1. 서론: AI 애플리케이션의 위기와 기회

2025년 3월, OpenAI의 업그레이드된 4o 모델이 공개되면서 인터넷은 순식간에 이미지 생성 열풍에 휩싸였습니다. 전 세계 사용자들은 스튜디오 지브리 스타일 등 다양한 예술적 스타일로 이미지를 리믹스하며, 단 일주일 만에 7억 장 이상의 이미지가 생성되었습니다.

"사용자들은 단 일주일 만에 7억 장 이상의 이미지를 생성했습니다."

이 현상은 Midjourney와 같은 선두 이미지 생성 기업들을 한순간에 존재의 위기로 몰아넣었고, 경쟁사들도 곧 비슷한 기능을 내놓을 것이라는 예측이 나왔습니다.
기초 모델(Foundation Model) 기업들은 치열한 경쟁 속에서 이미지 생성에만 머무르지 않고, 이미 오디오 생성 기능까지 API로 공개했습니다.
이런 상황에서 자연스럽게 이런 질문이 나옵니다.

"기초 모델이 비슷한 기능을 제공한다면, 굳이 특화된 AI 애플리케이션이 필요할까?"

2. Zero-Value Threshold: AI 애플리케이션의 가치가 0이 되는 순간

Part I에서 소개한 "제로 밸류 임계점(Zero-Value Threshold)" 원칙에 따르면,
기초 모델이나 애플리케이션이 이 임계점을 넘어서면 그 가치가 순식간에 0으로 붕괴합니다.

특히 AI 애플리케이션은 자신이 기반하고 있는 플랫폼(기초 모델)에 의해 기능이 흡수(카니발라이즈)될 위험에 항상 노출되어 있습니다.
실제로, 기초 모델이 새로운 기능을 자체적으로 제공하기 시작하면,
기존의 독립 애플리케이션들은 "그냥 또 하나의 기능"으로 전락하며 시장에서 사라지는 일이 반복되고 있습니다.

"기초 모델이 새로운 기능을 내놓는 순간, 그 기능만을 제공하던 애플리케이션의 가치는 순식간에 0이 됩니다."

3. AI 애플리케이션의 이중 위협

AI 애플리케이션 스타트업은 두 가지 위협에 직면합니다.

1. 수직적 위협:
   기초 모델이 이미지 생성, 도메인 특화 추론 등 기존 애플리케이션의 핵심 기능을 직접 통합하는 경우

2. 수평적 위협:
   다른 애플리케이션 스타트업이 빠르게 기능을 복제해 시장에 진입하는 경우

"코드의 비용이 0에 가까워질수록, 기능 복제는 쉬워지고, 단일 기능만으로는 방어막(모트)을 만들기 어려워집니다."

4. 기능 흡수(Absorption) 패턴과 AI 스타트업의 몰락 사이클

AI 스타트업이 처음에는 새로운 사용 사례(예: 고급 요약, 특화 이미지 스타일)로 주목받지만,
곧 기초 모델의 업그레이드가 등장해 그 기능을 따라잡거나 능가합니다.
이때부터 사용자는

"굳이 별도의 솔루션을 쓸 필요가 있을까?"
라는 의문을 갖게 되고, 이탈이 가속화되며,
애플리케이션의 가치는 급락합니다.

이런 현상은 Jasper와 같은 기업에서 이미 목격되었고,
속도는 점점 더 빨라지고 있습니다.

5. 산업별 실시간 사례

• 코딩 에이전트:
  2025년 3월, Anthropic의 Claude Code가 출시되어,
  비전문가도 터미널에서 자연어로 코딩 작업을 위임할 수 있게 되었습니다.
  아직은 Cursor와 같은 전문 개발자 도구를 위협하지 않지만,
  기존 AI 코딩 어시스턴트의 입지는 점점 좁아지고 있습니다.

• AI 검색:
  OpenAI, Grok, Google 등 기초 모델 기업들이 검색 기능을 내놓으면서,
  Perplexity와 같은 AI 검색 애플리케이션은
  "검색은 이제 기본 기능"이 되어버렸습니다.

"기초 모델의 새로운 기능이 나올 때마다, 또 하나의 단일 목적 앱이 제로 밸류 임계점에 가까워집니다."

6. 기능 흡수 위험의 2x2 매트릭스

AI 애플리케이션이 기초 모델에 흡수될 위험은
크게 두 가지 축으로 나뉩니다.

• 수직성(Verticalization): 얼마나 특정 산업/도메인에 특화되어 있는가?
• 기술적 복잡성(Technical Complexity): 구현이 얼마나 어려운가?

이 두 축을 기준으로 4가지 영역이 나옵니다.

Zone 1: 고위험 (수평적, 기술적으로 단순)

• 예시: 기본 텍스트 생성, 간단한 이미지 편집, 요약, 단순 번역, 일반 챗봇
• 특징:
  • 수요가 많고 구현이 쉬워서 기초 모델이 가장 먼저, 빠르게 흡수
  • Jasper의 마케팅 카피 생성이 대표적

"Jasper의 핵심 기능은 Zone 1에 해당해, 기초 모델에 의해 빠르게 대체되었습니다."

Zone 2: 중상위험 (수직적, 기술적으로 단순)

• 예시: 도메인 특화 챗봇, 산업별 데이터 추출, 단순 워크플로우 빌더
• 특징:
  • 특정 산업에 특화되어 있지만, 기술적으로 단순
  • 시장이 커지면 기초 모델이 빠르게 따라잡음
  • 많은 수직 AI 앱이 여기에 해당

Zone 3: 중위험 (수평적, 기술적으로 복잡)

• 예시: 고급 코드 생성(IDE 내), 실시간 LLM 요약 검색(Perplexity)
• 특징:
  • 수요는 많지만, 구현이 어려워 기초 모델이 바로 따라잡지 못함
  • 기술적 복잡성이 방어막 역할

Zone 4: 저위험 (수직적, 기술적으로 복잡)

• 예시:
  • Harvey: 법률 추론 및 로펌별 지식 내장
  • Hippocratic AI: 임상 검증된 의료 음성 에이전트
• 특징:
  • 독자적 데이터, 복잡한 워크플로우, 규제 등으로 방어막이 강함
  • 기초 모델이 쉽게 따라올 수 없음

"Zone 4의 제품은 정확성, 책임, 규제 등 진입장벽이 높아, 일반 LLM이 쉽게 대체할 수 없습니다."

7. MCP(모델 컨텍스트 프로토콜)와 방어막의 변화

Anthropic의 MCP는 기초 모델이 외부 데이터, 도구, 특화 기능과 상호작용하는 방식을 표준화합니다.
이전에는 LLM과 외부 기능을 연결하는 것 자체가 방어막이었지만,
MCP로 인해 "연결" 자체는 더 이상 차별점이 아니게 되었습니다.

"이제 진짜 방어막은 '마지막 1마일'—복잡한 예외 처리, 규제 준수, 독점 데이터, 깊은 워크플로우 통합—에 있습니다."

8. AI 애플리케이션의 최적 특화 구간

기존 SaaS에서는 TAM(총 시장 규모)가 클수록 가치가 높다고 여겼지만,
AI 애플리케이션에서는 오히려 너무 넓은 시장을 노릴수록 기초 모델에 흡수될 위험이 커집니다.

• 너무 넓으면: 기초 모델이 곧 따라잡음
• 너무 좁으면: 벤처 스케일이 어려움
• 적당히 특화된 구간이 가장 방어막이 강함

"AI 애플리케이션은 처음에는 좁고 깊게 시작해, 방어막을 쌓은 뒤 점진적으로 확장하는 것이 이상적입니다."

9. 수직적 멀티에이전트 네트워크: 새로운 방어막

"내일의 기초 모델이 어떤 범용 기능도 복제할 수 있다면, 방어막은 '깊이'에서 나옵니다.
그래서 우리는 수직적 멀티에이전트 네트워크가 강력한 방어막이 될 것이라 생각합니다."

• 특징:
  • 각 단계별로 특화된 에이전트들이 협업
  • MCP로 외부 도구와 능동적으로 연동
  • 고유 데이터, 깊은 워크플로우, 지속적 학습이 결합
  • 규제, 정확성, 책임이 중요한 영역에서 특히 강력

10. D Factor: AI 애플리케이션 가치평가의 핵심

기존 SaaS 가치평가(ARR 배수)는
기초 모델에 의한 대체 위험(Displacement Risk, D Factor)을 반영하지 못합니다.

• D Factor:
  • 0~1 사이의 값
  • 0: 방어막이 강함
  • 1: 이미 가치가 붕괴 중

"대부분의 AI 애플리케이션은 창업자가 생각하는 것보다 D Factor가 1에 가깝습니다."

D Factor 평가 기준

• 기초 모델과의 성능 격차
• 고객 워크플로우 내 통합 깊이
• 독점 데이터 네트워크 효과
• 규제/컴플라이언스 장벽

예시:

• ARR 1,000만 달러, SaaS 배수 10x → 1억 달러
• D Factor 0.9 → 실제 가치는 1,000만 달러
• D Factor 0.2(의료 AI 등) → 8,000만 달러

"투자자들은 이제 D Factor가 0.9 이상인 회사에는 더 이상 높은 배수를 주지 않습니다."

11. AI 기업이 SaaS보다 더 높은 가치평가를 받을 수 있는 4가지 이유

1. 더 빠른 성장 궤적

   • 산업 전체를 바꿀 수 있는 혁신적 사례가 많음

2. 더 높은 자본 효율성

   • 인력 확장 없이 기술로 매출 성장 가능

3. 더 높은 마진

   • 자동화, 데이터 피드백 루프 등으로 인건비 절감

4. 비즈니스 모델의 변화

   • SaaS(좌석당 과금)에서 Service-as-Software(성과 기반 과금)로 전환
   • 인건비 시장까지 TAM이 확장

"AI 기업은 이제 소프트웨어 예산이 아니라, 인건비 예산까지 공략할 수 있습니다."

하지만,

"D Factor를 반드시 고려해야 하며,
높은 성장성·효율성만으로는 진정한 가치를 보장할 수 없습니다."

12. AI SDR(영업 자동화) 붐의 교훈

최근 2년간 AI SDR(영업 자동화) 분야에 수억 달러가 투자되었지만,
대부분 D Factor가 0.7~0.9로,
가치의 90%가 사라질 위험에 노출되어 있습니다.

구조적 위험 4가지

1. 얇은 데이터 방어막:
   • 공개 데이터에 의존, 기초 모델이 쉽게 따라잡음
2. 낮은 전환 비용:
   • 성과가 떨어지면 바로 이탈
3. 플랫폼 번들링:
   • 대형 소프트웨어가 기능을 복제해 번들로 제공
4. ROI 하락:
   • 모두가 AI로 영업하면, 효과가 급격히 감소

"높은 ARR만 보고 투자하면, D Factor를 반영했을 때 실제 가치는 훨씬 낮아집니다."

13. AGI 시대, AI 애플리케이션의 미래

일각에서는

"곧 기초 모델이 모든 애플리케이션을 흡수해,
애플리케이션 계층 스타트업은 사라질 것이다."
라고 우려합니다.

실제로 AI가 처리할 수 있는 작업 길이는 7개월마다 2배로 늘고 있습니다.
2027년에는 하루짜리, 2028년에는 일주일짜리 업무도 AI가 처리할 수 있을 전망입니다.

하지만 저자들은

"우리는 AI 애플리케이션의 종말론에 동의하지 않습니다.
오히려 AGI는 새로운 시장을 열어줄 것입니다.
인건비, 컨설팅, 전문 서비스 예산이야말로 AI가 공략할 수 있는 수조 달러 규모의 진짜 시장입니다."

14. 방어막(모트) 형성의 4단계

방어막은 하루아침에 생기지 않습니다.
아래는 AI 스타트업이 방어막을 갖추기까지의 4단계입니다.

1. Pre-Moat(초기):

   • 이상은 높지만, 실제 방어막은 없음
   • 고객, 워크플로우 통합 등 실증 부족
   • 기초 모델이 조금만 발전해도 바로 대체 위험

2. Moat Construction(구축):

   • 유료 고객, 실제 워크플로우 통합
   • 부분적 규제 승인, 독점 데이터 등
   • 여전히 방어막은 약함

3. Moat Validation(검증):

   • 대형 LLM 출시에도 고객 이탈 없이 유지
   • 실제 리텐션 데이터로 방어막 입증

4. Mature Moat(성숙):

   • 브랜드, 깊은 통합, 독점 규제 등
   • 프리미엄 파트너십, 대규모 확장, 인수 등 가능
   • 즉각적 대체 위험이 크게 줄어듦

15. 결론: AI 애플리케이션의 생존 전략

• 너무 넓은 시장을 노리면 기초 모델에 흡수되어 가치가 0이 될 위험이 큽니다.
• 좁고 깊은 수직 시장에서,
  • 독점 데이터
  • 복잡한 워크플로우
  • 규제/컴플라이언스
  • 멀티에이전트 네트워크
    등을 통해 방어막을 쌓는 것이 생존과 성장의 핵심입니다.

"수직 시장에서 끊임없이 혁신하고, 깊은 도메인 전문성을 쌓으며,
진짜 문제를 해결하는 기업만이
수조 달러 규모의 새로운 시장을 차지할 수 있습니다."

요약 키워드:

• 제로 밸류 임계점(Zero-Value Threshold)
• 기초 모델(Foundation Model)
• 흡수 위험(Absorption Risk)
• D Factor(Displacement Risk)
• 수직화(Verticalization)
• 기술적 복잡성(Technical Complexity)
• 방어막(모트, Moat)
• 멀티에이전트 네트워크(Multi-Agent Network)
• MCP(모델 컨텍스트 프로토콜)
• SaaS vs Service-as-Software
• AGI(범용 인공지능)
• 방어막 형성 4단계

😊 이 글이 도움이 되셨다면, 주변에 공유해보세요!
AI 시대, 진짜 살아남는 기업의 조건을 고민하는 모든 분께 추천합니다.