을 극대화할 수 있음
• 금융 서비스는 11조 달러 규모의 시장과 AI 도구에 대한 수요가 이미 입증되어 있어 큰 기회
• 의료 분야에서는 전사 및 문서화, 사전 승인, 임상 추론 모델 등 3가지 주요 활용 사례가 있음

 

전문 서비스, 금융 서비스, 의료 분야에서의 AI 혁신 기회와 전망

 

[지난 글에 이어서...]

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

 

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.

 

GTM: 긴급성 창출

수직적 판매 주기는 특히 움직임이 느리고 덜 정교한 기술 구매자를 가진 크고 확립된 산업에서는 길 수 있습니다. GTM 전략이 긴급성을 만들어내는 독특한 방법이나 중요한 유통 채널을 장악할 경로를 가지고 있는 것이 중요합니다. 역사적으로, 이러한 요소들이 없었던 성공적인 수직적 성과는 트랙션이 시작되기까지 많은 긴 세월이 걸렸습니다.

AI에 대한 흥분은 어느 정도의 긴급성을 만들어냈지만, 이는 순풍과 역풍이 될 수 있습니다. 한편으로는 AI가 모든 구매자의 마음속에 있어서 새로운 기업들이 잠재 고객 통화를 잡고 심지어 고객을 시험 사용에 참여시키는 것이 쉽습니다. 그러나 여러 시험 사용을 서로 비교하는 피로한 사용자들의 경우 시범 사용자를 고객으로 전환하는 것이 특히 어려울 수 있습니다. 다시 말하지만, 구매자들이 당신의 제품을 고려하고, 전환하고, 사용하도록 긴급성을 만드는 것이 핵심입니다.

신속한 전환을 위해서는 핵심 가치 제안을 고려해야 합니다 - 우리는 수직 시장 구매자들로부터 인력 효율성 향상이나 "혁신"을 약속하는 것(혁신 위원회나 최고혁신책임자에게 판매하는 경우에도 불구하고)만으로는 충분하지 않다는 이야기를 들었습니다. 제품이 어떻게 증분 수익을 창출하거나 명확하게 비용을 절감할 수 있는지를 보여주는 것이 더 효과적입니다.

 

제품: 코파일럿을 넘어서

오늘날의 지배적인 패러다임은 인간이 AI 코파일럿과 짝을 이루는 것입니다: 인간이 대부분의 작업을 수행하고 AI 코파일럿이 우리의 능력을 보강합니다. 향후 몇 년 동안, 저는 이의 반대 사례를 더 많이 보게 될 것으로 예상합니다. 뒤집힌 모델에서는 AI 에이전트가 대부분의 작업을 수행하고 인간이 출력을 확인하고 편집합니다. 저는 이 새롭게 떠오르는 영역이 스타트업의 진입점으로서 특히 흥미진진하다고 생각합니다. 코파일럿은 이미 유통망을 보유한 기존 업체들이 지배할 수 있지만, AI 에이전트는 더 개척되지 않은 기회이기 때문입니다. 인간을 대신하여 생각하고, 추론하고, 행동할 수 있는 AI 에이전트는 또한 완전 자율적인 미래를 향한 흥미로운 단계입니다.

 

이러한 패러다임 전환은 내일의 비즈니스에 막대한 영향을 미칠 것입니다. AI 에이전트가 더 많은 숙련된 노동력을 대체함에 따라, 소프트웨어에 대한 지출이 인력 비용을 대체할 것입니다. 이에 따라, 저는 또 다른 전형이 될 새로운 사용량 기반 또는 결과 기반 가격 책정 모델이 등장할 것으로 예상합니다.

수직적 기회들

 

우리는 AI가 사실상 모든 산업 수직 분야를 변화시킬 것이라고 믿습니다. 여기서는 제가 특히 흥미롭다고 생각하는 세 가지 분야를 논의하겠습니다.

 

전문 서비스 분야

많은 수직 분야들이 노동 집약적이고 수동적인 워크플로우로 어려움을 겪고 있습니다. 법률 서비스, 회계, 컨설팅 전반에 걸쳐, 전문가들은 중요한 정보를 읽고, 해석하고, 요약하는 데 상당한 시간을 소비하며, 이를 다시 분석, 고객 커뮤니케이션, 메모, 보고서로 전환합니다.

법률 서비스를 위한 AI는 그러한 명백한 수직 분야 중 하나입니다 - 법률의 핵심 제품은 언어이며, 대규모 언어 모델은 오늘날 플랫폼 전환의 기반입니다. 법률 시장은 미국에서만 3,000억 달러 이상을 차지하며, AI 도입에 대한 입증된 관심이 있습니다. 대형 법률 사무소들은 소프트웨어에 투자할 상당한 예산을 가지고 있으며, 우리가 인터뷰한 많은 곳들이 혁신적인 AI 소프트웨어에 연간 7자리 숫자까지 지출할 의향이 있다고 밝혔습니다. 이는 Harvey, EvenUp, Eve, Spellbook과 같은 AI 우선 기업들의 등장을 가져왔습니다. Thomson Reuters, Relativity, Ironclad와 같은 기존 기업들은 Thomson의 Casetext 6억 5천만 달러 인수와 같이 비교적 초기 진전에 대해 높은 가격을 제시하며 AI를 자사 제품에 통합하거나 인수하고 있습니다.

Greylock에서는 최근 사내 법무팀을 위한 AI 어시스턴트를 제공하는 Responsiv에 투자했습니다. 이 회사는 우리의 투자 프레임워크와 잘 부합하는 많은 특성을 가지고 있습니다. 첫째, 창업자들은 이전에 Relativity에서 일한 법률 기술 배경을 가지고 있습니다. 다음으로, TAM이 가치가 있습니다: 사내 법무는 미국에서 총 3,200억 달러 중 거의 80%를 차지하는 빠르게 성장하는 법률 산업의 세그먼트이지만 아직 제대로 서비스를 받지 못하고 있습니다. 사내 법무팀은 계약/NDA 실행 지원과 법률 사무소의 전문 변호사들에 비해 상대적으로 더 많은 일반적인 법률 지식이 필요한 부분에서 AI의 도움을 받을 수 있는 특정한 니즈를 가지고 있습니다. 또한, 사내 법무팀은 일반적으로 조직 내에서 비용 센터로 간주되므로, AI가 가져올 수 있는 향상된 효율성은 청구 시간제 모델로 정의되는 법률 사무소에서보다 더 쉽게 받아들여질 수 있습니다.

컨설팅과 회계는 AI를 수용할 준비가 된 또 다른 분야입니다. 빅4 컨설팅 회사들은 각각 수만 명의 컨설턴트와 회계사를 고용하고 있으며, 이는 AI로 크게 강화될 수 있는 거대한 인력입니다. KPMG는 5년 동안 AI 제품에 20억 달러를 투자하기로 약속했으며, PwC는 감사, 세무, 컨설팅 서비스의 측면을 자동화하기 위해 향후 3년 동안 생성형 AI에 10억 달러를 투자할 예정입니다. 하버드 비즈니스 스쿨과 BCG의 공동 연구에 따르면, GPT-4를 사용하는 컨설턴트들은 작업을 25% 더 빠르게 완료하고 결과 품질이 40% 향상되었습니다.

회계사들은 규칙과 정책을 이해하고 이를 계산에 적용하는 데 시간을 보냅니다. 회계 전문가들과의 인터뷰에서, 수익 인식은 가장 고통스럽고, 반복적(월간)이면서도 가장 자동화 가능한 사용 사례 중 하나로 두드러졌습니다. Trullion은 이러한 기업 회계 워크플로우를 자동화하고 CFO, 기업 컨트롤러, 감사인을 위한 협업 도구입니다. Truewind는 더 작은 기업들에 접근하여 CFO가 없는 중소기업을 위한 CFO가 되는 것을 목표로 하고 있습니다.

 

금융 서비스 분야

금융 서비스를 AI에 적합하게 만드는 여러 특성이 있습니다. 시장은 거대하며, 미국에서만 약 11조 달러의 시가총액을 보유하고 있고, AI 도구에 대한 입증된 수요가 있습니다. 예를 들어, 지난 해 우리는 Bloomberg GPT의 출시, Morgan Stanley의 OpenAI와의 파트너십, Alphasense의 시장 인텔리전스 플랫폼에 AI 기반 검색 및 요약 도구 추가를 목격했습니다.

투자 전문가와 자산 관리사의 일상적인 책임을 살펴보면, AI가 어디에 적용될 수 있는지 쉽게 알 수 있습니다. 정보는 매우 복잡하며 내부 독점 데이터와 실시간 시장 데이터 및 뉴스를 모두 포함합니다. 금융 모델링과 계산은 수학적 이해와 인간의 판단이 혼합되어야 하며, 오류는 비용이 많이 듭니다 - 모델이나 실사 단계의 단일 실수가 비즈니스에 수백만/수십억 달러의 영향을 미칠 수 있습니다. 동시에, 전문가들은 정신적 출력이 거의 필요하지 않지만 시간의 약 3분의 1을 소비할 수 있는 수많은 단순하고 수동적인 워크플로우를 처리해야 합니다.

제 동료 Seth Rosenberg이 최근에 썼듯이, 우리는 자산 관리자를 위한 코파일럿이 일상적인 데이터 수집과 요약, 포트폴리오 관리, 고객과의 커뮤니케이션을 지원할 수 있는 잠재력을 봅니다. 한편, 코파일럿이 금융 서비스의 요구되는 인간 지식 부분의 능력을 확장하는 동안, AI는 일의 무의미한 부분을 자동화할 수 있습니다.

스타트업의 경우, 이는 도메인 전문성과 창의적인 비즈니스 모델이 모두 중요한 곳입니다: ChatGPT와 같은 일반 목적 LLM은 복잡한 금융 작업을 처리하기에는 아직 멀었기 때문에, 금융 배경을 가진 창업자들이 유리합니다. 또 다른 각도는 OpenAI 위에 직접 구축하는 데 투자할 능력이 없는 더 작은 금융 조직들을 대상으로 하는 것입니다. 이들은 유사한 니즈를 충족시키는 기성 애플리케이션의 구매자가 될 가능성이 더 높습니다.

Hebbia, Sixfold, Hyperexponential, Portrait Analytics와 같은 AI 네이티브 스타트업들도 흥미로운 진전을 보이고 있습니다. 대형 금융 기관들은 Hebbia를 사용하여 실사를 간소화하고 복잡한 데이터룸을 이해합니다. Portrait Analytics는 실시간 시장 데이터에 접근할 수 있는 대화형 금융 분석가를 구축하고 있습니다. 보험 분야에서는 Hyperexponential (hx)와 Sixfold와 같은 새로운 스타트업들이 복잡한 데이터를 활용하여 정교한 보험 가격 책정 모델을 만들고 인수 워크플로우를 자동화하고 있습니다.

 

의료 분야

사람들은 수년간 의료 분야에서 AI의 잠재적 영향에 대해 이야기해왔지만, 지금만큼 그것이 실체화된 적은 없었습니다. 이전의 소프트웨어 노력들은 비정형 데이터를 사용 가능한 형식으로 코드화하려 했는데, 이는 의료 조직을 구성하는 다양하고 분산된 레거시 IT 시스템 전반에 걸쳐 항상 확장 가능하지는 않았습니다. LLM이 비정형 데이터를 있는 그대로 작업할 수 있는 능력은 임상과 행정 측면 모두에 깊은 영향을 미칠 수 있습니다. LLM은 진단이나 의사결정 모델을 개선할 수 있고, 보험 청구를 자동화하는 플랫폼을 만들 수 있으며, 전반적으로 의료 데이터를 더 잘 관리할 수 있습니다.

성숙도 순으로 3가지 AI 의료 사용 사례를 설명하겠습니다: 전사 및 문서화, 사전 승인, 임상 추론 모델입니다.

첫 번째이자 가장 명확한 사용 사례는 전사 및 문서화입니다. 수년에 걸쳐 여러 시도가 있었지만, 전사 도구의 상품화된 특성과 결과를 읽고, 해석하고, 코드화할 인간의 필요성으로 인해 아직 명확한 승자가 등장하지 않았습니다.

이제 LLM 기반 애플리케이션은 인간과 같은 판단을 적용함으로써 이전 세대의 AI 서기 도구를 기하급수적으로 개선할 수 있으며, 이는 비정형 데이터를 EHR에 입력할 구조화된 데이터로 변환하고, 의료 코드를 식별하고, 과거 상호작용을 참조하는 것과 같은 더 높은 가치의 사용 사례를 unlock하는 데 핵심입니다. Ambience, Abridge, DeepScribe와 같은 많은 AI 네이티브 업체들이 이 카테고리에 있으며, 이들은 실시간 임상의-환자 대화를 캡처하고, Greylock 포트폴리오인 Notable Health는 환자 접수, 등록, 일정 관리, 승인을 대규모로 자동화합니다.

그러나 이 계층에서 구축하는 창업자들은 이 영역이 점점 포화되고 있다는 점을 인식해야 합니다. 이 계층을 진정으로 소유하기 위해서는, LLM 애플리케이션은 분산된 데이터 스트림 간의 접착제 역할을 할 수 있는 충분한 가치 있는 데이터를 생성하는 플랫폼으로 설계되어야 합니다. 이 인텔리전스 시스템은 레거시 EMR/EHR 기존 업체들을 크게 개선할 수 있습니다.

의료 분야에서 LLM의 두 번째 새로운 사용 사례는 사전 승인 흐름에 초점을 맞춰 깨진 의료 공급자-지불자 관계를 해결하는 것입니다. 미국에서 이는 현재 의사와 보험사 간의 번거로운 워크플로우로, 환자의 서비스, 치료, 또는 약물이 그들의 보험으로 보장될 수 있는지 확인하는 과정입니다. 공급자 측면에서는 LLM을 사용하여 사전 승인 청구를 자동화하는 것이 소진과 관리 효율성 향상을 가져오며, 의사가 더 많은 환자를 치료할 시간을 확보할 수 있게 합니다. 지불자 측면에서는 사전 승인이 역사적으로 수동 인력으로 해결하는 벤더들에게 아웃소싱되어 왔습니다. 지불자 측의 청구 자동화는 벤더 솔루션보다 비용 효율적일 뿐만 아니라, 규모에서 불리한 패턴을 평가하고 복잡한 반대 청구와 반박을 처리할 수 있는 더 전략적인 기술 자산이 될 것입니다. 우리는 Latent, Develop, Silna, Co:Helm과 같은 많은 스타트업들이 이 기회를 추구하는 것을 지켜보고 있습니다.

제가 설명할 마지막 사용 사례는 가장 초기 단계이지만 잠재적으로 가장 혁신적입니다: 임상 추론이 가능한 의료 LLM - 진단하고 의료 지침을 제공할 수 있는 모델이 황금 표준이 될 것입니다. Google의 Med-PaLM 2가 다른 기업들보다 앞서 있으며 복잡한 의료 질문에 답할 수 있고, 의료 자격증 시험에서 제기된 질문들에 성공적으로 답변했습니다. 의료 LLM을 구축하는 것은 달성하는 데 상당한 시간과 자원이 필요한 매우 야심찬 노력이지만, 우리는 이것이 광범위한 투자자들의 지원을 받을 만큼 중요한 목표라고 믿습니다. 우리는 이미 Hippocratic, Truveta, Glass Health와 같은 새로운 진입자들과 함께 이 초기 단계의 역동적인 공간에서 유망한 노력들을 목격하고 있습니다.

 

결론

우리는 놀라운 혁신 시기의 초기 단계에 있습니다. 우리는 수직적 특화와 도메인 튜닝된 AI가 애플리케이션 계층의 AI에 대한 중요한 우려사항인 지속가능성을 달성하는 성공적인 방법이 될 수 있다고 믿습니다.

저는 AI 혁신에 가장 유망해 보이는 수직 분야들 중 일부만을 강조했지만, 우리는 다양한 비즈니스 모델을 가진 수십 개의 수직 분야에서 가치 있는 기업들을 구축할 기회를 적극적으로 찾고 있습니다 - 특히 가장 초기 단계에서 말입니다. 수직적 AI 비즈니스를 구축하고 계시다면, 더 자세히 듣고 싶습니다. christine@greylock.com으로 연락주세요.