저자: 딥 씽킹 서클

역설적인 현상을 눈치채셨나요? 한편으로는 AI 성공 사례가 쏟아지고, 투자 유치 발표가 끊이지 않으며, 매일 새로운 AI 제품이 출시되고 있습니다. 하지만 다른 한편으로는 기업들이 직면한 현실적인 어려움이 있습니다. IBM 연구에 따르면 AI 솔루션의 75%가 기대했던 투자 수익률(ROI)을 달성하지 못하고 있으며, MIT 보고서는 더욱 심각한 결과를 제시하며 AI 프로젝트의 95%가 측정 가능한 성과를 내지 못한다고 밝혔습니다. 도대체 무엇이 이러한 큰 격차를 야기하는 걸까요? 왜 그토록 매력적으로 보이는 AI 기술은 구현하기가 이토록 어려운 걸까요?

며칠 전, 벤이 2026년 AI 비즈니스 모델에 대한 심층 분석을 공유하는 영상을 봤습니다. 벤은 2년 넘게 AI 에이전시와 AI 소프트웨어 사업을 운영해 왔는데, 그의 분석은 제게 큰 공감을 불러일으켰습니다. 그는 많은 사람들이 간과하는 현실을 지적했습니다. 진정으로 수익을 창출하고 고객에게 실질적인 가치를 제공하는 AI 기업은 가장 멋진 순수 제품 회사가 아니라, 겉보기에는 "지루해" 보이지만 서비스와 제품을 결합한 기업인 경우가 많다는 것입니다. 이 관점은 제가 AI 창업에 대해 가지고 있던 이해를 완전히 바꿔놓았습니다.

대부분의 AI 솔루션이 실패하는 이유는 무엇일까요?

영상에서 벤은 충격적인 데이터 비교 자료를 제시했습니다. ChatGPT 사용량이 급증하고 기업들이 다양한 AI 솔루션을 필사적으로 도입하고 있지만, 실제로 상업적 가치를 얻는 기업은 극히 드물다는 것입니다. MIT 연구에 따르면, 벤더들이 판매하는 AI 솔루션 시범 프로젝트 중 실제 운영 환경으로 이어지는 경우는 단 5%에 불과합니다. 딜로이트는 AI 도입으로 의미 있고 측정 가능한 투자 수익률(ROI)을 달성했다고 보고한 기업이 15%에 그친다고 밝혔습니다. PwC 보고서에서는 기업의 76%가 아직 수익에 아무런 영향을 받지 못했다고 지적했습니다. 이러한 수치는 정말 실망스럽습니다.

하지만 동시에 완전히 상반된 사례도 볼 수 있습니다. 클라라는 자사의 AI 비서가 고객 만족도를 떨어뜨리지 않으면서 고객 서비스 비용을 40% 절감하는 데 도움이 되었다고 보고했습니다. 인터콤은 매주 백만 건 이상의 고객 지원 상담을 처리하고 있습니다. 프레시워크는 AI를 사용하여 IT 헬프데스크 티켓 처리 시간을 76% 단축했습니다. 왜 어떤 기업은 AI를 통해 놀라운 성과를 거두는 반면, 다른 기업은 아무런 성과도 얻지 못하는 걸까요?

벤은 세 가지 핵심 요소를 요약했는데, 저는 이것이 매우 통찰력 있다고 생각합니다. 첫 번째 요소는 맞춤화와 프로세스 재설계입니다. AI는 인력을 자동화할 수 있지만, 단순히 기존 도구 스택에 또 다른 도구를 추가하는 것이 아니라 실제 워크플로에 진정으로 통합될 때만 투자 수익률(ROI)을 창출합니다. 즉, 기존 프로세스의 일정 수준의 맞춤화, 통합 또는 재설계가 필요한 경우가 많습니다. 인력은 회사의 고유한 데이터, 예외 상황, 도구 및 "무엇이 좋은가"에 대한 정의와 밀접하게 연결되어 있습니다. 맥킨지 연구에서도 이를 뒷받침하는데, 테스트한 25가지 속성 중 AI에 맞춰 워크플로를 재설계하고 맞춤화하는 것이 조직이 생성형 AI 솔루션을 통해 실질적인 EBIT(이자 및 세금 차감 전 이익) 효과를 볼 수 있는지 여부에 가장 큰 영향을 미치는 것으로 나타났습니다.

저도 이 점을 너무나 잘 이해합니다. 많은 기업들이 AI 도구를 구입하면 마치 엑셀 프로그램을 사는 것처럼 즉각적인 결과를 얻을 수 있을 거라고 생각합니다. 하지만 AI는 그렇게 작동하지 않습니다. 모든 기업은 데이터 구조, 비즈니스 프로세스, 품질에 대한 정의가 다릅니다. 심층적인 맞춤화 없이는 AI는 회사의 상황을 이해하지 못하는 신입 사원과 같아서 제 역할을 할 수 없습니다. 바로 이런 이유로 기성품 AI 제품은 기대에 미치지 못하는 경우가 많고, 심층적인 맞춤화 솔루션이야말로 진정한 가치를 창출하는 것입니다.

두 번째 요인은 팀 교육과 사고방식의 변화입니다. 벤은 AI가 새로운 기술이라는 점을 강조합니다. 기존 소프트웨어는 결정론적인 반면, AI 소프트웨어는 확률론적입니다. 사람들은 AI 소프트웨어의 결과물을 맹목적으로 신뢰하기보다는 비판적으로 평가하는 방법을 다시 배워야 합니다. 많은 사람들이 단 하나의 잘못된 결과물을 보고 AI 솔루션이 미성숙하다고 결론짓는데, 이는 이 새로운 기술의 본질을 이해하지 못하는 것입니다. 팀이 AI 소프트웨어 사용법, 결과물 평가 방법, 검증 시점, 그리고 좋은 결과의 기준을 배우지 못하면 회사 내 AI 도입률은 급격히 떨어지는 경우가 많습니다.

벤이 좋은 예를 들었습니다. 그들의 AI SEO 소프트웨어는 제품화된 솔루션이었지만, 시스템 사용법과 AI와의 협업 방법을 팀에 교육하지 않고서는 제대로 도입할 수 없었습니다. 저는 이것이 특히 중요하다고 생각하는데, 많은 사람들이 간과하는 진실을 보여주기 때문입니다. AI는 마법이 아닙니다. 인간이 AI와 협업하는 방법을 배워야 합니다. 사용자들이 명령줄 인터페이스에서 그래픽 인터페이스로 넘어갈 때 새로운 상호 작용 방식을 배워야 했던 것처럼, 기존 소프트웨어에서 AI 소프트웨어로 전환할 때도 같은 학습 곡선이 필요합니다.

세 번째 요소는 지속적인 운영과 인간의 감독입니다. AI 솔루션은 일반적으로 생산성 도구라기보다는 실질적인 결과를 제공하기 때문에 시스템 운영에 대한 책임과 관리가 필요합니다. 직무와 비즈니스 환경은 끊임없이 변화하며, AI 기술 또한 매우 빠르게 발전합니다. 이러한 모든 요인으로 인해 품질을 모니터링하고, 인간 참여형 프로세스에 참여하며, 예외 상황을 처리하고, 안전장치를 강화하고, 핵심 단어와 논리를 업데이트하고, 궁극적으로 비즈니스 목표에 부합하도록 시스템을 유지할 사람이 필요한 경우가 많습니다.

벤은 AI를 마치 결과물을 내기 위해 직접적인 지도와 멘토링이 필요한 똑똑한 인턴에 비유합니다. 설치 후 신경 쓰지 않아도 되는 소프트웨어와는 다르다는 것이죠. 저는 이 비유에 전적으로 동의합니다. 많은 기업들이 AI가 기존의 SaaS(서비스형 소프트웨어)처럼 배포 후 자동으로 작동할 거라고 기대합니다. 하지만 AI는 직원을 고용하는 것과 더 비슷합니다. 지속적인 관리, 피드백, 그리고 조정이 필요하죠. 가드너 연구 또한 이를 뒷받침합니다. AI 시스템을 정기적으로 평가하고 최적화하면 높은 가치를 얻을 가능성이 세 배나 높아진다는 것입니다.

성공적인 AI 기업들은 무엇을 할까요?

그렇다면 성공적인 AI 기업들은 어떻게 이러한 요소들을 충족시킬까요? 벤의 대답은 간단하면서도 핵심적입니다. 바로 AI 솔루션이나 소프트웨어 위에 서비스 레이어를 추가하는 것입니다. 이것이 겉보기에는 "지루해 보이지만" 매우 효과적인 비즈니스 모델의 핵심입니다. 우리는 AI 기반 소프트웨어를 사용하는 기업들을 포함하여 다양한 유형의 성공적인 AI 기업들이 컨설팅, 교육 및 맞춤형 구현을 결합하여 제공하는 것을 점점 더 많이 보고 있습니다.

벤은 몇 가지 핵심 비즈니스 모델에 대한 상세한 분석을 제공합니다. 첫 번째는 AI 스타트업과 AI 소프트웨어 기업에서 컨설팅 부서의 역할이 점점 커지고 있다는 점입니다. 현장 배치 엔지니어, 즉 솔루션 엔지니어는 이제 AI 스타트업에서 가장 수요가 많고 가치가 높은 직종 중 하나입니다. 수십 개의 Y Combinator 출신 스타트업들이 이러한 현장 배치 엔지니어를 통해 실제 배포가 이루어지도록 서비스를 제공하고 있습니다. 솔루션에 따라 이 엔지니어들은 제품을 지속적으로 최적화하고 각 비즈니스에 통합하는 데 도움을 줍니다. 때로는 컨설팅을 제공하여 기업이 프로세스의 우선순위를 정하고 재구성하도록 돕고, 때로는 팀에게 AI와 협업하고 이러한 도구를 효과적으로 사용하는 방법을 교육하고 훈련합니다.

벤이 언급한 Y Combinator 기업들, 즉 Harvey AI, Strata AI, Sakana, Collectwise, Furai 등을 살펴보니 모두 이러한 유형의 인재를 적극적으로 채용하고 있었습니다. n8n, Relevance AI, Make.com과 같은 대기업조차도 대형 고객을 위한 서비스 부서와 소규모 고객에게 서비스를 제공할 수 있는 파트너 네트워크를 보유하고 있습니다. n8n의 성공 사례를 생각해 보면, 유튜브 블로거들이 많은 사업주들에게 이러한 도구를 실제로 사용하는 방법을 교육한 것이 큰 역할을 했습니다. 이는 무엇을 시사할까요? 아무리 훌륭한 제품이라도 진정한 가치를 제공하려면 교육과 서비스라는 기반이 필요하다는 것을 보여줍니다.

특정 소프트웨어에 따라 맞춤형 서비스에 중점을 두는 곳도 있고, 교육 및 역량 강화에 중점을 두는 곳도 있으며, 컨설팅에 중점을 두는 곳도 있습니다. 때로는 이 세 가지를 모두 혼합하기도 하지만, 거의 모든 AI 기반 소프트웨어 기업에서 이러한 서비스 계층은 기업에 실질적인 투자 수익률(ROI)을 제공하는 데 필수적입니다. 이는 제가 이전에 소프트웨어 비즈니스에 대해 가지고 있던 이해를 완전히 뒤집어 놓았습니다. 전통적인 SaaS 시대에는 완전한 셀프 서비스 방식의 확장 가능한 제품이 가장 성공적인 비즈니스 모델이었습니다. 하지만 AI 시대에는 최고의 제품조차도 서비스 계층의 지원을 필요로 합니다.

두 번째 비즈니스 모델은 마케팅이나 리드 생성 에이전시와 같이 AI를 우선으로 활용하는 서비스 에이전시입니다. 이러한 에이전시는 내부 프로세스에 AI를 적극적으로 도입하여 고객에게 제공하는 서비스를 자동화합니다. 벤은 AI 기반 리드 생성 에이전시인 Called IQ를 예로 들었는데, 이 회사는 AI를 사용하여 콘텐츠 제작, 이메일 및 링크드인 아웃리치 프로세스를 자동화하고, 계정 관리자 또는 GTM 엔지니어(시장 진출 엔지니어)를 통해 이러한 서비스를 제공합니다. 이러한 에이전시는 AI 운영을 직접 담당하기 때문에 고객 팀에 AI 소프트웨어 사용법을 교육할 필요가 없다는 장점이 있습니다. 그러나 이는 본질적으로 컨설팅 및 맞춤형 전략을 제공하는 서비스 비즈니스이며, 이러한 업무는 주로 계정 관리자가 수행하므로 이들의 기술적 역량이 점점 더 중요해지고 있습니다. 이러한 이유로 AI 기반 GTM 엔지니어는 새롭게 수요가 높은 직종으로 부상하고 있습니다.

저는 이 모델이 특히 영리하다고 생각합니다. 고객에게 업무 방식을 바꾸도록 설득하는 대신, 직접적으로 결과를 제공합니다. 고객은 AI 사용법을 배울 필요 없이, 마케팅 성과 향상이나 잠재 고객 증가만 확인하면 됩니다. 이 모델은 AI의 복잡성을 서비스 뒤에 숨겨 고객이 도구가 아닌 결과를 구매하도록 합니다. 이는 많은 전통적인 서비스 기업들이 AI 도입으로 수익률을 크게 향상시킨 이유를 설명해 줍니다. 서비스 제공 비용은 줄어들었지만 고객이 지불하는 가격은 그에 비례하여 낮아지지 않았기 때문입니다.

세 번째 유형은 AI 자동화 전문 에이전시로, 기업에 가장 높은 투자 수익률(ROI)과 가장 큰 효과를 제공합니다. 이러한 에이전시는 단순히 시스템 구축에만 집중하는 것이 아니라, AI 파트너로서 컨설팅부터 AI 진단, 맞춤형 구현, 그리고 기업들이 AI 시스템과 효과적으로 협업하는 방법을 교육하는 팀 교육에 이르기까지 완벽한 서비스 계층을 제공합니다. 이러한 에이전시에서 매우 중요한 역할을 하는 인력은 비즈니스 이해도, AI 전문 지식, 그리고 뛰어난 커뮤니케이션 능력을 겸비한 딜리버리 매니저입니다. 이들은 지속적인 컨설팅을 제공하고, 프로세스를 개선하며, 비효율적인 부분을 파악하고, 팀을 교육하고, AI 운영자를 배포할 수 있습니다.

벤은 매우 통찰력 있는 경험을 공유했습니다. 그가 에이전시를 처음 시작했을 때는 구현에만 집중했는데, 그 결과 기업들이 AI 솔루션을 제대로 활용하거나 도입하지 않는 경우가 많았습니다. 이후 전략, 교육, 구현을 통합하는 접근 방식을 도입하고 전담 배송 관리자를 영입했습니다. 그 결과, 기업들의 AI 솔루션 도입률과 투자 수익률(ROI)이 크게 향상되었습니다. 이러한 변화는 매우 중요하며, 기술 구현은 성공의 작은 부분에 불과하고, 진정한 가치는 솔루션을 올바르게 활용하여 실질적인 결과를 도출하는 데 있다는 것을 보여줍니다.

네 번째 고부가가치 직책은 AI 책임자 또는 부분 AI 책임자입니다. 이들은 비즈니스 통찰력과 AI 기술에 대한 이해를 결합한 포괄적인 역량을 보유하고 있어 기업이 AI 시대에 발맞춰 혁신할 수 있도록 지원하는 서비스 패키지를 제공할 수 있습니다. 벤은 이 직책이 부분 AI 책임자, AI 전환 책임자 등 다양한 이름으로 불리지만, 궁극적으로는 기업에 AI 솔루션을 통해 실질적인 투자 수익률(ROI)을 제공할 수 있는 고부가가치 역량을 갖춘 인재를 지칭한다고 언급했습니다.

제품과 서비스의 경계가 모호해지고 있습니다.

벤의 핵심 주장 중 하나가 특히 제게 깊은 인상을 남겼습니다. 클로드 코드(Claude Code)를 사용하면 몇 시간 만에 훌륭한 소프트웨어를 만들 수 있지만, AI 제품 사업을 구축하려면 대부분의 경우(항상 그런 것은 아니지만 대부분) 서비스 제공에 막대한 투자를 해야 한다는 것입니다. 많은 사람들이 제품과 서비스를 흑백논리로 보지만, 벤은 AI 분야에서는 그것이 스펙트럼과 같다고 생각합니다. 완전히 셀프 서비스 방식의 AI SaaS도 있고, AI 전환 에이전시처럼 완전히 맞춤화된 서비스도 있다는 것입니다.

저는 그의 의견에 전적으로 동의합니다. 벤의 주장은 비즈니스 모델과 관계없이 2026년에 사업을 시작하려는 대부분의 AI 기업은 서비스 레이어의 일부를 추가해야 할 것이라는 점입니다. 완전한 셀프 서비스 제품을 제공하더라도 교육 및 온보딩 훈련에 상당한 투자를 해야 할 가능성이 높습니다. Claude Code와 같은 도구 덕분에 제품 개발은 점점 더 민주화되고 있습니다. SaaS 시대에도 제품 개발은 어려웠지만, 이제 성공적인 AI SaaS를 출시하는 것은 코딩보다는 AI 배포 역량에 더 달려 있습니다.

이러한 통찰은 매우 중요합니다. 기술적 진입 장벽은 낮아지고 있지만, 서비스 장벽은 높아지고 있다는 뜻입니다. 과거에는 코딩 자체가 어려웠기 때문에 코딩 능력만으로도 상당한 가치를 창출할 수 있었습니다. 하지만 이제는 인공지능이 코드를 대신 작성해 주기 때문에 단순히 코딩 능력만으로는 더 이상 충분하지 않습니다. 진정한 가치는 고객의 니즈를 이해하고, 적절한 솔루션을 설계하며, 이를 올바르게 배포하고 활용하는 데 있습니다. 이러한 모든 과정에는 기술적 능력뿐 아니라 깊이 있는 서비스 역량이 필요합니다.

벤은 많은 사람들이 AI 제품을 개발하고, 효율성을 유지하며, 수천 명에게 판매하는 꿈을 꾼다고 말합니다. 하지만 수년간의 창업 경험이나 벤처캐피탈과의 인맥, 실리콘밸리 네트워크가 없는 대부분의 사람들에게는 서비스 제공이 궁극적인 목표는 아니더라도, 현재로서는 가장 빠른 투자 수익률(ROI) 달성 경로라는 현실에 직면하게 됩니다. 또한 서비스는 제품화를 위한 최적의 수단이기도 합니다. 여러 고객에게서 유사한 워크플로 개선, 유사한 통합, 유사한 학습 문제, 그리고 반복적인 ROI와 같은 패턴이 반복될 때, 이는 해당 패턴을 제품화해야 한다는 신호가 됩니다.

제 생각에 이것이 가장 중요한 포인트입니다. 좋은 제품은 대개 추측이 아닌 증거에 기반하여 만들어집니다. 최고의 벤처캐피탈 회사인 A16Z(앤드리슨 호로위츠)도 AI 시대의 제품 주도 성장과 서비스 주도 성장에 대한 보고서를 발표했습니다. 그들은 동일한 추세를 분석했는데, 가장 높은 투자 수익률(ROI)을 달성하고 장기적인 수익을 창출하는 기업들은 서비스 지향적인 AI 비즈니스 모델을 채택하고 있다는 것입니다. 초기에는 수익률이 낮고 더 많은 노력이 필요할 수 있지만, 제품-시장 적합성을 훨씬 빠르게 찾을 수 있다는 장점이 있습니다.

벤은 자신이 개발한 AI SEO 소프트웨어를 예로 들었습니다. 여러 고객사를 위해 맞춤형 SEO 시스템을 구축하면서 제품에 필요한 것, 실질적인 결과를 가져오는 요소, 필수적인 통합 기능, 그리고 사용자들이 효율적으로 소프트웨어를 활용할 수 있도록 하는 방법을 파악했습니다. 이러한 과정을 통해 솔루션을 점진적으로 제품화할 수 있었습니다. 하지만 100개가 넘는 기업에 소프트웨어를 제공했음에도 불구하고, 각 고객사가 솔루션에서 실질적인 성과를 거두기 위해서는 여전히 교육과 훈련에 상당한 투자를 해야 합니다.

인공지능 비즈니스 모델에 대한 저의 심층적인 생각

벤의 발표를 듣고 AI 비즈니스의 본질에 대해 더 깊이 이해하게 되었습니다. 우리는 단순한 기술적 변화뿐 아니라 비즈니스 모델의 근본적인 변화를 경험하고 있다고 생각합니다. 전통적인 소프트웨어 시대에는 확장성이 가장 중요했습니다. 가장 성공적인 소프트웨어 회사는 최소한의 추가 비용으로 최대한 많은 고객에게 서비스를 제공할 수 있는 회사였습니다. SaaS 모델이 그토록 인기 있는 이유도 바로 여기에 있습니다. 소프트웨어 개발이 완료되면 고객 한 명에게 서비스를 제공하는 비용과 만 명에게 서비스를 제공하는 비용이 거의 동일하기 때문입니다.

하지만 AI는 판도를 바꿔놓았습니다. AI의 가치는 소프트웨어 자체에 있는 것이 아니라 특정 비즈니스 시나리오에 어떻게 적용되는지에 있습니다. 각 기업은 서로 다른 데이터, 프로세스, 목표를 가지고 있기 때문에 동일한 AI 도구를 사용하더라도 기업마다 그 효과와 적용 방식이 크게 다를 수 있습니다. 바로 이러한 이유로 맞춤화와 서비스 계층이 매우 중요해졌습니다. 이제 더 이상 기존의 소프트웨어 중심적 사고방식으로는 AI 비즈니스를 제대로 이해할 수 없습니다.

저는 AI 사업이 컨설팅과 소프트웨어의 결합 형태에 가깝다고 생각합니다. 컨설팅의 고객 통찰력과 맞춤형 서비스 제공 능력, 그리고 소프트웨어의 기술력과 확장성이라는 두 가지 요소를 모두 필요로 하기 때문입니다. 순수 제품 개발에만 집중하는 AI 기업들은 제품이 기술적으로는 뛰어나더라도 고객들이 사용법을 모르거나 기존 프로세스에 통합하지 못하는 경우가 많아 도입에 어려움을 겪습니다. 반면, 순수 서비스 제공 기업은 고객의 요구를 충족할 수는 있지만 확장성이 부족하고 수익률이 제한적입니다.

가장 성공적인 AI 비즈니스 모델은 이 두 가지 측면 사이에서 균형을 이룹니다. 벤이 언급한 성공 사례들, 즉 Y Combinator의 AI 스타트업, AI 중심 서비스 제공업체, AI 자동화 에이전시들은 모두 공통적인 특징을 가지고 있습니다. 바로 제품과 서비스를 결합하여 제공한다는 점입니다. 제품은 핵심 기능과 확장성을 제공하고, 서비스는 제품이 올바르게 배포되고 사용되도록 보장합니다. 이러한 하이브리드 모델은 단기적으로는 수익률이 낮을 수 있지만, 고객에게 진정한 가치를 창출하기 때문에 장기적으로는 더욱 지속 가능합니다.

저는 또한 흥미로운 추세를 발견했습니다. AI 시대의 고부가가치 직책은 다재다능한 인재를 필요로 한다는 것입니다. 더 이상 순수 엔지니어 또는 순수 비즈니스 담당자가 아니라 기술과 비즈니스 모두를 이해하는 인재가 요구됩니다. 현장 엔지니어는 고객의 비즈니스 프로세스를 이해해야 하고, AI GTM 엔지니어는 기술 구현과 시장 전략 전문성을 모두 갖춰야 하며, 프로젝트 관리자는 비즈니스 감각, 기술력, 그리고 소통 능력을 겸비해야 하고, AI 책임자는 다방면에 걸친 역량을 갖춰야 합니다. 이는 AI 비즈니스의 핵심 특징, 즉 기술과 비즈니스의 심층적인 통합을 반영합니다.

창업가의 관점에서 볼 때, 벤의 조언은 매우 실용적이라고 생각합니다. AI 분야에 진출하려는 사람들은 확장 가능한 제품을 만드는 것부터 생각하지 마세요. 서비스를 제공하는 것부터 시작해서, 그 서비스를 통해 고객의 니즈를 깊이 이해하고, 경험을 축적하고, 반복 가능한 패턴을 발견하세요. 10명의 고객에게 동일한 문제를 해결해 주고 나면, 무엇을 제품화할 가치가 있는지 알게 될 것입니다. 이러한 서비스에서 제품으로 나아가는 경로는 다소 "지루해" 보일 수 있지만, 가장 안정적이고 성공 가능성이 높은 길입니다.

저는 전통적인 제품 개발 방식이 인공지능 시대에 왜 실패했는지에 대해서도 깊이 생각해 보았습니다. 근본적인 이유는 인공지능의 확률적 특성에 있다고 생각합니다. 기존 소프트웨어는 결정론적입니다. 동일한 입력이 주어지면 항상 동일한 출력을 생성합니다. 하지만 인공지능은 확률론적입니다. 동일한 입력이 주어지더라도 다양한 출력이 나올 수 있으며, 출력의 품질은 학습 데이터, 지시문, 맥락 등 여러 요인에 따라 달라집니다. 이러한 불확실성 때문에 인공지능은 기존 소프트웨어처럼 "설정해 놓고 잊어버리는" 방식이 아니라 지속적인 관리, 조정, 최적화가 필요합니다.

이것이 바로 서비스 계층이 그토록 중요한 이유입니다. 서비스 계층은 기술 지원뿐만 아니라 지속적인 최적화 및 개선 프로세스를 제공합니다. 벤이 말했듯이, AI는 자동화 도구라기보다는 똑똑한 인턴에 가깝습니다. 피드백을 제공하고, 동작을 조정하고, 오류를 처리하고, 새로운 기술을 가르쳐야 합니다. 이러한 과정은 일회성 작업이 아니라 지속적인 노력입니다. 제품만 판매하고 서비스를 제공하지 않는 AI 기업이 성공하기 어려운 이유도 바로 여기에 있습니다. 지속적인 최적화에 대한 책임을 고객에게 전가하는데, 대부분의 고객은 이러한 책임을 감당할 능력이나 의지가 부족하기 때문입니다.

미래에 대한 전망 및 제안

벤의 분석과 저의 생각을 바탕으로 AI 비즈니스의 미래에 대한 몇 가지 예측을 해보겠습니다. 단기적으로(향후 2~3년) 서비스 지향적인 AI 비즈니스 모델이 계속해서 지배적일 것입니다. 기술은 여전히 ​​빠르게 발전하고 있으며, 각 기업의 요구 사항도 다르기 때문에 표준화가 아직 이루어지지 않았습니다. 이 시기에는 심층적인 맞춤화와 지속적인 지원을 제공할 수 있는 기업이 가장 큰 가치를 창출할 것입니다.

중기적으로(3~5년) 성공적인 모델들이 제품화되기 시작할 것입니다. 서비스 과정에서 반복 가능한 패턴을 발견한 기업들은 이러한 패턴을 제품 기능으로 구체화할 것입니다. 하지만 이 단계에서도 완전한 셀프 서비스 AI 제품은 여전히 ​​소수에 불과할 것이며, 대부분의 성공적인 AI 기업들은 여전히 ​​서비스 요소를 일부 유지할 것입니다. 현재 기업용 소프트웨어 시장과 마찬가지로, 세일즈포스처럼 고도로 제품화된 기업들이 있지만, 이들 역시 여전히 광범위한 구현 파트너 네트워크와 전문 서비스 팀을 보유하고 있습니다.

장기적으로(5년 이상) AI 기술은 더욱 성숙하고 신뢰할 수 있게 될 것이며, 사용자들은 AI와 협업하는 방법에 더욱 익숙해질 것입니다. 그때가 되면 더욱 완벽하게 제품화된 AI 솔루션들이 등장할 것으로 예상됩니다. 하지만 비즈니스의 복잡성과 다양성은 영원하기 때문에 서비스 계층은 결코 완전히 사라지지 않을 것이라고 생각합니다. AI가 더욱 똑똑해지더라도 기업들은 여전히 ​​AI를 고유한 비즈니스 프로세스에 통합하는 데 도움이 필요할 것입니다.

AI 분야 진출을 희망하는 전문가들에게 드리는 조언은 다방면에 걸친 역량을 키우라는 것입니다. 기술적인 능력이나 비즈니스 감각 중 하나만을 추구하지 말고, 둘 다 갖추도록 노력하세요. n8n이나 Make.com 같은 AI 자동화 도구를 배우고, Claude Code 같은 코딩 도구도 익히세요. 동시에 비즈니스 감각을 키워 기업의 문제점을 파악하고, 해결책을 설계하며, 고객과 효과적으로 소통하는 방법을 배우세요. 이러한 다재다능한 역량은 미래에 매우 귀중한 자산이 될 것입니다.

벤은 전문가들이 회사 내에서 점진적으로 AI 운영자 또는 AI 담당자로 자리매김해야 한다고 제안합니다. 먼저 자신의 업무 프로세스 일부를 자동화하고, 그 다음 회사 내 다른 프로세스로 확장하며, AI 사용법을 시연하고 교육하는 것부터 시작하라는 것입니다. 이렇게 하면 현재 회사에서 없어서는 안 될 존재가 될 뿐만 아니라 AI 시대에 필요한 귀중한 기술을 습득할 수 있습니다. 저는 이 조언에 전적으로 동의합니다. AI가 사람을 대체하는 것이 아니라, AI를 활용할 줄 아는 사람이 그렇지 못한 사람을 대체할 것이기 때문입니다.

창업을 꿈꾸는 사람들에게 벤은 AI 에이전시나 파트타임 AI 담당자로 시작하는 것을 추천합니다. 이를 통해 컨설팅, 구현, 교육이라는 세 가지 핵심 역량을 자연스럽게 쌓을 수 있습니다. 도구는 몇 주 안에 배울 수 있지만, 이러한 역량은 실무 경험을 통해 습득할 수 있습니다. 게다가 대부분의 기업은 AI 트렌드를 따라가지 못하고 있는데, 당신이 몇 주 앞서 나가 있다면 고객들은 장기적인 협력을 원할 것입니다. 일반적으로 두세 곳의 고객만 확보해도 월 1만 달러에서 2만 달러의 지속적인 수익을 창출할 수 있습니다.

이미 AI 에이전시를 운영하고 있다면, 벤은 컨설팅, 교육, 구현을 포함한 서비스 포트폴리오에 진정으로 투자할 것을 제안합니다. 많은 에이전시들이 구현에만 집중하지만, AI 진단, 워크숍, 교육 세션을 통해 컨설팅과 교육을 제공하는 것이 솔루션의 투자 수익률(ROI)을 극대화하는 핵심입니다. 또한, 이러한 서비스를 통해 고객과 장기 계약을 체결할 수 있으며, 이는 AI 비즈니스 모델에서 지속적인 수익 창출에 매우 중요합니다.

마케팅이나 잠재고객 발굴 대행사와 같은 기존 서비스 대행사이거나 해당 분야 경험이 있다면 매우 유리한 위치에 있습니다. 외부의 과장된 홍보에 현혹되어 AI 대행사로 전환하거나 AI 기반 제품 사업을 구축하는 것을 주저하지 마십시오. AI를 내부적으로 활용하여 기업에 마케팅 또는 잠재고객 발굴 서비스를 제공할 수 있다면 수익성이 높은 훌륭한 사업을 구축할 수 있습니다. 핵심은 AI가 비즈니스 모델을 완전히 바꾸는 것이 아니라 서비스 제공 비용을 크게 절감해 줄 수 있다는 점을 인식하는 것입니다.

AI 제품 사업에서 시장 점유율 확보에 어려움을 겪고 있다면, 벤은 본격적인 제품화에 앞서 몇 달 또는 몇 년에 걸쳐 서비스 레이어에 집중적으로 투자하는 것을 진지하게 고려해 보라고 조언합니다. 많은 AI 스타트업이 제품 자체의 문제 때문이 아니라, 너무 일찍 규모 확장에 집중하고 서비스의 중요성을 간과하기 때문에 실패한다는 점에서 이 조언은 특히 중요하다고 생각합니다. 먼저 서비스를 통해 가치를 입증하고, 제품-시장 적합성을 확보한 다음, 규모 확장을 고려해야 합니다.

마지막으로, 2026년에는 인공지능 분야에 진정한 전문가란 없다고 말씀드리고 싶습니다. 모두가 배우고 탐구하는 과정에 있습니다. 이는 도전이자 기회이기도 합니다. 깊이 있게 배우고, 실천하고, 공유하려는 의지가 있는 사람이라면 이 분야의 선구자가 될 수 있을 것입니다. 벤이 말했듯이, 이처럼 큰 도입 격차를 활용하여 지금 바로 인공지능 분야에 뛰어드세요. 모든 것이 성숙해질 때까지 기다리지 마십시오. 그때가 되면 기회의 창은 닫혀버릴 것입니다.

향후 몇 년은 AI 비즈니스 모델 형성에 있어 매우 중요한 시기가 될 것이라고 생각합니다. 제품과 서비스 사이에서 최적의 균형을 찾고, 기술적 유행을 쫓기보다는 고객에게 진정한 가치를 창출하며, 다방면의 역량을 갖춘 팀을 육성하는 기업들이 이 시대의 승자가 될 것입니다. 그리고 겉보기에는 "평범해 보이는" 서비스와 제품을 결합한 하이브리드 모델이야말로 가장 지속 가능하고 가치 있는 AI 비즈니스 모델일지도 모릅니다.