a16z: AI 비즈니스 모델의 종착지는 '좌석' 판매가 아니라 '수익 배분'이다

저자: David Haber, a16z 파트너

편집: 심조 TechFlow

심조 서문:a16z의 이 분석은 AI 상용화의 가장 중요한 전환점, 즉 시간당 비용 절감에서 결과 기반 수익 배분으로의 전환을 정면으로 짚는다. SaaS 종사자나 투자자라면, 이 글은 차세대 AI 유니콘이 더 이상 '좌석 요금'을 팔지 않고 고객의 매출 성장 일부를 직접 가져가는 이유를 설명해 준다.

전통적으로 통신사에 인터넷 장애를 신고하는 전화는 대략 이랬다. 먼저 로봇 음성이 당신을 '소중한 고객'이라고 부른 뒤, 전화 메뉴에서 몇 분 동안 헤매게 한다. "기술 지원은 3번, 광대역은 2번, 기타 문의는 4번을 눌러주세요." 이어서 당신은 대기 음악 속에 방치되어 잊힌 듯한 기분을 느끼다가, 마침내 상담원이 전화를 받아 이름, 계정 번호, 문제 내용을 묻는다. 라우터를 재부팅해도 해결되지 않으면 또 기다려야 하고, 다른 상담원에게 처음부터 모든 이야기를 다시 해야 한 끝에 겨우 출장 수리 예약을 잡을 수 있다.

AI는 이미 이런 고객 서비스 장면을 바꾸고 있다. 더 이상 로봇 음성과 여러 상담원을 상대할 필요 없이, AI 에이전트 하나가 즉시 전화를 받을 수 있다. 에이전트는 당신의 계정을 조회하고, 당신이 있는 지역의 다른 사용자도 같은 영향을 받고 있는지 확인하며, 간단한 문제는 바로 해결하거나 수리 기사를 예약해 준다. 더 이상 "현재 모든 상담원이 통화 중입니다"도, 대기 음악도 없다. 최근까지 이것이 기술의 한계였다.

하지만 이제 새로운 역량이 AI 에이전트로 하여금 더 긴 시간 범위에 걸쳐 단서를 추적하고 작업을 수행할 수 있게 만들고 있다. 우리는 이것이 AI 기업이 단일 고객 상호작용을 넘어, 수주에서 수개월에 걸친 복잡한 고객 여정을 어떻게 처리할지 다시 생각하게 만들 것이라고 믿는다. AI는 보험 고객을 첫 전화부터 최종 보험금 지급까지, 모기지 대출자를 사전 승인부터 소유권 이전까지, 기업 영업 리드를 첫 데모부터 계약 체결까지 이끌 것이다. 이는 고객에게 더 나은 결과를 가져다줄 뿐 아니라, AI 공급업체가 비용 절감만으로 요금을 받는 대신 매출 성장에 따라 보상을 받을 수 있게 해 준다.

가치는 릴레이 경주의 결승선에서만 나타난다

고객에게 가치를 창출하기 위해 수주에서 수개월에 걸친 많은 단계가 필요한 업종이 많다. 전통적인 원고 측 로펌의 사건 준비 과정을 예로 들어 보자. 잠재 사건은 보통 전화 문의로 들어오고, 접수 담당자가 핵심 정보를 수집한 뒤 변호사에게 넘겨 이 고객을 맡을지 평가한다. 로펌이 사건을 수임하면 조사와 증거 수집이 시작된다. 법률 보조원은 경찰 보고서를 확보하고, 증인에게 연락을 시도하며, 피고에게 증거 보존 서한을 보내 증거를 보존하는 한편, 고객에게 진행 상황을 지속적으로 알린다. 그런 다음 로펌은 고객이 치료를 마칠 때까지 기다렸다가 의료 타임라인을 작성하고, 자료를 변호사에게 넘겨 손해배상 청구서를 완성한다.

이 과정이 바로 우리가 과거에 말하던 '릴레이 경주'다. 긴 여정에서 매번 인수인계할 때마다 이탈이나 가치 손실의 위험이 존재한다. 잠재 고객은 보통 여러 개인 상해 로펌에 전화를 걸고, 가장 빨리 응답하는 곳과 계약하는 경우가 많다. 따라서 고객이 음성사서함만 듣거나 자격 심사가 너무 느리면 사건은 퍼널에서 이탈한다. 고객이 계약한 뒤에는 증거 수집이 여러 병렬 단서를 수반하는데, 로펌이 네 번 전화해도 받지 않는 상대에게 다섯 번째 전화를 걸 인내심을 갖지 못할 수도 있다. 또한 인력의 한계 때문에 로펌이 모든 증거를 세밀하게 검토하지 못할 수 있는데, 특히 일상적으로 보이고 청구 금액이 크지 않은 사건이 그렇다. 의사 기록을 꼼꼼히 읽었다면 뇌손상 징후를 발견해 합의 금액을 크게 높일 수 있었을 텐데도, 로펌은 상대방의 첫 제안을 그대로 받아들일 수 있다. 마지막으로, 사건은 여러 달 끌 수 있고 수많은 참여자가 얽혀 있으며 정보는 문서, 사람, 시스템 사이에 흩어져 있다. 이 때문에 로펌이 모든 고객에 대해 전체적인 시야를 유지하는 것이 거의 불가능하다. 그 결과 중요한 청구 항목이 손해배상 청구서에 빠지고, 치료 공백 기간도 아무도 설명하지 못해 결국 합의 금액이 낮아진다.

장기 실행 에이전트의 기회

최근까지 AI 에이전트는 대부분 경계가 명확한 작업만 처리했다. "이 후속 이메일을 보내줘", "저 통화를 요약해 줘", "이 문서를 만들어 줘" 같은 것과 범위가 매우 좁은 상호작용이 그것이다. 예를 들어 고객 서비스가 AI 초기 도입의 훌륭한 장면이 된 이유는, 문제 공간이 명확하게 정의되어 높은 신뢰성을 구현할 수 있으면서도 회사의 구체적인 정책에 맞춰 커스터마이즈할 수 있기 때문이다. 상호작용 시간이 짧고 결과를 검증할 수 있으며, AI 에이전트가 처리하지 못하는 엣지 케이스를 만나면 기존 고객 서비스 팀이 대개 그대로 남아 있어 에스컬레이션 처리를 할 수 있다.

이제 장기 실행 에이전트는 수십 개의 단계, 여러 모달리티, 더 긴 시간 범위에 걸쳐 목표를 추구할 수 있게 되었고, 덕분에 릴레이 경주를 처음부터 끝까지 완주할 수 있다. 원고 측 로펌의 예에서, 최초의 접수 전화부터 장기 실행 에이전트 하나에 사건을 배정하고, 목표를 고객의 배상금 극대화로 설정할 수 있다. 에이전트는 필요할 때 사건 배경 정보를 저장하고 검색한다. 이벤트나 마감일에 따라 자동으로 깨어나, 증인에게 연락하고 고객에게 업데이트하며 변호사와 전화·이메일·문자로 소통하는 하위 에이전트를 능동적으로 파견한다. 그런 다음 발견 사항을 통합하고 다음 행동을 계획하며 검토용 문서를 작성해 사건을 가능한 한 최선의 결과로 이끈다. 고객 전반의 차원에서는 지속적으로 학습하여, 각 사건에서 생성된 데이터가 다음 사건을 지금보다 더 잘 처리하도록 돕는다.

에이전트는 오늘날 릴레이 경주에서 관찰되는 주요 가치 손실 지점을 해결한다. 여정의 시작점에서 고객은 사건 평가가 느려 이탈하지 않는다. 에이전트는 몇 시든, 무슨 요일이든 온라인 상태이고 거의 즉시 사건 평가를 완료할 수 있기 때문이다. 증거 수집은 더 이상 인력의 한계에 얽매이지 않는다. 사건 에이전트는 언제든 추가 하위 에이전트 하나를 띄워 다섯 번째, 열 번째, 심지어 스무 번째 전화를 걸 수 있기 때문이다. 에이전트는 거의 무한히 확장 가능하므로, 일상적으로 보이는 사건도 철저히 처리되고 모든 증거가 세밀하게 검토되어 간과될 뻔한 뇌손상 단서를 드러낸다. 마지막으로 에이전트는 증인 통화 녹음부터 경찰 보고서, 의료 기록까지 사건의 완전한 기록을 보존하여 어떤 정보도 유실되지 않도록 한다.

결과 기반 요금 부과

이런 허점을 막는 것 외에도, 완전한 고객 여정을 보유하는 것은 에이전트 공급업체의 비즈니스 모델을 바꾼다. 에이전트가 더 높은 품질과 더 빠른 속도로 결과를 전달할 수 있게 되면, 단순한 비용 절감이 아니라 고객에게 매출 성장을 가져다줄 수 있다. 더 중요한 것은, 영향이 관찰 가능하고 에이전트에 귀속될 수 있기 때문에 공급업체가 작업 산출물이나 결과에 따라 가격을 매겨 자신이 창출한 증분 가치를 나눠 가질 수 있다는 점이다. 원고 측 로펌의 예에서 개별 사건은 자연스러운 작업 단위이고, 최종 결과인 합의 금액의 가치는 명확하게 식별 가능하다. 게다가 에이전트가 최종 작업 산출물에서 차지하는 비중이 점점 커지므로, 결과를 에이전트와 연관 짓기도 더 쉬워진다. 따라서 공급업체는 매출 성장을 나눠 가질 수 있고, 이전에는 순수한 비용 절감만으로는 도달할 수 없었던 계약 금액에 이를 수 있다.

물론 결과 기반 가격 책정으로의 전환이 마찰 없이 이루어지는 것은 아니다. 원고 측 변호사 업계에서는 대부분의 주가 비변호사의 법률 수수료 분배를 금지하므로, 가격은 합의 금액과 정렬하되 직접 그로부터 분배받을 수는 없다. 다른 버티컬에서는 공급업체가 아직 결과 기반 계약의 선례가 없는 구매팀의 반대에 부딪힐 수 있다. 그리고 에이전트가 결과를 완전히 소유하는 데 더 가까워지더라도, 초기에는 귀속 논쟁이 여전히 나타날 수 있다. 따라서 장기 실행 에이전트의 성공적인 배포는 기술적 도전인 동시에 비즈니스적 도전이다.

하지만 고가치 고객 여정에서 결과 기반으로 요금을 부과하는 것은 새로운 아이디어가 아니다.

AI 네이티브 버전 Red Ventures의 근거

Red Ventures(RV)는 훌륭한 역사적 사례다. Ric Elias와 Dan Feldstein이 설립한 RV는 장기 소비자 계약을 위한 디지털 방식의 엔드투엔드 아웃소싱 영업 운영을 선도했다. 보험을 예로 들면, RV는 고객이 이런 상품을 검색할 때 그들의 정보를 수집하고(homeinsurance.com 같은 웹사이트를 소유함으로써), 고객에게 능동적으로 연락해 보장 옵션을 안내하고 최종적으로 보험 계약을 성사시킨다. 이 여정을 완전히 소유했기 때문에 RV는 보험 계약 한 건을 성사시킬 때마다 보험사로부터 보수를 받는다. 이 모델은 한때 극도로 효과적이었다. S\&P Global 데이터에 따르면 RV는 2022년 약 $14억 매출로 약 $3.7억 EBITDA를 창출했다.

오늘날 이 모델은 구조적 위협에 직면한 것으로 보인다. 퍼널 상단에서 소비자가 상품을 발견하는 방식이 바뀌고 있다. 그들은 더 이상 Google 검색이나 가격 비교 사이트에 의존해 상품을 탐색하고 비교하지 않고, Meta의 Muse나 Instinct 같은 개인 에이전트에게 직접 상품 추천을 물어볼 수 있게 되었다. 이는 과거 탐색형 웹사이트를 소유하던 가치를 낮춘다. 더 하류로 내려가 보면, 수백 수천 명이 선형 퍼널을 운영하는 대신 장기 실행 에이전트가 과거보다 훨씬 복잡한 여정을 처리할 수 있다. 에이전트는 상품과 소통 방식을 넘나들며 병렬로 작업하고, 모든 언어를 지원하며 대규모로 운영되고, 무한한 끈기를 가진다. RV의 EBITDA는 2025년 약 $1.6억으로 하락할 것으로 예상되는데, 이는 고객 이탈과 광고 지출 약화 때문이며 이미 이 모델의 취약성을 초기에 보여준다. 그리고 AI는 업계 전체를 더욱 변화시킬 것이다.

세 가지 시장 진입 경로

장기 실행 에이전트를 시장에 내놓는 방식에는 여러 가지가 있다.

(1) 플랫폼 판매: 이 방식에서 공급업체는 장기 실행 에이전트를 소프트웨어로 판매하여 기업이 기존 운영에서 사용하도록 지원한다. 원고 측 로펌 사례에서 에이전트가 기존 팀과 그 워크플로에 통합되는 것이 좋은 예다. 플랫폼 판매는 가격을 고정할 만한 비교 가능한 소프트웨어나 아웃소싱 서비스 계약이 대개 없기 때문에 매출 상승 여지를 가져온다. 하지만 새로운 예산 항목을 만들어야 하므로 영업 주기가 길어지고, 에이전트 하나가 기업의 여러 부서와 상호작용할 때 결과를 에이전트에 명확히 귀속시키기 어렵다.

(2) 서비스 판매: 여기서 공급업체는 이미 아웃소싱된 서비스를 인수하여 기대되는 결과를 더 효과적으로 전달한다. Red Ventures가 보험사를 위해 전체 고객 확보 여정을 소유한 것과 같다. 이 방식은 구매자의 ROI 계산이 단순하고 BPO 예산 항목이 이미 존재하므로 영업 주기가 짧아진다. 그러나 기존의 AI 등장 이전 가격 모델은 장기 실행 에이전트가 실제로 전달할 수 있는 가치를 반영하지 못할 수 있고, 오늘날 많은 고가치 여정이 기업 내부에서 운영되므로 이 방식의 적용 범위가 제한된다.

(3) 풀스택 진입: 풀스택은 수직 통합을 의미하며, AI 네이티브 플레이어가 되는 것이다. 예를 들어 장기 실행 에이전트를 채권 추심 회사에 파는 대신, 직접 채권 포트폴리오를 매입하고 스스로 추심하는 것이다. 이렇게 하면 AI가 가져오는 모든 상승 여력을 완전히 포착하고 귀속 문제를 해결할 수 있다. 하지만 이는 실제 고객 여정 밖에 있는 면허나 컴플라이언스 같은 서비스 부문을 떠안게 되어, 방해 요소와 운영 복잡성을 더한다는 의미이기도 하다.

어떤 방식이 승리할지 판단하기에는 아직 이르다. 하지만 우리는 장기 실행 에이전트가 대규모 릴레이 경주에서 승리하고, AI가 다룰 수 있는 시장을 노동 예산의 일부에서 매출의 일부로 확장할 것이라고 확신한다. 원고 측 사건 준비는 하나의 예일 뿐이며, 우리는 에이전트가 모기지 대출 실행, 보험금 청구 처리, 복잡한 기업 영업 등 수많은 다른 고가치 여정에서도 결과를 이끌어 낼 것으로 기대한다. 이 기회를 포착하고 있다면, 당신의 이야기를 듣고 싶다!