이 번에는 그동안 시장 조사하고 그 내용을 내부에서 논의하기 위하여 정리한 1-pager 메모들, 평소 에이전트에게 음성으로 이야기해서 쌓아 둔 knowledge base에 축적된 내 생각들을 모두 모아서 AI에게 전달하고, ‘이런 주제로, 이런 흐름으로, 이런 톤의 글을 써 줘’ 요청을 하였다. 그 나온 결과를 몇 번 iteration하며 기본 내용을 완성하고, 마지막에 거의 완성된 글을 기반으로 이제까지 내가 직접 쓴 [Two Cents] 글 전체를 AI가 분석한 후 만들어낸 고유의 ‘writing style guide’를 같이 주고 그 style guide에 맞추어 새로 re-write하게 하였다. 그 결과로 AI가 작성한 글에서 나의 생각과 다른 일부 내용을 수정하고, 가장 중요한 부분인 “왜 이 질문이 지금 중요한가” 부분을 대부분 다시 쓴 것 외에는 AI가 생성한 글을 그대로 유지하였다.

이러한 방식은 내 고유의 방식과 문체로 글쓰기에 온전히 집중하기 어려운 상황에서 글 쓰고 공유하는 것을 지체하기보다, 나의 생각을 먼저 정리해 공유하고 지속적인 피드백을 통해 사고를 확장해 가는 것이 더 효율적이라는 판단하에 시도해 보는 새로운 방식이다. (어차피 Two Cents는 불친절하기로 악명 높은(notorious) 뉴스레터이기 때문에, 그 개념을 계속 유지하기로 하였다.)

Welcome to the brave new world of AI!

공지:

이 주제는 앞으로 지속적으로 논의가 필요한 것이라고 판단하고, 이번 [AI 사랑방]은 이 주제에 대하여 논의하는 자리로 만들고자 합니다.

[AI 사랑방 — 그 11번째 모임 in 서울]

​주제: OpenClaw가 촉발한 Consumer AI 기회에 대하여

​​​일시: 2026년 4월 3일 (금) 오후 5:30-9:00 KST

​​​장소: 강남 어딘가 (TBD)

​​​AI 사랑방 그 11번째 모임은, 2026년 초 글로벌 시장을 뜨겁게 달구고 있는 OpenClaw가 촉발한 새로운 기회에 대하여 논의하는 자리로 만들고자 합니다.

아직 구체적인 주제, 발표자도 구체적으로 정하지 못했지만, 먼저 주제만 정하고 진행해 보겠습니다.

참가 신청: https://luma.com/41wm1rgq

Consumer AI에 대한 ’시장의 준비’가 tipping point를 넘어 가고 있다. 지금 시점에 필요한 일로서, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그것이 소비자의 일상과 시장 구조에 어떤 영향을 가져올 지에 대하여, 이 흐름과 과정에서 일어날 다양한 ’것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (“Flights of Thought”)을 정리해 본다.

이번에는, 소비자가 AI와 만나는 ’접점(touchpoint)’이 어떤 형태로 진화할 것인가에 대한 생각이다.

왜 이 질문이 지금 중요한가

지난 1~2년간 소비자-AI 접점의 형태에 대한 논의가 계속 있어 왔다. 소비자-AI 접점이 중요한 이유는, 그 지점이 소비자의 의도 (intent)를 파악하고 그에 필요한 조치 (action)을 취하는 과정에서 가장 큰 value capture를 제어할 수 있는 지점이기 때문이다.

최근까지 그 접점의 가장 유력한 형태는 ChatGPT로 대표되는 AI 슈퍼앱 — 하나의 대화 인터페이스에서 질문도 하고, 쇼핑도 하고, 예약도 하고, 결제까지 완결하는 올인원 앱 — 이 사실상 유일한 대안으로 보였다. 그리고, 이 AI 슈퍼앱을 제어할 수 있는 OpenAI등의 LLM player가 ‘소비자의 intent’를 re-direct하는 구조를 정의하면서 가장 큰 value capture를 가져갈 수 있을 것이라고 보았다.

(그래서, 개인적으로는 AI 슈퍼앱 접점에서 이렇게 소비자의 intent를 자장 장 파악하고 capture할 수 있는 지점으로서 personalization data layer에 주목하고 투자 기회를 찾고 있었다.)

OpenAI가 직접 소비자 대상으로 시도하고 있는 광고, 쇼핑 등이 그러한 움직임을 대표적으로 보여 주며, 소비자의 intent를 어디에 어떻게 re-direct하는 구조를 OpenAI가 직접 설계하고 있었고, 소비자의 intent를 확보하려는 잠재 경쟁사는 모두 비슷한 방식을 시도하고 있었다.

Big Tech 그룹에서는, 중국의 바이두, 알리바바, Bytedance 등이 비슷한 접근 방식을 취하고 있었고, LLM 개발 경쟁에서 다소 뒤쳐진 Tencent는 그 선두 경쟁에서 다소 물러나 있는 상태였다. Perplexity, Manus, Genspark 등 자체 LLM이 없는 non-Big Tech 플레이어들은, third-party LLM 위에 (ChatGPT와 비슷한 UX를 가지는) agent layer를 올리고, 이 agent layer에서의 기능 경쟁을 하고 있었다.

AI 에이전트(Agent)가 또 다른 형태의 소비자 접점이 될 수 있다는 논의는 있었지만, 그것이 구체적으로 어떤 아키텍처로, 어떤 방식으로 일반 소비자에게 도달할지는 명확하지 않았다.

이제 100일 정도밖에 안 된 OpenClaw의 등장이 이 논의의 지형을 근본적으로 바꾸어 놓았다. 오픈소스 에이전트 프레임워크가 다양한 메신저·클라우드·모델과 결합하여 소비자의 디바이스에서 직접 작동하는, AI 슈퍼앱과는 근본적으로 다른 구조를 가진 AI Assistant 대안이 실제로 구현 가능하다는 것이 입증되었기 때문이다.

OpenClaw 구조에서는 AI Assistant가 자신이 대변하는 소비자의 intent를 어디에 어떻게 re-direct를 할지에 대한 결정을 하기 때문에, 이제 이 AI Assistant로부터 나오는 소비자의 intent를 어떻게 배분할지가 소비자 AI 시장에서의 새로운 전장 (battlegound)가 되었다.

최근 중국의 OpenClaw 열풍에 대하여 비슷한 시각에서 “意图分发权(의도 분배권) 선점 시도”로 보는 분석을 보면 그 구조가 더 명확해진다.

“만약 빅테크가 자사의 Agent를 사용자 단말기에 장악시킬 수 있다면, 그것은 상업 세계에서 가장 최고 등급의 권력을 얻게 된다. 소위 의도 분배권(意图分发权). 이는 외식 주문을 자사 관계사로, 여행 수요를 자사 결제 생태계로 쉽게 유도할 수 있다.”

“이 Agent가 구축한 새로운 ‘walled garden (围墙花园)’ 속에서는, 한때 무소불위였던 슈퍼앱들은 단지 하위 서비스 인터페이스를 제공하는 ’파이프(管道)’로 전락하여, 사용자와 직접 대화할 기회를 완전히 잃고, 브랜드 프리미엄과 트래픽 프리미엄까지 상실하게 된다.”

(이 것이 새로운 기회로 등장하였고 동시에 이에 잘 대응하지 않으면 지금까지 구축한 슈퍼앱 생태계가 dumb pipe로 전락할 위험도 있기 때문에, 그동안 중국 내의 LLM/챗봇 경쟁에서 다소 뒤쳐져 있던 Tencent가 OpenClaw 흐름에서는 가장 적극적, 공격적으로 새로운 시도를 하고 있다고 본다.)

이로써 소비자-AI 접점에서 AI 슈퍼앱 외에도 AI Assistant 구조가 새로운 옵션으로 등장하였고 (앞으로 다른 새로운 구조가 더 등장할 가능성도 있다), 이 것이 OpenClaw가 촉발한 새로운 $1T 규모의 Consumer AI 시장 장악 경쟁이다.

이 글의 주된 목적은, 이러한 배경에서 향후 소비자가 접하는 가장 중요한 접점에서 OpenClaw와 비슷한 구조를 가진 대안이 어떤 형태로 등장할지 상상해 보며, 이를 통해 새로운 스타트업 기회를 모색하는 것이다.

여기에서는 특히 최근 OpenClaw 열풍이 일고 있는 중국 시장에서의 변화를 살펴 보면서, 국내 시장에서 앞으로 일어날 변화에 어떤 함의가 있는가를 중점적으로 살펴 본다.

미국, 중국, 한국 등 주요 시장의 흐름을 보면, 소비자와 AI의 접점에서 가장 다양한 형태의 실험과 변화가 진행되고 있는 곳은 미국보다는 중국이다. 특히 모바일 전환기에 소비자 시장에서 몇 개의 Big Tech 중심으로 거의 자체 완결성을 가지는 독특한 생태계를 만들면서 다른 곳에서 보기 어려운 중국 고유의 시장 구조를 만들었고, 이번 AI 전환기에도 그 고유한 시장 구조의 영향을 많이 받고 있다.

특히 최근 100일간 OpenClaw 열풍이 불면서, 기존 소수 빅테크 중심의 self-contained 생태계 위에 다양한 새로운 소비자 접점이 — QClaw(위챗 통합 런처), MaxClaw(관리형 클라우드 에이전트), miclaw(모바일 OS 내장), 바이두 검색앱 에이전트 통합, 비기술자 대상 현장 설치 서비스 등 — 동시다발적으로 실험되고 있다. 이와 같이, 아직 B2B 엔터프라이즈 중심으로 시장이 형성되고 있는 미국과 달리, consumer-facing 앱과 서비스에 대한 실험이 가장 활발한 곳이 중국이다.

따라서 소비자 대상 시도가 가장 다양하게 일어나고 있는 중국을 참고하여, 한국에서 어떤 형태의 소비자 접점 구조가 등장할지에 대해 상상해 보려 한다. 물론 중국의 경로를 그대로 복제할 수는 없으므로, 중국의 실험을 관찰하되 한국 시장의 고유한 구조적 특성을 반영한 독자적 시나리오를 도출하는 것이 이 글의 접근 방식이다.

1. 한국 시장의 고유한 특성

이미 AI와 함께 사는 소비자

한국 시장의 가장 두드러진 특징은, 소비자의 AI 채택이 이미 글로벌 최고 수준이라는 점이다. 2026년 2월 기준 ChatGPT MAU가 2,293만 명(와이즈앱), 전체 스마트폰 인구의 약 46%에 해당하며, 유료 구독자 수는 세계 2위이다. 주간 활성 사용자는 지난 1년간 4.5배 성장했고, 한국 성인의 ChatGPT 인지도는 88%에 달한다(BCG 2024).

스마트폰 보급률 95% 이상, 사실상 전 가구 초고속 인터넷이라는 인프라적 조건도 갖추어져 있다. 그리고 2016년 알파고-이세돌 대국 이후 형성된 “AI에 뒤처지면 안 된다”는 문화적 동기는 여전히 작동하고 있다. (중국에서 OpenClaw 설치를 위해 텐센트 본사에 줄을 선 일반인들의 심리와 본질적으로 같은 것이라고 본다.)

그런데 여기서 한 가지 중요한 관찰이 있다. 한국 소비자의 AI 사용은 거의 전적으로 대화형 AI에 — 질문하고, 콘텐츠를 만들고, 학습하는 — 한정되어 있다는 점이다. 즉, AI가 실제로 무언가를 ’실행’하는 — 음식을 주문하고, 여행을 예약하고, 가격을 비교해서 결제까지 완료하는 — 소비자 접점은 사실상 부재하다. 이 **‘통합 격차(integration gap)’**가 — AI 사용과 일상 디지털 서비스 사이의 단절 — 한국 시장에서 가장 큰 기회 공간이라고 본다.

카카오톡이라는 변수

카카오톡은 단순한 메신저가 아니라 한국 생활의 사회적 인프라이다. MAU 4,700만, 인구 96% 침투율. 가족/직장/학교 그룹채팅, 카카오페이, 카카오T, 카카오톡 채널까지 — 한국인의 디지털 일상이 사실상 카카오톡을 중심으로 돌아간다.

그런데 카카오톡에는 위챗의 미니프로그램(300만+)에 해당하는 서비스 생태계가 거의 없다. 중국에서 AI 에이전트가 “배달 주문해줘”라고 하면 위챗 안에서 실행이 완결되지만, 한국에서는 결국 카카오톡을 벗어나 배민 앱을 열어야 한다. 이 아키텍처적 차이가 한국에서 소비자-AI 접점이 어떤 형태로 발전할지를 결정하는 가장 중요한 구조적 요인의 하나라고 본다.

폐쇄적 커머스 플랫폼

한국 양대 이커머스 네이버쇼핑과 쿠팡은 모두 아직은 외부 에이전트에 대한 API 접근을 허용하지 않는 폐쇄 생태계를 운영하고 있다. 양사 모두 자체 AI 역량(네이버의 “에이전트 N”, 쿠팡 내부 R&D)에 투자하고 있으며, 제3자 에이전트에 플랫폼을 개방할 유인이 단기적으로 약하다. (바이두가 7억 사용자 검색앱에 OpenClaw 에이전트를 직접 통합한 것, Shopify의 Storefront API가 에이전트 커머스를 가능하게 하는 것과 극명한 대조이다.)

빅테크의 부재

중국에서 5대 클라우드 업체가 수 주 내에 경쟁적으로 OpenClaw 원클릭 배포를 출시한 것과 달리, 한국 빅테크는 OpenClaw 생태계에 사실상 참여하고 있지 않다. 네이버, 카카오 모두 OpenClaw 혹은 그에 상응하는 프로젝트에 관여하지 않고, 한국 클라우드 사업자 중 원클릭 배포를 제공하는 곳이 없다. (심천 롱강구의 프로젝트당 최대 1,000만 위안 보조금과 비교해 보면 온도 차이가 극명하다.) 결과적으로 3월 초 현재 (자체 시장 조사에 의하면) 국내에서 OpenClaw 관련 서비스는 10여개의 설치 대행 서비스 및 튜토리얼 수준에 머물고 있다.

소셜 바이럴 DNA

반면, 한국이 가진 독특한 강점이 있다. 폭발적 소셜 플랫폼 채택의 역사이다. 싸이월드, 아이러브스쿨, 세이클럽, 카카오톡, 당근마켓 등에서 보듯이, 한국은 특정 소셜 기능이 문화적 모멘트와 맞물리면 전례 없는 속도로 확산되는 시장이다. 이 DNA는 AI 접점 논의에서 매우 중요한 함의를 가지는데, 이에 대해서는 대안 5에서 다루겠다.

2. 중국에서 실제로 무엇이 일어났는가

100일의 폭발

OpenClaw는 오픈소스 공개(2025년 말)에서 중국 전역의 사회 현상(“전국민 가재 키우기, 全民养虾”)으로 확산되기까지 약 100일이 걸렸다. 2026년 1월 하루 GitHub 스타 9,000개, 2주 만에 17만 스타를 돌파하자, 5대 클라우드(텐센트, 알리바바, 바이트댄스, 바이두, 징둥)가 일제히 원클릭 배포를 출시했다. 2월에는 바이두가 7억 사용자 검색앱에 에이전트를 직접 통합했고, Moonshot의 Kimi Claw, MiniMax의 MaxClaw 등 관리형 클라우드 에이전트가 연이어 등장했다. 3월 6일에는 텐센트 심천 본사 앞에서 무료 설치 행사가 열려, 60대 은퇴 항공 엔지니어부터 직장인, 창업자까지 전국에서 수백 명이 몰려들었다.

왜 이렇게 빠르게 퍼졌는가

중국의 폭발적 확산에는 몇 가지 구조적 동인이 있다.

첫째, 슈퍼앱 경험의 체화. 중국 소비자는 10년간 위챗 하나로 메시지, 결제, 쇼핑, 배달, 병원 예약까지 해 왔다. “AI가 하나의 인터페이스로 모든 것을 대행한다”는 개념이 새로운 것이 아니라 기존 경험의 자연스러운 확장인 셈이다.

둘째, 빅테크의 재무적 필요. 가장 중요한 포인트라고 본다. 중국 빅테크가 OpenClaw를 적극 수용한 것은 기술적 열정이 아니라 재무적 압박에 의한 것이다. 바이트댄스, 알리바바, 텐센트 합산 약 $600억의 AI 인프라 capex를 투자해 놓았는데, GPU 클러스터는 사용되지 않으면 매일 감가상각만 발생한다. OpenClaw는 이 문제의 해법이 될 수 있다. 활성 에이전트 하나가 일반 챗봇 세션 대비 100~1,000배 더 많은 토큰을 소비하므로, 문자 그대로 “토큰 블랙홀”인 셈이다. 텐센트가 본사 앞에서 직원을 동원해 무료 설치를 해 준 것은 자선 활동이 아니라 고객 획득 전략이다. (2000년대 초 中国电信의 PHS(小灵通) 보급 전략과 정확히 같은 논리이다.)

셋째, 국산 모델의 가격 경쟁력. Kimi K2.5, MiniMax M2.5, DeepSeek 등 중국 LLM이 Claude/GPT-4 대비 약 1/10 비용으로 에이전트급 성능을 제공한다. 이것이 일반 소비자의 에이전트 24시간 가동을 경제적으로 가능하게 하는 임계점을 넘겼다.

아키텍처의 교훈: 개방형이 이겼다

하나 매우 중요한 비교가 있다. Bytedance의 Doubao 폰 어시스턴트(2025년 12월 출시)는 OpenClaw과 유사한 에이전트 기능을 가졌으나, 48시간 만에 위챗, 타오바오, 금융앱들에 의해 차단되었다. 반면 OpenClaw는 더 광범위한 기능을 가지고도 모든 주요 플랫폼에 환영받았다.

그 차이는 아키텍처에 있다. Doubao 폰은 GUI 에이전트(화면을 읽고 터치를 시뮬레이션)로, Bytedance를 사용자와 모든 앱 사이에 위치시켰고, 이는 모든 경쟁 플랫폼에 대한 위협으로 받아 들여졌다. OpenClaw는 API(MCP 프로토콜)를 통해 작동하며, 데이터는 사용자 기기에 저장되고, 어떤 단일 기업도 중간에 개입하지 않는 구조로서 모든 기존 기업이 자신이 원하는 구조로 customize 가능한 보완적 역할고 받아 들여졌다.

비유하자면, Doubao 폰은 “모든 앱의 출입구에 통행료를 부과하려 한” 것이고, OpenClaw는 “모든 앱에 새로운 확장 구조를 만들어 준” 것이다.

이 비교는 한국 시장에서도 중요한 reference가 될 것이다. 기존 플랫폼(네이버, 쿠팡, 배민)과 사용자 사이에 끼어들려는 접점은 저항에 직면하고, 모든 참여자에게 가치를 만드는 접점은 빠른 채택이 가능하다.

3. 한국과 중국, 무엇이 같고 무엇이 다른가

공통점

양국 모두 높은 디지털 인프라 밀도(스마트폰 보급, 초고속 인터넷), 지배적 메신저 플랫폼(위챗, 카카오톡), 새로운 디지털 서비스의 빠른 소비자 채택 의지, 그리고 “뒤처짐에 대한 문화적 두려움”을 공유한다. 높은 이커머스 침투율도 공통적이다. 즉, 기본적인 수요 기반과 인프라 조건은 양국 모두 갖추어져 있다.

핵심 차이점

그러나 구조적 차이가 상당하다.

이 차이를 보면 한국은 중국식 빅테크 주도의 탑다운 경로를 따를 수 없을 것이다. 한국의 소비자-AI 접점은 스타트업 주도, 바텀업, 버티컬 우선(vertical-first)의 경로로 전개될 가능성이 높다. 즉, 미국 패턴에 가깝되, 한국 고유의 폐쇄적 커머스 플랫폼과 카카오톡 지배력, 그리고 예외적으로 높은 AI 리터러시 소비자 기반을 반영한 독자적 형태가 될 것으로 본다.

4. 한국에서 소비자-AI 접점의 대안

그러면 한국에서 소비자가 AI 에이전트와 만나는 주된 접점이 어떤 형태가 될 것인가?

현재까지 현실적으로 가능하다고 판단되는 5개 대안과, 분석 과정에서 추가로 식별한 1개 대안을 각각의 장단점, tailwind/headwind와 함께 평가해 본다.

대안 1: 카카오톡이 에이전트 기능을 수용

카카오톡(MAU 4,700만)이 AI 에이전트 기능을 네이티브 통합하는 가장 직관적인 경로이다. Kanana + OpenAI 파트너십을 활용하여 자체 구축하거나, OpenClaw 기반 솔루션을 직접 도입, 인수/파트너십하는 방식이 가능하다.

강점: 인구 96% 침투의 유통 파워, 도입 과정의 fliction 없음(새 앱 설치 불필요), 소셜 맥락 내장(에이전트 결과를 기존 그룹채팅에서 자연스럽게 공유), 카카오페 결제 인프라.

핵심적인 한계: 카카오 자체의 유인(incentive)이 부족해 보인다. AI 에이전트는 실제 실행을 이메일, 웹, 배민, 네이버쇼핑 등 카카오톡 밖의 서비스에서 수행함으로써, 카카오톡은 메시지 UI만 제공하고, 밸류는 외부로 유출되는 구조이다. 위챗은 300만+ 미니프로그램이라는 실행 레이어가 앱 안에 있어서 에이전트의 “손과 발”이 위챗 안에서 완결되지만, 카카오톡에는 이에 해당하는 서비스 레이어가 없다. “배달 주문해줘”라고 하면 결국 배민 앱을 열어야 하고, 카카오톡은 그 과정에서 거래 밸류를 캡처하지 못한다. (이는 현재 카카오톡의 주된 수익 모델이 이모지 판매 외에는 플친 방식의 마케팅, 광고 매출 중심인 이유이기도 하다.)

Tailwind: ChatGPT의 커머스 기능 확대나, 카카오톡을 유통으로 활용한 제3자 에이전트의 성공이 카카오를 자극할 가능성. Kanana + OpenAI 파트너십이 기술 기반을 제공.

Headwind: 카카오의 AI 실행력 부진 (Kanana가 카카오톡 자체의 유통 파급력 대비 기대에 미치지 못하고 있고, 그와 별도로 OpenAI와 제휴를 맺은 것도 같은 맥락으로 해석됨), 미니앱 생태계 구축에 필요한 오랜 시간

판단: 카카오톡은 가장 강력한 유통 수단이지만, 카카오가 이를 적극 추진할 구조적 유인이 현재 구조에서는 약해 보인다. 가장 유력한 결과는 카카오가 시도를 해 볼 수 있지만 완전한 에이전트 실행 환경은 제공하지 않을 것이라고 본다.

대안 2: 독립 AI 컨시어지 앱 + 외부 서비스 연동

OpenClaw 구조(또는 동등한/비슷한 구조의 에이전트 프레임워크)를 내장하고, 한국 로컬 서비스(배민, 네이버쇼핑, 카카오T, 야놀자 등)와의 연동이 기본 탑재된 전용 앱이다.

이 대안의 가장 큰 강점은 밸류 캡처와 생태계 구축이 동시에 가능한 유일한 경로라는 점이다. 앱이 전체 사용자 경험을 제어하므로 거래 수수료, 구독, 광고를 통한 수익화가 가능하고, 위챗 미니프로그램에 비유되는 스킬/서비스 마켓플레이스도 구축할 수 있다. 플랫폼 독립성도 높다.

그러나 치명적인 약점은 바이럴(viral) 메커니즘의 부재로 인한 지난한 성장 과정. 이것은 본질적으로 싱글플레이어 도구이다. 다른 사용자가 많다고 나의 에이전트가 더 유용해지지 않는다. 카카오톡은 주소록 전체를 읽어 친구 관계를 즉시 형성하는 방식으로 바이럴을 달성했지만, AI 컨시어지 앱에는 이런 메커니즘이 없다. 바이럴 없이 앱을 깔게 만드는 것은 매우 높은 사용자 획득 비용(CAC)을 의미한다. (이미 카카오톡, 배민, 네이버, 쿠팡이 있는 소비자에게 “이 앱도 깔아 보세요”라고 말하는 것이 얼마나 어려운 일인지를 생각해 보면.)

Tailwind: 앱이 진정으로 우수한 결과를 제공하면(측정 가능하게 더 저렴한 쇼핑, 더 나은 여행 일정 등) 입소문이 가능. 중국의 OpenClaw는 기술적으로 복잡한 도구도 가치 제안이 충분히 명확하면 대중 채택이 가능함을 보여주었다.

Headwind: 한국 소비자의 강한 앱 설치 fritction, ChatGPT의 2,300만 한국 사용자 기반과의 경쟁.

판단: 장기적 밸류 창출을 위해 구조적으로 가장 건전한 모델이지만, 바이럴 문제가 critical 한계 점이다. 올바른 *목적지(destination)*이나, 거기에 도달하기 위한 *탈것(vehicle)*이 다를 필요가 있다 — 이것이 대안 5가 필요한 이유이다.

대안 3: 기존 앱에 피기백킹 (제3자 에이전트 레이어)

제3자가 카카오톡이나 텔레그램 위에, 해당 플랫폼의 공식 지원 없이 에이전트 레이어를 구축하는 방식이다. (카카오톡 채널 봇, 텔레그램 봇 등.)

솔직히 이 대안은 유의미한 접근 방식이 되기 어렵다고 본다. 대안 2의 바이럴 문제를 그대로 안으면서, 대안 2의 핵심 장점(밸류 캡처, 생태계 구축)은 가지지 못하는, 양쪽의 최악을 결합한 구조일 수 있기 때문이다. 호스트 플랫폼의 정책에 종속되고, UI 능력이 메신저 인터페이스에 제한되며, 모트(moat)가 없다.

다만 한 가지 유용한 역할이 있다면, 더 방어 가능한 모델(대안 2 또는 5)에 투자하기 전에 에이전트 수요를 빠르게 검증하는 단기 실험 수단으로서의 가치이다. 여기서 시작하는 기업은 대안 2 또는 5로 마이그레이션하는 명확한 계획을 가지고 있어야 한다.

대안 4: 스마트폰 OS 내장 에이전트 (Siri / Gemini / Samsung Galaxy AI)

AI 에이전트 기능이 OS 레벨에 내장되는 경로이다. 애플 Siri + Apple Intelligence, 구글 Gemini, 삼성 Galaxy AI.

즉각적 대량 확산이라는 강점은 분명하다. 모든 아이폰이나 삼성 갤럭시 사용자가 기본적으로 에이전트를 보유하게 되고, OS 레벨 에이전트는 다중 앱 상호작용이나 시스템 기능 접근에서 제3자 앱이 따라올 수 없는 깊이를 가진다.

그러나 역사적 선례를 보면, 한계도 명확해 보인다. 과거 어떤 주요 소비자 플랫폼 전환도 OS 네이티브 기능이 주도한 적이 없다. 검색은 OS 통합 검색이 아닌 구글이 주도했고, 소셜미디어는 사전 설치 소셜앱이 아닌 페이스북이 주도했으며, 모바일 결제도 (대부분 시장에서) OS 네이티브 월렛이 아닌 독립 서비스가 주도했다. 모두 일관적 패턴으로서, 새 플랫폼은 전용 제품에서 등장하고, OS는 더 느리고 엣지 없는 무난한 통합으로 결국 시장 선점하지 못하는 경우가 대부분이었다.

국내에서는 추가적인 제약도 있다. 삼성의 과거 플랫폼 혁신 시도를 보면 — 빅스비의 제한적 채택, 삼성페이의 카카오페이 대비 중간 수준 성공 — 주도자보다 후행자(follower) 행동 유형을 보여 왔으며, Android, iOS 등의 OS로서는 글로벌 시장 최적화가 우선으로 한국 로컬 서비스(배민, 네이버쇼핑)와의 깊은 통합은 우선순위가 되기 어렵다.

Tailwind: Apple Intelligence와 Gemini의 대규모 투자, 삼성의 한국 하드웨어 설치 기반.

Headwind: 느린 반복 주기, 글로벌 우선 최적화, 한국 로컬 서비스 통합 제한, 통행료(toll-gated) 생태계.

판단: OS 내장 에이전트는 결국 유능해지겠지만, 소비자 AI 접점 전환을 주도하기는 어려울 것으로 본다. 내장 agent는 기본 기능(타이머, 메시지 읽기, 사진 편집 등)에 집중하는 동안, 더 가치 있고 복잡한 작업은 별도의 전용 접점이 담당하는 구조가 될 가능성이 높다고 본다.

대안 5: 소셜 기능 기반 제3의 앱 + OpenClaw 에이전트 수용

현재 시점에서 가능성이 그나마 더 높은 경로라고 판단하는 대안이다.

바이럴을 만드는 소셜이 기반 역할을 하고, OpenClaw 구조 기반 AI 에이전트 기능이 그 위 layer에서 커머스·일상 작업 실행을 가능하게 하는 하이브리드 모델.

한국에는 소셜 기능 주도 폭발적 성장의 선례가 많다. 싸이월드(미니홈피 꾸미기 + 소셜 선물 → 국민 채택), 아이러브스쿨(동문 연결 → 즉각적 바이럴), 카카오톡(주소록 친구 발견 → 전국민 채택), 당근마켓(동네 기반 중고 거래 → 커뮤니티 형성). 소셜 기능이 바이럴 엔진, 에이전트 기능이 가치 제안, 이 결합이 플라이휠을 형성하는 구조이다.

이 구조는 앞서 분석한 대안 2의 핵심 약점인 바이럴 부재를 해결하면서, 대안 2의 핵심 강점인 밸류 캡처와 자체 생태계 구축을 그대로 가져갈 수 있는 유일한 구조가 될 수 있다.

여기에서 관전 포인트는 어떤 소셜 기능이 핵심 바이럴 엔진 역할을 할 것인가 이다. 그 몇 가지 예:

• 공동 구매: “내 에이전트가 이 딜을 찾았어 — 같이 살래?” → 친구 그룹에 공유. 돈이 움직이는 유즈케이스로 즉각적이고 측정 가능한 가치 제공.

• 친구와 여행 계획: 각자의 에이전트가 선호·제약을 반영하여 그룹 최적화 일정을 만드는 협업 여행 계획. 본질적으로 소셜이고 공유 가능.

• 추천, 큐레이션: 멤버들의 에이전트가 그룹 선호도 기반으로 식당, 상품, 활동을 공동 큐레이션 — 그룹 규모가 커질수록 가치 증가하는 구조.

현재 국내 시장에서 많은 사용자를 이미 확보한 AI Companion들도 의미있는 사용자 수와 활동량 기반으로 가능한 옵션이 될 수 있지만, NSFW 기반 성장 후 주류 서비스로의 전환의 어려웠던 대부분의 기존 사례를 감안하면 이것만으로 바이럴 엔진이 되기는 어렵다고 본다. 그 반대 방향인 컨시어지 → 컴패니언(실용적 신뢰 먼저 → 감정적 기능은 보너스) 방향이 좀 더 유망할 수 있다.

카카오톡과의 관계가 핵심 요소가 될 수 있다. 이 앱은 카카오톡을 대체하는 것이 아니라, 카카오톡의 소셜 인프라를 레버리지한다. 에이전트가 처리한 결과물(쇼핑 비교, 여행 플랜)을 카톡으로 공유 → 자연 바이럴. 인스타그램이 페이스북의 소셜 그래프를 레버리지하되 페이스북 제품은 아니었던 것과 유사한 구조이다.

Tailwind: 한국의 소셜 바이럴 DNA(채택 속도의 상한이 극히 높음), 중국 OpenClaw의 시연 효과(investor appetite + 소비자 인지), OpenClaw 오픈소스 생태계가 제공하는 기성 에이전트 인프라.

Headwind: 두 가지를 동시에 구축해야 하는 실행 복잡성(소셜 제품 + AI 에이전트 플랫폼), 적절한 소셜 메커닉을 찾는 창의적 난이도, ChatGPT 2,300만 사용자와의 “기본 AI” 포지션 경쟁.

판단: 바이럴과 밸류 캡처를 동시에 풀 수 있는 가장 유력한 경로이다. 핵심 리스크는 실행, 소셜 제품 디자인과 AI 에이전트 구조를 만드는 역량이 동시에 필요하다는 점이 될 수 있다.

대안 6: ChatGPT (부류의 AI 챗봇)이 한국의 사실상 AI 슈퍼앱이 되는 시나리오

새로운 기회를 줄 수 있는 대안은 아니지만, 반드시 고려할 필요가 있는 시나리오이다. 한국 네이티브 접점이 등장하지 못하면, ChatGPT 자체가 한국 소비자의 주된 AI 접점이 되는 ’디폴트 시나리오’이다.

ChatGPT는 이미 한국 MAU 2,000만을 보유하고 있고, OpenAI는 커머스, 광고, 에이전트 기능들을 공격적으로 추가하고 있다. 이론적으로는 한국 서비스 파트너십이 뒤따르면 ChatGPT가 한국 소비자의 “모든 것을 하는 앱”이 될 수 있다.

그러나 현실적 제약이 클 것이다. OpenAI의 초점은 미국 우선이며, 배민, 네이버쇼핑, 카카오T, 야놀자 등과의 깊은 통합은 단기적으로는 우선순위일 가능성이 낮다. ChatGPT는 모든 유즈케이스(코딩, 글쓰기, 학습, 커머스)를 서비스하므로 한국 일상 작업 실행에 깊이 최적화하기 어렵다. 소셜 레이어도 없고, 결제·개인정보를 포함하는 일상 인프라가 외국 플랫폼에 의해 통제되는 것에 대한 규제 검토 가능성도 있다. 결정적으로, 국내에서는 이제까지 외산 서비스가 소비자 접점의 대표적인 플랫폼이 된 경험이 사실상 없다.

판단: 분명 ChatGPT는 초기에 국내 시장에서 “AI가 질문에 답하는 것뿐 아니라 작업을 실행할 수 있다”는 개념을 소비자에게 각인시키는 선구자 역할을 크게 할 것이다. 그러나 한국 로컬 서비스와의 깊은 통합을 국내 시장에 맞게 잘 진행하지 못하면, 기존에 많은 외국 플랫폼이 국내에서 1위 사업자기 되지 못한 사례와 마찬가지 결과를 낳을 수 있고, 이 점은 한국 네이티브 툴/솔루션의 기회가 될 것이다. 한국 스타트업에 대한 중요한 질문은: ChatGPT가 다른 모든 것에서 더 나은 동안, ’한국 일상’에서만큼은 ChatGPT보다 더 나은 것을 어떻게 만드는가?

5. 기대되는 스타트업 기회들

지금까지의 대안 분석에서 자연스럽게 도출되는 몇 가지 스타트업 기회를 정리해 본다.

1. “대안 5” 기업 — 소셜 기반 에이전트 앱

가장 핵심적인 기회. 설득력 있는 소셜 기능(공동 구매, 협업 여행 계획, 추천/큐레이션 등)을 바이럴 엔진으로 설계하고, OpenClaw 기반 에이전트 기능을 한국 로컬 서비스 연결에 내장하는 앱. 바이럴, 밸류 캡처, 생태계 구축을 동시에 풀 수 있는 유력한 구조의 하나다. 소셜 제품 디자인 경험(카카오, 네이버, 또는 성공적인 한국 소비자 스타트업)과 AI 에이전트 엔지니어링 역량을 결합한 팀 중심.

2. 한국 OpenClaw 스킬 생태계 빌더

어떤 접점 모델이 시장을 장악하더라도 (대안 1~5), 모든 에이전트 기반 접점은 한국 로컬 서비스에 연결하는 스킬(skill)이 필요하다. 배민 주문, 네이버쇼핑 검색, 카카오T 호출, 은행 잔고 조회 등. 현재 ClawHub에 한국 로컬 서비스 스킬은 거의 없는 상태로, 어떤 접점 시나리오에서든 수혜를 받는 전형적인 “picks and shovels” 기회.

3. 에이전트-플랫폼 커넥터 인프라 (“헤드리스 플레이어”)

한국의 폐쇄적 플랫폼 구조에서 에이전트가 서비스에 직접 접근할 수 없으므로, 그 사이에서 데이터 접근·정규화·공급을 담당하는 미들웨어. 비유하자면, Twilio가 통신사 인프라를 개발자용 API로 추상화한 것과 같은 역할이다. 여행(OTA/Bedbank API 연동), 음식 배달(배민/요기요/쿠팡이츠 데이터 어그리게이션), 쇼핑(어필리에이트 채널을 통한 상품 데이터 접근) 등 버티컬별로 구축되되, 궁극적으로는 크로스 버티컬 통합이 네트워크 효과를 만드는 구조. [Two Cents #89]에서 주로 다룬 레이어.

버티컬별 우선순위: 접점 모델과 독립적으로, 몇몇 버티컬이 구조적으로 먼저 에이전트 서비스를 발전시킬 것이다:

• 여행 (진입장벽 최저, 에이전트 부가가치 최고): OTA/Bedbank API가 이미 개방. 항공+호텔+액티비티+교통 조합 최적화는 에이전트의 부가가치가 가장 명확. 현재 카카오톡이나 이메일로 직접 연락해야 하는 현지 투어 오퍼레이터 예약의 “라스트 마일 클로징” 자동화가 핵심 가치.

• 음식 배달 (중간 진입장벽, 빠른 PMF 검증): 배민+요기요+쿠팡이츠 크로스 플랫폼 어그리게이션. 에이전트가 실시간 가격/배달시간/평점을 비교. 플랫폼 저항이 쇼핑보다 약함 — 주문 유입이 순증이므로.

• 쇼핑 (진입장벽 최고): 네이버/쿠팡 API 개방 전까지 어필리에이트(쿠팡 파트너스, 네이버쇼핑 어필리에이트) 우회가 필요. 가장 어려운 버티컬이지만 시장 규모(약 200조 원)는 압도적.

맺으며

이 분석이 수렴하는 핵심은 세 가지이다.

첫째, 한국의 병목은 기술이 아니라 구조이다. AI 모델 성능은 이미 충분하고, 소비자의 AI 사용 습관도 충분히 형성되어 있고, 이제 필요한 것은 폐쇄적인 공급 사이드(예: 쇼핑에서의 네이버·쿠팡)와 AI 에이전트를 연결하는 접점과 중간 레이어.

둘째, 외산 플레이어의 빠른 시장 선점 가능성. 네이버·쿠팡·카카오가 폐쇄적 전략을 유지하는 동안, ChatGPT는 한국 소비자의 AI 쇼핑 습관을 형성하고, OpenClaw는 개발자 에이전트 생태계를 확장할 수 있다. 중국에서 이미 관찰된 “슈퍼앱 + OpenClaw 열풍”이 한국에 상륙하는 시점에 국내 플랫폼의 대응이 준비되어 있지 않으면, 비유하자면 또 하나의 ‘블랙베리’ 시나리오가 될 가능성을 배제할 수 없다.

셋째, 현재와 같이 시장 구조 자체가 변화하는 전환기에는, 완성된 승자를 고르는 게임이 아니라 승자가 만들어질 자리를 선점하는 게임에 가깝다. 소셜 기능 + 에이전트 커머스의 하이브리드 모델을 유력한 경로의 하나로 보지만, 그보다 더 중요한 것은, 한국의 2,300만 AI 사용자와 한국의 디지털 서비스 생태계 사이의 ’통합 격차’를 먼저 연결하는 팀이 향후 10년의 소비자 AI 인프라를 정의하게 될 것이라는 점이다.

지금 새로 만드는 것이 ’블랙베리’가 아니기를 기원하며.

Epilogue

Consumer + AI 분야에 집중하는 초기 투자자로서, 이러한 생각의 흐름을 공유하는 주된 목적은 이 분야에서 새로운 기회를 찾고 있는 창업자들과의 대화를 시작하기 위함이다. Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

소비자-AI 접점이라는 이 거대한 질문에 대해 자신만의 답을 가지고 있는 초기 창업자/스타트업들은 언제라도 열려 있으니, DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

평소 Two Cents 글 하나를 쓰려면 반나절은 온전히 집중해야 하는데, 현실적으로 머리속에서 어떤 주제에 대한 생각을 계속 하고, 여러 가설과 결론에 대한 논박과 새로운 결론 도출 과정을 머리속에서 진행하고 그 생각이 계속 변하는 상황에서 글쓰기에만 몰입하기가 쉽지 않았다.

그래서, 이번에는 좀 다른 방식을 시도해 보았다. 관련 주제에 대한 나의 생각을 업계 분과 논의하는 내용을 미팅 노트로 기록하고, 나의 생각 부분에 대한 transcript를 기반으로 AI에게 글 작성을 요청하였다.

기본적으로 이 글에서 논의하는 구조와 변화의 방향, 그리고 앞으로 일어날 대략적인 시나리오에 대해서는 나의 생각을 자세히 설명하여 정리하였고, 이를 기반으로 앞으로 어떤 기회가 새롭게 등장할 것인가에 대해서는 AI가 나름의 아이디어를 내어 추가로 정리한 내용을 담았다. AI가 작성한 글 중에서 나의 생각과 다르게 정리된 내용은 직접 수정하였고 문체는 약간 다듬었으나, 전체적인 내용은 AI가 생성한 구조를 거의 그대로 유지하였다.

그래서 조금 와일드한 나의 아이디어에 대한 부정적인 피드백을 피해 갈 수 있는 핑계거리를 만들기도 하였고^^, 나의 생각을 빨리 공유하고 피드백을 받는 것이 오히려 더 생산적일 것이라는 생각에서 새로운 방식을 시도해 본다. (첨언하자면, 이 부분도 내가 말로 설명을 하면 AI가 윤문하여 글을 직접 작성하는 방식으로 입력하고 있다.)

이러한 방식은 내 고유의 방식과 문체로 글쓰기에 온전히 집중하기 어려운 상황에서 글 쓰고 공유하는 것을 지체하기보다, 나의 생각을 먼저 정리해 공유하고 피드백을 통해 사고를 확장해 가는 것이 더 효율적이라는 판단하에 시도해 보는 새로운 방식이다. (어차피 Two Cents는 불친절하기로 악명 높은 뉴스레터이기 때문에 그 컨셉을 계속 유지하기로 하였다^^)

Welcome to the brave new world of AI!

공지:

이 주제는 앞으로 지속적으로 논의가 필요한 것이라고 판단하고, 이번 [AI 사랑방]은 이 주제에 대하여 논의하는 자리로 만들고자 합니다.

[AI 사랑방 — 그 11번째 모임 in 서울]

​주제: OpenClaw가 촉발한 Consumer AI 기회에 대하여

​​​일시: 2026년 4월 3일 (금) 오후 5:30-9:00 KST

​​​장소: 강남 어딘가 (TBD)

​​​AI 사랑방 그 11번째 모임은, 2026년 초 글로벌 시장을 뜨겁게 달구고 있는 OpenClaw가 촉발한 새로운 기회에 대하여 논의하는 자리로 만들고자 합니다.

아직 구체적인 주제, 발표자도 구체적으로 정하지 못했지만, 먼저 주제만 정하고 진행해 보겠습니다.

참가 신청: https://luma.com/41wm1rgq

1. 핵심 논의 요약

1-1. 현재 시장 구조

국내 이커머스 시장은 네이버와 쿠팡이 전체 거래액의 약 2/3를 점유하고 있으며, 이는 미국에서 아마존과 Shopify가 유사한 비중을 차지하는 것과 구조적으로 닮아 있다. 핵심적인 차이는 개방성(openness)에 있다. Shopify는 결제(Shopify Payments)가 핵심 캐시카우이기 때문에 외부 트래픽 유입과 프로덕트 페이지 개방에 우호적인 반면, 네이버와 쿠팡은 자체 생태계 내 트래픽 순환에 기반한 폐쇄적 구조를 고수하고 있다.

1-2. 한국 시장의 특수성

한국은 ChatGPT 사용량 기준 전 세계 1인당 사용시간 압도적 1위, 전체 사용자 약 2,000만 명 이상으로 AI 소비자 시장이 이미 형성되어 있다. 그러나 다음과 같은 구조적 병목이 존재한다.

폐쇄적인 커머스 플랫폼: 네이버와 쿠팡 모두 외부 에이전트에 대한 API 접근을 허용하지 않고 있으며, 이를 단기적으로 개방할 유인이 약하다. 네이버는 오히려 자체 쇼핑 에이전트인 ’에이전트 N’을 개발 중이며, 쿠팡은 보안 이슈 등으로 인해 에이전트 쇼핑 관련 R&D가 소강 상태인 것으로 듣고 있다.

Shopify에 해당하는 플레이어의 부재: 카페24가 그 역할을 해야 하지만 역량이 미치지 못하고, 아임웹은 규모가 작고 개발 중심 조직이라 전략적 대응이 어려운 상황이다.

1-3. Agentic Commerce 밸류체인 내 “빈 공간”

Agentic Commerce의 value chain 상에서 현재 필요한 두 가지 핵심 빈 공간은 다음 두 가지라고 판단됨:

큐레이션·매칭 레이어: ChatGPT등이 프론트(사용자 접점)를, Shopify 등이 백엔드(프로덕트 페이지·결제)를 담당한다고 할 때, 그 사이에서 사용자의 의도를 파악하고, 브랜드를 추천하고, 가격을 비교하고, 과거 구매 이력을 반영하는 중간 인텔리전스 레이어가 필요하다. 이것은 과거 구글과 쇼핑몰 사이에서 비교·검색·어필리에이트가 담당하던 역할의 AI 에이전트 버전이다.

‘상품 페이지’ 커넥터 레이어: 소비자의 agentic commere 수요를 충족시키기 위해서는, 쇼핑몰 내부의 product page 및 결제 모듈에 대한 접근이 필요하다.

쿠팡, 네이버에서 API 혹은 Agent interface가 당분간 열리지 않을 것으로 예상되는 상황에서는, 다른 방식으로 이들 ‘상품 페이지’에 대한 접근 방식이 필요할 수 있다. 정식 접근 방식으로는, 새로운 사업자가 등장하여 ‘상품 페이지’ 데이터베이스를 처음부터 새롭게 구축하는 방식이다. 지금까지 네이버 스토어가 해 왔던 과정과 같은. 그에 필요한 시간과 자금 규모를 고려할 때, 현실적으로는 이러한 새로운 사업자가 등장할 가능성은 그리 높아 보이지 않는다.

또다른 하나의 ‘편법’ 방식으로는, 기존 어필리에이트들이 그 커넥터 레이어 역할을 담당하는 방식을 상정할 수 있다. 어필리에이터가 커머스 플랫폼과 이미 구축된 비즈니스 관계를 활용하여, 에이전트가 프로덕트 페이지에 접근할 수 있는 ‘우회’, 혹은 새로운 경로 역할을 할 수 있을 것이다. 물론 어필리이에이터는 새로운 Agentic commerce 트래픽에 의한 새로운 수익 모델이 생기고.

또한, 네이버는 현재 “에이전트 N”이라는 자체 쇼핑 에이전트를 개발하며 폐쇄적 전략을 유지하고 있지만, 쿠팡에 이어 근소한 차이지만 2위 추격자 입장에서 ChatGPT와의 연동 및 Agentic commerce 대상 개방등의 전략을 선택할 가능성을 배제할 수 없다. 이 결정은 경영진의 전략적 선택에 달려 있으며, 만약 개방으로 전환할 경우 국내 에이전트 커머스의 본격적인 시발점이 될 수도 있다.

2. 배경: Agentic Commerce 시작 시나리오

2-1. 전체 밸류체인 구조 변화

현재의 밸류체인은 “소비자 → 검색/광고(구글·네이버) → 쇼핑몰(쿠팡·네이버쇼핑) → 결제 → 배송”의 선형 구조이다. 에이전트 커머스 시대에는 이 구조가 다음과 같이 재편될 것으로 보인다.

[소비자]
   ↓
[AI 프론트엔드] ← ChatGPT / Gemini / 기타 에이전트
   ↓
[큐레이션·매칭 인텔리전스] ← 새로운 미들 레이어 (빈 공간)
   ↓
[프로덕트 페이지 연동] ← 어필리에이트/커넥터 or Shopify형 플레이어
   ↓
[결제·풀필먼트] ← Stripe / 기존 PG / 쿠팡 물류

핵심 변화는 “검색 → 발견” 과정의 전환이다. 소비자가 키워드를 입력하여 검색하는 대신, 에이전트가 맥락과 의도를 파악하여 최적의 결과를 능동적으로 제시하는 구조로 바뀐다. 이 과정에서 전통적 검색 광고의 가치는 하락하고, 에이전트에게 선택받기 위한 새로운 형태의 “노출 경쟁”이 시작된다.

2-2. 필요한 구조 변화

변화 1 — 프로덕트 페이지의 표준화·개방

에이전트가 상품 정보를 읽고 비교하려면 기계가 해석 가능한(machine-readable) 프로덕트 데이터가 표준화된 형태로 존재해야 한다. 해외에서는 Shopify의 Storefront API, Google Merchant Center 등이 이 역할을 하고 있다. 국내에서는 이 표준이 사실상 부재하며, 이를 구축하는 것이 에이전트 커머스에 ‘필요 조건’ 역할을 하는 인프라가 된다.

변화 2 — (현재의 결재 인프라 기반으로) 에이전트 결제 지원, 어쩌면 결제의 탈플랫폼화까지 포함해서

가장 먼저 현재의 주된 신용카드 결제 인프라를 통하여 에이전트가 결제를 실행할 수 있는 bridge 솔루션이 필요하다. Ramp의 Agent Card와 같이, 에이전트가 신용카드를 사용하여 기존 결제 인프라에서 결제를 완료할 수 있는 방식.

변화 3 — 어필리에이트 구조의 진화

기존 어필리에이트(트래픽 유도 → 클릭 → 전환 수수료)가 에이전트 시대에는 “에이전트가 추천 → 구매 전환 → 수수료”로 전환된다. 이때 에이전트에게 구조화된 상품 데이터를 공급하고, 전환을 추적하는 새로운 형태의 어필리에이트 인프라가 필요하다.

2-3. 단기 시나리오에 대한 상상 (1~2년)

초기 진입 경로를 상상해 보면 다음과 같은 순서로 전개될 가능성이 있다.

1단계: ChatGPT가 한국 내 결제 지원을 시작, 해외 Shopify 기반 판매자, 혹은 Temu/Alibaba등의 해외 커머스 플랫폼에서 한국향 에이전트 커머스가 먼저 작동하기 시작할 수도 있다.

(첨언: 이 가능성은 상당히 낮다고 보지만, 앞으로 당분간 주요 사업자 중심으로 시장 구조가 변화하지 않는 상황이 예상되는 환경에서는, 새로운 변화의 시작이 이렇게 충격적인 형태가 될 수도 있다고 본다.)

2단계: 국내 스타트업이 기존 어필리에이트 채널(쿠팡 파트너스, 네이버 쇼핑 어필리에이트 등)을 활용하여 프로덕트 페이지에 우회적으로 접근하고, 에이전트 프론트엔드를 붙여 사실상의 에이전트 커머스를 시작한다.

3단계: 이 우회 경로를 통한 거래가 유의미한 볼륨에 도달하면, 네이버 혹은 쿠팡 중 하나가 API 개방을 검토하거나, ChatGPT/OpenAI가 직접 파트너십 또는 인수를 통해 국내 커머스 백엔드를 확보한다.

대안 시나리오 — 비(非)쇼핑 버티컬에서 먼저 진행: 쇼핑보다 결제·재고 구조가 단순한 여행 예약(현지 OTA, 액티비티) 또는 음식 배달(배달의민족 등) 영역에서 에이전트 커머스가 먼저 시작될 가능성도 상당하다. 특히 여행 분야는 복잡한 조합 검색(항공+숙박+액티비티)에서 에이전트의 부가가치가 크고, 실제 현지 OTA들과의 직접 연결이 가능한 영역이다. (see below)

3. 새로운 비즈니스 기회 요소

3-1. 미들 인텔리전스 레이어 (큐레이션, 매칭, router 등의 intermediary 역할)

기회의 본질: ChatGPT/에이전트가 “프론트”를, Shopify형 인프라가 “백엔드”를 담당할 때, 그 사이에서 소비자 의도를 해석하고, 최적의 상품·브랜드·딜을 매칭하는 인텔리전스, intermediary 역할을 제공하는 사업이다. 과거 구글 검색과 이커머스 사이에서 일어났던 모든 활동(가격 비교, 리뷰 수집, 브랜드 큐레이션, 프로모션 매칭)의 에이전트 버전을 구축하는 것이다.

ChatGPT가 직접 하지 않을까?: OpenAI는 더 큰 시장(모델 성능, 엔터프라이즈 AI, 코딩, 교육 등)에 집중하고 있으며, 버티컬별 큐레이션은 도메인 깊이(deep domain knowledge)가 필요한 영역이다. OpenAI가 최전방 윈도우의 가치를 극대화하는 데 집중하는 동안, 뒷단의 복잡한 매칭·큐레이션은 파트너에게 위임할 가능성이 높다고 본다.

첨언: 나의 시각으로는 이 layer가 [Two Cents #88]에서 논의한 Intent Capture Layer로서 가장 큰 Value Capture를 할 수 있는 곳이 될 것이라고 예상한다. 이 layer에서의 경쟁이 어떤 플레이어 사이에 어떤 형태로 펼쳐지고, 결과적으로 어떤 시장 구조로 자리 잡을까에 대한 예상은 워낙 가변성이 높아서 현재로서는 어렵지만, 앞으로 5년간 초기 투자자로서 가장 주목하고 투자 기회를 찾을 곳으로 보고 있다.

3-2. 에이전트 커머스 커넥터 (Affiliate 2.0)

기회의 본질: 네이버·쿠팡 API가 열리지 않는 환경에서, 기존 어필리에이트·파트너스 인프라를 통해 프로덕트 데이터에 접근하고, 이를 에이전트가 소비할 수 있는 표준 형태로 변환하여 제공하는 인프라 역할.

핵심 역량: 다수 커머스 플랫폼의 상품 데이터를 실시간으로 수집·구조화·동기화하는 데이터 파이프라인, 에이전트 SDK/API 형태의 인터페이스 제공, 결제 전환 추적 및 정산 시스템.

전략적 포지션: 이 포지션은 단기적으로 국내 시장에서 Agentic Commerce의 유일한 현실적 진입 경로로 본다. 향후 네이버나 쿠팡이 API를 개방하면 이 layer는 사라질 수도 있고, 멀티 플랫폼 통합 역할로서 그 가치를 유지할 수도 있다고 본다.

3-3. 에이전트 시대의 브랜드 분석 (AEO/GEO Layer)

기회의 본질: AI 에이전트(ChatGPT, Gemini 등)가 특정 브랜드·상품을 얼마나 자주 추천하는지, 어떤 프롬프트/맥락에서 추천되는지, 경쟁 브랜드 대비 점유율은 어떤지를 정량적으로 모니터링하고, 에이전트 내 가시성을 개선하기 위한 전략을 제공하는 사업이다.

시장 시그널: 이미 “GPT 안에서의 브랜드 가시성(battery)을 측정하는 앱”이 프로토타입 수준으로 존재하고, 초기 스타트업도 activie하게 진행하고 있다. 이 영역은 에이전트 커머스의 규모가 커지면서 브랜드 마케팅 예산이 유입되는 영역이다.

3-4. 버티컬 에이전트 커머스 (여행·배달·서비스)

기회의 본질: 범용 쇼핑보다 도메인이 명확하고 결제 구조가 상대적으로 단순한 버티컬 영역에서 에이전트 커머스를 먼저 구현하는 전략이다. 여행(항공+숙박+액티비티 조합), 음식 배달, 로컬 서비스 예약 등을 첫 번째 가능한 시장으로 본다.

왜 버티컬이 먼저인가: 범용 쇼핑은 네이버·쿠팡의 폐쇄적 구조를 돌파해야 하지만, 여행·배달은 공급자가 분산되어 있고 직접 연결이 가능하다. 특히 해외 여행에서 현지 OTA·액티비티 업체와의 연결은 기존 플랫폼의 지배력이 약한 영역이다.

3-5. 한국판 Shopify (에이전트 네이티브 커머스 인프라)

기회의 본질: 카페24·아임웹이 채우지 못하고 있는 포지션, 즉 에이전트 시대에 최적화된 프로덕트 페이지·결제 인프라를 제공하는 플랫폼 사업이다.

차별화 포인트: 처음부터 에이전트가 소비할 수 있는 구조화된 상품 데이터를 네이티브로 제공하고, ChatGPT·Gemini 등 주요 에이전트 플랫폼과의 연동을 기본 내장하며, Stripe 글로벌 결제 및 agent payment rail과 연동 가능한 구조를 갖추는 것.

리스크: 이미 카페24·아임웹이라는 기존 플레이어가 있고, 네이버 스마트스토어의 지배력이 강한 환경에서 새로운 커머스 인프라가 시장을 확보하기까지 상당한 시간이 필요하다.

그러나 기존 플레이어들이 에이전트 전환에 실패하거나 계속 거부할 경우 새로운 플랫폼 전환의 기회의 창이 열릴 수도 있다고 본다. 국내에서도 eBay가 과거 Web 1.0 시대의 방식에 안주하고 있는 동안, 쿠팡, 네이버 스토어가 새로운 Top 2가 되었듯이.

4. Vertical 별 스타트업·파일럿 프로젝트 시나리오

앞서 분석한 구조 변화 시나리오를 기반으로, 각 버티컬에서 실제로 어떤 형태의 사업자가 등장할 수 있을지를 구체적으로 상상해 본다.

세 개 버티컬 모두에서 공통적으로 등장하는 핵심 플레이어 유형은 헤드리스 커넥터(Headless Connector) — 기존 플랫폼의 공급 데이터를 스크래핑 또는 도매(wholesale) API를 통해 확보한 뒤, 에이전트가 소비할 수 있는 표준화된 형태로 재공급하는 중간 사업자 — 이다.

4-1. 쇼핑 (General Commerce)

쇼핑은 에이전트 커머스를 논할 때 가장 먼저 떠올리는 분야이지만, 역설적으로 국내에서는 가장 진입이 어려운 영역이다. 네이버·쿠팡의 주요 플레이어들의 폐쇄적 구조가 직접적인 장벽으로 작용하기 때문이다. 이 장벽을 우회하는 몇 가지 현실적 스타트업 유형을 상상해 볼 수 있다.

유형 A — 어필리에이트 기반 에이전트 커머스 브로커

쿠팡 파트너스, 네이버 쇼핑 어필리에이트 등 기존 관계사(affiliate) 계정을 활용하여 상품 데이터에 접근하고, 이를 에이전트 프론트엔드에 공급하는 형태이다. 소비자가 에이전트에게 “생후 6개월 아기에게 맞는 카시트 추천해줘”라고 말하면, 이 브로커가 네이버·쿠팡의 상품 데이터를 실시간으로 조회·비교한 뒤 최적의 결과를 에이전트에 리턴하고, 어필리에이트 링크를 통해 전환을 추적하는 구조이다.

초기에는 편법에 가까운 스크래핑이 불가피할 수 있다. 그러나 에이전트를 통한 유입 트래픽이 유의미한 전환율을 보이기 시작하면, 플랫폼 측에서도 이를 공식 채널로 인정할 유인이 생긴다. 과거 구글 쇼핑이 이커머스 플랫폼들의 크롤링을 사실상 묵인하다가 결국 공식 Merchant Center로 제도화한 경로와 유사하다.

초기 수익 모델은 어필리에이트 전환 수수료이며, 규모가 커지면 브랜드향 프리미엄 노출 상품(에이전트 내 우선 추천)으로 확장 가능하다.

유형 B — 헤드리스 상품 카탈로그 공급자 (Headless Product Catalog)

네이버 스마트스토어, 쿠팡 마켓플레이스, 11번가, G마켓 등 다수 플랫폼에 입점된 셀러들의 상품 정보를 수집·정규화하여 단일 API로 제공하는 인프라 사업자이다. 에이전트뿐 아니라 가격 비교 서비스, 리커머스 플랫폼, D2C 브랜드 도구 등 다양한 클라이언트에 상품 데이터를 공급한다.

이 유형의 핵심 가치는 **데이터 정규화(normalization)**에 있다. 같은 상품이 네이버에는 “삼성 갤럭시 S26 울트라 256GB 팬텀블랙”으로, 쿠팡에는 “Galaxy S26 Ultra 256G 블랙”으로 등록되어 있을 때, 이를 하나의 통합 SKU로 매핑하고, 가격·재고·배송 정보를 실시간 동기화하는 것이다. 이 작업은 LLM 기반 엔티티 매칭으로 과거보다 훨씬 정확하고 저렴하게 수행할 수 있게 되었다.

기술적으로는 헤드리스 브라우저 기반 스크래핑으로 시작하되, 거래량이 증가하면 셀러가 직접 데이터를 피딩하는 양면 모델로 전환하는 것이 자연스러운 경로이다.

유형 C — D2C 브랜드 전용 에이전트 온보딩 플랫폼

자체 쇼핑몰(카페24, 아임웹 등)을 운영하는 D2C 브랜드들이 AI 에이전트에 자사 상품을 노출시킬 수 있도록 돕는 플랫폼. 브랜드의 기존 프로덕트 페이지를 에이전트 친화적 구조(structured data, Agent SDK 연동)로 전환해 주고, 에이전트 내 브랜드 가시성을 모니터링·최적화하는 도구를 제공한다.

네이버·쿠팡 종속에서 벗어나고 싶은 D2C 브랜드들에게는 에이전트 채널이 제3의 유통 경로가 될 수 있으며, 이 플랫폼은 그 전환을 기술적으로 가능하게 하는 역할을 한다. Shopify의 Agent SDK 연동이 해외에서 표준이 되는 시점에, 국내 D2C에 동일한 경험을 제공하는 로컬 플레이어가 될 수 있다.

4-2. 음식 배달 (Food Delivery)

음식 배달은 쇼핑보다 에이전트 커머스 진입이 더 빠를 수 있는 영역이다.

그 이유는 세 가지이다. 첫째, 의사결정 사이클이 짧다 — “오늘 저녁 뭐 먹지?”는 수 분 내에 결론이 나야 하는 질문이다. 둘째, SKU 복잡성이 낮다 — 메뉴는 상대적으로 단순하고, 변동 요인이 가격·배달 시간·평점 정도로 한정된다. 셋째, 결제·배송 인프라가 이미 완비되어 있다 — 배달의민족·요기요의 라이더 네트워크와 결제 시스템은 이미 작동 중이다.

유형 D — 배달 플랫폼 어그리게이터 에이전트 (Delivery Meta-Agent)

배달의민족, 요기요, 쿠팡이츠 등 복수 배달 플랫폼의 메뉴·가격·배달 시간·평점 정보를 통합하여 에이전트에 공급하는 어그리게이터이다. 소비자가 “집 근처 매운 음식 배달해줘, 30분 안에 오는 곳으로”라고 말하면, 이 어그리게이터가 세 플랫폼의 데이터를 실시간 조회하여 최적의 선택지를 제시한다.

기술적 진입은 헤드리스 스크래핑으로 시작한다. 배달 플랫폼들의 앱/웹 데이터를 실시간으로 수집하되, 배달 플랫폼 입장에서는 주문 유입이 늘어나는 것이므로 쇼핑 플랫폼보다 저항이 약할 수 있다. 특히 시장 점유율에서 뒤처진 플랫폼(요기요, 쿠팡이츠)은 오히려 에이전트 채널을 추가 유입 경로로 환영할 가능성이 있다.

수익 모델은 주문 건당 수수료(CPA)이며, 장기적으로는 식당 대상 프리미엄 노출(에이전트 추천 상위 배치) 상품으로 확장 가능하다. 배달 수수료에 대한 사회적 논의가 활발한 한국 시장에서, “에이전트를 통하면 더 저렴하게 주문할 수 있다”는 가치 제안이 소비자 채택을 촉진할 수도 있다.

유형 E — 식당 직접 주문 에이전트 (Direct-to-Restaurant Agent)

배달앱의 높은 수수료 구조에 불만인 식당들을 대상으로, 에이전트를 통한 직접 주문 채널을 제공하는 스타트업이다. 식당이 자체 메뉴·가격 정보를 이 플랫폼에 등록하면 AI 에이전트에서 해당 식당을 직접 주문할 수 있게 된다.

이 모델의 가장 큰 허들은 배달 인프라이다. 배민의 라이더 네트워크 없이 배달을 어떻게 처리할 것인가가 핵심 문제인데, 다양한 배달 대행 플랫폼과의 연동으로 해결할 수 있을 것으로 본다. 식당 입장에서는 배달앱 수수료(중개 수수료 + 광고비)보다 낮은 비용으로 주문을 받을 수 있다면 전환 동기가 충분하며, 소비자 입장에서도 에이전트가 알아서 최적의 채널(배달앱 vs 직접주문)을 선택해 준다면 경험의 차이를 느끼지 못한다.

초기에는 특정 지역(예: 음식 배달 집중도가 가장 높은 강남 3구, 관악구 중심)의 인기 식당 100~200곳으로 파일럿을 운영하고, 에이전트 채널 전환율과 식당 유지율을 검증하는 것이 현실적 접근이다. 쿠팡이츠가 초기에 음식배달 집중도가 높은 이들 지역에 먼저 집중한 것과 마찬가지로.

4-3. 여행 예약 (Travel Booking)

여행은 에이전트의 부가가치가 가장 크게 체감되는 버티컬이다. 항공+숙박+현지 프로그램+교통의 조합 최적화는 인간이 수 시간 걸리는 작업을 에이전트가 수 초 만에 처리할 수 있는 전형적인 사용 사례이다. 다만 항공권은 GDS(Global Distribution System) 접근에 라이선스가 필요하고 마진이 극히 낮으므로, 초기 진입은 **호텔 예약과 현지 프로그램(액티비티)**에 특화하는 것이 현실적이다.

유형 F — 현지 액티비티 에이전트 커넥터 (Local Experience Connector)

마이리얼트립, 클룩(Klook), 타빅(Traveloka), 현지 소규모 OTA들의 액티비티·투어 상품을 통합 수집하여 에이전트에 공급하는 커넥터이다. 이 영역은 쇼핑이나 배달과 달리 공급자가 극도로 파편화되어 있어 어그리게이션 자체가 가치를 만든다.

현재 해외 여행 프로그램 전체를 에이전트가 계획을 짜고 심지어 현지 여행사까지 추천해 줄 수 있지만, 현지 프로그램 예약은 결국 카카오톡이나 이메일으로 직접 연락해야 하는 상황이다. 이 마지막 구간의 실행 완료 (“last mile closing”)을 자동화하는 것이 핵심 가치 제안이다.

기술적으로는 주요 OTA 플랫폼의 API가 상대적으로 개방적이라는 점이 유리하다. 클룩, GetYourGuide, Viator 등은 어필리에이트 API를 이미 제공하고 있으며, 소규모 현지 업체의 경우 카카오톡 등의 메시지 기반 예약을 에이전트가 자동 처리하는 형태로 우회 연결할 수 있다.

유형 G — 호텔 도매(Wholesale) API 리셀러

호텔 업계에는 Bedbank(예: HotelBeds, WebBeds, Agoda Wholesale 등)라 불리는 도매 공급 업체가 이미 존재하며, 이들은 B2B API를 통해 호텔 재고와 도매 가격을 제공한다. 이 기존 도매 인프라를 에이전트 친화적 형태로 재포장하여 제공하는 헤드리스 리셀러가 등장할 수 있다.

에이전트가 “도쿄 시부야 근처 3박 호텔, 1박 15만원 이하, 평점 4.0 이상”이라는 조건을 받으면, 이 리셀러가 복수 Bedbank의 재고를 실시간 조회하여 최적가를 리턴하고, 에이전트를 통해 즉시 예약·결제까지 완결하는 구조이다. 국내 여행사 중 이미 Bedbank API 접근 권한을 보유한 중소 여행사가 피벗(pivot)하여 이 포지션을 차지할 가능성도 있다.

유형 H — 맥락 기반 여행 큐레이션 에이전트 (Context-Aware Travel Agent)

단순 검색·비교를 넘어, 사용자의 과거 여행 이력, 선호도, 일행 구성, 예산, 계절 등 복합적 맥락을 반영하여 전체 여행 일정을 설계하고 예약까지 원스톱으로 처리하는 에이전트이다. “3살 아이랑 가기 좋은 오키나와 3박 4일 일정 짜줘, 예산 200만원”이라는 하나의 프롬프트로 항공-숙박-렌터카-액티비티-식당까지 일괄 추천·예약하는 경험을 목표로 한다.

이 유형은 유형 F와 G의 인프라 위에 올라가는 애플리케이션 레이어이며, 차별화 요소는 큐레이션 품질(추천 정확도)과 실행 완결성(실제 예약까지의 마찰 최소화)에 있다. 에이전트 인터페이스(ChatGPT, Claude 등)를 프론트로 활용하되, 백엔드의 예약 오케스트레이션 로직이 핵심 IP가 된다.

4-4. 공통 인프라 — 헤드리스 플레이어의 부상

세 버티컬을 관통하는 공통 패턴이 있다. 기존 플랫폼의 데이터에 에이전트가 직접 접근할 수 없는 환경에서, **헤드리스 플레이어(Headless Player)**가 중간에서 데이터 접근·정규화·공급을 담당하는 구조가 반복적으로 나타난다는 점이다.

이들 Headless Player는 기존 플랫폼의 데이터에 대한 접근을 정규화하는 것이 기본 방식일 것이고, 경우에 따라 기존 플랫폼을 우회하여 (항공사 GDS, 호텔 aggregator등) wholesale 공급자와 직접 연결하는 경우도 점차 늘어날 것이다.

[에이전트 프론트엔드]
        ↓  표준화된 API 호출
[헤드리스 플레이어] ← ★ 새로운 사업 기회
        ↓  스크래핑 / 도매 API / 어필리에이트
[기존 플랫폼] (네이버, 쿠팡, 배민, 호텔스닷컴 등)

이 헤드리스 플레이어가 갖춰야 할 핵심 역량은 다음과 같다.

대규모 실시간 데이터 수집: 헤드리스 브라우저 팜(farm)을 운영하여 수백만 SKU/메뉴/상품의 가격·재고·상태를 준실시간으로 수집한다. 초기에는 Playwright, Puppeteer 등의 브라우저 자동화 도구로 시작하되, 규모가 커지면 전용 크롤링 인프라가 필요하다.

데이터 정규화 및 엔티티 매칭: 동일 상품이 복수 플랫폼에 다른 이름·형식으로 존재할 때 이를 하나의 엔티티로 매핑하는 능력이다. LLM 기반 엔티티 해석(entity resolution)은 이 작업의 정확도와 비용 효율을 극적으로 개선할 수 있다.

에이전트 친화 API 제공: OpenAI Agent SDK, Anthropic MCP, Google Agent Space 등 주요 에이전트 플랫폼이 소비할 수 있는 표준 형태의 API를 제공한다. 에이전트가 자연어 쿼리를 보내면, 구조화된 상품/메뉴/숙박 정보를 리턴하는 인터페이스이다.

법적 리스크 관리: 스크래핑은 본질적으로 법적 회색지대이다. 이 리스크를 관리하기 위해, 어필리에이트 공식 채널을 최대한 활용하고, 스크래핑은 공식 채널이 커버하지 못하는 영역에 한정하며, 플랫폼에 유입 트래픽이라는 가치를 제공하여 묵인 또는 공식 파트너십으로 전환하는 전략이 필요하다.

이 헤드리스 플레이어는 궁극적으로 에이전트 시대의 API 게이트웨이 역할을 한다. 과거 Twilio가 통신사 인프라를 API로 추상화하여 개발자에게 제공했듯, 이 플레이어는 한국 커머스·배달·여행 인프라를 API로 추상화하여 AI 에이전트에게 제공하는 것이다.

4-5. 버티컬별 진입 용이성 비교

5. 공급 사이드 — 네이버·쿠팡의 선택과 중간 레이어의 부상

5-1. 네이버가 먼저 움직일 가능성

쿠팡과 네이버를 비교하면, 에이전트 이커머스의 M2M(Machine-to-Machine) 트랜잭션에 먼저 대응할 가능성이 높은 쪽은 네이버이다. 그 구조적 이유는 다음과 같다.

쿠팡 — 아마존형 수직 통합의 딜레마: 쿠팡은 아마존과 유사하게 자체 물류(로켓배송), 자체 PG(쿠팡페이), 자체 앱 내 검색·추천·결제를 수직 통합한 생태계를 구축했다. 이 구조에서 외부 에이전트에 프로덕트 페이지를 개방한다는 것은, 자신이 오랜 시간 투자하여 구축한 트래픽 폐쇄 루프를 스스로 깨는 것을 의미한다. 쿠팡 입장에서 현재 1위 사업자로서 이 구조를 해체할 유인이 단기적으로 거의 없다. 이는 외부의 Agentic commerce 요청/트래픽에 대응하는 Amazon의 현재 입장과 동일할 것이다.

네이버 — 추격자의 전략적 선택지: 네이버는 쇼핑은 시장 점유율 차이가 근소하기는 하지만 쿠팡을 추격하는 2위 사업자이다. 추격자가 1위를 넘어서기 위해서는 기존 판의 규칙을 바꾸는 비대칭 전략이 필요하다. 에이전트 커머스를 통해 네이버 스마트스토어의 상품 데이터를 AI 에이전트에 개방하면, 쿠팡이 쉽게 따라오지 못하는 새로운 유통 채널을 선점할 수 있다. 물론 네이버의 DNA는 대체로 폐쇄적이며, 실제로 자체 ’에이전트 N’을 개발하는 중이다. 그러나 에이전트 N이 ChatGPT의 2,000만 국내 사용자 기반을 단기간에 따라잡기는 어려울 것이다. 네이버가 이 현실을 인정하면, “직접 만들기”에서 “열어주기”로의 전환이 일어날 수 있다.

단기적으로 그 효과가 폭발적이지는 않겠지만, 네이버가 에이전트 채널을 하나 더 여는 것만으로도 “네이버 스마트스토어 + 네이버쇼핑 + 에이전트 채널”이라는 3채널 구조가 되며, 이는 쿠팡의 단일 채널(쿠팡 앱) 대비 구조적 우위를 만든다.

5-2. 공급 사이드가 열리면 — 중간 레이어 시장의 개화

만일 네이버 혹은 쿠팡 중 하나가 에이전트 M2M 트랜잭션에 대응하여 프로덕트 페이지를 개방하면, 밸류체인에서 가장 빠르게 열리는 시장은 **중간 레이어(Middle Layer)**이다. 백엔드(상품 데이터·결제·물류)는 이미 구축되어 있고, 프론트엔드(ChatGPT 챗봇, OpenClaw 유형의 에이전트)도 일부 존재한다. 아직 부재한 것은 이 둘을 연결하는 인텔리전스 레이어이다.

이 중간 레이어가 수행하는 핵심 기능은 다음과 같다.

인텐트 해석 및 라우팅: 소비자의 자연어 요청(“3살 아이 카시트, 아이소픽스, 30만원 이하”)을 구조화된 상품 쿼리로 변환하고, 최적의 공급 채널(네이버·쿠팡·D2C 등)로 라우팅한다.

크로스 플랫폼 비교·최적화: 동일 상품이 여러 플랫폼에 다른 가격·배송 조건으로 존재할 때, 소비자에게 최적의 조합을 제시한다. 이것은 과거의 가격 비교 사이트가 수동으로 하던 일을 에이전트가 실시간·자동으로 수행하는 것이다.

전환 추적 및 어트리뷰션: 에이전트를 통한 추천이 실제 구매로 이어졌는지를 추적하고, 이를 기반으로 수수료를 정산한다. 에이전트 시대의 어필리에이트 트래킹 인프라이다.

5-3. 쇼핑을 넘어서 — 모든 공급 데이터베이스 보유 버티컬로의 확산

이 구조 변화는 쇼핑에만 국한되지 않는다. 백엔드에 구조화된 공급 사이드 데이터베이스가 이미 존재하는 모든 버티컬에서 동일한 패턴이 반복된다.

음식 배달: 배달의민족·요기요·쿠팡이츠는 이미 수십만 식당의 메뉴·가격·배달 가능 지역·평점 데이터를 구조화하여 보유하고 있다. 이 데이터가 에이전트에 개방되면, 중간 레이어가 “오늘 저녁 집 근처 매운 국물 음식, 30분 이내 배달, 만원 이하”라는 인텐트를 세 플랫폼의 데이터와 실시간 매칭하는 구조가 즉시 작동할 수 있다.

여행 예약: 호텔·항공·액티비티 분야는 이미 GDS, Bedbank(HotelBeds, WebBeds 등), OTA API(클룩, Viator, GetYourGuide 등)라는 형태로 공급 데이터가 구조화·표준화되어 있으며, 특히 해외 공급자들의 API 개방성이 높다. 중간 레이어가 가장 마찰 없이 진입할 수 있는 버티컬이다.

로컬 서비스(미용, 청소, 수리 등): 카카오헤어샵, 숨고, 크몽 등이 공급자 데이터를 보유하고 있으나, 데이터 구조화 수준이 쇼핑·배달보다 낮아 중간 레이어의 데이터 정규화 역량이 차별화 요인이 된다.

공통 패턴을 일반화하면, **“구조화된 공급 DB가 존재하는 곳이면 어디든 중간 레이어가 들어갈 수 있다”**는 것이다. 그리고 이 중간 레이어는 버티컬을 넘나들수록 네트워크 효과가 강해진다 — 하나의 에이전트가 쇼핑도 하고, 배달도 시키고, 여행도 예약할 수 있으려면, 모든 버티컬의 공급 데이터를 통합 제공하는 중간 레이어가 필수적이기 때문이다.

6. 소비자 접점 — 슈퍼앱 모델 vs 플러그인 에이전트 모델

6-1. 두 가지 소비자 접점 모델

에이전트 커머스의 밸류체인 반대편, 즉 소비자 접점(consumer touchpoint)에서는 현재 두 가지 경쟁 모델이 부상하고 있다. 누가 최종 승자가 될지는 아직 확정되지 않았으며, 두 모델 모두 충분한 가능성을 가지고 있다.

모델 1 — ChatGPT 슈퍼앱 모델: ChatGPT가 단일 인터페이스 안에서 대화·검색·쇼핑·예약·결제를 모두 처리하는 올인원 슈퍼앱으로 진화하는 경로이다. OpenAI가 DevDay에서 시연한 Shopify·Zillow 연동, Stripe 인앱 결제 추진이 이 방향을 명확히 보여준다. 사용자는 ChatGPT 하나만 열면 되고, 모든 트랜잭션이 ChatGPT 내부에서 완결된다. 강점은 단일 브랜드의 압도적 인지도(한국 내 2,000만+ 사용자)와 통합 경험이며, 약점은 특정 플랫폼에 대한 벤더 종속(vendor lock-in)과 OpenAI의 ‘장기적 플랫폼 독점’ 리스크이다.

모델 2 — OpenClaw형 플러그인 에이전트 모델: OpenClaw로 대표되는 plugin 가능한 구조의 AI 에이전트가 사용자의 기존 메신저(카카오톡, 텔레그램, WhatsApp, Discord 등)을 통해 서비스를 제공하는 경로이다. 사용자는 별도의 앱을 설치하지 않고, 이미 매일 사용하는 메신저에서 AI 에이전트와 대화하며 쇼핑·예약·배달을 처리한다. 경우에 따라 독자 앱이 등장하여 시장을 장악할 가능성도 배제할 수 없다. (90년대 후반 Yahoo!가 시장을 장악하였다고 생각할 때 Google이 등장하여 새로운 방식으로 판을 만들고 이를 장악하였듯이) 강점은 플랫폼 비종속성, 사용자 프라이버시, 무한한 확장성(3,000개+ 커뮤니티 스킬)이며, 약점은 초기 설정의 기술적 진입 장벽과 보안 리스크이다.

핵심적 차이는, 슈퍼앱 모델에서는 플랫폼이 사용자를 소유하고, 플러그인 에이전트 모델에서는 사용자가 에이전트를 소유한다는 점이다.

6-2. 중국의 선행 사례 — 슈퍼앱 + 에이전트 내장의 가속

중국은 이 두 모델의 융합이 가장 빠르게 진행되고 있는 시장이며, 한국에 대한 강력한 선행 지표이다.

슈퍼앱 내 에이전트 내장: 텐센트는 AI 챗봇 위안바오(Yuanbao)를 위챗에 통합하여, 13억 위챗 사용자가 메신저 안에서 AI 에이전트를 바로 사용할 수 있게 하고 있다. 알리바바의 큐원(Qwen)은 타오바오·알리페이·가오더(지도)·페이주(여행) 등 알리바바 전체 생태계를 하나의 AI 인터페이스로 묶어, 베타 공개 두 달 만에 MAU 1억 명을 돌파했다. 바이트댄스의 더우바오(Doubao)는 한 단계 더 나아가 사용자의 스마트폰을 직접 조작(앱 실행, 화면 탐색, 검색 비교)하는 에이전트로 진화하고 있다.

아울러, 미국 소비자 시장에서는 아직 ChatGPT가 압도적인 점유율을 가지고 있고, 여기에 광고, instant checkout 등의 소비자 향 서비스를 추가하면서 AI Super App으로의 진화를 시도하고 있다.

OpenClaw 열풍: 중국에서 OpenClaw의 확산 속도는 다른 어떤 시장보다 빠르다. 2026년 3월 6일 텐센트 선전 본사 앞에 약 1,000명이 OpenClaw 무료 설치를 위해 줄을 서는 장면이 상징적이었으며, ’랍스터 키우기(養龍蝦)’라는 신조어까지 등장했다. 바이두·알리바바·텐센트 등 빅테크가 자사 클라우드에서 OpenClaw 원클릭 배포를 지원하고, 샤오미는 스마트폰·자동차·TV에 에이전트 제어 기능을 테스트 중이다. 텐센트는 OpenClaw에서 영감을 받은 자체 에이전트 WorkBuddy를 출시하기도 했다. IT를 전혀 모르는 일반인들까지 적극적으로 OpenClaw를 수용하려는 움직임이 관찰되고 있다는 점에서, 중국은 에이전트 소비자 접점의 대중화가 다른 시장보다 6~12개월 앞서 진행되고 있다.

이 중국 사례가 시사하는 바는, 슈퍼앱 모델과 플러그인 에이전트 모델이 반드시 양자택일이 아니라 공존하며 융합할 가능성이 높다는 것이다. 슈퍼앱이 에이전트를 내장하고, 동시에 OpenClaw 같은 독립 에이전트가 슈퍼앱의 서비스에 플러그인으로 접속하는 구조가 형성되고 있다.

6-3. 한국 시장에의 시사점

한국의 소비자 접점 지형은 중국·미국과 다른 고유한 특성이 있다.

카카오톡이라는 변수: 한국에는 MAU 4,700만의 국민 메신저 카카오톡이 있다. 카카오톡 안에 OpenClaw형 AI 에이전트가 들어오면 — 카카오가 직접 만들든, 서드파티가 카카오톡 채널을 통해 제공하든 — 사용자의 추가 앱 설치 없이 에이전트 커머스가 즉시 작동할 수 있다. 카카오톡 대화창에서 “오늘 저녁 근처 일식집 배달해줘”라고 말하면 AI 에이전트가 배민·요기요를 조회하여 주문까지 완결하는 경험은, 새로운 앱을 깔아야 하는 ChatGPT보다 마찰이 낮다. 그러나 현재 카카오는 AI 에이전트 영역에서 유의미한 움직임을 보이고 있지 않으며, 이 공백이 언제까지 지속될지가 관건이다.

텔레그램·디스코드를 통한 우회 진입: 카카오톡이 움직이지 않는 동안, OpenClaw를 텔레그램·디스코드·WhatsApp 등에 연결하여 에이전트 커머스를 제공하는 스타트업이 등장할 수 있다. 이 경우 초기 사용자는 기술 얼리어답터에 한정되지만, 서비스의 편의성이 입증되면 “그 에이전트를 쓰려고 텔레그램을 깐다”는 역전된 앱 설치 동기가 발생할 수 있다. 이는 과거 “당근마켓을 쓰려고 동네 커뮤니티 앱을 깐다”와 유사한 패턴이다.

두 모델의 공존 시나리오: 한국에서 가장 현실적인 시나리오는, ChatGPT가 슈퍼앱으로서 에이전트 커머스의 대중적 인식을 형성하고(시장 교육 역할), 동시에 OpenClaw형 에이전트가 카카오톡·텔레그램 등 기존 메신저를 통해 실제 트랜잭션을 처리하는 이중 구조이다. 전자가 “에이전트에게 쇼핑을 시킬 수 있다”는 개념을 대중에게 각인시키고, 후자가 한국 로컬 생태계(배민, 네이버쇼핑, 카카오T 등)와의 깊은 연동을 통해 실제 실행을 담당하는 분업이다.

6-4. 소비자 접점에서의 스타트업 기회

유형 I — 메신저 네이티브 커머스 에이전트: 카카오톡 채널 또는 텔레그램 봇 형태로 동작하며, 쇼핑·배달·예약 등 다양한 버티컬의 에이전트 커머스를 제공하는 서비스이다. OpenClaw의 아키텍처를 활용하되, 한국 로컬 서비스(배민, 네이버쇼핑, 카카오T, 야놀자 등)와의 연동에 특화한다. 사용자는 이미 사용 중인 메신저에서 자연어로 요청만 하면 되므로, 새로운 앱을 배울 필요가 없다.

유형 J — 에이전트 오케스트레이션 플랫폼: ChatGPT, Gemini, OpenClaw 등 복수의 AI 에이전트가 한국 로컬 서비스에 접속할 수 있도록 통합 API 게이트웨이를 제공하는 인프라 사업이다. 어떤 에이전트를 사용하든, 이 게이트웨이를 통해 배민 주문, 네이버쇼핑 검색, 카카오T 호출이 가능한 구조를 만든다. 소비자 접점에서 누가 승자가 되든 상관없이 성장하는 agent-agnostic 포지션이다.

유형 K — 한국형 OpenClaw 스킬 생태계 빌더: OpenClaw의 글로벌 스킬 마켓플레이스(ClawHub)에는 아직 한국 로컬 서비스 연동 스킬이 거의 없다. 배민 주문 스킬, 네이버쇼핑 검색 스킬, 카카오T 호출 스킬, 한국 은행 잔고 조회 스킬 등을 집중 개발하여 ClawHub에 등록하고, 이를 기반으로 한국 사용자 커뮤니티를 형성하는 스타트업이다. OpenClaw의 GitHub 스타가 이미 25만 개를 넘어섰고, 중국에서의 폭발적 성장이 아시아 전반으로 확산되고 있는 시점에서, 한국 로컬라이제이션은 시급하면서도 아직 누구도 본격적으로 점유하지 않은 공백이다.

7. 시사점 요약

이 분석이 수렴하는 핵심 결론은 세 가지이다.

첫째, 한국 에이전트 커머스의 병목은 기술이 아니라 구조이다. AI 모델의 성능은 이미 충분하고, 소비자의 AI 사용 습관도 형성되어 있다. 부재한 것은 폐쇄적인 공급 사이드(네이버·쿠팡)와 에이전트 프론트엔드를 연결하는 중간 레이어이다. 이 레이어를 먼저 구축하는 플레이어가 한국 에이전트 커머스의 인프라를 장악한다.

둘째, 공급 사이드와 소비자 접점 양쪽에서 동시에 기회가 열리고 있다. 공급 사이드에서는 네이버가 추격자 전략의 일환으로 에이전트 채널을 여는 것이 가장 현실적인 촉발 이벤트가 될 수 있고, 소비자 접점에서는 ChatGPT 슈퍼앱 모델과 OpenClaw형 플러그인 에이전트 모델이 공존하며 시장을 확대할 것이다. 이 양쪽 끝을 연결하는 중간 인프라가 투자 적기에 놓여 있다.

셋째, 시간이 편을 들어주는 쪽은 외산 플레이어이다. 네이버·쿠팡·카카오가 폐쇄적 전략을 유지한다면, 그동안 ChatGPT는 한국 소비자의 AI 쇼핑 습관을 형성하고, OpenClaw는 한국 개발자의 에이전트 생태계를 확장한다. 중국에서 이미 관찰된 “슈퍼앱 + OpenClaw 열풍”이 한국에 상륙하는 시점에서, 국내 플랫폼들의 대응 준비가 되어 있지 않으면 싸이월드 시나리오가 현실이 될 수 있다.

초기 VC에게 이 구간은, 플랫폼 전환기에 나타나는 전형적인 “picks and shovels” 투자 기회이다. 에이전트 커머스라는 골드러시에서, 공급 사이드의 데이터를 에이전트에 연결하는 중간 레이어, 그리고 소비자 접점에서 한국 로컬 서비스를 에이전트에 플러그인하는 커넥터 — 이 두 축에서 가장 빠르게 실행하는 팀이 다음 10년의 커머스 인프라를 정의하게 될 것으로 본다.

앞서 [Two Cents #87 — Part I]에서는, OpenClaw 구조(architecture)가 보여주는 변화 — Conversational AI Assistant와 agentic code execution의 결합 —가 소비자 레이어에서 가져 올 수 있는 질적으로 새로운 구조 변화를 논의하였다. 즉, 사용자의 의도(intent)를 포착(intent capture)하고, 실행(execution)을 조율하거나, (on the fly로 capability/app 을 만들어서) 직접 수행하며, 시간이 지날수록 사용자의 의도(intent)의 축적을 통하여 더 깊은 개인화 인프라(personalization data) 축적하는 AI Concierge의 출현이다. 그 글은 “지금 무슨 구조 변화가 일어나고 있나”에 대한 관찰이다.

이번 Part II에서는, 관찰에서 한 발 더 나아가 앞으로 일어날 일에 대한 전망을 해 본다. 만약 다수의 소비자가, 단순히 ‘답을 해주는’ 챗봇이 아니라 실제로 일을 ‘조율하고, 계획하고, 실행까지 해 주는’ AI concierge agent를 보편적으로 사용하게 되면, 소비자 대상 소프트웨어의 구조와 의미, 그에 대한 접근 구조 (distribution), 그리고 value capture는 어떻게 바뀔까? 기존의 value capture 구조는 어떻게 변화해 갈까?

먼저, 이후의 모든 이야기를 이해하는 데 가장 중요하다고 생각하는 구조적 프레이밍으로서 “앞으로의 변화가 갖는 구조에 대한 해석”을 제시한다. 그리고, 특히 중요하다고 보는 세 가지 키워드—(1) portal 중심 구조의 붕괴(disruption), (2) app의 분해(decomposition)와 재구성(reassembly), (3) device detachment 가능성—을 중심으로, 각 영역에서 실제로 무슨 일이 일어날 수 있는지 (what might actually happen)를 정리해 본다. 그리고, 초기 창업자/초기 투자자에게 열리는 기회의 가능성을 언급하면서 마무리한다.

I. 앞으로의 변화가 갖는 구조

“Attention Economy”에서 “Intent Economy”로

[Two Cents #84]에서 “Attention Economy”에서 “Intent Economy”로의 구조적 전환에 대하여 살펴 보았다.

지난 30여년간 consumer internet은 한 가지의 근본적 제약 하에서 작동해 왔다. Google Search, Facebook News Feed, TikTok의 알고리즘, Amazon의 product ranking—이 모든 생태계는 “사용자가 정확히 무엇을 원하는지 정확히 알 수 없다”는 한 가지 근본적 제약 기반으로 설계되었다. “정확히 파악하기 어려운 사용자의 의도”에 대하여 최대한 근사치를 추정(approximate)할 수밖에 없었다. 웹사이트 방문, 클릭, 체류시간(dwell time), 스크롤 깊이, 검색 키워드—이런 것들은 모두 attention signal이며, 사용자의 실제 의도(intent)에 대한 가장 가까운 proxy였다. 그리고 전 세계 $600B+ 규모의 디지털 광고 시장, SEO 산업, affiliate 생태계는 결국 “eyeball의 흐름을 파악하고 (intent의 근사치를 확보하고) → 그 근사치를 경제적 가치로 전환하는” 구조 위에서 성장했다. 이 구조를 “Attention Economy”라고 부른다.

그런데 AI는 이 방식을 근본적으로 바꿀 수 있다. 사용자가 AI에게 — 챗봇이거나 Concierge이거나 — 원하는 바를 이야기하면 (“4월 첫째 주에 교토 가족 여행, 1박 $200 이하, 근처에 채식 옵션 괜찮은 곳—family-friendly 호텔 찾아줘.”), AI는 사용자의 의도를 (추정할 필요 없이) 명시적으로, 정확히 파악하게 된다.

AI 기반 환경은 ChatGPT, Claude, personal AI Assistant 같은 entity를 등장시키고, 이들은 사용자 intent를 “best approximation”이 아니라 직접적으로 접수/파악할 수 있으며, 그 intent의 실행(execution)까지 이어갈 수 있다. 이 전환을 Intent Economy라고 할 수 있다.

이 개념을 Cambridge 연구자들은 “intention economy”로 설명했는데, 인간의 intention이 명시적 commodity가 되어 실시간으로 캡처/해석/행동되는 시장을 의미한다. Outlier Ventures 역시 attention-centric internet에서 outcome-centric internet으로의 전환으로 설명한다.

결국 Attention Economy → Intent Economy라는 프레이밍은 아래에서 말할 모든 변화를 이해하는 가장 중요한 렌즈(lens)라고 본다.

누가 intent를 캡처하는가—그리고 어떻게?

이 구조에서 다음 가장 중요한 질문은 “누가 사용자의 intent를, 어떤 지점에서(point of origin), 어떤 메커니즘으로 캡처하는가?”이다.

돌이켜 보면, 최근의 모든 주요 기술적 전환기에는 “intent capture layer를 선점한 entity”가 distribution을 장악했고, 그 결과 가장 큰 경제적 가치를 축적했다.

• Web era: query box에서 intent를 캡처한 search engine → Google

• Mobile era: download moment에서 intent를 캡처한 app store → Apple/Google

• Social era: engagement proxy로 intent를 캡처한 feed algorithm → Facebook/TikTok

즉, distribution—intent가 실행으로 연결되는 길목—을 장악한 곳이 가장 큰 value를 가져갔다.

AI era에서는, intent가 prompt/voice/contextual instruction 형태로 직접적으로 표현된다. 그리고 그 intent가 “처음 landing하는 default interface”가 새로운 distribution을 쥘 가능성이 높다. 이 점은 OpenClaw 구조에서 아래의 질문으로 바뀐다.

1. 모두가 OpenClaw 같은 AI Assistant를 통해 end-to-end로 일을 처리한다면, 우리는 여전히 portal/gateway가 필요할까? Google이 기본 시작점으로, Amazon이 기본 쇼핑 목적지로? (아마 점점 덜 필요해 질 것이다..)

2. AI Assistant가 primary intent capture point가 되면, value는 어디로 집중될까? 아마 Assistant와 그것이 관리하는 Context/Personalization Memory로 갈 것이다. 그런데, 이 구조에서는 과거와 달리 하나의 “winner take all” 구조 보다는, 이 value가 수백만 개의 개인 assistant에 분산될 가능성이 더 높다.

3. AI Assistant가 intent를 캡처한 뒤, 그 요청을 어디로 전달(routing)할까? category-specific provider로 직접? 아니면 새로운 intermediary를 거쳐? 그리고 assistant는 어떤 기준으로 선택할까—사용자 명세(user specification), bidding, marketplace dynamic, algorithmic optimization? 결국 이 routing을 처리하는 entity가, 새로운 value chain의 가장 전략적 chokepoint에 앉게 된며, (‘intent capture’ 자체보다) 각 Assistant가 파악한 ‘사용자의 intent’가 누구에게 어떻게 전달(routing)되는지에 따라 다른 distribution 구조가 등장할 것이고, 누가 가장 큰 value capture를 할지도 그 구조에 따라 달라질 것이다. (그 자세한 구조에 대해서는 아래에서 좀 더 살펴 본다.)

Intent capture 구조에 대한 두 가지 후보

현재까지 진행된 시장 구조 기반으로는, 두 가지 후보가 경쟁한다고 본다.

Candidate 1: AI Super App이 portal로 남는다.

ChatGPT, Gemini, 혹은 새로운 진입자가 WeChat 같은 super app으로 “기본 목적지(default destination)”가 되어 intent를 캡처하는 구조다. 이 시나리오가 완전히 불가능하다고 생각하지는 않는다. (사실 OpenClaw 아키텍처가 나오기 전까지는, 나도 AI Super App 시나리오를 가장 높은 확률로 보기도 했다.)

하지만 OpenClaw 같은 ‘개방적이고 분산된 concierge 모델’이 등장하면서, (특히 서구 시장에서는) 단일 앱이 intent capture layer를 독점할 확률은 꽤 낮아졌다고 본다. 새로운 WeChat-style의 super app이 scratch에서 부터 새롭게 나타날 가능성은 더더욱.

Siri와 Alexa는 흥미로운 edge case다. 이들은 현재 구조에서 압도적인 distribution 우위를 가지는 생태계 (앱스토어, 쇼핑)에 embed되어 있다는 강점이 있다. 그런데 만약 AI assistant가 더 자율적이고 강력해지며, 기존 하드웨어/OS 생태계 자체의 중요도가 희석된다면, Siri/Alexa가 super app 지위를 주장할 기반도 함께 약해진다. 결국 smartphone이 소비자 intent capture에서 어떤 역할을 유지할지(혹은 잃을지)는 아직 가변적이라고 (genuinely unsettled)라고 본다. (아래 device detachment 논의에서 더 자세히 살펴 본다.)

Candidate 2: 개인 AI Assistant가 primary concierge가 된다.

OpenClaw-type 아키텍처를 보면 이쪽이 더 가능성이 높다고 느낀다. (이 글을 쓰게 된 동기가 되기도 하였다.)

이 모델에서는 사용자의 personal AI Assistant가 intent를 캡처하고, 다른 entity (agents/services/providers)를 찾아 M2M(machine-to-machine) 구조로 ‘거래’를 함으로써 ‘intent 실행’ (fulfillment)을 수행한다.

그리고 fulfillment를 실행할 entity를 찾는 방식도 한 가지로 수렴하지 않을 것이다. search(광고 economics), recommendation(affiliate economics), marketplace(A2A negotiation), bidding(auction economics) 등 현재의 시스템에서 검증된 다양한 구조가 vertical/use case별로 공존할 가능성이 크다.

핵심은, intent capture가 centralize되기보다 다양한 형태로 ‘분산’된다는 점이다. 하나의 portal이 트래픽을 다 모으는 구조가 아니라, 각 사용자 컨텍스트를 가진 수많은 assistant가 intent capture의 출발점이 되고, 이를 전달(routing)하는 구조에 따라 다양한 distribution 구조를 가지게 될 것이다.

타임라인: “Gradually, then suddenly”

이 변화가 하룻밤 사이에 일어난다고 생각하지는 않는다. 향후 몇 년 동안은 기존 portal과 AI Assistant가 공존할 것이다. Google은 AI Overviews로 방어할 것이고(이미 30% 이상의 검색 쿼리에 등장), Amazon은 Buy for Me 같은 기능을 시도할 것이다. 하지만 사용자의 행동은 이미 움직이기 시작하였다. OpenClaw는 GitHub stars 145,000+를 확보했고, Baidu가 OpenClaw-type agent를 자사 search app에 embed해 7억 사용자에게 제공했다는 이야기도 들린다.

5년 정도가 지나면, 주요 플레이어의 역할과 value distribution은 구조적으로 정착될 가능성이 높다고 본다. 그리고 10년 지평에서 보면, 전통적 portal 모델은 BlackBerry처럼 “변화가 시작된 이후에도 한동안 (오히려 더 빠르게) 성장하다가, 어느 순간 순식간에 몰락”하는 존재가 될 수도 있다.

이런 변화는 대개 “Gradually, then suddenly” 패턴을 따른다. Google, Amazon, Facebook, Roblox 모두 지금의 지배적 위치까지 10~15년이 걸렸다. 초기 투자자 관점에서 5~10년은, power-law bet이 가장 의미 있게 작동하는 구간이기도 하다. 시장의 컨센서스가 “불가피”를 인정하기 전에, 새로운 구조적 플레이어에 베팅할 수 있기 때문이다.

이 구조적 배경 하에서, 구조의 변화를 설명하는 세 가지 키워드로 넘어가 본다.

II. Three Keywords — What Might Happen?

Keyword 1: Portal Disruption & Value Capture 재편

Background

모두가 AI Assistant를 갖게 되면, 우리는 여전히 portal이 필요할까? 정보는 Google, 쇼핑은 Amazon, 소프트웨어는 App Store, 소셜/콘텐츠는 Facebook/TikTok에 해당하는.

그 변화할 구조는 “서비스 유형에 따라 다른 형태”가 될 가능성이 높다.

Transactional services(search, shopping, booking, utilities)는 가장 직접적으로 위협 받을 것이다. 사용자가 AI Assistant에게 intent를 표현하고, 항공권 가격 비교 → 호텔 예약 → 상품 구매까지 end-to-end로 실행할 수 있다면, Google/Amazon을 ‘시작점’으로 방문할 이유가 줄어든다. intent capture가 portal에서 assistant로 이동하고, portal이 하던 “traffic concentration” 역할이 약해진다.

Personal data-based services(email, calendar, document management)는 “개인 데이터 + 툴 = 앱 번들”의 전형이다. 이 구조가 분해된 세상에서는, 개인 데이터가 user-owned personalization layer로 이동하고, 툴 기능은 assistant가 직접 처리하는 방향으로 갈 가능성이 높다. 여기서 핵심 변수는 “각 사용자의 personal data가 어디에 축적”되고, “기존 플랫폼의 개인 데이터가 어떻게 이동 가능할까(portability)”가 된다.

Externality-data services—제품 자체가 externality data인 서비스—는 더 오래 버틸 가능성이 있다. 소셜 네트워크가 대표적이다. 소셜 그래프와 상호작용은 본질적으로 집단적(collective)이며, 한 개인의 assistant가 쉽게 복제하기 어렵다. 다만 여기서도, social graph portability가 생기면 moat가 서서히 약해질 수 있다. 소셜 그래프와 상호작용 히스토리가 export 가능해지는 순간, switching cost는 0에 가까워지고 Facebook/Instagram의 구조적 방어력도 약해질 수 있다.

What might happen: Value Capture 재편

이 변화의 구조적 함의는, value가 중앙집중형 portal에서 AI Assistant와 그것이 관리하는 personalization data 중심의 분산 생태계로 이동한다는 것이다.

새로운 value concentration point는 대략 세 가지로 보인다.

• AI Assistant 자체: intent를 해석하고 라우팅하는 1차 주체

• Context/Personalization data layer: 시간이 지날수록 assistant를 더 유용하게 만드는 기억/선호/상태 (Scott Belsky가 말한 “personalization effects”)

• Intent routing layer: 사용자 intent와 fulfillment를 매칭하는 중개 레이어

이 변화의 영향을 받을 플레이어는:

• Google search advertising ~$200B: 그중 purchase intent 관련 ~$130B+가 노출될 수 있음

• Amazon search advertising ~$55B: agent가 comparison-shop & direct purchase를 시작하면 리스크

• SEO 산업: discovery 메커니즘이 바뀌고, zero-click이 65%+라는 관측도 있으며, SEO → GEO(Generative Engine Optimization) 전환이 진행 중

• 기존 Ad Network: impressions/clicks(Attention)에서 outcomes/fulfillment(Intent)로 foundational model이 이동

이 구조에서 (Google, Amazon과 같은) ‘독점에 가까운 새로운 플레이어’가 새롭게 등장할 가능성은 그리 높아 보이지 않는다. 특히 미국 시장은 중국보다 훨씬 분절되어 있고, OS gatekeeper(Apple/Google/Microsoft)의 영향도 크며, privacy/규제 기대치도 높기 때문에, 결과는 winner-take-all보다 multipolar equilibrium—여러 플레이어가 공존하되 power-law 성격의 승자들이 일부 나오는—구조일 가능성이 더 높다.

그리고 이 모든 구조 변화에는 state portability라는 중요한 질문이 깔려 있다. 지금의 lock-in은 user state가 갇혀 있기 때문에 작동한다. Instagram에 소셜 그래프, Spotify에 청취 히스토리, Amazon에 구매 패턴. 만약 persistent state가 분리되어 저장되고(exportable) 이동 가능해지면, 서비스는 assistant가 그 state 위에서 실시간으로 재구현(re-implement)할 수 있다. 그러면 앱이 value의 중심이 아니라, state가 중심이 된다. 그래서 DID(Decentralized Identity)와 state portability 인프라는 결코 niche 토픽이 아니라고 본다. 전체 value chain 재편의 enabling tech이기 때문이다.

Investment thesis implications

• Intent routing layer 인프라: 어떤 매크로 시나리오가 이기든, intent와 fulfillment 사이의 중개자는 distribution-level value를 가져간다. (여기에 기존의 SEO 시장이 어떤 형태로든 적응하여 GEO라는 새로운 구조로 이 지점에서 살아 남을 가능성이 높다고 본다. 단, 사람이 아닌 agent에게 “발견되고 선택되는 방식” 기반으로)

• Personalization infrastructure: personal data vault, context store, state management protocol.

• DID/Identity 인프라: 차세대 login standard, state portability/social graph export의 기반.

• 가장 위험한 영역: portal traffic에 구조적으로 의존하는 비즈니스(SEO agency, affiliate network, display ad 기반 publisher).

Keyword 2: “Death of App”…라기보다 App Decomposition → Reassembly

Background

오늘날 “앱”은 번들이다. UI/검색/네비게이션으로 intent를 캡처하고, 기능을 실행하며, personalization data(히스토리/선호/상태) 저장을 bundled package로서의 app 내부에서 모두 처리한다.

Clawverse에서는 이 번들이 분리된다. 대략 앱이 수행하는 주요 역할에 따라 3개 레이어로 분해될 것이다.

기존 구조에서는 앱 하나가 세 layer를 모두 소유했고, distribution은 “앱의 delivery quality”와 “외부 discovery 메커니즘(Google/App Store ranking)”에 의해 결정되었다. 하지만 새 구조에서는 레이어가 분리되고, 서로 다른 entity가 각 레이어를 소유할 수 있다. 그때 투자 관점의 핵심 질문은 이것이 된다.

어느 레이어에서 누가 가장 큰 value를 가져갈 것인가?

나는 Intent Capture & Routing Layer가 가장 큰 value capture를 하는 layer가 될 것이라고 본다. 이것이 AI 시대의 consumer app distribution이며, 지난 20년간 Google Search와 App Store가 했던 역할에 가깝다.

그리고 이때 재편되는 시장의 규모는 아주 크다.

• Google 광고 ~$200B (purchase intent 관련 ~$130B)

• Amazon search ads ~$55B

• App Store/Google Play ~$200B

합치면 $500B+가 구조적으로 재구성될 수 있는 영역이다. (이 숫자는 보수적으로 잡아도, 충분히 “플랫폼 세대 전환급”이라는 느낌을 준다.)

Tom Tunguz가 말한 것처럼, “웹은 이미 agent-first design으로 뒤집어지고 있다”. “findable”하다는 것은 인간 검색 결과에서 잘 뜬다는 의미가 아니라, 누군가를 대신해 행동하는 소프트웨어(agent)에게 usable하다는 의미가 되기 시작한다.

What might happen: Delivery/Execution의 3가지 방향

나에게는 delivery layer 구조가 가장 변화가 크고 그 결과를 예측하기 어렵다. 아마 아래 3방향이 hybrid로 공존할 듯 하다. (비중은 vertical/시간에 따라 계속 바뀔 것이다.)

Direction 1: Direct routing

AI Assistant가 각 카테고리에서 최적 provider를 찾아 직접 라우팅한다. 이 경우 assistant는 routing을 통해 value accrual까지 가져가며, 사실상 새로운 의미의 AI Super App처럼 행동한다. 현재 다양하게 등장하는 다양한 AI Assistant hosting 플랫폼들이 (정확히는 OpenClaw의 호스팅 플랫폼. HyperAgent 등) 초기 웹의 portal처럼 작동할 수도 있지만, 이들이 long-term defensibility를 가질지에 대해서는 의문이 크다.

Direction 2: Intermediated routing

별도의 사업자가 intent를 해석하고 라우팅하는 새 distribution layer가 등장한다. 웹에서 search, 모바일에서 app store가 했던 역할의 재등장이다. 여기에서 등장할 다양한 구조적 가능성이 제일 흥미롭다고 본다.

• 2-1 Single intermediary: Google 같은 단일 라우터. 이론적으로 가능하지만 agent era에서는 가장 가능성이 낮다고 본다.

• 2-2 Category-specific intermediaries: vertical별 다수의 라우터. assistant는 bidding/best-solution proposal 등을 기준으로 거래하고, value는 assistant와 여러 intermediary로 분산된다. Google/Amazon급 집중보다 분산 구조가 더 가능성이 높을 것이다.

• 2-3 Headless providers: assistant가 intermediaries를 우회하고 headless service provider와 직접 거래한다. 예컨대 travel에서 Hotels.com/Kayak을 건너뛰고, GDS/호텔 aggregator/local OTA와 바로 거래하는. 이 경우 intermediary value capture는 크게 사라진다.

Direction 3: vibe coding으로 direct execution

assistant가 라우팅 자체를 하지 않고, 필요한 솔루션을 직접 만들어 실행한다. 예를 들면, 개인화된 헬스/비용 tracker가 필요하면 AI Assistant가 직접 코드를 만들어 돌린다. 이 시나리오에서는 제3의 앱이 value를 가져갈 자리가 없다.

내 예상은 1/2/3이 혼재할 것으로 본다. Direction 3은 단순하고 self-contained한 작업을, Direction 2는 복잡한 multi-party transaction을, Direction 1은 “명확한 best provider가 존재하는” vertical을 더 많이 담당할 수 있고, 이들 간의 구조, 비중은 시장 변화에 따라 지속적으로 변화할 것이다. 하지만 “앱이라는 단일 번들”의 시대는 구조적으로 끝을 향하고 있다고 본다.

Investment thesis implication

• AI Concierge platform: OpenClaw-style assistant를 mainstream 소비자에게 제공하는 hosting platform이 등장할 수도 있다. (아직 사용자 접점에서 AI Assistant 제공을 누가/어떻게 담당할지에 대한 의문이 크지만) 이 구조에서도 단일 Yahoo!/Google 같은 지배적 portal이 나오기보다는, 여러 플랫폼이 공존하거나, (OSS를 소비자가 설치하여 사용할 가능성은 낮지만) 그 구조에 가까운 완전히 분산된 구조도 가능할 것으로 본다.

• Intent routing/marketplace 인프라: 단일 독점이 아니라 mid-scale intermediary 다수가 나타나는 시장.

• 거래 인프라의 재구성: SEO→GEO, Ad Network→Agent bidding, affiliate→A2A negotiation. 이 시장은 최소 $400B+ 노출 광고 시장과 동급 규모가 될 수도 있고, 더 큰 global ad market(~$1.5T. 글로벌 GDP의 1.5% 기준)까지 확장 가능하다는 주장도 가능하다(‘Big If’이긴 하지만).

• Picks & Shovels: orchestration, A2A transaction rail(결제/신뢰/평판/아이덴티티). Tunguz가 “한 사람이 하루에 50개 agent를 관리”할 거라 예측한 것처럼, coordination 자체가 거대한 시장이 된다.

• 가장 위협받는 것들: standalone app / single-function SaaS / App Store(“skill store”로 축소) / portal-dependent business.

Keyword 3: Device Detachment & 새로운 “Consumer OS”

Background

오늘날 우리의 디지털 라이프는 device에 묶여 있다. iPhone은 Apple ecosystem, Android는 Google ecosystem. hardware + OS + default + distribution의 결합이 incumbent power의 핵심이다. 그리고 이 결합이 유지되는지, 혹은 느슨해지는지. 나는 이것이 Consumer AI에서 “누가 이기는가”를 좌우하는 가장 중요한 변수 중 하나라고 본다.

AI Assistant가 사용자의 primary interface가 될수록, 특정 앱/파일/데스크톱에 대한 의존은 줄어든다. 그리고 특정 앱이 필요 없으면, 특정 device도 ‘필수’가 아닐 수 있다. 여기서 device detachment라는 가능성이 열린다. 사용자의 primary digital relationship이 device가 아니라, cloud에 사는 AI Assistant로 이동하는 시나리오다. 여기에 여전히 두 가지 시나리오가 모두 가능하다고 본다.

• Device-bound scenario: 스마트폰 혹은 (AR 등의) 개인 디바이스가 기본 AI touchpoint로 남는다. Siri가 Apple Intelligence로 진화하고, Apple은 OS-level integration, background execution permission, default setting으로 intent capture를 통제한다.

• Device-detached scenario: personal AI Assistant가 어디서나 접근 가능한 primary interface가 된다. AI가 사실상의 Consumer OS가 되고, device는 commodity viewport가 된다.

OpenClaw는 messaging app과 cloud interface 위에서 돌아가며, 특정 hardware/OS에 종속되지 않는다는 점에서 device-detached 비전의 초기 형태로 볼 수 있다. Scott Belsky가 말한 것처럼, 시장은 interface layer에서 승부가 날 것이고, AI 시대에는 그 interface 역할을 하는 “Consumer OS”가 iOS/Android가 아니라 AI Assistant 자체가 될 수 있다.

What might happen: User-AI interface의 3가지 옵션

이 변화의 방향은 다양한 방향의 스펙트럼이 될 것이다.

Option 1: Device-bound (현상 유지)

개인 디바이스(스마트폰, AR glasses등)이 primary AI interface. voice + screen UX. incumbent들이 베팅하는 가장 예측 가능한 시나리오다.

Option 2: Voice-primary hybrid (5~10년 구간에서 가장 그럴듯한 시나리오)

voice가 main UX modality가 되고, 화면은 확인/복잡한 의사결정에서만 보조적으로 쓰는 구조. 중기(5~10년)에는 이 시나리오의 확률이 높다고 본다. 이때 device/OS의 역할은 줄고, AI Assistant가 primary touchpoint, 즉 de facto Consumer OS가 된다. 사용자의 loyalty가 device brand에서 assistant brand로 이동하기 시작한다.

Option 3: Full device detachment (장기 가능성)

이 환경에서는 개인 디바이스가 필요 없어진다. ambient microphone가 입력, 주변의 어떤 화면이든 출력. device 기반 접근 대신 identity 기반 접근(DID)이 일반화되고, 사용자는 어느 화면에서든 인증만 하면 자신의 AI 환경이 로딩된다. device는 viewer이고, intelligence/state는 cloud에 산다.

이 단계에서는 personal data stack도 몇 개의 레이어로 재조직될 수 있다.

• Layer 1: Identity(DID) — device ownership을 대체하는 access key

• Layer 2: Personal state — 이메일/캘린더/메시지/소셜 그래프, 거래 히스토리, 선호/컨텍스트

• Layer 3: Dashboard — 나의 intent가 어디서 처리되고 있는지, 상태/이력/투명성을 보여주는 실시간 뷰

이는 Part I에서 말한 dashboard-centric UX에, “device/OS로부터의 decoupling”이 더해진 형태다.

Investment thesis implication

• 두 가지 가능성의 bet: device-bound(Apple) vs device-detached(3rd-party assistant). 나는 둘 다 exposure를 가져가되, voice-primary와 cloud-native dashboard 시그널이 쌓일수록 device-detached 쪽 비중을 늘리는 전략이 합리적이라 본다.

• AI devices의 새로운 전장: AR/XR, ambient computing, wearable 등 기존 OS lock-in이 약한 신규 폼팩터. Meta의 AR, 스타트업 하드웨어 실험, AI pin 등이 이 영역을 탐색 중.

• Ambient computing 인프라: cross-device seamless UX, ambient authentication, identity layer.

• 관찰해야 할 핵심 지표: “AI Assistant 사용 시간 / native OS app 사용 시간”의 비율. 이 비율이 tipping되면, 구조적 권력은 device-maker에서 AI-provider로 이동한다. OpenClaw가 native app이 아니라 WhatsApp/Telegram/Signal 같은 messaging을 통해 바이럴된 점은 초기 시그널일 수 있다.

Closing Thoughts

이 세 가지 키워드—(1) portal disruption & value capture, (2) app decomposition & reassembly, (3) device detachment & consumer OS—는 서로 분리된 이슈가 아니라, 상호 강화(mutually reinforcing)되는 요소들이다. portal이 약해지면 새로운 intent capture entity가 들어올 공간이 생기고, app decomposition은 assistant가 capability를 동적으로 조합하도록 만들며, device detachment는 assistant를 primary interface로 더 강하게 밀어 올린다. 그리고 identity/state portability는 이 모든 것을 가능하게 하는 enabling infrastructure다.

이러한 변화의 키워드에서, 그 과정, 변화의 범위는 모두 가변적이다. app decomposition이 device detachment를 밀까, device detachment가 app decomposition을 밀까? Timeline도 불확실하다. 5년인가, 15년인가? market structure도 여러 방향이 등장할 것이다. 집중될 수도, 분산될 수도 있고, platform-dominated일 수도, infrastructure-dominated일 수도 있다.

하지만 그 방향에 대해서는 상대적으로 확신이 크다. consumer software의 value chain은 unbundling되고 있고, intent capture는 새로운 distribution이 되어 가고 있으며, 사용자와 디지털 서비스의 관계는 2년 전만 해도 거의 존재감이 없던 AI 레이어에 의해 중개되기 시작했다.

early-stage 투자자 관점에서 5~10년 power-law horizon을 생각하면, 이 기회의 지형은 web→mobile 전환 이상으로 (order-of-magnitude 더 큰) 구조적 변화라고 본다. application layer만이 아니라, distribution/identity/infrastructure layer까지 동시에 건드리기 때문이다.

이 모든 것은 아직은 가설(hypotheses)로서, 다음 세대 consumer AI 제품이 만들어질 ‘지형(surface)’을 형성하는 구조적 힘(structural forces)을 가능한 명확하게 기술하고, 이 초기 thesis를 창업자, 투자자들이 창업과 투자 기회를 찾는 과정에서 하나의 reference point가 되기를 바랄 뿐이다.

언제라도 hur at hanriverpartners dot com 으로 연락 바란다.

Consumer AI에 대해 요즘 머릿속을 가장 많이 차지하고 있는 점은, AI를 통하여 Concumer AI에서의 사용자 경험, 시장 구조, 현재의 사업자들간의 역학 구조가 어떻게 변화할 것인가에 관한 생각이다. AI가 지난 40년간 구축된 웹, 모바일 기반의 Consumer 시장에 “더 좋은 기능”, “더 효율적인 구조”를 제공하는 것에 그치지 않을 것이라 믿기 때문이다. 오히려, 지금까지 구축되어 온 시장 구조를 근본적으로 재편할 가능성이 더 높다고 본다.

지금 막 진행 중인 변화는 “더 성능이 우수한 frontier model이 나왔다” 수준보다는, 사용자 경험을 근본적으로 바꿀 수 있는 구조적으로 큰 전환이라고 본다. 이 변화는 특정 frontier model의 성능 개선, 혹은 어떤 제품의 등장/개선이 아니라, 소비자가 소프트웨어와 상호작용하는 방식 자체가 근본적으로 바뀌고 있고, 이 변화가 쌓이면서 Consumer Internet 전체 구조의 재구성까지 이어질 수 있다는 판단이다.

특히 최근 3개월 간의 변화 방향과 속도가 과거 3년간 보았던 것과는 구조적으로 다른 변화를 Consumer AI 분야에 가져 오고 있고, 이 변화가 Consumer AI 분야의 투자자/창업자 입장에서 충분히 의미가 큰 변화라고 판단되어, 먼저 변화의 방향과 그 의미를 분석해 본다.

먼저, 이 생각의 출발점이 된 몇 가지 관찰부터.

I. 지금 무슨 일이 일어나고 있나 — 임계점을 넘어선 Coding Agent

Coding agent가 강력해졌다는 사실 자체는 더 이상 새로운 뉴스가 아니지만, 점차 그 성능 향상 속도가 가속화되면서 최근 몇 달 사이 최신 frontier model과 agentic coding tool 간에 상승 작용이 일어나며, 분명히 어떤 의미 있는 임계점(threshold)을 넘었다는 판단이다. 이제 Claude Code, Codex 등의 coding agent는 더 이상 toy app을 만들거나, fragile prototype을 대충 이어 붙이는 수준이 아니라, AMD용 CUDA-compatible 패키지, C 컴파일러, Claude Cowork 같은 복잡한 full-stack 애플리케이션까지도 사람의 개입 없이 single shot으로 만들어내는 사례들이 계속 등장할 수준이 되면서, 이제 coding agent의 역할에 대한 근본적인 시각이 바뀌고 있다.

“vibe coding”이라는 표현은 원래 AI-assisted development의 장난스럽고 실험적인 분위기를 잘 포착했던 용어라고 생각한다. 그런데 이제는 적어도 “vibe(감성·장난)”라는 단어가 주는 가벼운 뉘앙스가 coding agent와는 더 이상 맞지 않다고 느낀다. 이 agent들이 만들어내는 결과물은 점점 production grade에 가까워지고 있고, Elon Musk가 시사한 것처럼, 조금만 더 extrapolate 해 보면 high-level language를 거치지 않고 executable binary를 직접 생성하는 모습까지 상상해 볼 수 있기 때문이다.

이것만 떼어 놓고 봐도 개발자 생태계에는 매우 흥미로운 변화이다. 하지만 내가 더 주목하게 된 지점은, 이 coding agent의 새로운 역량이 어떤 방식으로 포장되어 소비자에게 전달되고 있는가이다. 그 관점에서 최근 몇 주 사이 시장에서 가장 hot한 키워드가 된 OpenClaw의 구조는 꽤 흥미롭다.

OpenClaw는 코딩 에이전트의 능력을, 누구나 사용할 수 있는 대화형 인터페이스로 감싼다. 사용자가 이미 살고 있는 메시징 플랫폼과 연결되고, 24/7 돌아가고, 커뮤니티가 만든 Skill 생태계를 점점 쌓아 가고, 특정 모델에 종속되지 않는 model-agnostic 구조로 여러 frontier model을 활용한다.

여기에서 내가 가장 중요한 signal로 느낀 포인트는 OpenClaw는 개발자 도구가 아니라 consumer agent라는 점이다. 비개발자도 평범한 대화만으로 워크플로우를 자동화하고, 스케줄을 관리할 수 있을 뿐 아니라, 필요하다면 Agent가 스스로 판단하여 그 자리에서(on the fly) 새로운 소프트웨어 기능(function) 자체를 만들어 실행할 수 있다.

즉, 역사적으로는 완전히 다른 세계에 있었던 두 가지 능력이 하나의 인터페이스로 수렴(converge)하고 있는 셈이다.

• Conversational AI – ChatGPT 패러다임: 분석, 글쓰기, Q&A

• Agentic code execution – Claude Code 패러다임: 소프트웨어를 만들고 실행

이 둘을 consumer-facing wrapper 안에서 결합하면, 질적으로 새로운 무언가가 나올 것이다.

나는 이 emerging world를 Clawverse라고 이름 붙인다. OpenClaw가 최종 승자라서가 아니라(그럴 수도 있고 아닐 수도 있다), OpenClaw가 제시하는 그 구조 (architecture)가 앞으로 펼쳐질 방향을 잘 보여주는 중요한signal 중 하나라고 느끼기 때문이다.

II. OpenClaw — “AI Concierge”를 위한 새로운 구조 (Architecture)

OpenClaw (그리고 그것이 대표하는 아키텍처)를 볼 때, 나는 “더 나은 챗봇”이나 “또 하나의 AI wrapper”라기 보다는, 오히려 AI Concierge — 사용자와 디지털 서비스 전체 사이에 상주하는(persistent) 지능 레이어 — 의 출현을 그 핵심 변화로 본다. 특히 Consumer와 (collective 의미에서의) “AI System”간 interaction의 구조에 주는 영향 측면에서 ChatGPT보다도 더 근본적인 변화를 수반할 것이라고 본다.

그 구조를 자세히 살펴 보면, AI Concierge는 중앙 허브(central hub)로서 세 가지의 핵심 기능을 수행한다.

1. Intent Capture

AI Concierge는 사용자의 의도가 처음으로 도달하는 곳이 된다. 여행을 예약하든, 보험을 비교하든, 택배를 추적하든, custom analytics dashboard를 만들고 싶든, 사용자는 먼저 AI Concierge에게 의도를 표현한다. AI Concierge는 이 의도를 포털(portal)처럼 읽어 들이고, 사용자가 원하는 것을 triage하여 어디로 어떻게 라우팅하거나, 어떻게 이를 실행할지 결정한다.

이는 기존 intent capture 방식과 의미 있게 다르다. 과거 Attention Economy에서는, Google이 검색 키워드 같은 행동 데이터를 **intent의 근사치(best approximation)**로 삼아 이를 수익화해 왔다고 볼 수 있다. (이러한 구조를 “Attention Economy”라고 표현한다)

반면 AI Concierge 모델에서는 의도가 행동 데이터에서 추론되는 것이 아니라, 사용자가 직접 명시적으로 (explicitly) 표현한다는 점에서 이를 실행하고 여기에서 value capture하는 구조가 달라진다.

오늘날 intent는 수많은 앱에 나누어져 있다. 각 앱은 자체 UX 인터페이스, 자체 온보딩 과정, 고유 방식으로 사용자의 의도를 capture하고 해석하는 요소를 가지고 있다. AI Concierge는 그 파편화된 intent 파악 지점을 하나로 통합(consolidate)하고, ‘근사치’를 통하여 ‘의도 (intent)’를 추정하지 않고 직접 capture 한다.

2. Execution 혹은 Delivery

의도를 이해하고 나면, AI Concierge는 어떻게(how) 이를 충족시킬지 결정한다.

AI Concierge는 상황에 따라 다음과 같은 방식으로 행동할 수 있다.

• 외부 서비스나 API를 직접 호출하거나,

• 커뮤니티 생태계에 축적된 pre-built Skill을 호출하거나,

• 여러 도구를 chaining하여 복잡한 실행 플로우를 만들거나

• 혹은 직접 코드(function)를 작성하여 새로운 기능을 생성하고 이를 이용하여 intent를 직접 실행 할 수 있다.

Tom Tunguz는 이것을 “Skills are programs written in English”라고 표현하였다. 자연어로 작성된 Skill이 agent에게 “어떤 API를 호출해야 하는지, 어떤 포맷을 써야 하는지, 엣지 케이스는 어떻게 처리해야 하는지”를 알려 주면서, agent를 단순 대화 상대(conversationalist)에서 실제 일을 하는 operator로 변모시킨다는 관점이다.

3. Memory & Personalization

이 모든 상호작용은 — 선택, 선호, 거래, 결과 — persistent data layer로 “memory”로서 축적된다. 결제 수단, 배송지, 식이 제한, 커뮤니케이션 선호, 과거의 거래 기록과 그 결과까지. OpenClaw architecture에서 이 부분이 전략적으로 가장 중요한 의미를 가진다고 보다.

아직은 그 기능이 매우 제한적이지만, 앞으로 예상되는 변화를 상상해 보면, 그 의미는 더 명확해 보인다. 컨시어지는 점차 **모든 개인화 데이터의 저장소(repository of personalization data)**가 될 것이다. 단지 “무엇을 요청했는지”뿐 아니라, “무엇을 실제로 선택했는지”, “무엇을 거절했는지”, “그 과정에서 수집 혹은 축적되는 개인에 관한 모든 데이터”까지 모두 포함해서.

이 점이 [Two Cents #82]에서 이야기한 “Personalization effects are the new network effects”라는 명제 측면에서 볼떄 앞으로 가장 중요한 moat이 구축될 지점이라고 본다. 즉, 어느 모델이 조금 더 성능이 좋은지보다, 누가 더 깊고 풍부한 개인 정보(personalization data)를 축적하고 활용하느냐가 새로운 핵심 moat가 될 가능성이 크다는 이야기이다.

전략적인 함의

이 세 가지 역할 — intent capture, execution coordination, personalization accumulation — 을 합쳐 보면, AI Concierge는 소비자로부터 가장 많은 value capture를 할 수 있는 위치가 된다.

나는 특정 제품이 이 역할를 “독점”할 것이라고 예측하지는 않는다. 다만, 아키텍처 관점에서 보면, 사용자의 의도를 읽고, 그 의도를 충족시킬 수 있는 capability를 찾아 연결하거나 직접 생성하고, 그 과정에서 나온 피드백을 데이터 레이어에 축적하는 AI assistant는, 소비자 디지털 경험의 중심 허브로서 사용자의 intent capture를 장악하면서 가장 큰 value capture가 일어나는 지점/layer가 될 가능성이 높다고 본다.

III. “앱의 종말 (Death of Apps)” — 혹은, 앱의 분해와 재구성 (Decomposition & Reassembly)

이 지점에서 “앱의 종말”이라는 clickbait 식 표현보다는, 기존의 app 기반 구조가 어떻게 변화할지를 살펴 보는게 더 중요할 것이다.

앱이 바로 사라지지는 않을 것이다. 하지만 “앱(app)이 소비자 소프트웨어의 기본 단위(primary unit)였다”는 전제가 구조적으로 변화할 것이라고 본다.

이 변화가 어떤 방향으로 전개될지 좀 더 자세히 상상해 보자.

App이라는 개념의 의미

앱이라는 개념을 일반화하여 정의해 보면 “특정 도메인의 워크플로우를 표준화하기 위해 설계된 기능 + UX의 번들(bundled package)”라고 할 수 있다. 음식 주문, 사진 편집, 이메일 관리, 헬스 관리 같은 것들.

이 번들링 형태의 app은 “소프트웨어 개발은 어렵다”라는 제약에 의해 자연스럽게 만들어진 구조라고 볼 수 있다. 모든 사용자가 자신이 원하는 기능을 소프트웨어로 개발하여 사용하기 어려웠고 (비용 효율성 측면), 이를 소프트웨어 개발사가 어느 정도 표준화된 형태의 소프트웨어를 개발 이를 가능한한 많은 사람이 사용할 수 있는 형태 (패키지소프트웨어, 혹은 SaaS)로 제품화하여 최대한 많은 사람들에게 판매하는 것이 app이라는 개념이 등장한 경제적 배경이라고 할 수 있다.

이 과정에서 사용자는 비용 효율적(efficiency)으로 자신이 원하는 기능의 소프트웨어를 얻었고, 그 댓가로 표준화를 위해 개인화(personalization)는 상당 부분 희생되었고 사용자 데이터는 각 앱 내부에 silo로 갇히게 되었다. 소셜 그래프는 Instagram에, 구매 이력은 Amazon에, 학습 진도는 Duolingo에. 이 데이터 silo는 곧 각 app의 lock-in, 네트워크 효과, system-of-record 효과를 만들어내는 moat가 되었다.

여기까지 오는 동안 UX는 어떻게 변했나

좀 더 긴 역사를 통해 보면 좀 더 분명하게 이해할 수 있다.

• PC 시대: 데스크톱 메타포. 파일과 폴더가 primary object였고, 애플리케이션은 그 파일에 “적용하는 도구(tool)”

• Web/Mobile 시대: 파일은 사용자 접점에서 사라지고, 앱이 사용자의 주된 접점이자 주된 object가 되었고, 데이터는 각 앱 안에 내장되면서 사용자에게는 보이지 않게 되었다. 우리의 스마트폰 화면은 app 아이콘 모음이 되었고, 각 아이콘은 기능과 데이터를 하나의 walled garden로 담고 있다.

소프트웨어 개발 난이도라는 기준으로 보면 이 것은 꽤 합리적인 균형점이라고 할 수 있다. 좀 더 직설적으로 표현하자면, 사용자가 각 니즈마다 custom software를 직접 만들 필요가 없도록 해 주는 대신, **데이터 이동성(data portability)**과 UX의 개인화 부분에서는 일정 부분 타협한 균형이라고 할 수 있다. 이 균형점에 따라 사용자의 행동에는 일정 수준의 제약이 생긴다. 사용자는 각 앱을 개별적으로 찾고 다운로드하고 학습하고 관리해야 하고, 사용자의 개인 데이터는 (원래 주인인 사용자의 것이 아닌) app의 것이 되어 버린다는.

하지만, 과거의 과정을 보면 그 환경에서는 앱이라는 것이 소비자에게 디지털 가치를 전달하는 최선의 패키징 단위였다고 볼 수 있다.

Clawverse에서는 무엇이 달라지나

이제 OpenClaw architecture 기반에서는, AI Concierge가 직접 사용자의 의도를 해석하고, Skill, Plugin, 실시간 코드 생성과 실행 등을 통해 그 의도를 실행에 옮기고, 개인화 데이터를 portable layer에서 읽고 저장하는 환경에서는, 앱 번들(app bundle)이 더 이상 최적의 packaging unit이 아니게 된다.

즉, “앱의 종말 (Death of Apps)”이라는 표현은 소프트웨어 app이 사라진다는 의미라기보다는, 소프트웨어 app 가치의 패키징 단위가 바뀐다는 의미에 더 가깝다. 사용자는 여전히 Uber(서비스)는 이용하겠지만, Uber(앱)을 “열어야 하는” 빈도는 줄 수 있다. Spotify(카탈로그 + 권리 + 추천)에 대해서는 계속 요금을 지불하겠지만, 새로운 음악의 발견(discovery)과 재생(play)은 컨시어지를 통해 이루어질 수 있다. AI Concierge가 “일을 시작하는 기본 지점(default beginning of work)”이 되는 것이다.

IV. 소비자 의도를 전달하는 새로운 아키텍처

앱 번들이 분해된다면, 그 구성 요소를 어떻게 나누어질까. Consumer app을 본질만 남을 때까지 구성요소로 나누어 보면, 크게 세 가지 핵심 기능이 남는다고 본다.

1. Intent Capture

사용자가 원하는 것을 시스템이 어떻게 파악하는지에 대한 질문이다.

• Directly – 대화형 UX, guided flow, dashboard를 통해 직접 묻고 답을 받는 방식

• Indirectly – search/SEO를 통해 행동 데이터에서 intent를 추정하는 방식 (Google은 검색 키워드를 intent의 approximation으로 삼아 수익화해 왔다).

2. Execution, 혹은 Delivery

실제 일이 일어나는 부분. 구매(purchasing), 예약(booking), 스케줄링, 분석(analyzing), 메시징, 결제(payments) 등, 앱의 코어 기능이자 “무엇을 하는가”에 해당하는 영역이다.

3. State & Memory (상태와 기억)

앱은 여러 층위의 “state(상태)”를 기록하고 축적한다.

이 구조에서 중요한 인사이트는, “각 consumer 서비스는 서로 다른 종류의 state/data를 moat로 구축하게 된다”는 점이다.

• Transactional 서비스 (e-commerce, food delivery, travel booking): 상대적으로 shallow state를 요구한다. 컨시어지가 intent를 포착하고, 옵션을 비교하고, 저장된 선호도로 실행까지 해줄 수 있다면, app UX는 사실 “있으면 좋지만 없어도 되는(optional)” 요소가 될 수 있다. 이 경우 경쟁의 축은 “best app UX”에서 “best supply, best price, fastest fulfillment” 쪽으로 옮겨간다.

• Persistent-state 기반 서비스 (소셜 네트워크, 교육, therapy 등): state 자체가 product에 가까워서 disintermediate하기 어렵다. 소셜 그래프, 학습 궤적, 치료 히스토리 등이 곧 깊은 moat를 형성한다.

여기서 핵심 질문은, “그 state가 portable해지면 어떻게 될까?” 이다.

사용자의 소셜 그래프, 학습 진도, preference history가 (어떤 과정을 통하여) 컨시어지가 조합한 새로운 인터페이스/layer로 옮겨 갈 수 있게 된다면, 기존 app의 핵심 moat가 대부분 의미를 잃게 될 것이고, 핵심 moat는 “내가 네 데이터를 쥐고 있다(I hold your data)”에서 “나는 일관되게 최고의 결과를 제공한다(I consistently deliver the best outcome)”로 이동할 것이다.

V. 그럼 Moat는 어디로 이동할까

위에서 정리한 app decomposition이 일어나면, Consumer 시장에서의 “winning”의 의미도 바뀌게 될 것이다. 이에 대한 생각을 정리하면:

핵심 인터페이스는 intent-first: 지금까지 consumer 제품의 핵심 경쟁력은 UX, onboarding, habit loop 설계 등을 통해 차별화해 왔다. 새로운 intent-first 세계에서 핵심 UX는 더 이상 “사용자가 탐색하는 화면의 집합”이라기보다는 “사용자가 표현하는 의도 파악 지점”에 가까워지고, 그 위에 얇은 confirmation·transparency 레이어가 올라간다고 본다.

Moat는 front-end UI에서 state + trust + access로 이동: AI Concierge가 “사용자의 intent 실행”을 여러 provider로 라우팅할 수 있는 구조라면, “내가 front-end”라는 사실만으로는 defensibility가 약해질 수 있다. Moat는 점점 다음 세 가지 축으로 이동할 가능성이 크다고 본다.

• State: depth and portability of personalization and history

• Trust: guarantees, safety, compliance, dispute resolution

• Access: exclusive supply, proprietary data rights, privileged integrations

즉, Consumer AI의 승자는 “UX가 더 편리한, 혹은 더 예쁜 앱을 하나 더 만드는 팀”이 아니라, “실행 품질”과 “내 상태의 저장과 이 기반의 개인화”를 결합하는 플레이어일 가능성이 높다고 본다.

Disruption의 속도는 영역마다 다를 것: transactional service와 persistent-state service는 구조적으로 다르기 때문에, disruption의 속도와 방식도 다를 것이다.

• 거래형 서비스: 상대적으로 moat가 먼저 노출되고, 컨시어지 레이어가 더 빠르게 대체할 수 있다.

• persistent-state 서비스: persistent state를 깊은 moat를 가지는 만큼, 그 변화 가능성과 방향은 예측하기 어렵다.

두 경우 모두 결국 state portability가 — identity와 context가 특정 app에 남을지, 아니면 사용자에게 이동할 수 있는지 — 핵심이라고 본다.

VI. Attention에서 Intent로

지난 몇 십년간 consumer internet의 구조는 Attention Economy 위에서 돌아갔다. 사용자의 eyeball을 포착하고, 행동 데이터를 통해 사용자의 의도를 추정(approximate)하고, 이를 광고·랭킹·전환(conversion)으로 monetize하는 구조.

새로운 OpenClaw architecture에서는 그 구조가 달라진다. 어시스턴트가 의도를 직접(directly) 포착할 수 있기 때문이다. 의도 (intent) 파악이 명시적으로 가능하게 되는 순간, 경제적 중심은 이 intent를 누가 파악하고, 이를 execute/deliver하는지로 자연스럽게 이동한다.

“의도를 포착하는 지점/시스템이 새로운 distribution layer가 된다.”

이것이 consumer AI assistant/concierge를 단순한 “제품 카테고리”가 아니라, 잠재적으로 **새로운 플랫폼 레이어(platform layer)**로 봐야 하는 이유라고 생각한다.

다만 여기서도 조심스러운 점은, 모바일 앱 시대의 OS·스토어 구조처럼 단일 “winner AI assistant”가 모든 intent를 독점할 것이라고 가정할 필요는 없다고 본다. 특히 OpenClaw architecture의 오픈소스 접근, model-agnostic 아키텍처, 프라이버시에 대한 소비자 선호 등이 맞물리면, 오히려 과거보다 더 fragment된(multipolar) 지형이 나올 가능성도 충분하다.

그래서 나의 가장 큰 질문은 “누가 이기나(who wins)?”보다는, 다음 질문들에 더 가깝다.

• Where does intent land first? – 의도는 가장 먼저 어디에 떨어질까?

• Where does state live? – state는 어디에 축적되고, 누구에게 ‘맡겨질까?’

• Who is trusted to execute? – 실행을 맡기기에, 소비자는 누구를 신뢰하게 될까?

• What becomes scarce when software is abundant? – 소프트웨어가 풍부(abundant)해질 때, 반대로 무엇이 희소(scarce)해질까?

Part II에서는 가까운 미래의 Consumer UX 변화와 관련하여, 몇 가지 키워드를 중심으로 “무엇이 실제로 달라질 수 있을지”에 대한 상상의 나래를 조금 더 펼쳐 보려고 한다.

Intent Economy 구조는 아직 만들어지는 중이다.

이 글은 OpenClaw가 촉발할 수 있다고 보는 새로운 방향으로의 구조 변화 과정에 대한 생각을 공유하며, 그 것이 어떻게 구체적으로 펼쳐질지는 앞으로 3-5년간 일어날 시장 구조의 변화에 따라 결과가 달라질 것이라고 본다. 그리고, 그 변화의 과정에서 탄생할 새로운 시장의 winner를 찾아서 가능한 한 이른 시간에 투자하는 것이 나의 가장 중요한 역할이고.

이 관점에서, 시장 최전선에서 Consumer 제품을 만들고 있는 창업자들, 이러한 변화의 방향을 나름대로 best guess로 추정하고 있을 투자자들, 이 모든 분들의 관점이 궁금하다. 실제로 emerging platform shift에 대한 가장 좋은 통찰은 언제나 그 최전선에서 실험하고 있는 practitioner들로부터 나왔다고 믿기 때문이다.

어떤 생각이든, 패턴 매칭이든, 반론이든 앞으로 investment thesis를 계속 다듬어 가는 데 큰 도움이 될 것 같다. 언제라도 jin at hanriverpartners dot com 으로 연락 주시기 바란다.

Consumer AI에서 가장 중요한 전장의 하나가 조용히 AI 슈퍼앱 경쟁 중심으로 일어나고 있다.

이 전쟁은 단순히 더 좋은 모델, 더 똑똑한 어시스턴트, 더 예쁜 UI를 놓고 벌이는 싸움이 아니라, 소비자의 의도(intent)가 어디에서 포착되고, 해석되고, 실행되는가를 둘러싼 구조적 경쟁이다.

시장에서는 이미 여러 방향으로 이 경쟁이 동시에 전개되고 있다. ChatGPT·Gemini·Claude·Perplexity 같은 AI 어시스턴트, AI 네이티브 브라우저 (Atlas, Comet, Dia 등), 에이전트 플랫폼 (Manus, Genspark 등), 애플·구글의 OS 레벨 인텔리전스, 그리고 완전히 새로운 방식으로 등장할 것으로 기대되는 신규 플레이어들이 그 예다. 아직 초반이지만, 이 레이스의 승자는 AI 시대의 지배적 소비자 플랫폼—소위 “AI 시대의 구글”—을 결정할 가능성이 크다.

중국은 이 흐름을 이해하는 데 좋은 선례를 제공한다. 지난 10년간 중국은 모바일 슈퍼앱 패권 경쟁을 이미 치렀고, 결과적으로 소수의 플랫폼이 소비자의 시간, 거래, 가치 창출의 대부분을 장악하는 구조로 수렴했다. 그리고 지금 중국 시장은 다시 한 번 AI 슈퍼앱을 놓고 플랫폼 전쟁에 돌입하였다.

미국에서는 중국에서 일어난 일이 똑같이 반복되지는 않을 것으로 본다. 하지만 중국에서 관찰된 경제적 논리, 경쟁의 행동 양식, 유통(distrubution)과 관련된 핵심 경쟁력 관련 역학 관계는 미국 시장의 AI 슈퍼앱 경쟁이 어떻게 전개될지를 이해하는 데 아주 중요한 참고가 될 것이다.

왜 AI 슈퍼앱이 중요한가

AI 슈퍼앱의 가장 중요한 역할은 ‘소비자 의도 파악 (intent capture)’ 이다. 이는, ‘소비자의 의도’를 정확하게 파악하고 이에 대한 반응을 잘 하는 지점에서 가장 큰 ‘가치 창출 (value capture)’가 일어나기 때문이다.

이는 주요 기술 전환기마다 가장 먼저 소비자의 의도를 포착한 플랫폼이 결국 가장 큰 경제적 가치를 차지한 결과를 통해 확인할 수 있다.

• 웹 시대: 모든 정보·커머스 행위의 출발점으로서의 검색 엔진

• 모바일 시대: 모든 소비자 활동의 접점 역할을 하는 ‘앱’을 통제하는 앱스토어가 ‘앱 수익화’ 경로를 장악

• 소셜 시대: 페이스북 피드와 Tik Tok의 ‘알고리듬에 의한 추천’이 소비자의 주의(attention)를 장악하였고, 이는 각각 $1T 규모의 기업 가치를 창출하였다.

[Two Cents #84]에서 “Attention Economy” vs. “Intent Economy”로 비교 설명하였듯이, 지금까지의 “인터넷, 모바일 환경에서는 사용자의 ‘의도’를 정확히 파악하기 어려웠고, 그래서 사용자 의도를 가장 가깝게 추정할 수 있는 대체품 (approximation)으로서 사용자 트래픽 (attention)의 흐름을 활용”하였다. 이 과정에서 사용자의 의도를 최대한 잘 추정할 수 있는 mechanism으로 활용된 것이 traffic, click-through, conversion, A/B testing 등이고 이를 구조화하여 비즈니스로 만든 것이 ad network, affiliate network, performance marketing이었다. 이를 통칭하여 “Attention Economy”라고 부른다.

AI 시대에는 소비자가 자신의 의도를 표현하는 방식과 형태 자체를 바꾼다.

사용자는 더 이상 검색 키워드, 화면 탐색 시간, 특정 부분의 클릭을 통하여 간접적으로 ‘의도’를 표현하지 않고, 원하는 바를 prompt, context 등의 형태로 직접 표현한다. “OOO 예산으로 O일간 OOO 여행 계획 작성해줘”, “주말 파티에 입고갈 OOO 분위기의 드레스를 $OOO 예산 이내로 추천해줘” 등과 같이.

이 요청들의 기본 시작점(default starting point) 이 되는 지점의 인터페이스는 그 이후의 모든 흐름—서비스, 워크플로우, 커머스, 수익화—에 대한 지배력을 확보하게 된다.

그래서 AI 슈퍼앱은 $1T 이상 규모의 기업 가치를 만들어 낼 새로운 Consumer 시장 기회가 될 수 있다. 특정 서비스에 국한되지 않고 그 ‘상위 레이어’로 존재하며, 모든 카테고리를 가로질러 소비자가 원하는 바를 전달, 중개하고, 그 결과물에 대한 결정권을 가짐으로써, 그 과정에서 발생하는 모든 부가가치에 대하여 ‘통행세 (toll)’를 받을 수 있는 구조가 되기 때문이다.

중국 super app은 한 번 이 layer를 장악하면 그 layer로 가치 집중이 매우 빠르게 가속된다는 점을 이미 보여 주었다.

중국은 어떻게 슈퍼앱·미니앱 생태계를 만들었나

중국의 super app 생태계는 어느 한 ‘대박 제품’에서 갑자기 탄생한 것은 아니다.

충분한 사용자 기반으로 ‘미니 앱’을 통한 소비자 관련 거래를 장악하고 (’유통’), 그 사용자와의 연결 (’소셜 채널’) 및 결제 인프라를 장악하고, 이를 기반으로 사용자 습관을 super app 내에서 모든 소비자의 ‘의도’의 ‘전달’, ‘해결 (delivery’)까지 모두 내재화함으로써 전체 ‘소비자 의도’의 흐름 전체를 장악할 수 있었다..

WeChat이 대표적 사례다. 원래는 메신저였지만, 콘텐츠(공식계정), 결제(위챗페이), QR 기반 오프라인 결제 등을 단계적으로 추가하며 그 범위를 넓혀 갔고, 2017년 텐센트는 위챗 안에서 돌아가는 ‘설치 없는’ 경량 앱을 미니프로그램(Mini Programs)으로 제도화하면서 이 구성 요소들을 하나의 플랫폼으로 통합하였다.

사실 그 이전에도 앱내 브라우저의 HTML5 페이지, QR로 연결되는 O2O 플로우, 소비자 대응이 가능한 서비스 계정 등이 개별 구성 요소 형태로 존재했었지만, 미니프로그램 생태계는 이 개별 요소들을 하나의 표준화된 통합 플랫폼으로 묶음으로써, ‘소비자 의도’의 흐름을 하나의 플랫폼에 내재화 함으로써, 그 과정에서 발생하는 ‘가치 창출’의 대부분을 차지하게 되었다.

그 결과를 보면 그 효과는 명백하다. 2024년 기준,

• 위챗 미니프로그램 이용 MAU 약 9.36억 명

• 100만 개+ 미니프로그램 운영

• 분기 기준 RMB 2조+ GMV가 생태계 내에서 흐름 (연간 약 1조 달러 이상 규모)

미니프로그램은 앱 생태계를 보완한 수준이 아니라 ‘소비자 의도의 흐름’ 전체를 하나의 플랫폼으로 내재화 함으로써 앱 생태계 자체를 재정의했다. 많은 서비스는 더 이상 독립 앱이 필요 없고, 고객 획득 비용은 크게 내려갔고, 위챗은 포털을 넘어 거대 규모의 폐쇄형 거래 인프라(closed-loop transaction infrastructure)로 바뀌었다.

Alipay, Douyin (Bytedance), Meituam 등 다른 경쟁 Big Tech 들도 WeChat과는 서비스 영역이 다르지만, 모두 같은 방식으로 각자의 영역에서 이 모델을 복제했고, 결과적으로 중국 시장에는 소수의 super app이 핵심 사용자 습관 하나에서 출발하여 각각의 영역에서 ‘소비자 의도 흐름’ 전체를 장약하는 다극적 과점(multi-polar oligopoly) 구조가 만들어졌다.

중국 슈퍼앱 승자의 공통 요인

중국 슈퍼앱의 승자는 기능을 많이 쌓아서가 아니라, 소비자 의도의 가장 앞단을 장악하고 그 이후의 의도 흐름 전체를 플랫폼 내부로 흡수했기 때문에 탄생했다. 이 구조는 단기 네트워크 효과가 아니라, 시간이 지날수록 가치 창출과 포착이 기하급수적으로 강화되는 구조적 우위를 만들어냈다.

1. 유통(distribution)의 장악

중국 슈퍼앱은 메시지, 결제, QR 스캔, 검색, 콘텐츠 소비 등 일상 행동의 기본 진입점을 장악함으로써, 사실상 모든 카테고리의 funnel 상단을 지배했다. 중요한 것은 특정 기능이 아니라, “무언가를 하려면 일단 이 앱을 연다”는 디폴트(default) 행동을 만들어냈다는 점이다.

대표 사례는 WeChat이다. 메시징이라는 가장 빈번한 행동 위에 결제(WeChat Pay), 콘텐츠(Official Accounts), 오프라인 스캔(QR), 서비스 접근을 얹으면서, 사용자는 점점 외부 앱을 찾지 않게 되었다. “서비스는 WeChat 안에 있다”는 인식이 내면화되는 순간, 플랫폼의 커버리지와 가치 포착 범위는 급격히 확장되었다.

이로 인해 생태계 차원에서는 모든 신규 서비스가 슈퍼앱을 우회하지 못하는 구조가 형성되었다. 소비자 접근 비용(CAC)은 슈퍼앱 내부로 수렴했고, 독립 앱은 점점 마케팅·유통 측면에서 불리해졌다. 이는 곧 슈퍼앱이 시장의 ‘관문(gate)’ 역할을 하게 되었음을 의미한다.

2. 신뢰 기반을 내장

중국 슈퍼앱이 discovery layer를 넘어 execution layer까지 장악할 수 있었던 결정적 요인은 결제와 ID라는 신뢰 인프라를 내장했다는 점이다. 결제는 단순한 기능이 아니라, ‘의도 → 거래’를 끊김 없이 이어주는 핵심 앵커이다.

WeChat Pay와 Alipay는 사용자의 실명 기반 ID, 금융 계좌, 사회적 관계를 하나의 컨텍스트로 묶는다. 이로 인해 사용자는 새로운 서비스라도 별도의 신뢰 판단 없이 바로 거래할 수 있었고, 슈퍼앱 내부에서의 전환 속도는 극적으로 빨라졌다.

생태계 관점에서 이는 ‘발견 → 실행’이 분리되지 않는 구조를 만들었다. 검색, 추천, 비교가 곧바로 결제로 이어지면서, 슈퍼앱은 더 이상 트래픽 중개자가 아니라 거래 인프라 그 자체가 되었다. 결과적으로 슈퍼앱 외부에서 가치가 머무를 공간은 급격히 줄어들었다.

3. 개발자·판매자 간의 마찰 최소화

미니프로그램은 중국 슈퍼앱 생태계에서 가장 중요한 구조적 혁신이었다. 핵심은 기능이 아니라, 유통·설치·결제·로그인에 존재하던 모든 마찰을 제거했다는 점이다.

개발자와 판매자는 앱스토어 심사, 다운로드, 업데이트, 사용자 재유입 문제를 신경 쓸 필요 없이, WeChat 내부 런타임에서 즉시 서비스를 제공할 수 있었다. 검색, QR, 공유, 위치 기반 노출이 기본으로 제공되면서, 미니프로그램은 “개발하면 곧바로 유통되는” 구조를 가졌다.

이로 인해 생태계는 long tail 서비스가 폭발적으로 증가하는 구조로 진화했다. 독립 앱으로는 성립하지 않던 작은 서비스들까지 슈퍼앱 내부에서는 경제성이 생겼고, 슈퍼앱은 이 모든 활동의 인프라 제공자로서 가치 포착을 강화했다.

4. 습관 축적(habit stacking)

중국 슈퍼앱의 가장 강력한 무기는 새로운 행동을 만들지 않았다는 점이다. 대신, 기존 사용 습관 위에 아주 작은 추가 행동만을 요구하는 방식으로 기능을 쌓아 올렸다.

예를 들어, 메시지를 보내다가 결제하고, 결제하다가 서비스를 예약하며, 예약 과정에서 콘텐츠를 소비하는 흐름은 모두 자연스럽게 이어졌다. 사용자는 ‘새로운 서비스’를 학습하고 있다는 인식조차 없이 행동 반경을 넓혔다.

그 결과 슈퍼앱은 단순한 앱이 아니라 “일상의 운영체제(OS)”에 가까운 위치를 차지하게 되었다. 생태계 차원에서는 특정 서비스가 아니라 “플랫폼에 대한 lock-in”이 형성되었고, 이 lock-in은 시간이 지날수록 더 강해졌다.

독점이 아닌 power-law 과점 구조

이러한 요인들의 결합 결과는 단일 독점이 아니라, 소수의 슈퍼앱이 대부분의 소비자 가치와 거래를 나누어 갖는 과점 형태의 power-law 시장이다. WeChat, Alipay, Douyin, Meituan 등 각 플랫폼은 서로 다른 핵심 습관을 중심으로 강한 지배력을 형성했다.

더 중요한 포인트는, 승부가 ‘기능 경쟁’에서 나지 않았다는 점이다. 의도의 시작점을 장악한 뒤, 그 의도 흐름 전체를 플랫폼 내부로 흡수한 플레이어만이 시간이 지날수록 더 강해지는 구조적 우위를 확보했다. 이는 AI Super App 시대를 해석하는 데에도 그대로 적용되는 프레임이다.

제 2막: 중국의 AI Super App 전쟁

중국은 지금 이 과정을 AI 시대에 다시 재현하고 있다.

중국 시장에서 super app을 과점하고 있는 Big Tech들은 이제 본격적으로 AI super app 경쟁을 본격 시작하였다.

Tencent 등 기존 강자는 위챗의 기존 지면—검색, 채팅, 워크플로우—안에 AI를 직접 내장하고, 경우에 따라 외부 모델까지 통합하는 등의 전형적인 수성 전략을 펼치고 있다. 소위 “defend the container, modernize the surface” 전술인 셈이다.

반면, Bytedance등 super app 시장의 상대적 후발 주자가 공격적 시장 경쟁을 펼치고 있다. Bytedance Doubao는 Douyin (중국의 Tik Tok)의 attention graph와 크리에이터 생태계를 활용해 새로운 영역을 만들어 가고 있고, 동시에 디바이스까지 확장하며 소비자의 의도 캡처를 노린다. 최근 Bytedance가 출시한 모바일 AI agent app이 이틀만에 Wechat, Taobao등에게 차단당하는 상황이 발생할 정도로.

결국 mobile super app에서의 경험과 마찬기자로, AI super app 경쟁도 AI 능력보다 유통을 장악하는 것 중심으로 펼쳐지고 있다.

미국 시장의 AI super app

중국과의 공통점

겉모습은 달라도 본질은 유사하다. 두 시장 모두 핵심 경쟁 지점은 ‘규모있는 소비자 의도 장악 (intent capture)’이다. 소비자의 의도를 장악하면, 의사결정과 행동의 위 지점(upstream)에 있는 ‘플랫폼’은 (super app) 이후 단계(downstream)의 모든 것에 대한 leverage를 가지며, 이는 가장 큰 ‘가치 확보 (value capture)’로 이어지기 때문이다.

또한 두 시장 모두 소비자 접점에 수많은 서비스가 존재하더라도, value chain의 최상단은 ‘소수의 과점’으로 수렴하는 경향이 강하고, 여기에서 가장 강한 해자는 최 상단 플랫폼 (super app) 기반으로 구축되는 생태계에서 나온다.

그렇기 때문에, Consumer AI 시장에서 가장 큰 ‘가치 확보 (value capture)’를 위한 super app 경쟁은, 웹 시대의 구글이 창출한 시장 가치 규모에 필적하는 $1T 규모의 경쟁이 될 것이다.

중요한 구조적 차이

하지만 미국 시장은 중국과 결정적으로 다른 점이 있다.

중국은 이미 메시징·결제·ID를 장악한 슈퍼앱이 존재하는 상태로 AI 시대로 들어왔다. 반면 미국은 소비자 생태계가 더 분절돼 있어서, 결제, 메시징, 커머스등 핵심 서비스 영역이 각각 여러 플레이어에 분산되어 있다.

그 결과 미국에서는 OS와 플랫폼 게이트키퍼(애플, 구글, 마이크로소프트 등)의 영향력이 훨씬 크고, 디폴트 설정, 권한, 백그라운드 실행 통제등 AI 슈퍼앱이 등장하는 경로 자체를 제약할 수 있다. 특히 애플의 AppStore, Siri 접점, default 검색창 등이 대표적인 예이고, 그 중 Safari의 default 검색창만 하더라고 연간 $20b 이상의 매출 (기업가치로는 $100b 규모)의 가치를 가진다.

프라이버시와 규제 기대치도 더 높다. 이에 따라 자동화 속도는 느려질 수 있지만, 대신 신뢰, 감사 가능성(auditability), 거버넌스를 제공할 수 있는 플랫폼의 가치가 커진다.

이런 차이 때문에 미국에서 위챗 같은 단일 독점 플랫폼이 나올 확률은 낮지만, 그렇다고 power-law 결과가 사라지는 것은 아니다. 다만 승부의 무게중심이 OS 접점 (Siri), 검색창, AppStore, AI Assistant, AI 브라우저 등 여러 ‘컨텍스트’로 분산된 다극 구조로 이동할 가능성이 크다.

미국 AI super app 경쟁의 신호

최근 흐름은 미국 시장 역시 AI super app 분야에서 ‘미니앱 모멘트’에 진입하고 있음을 시사한다.

ChatGPT가 App SDK와 App Store 형태의 앱 유통을 도입하면서, 어시스턴트가 플랫폼으로 변하고 있다. 자연어로 표현된 소비자 의도는 이제 외부앱 실행 레이어로 전달될 수 있고, discovery 및 수익화는 위 단계의 플랫폼 (여기에서는 ChatGPT)에서 통제된다.

Claude, ChatGPT 등에서 확장되는 스킬/에이전트 라이브러리도 같은 방향으로 움직이는 새로운 경쟁의 축이다. 시간이 지나면 이 모듈들은 미니프로그램처럼 작동하며, AI 플랫폼이 특화된 태스크를 집계하고 수익화하는 기반이 될 수 있다.

어시스턴트 외에도 AI 네이티브 브라우저 (Atlas, Comet, Dia 등) 및 에이전트 플랫폼(Manus, Genspark 등)은 탐색의 순간, 즉 내비게이션 단계에서 소비자의 의도를 포착하려 한다. 브라우징 워크플로우에 에이전트를 내장함으로써, 브라우저를 상호작용의 기본 단위로 둔 구조에 도전하는 것이다.

모든 시도의 방향은 하나로 수렴한다.

“의도가 표현되고 행동이 시작되는 레이어를 소유하라”

미국 AI super app 시장의 잠재 시나리오

미국 시장에서의 AI super app 경쟁은 여러 경로로 전개될 수 있다.

• AI Assistant 플랫폼 중심 (ChatGPT 등): 기본 인터페이스가 되어 앱 마켓플레이스와 intent routing으로 가치 포착

• OS 네이티브 AI (애플, 구글): 디폴트와 시스템 권한으로 지배하며 AI 워크플로우에서 렌트 추출

• 소셜 AI (메타): 피드/메시징 안에서 ‘사회적 맥락’으로 의도를 포착하고 크리에이터·커머스로 수익화

• 엔터프라이즈 AI(마이크로소프트): 워크플로우·ID·거버넌스 중심으로 고 ARPU 영역 장악

각각의 경로에 대하여 좀 더 자세히 살펴보면:

1. AI Assistant 중심 플랫폼 (ChatGPT 등)

이 시나리오의 핵심 value capture는 “intent interpretation + intent routing”이다.

자연어에 의한 사용자 요청이 곧 트랜잭션의 시작점이 되고, 어떤 서비스·에이전트·플랫폼으로 연결될지를 결정하는 레이어가 가장 큰 경제적 파워를 가진다. App Store가 “앱 유통”을 장악했다면, AI Assistant는 “의도 유통”을 장악한다.

AI Super App으로 진화할 경우, 시장은 AI-native app/agent marketplace 형태로 형성될 것이다. 이미 ChatGPT App SDK 앱스토어에서 볼 수 있듯이. 수많은 vertical agent, tool, service가 ChatGPT 내부에서 discovery·추천·실행 경쟁을 벌이고, OpenAI는 추천 로직·수수료·결제·identity를 통해 take rate를 확보한다. 구조적으로는 Web 1.0의 검색 + App Store + 결제 인프라가 하나로 통합된 상위 레이어다.

강점: 플랫폼 중립성, 빠른 iteration, 모델-UX 결합력.

약점: distribution의 불안정성. OS·브라우저·디폴트 접근권을 통제하지 못한다. 또한, 중국과의 가장 큰 차이는 결제·ID·생활 인프라가 선결합되어 있지 않다는 점이다(WeChat 대비). 미국에서는 Super App이라기보다 포털에 가까운 “Super Gateway”가 될 것으로 보인다.

이 시나리오가 주류가 되면 Consumer AI 시장은 “agent-first, API-first” 구조로 재편된다. 개별 consumer app의 브랜드 파워는 약화되고, intent layer에 최적화된 execution agent들이 value를 나눠 갖는다.

현재/잠재 경쟁사는 OpenAI(ChatGPT), Anthropic(Claude), Google(Gemini). 가장 유력한 승자는 OpenAI, 단 OS에 대한 종속 리스크는 상존한다.

2. OS 네이티브 AI (Apple, Google)

이 시나리오의 value capture 핵심은 “디폴트 설정 + 시스템 권한 + background execution”이다.

사용자가 의식을 하지 않아도, OS 레벨에서 intent가 감지되고 처리되는 구조다. 이는 광고나 수수료보다 AI 워크플로우 전반에 대한 “수수료 (rent)” 추출로 귀결된다. 현재의 AppStore 수수료와 비슷한 구조의.

AI Super App은 별도의 앱이 아니라 OS 자체가 Super App이 된다. Siri/Gemini는 표면적 인터페이스에 불과하고, 진짜 경쟁력은 notification, permission, sensor, payment, identity를 묶은 OS layer에서의 통합 제어권이다. 시장은 기존 앱 생태계 위에 AI-enabled workflow layer가 덧씌워지는 형태로 형성된다.

강점: 압도적 distribution과 lock-in.

약점: innovation 속도와 개방성. 중국과 달리 미국 OS 사업자는 규제·프라이버시·반독점 압력이 매우 강해 공격적인 value capture에 제약이 있다. 또한 Apple은 광고/커머스에 직접적으로 깊게 들어가기 어렵다.

이 흐름이 주도권을 잡으면 Consumer AI 시장은 OS-centric, incumbent-friendly 구조로 간다. 새로운 consumer AI 회사는 OS의 extension 혹은 plugin이 된다.

현재 경쟁자는 Apple, Google. 장기 승자는 Apple일 듯. 단 “AI-native Super App”보다는 “AI-powered OS”에 가깝다.

3. 소셜 AI (Meta, Tik Tok)

소셜 AI의 핵심 value capture는 “사회적 맥락(social context) 기반 intent capture”이다.

사용자의 욕구는 종종 개인적이지 않고 사회적으로 형성된다. 추천, 구매, 선택이 네트워크 안에서 발생할 때 Meta, Tik Tok 등이 intent를 가장 먼저, 가장 풍부하게 포착할 수 있다.

페이스북의 social feed, Tik Tok의 algorithmic feed에서 사용자의 취향에 맞는 개인화 컨텐츠를 제공, 생성하면서, 개인화된 맥락 광고 등을 통하여 가치 추츨 (value extraction)을 극대화하는 현재의 소셜 피드 구조에 AI를 입힌 구조를 상상해 볼 수 있다.

AI Super App은 피드·메시징 안에서 ‘ambient AI” 형태로 작동할 듯 하다. AI는 질문받지 않아도 제안하고, 크리에이터·광고·커머스와 자연스럽게 결합된다. 시장은 크리에이터, 브랜드, AI agent가 동일한 attention 공간에서 경쟁하는 구조로 형성된다.

강점: 세계 최대의 social graph와 광고 머신.

약점: trust와 execution. 중국의 Douyin은 결제·물류·O2O까지 깊게 통합됐지만, Meta는 여전히 “discovery & influence”에 강하고 execution은 약하다. 규제 리스크 또한 상존한다.

이 시나리오가 강해지면 Consumer AI 시장은 “influence-driven commerce + AI recommendation” 구조로 진화할 것이다. 고관여 task보다는 저·중관여 의사결정에 강하다.

현재/잠재 경쟁자는 Meta, Tik Tok. AI Super App이라기보다는 “AI-augmented social OS”에 가깝다.

4. 엔터프라이즈 AI 확장형 (Microsoft)

이 시나리오의 value capture 포인트는 “workflow, identity, governance”다.

소비자 개인의 intent가 아니라, 일(work)을 통해 형성되는 intent를 장악한다. Copilot은 개인용 AI처럼 보이지만, 실제로는 enterprise contract가 수익의 중심이다.

AI Super App은 consumer-facing이라기보다 “work-life crossover platform”이 된다. Outlook, Teams, Windows를 통해 형성된 습관이 개인 영역으로 확장되고, 고 ARPU 구조가 유지된다. 시장은 SaaS + consumer hybrid 형태로 형성된다.

강점: 안정적인 수익, enterprise lock-in, 규제 대응력.

약점: consumer 감성, 속도, 문화적 영향력 상대적으로 취약. 중국에는 대응되는 플레이어가 거의 없고, 이 자체가 미국 시장의 특수성이다.

이 흐름이 강화되면 Consumer AI 시장은 “two-tier” 구조가 될 것으로 보인다: 엔터프라이즈 기반 고 ARPU 레이어와 순수 consumer 저 ARPU 레이어의 분리.

경쟁자는 Microsoft. 승자는 Microsoft, 단 consumer AI의 “보편 인터페이스”가 되기는 어렵다.

다극 균형(Multipolar Equilibrium)

가장 가능성이 높은 그림은, 단일 보편 승자보다는 컨텍스트별 소수의 power-law 지배가 공존하는 다극 균형(multipolar equilibrium)이 될 것으로 보인다.

ChatGPT (intent gateway), Apple/Google (execution infra), Meta (social discovery), Microsoft (high-value workflows) 등 컨텍스트별로 power-law dominance를 나눠 갖는 구조가 형성될 가능성이 높다.

AI Super App 경쟁: 새로운 $1T 기회

AI Super App 경쟁의 본질은 “누가 더 좋은 AI를 만들 것인가”가 아니라, “소비자의 의도가 처음 포착되고 실행으로 전환되는 기본 인터페이스”를 누가 차지할 것인가에 대한 경쟁이다. 이는 기능 경쟁이 아니라 시장 구조 경쟁이며, 소비자 트래픽과 매출이 흘러가는 경로 자체가 재편되는 과정이다.

이 경쟁에서 승자는 단일 vertical을 지배하는 기업이 아니라, 여러 vertical 위에서 의도를 해석·라우팅·실행하는 상위 레이어를 장악한 플레이어가 된다. 그렇기 때문에 AI Super App은 하나의 제품 카테고리가 아니라, 향후 10년 Consumer AI 시장의 가치 축적 방식 자체를 규정하는 레이어라고 볼 수 있다.

중국의 슈퍼앱 역사는 기술적 우위보다 “intent capture” 장악이 얼마나 빠르게 시장 장악으로 이어지는지 보여준다. 일단 사용자의 default 행동 패턴 및 그 destination이 되면, discovery, 결제, 공급자 유입이 동시에 그 컨테이너 안으로 흡수, 통합되며, value capture의 헤게모니를 장악하게 된다.

미국은 동일한 형태의 단일 슈퍼앱으로 수렴하지는 않을 가능성이 높지만, “의도 캡처가 value capture의 집중으로 이어짐”은 동일하게 작동한다. 즉, 구조는 다를 수 있어도 “의도를 먼저 잡은 쪽이 대부분의 가치를 가져간다”는 교훈은 그대로 유효하다.

이 국면에서 가장 중요한 시사점은, 표면적인 제품 경쟁이 아니라 시장 구조를 먼저 읽어야 한다는 점이다. AI Super App을 직접 만들겠다는 접근보다, 어떤 레이어가 필연적으로 필요해질지, 어디에 병목과 톨게이트가 생길지를 먼저 정의하는 것이 더 중요하다.

창업자에게는 “AI를 잘 쓰는 제품”보다 의도 흐름 안에서 필수적인 역할을 하는 포지션을 찾는 것이, 투자자에게는 단기 트랙션보다 장기적으로 가치가 쌓이는 레이어에 대한 베팅이 더 중요한 시점이다. 이 전환기는 완성된 승자를 고르는 게임이 아니라, 승자가 만들어질 자리(position)를 선점하는 게임에 가깝다.

모든 기술의 큰 흐름에는 소비자 레이어의 지배권이 다시 재편되는 순간이 있다. 웹 전환기의 구글이 그랬듯이, AI Super App 경쟁은 AI 시대에 그 역할을 할 것이며, 이는 향후 Consumer AI 시장에서 새로운 $1T 가치가 어디에서, 어떤 방식으로 만들어질지를 결정하는 분기점이 될 것이다.

지금은 구조가 완전히 고정된 상태가 아니라, 표준과 규칙이 형성되기 직전의 구간이다. 이 시점에서 중요한 것은 정답을 단정하는 것이 아니라, 변화의 방향을 이해하고 그 방향 위에서 새로운 기회를 탐색하는 것이다.

이 글이, 다음 Consumer AI의 큰 흐름 속에서 각자의 방식으로 의미 있는 기회를 상상하고 정의하는 출발점이 되기를 바란다.

근본적으로 인간으로서의 소비자 니즈 자체가 바뀌지는 않겠지만, 기술의 변화에 따라서 제공 되는 방식, 양태, 환경이 달라짐에 따라서 소비자 행태 자체가 (서서히, 그러다가 급격하게. “gradually, then suddenly”) 변화 하게 되고, 그에 따른 근본적인 비즈니스 구조 변화 또한 예상이 된다.

AI 기술에 의한 변화의 규모가 얼마나 클지, 그 영향이 어디까지 미칠지에 대한 논란이 여전히 많지만, 최소한 Consumer AI 시장에서는 그 범위가 단순히 ‘규모가 몇 배 성장’하는 수준이 아니라, 소비자 행태에 대한 근본적인 변화와 함께 기존 incumbent 플레이어 중심의 시장 구조 역시 근본적으로 바뀔 가능성이 크다고 본다.

[Two Cents #84] “Intent Economy”에서는, 현재 시장에서의 주된 value chain에서 top-down으로 어떤 구조적 변화가 일어나고, 이로 인하여 예상되는 시장 구조의 변화 중심으로 살펴 보았다.

이번에는 bottom-up으로 AI로 인해서 과거와 달리 새롭게 가능해진 방식으로부터 어떤 새로운 소비자 행태가 등장하고 이로 인하여 소비자 행태에 어떠한 second-order 변화가 일어날지에 대하여 살펴 본다.

“모든 것의 YouTube화” (“YouTube-ification of everything”)

첫 번째 주목할만 한 흐름은 “모든 것의 YouTube화”라 할만한 움직임이다.

여기에서 “YouTube화” 표현의 의미는, “기존에는 기술적 난이도, 사용할 수 있는 자원의 부족 등으로 일반인들이 접근하기 어려웠던 작업이 기술의 도움으로 일반 소비자들에게도 가능하게 되면서, 이를 기반으로 하는 완전히 새로운 ‘소비자 행태’가 (경우에 따라 오랜 시간에 걸쳐) 등장하는 과정”을 의미한다.

이는 2005년 YouTube가 등장하면서 “동영상을 디지털화하여 공유하고, (동영상 format 확인, 관련 codec 설치, 동영상 다운로드 등) 복잡한 과정 없이 이 동영상을 바로 (instantly) 볼” 수 있게 되면서, 동영상의 공유 및 플레이가 누구나 접근 가능한 행동으로 바뀌었고, 이를 통해서 동영상 공유 및 소비가 commoditize 되었다. “YouTube화” 표현은, 이렇게 동영상 컨텐츠의 공유.소비가 보편화되는 과정에서 시장이 경험한 것과 같이, “기술에 의하여 비로소 새롭게 가능해진 방식에 의하여 보편화된 새로운 소비자 행태가 등장하는 과정”을 의미한다.

AI를 통한 “YouTube화”는 생각보다 다양한 분야에서 시작되고, 빠르게 소비자들에게 보편화되고 있다.

Gen AI가 일반 대중에게 강력한 인상을 남긴 계기가 된 이미지 및 동영상 생성에서 출발하여, 음악, 3D 모델 생성 및 3D 모델 움직임, 그리고 이제 실시간으로 3D World Model을 생성하고 이를 navigate하는 것 까지 가능해졌다. (Google Genie3, World Labs 등)

이러한 creative content 생성 뿐 아니라, (좀 더 시야를 넓게 보면) 코딩을 보편화하는 ‘vibe coding’도 이 범주에 포함되고, 이러한 움직임의 끝판왕으로 소프트웨어 개발 자체를 (글 쓰기 & 공유와 유사한 형태로) social activity화 한 플랫폼 (Wabi), 그리고 게임 개발도 ‘vibe coding’하는 플랫폼 (Verse8)이 등장한 것이다.

이렇게 (이미지, 동영상에서부터 시작하여, 게임, 소프트웨어까지) 모든 것이 “YouTube화”된다면, 과연 이러한 환경에서 소비자의 행태는 어떤 근본적인 변화를 겪을까? 컨텐츠 생산 영역에만 국한하여 상상해 보면, 앞에서 언급한 ‘사진기’의 발명으로 일어난 변화의 100배, 1,000배 정도 범위와 스케일로 변화가 일어나면서, 질적인 변화도 따라 일어날 것이라는 것만 명확해 보인다.

몇 가지 first-order, second-order 영향을 상상해 보면:

• 전문가 컨텐츠 시장은 좀 더 narrative, production quality 지향

  • 사진 기술 등장 이후, 회화 예술의 다양한 분기, 진화

• 일반인에 의한 컨텐츠 시장은, 그 결과물 자체보다 그를 둘러싼 새로운 소비자 행태의 등장

  • Snapchat에서 사라지는 이미지/영상 공유 → 아주 personal, innate한 대화 기반의 소셜 행위

  • Tik Tok의 초기 성장을 드라이브한 뮤직비디오 배틀 → 컨텐츠 자체 보다는 그 것을 둘러 싼 사람들 간의 social interaction으로 관심의 이동

• 3D 모델, virtual world, 게임의 (실시간) (개인화) 생성, 내비게이션

  • AI에 의한/AI가 적극 참여하는 공간화 → (어떤 새로운 소비자 행태가 등장할까?)

• 소프트웨어 생산의 commodity화 → 소프트웨어의 utility화 (see below)

(그 외 어떤 새롭게 emerging하는 second-order 소비자 행태가 가능할까?)

Note: 상상력의 부족으로 이들 예는 직접적인 (first-order) 영향 수준에 머무르고, 이로 인한 second-order 영향까지는 상상하지 못하고 있다. first-order 영향에 의한 변화가 지금 바로 가능한 새로운 기회라면, second-order 영향에 의한 변화는 first-order 변화 기반으로 그 다음 단계 (2-3년 이후?) 새롭게 등장할 기회가 될 것으로 본다.

소프트웨어의 utility화

이 시각의 극단적인 형태가, 내가 사석에서 종종 이야기하는 “소프트웨어의 (전기, 수도와 같은 의미로) utility화” 이다.

지금은 우리 모두 ‘전기’라는 사회 인프라를 “플러그만 꽂으면 언제 어디에서나 바로 사용할 수 있는 보편재”로 생각하지만, 전기가 세상에 처음 등장한 불과 100년 전의 역사만 돌아 봐도, 어느 동네에서 전기를 사용하려면 그 지역 건물의 규모와 배치에 맞추어 새롭게 전선을 배선하고 그 (동네 규모 grid에) 연결된 발전소를 새로 설치해야만 가능했다. 이 것이 지금과 같은 “전국적 규모의 계층화된 grid에, 표준화된 전압의 전기가 분배되고, 모든 가정에서 플러그만 꽂으면 표준화된 전압의 전기를 metering해서 제한없이 사용”할 수 있게 되기까지는, Samuel Insull의 혁명적인 전기 산업 구조의 전환을 통하여 “기술의 전환 및 표준화, 사업자의 통폐합, 인프라의 통폐합” 등 과정을 수십년간 거친 결과물이다.

대략 1960년대부터 상용 소프트웨어가 사용 가능하게 된 이후의 소프트웨어 시장 진화 과정을 보면, 구조적으로 전기와 크게 다르지 않다.

하드웨어별 업무별 소프트웨어 (remember ENIAC? Apollo 11’s code?) → 벤더별 하드웨어 플랫폼 표준화 (IBM) → 하드웨어 규모별 OS 수준 플랫폼 통합 (IBM, DEC) → OS 수준의 off-the-shelf 표준화(Unix, Microsoft) → 표준화된 OS 기반으로 “shrink-wrapped” 소프트웨어 → client-server 소프트웨어 → 소프트웨어 cloud화 (SaaS) → “vibe coding” → 소프트웨어의 (전기와 같은 개념의) utility화 (yet to come) 등으로 진화해 온 그 과정을 보면.

이러한 소프트웨어 진화의 다음 단계는 “소프트웨어의 utility화” 혹은 “1회용 소프트웨어” 보편화일거라 보며, 현재 “vibe coding”이 그 변화의 서막을 알리는 현상이고, 이제 막 등장한 Wabi등의 ‘vibe-coded software 공유 플랫폼’이 이제 “소프트웨어의 YouTube화”의 시작을 알리는 신호라고 해석한다.

몇 가지 first-order, second-order 영향을 상상해 보면: (역시 상상력의 제약이 크지만)

• 1차적으로는 (Wabi 등의 플랫폼을 통하여) ‘소프트웨어라는 object를 만들어야 하는 대상’으로 보는 개념보다는, (1) ‘해야 할 일’에 촛점을 맞추어 만든 (vibe coding 과정을 통해, 소프트웨어 형태의 결과물을 만들어 내는) ‘도구’가 보편화되고, (2) 자연스럽게 이렇게 만들어진 결과물을 (그 것이 소프트웨어라는 object 형태가 되든지, SaaS 형태의 서비스가 되든지, agent라는 다른 방식의 서비스/object가 되든지) 공유하고 remix하는 행태가 보편화되면:

  • 첫 번쨰 달라질 소비자 행태는, 소비자는 새로운 ‘도구 (aka 소프트웨어)’를 ‘만들려 하기’ 보다는 ‘찾아 보기’가 첫 번째 행위가 될 듯 하다. (이는 GPT 초기에 잠시 등장한 GPTs 혹은 지금 인기를 모으고 있는 prompt library와 비슷한 형태일 듯)

  • 이는 ‘도구’를 찾고 사고 파는 공간이 (Zapier 같은 플랫폼이나, AppStore 같은 마켓플레이스 보다는) ‘쿠팡’ ‘아마존’과 더 유사한 소비자 친화적 플랫폼으로 진화하지 않을까?

  • 또 다른 유형의 소비자 행태로는, 잠시 빌려 쓰고 버리는 (1-time use) 방식이 보편화될 가능성도 높아 보이고.

  • 이 (도구 공유 공간은) 자연스럽게 업무 수행 방법론 (best practice), 워크플로우, (지식 노동자의) mind map 등을 거쳐, 일, 삶 등에 대한 생각의 ‘소셜 공론의 장’으로 진화하지 않을까? (비유하자면, 인스타그램이 ‘예쁜 사진 공유’ 공간에서 ‘자신을 자랑하고’ 이 것이 자연스럽게 ‘마케팅/브랜딩을 널리 알리려는’ 공간으로 진화하였듯이)

• (소프트웨어 라는) 툴 보다는, 실제 해야 할 일 자체에 더 집중하는 (지식 노동자의) 워크플로우 중심으로 소비자의 사고, 행태가 이동하지 않을까?

  • 이메일, 캘린더, To Do List (TDL)를 사용하는 습관도 기존에 이미 만들어진 ‘툴’에 사람의 행위가 맞추어진 결과 (not the otther way around) 라는 시각이다. TDL 역시 해야 할 일을 잘게 나눈 단위 작업 단위로 scheduling하던 습관의 결과물일 수 있고.

  • 이러한 ‘툴’이 보편화되어 전기, 수도물 쓰듯이 자유롭게 쓰고 버릴 수 있으면 더 이상 ‘툴’이라는 존재 자체엔 대한 인식이 무의식 수준으로 내려가 버리고, 이제는 이 것들을 (전기, 수도) 가지고 할 일 (예: 청소, TV 시청)으로 관심의 촛점이 이동해 버릴 듯.

  • 비유를 하자면, 과거 인터넷이 진입 장벽이 높은 ‘새로운 기술’이었던 시절에는 ‘인터넷 한다’는 행위 자체가 우리의 인식에서 인지되었지만, 이제는 (와이파이 접속할 때, LTE 음영 지역 외에는) ‘인터넷 한다’는 행위 자체엔 대한 인식 없이 살고 있듯이.

(그 외 어떤 새롭게 emerging하는 second-order 소비자 행태가 가능할까?)

AI Scientist

소비자 행태와 직접 연관이 있는 영역은 아니지만, 모든 것의 “YouTube화”라는 사고 실험을 확장하다 보면 궁극적으로 도달하는 지점의 하나가 첨단 R&D 분야이다.

실제로 현재 SOTA 수준 LLM 적용으로 새롭게 등장하는 흐름의 하나가 ‘AI scientists’ 분야이다.

AI Agents들로만 구성된 연구팀이 (인간의 개입 없이) 새로운 Covid-19 백신을 발견하였다는 발표가 불과 1년 전인데, 이제 AI Agents들로 구성된 연구팀이 보편화되고 있는 추세. 어쩌면 조만간 이 분야도 (최소한 전문 연구원들 중심으로) ‘vibe coding’ 수준으로 보편화될 수도 있을 것이라는 생각.

Foundation Model 자체보다는, 해결하려는 문제에 대한 domain knowledge가 bottleneck이 되어 버린 만큼, (가장 value-add가 클) 신약/life science 분야를 필두로 각 전문 R&D 분야의 연구원들이 봇물처럼 뛰어 들지 않을까 상상하고 있다. 이미 life science 분야는 새 스타트업 창업하듯이 새로운 ‘AI Scientist’들이 등장하고 있고.

그렇게 되면, 이 시점이 (많은 visionary가 이야기하는) AGI, ASI에 기반한 ‘인류 지능 폭발’의 출발점이 될 수도 있지 않을까 하는 상상까지 가능하다.

“No app, No OS” — 우리가 알고 있는 UI UX의 종말

이러한 “모든 것의 YouTube화”로 시작된 환경의 변화로 인하여 예상되는 근본적인 소비자 행태 변화에 대한 함의 (implication)는:

1. 기존 수십년간 우리가 익숙해진 OS, 소프트웨어, 앱 등의 abstraction 및 이들을 둘러싼 비즈니스 구조가 해체될 것이고,

2. 이로 인한 소비자의 행태 변화는 우리가 지금 상상하는 것보다 훨씬 클 것이라는 점이다.

“AI is being baked into keyboards, browsers, and operating systems. If your assistant is everywhere you type, why open a separate app?” — 2025: The State of Consumer AI | Menlo Ventures

이를 각각 좀 더 파고 들어 보면:

얼마 전 Elon Musk는 “앞으로 5-6년 이내 모든 OS, app들이 필요 없어지고, 사용자는 ‘AI가 탑재된 (스마트폰이 아닐 가능성이 높은) 디바이스’와 대화하면서 원하는 것들을 얻을 것이고, 사용자가 보는 대부분의 컨텐츠는 필요에 따라 AI가 실시간으로 생성한 것들이 될 것”이라고 이야기하였다.

Elon Musk가 평소 기행을 많이 하기는 하지만, “first principle thinking”에 의하여 “다음 것”을 가장 정확히 예측/목표하고 이를 만들어 내는 역량만큼은 가장 뛰어난 사람이라고 생각하는데, 그가 AI로 인한 변화라고 예측한 이 방향 역시 directionally correct한 예상이라고 생각한다. (timeline등의 detail에서는 생각이 약간 다르지만).

즉, 우리가 지난 수십년간 익숙해진 ‘소프트웨어’라는 개념 및 그 소프트웨어와 사용자가 interaction하는 방식이 (그 하부 구조로서의 OS를 포함하여) 근본적으로 변화할 것이라는 점이다.

실제로 우리가 지금 당연시 하는 ‘모바일 앱’도 사실은 ‘발명’된지 불과 20년이 채 안된 artifact로서 (Palm Pilot app까지 올라 가면 최대 30-40년) ‘스마트폰’이라는 artifact가 등장하면서 비로서 가능해진 새로운 ‘물건’이라는 점을 생각하면, 이 ‘앱’이라는 artifact가 (아마 ‘스마트폰’이라는 artifact가 더 이상 의미가 없어질 가능성이 높은) 30년 이후에도 계속 유효할 것이라고 믿는 것이 더 이상할 수 있다.

이러한 변화를 보여 주는 표현의 하나:

GREG ISENBERG on X: this multiplayer AI moment will create entire categories of software we don’t have names for yet, because the structure of collaboration is about to change from “people using apps” to “groups interacting with intelligence” / X

UI, UX의 근본적 변화: “interface-heavy”에서 “intent-driven”으로

이러한 변화 흐름은, 근본적으로 사람과 시스템 간의 접졈 (UI) 및 사용자 경험 (UX) 측면에 큰 (근본적인?) 변화를 가져 올 것으로 본다.

[Two Cents #76] UI, UX에서 다루었듯이, 이러한 환경에서 각 개인이 접하는 UI, UX 접점은 아래의 몇 가지 측면에서 근본적으로 바뀔 것으로 예상된다. 물론 앞으로 3년 내는 아니겠지만, 10년 이상 걸리지는 않을 듯 하다.

1. end of “request - response UX”

   가장 근본적으로 일어날 변화는, 기존에 우리가 익숙한 “UI 접점에게 요청을 하고 (request),” 이에 대하여 “UI 접점이 결과물을 주면 (response)”, 사용자가 이 결과에 대하여 다시 다음 단계 요청을 하는 “일련의 reques-response 흐름” 형태의 사용자—시스템 간의 interaction 방식이, 아주 다양한 방식으로 바뀔 것으로 본다.

   예를 들어, Ambient Agent에 의한 선제적 알림/개입 (proactive intervention) 방식을 상상해 보자.

   아침에 일어나서 이메일, 캘린더를 가장 먼저 뒤져 보는 방식이 아니라, 24x7 나를 보좌하는 Ambient Agent가 아침 식사 중에 나의 오늘 할 일 리스트와 그 우선 순위, 각각에 대한 배경 설명을 해 주고, 각각의 이슈에 에 대하여 ‘이렇게 진행할까요’라는 질문에 내가 확인만 해 주는 방식이 멀지 않아 가능해질 것이다. 이러한 행태에 소비자가 익숙해지면, 이제 어떤 이메일, 캘린더, TDL 앱을 사용할지 내가 신경쓸 필요가 있을까?

2. 소비자의 주된 UI 접점: 소비자가 AI와 interact할 가장 주된 공간은 어디가 될까?

   스마트폰? 다시, 데스크탑? 아니면, (CCTV, 스피커, 마이크 등이 가득한) ambient 공간 (예를 들면, 자동차, 사무실, 집안의 거실/서재/침실, 지하철/버스, 길거리 …)? 아니면 (Humane pin 혹은 AR Glass, Meta wristband 등) 새로운 form factor의 ambient device?

3. 주된 interaction modality: 이 공간에서 소비자가 AI와 interact하는 주된 방식, modality는 무엇일까?

   현재와 같이 스마트폰 화면 보면서, 사진 업로드하고 키보드 입력하는 방식? 스마트폰과 음성 대화로? 이때 음성 대화를 나누는 상대는 ‘Siri’? 아니면, ambient device(의 ‘Alexa’)와의 음성 대화? 혹은 스크린을 보면서 AI app과 직접 음성 대화? ambient 공간에서 (클라우드에 있는) Alexa 서버와 음성 대화를 하면 클라우드 Alex 서버가 알아서 triage?

4. 주된 interaction 주체: 위의 환경으로 진화하기 전까지, 현재의 디바이스 및 환경에서 어느 것이 가장 주된 interaction 주체 및 방식이 될까?

   Siri (음성 에이전트)가 주된 접점이 되고, 나머지는 모두 Siri가 triage? 아니면, ChatGPT/Claude가 새로운 super app이자 app store로? (지금 스마트폰에서 처럼) 사용자가 각각의 AI App 혹은 AI URL 기반으로 서비스를 찾아 가는 방식? 아니면, 다시 브라우저?

이러한 변화는, 소비자의 행태가 ‘interface-heavy’ UI UX에서 부터 ‘intent-driven’ 워크플로우로 근본적으로 바뀌는 것을 의미한다.

몇 가지 first-order, second-order 영향을 상상해 보면:

• 단기적으로는, ‘플랫폼’ 기반으로 구축된 웹 서비스, 앱 중심의 환경이 해체되고, 새로운 layer에서의 ‘새로운 플랫폼’ 중심으로 앱/서비스/mini app 등의 ‘단위’들이 새롭게 ‘헤쳐 모여’하게 될 것이다.

• 그 첫 번째 변화의 신호가 OpenAI App SDK, 그리고 (놀랍게도 예상치 않게 지금 시점에 발표된) Apple Mini Apps Partners Program 이다. (이들 각각에 대한 나의 생각들을 정리한 Tweet들: App SDK, Apple Mini Apps)

• ‘새로운 layer에서의 새로운 플랫폼’은 iOS, AppStore, AI browser, ChatGPT (소위 ‘AI Super App’) 등 다양한 layer중 하나 혹은 그 이상으로 이동/분산될 듯 하고, 그 중 어느 layer로 settle down될 지는 향후 기술의 흐름, 소비자의 수용 과정에 따라 달라질 듯 하다.

• 위의 ‘소프트웨어의 utility화’ 흐름, 추가로 “SaaS is dead, at least as we know them” (이 주제는 따로 다룰 예정이다) 흐름과 함께, 기존의 개별 앱/서비스 중심의 시장 구조에서, (1) 더 적은 수의 ‘headless’ 공급자 중심으로 aggregate 되고, (2) (Wechat 내부의 mini app과 유사한) (많은 경우, 아주 단순한 ‘단 하나’의 기능에 집중하는) ‘수 많은’ micro/mini app의 생태계로 분산되고, 이 두 가지 움직임이 동시에 발생하지 않을까 한다.

• 이러한 변화는, front-end UI 접점, back-end ‘headless’ supplier 등의 구조에 아주 큰 변화를 가져 올 가능성이 높다. (물론 10년 내지 그 이상의 오랜 시간이 걸리겠지만)

• 여행 분야를 예로 들어 상상해 보면, booking.com, hotels.com 등 B2C 서비스 중심 시장 구조에서부터, ‘AI Super App’ 혹은 ‘AI Agent’를 소비자 접점의 front-end 역할을 담당하고, 소수의 항공권 예약 (APOLLO, AMADEUS 등 GDS) 및 소수의 hotel booking supplier aggregator들이 ‘headless’ 형태 back-end 공급사가 되는 구조가 가능하다.

소비자 행태의 second-order 변화

AI가 ‘자동화를 통한 효율화’, ‘컨텐츠 생성’을 넘어 (agent를 통한) ‘판단.실행’까지 관여하기 시작하면, 소비자 행태의 기본 단위는 더 이상 앱, 페이지, 기능이 아니게 되고, 사용자는 점점 “무엇을 클릭할 것인가”, “무슨 action을 할 것인가”보다 “무엇을 이루고 싶은가”를 먼저 떠올리고, 시스템은 그 의도를 해석해 필요한 정보 탐색, 비교, 실행을 한 흐름으로 처리하게 된다.

이 변화의 본질은 UI/UX의 진화라기 보다는 소비자가 디지털 시스템을 인식하는 방식 자체의 전환에 가깝다.

위에서 논의한 AI로 새롭게 가능해지는 변화의 의미를, 소비자 행태에 미치는 second-order 변화 중심으로 정리해 보면:

생산의 대중화: 결과물을 소비하지 않고, ‘참여하는 과정’을 소비

모든 것의 YouTube화가 의미하는 가장 직접적인 변화는, 생산 행위 자체가 더 이상 전문가의 전유물이 아니라는 점이다.

이미지·영상·음악·3D·코드·게임까지 “만드는/창작하는 비용”이 급격히 낮아지면서 소비자는 자연스럽게 생산자와 소비자의 경계를 넘나들게 되고, 이 과정에서 중요한 것은 결과물의 완성도가 아니라, 만들 수 있다는 사실 그 자체가 일상화된다는 점이다.

이로 인한 second-order 변화는 소비자의 관심의 이동이 될 것이다.

완성된 콘텐츠 자체보다, 그것이 만들어지는 과정의 실시간성, 참여 가능성, 리믹스와 피드백의 맥락이 소비의 중심이 될 것이다. TikTok 초기의 뮤직비디오 배틀이나, Snapchat의 사라지는 콘텐츠처럼, 결과물 “작품” 그 자체가 핵심이 아니라 그 과정에서 사용가 간의 “관계와 상호작용”이 핵심 가치가 된다. 소비자는 더 이상 수동적 시청자가 아니라, 공동 제작자 혹은 큐레이터로 행동한다.

이미지, 동영상, 3D 생성 단계를 넘어서 소프트웨어까지 그러한 ‘소비자 창작’의 대상이 되고, Wabi와 같은 플랫폼에서는 (vibe coding으로 만들어 내는) 소프트웨어를 중심으로 이러한 소비자 활동이 일어나기 시작하고 있다.

검색, 탐색의 종말: 정보를 ‘찾는’ 행위가 사라진다

기존 인터넷 사용 행태의 상당 부분은 검색과 탐색에 기반해 있었다.

어떤 문제를 해결하려면 검색어를 만들고, 링크를 열고, 여러 페이지를 비교한 뒤 스스로 판단해야 했다. AI가 이 과정을 대체하기 시작하면 (search → summary), 소비자는 더 이상 정보를 수집하지 않고, 대신 판단의 기준과 제약 조건만 제시하고 그 결과물에 대한 채택 여부를 판단하게 된다.

이때 나타나는 변화는 미묘하지만 근본적이다. 소비자의 인지적 부담은 “얼마나 많은 정보를 봤는가”에서 “이 시스템을 얼마나 신뢰하는가”로 이동한다. 무엇을 샀는지보다, 왜 그것이 선택되었는지, 그리고 그 선택이 되돌릴 수 있는지가 중요해진다. 검색 UX의 종말은 단순히 검색창이 사라진다는 의미가 아니라, 소비자의 사고 구조가 “탐색 중심”에서 “목표/intent 중심”으로 바뀐다는 의미이다.

소프트웨어의 utility화: 도구를 쓰지 않고, 일을 수행한다

소프트웨어가 (전기, 수도와 같은 의미로서의) utility처럼 작동하기 시작하면, 소비자는 더 이상 ‘툴을 사용하는 사람’으로 스스로를 인식하지 않는다. (마치 ‘인터넷 한다’라는 표현을 더 이상 사용하지 않게 되었듯이). 필요한 순간에 필요한 기능이 호출되고, 일이 끝나면 사라지는 환경에서, 앱을 설치하고 학습하는 행위는 점점 예외가 된다. 이 과정에서 소프트웨어의 존재감은 무의식 수준으로 내려가게 될 것이다.

이로 인해 소비자의 행동은 자연스럽게 워크플로우 중심으로 재편된다. 이메일, 캘린더, To-Do 앱을 어떻게 쓰느냐가 아니라, “하루를 어떻게 진행하는가”, “일을 어떤 순서로 처리하는가”가 핵심이 되고, 소프트웨어는 더 이상 정체성이나 생산성 도구가 아니라, 전기나 수도처럼 이러한 일의 수행을 (눈에 띄게 & 눈에 띄지 않고) 가능하게 하는 배경 인프라가 된다.

요청–응답 UX의 약화/소멸: 소비자는 ‘조작’하지 않고 ‘승인’한다

기존 UI/UX는 사용자가 명시적으로 요청(request)을 보내고, 시스템이 응답(response)하는 반복 구조에 기반해 있다. 그러나 AI 에이전트가 문맥을 지속적으로 이해하고, 워크플로우 전체를 담당하게 되면, 이 구조는 점점 약화되고, 소비자는 “무엇을 클릭할지”를 고민하는 대신 시스템이 제안한 흐름을 승인하거나 수정하는 역할을 맡게 된다.

이때 UX의 중심은 인터페이스의 복잡성이 아니라, intent의 전달/공유, (delegation등의 역할 분담을 포함한) 결과물에 대한 의사결정 과정/방식의 설계가 된다. 얼마나 자주 개입할지, 어디까지 자동으로 맡길지, 언제 사람에게 되돌릴지에 대한 선택/자동화/개인화가 중요해진다. 좋은 UX란 더 많은 선택지를 제공하는 것이 아니라, 적절한 순간에 최소한의 질문을 던지고 소비자의 의사 결정을 돕는/대행하는 것이 될 것이다.

소비의 핵심 비용 변화: 돈보다 ‘의도, 신뢰, 권한’

마지막으로, 이러한 변화는 소비에서 지불되는 비용의 성격을 바꾼다. 앱을 쓰는 데 드는 시간과 주의력이 줄어들수록, 소비자는 더 많은 것을 시스템에 맡기게 된다. 그 결과 가장 중요한 자원은 돈이 아니라, 권한을 위임할 수 있는 신뢰가 된다.

이 과정에서, 광고, 피드로 주의를 끌고 사용자의 클릭을 유도하던 방식은 점점 사라지고, 소비자는 원하는 ‘의도’를 표현하고 (agent 기반의) ‘시스템’은 이를 deliver하는데 집중하게 된다. 즉, 시스템과 사용자 간의 기본 interaction 방식이 [Two Cents #84]에서 설명한 “Attention Economy”에서 “Intent Economy”로 이동하게 된다.

이 환경에서 프리미엄은 콘텐츠, 클릭, Conversion이 아니라, 소비자가 얼마나 (신뢰, 개인화 측면에서) 믿고 위임할 수 있는가, 그리고 그 결과물에 대한 소비자의 의사 결정은 어떻게 진행되고 (HITL, delegation), 그 과정에서 문제가 생겼을 때 얼마나 어떻게 획인, 설명하고 복구할 수 있는가에서 발생한다. 소비자는 더 적게 관여하고, 더 많이 맡길 것이고, 그 ‘맡김’의 설계가 앞으로의 소비자 경험을 규정하게 될 것이다.

시장 구조 변화와 새로운 스타트업 기회

시장 구조: “앱 중심 인터넷”에서 “에이전트 중심 경제”로

AI가 “생성”을 넘어 “실행”까지 담당하기 시작하면, 인터넷/모바일 생태계의 기본 단위가 앱(App)에서 ‘의도(Intent)’로 바뀐다. 사용자는 더 이상 기능을 찾아 앱을 설치하고 학습하는 대신, 원하는 목표를 말하고(또는 암묵적으로 드러내고) 시스템이 이를 분해·조합해 처리하는 경험이 기반이 될 것이다. 이때 가치가 쌓이는 지점은 UI의 미세한 차이나 기능의 개수보다는, 누가 사용자의 ‘의도’를 정확히 파악아고, 이를 달성하기 위하여 “누구에게 어떻게 위임하고”, “최종 결과물에 대한 결정은 누가 어떻게 하느가”로 이동한다.

그리고, 이 과정을 주도하는 것은, 인간 (소비자)가 아니라 multi-level agent swarm가 될 것이고, 그리고 이들 agent에게 실제 서비스를 제공하는 공급자가 ‘headless’ 형태 혹은 agent, micro-services 등의 형태로 존재할 것으로 본다.

이 변화는 자연스럽게 시장을 양극화한다. 한쪽에서는 항공/GDS처럼 표준화된 공급을 묶어 제공하는 소수의 headless supplier/aggregator가 더 중요해지고, 다른 한쪽에서는 아주 작은 기능 단위의 micro capability(스킬/미니앱/툴)가 폭발적으로 증가할 것이다. 과거에는 “큰 앱 안에 많은 기능”이 경쟁력의 핵심이었다면, 앞으로는 “워크플로우가 여러 capability를 필요에 따라 호출”하는 구조가 된다. 결과적으로 전통적인 앱 번들은 해체되고, 사용자 경험은 “앱을 넘나드는 전환 비용”이 아니라 “의도→실행”의 end-to-end 품질로 재정의된다.

주요 플레이어 재편: 누가 ‘새로운 플랫폼’이 될까

이 생태계에서 플랫폼은 “앱스토어처럼 설치를 유통하는 곳”이 아니라, 의도가 가장 먼저 입력되는 접점이 된다. 키보드, 브라우저, OS, 알림, 결제, 연락처, 캘린더처럼 일상의 관문을 가진 레이어는, 사용자의 문맥과 권한을 가장 자연스럽게 보유할 수 있다. 따라서 이들은 앱을 “호스팅”하는 것을 넘어, 어떤 서비스/모델/API를 호출할지 결정하는 “intent router”로 진화할 가능성이 높다. 사용자가 앱을 여는 순간 자체가 줄어들수록, 이 layer가 사실상의 핵심 distribution channel이 된다.

동시에 ChatGPT류의 AI Super App, 혹은 AI Browser는 새로운 형태의 “포털”이 된다. 다만 과거 포털이 링크를 연결했다면, 이제는 작업을 완결한다. 이때 경쟁의 핵심은 단순한 응답 품질이 아니라, (1) 사용자 문맥을 얼마나 지속적으로 이해하는지, (2) 외부 공급자/툴을 얼마나 안정적으로 조합해 실행하는지, (3) 실수했을 때 되돌릴 수 있는지(통제/감사/보증)로 이동한다. 결국 “앱 생태계”는 플랫폼의 소유권을 둘러싼 싸움이라기보다, 권한과 문맥을 보유한 레이어가 실행의 흐름을 장악하는 게임이 된다.

새로운 스타트업 기회: “앱을 만드는 회사”가 아니라 “의도를 실행하는 회사”

이 구조 변화가 만드는 가장 큰 기회는, 앱을 하나 더 만드는 것이 아니라 ‘의도를 더 잘 실행하는 레이어’가 될 것이다. 특히 사용자의 목표는 늘 복합적이기 때문에(예: “이번 주말 제주도 가족여행 최적화”), 이를 자동으로 분해하고, 필요한 데이터/도구를 연결하며, 결과를 검증하고, 예외 상황을 처리하는 end-to-end 오케스트레이션이 핵심 제품이 된다. 다시 말해 “좋은 UI”보다 “좋은 진행”이 제품이 되는 순간이다.

또 하나의 큰 축은 신뢰(trust)와 권한(permission, delegation)이다. AI가 결제, 예약, 메시지 발송, 문서 제출까지 실행하는 환경에서는 사용자가 원하는 것은 더 그럴듯한 답이 아니라 “틀렸을 때 누가 책임지는가”, “무엇을 근거로 그렇게 했는가”, “어디까지 위임했는가/언제든 철회할 수 있는가”이다. 따라서 출처 검증, 행동 로그/감사(audit), 정책 기반 권한 위임, 실수 복구(rollback), 보증/보험과 같은 신뢰 레이어가 전면에 등장한다. 이 영역은 단순 기능이 아니라, 소비자가 ‘위임’에 마음 놓고 들어갈 수 있게 만드는 인프라에 가깝다.

마지막으로, capability가 쪼개질수록 시장은 “발견과 조합”의 문제로 수렴한다. 수많은 micro capability가 생길 때, 사용자는 그것을 일일이 탐색하지 않고, 시스템이 목적 기반으로 큐레이션하고 번들링해주길 원한다. 이때 생기는 기회는 “앱스토어 2.0”이라기보다, 워크플로우 기반의 커머스/유통이다. 예를 들어 다음과 같은 형태가 자연스럽게 나올 수 있다.

• 목적 기반 패키징: “면접 준비”, “이사”, “아이 생일파티” 같은 목표를 입력하면 필요한 도구·콘텐츠·체크리스트·자동 실행을 한 번에 제공

• 에이전트 네이티브 커머스 인프라: 상품/서비스 메타데이터 표준화, 실시간 가격·재고·정책 API, 구매 후 CS 자동화

• 개인 데이터 vault: 캘린더/관계/취향/재무 등 개인 문맥을 안전하게 보관하고, 에이전트에게 ‘정책 기반’으로 부분 위임하는 personalization data layer

요약하자면, 앱 중심 생태계가 약해진다는 것은 “제품이 사라진다”가 아니라, 제품의 중심이 앱이 아니라 의도 실행 흐름과 신뢰 설계로 옮겨간다는 뜻이다. 그리고 이 전환기에는, (1) intent routing과 오케스트레이션, (2) trust/permission layer, (3) micro capability의 유통/번들링 & discoverability의 세 가지 축에서 새로운 Tier-1 소비자·플랫폼 스타트업이 나올 가능성이 높다고 본다.

Key takeaways

이러한 구조 변화의 의미는, 지난 10-30년간 우리가 당연시해 온 기본 방식 (playbook) 중 상당히 많은 부분에서 그 기본 가정이 바뀌고 있다는 것이고, 이는 우리가 당연시하는 방식에 기반한 비즈니스 모델은 오래지 않아 그 의미를 잃을 (obsolete) 가능성이 커졌다는 것이다.

완전히 새로운 기술 흐름이 등장한 이후에도 관성에 의하여 오랫동안 익숙해진 과거 방식의 비즈니스가 계속 성장하고 이때문에 새로운 흐름에 의한 근본적인 구조의 변화 가능성을 과소 평가하는 경향이 있다.

한 때 ‘스마트폰’ 카테고리의 (untouchable 수준) 선두 주자였던 블랙베리의 사례에 비추어 보면, 이러한 구조적 변화 흐름을 더 극적으로 관찰할 수 있다.

아이폰, 안드로이드 스마트폰이 대세를 차지한 지금 시점에서 보면, 아이폰의 등장으로 (과거 세대의 ‘스마트폰’이었던) 블랙베리의 몰락이 너무나 당연한 것으로 이해하고 있지만, 실제로는 2008년 아이폰이 등장하고 2009년 AppStore가 등장한 이후에도 3-4년간 블랙베리는 오히려 더 많이 성장하여, 2011년 피크 시점 판매량은 (아이폰이 등장한) 2008년 대비 4x 이상의 규모였다.

핵심 메세지는 “지금 시점 시장 수요에 의하여 계속 성장하는 비즈니스라고 하더라도, 시장 구조의 근본적 변화 흐름과 다른 방향으로 가는 것이라면 10년 후에 돌이켜 보면 ‘블랙베리’가 될 가능성이 크다”는 점이다.

지금 새로 만드는 것이 ‘블랙베리’가 아니기를 기원하며.

근본적으로 인간으로서의 소비자 니즈 자체가 바뀌지는 않겠지만, 기술의 변화에 따라서 제공 되는 방식, 양태, 환경이 달라짐에 따라서 소비자 행태 자체가 (서서히, 그러다가 급격하게. “gradually, then suddenly”) 변화 하게 되고, 그에 따른 근본적인 비즈니스 구조 변화 또한 예상이 된다.

AI 기술에 의한 변화의 규모가 얼마나 클지, 그 영향이 어디까지 미칠지에 대한 논란이 여전히 많지만, 최소한 Consumer AI 시장에서는 그 범위가 단순히 ‘규모가 몇 배 성장’하는 수준이 아니라, 소비자 행태에 대한 근본적인 변화와 함께 기존 incumbent 플레이어 중심의 시장 구조 역시 근본적으로 바뀔 가능성이 크다고 본다.

이번에는 그 소비자 행태 변화에 따른 Consumer AI 비즈니스 구조 변화의 양태를 먼저 정리해 본다.

Where $1T value capture is headed

ChatGPT, Gemini, Claude, Perplexity 등의 AI Assistant (이 글에서는 이 부류 서비스 전체를 ’ChatGPT’로 표기한다) 사용자 수가 10억명이 넘어 가면서, Consumer AI 분야에서 소비자가 AI를 사용하는 행태에 변화의 조짐이 보이고 있다.

이러한 소비자 행태 변화는 기존의 비즈니스 구조를 바꾸고 새로운 비즈니스 기회가 등장하는 기회가 되기 때문에 큰 변화/흐름의 조짐이 되며, 이러한 변화는 (구글, 아마존의 기업 가치 기준으로) $1T 규모의 새로운 비즈니스가 Consumer AI 분야에서 창출되는 기회가 될 것이다.

Search에서 summary로

2025년 기준 ChatGPT를 통한 검색 쿼리 규모가 구글의 10% 수준에 달하면서, 기존에 구글 검색이 새로운 정보의 탐색의 시작점이었던 것이 빠르게 ‘ChatGPT’로 넘어가고 있다. 이는 구글이 10여년에 걸쳐 도달한 규모를 ChatGPT는 불과 2년만에 도달한 수준이다.

동시에 그 행태가 ‘새로운 정보 탐색의 시작점’ (”search”) 역할이던 것에서부터 ‘원하는 정보의 답을 바로 구하는 종착점’ (”summary”) 역할로 급격하게 변하고 있다.

이러한 소비자의 ‘정보 탐색 행태’의 변화는 기존 구글 검색에서 출발하여 SEO, ad network을 거쳐서 쇼핑, 서비스, 뉴스, 정보 등의 ‘목적지’ 웹사이트로 이어지는 트래픽 (”사용자의 attention”) 흐름이 (기존의 SEO, ad network이 아닌) 다른 경로를 통해 이루어지고 있으며, 이는 그 트래픽으로 인해 발생하고 있는 $000B 규모의 매출이 그 새로운 경로로 이동할 가능성이 높다는 의미를 가진다.

즉, 구글의 트래픽 중 ‘정보 탐색 의도’를 가진 트래픽 비중이 대략 50% 내외인 점을 고려히면, search → summary로의 소비자 행태 변화로 인하여 2024년 기준 구글의 광고 매출 규모 $265B (검색, 유튜브, 광고 네트워크 포함) 중 약 $130b 규모의 비즈니스가 새로운 채널로 이동한다는 의미를 가진다.

구매 여정: ‘검색, 탐색’에서 ‘의도, 추천’으로

쇼핑, 로컬, 전문 서비스 등에 대한 ‘구매 의도’를 가지는 소비자 행태 역시 빠르게 새로운 경로로 이동하고 있다.

그 첫 번째 변화는, 쇼핑 플랫폼 내에서의 구매 경로를 더 차지하기 위한 쇼핑 플랫폼 간에 일어나기 시작한, (그리고 쇼핑 플랫폼과 ‘ChatGPT’ 사이에서 일어날) 경쟁이다.

즉, 기존 플랫폼에서 일어 나는, 상품 정보를 검색하고 (search), 상품 페이지를 탐색하고 (browse. 상품 정보 확인, 가격 비교 등), 최종 구매 결정 및 결제 (checkout)으로 이어지는 구매 여정을 다른 플랫폼에게까지 확장하여 타 플랫폼에서의 search - browse - checkout 구매 과정을 소비자를 대행하여 수행하는 형태이며, 이는 이미 Amazon, Shopify 등의 쇼핑 플랫폼 사이에 치열한 경쟁이 일어나고 있다.

먼저, Amazon의 ‘Buy for me’를 필두로 ‘에이전트가 소비자를 대행하여 상품을 검색, 추천, 비교 분석 후 결제까지 Amazon 내부에서 완결’되는 구매 여정을 제공하기 시작하였고, 이로 인한 ‘에이전트의 내부 상품 정보 접근 및 결제 과정’에 대한 통제가 다양한 형태로 일어나고 있다. (Amazon은 에이전트의 접근 전면 차단. Shopify는 상품 페이지 접근은 혀용하지만 결제는 차단. 등)

그 다음 단계는, ‘ChatGPT’ 내부에서 특정 상품의 search, browse, checkout 전체 과정을 완결할 수 있는 ‘Instant Checkout’ 형태로 진화하고 있으며, 이는 ‘ChatGPT’와 쇼핑 플랫폼 간에 ‘소비자 구매 여정’을 차지하기 위한 경쟁의 시작이다.

이 대상 범위를 좀 넓게 확대해 보면, ‘ChatGPT’ 내에서 사용자의 넓은 의미에서의 구매 의도 (task)에 대하여, 시장 조사, 검색, 탐색, 비교 분석, 판매자/제공자 확인 단계까지 일괄 제공하는 형태가 이미 시작되고 있다.

“OO 예산으로 OO 지역 여행 계획 작성해줘”와 같은, 단일 품목의 구매가 아니라 일정 수준 이상의 기획, 시장 조사, curation 등을 필요로 하는 복합 ‘구매 의도’에 대한 기획이 ‘ChatGPT’ 내의 (주로 agent 기능을 통하여) 쉽게 제공하고 있다. 이는 오랫동안 모든 커머스, 예약 서비스가 가장 바랐던, 하지만 (기술적인 한계로) 제공할 수 없었던 서비스이다.

이러한 시나리오에 의한 구매가 이미 일어나기 시작하였다.

실제로 나의 가족이 2025년 여름 해외 여행을 가며, 여행 계획을 짜는 것뿐 아니라 현지 호텔, 현지 여행사까지 ‘ChatGPT’ 내의 에이전트가 (정확히는 Manus가) 검색하여 추천하였고, 이렇게 추천된 호텔은 호텔 예약 사이트에서, 여행사를 통한 예약은 ‘ChatGPT’가 알려준 연락처로 직접 연락을 하여 진행하였다. 이 과정에서 이 여행 계획에 관련된 어떤 구글 검색도 필요 없었다.

‘ChatGPT’ agent가 나를 대신하여 호텔 예약을 진행하고 현지 여행사와 협상을 진행하는 기능까지는 아직 구현되지 않았기 때문에 최종 구매 단계를 내가 직접 진행해야 했지만, 이 과정도 이미 대부분 실현되어 있는 수준이다 호텔 예약은 이미 agentic automation 형태로 구현되어 있고, 현지 여행사와 음성 전화, 메신저 등을 통한 협상을 진행하는 것도 (2018년 Google I/O에서 이미 식당에 전화 걸어 예약하는 과정을 직접 데모하였듯이) 미국 시장에서는 (outbound sales call, inbound 예약 분야 중심으로) 이미 보편화되고 있다. (이러한 call을 여행사등의 판매자에게 직접 연결할 affiliate network이 먼저 필요할 것이다)

이미 기술적으로는, 상품의 탐색 및 결제 과정 (search - SEO - ecommerce front-end - product page - checkout), 상품 제공자외의 거래 과정 (affiliate network - service provider - checkout) 과정 전체를 agent가 소비자를 대리하여 실행할 수 있으며,

이는 기존의 search - browse - checkout의 구매 여정이 task → recommendations → selection으로 대체돠어, 이 과정에서 Google, ad network, affiliate network, providers front-end (commerce, service provider)를 통하는 트래픽 (’소비자의 attention’), 그리고 그와 함께 발생할 매출이 다른 곳으로 옮겨 간다는 의미이다.

이는 구글 트래픽 중 ‘구매 의도’를 가진 비중이 약 50%인 점을 고려하면 약 $130b 규모의 구글 매출, Amazon의 검색 매출 연 $55b 규모, 모두 이러한 변화의 영향을 직접 받을 것이다.

“Attention Economy” → “Intent Economy”

“Intent Economy”

이러한 변화는, 기존의 인터넷이 사용자의 ‘트래픽’ (”Attention”)의 흐름을 중심으로 구조가 만들어진 것에서 부터, 사용자의 ‘의도’ (”Intent”)에 대한 이해를 기반으로 한 구조로 재편되고 있다고 해석된다.

즉, 인터넷 산업 구조의 축이 “Attention Economy”에서 부터 “Intent Economy”로 이동하고 있다.

현재 인터넷 구조에서 사용자 attention의 흐름을 살펴 보면:

• 사용자의 첫 유입에서 시작하여, (eyeball)

• (검색 쿼리, 체류 시간, 댓글/좋아요 등의 social interaction 등을 통하여) 사용자의 의도를 (best effort 기반으로) 추정, 파악하는 과정을 거쳐, (attention)

• 이렇게 추정한 사용자 의도에 대한 최적의 답을 제공 (예: 검색 결과, Instagram/TikTok 추천 알고리듬 등)하는 과정을 통해 사용자의 반응을 유도하고 (click)

• click 등을 통하여 유입된 사용자에게 검색, 탐색, 비교 분석 등의 (browse) 툴을 제공함으로써 최종적으로 사용자의 구매 결정 및 결제를 유도하고 (conversion),

• 이는 최종 제공자 (판매자, 서비스 제공자, 정보 제공자)에 대한 매출로 이어지고 (상품/서비스 판매, 구독 subscription, 광고 노출/클릭), 이는 최종 제공자에게 Gross Margin 형태로 수익이 발생한다.

• user flow: eyeball → attention → click → conversion → revenue/GM (sales, subscription, ad)

이를 거꾸로 돈의 흐름 측면에서 살펴 보면: (설명의 단순화를 위하여 쇼핑 기준으로 본다)

• 최종 판매 금액에 대한 G/M 30% 발생하고,

• 이 중 약 절반 (판매 금액 대비 10-15%) 정도가 영업, 마케팅, 브랜등 등의 예산으로 할당되며,

• 이 예산은, 브랜딩 (마케팅, 광고), 마케팅 (performance marketing, affiliate network), 광고 (ad network, Google ad) 등으로 배분되어,

• 이 예산이 최종적으로 Google, Facebook/Tik Tok/Instagram등의 소셜, 광고 매체/media, 커머스 등 우리가 알고 있는 플랫폼에게 배분된다.

• 이 배분 비율은, 사용자의 첫 유입에서부터 시작된 사용자의 ‘attention’의 흐름이 어느 경로를 통하여 최종 구매 결정 & 결제 지점까지 도착하였는지에 따라 나누어진다.

• value accrual: G/M (30%) → budget for ad/perf mktg (15%) → affiliate network (5%) or ad network (5%) → Google, Amazon, FB, Instagram, media pages

이러한 구조의 “Attention Economy”는, 대개 유입된 사용자의 최초 ‘의도’를 정확히 파악하기 어렵고, 그 중 사용자 의도를 추정할 수 있는 가장 가까운 것 (approximation)이 사용자 트래픽 (attention)의 흐름을 이해하는 것이었기 때문이라고 해석할 수 있다. 이 과정에서 사용자의 의도를 그나마 가장 잘 추정할 수 있는 방식으로 발전한 것이 traffic, click-through, conversion, A/B testing 등이고 이를 구조화하여 비즈니스로 만든 것이 ad network, affiliate network, performance marketing 인 셈이다.

이에 대하여, 사용자의 ‘의도’를 (사용자가 입력하는 요청, prompt 등을 통하여) 직접적으로 파악하고, 이 ‘의도’에 기반하여 검색, 탐색, 비교 분석하는 과정을 시스템이 사용자를 대신하여 수행하고, 그 결과물로서 사용자의 ‘의도’에 가장 잘 맞는 결과물을 ‘추천’하는 흐름을 (”Attention Economy” 대비) 새로운 “Intent Economy” 구조라고 할 수 있다.

이 구조를, 다시 사용자 의도의 흐름 및 그 결과 value accrual의 흐름을 아주 간략하게 보면 대략 아래와 같이 될 것을 예상된다.

user flow: intent/context → (Concierge agent) → multi-level agents swarm → delivery (product, services, content)

value accrual: G/M (30%) → Brand/Marketing/Sales agent → recommendation agent → multi-levels of intermediary agents swarm → (Concierge agent) → delivered to user

이러한 구조는 아직 확정적이지 않고 아주 가변적으로서 다양한 형태가 시도되고 있으며, 이러한 구조의 변화가 안정적으로 시장에 자리 잡는데에는 10년 이상의 상당한 시간이 걸리겠지만, 그 구조 변화의 양태는 앞으로 2-3년 사이에 치열한 경쟁이 시작되고, 대략 5년 정도의 시간이 지나면 주요 플레이어의 역할, value accrual의 배분, 시장의 구조가 자리잡기 시작할 것으로 예상된다. (이는 대략 웹 1.0에서 새로운 시장 구조가 만들어지고 주요 플레이어 간의 경쟁을 거쳐 시장 구조가 정착되는데 걸린 기간에서 추정한 타임라인이다.)

Note:

여기에서 Concierge agent는 [Two Cents 82]에서 다룬 ‘personalization’을 담당하는 layer로서, 장기적으로 (특히 value accrual 측면에서) 가장 중요한 역할을 차지할 것으로 예상되는데, 아직은 그 구체적인 모양새는 가시화 되지 않고 있다. Personalization layer가 그 역할을 담당할 것으로보는데 그 형태, 구조 (agent형태 vs. data layer)가 아직 구체적으로 드러나지 않고 있다.

최근 시장에서 경쟁이 치열해지기 시작한 “AI Super App” 경쟁도 이 layer를 차지하기 위한 또 다른 형태의 경쟁인데, 이 “AI Super App” 시장에 대해서는 별도의 posting으로 정리할 예정이다.

사용자 ‘intent’ 흐름

이러한 새로운 구조에서 사용자 ‘의도’의 흐름은 기존 “Attention Economy”와 어떻게 달라질까?

이를 가장 간단하게 표현하면 “**User-driven ‘exploration’에서 agent-driven ‘delivery, execution’으로의 변화”**로 표현할 수 있다. 이를, 기존 B2C 영역 “Attention Economy”에서 소비자 attention의 여정에 따라 구분된 카테고리 별로 어떻게 변화할지 살펴 본다.

기존 “Attention Economy”에서 소비자 attention의 여정은 크게 4단계로 나누어진다: Discovery → Engagement → Conversion → Loyalty & retention.

이를 “Intent Economy”에 mapping하여 어떻게 변화할지 살펴 보면:

I. Discovery

“Attention Economy”에서 Discovery는 검색, 광고, 컨텐츠, 브랜딩 등을 통하여 소비자의 attention을 capture하는 것을 의미하며,

“Intent Economy”에서는 (‘attention capture’에서 부터) 사용자의 의도를 이해하고 그 의도에 맞는 결과를 deliver 하는 과정으로 바뀐다.

• gone: attention capture (seach, SEO), affiliate marketing, ad, social media discovery

• new: ‘의도’ 이해, 소비자 ‘개인화’, 거래 (transaction)의 시작, multi-level agent swarm와 거래 (거래 시작, agents 경쟁 유도, 거래 결과물의 비교/분석 등), (‘개인화’ 기반) 결과물 선택

이 과정에서 주요한 역할을 하는 구성 요소로는:

• Concierge agent: 소비자의 ‘의도’를 해석/파악하고, 필요한 interaction/transaction을 시작하고, 그 결과물을 받아서 소비자의 승인을 요구하거나 (human in the loop), 스스로 거래를 완결하는 (delegation) 주체. ‘ChatGPT’ AI Assistant, 혹은 AI super app 등이 그 역할을 맡을 수 있음.

• Personalization layer: 소비자의 ‘의도’에 가장 잘 맞는 (personalization) 결과물을 filtering, selection하기 위한 layer. Concierge agent의 일부일 수도 있고, Concierge agent 혹은 UX layer (’ChatGPT’, AI super app)가 필요할 때 접근하는 data layer 형태일 수도 있다.

• Infra: delegation, right mgmt, privacy

등이 있을 것으로 예상된다.

II. Engagement

“Attention Economy”에서 Engagement는 개인화, (A/B testing 등을 통한) UX optimization, (리뷰 등을 통한) social proof, 추천 (recommendation) 등을 통하여 최대한 ‘거래 완결’ (conversion)에 이르기까지 소비자 ‘Attention’을 유도, 유지하는 것을 의미하며,

“Intent Economy”에서는 (Attention의 유도, 유지 보다는) 사용자의 ‘의도’에 맞는 ‘결과물’의 delivery (결과물 추천, 거래 완결), (delivery를 위한) 외부와의 거래 과정으로 대체된다.

• gone: UI 개인화, engaging UX (A/B testing), social proof (리뷰, 평점), engagement metric

• new: 탐색/분석에서 실행으로, agent들 간의 협상/거래, (agent가 처리 가능한 machine-readable 포함) 실행 결과물, agent 간의 거래를 위한 (micro transaction) 결제 (financial rails)

이 과정에서는, 대개 multi-level agents swarm 간의 dynamic, evolving interaction/transactions에 의하여 ‘의도’에 맞는 결과물 delivery에 촛점이 맞추어질 것으로 예상된다.

III. Conversion

“Attention Economy”에서 Conversion은 최종 구매 결정 단계에서 소비자의 최종 의사 결정 (conversion) 및 추가 의사 결정 (upsell 등)을 유도하기 위한 단계를 의미하며, 이를 최적화하기 위한 checkout optimization, cart abandonment recovery, upsell/cross-sell 등이 포함될 수 있다.

“Intent Economy”에서는 사용자의 ‘의도’에 맞는 ‘결과물’ (recommendation, transaction finalization/closing)의 delivery & 소비자의 의사 결정 (HITL), agent에 의한 거래 완결 등을 의미한다.

• gone: UX-based optimization (cart abandonment, checkout flow), upselling & cross-selling

• new: HITL, direct agent execution, agent의 최종 거래 완결을 위한 결제 (financial rails)

IV. Loyalty & retention

“Attention Economy”에서 Loyalty는,소비자의 재방문 (attention), 재구매 (transaction)을 유도하기 위한 브랜딩, loyalty, retargeting을 의미하며, Discovery 단계 (discoverability) 및 Engagement 단계 (retention)로의 재유입을 목표로 한다.

“Intent Economy”에서는 (luxury 등 일부를 제외하면) 이러한 Loyalty & retention을 위한 활동이 상대적으로 축소될 것으로 예상된다. 여전히 소비자의 선호를 위한 브랜드 마케팅, loyalty, retargeting 프로그램이 존속하겠지만, 그 효과는 Attention Economy 대비 상당히 축소될 것으로 예상된다.

이는 “Intent Economy”에서는 (브랜드 인지도 보다는) 사용자의 ‘의도’에 최적화된 결과물의 delivery에 최적화가 우선 순위가 될 것으로 예상되기 때문에, personalization layer에 대한 새로운 방식의 공략이 더 유의미해지고, 소비자 Attenttion에 소구하는 brand loyalty, retargeting의 효과는 상대적으로 축소될 것으로 보기 때문이다.

• gone: 브랜딩, loyalty program. retargeting

• new: 소비자 ‘의도’에 대한 constant competitions, personalization layer에 대한 공략 전략

어떤 변화가 일어날까?

이러한 소비자의 ‘구매 의도’에 따른 여정에서 일어날 변화는 상당 부분 상상과 추정에 의할 수 밖에 없다.

• 기존 B2C infra의 re-write: ad network, SEO, affiliate network, creator economy tools/platforms 등

  • Value chain에서 이들 카테고리 사업자들의 역할이 근본적으로 바뀌지는 않을 것으로 보이지만, 각 단계마다 플레이어 간의 역할 분담, value proposition이 모두 바뀔 것으로 예상된다.

  • 이에 따라, 현재 시장에서의 incumbent player에게는 5년 내외의 market window가 남아 있을 듯 하고, 이제 막 성장하고 있는 플레이어들은 새로운 구조로 시작하거나, 시장 흐름에 따른 새로운 구조로의 변화에 실시간으로 적응하면서 비즈니스 구조의 점진적인 하지만 근본적인 변화가 필요할 것으로 본다.

• 쇼핑, 커머스 구조: 가장 먼저, 가장 직접적으로 가장 큰 변화를 겪을 것을 보며, 그 구체적인 구조, 형태는 “Intent Economy” 구조가 어떻게 펼쳐질지에 많이 영향을 받을 것로 본다.

• 마켓플레이스: Discovery & connection 방식이 (commerce에서의 변화에 비슷한 구모로) 근본적으로 바뀔 것이기 때문에, 기존의 마켓플레이스와 완전히 다른 형태로 바뀔 듯 하다. 아직 그 구조까지 그림이 그려지지 않지만, 최소한 현재 시장에서 예상하는 변화의 형태, 범위 및 대응책은 “현재 구조가 유지된다는 전제 하에서 기존 플레이어가 어떻게 대응할 것”인가에 대한 논의로 해석되며, 새로운 discovery & connection에 의한 새로운 마켓플레이스 구조가 등장할 것으로 예상한다.

• (등등)

Key takeaways

이러한 구조 변화의 의미는, 지난 10-30년간 우리가 당연시해 온 기본 방식 (playbook) 중 상당히 많은 부분에서 그 기본 가정이 바뀌고 있다는 것이고, 이는 우리가 당연시하는 방식에 기반한 비즈니스 모델은 오래지 않아 그 의미를 잃을 (obsolete) 가능성이 커졌다는 것이다.

완전히 새로운 기술 흐름이 등장한 이후에도 관성에 의하여 오랫동안 익숙해진 과거 방식의 비즈니스가 계속 성장하고 이때문에 새로운 흐름에 의한 근본적인 구조의 변화 가능성을 과소 평가하는 경향이 있다.

한 때 ‘스마트폰’ 카테고리의 (untouchable 수준) 선두 주자였던 블랙베리의 사례에 비추어 보면, 이러한 구조적 변화 흐름을 더 극적으로 관찰할 수 있다.

아이폰, 안드로이드 스마트폰이 대세를 차지한 지금 시점에서 보면, 아이폰의 등장으로 (과거 세대의 ‘스마트폰’이었던) 블랙베리의 몰락이 너무나 당연한 것으로 이해하고 있지만, 실제로는 2008년 아이폰이 등장하고 2009년 AppStore가 등장한 이후에도 3-4년간 블랙베리는 오히려 더 많이 성장하여, 2011년 피크 시점 판매량은 (아이폰이 등장한) 2008년 대비 4x 이상의 규모였다.

핵심 메세지는 “지금 시점 시장 수요에 의하여 계속 성장하는 비즈니스라고 하더라도, 시장 구조의 근본적 변화 흐름과 다른 방향으로 가는 것이라면 10년 후에 돌이켜 보면 ‘블랙베리’가 될 가능성이 크다”는 점이다.

지금 새로 만드는 것이 ‘블랙베리’가 아니기를 기원하며.

Consumer + AI 분야의 기회에 대하여, 개별 vertical 별로 구체적인 기회를 상상 & 나열하려 했던 시도 (예: [Two Cents #81] 교육)가 ideal하지 않은 접근 방식이라는 자각을 하게 되었다.

구체적인 기회를 찾아 내고 이를 실제 비즈니스 발전시켜 나가는 것은 그 개별 문제를 해결해 갈 창업자가 가장 잘할 수 있는 영역이고, 이 과정에서 창업자는 국외자로서는 상상하기 조차 어려운 깊은 생각, 초집중, 많은 시행착오를 거치면서 최적의 답을 찾고 그 것을 성장시켜 가는 과정을 거쳐야 하기 때문이다.

뒤돌아 보면 (in hindsight) 아무리 명백해 보이는 것일지라도 (예: Uber, Tik Tok, Snapchat 등) 새로운 시도들이 시장에서 PMF를 찾고 그 PMF가 초기의 ‘열혈 사용자’에 머무르지 않고 보편적인 ‘Consumer behavior’가 되기까지, 이를 다듬고 성장시키고 궁극적으로 소비자의 ‘자연스러운’ 생활/행태의 일부가 되게끔 만드는 과정은 ‘단순한 관찰자’ (casual observer)로서는 상상하기 어려운 지난한 과정이다.

여기에 ‘단순한 관찰자’의 casual한 생각을 먼저 제시하는 것은 더 깊이 문제를 찾아 가야 할 창업자의 상상력을 제한하고, 상상과 논의가 너무 얕은 수준에 머무르는 결과가 될 수도 있다는, 어쩌면 (나도 과거에 경험하였던) 너무 당연한 사실을 뒤늦게 깨달았기 때문이다. (동시에, 투자자로서 가지기 쉬운 오만을 반성하면서)

그리하여, 접근 방식을 조금 다르게 하여, 투자자가 (국외자이기 때문에 다양한 시각에서) 새로운 기회와 가능성을 찾고 elaborate하기 더 좋은 insight, value proposition 중심으로 화두를 던지고, 그에 대한 구체적인 길을 찾는 것은 창업자의 영역으로 남겨 두는게 좋겠다고 결론을 내렸다.

이제 이러한 배경에서, Consumer + AI 영역에서 창업자가 구체적인 ‘문제’를 찾아 나가는 방향으로서 출발점이 될만 한 몇 가지 생각 중심으로 정리하고 공유한다.

앞으로 기회가 되면, 창업자가 이들 주제에 대하여 ‘구체적인 문제’을 찾는 과정에서 필요하다면 다양한 생각을 나눌 대화 상대로서 참여하고 나의 생각과 상상을 공유할 기회를 더 만들어 볼 생각이다.

(지난 번 실험적으로 진행해 본 [AI Founders Chat] 첫 번째 모임은, 나의 기대 대비 성공과 실패가 절반 정도씩이라는 판단으로, 좀 더 고민하면서 더 나은 방법을 찾아 볼 생각이다. 관련하여 어떤 feedback도 환영한다. 👉 hur at hanriverpartners dot com)

기술 변화로 인한 소비자 행태 변화의 촉발

근본적으로 인간으로서의 소비자 니즈 자체가 바뀌지는 않겠지만, 기술의 변화에 따라서 제공 되는 방식, 양태, 환경이 달라짐에 따라서 소비자 행태 자체가 (서서히, 그러다가 급격하게. “gradually, then suddenly”) 변화 하게 될 것이고, 그에 따른 근본적인 비즈니스 구조 변화 또한 예상이 된다.

이는 마치 20 세기 초반 자동차가 처음 나왔을 때 소비자들은 그것에 의해서 변화 되는 형태를 미리 예측할 수 없어었고 이에 대하여 소비자에게 물어 봤다면 horseless carriage를 바랐겠지만, 실제로 그것에서 일어난 지난 100여년 동안 일어났던 변화 크기를 보면 AI 라는 새로운 기술이 소비자의 행태 가지고 큰 변화의 규모가 예상할 수 있다고 본다.

Opportunities at the Intersection of Tech Shifts X Consumer Behavioral Shifts

Consumer 투자자의 시각에서 보면, 늘 Tech shifts와 Consumer behavioral shifts 혹은 Consumer value shifts가 만나는 지점에서 (’소비자 행태 변화’), 한 시대를 만들어 가는 ‘Generational Company’가 탄생하여 왔다. Web 1.0 시대의 Google, Amazon, 모바일 시대의 Uber, Wechat, 쿠팡과 같은.

Han River Partners와 같은 ‘초기 투자 VC’는 이러한 변화의 흐름 속에서 ‘Generational Opportunities’를 찾는 것이 가장 큰 중요한 미션이다.

지난 30년 기간 동안 이러한 투자의 예를 들면, Google, Roblox, Facebook, Uber, Tencent (Wechat), Bytedance (Tik Tok) 등이 있고, 국내에서는 Naver, NCSoft, Nexon, Kakao 등을 들 수 있다. (AI 시대의 이 리스트에 어떤 회사가 속할지 (남들보다 먼저) 찾아내고 (identify), 그 회사에 투자하고 (win), 그 회사가 성장하도록 돕는 (support) 것이 나의 가장 중요한 역할이다.)

Tech shifts vs. Consumer behavioral shifts

Tech shifts와 Consumer behavioral shifts는 대개 양방향으로 서로 영향을 주지만, 많은 경우 Consumer behavioral shifts는 (기존에 가능하지 않았던) Tech shifts에 의하여 비로소 가능해지는 것이 일반적인 방향이다.

즉, 먼저 tech shifts가 consumer behavioral shifts의 필요 조건이 된다는 의미이다. 일반적으로 ‘소비자의 행태 변화’ (consumer behavioral shifts)를 촉발하는 것은, 기술의 변화를 통하여 기존에 가능하지 않았던 것이 가능하게 되면서 부터이기 때문이다. 그 가까운 예로서, 모바일 기기에 의한 ‘위치 추적’, ‘always connected’, ‘늘 들고 다니는 (동영상) 카메라’ 등이 가능해지면서, Uber, 인스타그램, Tik Tok 등 새로운 소비자 행태가 가능해진 것을 들 수 있다.

이러한, ‘기술에 의하여 새롭게 가능해진 것’의 범위는 (가능—불가능으로 나누어지는) binary 형태보다는 연속선 상의 스펙트럼으로 해석할 필요가 있다. 2배 더 좋아진 것은 ‘(기존에 가능하지 않던 것이) 새롭게 가능해진 것’으로 보기 어려울 수 있지만, 100배, 1,000배 더 좋아진 것은 ‘기존에 사실상 가능하지 않았던 것이 새롭게 가능해진 것’으로 보는 것이 더 적절하다.

이미지, 동영상, 음악 생성의 예를 보면, 도구의 성능이 기존 대비 ‘1,000배 좋아짐’으로써 (기존에 ‘창작’을 하기 어려웠던) 일반 소비자 모두 ‘창작’에 참여할 수 있게 되면서 이 영역에서 ‘새로운 유형/가치의 창작’ 활동이 일어날 것이고, 이와 동시에 기존에 ‘전문가’가 담당하였던 영역은 ‘일반 소비자 모두가 참여하는 영역’과는 다른 새로운 궤적을 추구하면서 새로운 유형, 방식의 예술성, 창작성을 발휘하게 될 것이다.

이는, 사진기가 발명되면서 기존에 화가가 일부 담당하였던 ‘사회의 특정 장면 (snapshot)을 기록으로 남기는’ 역할은 사진기에게 넘어 가고, 화가들은 그와 다른 궤적의 새로운 ‘예술성’을 추구하게 된 것과 비교할만 하다. 물론 ‘사진기’를 이용한 행위 자체도 기존에 없던 새로운 예술의 영역을 만들어 내었고.

더 가깝게는, 동영상 전송 비용이 near-zero marginal cost로 가능해짐으로써, 기존에 ‘필름을 통한 개별 전송 (영화)’ 및 ‘전파를 통한 대량 전송 (방송)’ 형태로만 가능하였던 것이 OTT를 통한 개인화, on-demand 엔터테인먼트로 진화하는 것도 예로 들 수 있다.

변화 과정의 time window에 대하여

이러한 변화 과정은, 사회의 변화 속도, 기술의 특성 등에 따라 다르지만, 최근의 기술 중심으로 보면 대개 수 십년의 기간이 걸린다. 모바일의 경우 10여년, 웹의 경우 30여년 정도로.

이는 각 기술이 가져 온 변화의 양태 혹은 value prop에 따라 다르게 펼쳐지는데,

예를 들면 웹이 가져 온 변화는 “정보 유통의 democratization”이라는 기존에 없던 새로운 social behavior였기 때문에 소비자 행태의 변화가 (기존에 없던) 좀 더 근본적인 변화였던 것에 비해, 모바일에 의한 변화는 기본적으로 (기존에 없던 것을 새롭게 가능하게 했다기 보다는) 기존에 가능하던 것의 form factor, 접근성 (always-connected) 등의 측면에서 incremental 변화였다고 본다.

이러한 시각에서 생각해 보면 AI에 의한 변화 과정은 (모바일 보다는, 웹와 마찬가지로 ‘기존에 없던’ 변화를 가져 오는) 대략 30년 내지 50년 스케일로 보는 것이 적절할 듯 하다. (참고삼아 비교해 보자면, 인류 문명에 큰 변화를 초래한 발명 중에서, 바퀴의 발명은 수천년, 쟁기의 발명은 수백년의 기간에 걸쳐 영향을 주었을 것이고, 철도, 전기는 대략 50~100년 정도 기간이 걸렸다고 본다)

이러한 배경에서, 기술 진보에 의한 소비자 행태 변화를 예상, 추정하기 위해서는, 먼저 ‘기존에 가능하지 않았던 것들 중 기술 변화로 인하여 비로서 가능해진 것’들의 찾아 내고, 그 변화로 인한 ‘소비자 행태 변화’의 1차 (first-order) 및 2차 (second-order)에 걸친 영향을 추정하는 것이, 이러한 소비자 행태 변화를 추정하기 위한 가장 현실적인 접근 방법이라고 보며, 이 과정이 지금부터 당분간 ‘소비자 행태 변화’ 주제에 대하여 다룰 주된 내용이다.

소비자 행태 변화의 영역

소비자 행태 변화는, 소비자의 기본 욕구 중심으로 아주 크게 두 가지 영역으로 구분해 볼 수 있다. 소비자의 기본 욕구는 Maslow의 욕구 단계 이론까지 일반화 할 수 있고 이에 따라 좀 더 구체적인 소비자 기본 욕구 및 그에 따른 행태 변화를 살펴 볼 수 있겠지만, 여기에서는 ‘불변하는 니즈’ 정리를 크게 2가지 카테고리로 단순하게 구분하는 정도로만 진행해 본다.

(이러한 구분이 너무 관념적일 수 있지만, 새로운 서비스에 대하여 그 가능성을 판단할 때 이러한 사고의 틀이 유용할 것이라고 본다. 이제 새롭게 시작하는 스타트업으로서는, 앞으로 1-3년이 아닌, 3-5년 내지 10년까지 시장과 소비자가 어떻게 변화할지를 지속적으로 상상, 추정하면서 진화해 가야 한다고 보기 때문이다. 이러한 회사를 찾는 것이 ‘초기 투자 VC’의 mandate이기도 하고)

인간의 기본 (생존) 욕구를 위한 products & services 영역

• 제품 (product) 영역은, 실물 제품과 관련된 Commerce, logistics 등이 해당될 듯 하고,

• 서비스 (service) 영역은, 실물 제품을 옮기는 이외의 모든 분야 (교육, 직업/노동, 건강/의료, 금융, 교통, 여행 등)

이 각 분야에 AI가 어떻게 영향을 미치고 AI에 의하여 어떻게 변화할 지에 대한 몇 가지 키워드를 정리해 보면: “white glove” AI concierge service, hyper-personalization, as life-time companion(?), (near) zero marginal cost 등의 키워드가 일단 떠 오르며, 앞으로 시간이 지나고 기술의 변화 및 소비자 행태의 변화에 따라 새로운 키워드들이 더 등장할 것으로 본다.

이들 키워드의 조합을 통하여 소비자가 느낄 value prop을 정리/정의할 수 있다면, 이러한 value prop을 제공하는 제품, 서비스가 이 분야에서의 새로운 기회가 될 것으로 본다.

인간의 ‘즐거움’을 위한 ‘놀이’ 영역 (”Spectrum of Play”)

기술이 크게 바뀌면 (tech shift) 가장 빠르게 반응하고, 가장 크게 변화를 겪는 곳이 이 ‘놀이’ 영역이었다. 이 과정에서 ‘놀이’ 영역은 늘 가장 먼저 monetize하고, 또 기술을 가장 먼저 실험하면서 그 한계를 끝까지 밀어 붙이는 경향이 강했다.

웹 초기 시장을 선점한 성인물이 그랬고, 일반적으로 성인시장 바로 다음 단계로 등장하는 것이 게임, 영상 등의 다른 modality의 엔터테인먼트였다.

(사족: 여기에 ‘스포츠 베팅’ 및 이 개념을 사회의 모든 영역으로 일반화하는 Prediction Market등도 넓은 의미에서 이 영역에 포함할 수 있다. Prediction Market을 모든 일상 영역에서 일어나는, 혹은 일어 날 일에 대하여 post-modernism적인 해석/의미를 부여하는 과정으로 보는 시각도 있다. 이 의미와 implication을 계속 생각하고 있는데, 아직 명확하게 정리가 되지는 않고 있다)

역사를 돌이켜 보면 15세기 활자 인쇄에 의한 초기 출판 시장도 마찬가지였고, (중국에서 종이가 처음 발명되었을 때에도 마찬가지가 아니었을까 상상해 보지만…) 앞으로도 이 ‘놀이’ 영역이 Consumer 시장의 절반 정도를 차지할 것이라는 점은 바뀌지 않을 듯 하다.

Consumer + AI 시장의 서막?

특히 지난 3년간 미국에서 enterprise 시장 중심으로 모든 자원이 집중 되었던 것을 비해서, 소비자 시장에서는 기술로 인하여 새롭게 가능해진 것들에 대한 이해, 이로 인하여 소비자들에게 어떤 변화가 가능해지고 그것이 어떤 가치를 가져다 줄까에 대한 이해가 이제야 시작 된 듯 하고, 그에 따른 새로운 실험들이 이제야 비로서 등장하기 시작하였다. (2025년 Q3-Q4가 되어서야 비로서 실리콘밸리에서 “Consumer AI”라는 표현을 듣기 시작하였다.)

관련하여 지난 3년간 AI 시장의 흐름을 간단히 요약해 보면:

Enterprise AI 시장은,

• 과거 3년간의 AI 시장이 (특히 현재 시장의 대부분을 차지하는 미국 시장을 중심으로 보면) Enterprise AI 시장 중심으로 진행되고 있다.

• (미국 시장 중심으로 보면) 기업은 기본적으로 비용 효율성을 위하여 당장 지불 능력이 있는데다, AI 도입에 의한 생산성 향상이 이미 시장에서 실증되고 있기 때문에,

• 기존에도 이미 상당한 규모의 (그룹내부가 아닌, 외부 third-party 대상의) IT 지출이 진행되고 있던 기반이 있는 상태에서, 그 지출이 (새롭게 만들어졌다기 보다는) AI로 전환된 것이라 볼 수 있고,

• 실증에 의하여 (incremental한 수준이 아니라) OOM (order of magnitude) 개선될 수 있다는 기대로 인하여 추가 지불 능력이 급속히 증가하고 있는 상태이기 때문이라고 본다.

• 특히, 기업의 IT 지출은 (소비자 대비) 가격에 덜 민감한 편이기 때문에, 토큰 가격의 원가 부담이 공급자 (AI 기업)에게 큰 부담이 되지 않는 편이라서 (예를 들어, Coding agent의 생산성 확대 대비 월 $200 지출이 크게 제약이 되지 않은 점을 생각해 보면),

• 앞으로도 당분간 Enterprise 시장에서의 AI adoption curve는 현재의 추세가 유지 및 더 강화될 가능성이 높다.

• 장기적으로 보아도, (기업의 조직, 비용 구조가 소비자의 행태 변화와 같이 급격하게 바뀌지는 않기 때문에) 향후 몇 십 년간 현재의 value prop에 의한 AI adoption이 빠르게 (하지만, 기하급수적이라기 보다는 rather linear하게) 지속적으로 확대될 것으로 예상된다.

이와 비교해 보면, Consumer AI 시장은, (비용 효율에 즉각 반응하는 Enterprise 시장과 달리) 오랜 시간에 걸쳐 소비자의 행태 변화로 유발되는 시장 전환이 일어나기 시작해야 비로서 ‘massive scale’의 큰 기회가 열리기 시작할 것으로 본다.

기존 웹, 모바일 전환기에 Consumer 시장 형성 과정을 참고로 비교해 보면,

• 소비가가 지갑을 열만큼 직접적으로 느끼는 value proposition이 명확해야 하고,

• 이를 위해서는 ‘새로운 기술에 대한/따른 소비자 행태 변화’가 일어 나야 하고 (예: Google search),

• 기존에는 이를 위하여 일정 규모 이상의 사용자 구축이 선결 조건이 경우가 많았고,

• 이를 풍부한 자본 유동성 (90년대 후반 미국 Fed 양적 확대, 2008년 GFC 직후, 2020년 Covid-19 직후 등)에 기반한 VC 투자 자금이 받쳐 주어서, 초기의 hurdle에도 불구하고 오랜 시간에 걸쳐 ‘소비자 행태 변화’에 이르기까지 시장이 성장할 수 있었던 기반이 되어 준 경험이 있다.

이에 비하여, 이번 Consumer AI 시장 형성 과정은 몇 가지 측면에서 약간 다른 양상을 보이고 있다.

• (이미지/동영상 생성, GPT wrapper 수준의 app, AI Companion 등 극히 일부 영역을 제외하면) 소비가가 체감할 수 있는 실질적 변화, 그리고 그에 따른 ‘소비자의 행태 변화’가 일어나기 전 단계라고 보여지고,

• 아직 (최초로 IT 기술에 의한 ‘소비자 행태 변화’가 일어 났던) 웹, 모바일 시대의 관성이 아직 상당히 크게 유효한 상태이고, (이때문에 AI로 인한 ‘소비자 행태 변화’ 예측이 웹, 모바일 시대의 프레임에서 벗어나지 못하는 한계를 보이기도 한다)

• 단기적으로는, 가격에 민감한 소비자의 행태에 따라, 토큰 가격에 의한 원가 비중이 높은 것이 생각보다 높은 hurdle이 될 수 있다고 본다. 과거 2번의 싸이클에서는 “소비자의 지불이 시작되기 전 단계까지 자본 시장에서 유입된 자금 (aka VC 투자)에 의하여 critical mass까지의 성장을 만들어 낸” 성장 공식이, 이번에는 macro 자본 시장 흐름 상 가능하지 않을 가능성이 높아 보이기 떄문에 토큰 원가 비중이 더욱 높은 hurdle이 될 수 있다.

• 반면,이전의 웹, 모바일 시기의 전환과 비교해서, AI는 새로운 기술의 보급 & 확산에 필요한 critical mass가 이미 확보되어 있다는 점에서 유리한 측면도 있다.
  즉, 웹의 경우는 인터넷/브로드밴드 가입자 및 온라인 사용자 수, 모바일은 스마트폰 기기 보급 대수와 같은 critical mass 형성이 Consumer 시장 확장 이전에 필요했지만, AI는 그러한 pre-condition이 이미 준비가 되어 있는 상태라고 볼 수 있다. 물론 10년 후에도 같은 form factor와 같은 UX를 사용하지 않을 가능성이 높지만 (즉, 주된 UI 접점 포인트/디바이스, 주된 UX는 바뀔 가능성이 높지만), 초기 critical mass 확보 측면에서는 웹, 모바일 대비 결정적으로 유리한 출발점이라고 할 수 있다.

그럼에도 불구하고,

• Consumer 시장에서 소비자 행태의 변화에 따라 새로운 ‘방식’의 시장 winner가 되면 (상대적으로 Enterprise 시장에서보다) 더 큰 그 return이 가능하고 (소위 ‘AI 시대의 Google’이 될 수 있는 기회),

• 특히 국내의 스타트업이 Consumer 시장에서, 과거 2번의 tech cycle에서의 경험으로 볼 때 상대적으로 (새로운 유형의 기회를 만들어 내는) 창의력이 더 뛰어나고 (’세이클럽’, ‘리니지’의 예로 볼 때), 이로 인하여 일반적으로 (VC 시각에서 중요한) return이 훨씬 클 것이라고 보기 때문에,

Consumer + AI 시장을 장기적으로 중요한 투자 주제로 보고 있다.

소비자 행태 변화를 촉발할만 한 기술 변화 — 키워드

소비자 행태 변화에 큰 영향을 줄만한 AI 기술로 인한 변화는 (현재 단계에서는) 아래 몇 개의 키워드가 있다.

• near-zero marginal cost로 컨텐츠 생성의 가능하게 됨으로써 촉발되는 ‘모든 것의 YouTube화’

• (인생 전반에 걸쳐서) 지속 학습할 수 있는, 무한한 선택 폭의 개인화 (personalization with infinite options through near-zero marginal cost, possibly life-long)

• 모든 엔터테인먼트 방식 to be re-imagined

• Agent as “new Consumer OS”

• (모든) 온라인 social infra을 새롭게 재구성: ad network, discovery&connection (우리가 ‘마켓플레이스’라고 부르던 것들) …

(등등)

앞으로 이러한 키워드들에 대하여, 이러한 변화가 first-order, second-order 형태로 ‘소비자 행태 변화’에 어떤 영향을 미치고, 이들이 어떤 새로운 스타트업 기회로 연결될지를 중심으로 생각을 펼쳐 갈 예정이다.

변화를 촉발하는 이러한 요인들은, 또한 다양한 소비자 환경의 변화 흐름과 맞물려 새로운 소비자 행태 변화를 유발할 수 있다. 그 관계는 기본적으로 일방향이라기 보다는 유기적으로 맞물려 돌아 가는 경향이 강하다. 쌍방향이기는 하지만 시점, 상황에 따라 지속적으로 바뀌는.

또 다른 접근 방법 — 소비자 환경 변화에 집중하는

그러한 소비자 환경 변화는 macro 환경의 변화와 micro 환경의 변화를 구분해서 같이 볼 필요가 있다. 현재 시점에 관찰되는 몇 가지 키워드들이 보면:

• demographic changes, wealth transfer (esp. from Boomers), generational shifts

• huge shakeup in labor & jobs

• geopolitical: decoupling, de-globalization,

• macro economy: “end of abundant, cheap capital”

(등등)

이러한 소비자 환경 변화를 살펴 보는 방식은, 사회, 소비자 행태 변화에 대한 데이터를 중심으로 살펴 보는 것이 일반적이다. 예를 들면, 아래와 같은 몇 가지 참고 자료 기반으로:

• 한국의 사회동향 2024 보고서 — 통계청

• 10 Charts That Capture How the World Is Changing — Digital Native

위 Digital Native 뉴스레터는 seed fund Daybreak에서 Consumer 시장에 집중하여 투자 기회에 대한 생각을 공유하고 있다. 이 곳에서는 위의 글에서와 같이 실제 사회에서 일어나고 있는 현상, 그 추세에 대한 데이터 기반으로 시장, 소비자들이 어떻게 변화하고 있고, 그 중에서 어떤 투자 기회가 있을지에 집중하는 방식으로 투자 기회를 찾는 편이다.

예를 들면, ChatGPT 발표 이후 미국 대기업의 구인 규모 추세를 비교한 그래프를 보며 ‘이 것이 소비자 행태 및 시장에 어떤 영향을 줄 것인가를 생각’하는 방식이다. (물론 이 두 추세 그래프가 corelational한지, causational한지에 대한 추가 판단은 필요할 것이다.)

하지만, 여기 Two Cents에서는 위의 방식과는 조금 다르게, 시장에서 일어나고 있는 현상에 의한 영향 중심으로 보기 보다는, AI로 인하여 환경 자체가 변화할 (것으로 예상되는) 점에 집중하여 그 변화의 영향을 중심으로 살펴 볼 것이다.

이러한 배경에서, 이제 “소비자 행태 변화를 촉발할만 한 기술 변화”의 각 키워드 중심으로, 그 의미, 이로 인하여 추정되는 소비자 행태 변화, 그로 인한 스타트업 기회에 대한 생각에 대하여 좀 더 자세하게 살펴 볼 예정이다.

이 내용은, 향후 3-10년간의 장기간에 걸친 변화 예측이라기 보다는 현재 시점에서의 snapshot으로서 향후 1~3년 정도 기간에 일어날 변화 및 기회 중심으로 추정을 해 보려고 한다.

​​

​주제: Agents, Consumer AI 스타트업 기회

​​일시: 2025년12월2일 (화) 오후 5:30-9:00 KST

​​장소: 강남 어딘가 (TBD)

​​AI 사랑방 그 10번째 모임은, 2025년을 마무리하며 Agents, Consumer AI 스타트 기회에 대하여 좀 더 practical 관점에서 방향과 가능성에 대하여 논의하고, 또 주목할만 한 AI 스타트업 데모를 통하여 새로운 기회의 모습을 탐구해 보겠습니다

참가 신청 ​👉 https://luma.com/mtkfq6zb

배경

이제 Consumer AI 시장을 위한 본격적인 레이스가 시작되었습니다.

• 구글 SEO 구조가 해체될 조짐이 이제 막 시작되고 있고,

• App SDK 등 OpenAI의 다양한 시도들은 이제 AI Super App의 지위를 위하여 달리고 있고,

• Amazon, Shopify, Wallmart 등 다양한 커머스 플랫폼의 각기 다른 Agent 대응 전략은 그 흐름에 대한 기존 플레이어의 첫 번째 대응을 보여 주고 있으며,

• 실리콘밸리에서 지난 3년만에 처음으로 “Consumer AI” 키워드가 이제 막 화두가 되기 시작하였습니다.

어떤 색다른 서비스들이 다양한 형태로 여기 저기에서 등장하는 수준을 넘어서,

• SEO, 마켓플레이스 모델, 커머스 등 분야의 기존에 정착되어 있는 산업, 비즈니스 구조에 대한 근본적 변화 논의가 본격화되었고,

• 새로운 유형의 서비스뿐 아니라, 이들을 위한 인프라, 방법론 등이 다양하게 등장하고 있고,

• 그 중 일부 서비스는 (예: AI Companion 서비스) 폭발적인 매출 성장을 보이며 첫 번째 Consumer kill app이 되고 있는 등

모든 분야에서 관련 싹들이 무수히 올라 오고 있는 단계로 보입니다.

지금부터 필요한 일은, AI 기술에 의한 시장 변화의 방향, 그 영향에 대하여 최대한 구체적으로 예측해 보고, 그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾아서 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 봅니다.

이번 AI 사랑방 모임에서는 Agents, Consumer AI 기회에 집중하여, 현재 시장의 흐름, 실제 적용 사례, 앞으로 등장할 스타트업에 대한 기대에 대하여 다양한 시각에서 논의해 보는 자리를 만들어 보았습니다.

​​진행 방식:

이번에는 진행 방식을 좀 바꾸어,

• 각 주제에 대하여 깊이 있는 insight를 공유해 주실 수 있는 초대 연사를 모시고 각 주제에 대하여 아주 깊이 파고 드는 1:1 Fireside Chat 대담을 나누고,

• ​이후 ‘미친’ AI 스타트업의 서비스 데모를 진행합니다.

프로그램:

5:30-6:00: 등록 & 네트워킹

6:00-6:10: Intro

6:10-6:50: Fireside Chat — AI Agent로 AI Agent 플랫폼 만들기

• 초대 연사: 김민수, Founder, Contxts.io

• 모더레이터: 허진호, General Partner, Han River Partners

7:00-7:40: Fireside Chat — Consumer AI 시장의 변화와 기회의 등장에 대하여

• 초대 연사: 강정수, 연구센터장, 블루닷에이아이

• 모더레이터: 허진호, General Partner, Han River Partners

7:50-8:15: 좀 ‘미친’ AI 스타트업 데모 (5개사. 각 5분, 피칭 혹은 데모)

• AI Agents

• Consumer AI — Commerce, Education, Lifestyle ...

• Entertainment + Creativity

• “Spectrum of Play” — gaming, content, social, entertainment 등등

• (이상이 기대하는 주제이지만, 이에 국한하지 않고 스타트업에 한하여 어떤 AI 서비스 데모도 환영합니다!!!
  데모 신청 시 pitch deck 공유는 선택이며, pitch deck은 모임에 참가하는 투자자들에게만 공유됩니다)

8:15-9:00: 네트워킹

​​​참가 신청 👉 https://luma.com/mtkfq6zb​

• 피칭/데모 신청: 피칭/데모를 원하는 창업자께서는 추가로 아래 Google Form에서 신청해 주시기 바랍니다. (피칭/데모 여부는 아래 Google Form 신청 기반으로 결정됩니다)
  
  https://forms.gle/59rJJr271jgFEw5R9

• 그 외 참가자는 이 곳에서의 참가 신청으로 충분합니다.

AI 사랑방 오픈카톡방: https://open.kakao.com/o/gghRzvqg (참여코드: ai240418)

​​모임 이후에도 참여자들 간의 토론을 위한 단톡방입니다.

• 100여명의 AI 창업자, 투자자들이 모여서

• Anthropic co-founder Ben Mann 및 Anthropic의 startup partnership 팀과 함께 Anthropic product roadmap 및 AI 기술 흐름에 대한 이야기를 나누고,

• 상당한 규모의 초기 traction이 있는 AI 스타트업, 그리고 이제 막 떠오르고 있는 emerging area의 AI 스타트업을 모시고, 각 스타트업 소개, 시장과 기술의 흐름에 대한 생각을 나누었습니다.

• 그리고, meetup과 병행하여 6개 초기 AI 스타트업의 showcase가 있었습니다.

그 발표 자료, 논의 내용을 간략하게 요약하여 공유합니다.

Program

​

Opening Remarks: 공동 주최자 소개 — Han River Partners, NTTVC, Anthropic

What’s Next at Anthropic — Benjamin Mann, Co-founder, Anthropic 발표자료

[Panel I] AI with early tractions (AI Companion, Productivity)

• ​Panelists:

  • 김태호, Wrtn

  • Anthony Cho, Liner

  • 홍유나, The Plato (Tiro)

• ​Moderator: Yeop Lee, Head of Startup Partnerships APAC, Anthropic

• Discussions: (Panel I은 논의 내용 기록을 하지 못하였습니다ㅠㅠ)

[Panel II] Emerging areas in AI (Agents, Consumer AI, Gaming, Social)

• ​Panelists:

  • 정지헌, Hyprnote

  • Kevin Lee, Verse8

  • 황신혁, Aristo

  • 최주원, AboveTech

• ​Moderator: Jin Ho Hur, General Partner, Han River Partners

• Discussions: Panel II 논의 내용 — AI에서 새롭게 등장하는 서비스의 방향

Demos showcase: 6 startups

• Friendli AI

• Aware Corp.

• Federation

• ATLO

• Veluga

• AIM Intelligence

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

이번에는, Consumer AI 분야에서 가장 ‘중요한’ 핵심 인프라 혹은 플랫폼 역할을 할 것으로 예상되는 “personalization layer”에 대한 생각이다.

원래는 각 분야, vertical 별로 새로운 기회에 대한 생각 이전에 정리하고자 하였지만, 생각을 정리하기 쉽지 않아서 미루었고, 아직 완성된 생각이라 하기는 어렵지만 현재 단계에서는 이 수준에서의 고민이라도 시작하면 좋겠다는 생각으로 정리하였다.

‘개인화 (personalization)’에 대하여

Gen AI 기술로 비로소 가능하게 된 것으로, (인간 개인이 소화하기에는 너무나 거대한) 지식을 기반으로 한 분 및 생성 (Transformer 기반), 그리고 “무한히 다양하게 개인화된 (컨텐츠) 생성”을 “(거의) zero marginal cost”로 가능하게 (Diffusion Model 기반 이미지/동영상, Tranformer 기반 코드/UX 등) 된 것이라 볼 수 있다. “개인화”된 “무한한 생성”를 “(거의) zero marginal cost”로 가능하게 된 것은, 초기에는 이미지, 동영상 생성으로 시작되어, 지금은 그 다음 단계로 게임, 3D World Model, 소프트웨어 (aka “vibe coding”) 생성 분야로 확장되고 있다.

이러한 변화가 소비자가 “시스템 (그게 무엇을 의미하던지)”과 interaction하는 접점, 그리고 그 interaction 방식에까지 미치게 되면, 이를 “개인화 (personalization)”이라고 부를 수 있다.

그러한 대표적 케이스가 [Two Cents #81]에서 다룬, 향후 교육 분야에서 가능해질 것으로 기대되는 “초개인화된, 무한한 선택 기반의, 인생 전반에 걸친 학습” 방식이다.

현재 단계에서도 “시스템” (여기에서는 AI 서비스, 챗봇, app 등)의 “개인화”는 이미 어느 정도 진척이 있다.

ChatGPT를 사용할수록 과거 대화와 그 맥락 (예: 내가 어떤 일을 하고 있고, 어디에 출장을 간 상태이고, 등)을 기억하고 그에 맞는 사용자 경험 (예: 과거 prompt 대화 기반으로, prompt 명령 없이 데이터만 입력하여도 알아서 원하는 결과를 만들어 주는 등)을 제공하고 있고, 이 것이 누적되면 이제 (ChatGPT, Claude, Gemini 등) LLM 챗봇 간의 switching cost가 높아지게 된다. 이 것이 현재 수준의 (LLM 챗봇) “개인화”라고 볼 수 있다.

ChatGPT의 memory를 들여다 보면, 과거 내가 입력한 prompt 중에서 (ChatGPT의 판단으로) 나에 대한 “맥락 (context)”가 될 만한 내용을 추출하여 “memory”에 저장해 두고, 이를 prompt context로 사용하는 아주 초보적인 수준이지만, 그럼에도 이 정도의 ‘개인화’만으로도 챗봇 경쟁에서 어느 정도의 lock-in 효과를 보일 정도이다.

이러한 경험을 확장하여, 개인화를 위한 infra를 구축하고 이를 “OpenAI Account” 형태로 wrapping하여 소비자들을 lock-in 하는 것이, 현재 OpenAI가 드라이브하는 “개인화”의 기본 전략이라고 본다. “개인화를 위한 infra는, 현재 기술 수준에서는 context memory 방식으로 시작하여, 장기적으로 좀 더 정교한 “personalization data layer” 기반으로 확장될 것으로 예상되는 데, 이는 ChatGPT를 전면에 내세워 Consumer 대상 “AI Super app”으로서 만들고자 하는 OpenAI의 소비자 대상 전략의 core 기술/인프라가 될 것으로 본다.

이제 ‘개인화’가 AI 기반 “시스템” (AI 서비스, app, 인프라, ambient 환경 등을 포괄하는 개념으로)까지 확장되면 어떤 일이 일어날 지 상상해 보자.

‘개인화’ 유형과 그 의미

‘개인화’ 관련 방식과 기술은, 앞으로 오랜 시간동안 (10년?) 다양한 방식이 등장하고 그중 일부의 기술 및 방식으로 수렴할 것이며, 그 양태는 아래 몇 가지의 특징을 가질 것으로 본다.

• 나에 대한 맥락에 대하여 이해하고, (그 범위, 그 깊이에 대해서는 아래애서 좀 더 살펴 볼 것임)

• 그 맥락/이해를 기반으로 나의 의도를 이해하고, (내가 그 의도를 표현한 것 기반 (reactive), 혹은 표현하지 않더라도 (pro-active, prescriptive))

• 그에 맞게 ‘개인화’된 UX를 기반으로 (아래 Conformative Software 참조)

• 나의 의도에 맞는 (’개인화’된 결과를 제공하는) 서비스를 제공

그리고, 이러한 ‘개인화’는 사용자 경험, interaction 등에 대하여, 지난 30년간 경험하였던 (기초적인 수준의) ‘개인화’와는 근본적으로 다른 깊이, 스케일의 큰 변화를 가져 올 것으로 예상된다.

개인화의 단계: favorites → recommendations → delegation/autonomy → pro-active, prescriptive

• 과거 개인화의 형태는 (사용자가 자신이 원하는 것들을 저장해 두는) favorites 형태 중심이었고 (예: 음악 playlist)

• 이 것이 (사용자의 과거 사용 패턴, 혹은 같은 취향의 다른 사용자의 패턴에 따라) 추천 시스템으로 진화하였다. (예: YouTube 음악 자동 추천)

지금부터의 AI 기반 개인화는 크게 두 가지 형태로 나누어질 것으로 본다.

• autonomy/delegation: “나의 맥락을 아는” AI 혹은 agent에게 내가 원하는 task를 맡기고 그 결과를 기대하는 reactive한 개인화 (예: “내 취향에 맞춰서 이번 주말 OO 파티에 입고 갈 드레스 찾아/추천해 줘”. “이번 주말에 막내 포함하여 2박3일 가족 여행 가려 하니, 여행 일정 짜고 예약해 줘”)

• pro-active/prescriptive: “나의 맥락을 아는” AI 혹은 Ambient Agent가 내가 해야 할 일을 먼저 알려 주는 pro-active 개인화 (예: 나와 가족의 일정을 알고 있는 “집사 agent”가 “다음 주말 막내 아들의 OO 학교 행사에 참석하려면 OOO 준비물이 필요한데, 미리 주문해 둘까요?”라고 물어 오는)

이러한 개인화는 다양한 구성 요소 및 형태로 구현될 것으로 예상된다.

• Personalized “agents”

  • 나의 맥락을 입력/기억하고, 그에 따라 나의 ‘개인화’된 니즈를 serving하는 agent

  • 개별 서비스마다 나와의 과거 interaction을 기억하는 개인화된 agent가 (혹은, 개인화 module이) 있을 수 있고 (per system),

  • (특정 서비스가 아닌) 나 개인에게 소속되어 나의 맥락을 다 기억하고 있고, 나의 니즈에 따라 개별 외부 서비스에 대하여 (나를 대행해서) 일을 처리하고 (reactive), 또 내게 할 일을 먼저 알려 주는 (pro-active), ‘나의 life-time partner로서의 agent’ 일수도 있고 (per person)

• “Conformative software”: 나와의 interaction에 따라, 나를 대하는 방식, UX 등이 진화하는 형태의 UX를 가진 소프트웨어 혹은 ”시스템”. 나와의 대화에 따라 개인화되어 진화하는 현재의 ChatGPT가 그 가장 초보적인 형태라고 볼 수 있다.

• on-device vs. cloud-based

  • 이러한 agent (per system 혹은 life-time partner로서)가 내 아이폰에 상주하거나 (on-device), 클라우드에 상주하거나 (cloud-based, ambient agent),

• “Collective memory”: 나 개인에 대한 ‘개인화’에 그치지 않고, 나의 ‘가족’, 나의 ‘직장 동료, 팀’을 포함한 조직 단위의 collective memory를 만들고 이 기반으로 추가로 개인화할 수 있는

이러한 ‘개인화’ 경험이 축적되면, 사용자는 점점 더 “시스템” (챗봇, Ambient Agent, “집사 agent” 등)에 lock-in되어 갈것이다.

특히, 이러한 lock-in 효과는 양방향으로 일어날 것으로 본다.

• ‘개인화’의 편리함에 익숙해지면서, 사용자는 더 이상 ‘자기를 기억해 주지 않는’ 서비스보다는 ‘자기를 기억해 주는’ 서비스를 지향할 것이고 (you’ll never want be a stranger to a new agent or AI app),

• 그 과정에서의 나의 모든 의사 결정이 다시 그 “시스템”의 ‘개인화’를 더 강화하는 feedback loop이 될 것이기 때문에, (The benefits of personalization compound over time)

이 과정에서 ‘개인화’는 retention, growth loop을 강화하는 중요한 기제가 될 것이고, 궁극적으로 (‘네트워크 효과’ 못지 않은) 가장 강력한 사용자 lock-in 기제가 될 것이다. (”Personalization effects” are the new “network effects”)

‘개인화’ 데이터, 기술 등

이러한 ‘개인화’를 위하여 필요한 개인 데이터 spectrum은, 생각보다 아주 많거나 복잡할 것으로 보이지는 않으며, 아래의 (Level 5까지는 이미 available하고, 대부분 제한된 형태이긴 하지만 접근 가능한) 데이터들이 가용할 것으로 본다.

• Level 1: 이메일, 일정, 나의 문서/자료 (업무용, 개인용, 프로젝트 별 …)

• Level 2: 소셜 네트워크 (LinkedIn, FB), 메신저 (카톡, 문자) 대화

• Level 3: 쇼핑, 배달 주문, 은행 입출금, 신용카드 등 모든 개인 거래 내역

• Level 4: (Google Map에 기록된) 일상에서의 나의 실시간 위치 기록

• Level 5: (iCloud에 저장된) 나의 건강 데이터

• Level 6: (실시간) 개인 대화/통화, 화면 터치/클릭 데이터 등

• Level 7: … (TBD)

관건은,

• 각 서비스들이 이러한 개인 데이터를 어떻게 확보하고 (특히, Level 4 이상의 데이터를 제3자가 실시간 확보하는 것은 거의 불가능할 것으로 보인다. 다만 Data Portability (데이터 이동권) 법안에 의하여 사용자의 개입 하에 1회 export는 대부분 가능하다),

• 확보된 데이터를 어떻게 ‘잘 섞고 가공하여’ 실질적으로 ‘개인화’ 효과를 낼 수 있도록 활용할 지,

등의 여러 단계/유형의 challenge가 있다고 본다.

관련하여, 현재 단계 AI 업계에서 실제 일어나고 있는 논의 및 기술 수준을 살펴 보면:

• 현재 대부분의 서비스는 Stateless Agent(상태 없는 에이전트)나 일회성 워크플로우에 머물러 있음

• Sleep-time Compute란, 사용자가 직접 명령하지 않아도 에이전트가 백그라운드에서 데이터를 분석, 메모리 정리, 학습하는 것

• Agent 시스템의 핵심 구성요소는 상태(메모리/컨텍스트), 모델, 액션(도구/서버 등). 이중 가장 중요한 것은 ‘상태와 메모리’.

• 상태와 메모리, 학습 능력이 있는 것이 진정한 에이전트임. 더 자율적이고, 인간처럼 학습하며, 지속적으로 발전하는 존재로서, **“모델보다 수명이 더 긴 Agent”**가 개인의 lifetime partner agent 역할을 할 수도 있음

• Stateful Agent의 목표는, 에이전트가 스스로 메모리를 관리하고, 오랜 시간 동안 일관성을 유지하는 것. 진정한 Stateful Agent를 만들기 위해서는 모델 외에 ‘컨텍스트를 관리하는 운영체제(OS)’가 필요. 예: Andrej Karpathy가 언급한 ‘컨텍스트 엔지니어링’ 개념

다양한 시도, 향후 방향

지금 논의되고 있는 Context Engineering은 (그 가장 초보적인 형태의 ChatGPT memory 포함) ‘개인화’에 필요한 ‘personalization data layer’의 첫 번째 형태가 될 것이다.

그 다음 단계의 “personalization data layer”가 어떤 형태로 구축되고, 각 개인의 데이터가 어떻게 모이고/활용되고, 그 것이 실제 어떤 형태로 ‘개인화’를 제공할 지 등의 구조 (architecture, worlflow, UX, data layer model, 개인화 방식/모델 등)에 대해서는, 이제 막 이 분야가 시작하는 단계라서 구조적으로 정리된 것이 아직 없고 모든게 유동적이고 모든 시도들이 각각 다른 구조와 방식으로 진행하고 있다.

실제로, 가까운 과거와 현재, ‘개인화’를 위한 third-party data layer 구축 혹은 ‘개인화 서비스’ 제공을 위한 몇 가지 시도들을 살펴 보면:

• Rewind: 맥북의 화면과 기타 데이터를 실시간으로 저장하고, 이를 기반으로 맥락의 retrieval 및 개인화를 시도(”디지털 타임머신” 기능). 프라이버시, 사용자이 느끼는 실제 가치 등에서 한계를 보이고 실패. 지금은 Limitless로 이름을 바꾸어 대화, 회의 기록을 통한 데이터 수집에 집중

• mem0: 사용자의 모든 디지털 활동을 기록하고, 이를 기반으로 개인화된 AI 메모, 지식베이스 구축하는 memory layer

• Letta: ‘기억’ 능력을 가지는 AI Agent 구축 플랫폼

• Poke.com: 개인의 맥락 일부를 받아서 그 개인에 대한 context를 구축하고, 이를 기반으로 개인 대상 ‘개인화’된 AI Assistant 서비스

이러한 시도들의 결과와 그 의미를 해석해 보면:

• 아직 모든 서비스에 적용 가능한 horizontal personalization data layer를 구축하는 것은, 데이터가 일정 규모로 구축되기 전에는 사용자가 느끼는 value proposition 및 이를 기반으로 하는 비즈니스 모델을 만들기가 상당히 어려워, 사용자 (개인 데이터의 공급자)와 비즈니스 (개인 데이터의 수요자) 양쪽 모두 빠르게 scale-up하기 어려운, 전형적인 two-sided marketplace의 초기 chicken-egg problem을 경험한다는 점이다.

• 이 점이 Rewind, mem0 등 data layer를 구축하려는 시도 모두 실패하거나, 아직 빠른 성장세를 보여 주지 못하고 있는 배경이라고 본다.

• 이에 반해서, 최근에 등장한 Poke.com 사례를 보면, ‘개인화’를 기반으로 하되 “사용자가 자신의 개인 데이터를 기꺼이 내어 놓을만한 value prop을 가진 하나의 뽀족한 서비스”에 집중해서 사용자를 먼저 모으고, 일정 규모 이상의 critical mass가 모인 이후 이 데이터 기반의 ‘개인화’를 수평적으로 다른 분야/서비스로까지 확대하는 것은 가능하지 않을까 추정하고 있음. 즉, 특정 서비스가 제공하는 value prop 기반으로 personalization data layer 구축을 장기적으로 확대해 나가는 전략이 가능할 수 있다고 봄

• 이러한 방식을 좀 다른 시각에서 해석해 보면, 페이스북, 카카오톡 등 massive한 규모의 social network 모두 기본적으로는 “하나의 뽀족한 서비스/value prop”에 집중하여 초기의 사용자 기반을 구축하고 escape velocity를 만들어 냄으로써 현재의 dominant user base를 구축하는데 성공하였다고 보며, personalization data layer와 같은 massive data layer를 구축하기 위해서는, 이러한 (일종의 piggy-back) 전략이 필요하다고 판단된다.

‘Next Google’

이러한 어려움에도 불구하고 (모든 Consumer향 서비스에 적용 가능한) “personalization data layer”를 구축할 수 있다면, 그 플레이어는 소비자의 attention을 모으고, 강한 (그리고, 시간이 지나면서 더욱 강해지는) lock-in 효과를 만들어낼 수 있을 것이라고 본다.

이러한 “data layer” (혹은 ‘플랫폼’)은 점진적으로 사용자의 attention을 더욱 강하게 lock-in할 것이다.

• Agent 기반의 AI 환경에서는, 소비자가 자신이 직접하는 일 vs. Agent에게 맡기는 일의 비중이 (현재의 90:10에서) 20:80 수준까지 변화해 갈 것이고, 어쩌면 더 많이 (10:90까지?) 바뀔 수도 있다.

• Personalization data layer는 ‘나의 맥락’을 이해하는 ‘개인 컨시어지’ (agent 혹은 서비스)의 ‘핵심 기반’이 될 것이고,

• 내가 더 오래 사용할 수록 축적되는 ‘나의 맥락’이 더욱 많아지고 이에 기반한 ‘개인화’ 깊이도 더욱 강해질 것이다 (lock-in의 심화)

• 궁극적인 형태는, 영화 her의 ‘사만다’ 혹은 영화 “남아있는 나날”의 집사 ‘스티븐스’ (앤서니 홉킨스 분)에 해당하는, “나의 의도를 가장 잘 이해하고, 이를 가장 잘 실행해 주는” agent 혹은 서비스가 될 것이고, 이를 위한 가장 중요한 enabling infra가 “personalization data layer”가 될 것이다.

이러한 점에서, 이 “personalization data layer”를 장악하는 플레이어는 (Web 시대의 구글보다도 더 강하게) 소비자의 첫 번째 접점을 장악하게 될 것이고, (구글보다도 더) 강한 lock-in 효과를 가지는 비즈니스 모델을 확보하게 될 것으로 예상된다.

그래서, 나는 개인적으로 “개인화 데이터 layer/agent’ 분야가 (Web 1.0 시대 ‘구글’만큼의, 혹은 그를 뛰어 넘는 영향력을 가지는) 소비자 대상의 dominant platform이 나올 수 있는 기반이 되지 않을까” 한다. 그 구체적인 양태는 앞으로 10년 정도의 시간동안 상당히 dynamic하게 진화해 가겠지만.

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

​​AI 사랑방의 아홉 번째 모임은, Anthropic 공동창업자이자 CTO의 방한을 계기로 열리는 특별한 자리로 마련하였습니다.

​Anthropic이 글로벌 VC인 Han River Partners, NTTVC와 함께, 한국의 AI 창업자들이 세계 무대와 직접 연결되는 순간을 만들고자 합니다.

​단순한 만남이 아니라 AI가 발전해 갈 다음 단계를 같이 찾아 보는 자리, 그리고 AI 창업자들이 만들고자 하는 새로운 방향과 가능성을 확인하는 무대가 될 것입니다.

​Anthropic의 기술 방향과 비전, 그리고 글로벌 AI 생태계의 전략적 방향성에 대한 논의를 기반으로, AI 코딩, 인프라, Agent, Consumer AI app등 빠르게 진화하는 AI의 흐름 속에서 새로운 스타트업과 제품이 어떻게 탄생하고 있는지, 그리고 이 변화 속에서 한국의 창업자들은 어떤 기회를 잡을 수 있을지 함께 탐구해 보고자 합니다.

​이 모임에서 Anthropic의 공동창업자와 주요 리더들이 직접 무대에 올라 그들의 기술적 철학과 제품 전략을 공유하고, AI 스타트업 창업자와 투자자들이 한자리에 모여 서로의 경험과 통찰을 나누는 라운드테이블과 패널 토론이 이어집니다.

​특히 국내에서 급성장 중인 AI Companion, 생산성 툴, 그리고 새롭게 부상하는 AI Agent와 Consumer AI 분야를 중심으로 지금 업계에서 가장 빠르게 움직이는 트렌드와 기회를 조명할 예정입니다.

​이번 AI 사랑방은 AI를 만들고 AI로 세상을 바꾸는 사람들의 모임으로서, AI의 미래를 함께 설계하고 만들고자 하는 모든 창업자, 투자자, 리더들을 초대합니다.

​​​주제: AI Founder Salon with co-founder of Anthropic

​일시: 2025년 11월 5일 오후 2:30 - 6:00
장소: 강남 지역 (정확한 위치는 참석 확정된 분들에게 공지해 드립니다)​

프로그램:

​2:30 PM – Access Open: guest arrival, networking & demos

​3:00 – 3:10 PM | Opening Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​3:10 – 3:40 PM | What’s Next at Anthropic — Benjamin Mann, Co-founder

​3:40 – 4:10 PM | [Panel] AI with early tractions (AI Companion, Productivity)

• ​Panelists: Wrtn, Liner, Tiro

• ​Moderator: Jo Zhu Kennedy (Anthropic)

​4:10 – 4:40 PM | Break + Demos/Showcases

• ​Demo pitches (3 min each, up to 5 startups)

​4:40 – 5:10 PM | [Panel] Emerging areas (Agents, Consumer AI, Gaming …)

• ​Panelists: Hyprnote, Verse8 … (TBD)

• ​Moderator: Jin Ho Hur (Han River Partners)

​5:10 – 5:20 PM | Closing Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​5:20 PM onwards | Drinks, Networking & Demos/Showcases

👉 참가 신청

스타트업 데모 신청

• ​메인 행사와 병행하여 5-10개 AI 스타트업​의 데모 부스를 운영하고, 이 중 3-5개 사에 대하여 3분 피칭 기회를 드리고자 합니다.

• ​데모를 원하시는 스타트업에 한하여 이 페이지에서의 참가 신청외에, 꼭 추가로 아래의 Google Form에 추가 신청해 주시기 바랍니다. (데모 여부는 아래의 Google Form 신청 기반으로 결정됩니다)
  
  👉 Demo Application

• ​그 외 참가자는 이 페이지에서의 참가 신청으로 충분합니다.

​[AI Founder Salon] with Anthropic x Han River Partners x NTTVC

​AI Salon this time marks a special moment — a chance to meet the Co-founder and CTO of Anthropic and to connect with global leaders shaping the future of AI.

​In partnership with Anthropic, Han River Partners and NTTVC, this event brings together the most visionary AI founders, investors, and builders across the Korean and global ecosystems.

​This is more than a meetup — it’s a space where the next generation of AI innovation takes shape. Through conversations, demos, and roundtable discussions, we’ll explore how AI agents, Consumer AI, and app-layer technologies are reshaping the landscape — and how founders can seize the opportunity to build the future.

​The Anthropic team, including its co-founder, product and community leads, will share their vision, technology roadmap, and partnership outlook — offering a rare, first-hand glimpse into how Anthropic sees the evolution of AI systems and their broader impact on the world.

​Panel sessions will dive into fast-emerging areas such as AI companions, productivity tools and agentic AI, featuring insights from both global and local builders driving real-world change.

​Join us as global and Korean founders come together to connect, exchange ideas, and spark collaborations that will shape the next era of AI. This is a place for those who build with AI and believe in its power to transform how we live, work, and create.

​Be part of the conversation. Be part of the future.

Theme: AI Founder Salon with co-founder of Anthropic

​Date: Wednesday, November 5, 2025, 2:30-6:00PM KST
Venue: Gangnam area (Exact location to be shared with confirmed participants)​

Program

​2:30 PM – Access Open: guest arrival, networking & demos

​3:00 – 3:10 PM | Opening Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​3:10 – 3:40 PM | What’s Next at Anthropic — Benjamin Mann, Co-founder

​3:40 – 4:10 PM | [Panel] AI with early tractions (AI Companion, Productivity)

​4:10 – 4:40 PM | Break + Demos/Showcases

​4:40 – 5:10 PM | [Panel] Emerging areas (Agents, Consumer AI, Gaming, Social)

​5:10 – 5:20 PM | Closing Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​5:20 PM onwards | Drinks, Networking & Demos/Showcases

👉 Registration

Application for Startup Demo

• ​Alongside the main event, we will host demo booths for 5–10 AI startups, among which 3–5 companies will be selected to give 3-minute pitches during the program.

• ​Founders who wish to participate in the demo session must submit this separate Google Form in addition to the general event registration on this page.

• ​Please note that demo participation will be determined based on this Google Form submission.

​ 👉 Demo Application

AI 사랑방 오픈카톡방: https://open.kakao.com/o/gghRzvqg (참여코드: ai240418) ​​모임 이후에도 참여자들 간의 토론을 위한 단톡방입니다.

​주제: AI Founder Salon with co-founder of Anthropic

​일시: 2025년 11월 5일 오후 2:30 - 6:00
장소: 강남 지역 (정확한 위치는 참석 확정된 분들에게 공지해 드립니다)

​

​​AI 사랑방의 아홉 번째 모임은, Anthropic 공동창업자이자 CTO의 방한을 계기로 열리는 특별한 자리로 마련하였습니다.

​Anthropic이 글로벌 VC인 Han River Partners, NTTVC와 함께, 한국의 AI 창업자들이 세계 무대와 직접 연결되는 순간을 만들고자 합니다.

​단순한 만남이 아니라 AI가 발전해 갈 다음 단계를 같이 찾아 보는 자리, 그리고 AI 창업자들이 만들고자 하는 새로운 방향과 가능성을 확인하는 무대가 될 것입니다.

​Anthropic의 기술 방향과 비전, 그리고 글로벌 AI 생태계의 전략적 방향성에 대한 논의를 기반으로, AI 코딩, 인프라, Agent, Consumer AI app등 빠르게 진화하는 AI의 흐름 속에서 새로운 스타트업과 제품이 어떻게 탄생하고 있는지, 그리고 이 변화 속에서 한국의 창업자들은 어떤 기회를 잡을 수 있을지 함께 탐구해 보고자 합니다.

​이 모임에서 Anthropic의 공동창업자와 주요 리더들이 직접 무대에 올라 그들의 기술적 철학과 제품 전략을 공유하고, AI 스타트업 창업자와 투자자들이 한자리에 모여 서로의 경험과 통찰을 나누는 라운드테이블과 패널 토론이 이어집니다.

​특히 국내에서 급성장 중인 AI Companion, 생산성 툴, 그리고 새롭게 부상하는 AI Agent와 Consumer AI 분야를 중심으로 지금 업계에서 가장 빠르게 움직이는 트렌드와 기회를 조명할 예정입니다.

​이번 AI 사랑방은 AI를 만들고 AI로 세상을 바꾸는 사람들의 모임으로서, AI의 미래를 함께 설계하고 만들고자 하는 모든 창업자, 투자자, 리더들을 초대합니다.

​프로그램:

​2:30 PM – Access Open: guest arrival, networking & demos

​3:00 – 3:10 PM | Opening Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​3:10 – 3:40 PM | What’s Next at Anthropic — Benjamin Mann, Co-founder

​3:40 – 4:10 PM | [Panel] AI with early tractions (AI Companion, Productivity)

• ​Panelists: Wrtn, Liner ... (TBD)

• ​Moderator: Jo Zhu Kennedy (Anthropic)

​4:10 – 4:40 PM | Break + Demos/Showcases

• ​Demo pitches (3 min each, up to 5 startups)

​4:40 – 5:10 PM | [Panel] Emerging areas (Agents, Consumer AI, Gaming …)

• ​Panelists: Hyprnote, Verse8 ... (TBD)

• ​Moderator: Jin Ho Hur (Han River Partners)

​5:10 – 5:20 PM | Closing Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​5:20 PM onwards | Drinks, Networking & Demos/Showcases

​​​스타트업 데모 신청

• ​메인 행사와 병행하여 5-10개 AI 스타트업​의 데모 부스를 운영하고, 이 중 3-5개 사에 대하여 3분 피칭 기회를 드리고자 합니다.

• ​데모를 원하시는 스타트업에 한하여 이 페이지에서의 참가 신청외에, 꼭 추가로 아래의 Google Form에 추가 신청해 주시기 바랍니다. (데모 여부는 아래의 Google Form 신청 기반으로 결정됩니다)
  
  👉 Demo Application

• ​그 외 참가자는 이 페이지에서의 참가 신청으로 충분합니다.

​[AI Founder Salon] with Anthropic x Han River Partners x NTTVC

​Theme: AI Founder Salon with co-founder of Anthropic

​Date: Wednesday, November 5, 2025, 2:30-6:00PM KST
Venue: Gangnam area (Exact location to be shared with confirmed participants)

​

​AI Salon this time marks a special moment — a chance to meet the Co-founder and CTO of Anthropic and to connect with global leaders shaping the future of AI.

​In partnership with Anthropic, Han River Partners and NTTVC, this event brings together the most visionary AI founders, investors, and builders across the Korean and global ecosystems.

​This is more than a meetup — it’s a space where the next generation of AI innovation takes shape. Through conversations, demos, and roundtable discussions, we’ll explore how AI agents, Consumer AI, and app-layer technologies are reshaping the landscape — and how founders can seize the opportunity to build the future.

​The Anthropic team, including its co-founder, product and community leads, will share their vision, technology roadmap, and partnership outlook — offering a rare, first-hand glimpse into how Anthropic sees the evolution of AI systems and their broader impact on the world.

​Panel sessions will dive into fast-emerging areas such as AI companions, productivity tools and agentic AI, featuring insights from both global and local builders driving real-world change.

​Join us as global and Korean founders come together to connect, exchange ideas, and spark collaborations that will shape the next era of AI. This is a place for those who build with AI and believe in its power to transform how we live, work, and create.

​Be part of the conversation. Be part of the future.

​Program

​2:30 PM – Access Open: guest arrival, networking & demos

​3:00 – 3:10 PM | Opening Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​3:10 – 3:40 PM | What’s Next at Anthropic — Benjamin Mann, Co-founder

​3:40 – 4:10 PM | [Panel] AI with early tractions (AI Companion, Productivity)

​4:10 – 4:40 PM | Break + Demos/Showcases

​4:40 – 5:10 PM | [Panel] Emerging areas (Agents, Consumer AI, Gaming, Social)

​5:10 – 5:20 PM | Closing Remarks — Jin Ho Hur, Han River Partners; Jo Zhu Kennedy, Anthropic

​5:20 PM onwards | Drinks, Networking & Demos/Showcases

​Application for Startup Demo

• ​Alongside the main event, we will host demo booths for 5–10 AI startups, among which 3–5 companies will be selected to give 3-minute pitches during the program.

• ​Founders who wish to participate in the demo session must submit this separate Google Form in addition to the general event registration on this page.

• ​Please note that demo participation will be determined based on this Google Form submission.

​ 👉 Demo Application

AI 사랑방 오픈카톡방: https://open.kakao.com/o/gghRzvqg (참여코드: ai240418) ​​모임 이후에도 참여자들 간의 토론을 위한 단톡방입니다.

AI 사랑방 — 그 8번째 모임 in 서울

주제: Consumer + AI 스타트업 기회

​​​일시: 2025년9월8일 (월)

​프로그램:

​6:00-7:30: Consumer + AI 기회에 대한 논의

1. ​Consumer AI 시장에 대한 기대 — 허진호 (Han River Partners) 발표자료 (live doc로 계속 업데이트 됩니다)

2. ​소비자, 기업 환경에서 Agent가 실제 서비스에 적용되면? — 이승민 (Arize AI) 발표자료

3. ​패널 토의: Consumer AI 시장 기회에 대하여 논의 내용 요약

   • ​패널리스트: 신윤호 (Bass Ventures), 박은우 (Mashup Ventures) (모더레이터: 허진호)

​7:30-7:45: 투자사 1분 reverse pitch

• Han River Partners

• LB인베스트먼트

• 에버그린투자파트너스

• 카이스트창투

• 퓨처플레이

• 하나벤처스

7:45-8:30: 좀 '미친' AI 스타트업 데모
(공개 가능한 발표자료만 포함하였습니다)

• 멜랑콜리랩스 발표자료

• 래빗홀컴퍼니 발표자료

• Loqu

• 피큐레잇 발표자료(Canva)

• (AI NPC 데모) 발표자료 YouTube 영상

• 인플라이크 발표자료 “Consumer AI 이렇게 바뀔겁니다”

• 비즈크러시

• 아키코리아 발표자료

​다음 모임에서 또 뵙겠습니다!!!

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

이제 각 분야, vertical 별로 어떤 새로운 기회가 가능할 지에 대한 분석과 상상을 시작해 본다.

다음은, AI의 영향으로 가장 직접적이고 명확한 value proposition을 볼 수 있다고 판단되는, 교육 및 자기 계발 분야.

I. 시장 변화 (Market Forces)

교육은 AI가 가장 큰 영향을 줄 수 있는 분야라고 본다.

교육의 개인화, 평생 교육, 글로벌 확장등의 흐름이 겹치면서 전통적 교육 패러다임은 근본적 변화를 맞고 있다. 이들 각각의 측면에 대하여 AI로 인한 구조적 변화는 교육 산업 전반에 큰 변화를 가져 올 것으로 예상되며, 이는 새로운 기회와 동시에 과제를 만들어내고 있다.

먼저, 교육, 직업 교육 분야에서 AI가 시장에 가져 올 큰 변화의 방향을 살펴 보면:

개인화(personalization):

지금까지의 공교육과 사교육은 기본적으로 동일한 커리큘럼과 속도로 진행되는 “one-size-fits-all” 구조를 전제로 해왔다. 그러나 학생마다 학습 속도, 흥미, 인지적 스타일은 제각각이기 때문에, 이 방식은 필연적으로 효율성을 잃을 수밖에 없다. AI는 개인의 학습 패턴을 실시간으로 분석하고, 문제 풀이 난이도를 조정하거나, 부족한 개념을 반복 학습시키며, 강점 분야는 빠르게 심화 학습을 돕는 등 “규모의 경제를 갖춘 맞춤형 1:1 튜터링”을 가능하게 한다.

과거에는 소수의 학생만이 사교육을 통해 얻을 수 있었던 맞춤형 교육이, 앞으로는 AI 덕분에 대중화될 수 있는 것이다.

소비자 행동의 변화:

학부모와 학생들은 이미 Duolingo, Khan Academy, Quizlet 같은 디지털 학습 도구에 익숙하며, 코로나 시기를 거치며 원격 학습 플랫폼 사용 경험이 보편화되었다.

AI의 등장으로 소비자의 기대치는 한 단계 더 높아졌다. 단순히 “어디서나 접근 가능한 콘텐츠”가 아니라, AI를 통해 나의 현재 학습 수준과 관심사에 맞는 개인화된 (personalized) 콘텐츠를 기대할 수 있다. 예를 들어, 같은 수학 문제라도 어떤 학생에게는 실생활 예시를 곁들여 설명하고, 다른 학생에게는 시각적 애니메이션을 활용해 이해를 돕는 식.

이는 “교육의 디지털화”에서 나아가, “교육의 개별화”로 진화하고 있음을 보여준다.

직무 교육에서의 변화:

노동 시장 구조의 변화도 직무 교육의 구조를 바꾸고 있다. AI 등의 새로운 기술로 인하여 산업 지형이 급격히 변하면서, 근로자들은 이제 단일 경력을 평생 유지하기 어렵게 되었다. 새로운 기술을 습득하고, 산업 간 수평 이동(lateral mobility)을 하거나, 심지어 중년 이후 새로운 직무로 재교육을 받아야 하기도 한다. 이에 따라 직무 교육 분야의 교육은 생애 초기 뿐 아니라 전 생애를 걸쳐 이어가는 ‘평생 교육’으로 그 수요가 확대되고 있다. 이미 Coursera 같은 직무 교육 플랫폼에서 AI 기반으로 직장인 대상 직무 교육 과정의 급속한 확대가 이루어 지고 있을 뿐 아니라, 앞으로는 단순한 직무 교육 과정에 그치지 않고 AI 기반으로 개인화된 맞춤형 커리어 코칭, 개인화된 학습 경로 추천을 포함하는 “AI 기반 개인화.전문화된 직무 전환 가이드/컨설턴스” 역할까지 진화가 가능할 것이다.

글로벌 교육 접근성 변화:

AI로 인한 글로벌 교육 접근성의 변화도 AI 기반의 교육 확산을 가속화할 수 있다.

전 세계적으로 질 높은 교사와 교육 자원이 부족한 신흥 시장에서는, AI 튜터링이 매우 낮은 비용으로 언제 어디서든 제공될 수 있다. 이는 단순히 소외 지역의 학생들에게 기회를 제공하는 것을 넘어, 글로벌 교육 불평등을 완화하는 데 기여할 수 있다. 예를 들어, 저렴한 스마트폰과 AI 기반 학습 앱만으로도 학생들은 고품질의 언어 교육이나 STEM 기초 교육을 받을 수 있다. 과거 인터넷이 지식 접근의 민주화를 열었다면, 앞으로는 AI가 개인화된 교육 접근의 민주화를 실현할 수 있다.

AI가 교육 분야를 재편하는 방식 (카테고리 별)

교육은 항상 새로운 기술의 시험장이 되어왔다. 인터넷은 전 세계 어디서나 지식에 접근할 수 있는 길을 열었고, 모바일은 학습을 주머니 속으로 가져왔다. 클라우드는 방대한 데이터를 축적하고 분석하며 학습 경험을 연결할 수 있게 했다.

그러나 그 모든 발전에도 불구하고, 교육은 여전히 정적이고 획일적인 경험에 머물러 있었다. 콘텐츠는 무한히 늘어났지만, 학습자의 맥락에 따라 맞춤형으로 조정되지 않고, 교육은 여전히 Broadcast 성격이 강하다.

AI는 이 전제를 근본적으로 바꿀 수 있다.

학습은 더 이상 정보 전달에 머무르지 않고 학습자와 함께하는 코파일럿으로 진화한다. AI는 학생의 개별적 맥락을 이해하고, 실시간 피드백을 제공하며, 장기간 학습 과정을 기억하고 진화하는 동반자 (co-pilot)으로 자리잡을 수 있다. 그 결과 교육은 전 생애에 걸쳐 끊임없이 조정되는 지속적이고 개인화된 여정이 된다.

각 카테고리별로 AI가 불러올 변화에 대하여 좀 더 자세히 살펴 본다.

1. K–12: 공교육 학습 지원

인터넷과 클라우드와 함께 Google Classroom, Khan Academy, Quizlet 같은 교육 과정을 지원하는 다양한 도구들이 등장하였다.

교사는 과제를 온라인으로 배포하고 자동 채점을 활용하며, 학생은 언제든 무료 콘텐츠에 접근할 수 있다. 그러나 이 도구는 모두 같은 내용을 많은 학생들에게 일괄 배표하는 (broadcast) 정적인 구조이다. 학생의 개별 성향이나 학습 속도가 반영되지 않고, 교사는 여전히 다수의 학생에게 동일한 커리큘럼을 전달할 수밖에 없는 구조이다.

AI가 가져올 변화는 이 구조를 바꾸는 것에서부터 출발한다.

학생마다 난이도를 조절하고, 부족한 개념을 반복 학습시키며, 흥미 있는 주제를 활용해 설명하는 동적 개인화 수업이 가능하다. 예를 들어, 같은 수학 개념을 이해시키더라도 어떤 학생에게는 음악적 리듬을, 다른 학생에게는 시각적 애니메이션을 활용할 수 있다. 또 교사는 채점·에세이 피드백·수업 계획서 작성 같은 행정 업무를 AI에게 위임할 수 있고, 특수 교육이 필요한 학생(ADHD, 난독증, 자폐 등)을 위한 맞춤형 교육 계획도 대규모로 제공할 수 있다.

결국 공교육에서 AI는 교사의 시간을 해방시키고, 학생의 학습 경험을 개별화하는 역할을 할 수 있다. 교육 현장의 본질을 바꾸지는 않지만, 교사의 부담을 줄이고 학습 격차를 좁히며, 모든 학생이 잠재력에 맞는 속도로 성장할 수 있도록 돕는 도구로 자리잡는다.

2. K–12: 사교육 및 대안 교육

지난 10년간 온라인 튜터링은 폭발적으로 성장했다. 중국의 VIPKid는 북미 원어민 교사와 아시아의 학생을 연결했고, Outschool은 관심사 기반의 소규모 수업을 열었다. SAT, 수능 같은 시험 준비 앱들은 수천 개의 연습 문제와 성적 분석 대시보드를 제공했다. 하지만 여전히 강사의 시간과 비용이 병목이고, 콘텐츠는 정해진 범위 안에서 반복되는 구조이다.

AI는 이 병목을 맞춤형, 개인화 방식으로 해결할 수 있다.

학생은 언제든 대화할 수 있는 AI 튜터와 1:1 수업을 받을 수 있고, AI는 아이의 관심사(예: 말, 축구, 만화)를 주제로 수학 문제를 풀어내며 몰입도를 높인다. 학년 구분을 뛰어넘어 열정 기반으로 선행 학습을 하거나 새로운 분야를 탐구할 수 있으며, AI는 감정 인식과 참여 분석을 통해 “지루해하는 순간”을 포착해 즉각적으로 학습 방식을 바꿀 수 있다. 나아가 AI는 교재·수업 구조·과제를 자동으로 설계해, 부모와 교사가 소규모 대안 학교를 쉽게 운영할 수도 있다.

즉, 사교육과 대안 교육에서 AI는 고비용의 인간 튜터를 대체하거나 보완하며, 기존에 접근하기 어려웠던 맞춤형 교육을 확장한다. 이 변화는 결국, 교육 선택지가 다양해지고 개인의 흥미와 성향에 맞춘 새로운 교육 생태계를 열게 된다.

3. 언어 학습

Duolingo, Rosetta Stone 같은 앱은 언어 교육의 대중화를 열었다. 단어와 문법을 게임처럼 학습하고, 간단한 발음 연습 기능을 통해 언어 습득의 장벽을 낮췄다. 하지만 이런 방식 역시 암기와 반복 중심이고, 실제 대화 상황을 충분히 제공하지 못하고 있다.

AI는 언어 학습을 실시간 대화형 몰입 경험으로 바꿀 수 있다.

여행지에서 식당 예약을 하는 상황, 직장에서 영어 프레젠테이션을 하는 상황 등 실제 맥락을 무한히 생성해 학습자와 상호작용할 수 있고, 학습자의 직업에 따라 의학, 금융, 법률 프랑스어 같은 도메인 특화 언어 코칭도 가능하다. 무엇보다, AI 기반 음성 튜터는 언제 어디서나 접근 가능해 “항상 곁에 있는 대화 파트너” 역할로 기능할 수 있다.

이전 세대의 언어 학습이 “단어와 문법을 기억하는 것”이었다면, AI 세대의 언어 학습은 맥락 속에서 말하고 이해하는 경험으로 전환된다. 이는 언어 교육을 단순한 교육 콘텐츠에서 현실과 연결된 생활 기술로 확장시킨다.

4. 직무 재교육 & 커리어 전환

Coursera, Udacity 같은 MOOC는 대규모 강의와 과제를 제공하며 지식의 민주화를 이끌었다. 코딩 부트캠프는 프로젝트 기반 학습으로 취업률을 높였지만, 여전히 멘토와 코치의 시간과 비용이 필요하고, 커리어 전환은 인간의 개별적 지원 없이는 쉽지 않았고, 이 때문에 확장성이 제한적이었다.

AI는 직무 재교육을 맞춤형 경력 코칭으로 바꿀 수 있다.

개인의 현재 역량과 목표 직무를 분석해 필요한 학습 경로를 자동 생성하고, 코딩 인터뷰·의료 진단·영업 프레젠테이션 같은 직무별 시뮬레이션을 제공한다. 학습자 평가도 “출석 시간”이 아니라 성과 기반 평가(performance-based assessment)로 이뤄질 수 있다. 노동 시장 데이터와 연결되면, AI는 “현재 채용 시장에서 필요한 역량”을 기준으로 실시간 교육을 큐레이션할 수 있다.

이전 세대의 직무 재교육이 “지식 전달” 자체에만 집중한 것 대비, AI 기반 직무 재교육은 경력 전환을 위한 실질적 동반자가 될 수 있다. 이는 평생 교육과 노동 시장의 경계를 허물며, 교육이 곧 노동 시장의 인프라가 되는 새로운 패러다임을 만들 수도 있을 것이다.

5. 평생 학습 & 자기계발

과거의 평생 학습은 MOOC, 평생교육원, 커뮤니티 칼리지 같은 형식으로 존재했지만, 참여율은 낮았다. Lumosity 같은 뇌 훈련 앱은 일시적 인기를 얻었지만, 과학적 근거와 개인화 부족으로 한계가 뚜렷했다.

AI는 평생 학습을 삶과 취미에 맞춘 맞춤형 여정으로 바꿀 수 있다.

은퇴한 사람이 자신의 경험을 AI와 함께 재가공해 코칭·프리랜서 등으로 수익화할 수 있고, 기타·미술·원예 같은 취미를 개인화된 AI 튜터와 함께 배울 수 있다. 인지 건강과 정신적 웰빙을 결합한 프로그램도 설계되어, 학습이 곧 건강 관리의 일부가 될 수 있다.

무엇보다 AI는 학습자의 외로움을 줄여주는 동반자로서 심리적 효과까지 제공할 수 있다. 즉, 평생 학습은 AI를 통해 단순히 “추가 학습”이 아니라, 개인의 정체성과 삶의 질을 형성하는 요소로 확장된다.

6. 고등교육 & 대학교 대안

MOOC, Udemy 같은 자격증 플랫폼은 고등교육을 민주화, 보편화 (democratize) 하였지만, 기업의 신뢰를 충분히 얻지는 못하였고, 대학은 여전히 “공식적 자격증 부여자”로서의 역할을 유지하고 있다.

기술 진보에 의하여 일반 대중의 직업관이 근본적으로 바뀌는 것과 병행하여, AI는 이 (대학 중심의 ‘직무 자격증’) 구조를 흔들 수 있다.

경력 목표에 맞게 큐레이션된 마이크로 자격증, 교수의 멘토링을 대체할 수 있는 대규모 AI 멘토십, 전 세계 학습자에게 풀 커리큘럼을 제공하는 “College-in-a-box” 모델이 등장할 수 있다. 프로젝트, 에세이, 시뮬레이션 평가가 AI에 의해 신뢰성 있게 이뤄지고, 그 결과가 채용 플랫폼과 연결된다면, 교육과 고용의 거리가 급격히 좁혀진다.

즉, 대학은 더 이상 배타적인 교육 공급자가 아니라 AI와 함께 학습 여정을 설계하고 인증하는 플랫폼 중 하나로 재편될 가능성이 크고, 대학 외의 대안 ‘직무 교육’ 플랫폼이 AI 기술과 함께 새롭게 등장할 가능성도 높아졌다.

7. 유아 및 Pre-K 교육

과거 유아 교육은 ABCmouse, PBS Kids 같은 특정 앱이 주도했다. 애니메이션과 게임으로 글자와 숫자를 가르쳤지만, 콘텐츠는 단순 반복적이고 개인화는 부족하다.

이제 AI 기술은 아이들의 반응을 실시간으로 분석해 난이도와 스토리를 조정하는 적응형 놀이 동반자가 될 수 있다. 아이가 관심 있는 공룡 이야기를 기반으로 수학 문제를 풀거나, AI와 대화하며 사회적 상호작용을 연습할 수 있고, 부모를 위한 학습 보조 (co-pilot) 기능도 제공되어 발달 단계에 맞는 놀이·활동을 추천하고, 발달 지표를 추적해 조기 개입을 돕는다.

유아 교육은 AI를 통해 단순한 “에듀테인먼트”에서, 아이의 성장 곡선에 맞춘 진정한 개인화된 학습 경험으로 바뀔 수 있다.

전반적인 변화의 양태: Access → Context & Personalization

인터넷과 모바일 기술에 기반한 이전 세대의 에듀테크는 접근성(Access)을 확장하는 데 집중했다.

누구나 무료 강의를 듣고, 앱에서 문제를 풀 수 있는 기능을 제공함으로써 교육 자체에 대한 접근성을 확대하고 이를 democratize 하였지만, 학습 내용 자체는 여전히 정적이고, 학습은 획일적인 대량 보급 (broadcast) 형태를 취하고 있으며, 학습자 개개인의 맥락은 충분히 반영되지 못했다.

AI 네이티브 세대의 교육은 완전히 다를 것이다.

핵심은 맥락(Context)과 개인화(Personalization) 이다. AI는 학생의 학습 속도, 취향, 관심사, 심리 상태까지 반영해 끊임없이 조정되는 학습 경험을 제공한다. 학습자가 멈추면 기다리고, 이해가 부족하면 다른 방식으로 설명하며, 흥미를 잃으면 주제를 바꿔 몰입을 유지시킨다. 교육은 더 이상 일방적 전달이 아니라, 나만을 위한 코파일럿 경험으로 진화한다.

이 변화는 곧 구조적으로 불가능했던 새로운 시장을 연다. 수많은 학생에게 동일한 문제를 뿌려주던 시대에는 불가능했던 대규모 맞춤형 튜터링, 직장인 재교육과 커리어 전환, 은퇴 이후의 평생 학습, 기업 신뢰를 얻는 대체 자격증 등, 이 모든 새로운 패러다임이 이제 실현 가능하게 되었다. AI는 교육을 단순한 지식 전달 산업에서, 개인의 성장과 삶 전반을 설계하는 동반자 산업으로 확장시킨다.

투자 관점에서 이 변화는 완전히 새로운 기회의 공간이 열린다는 것을 의미한다.

기존의 EdTech 플레이어들이 만든 시장은 주로 콘텐츠 배포와 관리에 집중되어 있었던 반면, AI 네이티브 플레이어들은 학습의 본질적 경험을 재구성하며, 소비자뿐 아니라 교육 기관, 기업, 정부까지 아우르는 새로운 수요를 창출한다.

결국, AI는 교육과 자기계발의 패러다임을 방송형(broadcast)에서 코파일럿(co-pilot) 모델로 바꾸고 있다. 이 전환은 단순한 기술적 진보가 아니라, 시장 전체의 가치사슬과 경제 구조를 다시 쓰는 과정이다. 따라서 지금은 이 거대한 구조적 전환의 초입에 있으며, 향후 5~10년간 가장 유망한 투자 기회가 교육+AI 영역에서 나올 것임을 확신할 수 있다.

II. 스타트업 기회

이 지점에서 우리는, 각 영역에서 어떤 유형의 스타트업이 등장할 수 있는지, 그리고 이들이 어떤 차별화된 가치를 만들 수 있는지를 논의해 보아야 한다. 이제 카테고리별로 드러나는 구체적인 창업 기회와 투자 포인트를 살펴본다.

1. K–12: 공교육 학습 지원 시스템

공교육은 지금 심각한 전환점을 맞고 있다. 교사 부족은 구조적 문제로 자리 잡았고, 학습 격차는 팬데믹을 거치며 더 벌어졌다. 공교육 체계는 이 격차를 줄이고 개별 학생의 학습을 따라가야 하지만, 현실은 정반대다. 제한된 예산, 행정 부담, 획일적 커리큘럼은 오히려 교사의 역량을 소모시키고, 학생 개개인의 학습 여정을 놓치게 만든다. 기존의 인터넷과 클라우드 기반 솔루션은 콘텐츠 접근성을 넓히는 데는 성공했지만, 개인화된 학습 지원을 제공하기에는 역부족이었다.

AI는 이 문제를 근본적으로 재편할 수 있다. 단순한 도구가 아니라, 교사와 학생 모두에게 코파일럿이 되어 교사의 시간을 해방시키고, 학생의 학습 데이터를 실시간으로 분석해 맞춤형 지원을 제공한다. 특히 개별화 교육 계획(IEP), 특수 교육 지원, 행정 자동화 등은 기존에는 막대한 인력과 비용을 요구했지만, AI로 인해 대규모 확산이 가능해진다. 다시 말해, AI는 공교육의 구조적 제약을 넘어설 수 있는 스케일 가능한 저비용 솔루션이다.

이제 공교육 시장의 기회는 단순한 ‘교사 보조 툴’이 아니라, 학급 단위와 교육구 단위에서 성과를 증명할 수 있는 플랫폼으로 확장된다. 교육구가 요구하는 규제와 정책에 맞추면서도, 교실에서 즉각적인 가치를 만들어낼 수 있는 솔루션이 시장을 장악할 것이다. 이는 스타트업에게 단순한 에듀테크가 아니라, 국가 단위의 교육 혁신을 뒷받침하는 인프라를 설계할 수 있는 기회다.

스타트업 기회

AI 교사 어시스턴트

지금 교사들은 하루의 절반을 채점, 수업 계획, 행정 보고, 학부모와의 소통에 소비한다. 이 시간은 학생과의 직접 상호작용보다 행정 처리에 더 많이 쓰이고 있다. AI는 이 부담을 근본적으로 줄여줄 수 있다. 자동 채점, 수업 자료 생성, 학부모 커뮤니케이션 자동화는 교사가 오롯이 수업과 학생 지도에 집중할 수 있도록 한다.

• 스타트업 예:

  • “AI 채점 엔진”: 학생 에세이를 읽고 세부 피드백까지 제공

  • “수업 플래너 코파일럿”: 교사의 수업 주제·학년 수준에 맞춘 레슨 플랜 자동 생성

  • “학부모 커뮤니케이션 봇”: 학생 성과 리포트를 자동 작성해 가정에 발송

AI 기반 개별화 학습 계획(IEP) 자동화

ADHD, 난독증, 자폐 스펙트럼 등 특수 학습 요구를 가진 학생을 위한 IEP는 지금까지 교사·상담사·행정가의 방대한 시간을 요구했다. 이 과정은 종종 형식적 문서화에 그치고, 실제 지원으로 연결되지 못했다. AI는 학생의 학습 데이터를 분석하고, 교사·학부모에게 맞춤형 교육 계획을 제안함으로써 특수 교육을 대중화할 수 있다.

• 스타트업 예:

  • “AI 특수교육 코치”: 학생별 맞춤형 IEP를 자동 설계하고, 실행 가능한 단계 제시

  • “개인화 진단 툴”: 학생의 테스트·행동 데이터를 분석해 학습 차이를 조기 진단

클래스레벨 학습 관리 툴

한 교실에서 수준 차이가 큰 학생들을 동시에 가르치는 것은 교사에게 불가능에 가까운 과제다. AI는 수업 중 실시간 반응을 바탕으로, 난이도를 개별 조정하거나 적응형 워크시트를 제공한다. 교사는 모든 학생이 같은 교실 안에서 각자 적합한 수준의 도전을 경험하도록 만들 수 있다. 이는 공교육의 근본적 목표인 학습 격차 축소를 위한 실질적 도구가 될 것이다.

• 스타트업 예:

  • “AI 워크시트 제너레이터”: 수업 주제와 학생 수준에 따라 개별 문제 세트 생성

  • “학급 퍼포먼스 모니터”: 교실 내 학생들의 몰입도·이해도를 실시간 시각화

정책 친화적 AI 코파일럿

공교육 시장은 규제와 제도적 장벽이 크다. 따라서 교육구의 표준 커리큘럼과 직접 호환되는 AI 솔루션은 도입 속도를 빠르게 할 수 있다. 예를 들어, 국가 단위 표준 시험 대비 문제 은행 생성기, 교육부 인증 커리큘럼에 맞춘 학습 가이드 등은 정책적 저항을 줄이며 확산될 수 있다.

• 스타트업 예:

  • “표준화 시험 대비 AI”: SAT, 수능, 주 단위 시험 기준에 맞춘 문제 생성 엔진

  • “커리큘럼 준수 코파일럿”: 교육구별 표준과 정렬된 수업 자료 자동화

전형적 스타트업 및 시장 전략

공교육 시장의 전형적인 비즈니스 모델은 B2B2G SaaS 모델이다. 개별 학부모가 아니라, 교육구와 학교 단위가 구매 의사결정을 내린다. 따라서 현지 커리큘럼 준수, 교육 행정과의 통합, 규제 적합성 확보가 필수다. 동시에 교사와 학생이 교실 안에서 즉각적인 가치를 느낄 수 있어야 한다.

성공적인 스타트업은 “교사의 시간을 매일 1시간 이상 절약해 주는 AI 어시스턴트”나, “IEP를 자동으로 설계하고 실행하는 툴”처럼 단순하지만 명확한 가치를 제공할 것이다. 이들은 미국뿐 아니라 교사당 학생 수가 훨씬 많은 신흥국에서도 빠르게 확산될 수 있다.

결국 공교육에서 AI는 교사를 대체하지 않고, 교사의 역량을 배가시키는 파트너가 된다. 그리고 바로 이 지점에서, 글로벌 교육 혁신을 주도할 차세대 에듀테크 유니콘이 탄생할 것이다.

2. K–12: 사교육 및 대안 교육

사교육은 전 세계에서 가장 빠르게 성장하는 교육 시장 중 하나다. 미국만 보더라도 튜터링 시장 규모가 $60B를 넘어섰고, 한국의 학원사교육 시장도 $20B 규모에 달한다. 부모들은 자녀 교육에 있어 “공교육 이상의 경험”을 원하며, 막대한 비용을 지불한다. 그러나 지금까지의 사교육은 소수의 학생만 누릴 수 있는 엘리트형 맞춤 교육에 머물렀고, 중산층 가정에는 높은 비용의 장벽이 존재했다.

AI는 이 불균형을 근본적으로 무너뜨릴 수 있다.

AI 튜터는 소득 수준에 상관없이 학생에게 무제한의 1:1 맞춤형 학습 경험을 제공한다. 수학, 과학, 코딩 같은 핵심 과목은 물론, 아이의 흥미와 맥락에 맞춘 수업까지 가능하다. 과거에는 개인 교습비로 수백 달러를 내야 얻을 수 있었던 경험이, 이제는 월 구독료 수준으로 보편화될 수 있다. 부모 입장에서 “내 아이에게 개인 튜터를 붙여주는 것”이 더 이상 사치가 아니라 기본 옵션이 되는 세상으로 이동하는 것이다.

스타트업 기회

AI 네이티브 튜터링 플랫폼

지금까지의 온라인 튜터링은 결국 인간 튜터의 시간과 비용에 묶여 있었다. VIPKid 같은 플랫폼은 교사 연결은 잘했지만, 학습 내용의 확장성에는 한계가 있다. AI 튜터링 플랫폼은 학습 내용의 무제한 확장이 가능하며, 아이의 속도와 흥미에 따라 학습 경로를 조정할 수 있다. 예를 들어, 아이가 과학을 좋아한다면 수학 문제를 과학적 맥락 안에서 풀도록 하고, 코딩 학습을 게임 미션처럼 제공할 수 있다.

• 스타트업 예:

  • “AI 수학·과학 튜터”: 문제 풀이, 피드백, 해설을 실시간 제공하는 과목별 AI 튜터

  • “코딩 메이트”: 아이가 프로젝트를 직접 만들면서 배우는 실습형 AI 코딩 코치

AI 기반 대안 학교 모델

대안학교, 홈스쿨 등은 기존 공교육의 대안으로 주목받고 있지만, 교사·교재 확보 문제로 확산 및 보편화가 어렵다. AI는 “튜터-포-라이프” 모델로 핵심 교육을 제공해 대안 학교 운영이 가능할 수도 있다. 학부모는 소규모 그룹에서 교사·AI 혼합 모델로 교육을 설계할 수 있고, 홈스쿨 가정에서 AI를 통해 학부모가 보조 교사 역할을 할 수 있다.

• 스타트업 예:

  • “AI 홈스쿨 코파일럿”: 가정에서 커리큘럼 관리·수업·평가를 지원

  • “마이크로스쿨 운영 시스템”: 소규모 학급에 필요한 수업 콘텐츠·진도 관리 자동화

니치 흥미 기반 학습

기존 사교육은 주로 시험 대비 중심이었다. AI는 아이의 관심사(천문학, 로봇공학, e스포츠 등)를 중심으로 한 몰입형 학습 경험을 제공할 수 있다. 아이가 좋아하는 주제를 통해 수학·물리·언어까지 통합적으로 배우게 하며, “학습이 곧 놀이”로 전환된다.

• 스타트업 예:

  • “AI 천문학 캠프”: 별 관측 데이터와 연결된 실습형 천문학 학습

  • “로봇 튜터”: DIY 로봇 제작을 가이드하는 AI 프로젝트 코치

  • “e스포츠 학습 코치”: 게임 플레이 속에서 전략·팀워크·통계적 사고를 훈련

AI 네이티브 에듀테인먼트

기존의 학습 앱은 게임화된 문제 풀이 수준을 넘지 못한다. 이에 비해 AI를 통하여 스토리텔링, 인터랙티브 시뮬레이션, 게임 메커닉을 결합해 “학습 = 몰입형 경험”을 제공할 수 있다. 아이는 단순히 문제를 푸는 것이 아니라, 게임 속 캐릭터와 대화하며 지식을 배우고, 시뮬레이션에서 직접 개념을 체험하게 된다.

• 스타트업 예:

  • “AI 스토리텔링 수학 모험”: 아이가 주인공이 되어 모험을 풀며 수학 개념 학습

  • “인터랙티브 역사 게임”: 역사 속 인물과 대화하며 사건의 맥락을 배우는 시뮬레이션

전형적 스타트업 및 시장 전략

사교육·대안 교육 영역은 공교육보다 훨씬 빠르게 AI 솔루션을 받아들일 것이다. 시장 규모 자체가 크고, 학부모의 지불 의사가 명확하며, 규제 장벽이 상대적으로 낮기 때문이다.

주된 비즈니스 모델은, 대안 교육 기관을 대상으로 하는 B2B SaaS 모델 및 Direct-to-Consumer 구독형 모델이 가능할 것이다. 특정 과목에 집중한 프리미엄 튜터링 서비스, 흥미 기반의 니치 콘텐츠, 글로벌 시장(특히 아시아) 수출 모델 모두가 가능하다.

궁극적으로 AI는 사교육을 “상류층 전유물”에서 “모든 가정의 기본 옵션”으로 바꿀 수 있다. 그리고 그 과정에서, AI 네이티브 튜터링 스타트업과 대안 교육 플랫폼이 차세대 글로벌 에듀테크 유니콘으로 자리매김할 것이다.

3. 언어 학습 (Language Learning)

언어 교육 시장은 전 세계적으로 약 600억 달러 규모에 달하며 계속 성장하고 있다. Duolingo는 “게이미피케이션된 언어 학습”으로 수억 명의 사용자를 확보하며, 소비자들이 AI 기반 학습 도구에 기꺼이 비용을 지불할 준비가 되어 있음을 증명했다.

하지만 언어 학습은 단순히 단어와 문법을 외우는 훈련을 넘어, 실제 생활·업무·문화 속에서 몰입형 경험을 제공하는 개인 코칭으로 확장될 수 있다. AI는 이 시장을 한 단계 끌어올려, 언어 학습을 넘어서 글로벌 커뮤니케이션 역량을 재정의할 잠재력을 갖고 있다.

과거 언어 학습 앱은 단어 퀴즈, 문법 문제, 발음 교정 등 제한된 기능을 중심으로 발전해왔다. Rosetta Stone은 체계적 언어 교육을, Duolingo는 게임화와 모바일 접근성을, HelloTalk은 사용자 간 교류를 강조했다. 그러나 이 방식들은 여전히 고정된 콘텐츠와 반복적 학습에 머물러 있다. 학습자는 시험을 잘 보기 위해 단어를 외웠지만, 실제 상황에서 자유롭게 대화하는 데는 여전히 장벽이 컸다.

AI는 이 지점을 완전히 바꿀 수 있다.

음성·텍스트·비전 입력을 통합한 대화형 AI 튜터는 실제 생활 속 몰입 환경을 시뮬레이션할 수 있다. 여행 중 호텔 체크인, 업무 회의에서의 협상, 친구와의 잡담까지 다양한 맥락을 실시간으로 만들어내고 학습자가 연습할 수 있도록 한다. 특히 AI는 학습자의 직업·목표에 맞춰 비즈니스 영어, 의료 스페인어, 교환학생 준비용 프랑스어처럼 도메인 특화 교육을 제공할 수 있다. 여기에 “언제 어디서든 대화할 수 있는 AI 말하기 동반자” 모델은 모바일 중심으로 확산될 수 있으며, 기존의 제한적 연습 환경을 대체한다.

스타트업 기회

대화형 AI 튜터

언어 학습의 가장 큰 문제는 실전 연습 부족이다. AI 기반 대화형 튜터는 맥락을 가진 실제 대화 상황을 무한히 생성하고, 학습자가 말한 내용을 실시간으로 교정하며, 억양·발음을 문화적 맥락까지 포함해 피드백할 수 있고, 이는 단순 암기형 학습에서 벗어나 몰입형 언어 경험을 제공한다.

• 스타트업 예:

  • “AI 여행 파트너”: 해외 여행 시 호텔·레스토랑·쇼핑 상황을 연습

  • “AI 회의 코치”: 글로벌 팀과의 업무 회의 시뮬레이션

  • “AI 생활 회화 튜터”: 친구·동료와 일상 대화를 반복 연습

도메인 특화 언어 튜터링

학습자의 직업과 목표에 맞춘 언어 교육은 기존 학원과 교재로는 비효율적이다. AI는 전문 분야 데이터를 학습해 의료 영어, 금융 일본어와 같은 맞춤형 수업을 제공할 수 있다. 글로벌화된 노동 시장에서 기업과 개인 모두에게 절실한 니즈다.

• 스타트업 예::

  • “비즈니스 영어 AI 코치”: 이메일·프레젠테이션·협상 대화 중심

  • “의료 스페인어 튜터”: 환자 대화·진단·처방 상황 시뮬레이션

  • “법률 영업 레슨”: 계약서·법정 대화 중심 학습

항상 곁에 있는 말하기 동반자

언어 학습은 꾸준함이 핵심이다. AI는 모바일·음성 중심의 저마찰(low-friction) 대화 동반자가 되어 언제든 연습할 수 있게 한다. 출퇴근길, 산책 중, 요리하면서도 학습자가 원하는 언어로 대화할 수 있다. 이는 기존 학원 수업이나 앱의 “정해진 세션”을 넘어서는 완전히 새로운 사용자 경험이다.

• 스타트업 예::

  • “AI 음성 튜터 앱”: AirPods로 언제든 대화 가능한 언어 코치

  • “Always-on Companion”: 일정·뉴스·취미 대화까지 일상과 학습을 결합

언어 학습 인프라 API

언어는 독립 앱으로도 중요하지만, 여행·커머스·고객 서비스 등 다양한 플랫폼 속에서도 핵심 기능이 된다. 스타트업은 AI 번역·튜터링 API를 제공해 다른 서비스에 언어 학습을 자연스럽게 임베드할 수 있다. 예컨대 여행 앱은 사용자에게 숙소 예약용 스페인어 표현을 연습시키고, 이커머스 앱은 구매 후 현지 언어 리뷰 작성 도우미를 제공할 수 있다.

• 스타트업 예::

  • “AI 튜터 API”: 학습 모듈을 다른 플랫폼에 제공

  • “커머스+언어 API”: 구매 맥락에서 현지어 연습 지원

  • “여행 파트너 SDK”: 여행 예약 플랫폼 내 대화형 언어 연습

전형적 스타트업 및 시장 전략

언어 학습은 B2C와 B2B 모두에서 기회가 큰 시장이다.

소비자 대상 모델에서는 Duolingo의 뒤를 이을 챌린저, 또는 vertical 별 (비즈니스, 전문직, 여행 등)에 특화한 프리미엄 niche 제품이 가능하다. B2B 측면에서는 기업들이 글로벌 인재 양성과 직원 언어 역량 업스킬링을 위해 투자하고 있으며, AI 기반 언어 교육은 비용 효율성과 효과성을 동시에 충족시킨다.

궁극적으로 AI는 언어 학습을 단순한 시험 준비가 아니라, ‘실시간 대화 능력을 키우는 개인화된 경험’으로 전환시킨다. 이는 언어 교육 시장뿐 아니라 글로벌 커뮤니케이션 훈련 시장 전체로 확장될 수 있으며, 차세대 “AI 네이티브 Duolingo”가 탄생할 기회다.

4. 직무 재교육 & 커리어 전환 (Workforce Re-skilling & Career Transitions)

노동 시장은 역사상 유례없는 속도로 재편되고 있다.

세계경제포럼(WEF)은 2030년까지 전 세계 노동자의 40% 이상이 직무 재교육(reskilling)을 필요로 한다고 전망했다. 하지만 전통적 재교육 시스템은 속도가 너무 느리고 비용이 너무 크다. 대학원 과정, 직업 훈련 기관, 부트캠프 모두 특정 인력만 감당할 수 있으며, 학습 주기 역시 변화 속도를 따라가지 못한다. 기술 변화가 분기마다 일어나는 시대에, 1~2년짜리 과정은 이미 구시대적이다.

AI는 이 패러다임을 근본적으로 바꿀 수 있다.

개인의 스킬 갭을 빠르게 진단하고, 맞춤형 학습 경로를 제시하며, 실습 기반 시뮬레이션으로 즉각적인 역량 향상을 가능하게 한다. 기업 입장에서도 AI 기반 교육은 비용 효율적이고, 결과가 빠르며, 실제 채용·직무 배치와 직결된다. 교육이 더 이상 “학교”에서 끝나는 것이 아니라, ‘노동 시장과 실시간으로 연결된 인프라’가 되는 것이다.

스타트업 기회

AI 커리어 코치

과거에는 직무 전환을 위해 경력 컨설턴트, 멘토, 취업 코치의 도움을 받아야 했다. 그러나 이 방식은 비용이 비싸고 확장성이 없다. AI는 개인의 이력서·경험·목표 직무를 분석해, 부족한 기술을 매핑하고 개인화된 학습 로드맵을 설계할 수 있다. 학습자는 AI와 대화하며 매일 무엇을 배워야 할지, 어떤 프로젝트를 진행해야 할지 즉시 알 수 있다.

• 스타트업 예:

  • “AI 경력 내비게이터”: 이력서를 분석해 전환 가능한 직무 추천 및 학습 로드맵 생성

  • “스킬 갭 진단기”: 목표 직무 대비 현재 역량 격차를 수치화

시뮬레이션 기반 학습

재교육의 본질은 실습이다. 단순 강의와 퀴즈는 실제 업무 역량을 키우기 어려울 수 있다.

AI는 코딩 인터뷰, 간호 시술, 영업 협상 등 직무별 시뮬레이션을 무한히 생성해 학습자가 반복 훈련할 수 있도록 한다. 즉, 실수를 통해 배우는 과정을 안전하고 저비용으로 제공한다.

• 스타트업 예:

  • “AI 인터뷰 코치”: 모의 기술 면접 진행 및 피드백 제공

  • “가상 병원 시뮬레이터”: 의료 시술 및 환자 응대 훈련

  • “AI 세일즈 멘토”: 고객 대화·협상 훈련용 시뮬레이션 생성

산업별 AI 아카데미

물류, 제조, 헬스케어 같은 전통 산업은 기술 변화에 비해 교육 인프라가 뒤처져 있다. AI는 산업별 전문 데이터를 학습해, AI 무역학교(AI-powered trade schools) 형태의 맞춤형 교육을 제공할 수 있다. 예를 들어, 제조업 현장 근로자가 새로운 자동화 장비를 익히거나, 헬스케어 인력이 최신 의료 프로토콜을 학습하는 과정을 AI가 지원할 수 있다.

• 스타트업 예:

  • “AI 물류 아카데미”: 공급망 관리·창고 자동화 교육

  • “스마트 팩토리 코치”: 제조 장비·로봇 운영 학습

  • “헬스케어 업스킬 플랫폼”: 간호사·테크니션 대상 최신 진료 훈련

기업용 재교육 플랫폼

기업은 기존 직원의 역량을 강화하는 것이 신규 채용보다 훨씬 효율적이다. 하지만 지금까지는 체계적이고 확장 가능한 플랫폼이 거의 없었다.

AI 기반 B2B2E(기업-직원 재교육) 모델은 기업이 직원 재교육을 스폰서하고, AI 튜터와 채용·배치 파이프라인을 결합할 수 있다. 이는 기업이 필요한 스킬을 내부에서 신속히 육성하게 만들며, 직원에게는 새로운 커리어 기회를 제공한다.

• 스타트업 예:

  • “AI 직원 재교육 SaaS”: 기업 내 직무별 맞춤 학습 경로 제공

  • “업스킬+채용 플랫폼”: 교육과 실제 포지션 배치를 연결

전형적 스타트업 및 시장 전략

이 시장은 B2C와 B2B 모두 거대한 기회를 제공한다. 개인에게는 저렴하면서도 강력한 경력 전환 도구가 될 수 있고, 기업에게는 비용 효율적인 내부 재교육 인프라가 될 수 있다. 특히 B2B2E 모델은 직원 유지율을 높이고, 채용 비용을 줄이며, 빠른 시장 대응력을 제공하기 때문에 강력한 도입 동기를 가진다.

궁극적으로 AI는 직무 재교육을 “비용이 크고 느린 프로세스”에서 “빠르고 개인화된 경험”으로 바꾼다.

이 변화는 단순히 교육의 혁신이 아니라, 노동 시장 전체의 인프라 혁신에 해당한다. 향후 5~10년간 가장 큰 경제적 파급력을 가지는 에듀테크 영역 중 하나가 바로 이 직무 재교육과 커리어 전환 분야일 것이다.

5. 평생 학습 & 자기계발 (성인·퇴직 이후)

세계는 빠르게 고령화되고 있다. 특히 한국, 일본, 유럽은 고령 인구 비중이 가장 높은 지역으로, 단순한 건강 관리뿐 아니라 인지적 자극과 자기계발에 대한 수요가 급격히 커지고 있다. 또한 은퇴 이후에도 새로운 커리어를 시작하거나 프리랜스로 활동하려는 사람들이 늘어나면서, 전통적으로 생애 초기에 집중되던 교육이 후반부 삶까지 확장되고 있다. 팬데믹을 계기로 중장년층 이상에서도 디지털 학습에 대한 수용도가 높아졌다는 점은, 이 시장이 이제 막 본격적으로 열리고 있음을 시사한다.

과거의 평생 학습은 주로 대학의 평생교육원이나 Coursera 같은 MOOC에서 제공됐다. 그러나 이런 프로그램은 참여율이 낮고, 학습 지속성이 떨어지는 경우가 많았다. Lumosity 같은 두뇌 훈련 앱도 인기를 끌었지만, 개인 맞춤형 학습 경험이 부족했고 과학적 근거에 대한 논란도 있었다. 즉, 기존 솔루션은 수요가 있음에도 불구하고 개인의 동기와 맥락을 충분히 반영하지 못한 한계를 드러냈다.

AI는 이러한 문제를 정면으로 해결할 수 있다.

개인의 취향과 목표를 반영해 맞춤형 학습을 제공하고, 학습 자체를 인지 건강과 결합한 “인지 웰빙 + 학습” 모델로 확장할 수 있다. 또한 은퇴자나 중장년층이 가진 풍부한 경험을 새로운 경제적 자산으로 바꿀 수 있도록 돕는다. AI는 더 이상 단순한 교사 역할에 머무르지 않고, 삶의 후반부 동반자로서 기능할 수 있다.

스타트업 기회

취미 학습 AI 튜터

음악, 미술, 역사, 정원 가꾸기, 문학 등 취미 활동은 성인 학습자 대상으로 지속적인 수요가 있다.

AI는 개인의 수준과 관심사에 맞춘 1:1 취미 튜터가 될 수 있다. 예를 들어, AI 기타 코치는 사용자의 연주 녹음을 듣고 실시간 피드백을 제공하며, 역사 애호가에게는 특정 시대·사건에 맞춘 큐레이션 강의를 제공할 수 있다.

• 스타트업 예:

  • “AI 뮤직 코치”: 실시간 연주 피드백 및 개인 맞춤 연습 계획

  • “AI 아트 튜터”: 그림이나 조각 제작 과정에서 단계별 가이드

  • “AI 히스토리 가이드”: 특정 시대사 큐레이션 및 퀴즈형 학습

인지 피트니스 앱

고령화 사회에서 인지 건강은 의료·웰빙의 핵심 화두다. AI는 단순 두뇌 훈련을 넘어, 언어 학습·퍼즐·역사 강좌 등을 결합한 학습+두뇌 건강 통합 플랫폼을 만들 수 있다. 학습은 즐겁고, 동시에 뇌 건강을 유지하는 훈련이 된다. 이는 기존의 Lumosity 같은 앱을 대체하거나 확장할 수 있는 영역이다.

• 스타트업 예:

  • “AI Cognitive Gym”: 매일 다른 퍼즐·퀴즈·학습 과제를 제공

  • “wellness + 언어 통합 앱”: 언어 학습과 인지 건강을 동시에 추구

은퇴자 재교육 플랫폼

많은 은퇴자들은 자신이 쌓아온 경험을 활용해 새로운 일을 찾고 싶어 한다. AI는 은퇴자가 가진 지식과 기술을 분석해, 이를 코칭, 프리랜스, 크리에이터 활동으로 전환할 수 있도록 지원한다. 예를 들어, 전직 교사가 온라인 코칭을 시작하거나, 은퇴한 엔지니어가 기술 멘토로 활동할 수 있도록 돕는다.

• 스타트업 예:

  • “Retiree-to-Coach 플랫폼”: 은퇴자의 경험을 온라인 멘토링으로 연결

  • “AI 재교육 코치”: 은퇴자의 기술을 새로운 시장에 맞게 업스킬

AI 기반 소셜 학습 커뮤니티

학습은 혼자 하는 것보다 함께할 때 지속성이 높다. AI는 학습자 커뮤니티를 연결하고, peer-to-peer 학습을 촉진하며, AI 튜터가 이를 보조하는 하이브리드 학습 공간을 만들 수 있다. 특히 고령층에서는 사회적 고립을 줄이는 효과까지 있어, 학습이 곧 웰빙으로 이어진다.

• 스타트업 예:

  • “AI 학습 커뮤니티 허브”: 같은 관심사를 가진 학습자 그룹을 연결

  • “Peer + AI 튜터 시스템”: 학습 그룹 토론을 촉진하고 AI가 토론 결과 정리

전형적 스타트업 및 시장 전략

평생 학습과 자기계발 영역은 고령화와 디지털 전환이 맞물리는 거대한 구조적 기회다. 특히 중장년층 이상을 대상으로 한 구독형 모델은 꾸준한 수익성을 보장할 수 있으며, “웰니스+교육 번들” 형태로 확장할 수 있다. 예를 들어, 두뇌 건강·운동·학습을 통합한 서비스는 헬스케어와 에듀테크의 경계를 허문다.

궁극적으로 AI는 평생 학습을 “추가 교육”의 개념에서, 삶의 후반부를 풍요롭게 만드는 필수 경험으로 바꿀 것이다. 학습은 이제 단순히 새로운 지식을 얻는 과정이 아니라, 개인의 정체성을 유지하고 사회적 연결을 확장하며, 웰빙을 지키는 핵심 축이 된다. 이 영역에서 AI 네이티브 스타트업은 고령화 사회의 가장 강력한 솔루션 중 하나로 자리 잡을 것이다.

6. 고등교육 & 대학교 대안 (Higher Education)

고등교육은 지금 가장 거센 변화를 겪고 있는 영역 중 하나다.

대학 등록금은 지속적으로 상승하고 있으며, 학위의 ROI(투자 대비 수익성)에 대한 회의론도 커지고 있다. 졸업장이 곧 취업과 안정된 커리어를 보장하던 시대는 끝났다. 실제로 많은 기업이 이제 학위를 필수로 요구하지 않고, 실질적 기술(skill)과 역량을 더 중요시하고 있다. 이 흐름 속에서 부트캠프, 온라인 자격증, 마이크로 크레덴셜(micro-credentials) 같은 대체 학위 모델이 부상했지만, 여전히 학습 경험의 질과 기업 신뢰성 부족이라는 한계에 부딪혔다.

AI는 이 불균형을 근본적으로 바꿀 잠재력을 지니고 있다. 학위라는 거대한 “올-인-원 패키지”를 쪼개고 재조합해, 개인의 커리어 목표에 맞는 맞춤형 학습 여정을 설계할 수 있기 때문이다. 학습자는 AI와 함께 자신에게 필요한 강좌만 선택해 스택형 마이크로 자격증을 쌓을 수 있으며, 이는 기존 학위보다 더 빠르고 더 저렴하게 커리어 전환에 직결된다. 더 나아가 AI는 학생의 성향과 노동 시장 데이터를 결합해, 어떤 분야로 진로를 탐색해야 할지 멘토 역할을 수행할 수 있다.

또한, 엘리트 기관에 진학할 경제적 여유가 없는 글로벌 학생들을 위한 AI 기반 “College-in-a-box” 모델도 가능하다. 전통적인 캠퍼스 경험은 없더라도, AI 튜터와 멘토가 전 과정을 지원하고, 프로젝트·논문·시뮬레이션 평가까지 맡는다. 학습자는 지역·경제적 제약 없이 고등교육 수준의 학습을 받을 수 있으며, 이를 기반으로 기업에서 인정받을 수 있다.

스타트업 기회

AI 네이티브 대체 학위 모델

기존 대학 학위 대신, 학생의 커리어 목표에 맞춘 학점은행/스택형 credentials와 AI 큐레이션 과정을 제공하는 모델이다. 이 접근은 “한 번에 4년 학위”라는 오래된 구조를 해체하고, 필요한 만큼 학습하고 바로 노동 시장에서 활용할 수 있게 만든다.

• 스타트업 예:

  • “AI 학위 대체 플랫폼”: 경영, 데이터, 디자인 등 특정 분야별 모듈형 자격증 제공

  • “AI 코스 큐레이터”: 수많은 온라인 강좌와 자료를 학습자 맞춤 경로로 통합

AI 멘토 & 커리어 탐색 도구

전통적인 대학의 강점은 교수와의 멘토링, 커리어 센터였지만, 대규모 확장은 불가능했다. AI는 학생의 관심사, 학습 성과, 노동 시장 데이터를 결합해 맞춤형 커리어 멘토가 될 수 있다. “어떤 전공을 택해야 하는가?”라는 질문에 학문적 데이터와 채용 동향을 동시에 반영해 답할 수 있다.

• 스타트업 예:

  • “AI 커리어 어드바이저”: 학생 데이터 + 채용 데이터 기반 진로 추천

  • “AI 멘토봇”: 24/7 대응 가능한 학문/경력 상담 코치

글로벌 맞춤형 College-in-a-box

하버드, 스탠퍼드 같은 엘리트 대학은 소수만 입학 가능하고, 비용은 천문학적이다. 반면 전 세계 수억 명의 학생은 여전히 고등교육을 갈망한다. AI는 커리큘럼 설계부터 수업·피드백·평가까지 수행해, 글로벌 맞춤형 대학 대체재를 만들어낼 수 있다.

• 스타트업 예:

  • “AI 글로벌 대학”: 전 과정을 AI 튜터가 담당하는 온라인 대학

  • “저비용 AI 학위 패키지”: 지역별 언어·경제 환경 맞춤형 커리큘럼 제공

B2B 파트너십: AI 커리큘럼 설계 SaaS

대학, 부트캠프, 직업학교는 여전히 교육 콘텐츠를 설계하는 데 막대한 비용과 시간을 들인다. AI 기반 SaaS는 산업별 데이터를 분석해, 최신성·효율성을 갖춘 커리큘럼을 빠르게 설계하고 업데이트할 수 있다. 이는 교육기관이 빠르게 변화하는 산업 수요를 따라잡는 데 도움을 준다.

• 스타트업 예:

  • “AI 커리큘럼 빌더”: 대학·부트캠프용 자동 커리큘럼 설계 엔진

  • “AI 학습 성과 분석기”: 강좌의 성과와 취업 연계도를 실시간 분석

전형적 스타트업 및 시장 전략

이 분야의 기회는 대학을 직접 대체하는 모델과 대학·교육기관을 보조하는 SaaS 모델로 양분된다. 전자는 B2C 중심으로, 고등교육에 접근하지 못한 글로벌 학생들을 대상으로 “AI 대학”을 구축할 수 있다. 후자는 B2B 중심으로, 기존 대학과 협업해 커리큘럼 설계·학습 지원을 혁신한다.

궁극적으로 AI는 대학을 완전히 무너뜨리지는 않겠지만, 학위의 절대 권위를 약화시키고 “기술 기반·성과 기반·유연성 기반”의 새로운 자격증 체계를 부상시킬 것이다. 학위를 대체하거나 보완하는 AI 네이티브 스타트업은, 향후 10년간 교육 산업에서 가장 뜨거운 성장 스토리를 만들어낼 가능성이 크다.

7. 유아 및 Pre-K 학습 (Early Childhood & Pre-K Learning)

유아·Pre-K 학습은 종종 간과되지만, 장기적으로 가장 큰 임팩트를 만드는 영역이다. 연구에 따르면 조기 학습 경험은 아동의 인지 발달, 사회성, 학업 성취도와 직결되며, 평생 성과에까지 영향을 미친다. 부모들은 아이에게 단순히 안전한 보육 환경을 넘어서, 풍부하고 자극적인 학습 경험을 제공하고자 한다. 그러나 기존의 유아용 학습 도구는 반복적이고 획일적인 에듀테인먼트에 머물렀으며, 개별 아동의 발달 단계와 관심사를 반영하지 못했다.

AI는 이 영역을 근본적으로 바꿀 준비가 되어 있다.

아이의 언어, 행동, 감정 반응을 실시간으로 파악하고 학습 콘텐츠를 동적으로 조정할 수 있는 AI 기반 놀이형 튜터가 가능하다. 아이가 좋아하는 공룡 이야기를 수학 문제에 적용하거나, 아이의 반응에 따라 동화 속 스토리라인을 바꾸는 식이다. 또한 음성 중심 인터페이스는 아직 글자를 읽거나 키보드를 다룰 수 없는 아이들에게 최적화된 학습 경험을 제공한다. 이 모든 것은 단순한 “앱”을 넘어, 놀이, 언어, 사회성 발달을 아우르는 생태계로 확장된다.

스타트업 기회

AI 기반 놀이형 튜터(Play Tutors)

기존 유아 학습 장난감은 버튼을 누르면 정해진 반응을 보여주는 수준에 머물렀다. AI는 아이의 대화, 표정, 행동 데이터를 반영해 놀이를 진화시킬 수 있다. 아이가 블록을 쌓으면 AI가 새로운 도전을 제안하거나, 게임 중에 난이도를 실시간으로 조정해 몰입도를 유지한다.

• 스타트업 예:

  • “AI 스마트 토이”: 블록, 퍼즐 같은 물리 장난감에 AI를 탑재해 학습 경험 확장

  • “AI 인터랙티브 게임”: 아이의 반응에 맞춰 게임 난이도·스토리를 실시간 조정

스토리텔링 & 언어 몰입 동반자

동화책과 오디오북은 오래전부터 유아 교육의 핵심이었다. AI는 이를 상호작용형 개인화된 언어 학습으로 바꿀 수 있다. 아이와 캐릭터가 직접 대화하며 이야기를 만들어가고, 이 과정에서 자연스럽게 어휘와 문법을 익히게 된다. 언어 몰입은 유아기 언어 습득의 황금기를 활용해 장기적 학습 효과를 강화한다.

• 스타트업 예:

  • “AI 스토리메이커”: 아이와 함께 이야기를 공동 창작하는 대화형 동화 앱

  • “언어 몰입 AI 캐릭터”: 아이가 영어·스페인어로 대화하며 언어 습득

부모 코파일럿(Parental Copilots)

많은 부모는 아이 발달에 맞는 활동을 찾는 데 어려움을 겪는다. AI는 아이의 행동·언어 데이터를 분석해 발달 단계별 맞춤 활동을 추천하고, 사회성·인지 능력을 기르는 놀이를 설계할 수 있다. 부모는 “무엇을 어떻게 해야 할지”를 고민하지 않고 AI의 가이드를 따라 아이와 시간을 보낼 수 있다.

• 스타트업 예:

  • “AI 부모 코치 앱”: 아이의 성향·발달 상황에 맞는 활동 제안

  • “발달 추적+알림 시스템”: 인지·언어·운동 발달 지표를 추적하고 부모에게 조기 경고

전형적 스타트업 및 시장 전략

유아 교육 시장은 본질적으로 B2C 직접 판매 모델에 적합하다.

부모들은 아이를 위해 적극적으로 지불할 의사가 있으며, 교육과 놀이를 결합한 하드웨어+소프트웨어 하이브리드 모델은 프리미엄 시장에서 강력한 확산력을 가질 수 있다. 예를 들어, AI 기반 스마트 장난감이나 구독형 대화형 동화 서비스는 전 세계 부모들에게 매력적인 제안이 될 수 있다.

궁극적으로 AI는 유아 교육을 단순한 에듀테인먼트에서 맞춤형 성장 파트너십으로 전환시킨다.

부모에게는 신뢰할 수 있는 도우미가 되고, 아이에게는 가장 흥미롭고 몰입감 있는 학습 경험을 제공한다. 이 분야에서 성공하는 스타트업은 단순히 제품을 파는 것이 아니라, 아이의 성장 여정 전체를 함께하는 브랜드로 자리매김할 것이다.

8. 특수한 케이스

교육 시장은 흔히 “주류(Mainstream)” 중심으로만 논의되지만, 사실 파편화된 특수 영역(Specialized & Edge Cases)에서 엄청난 수요가 발생할 수 있다. 이 시장들은 개별적으로는 작아 보일 수 있지만, 전체를 합치면 거대한 규모를 형성하며, AI가 가장 즉각적인 가치를 제공할 수 있는 분야이기도 하다. 특히 시험 대비, 학습 차이가 있는 학생 지원, 기업 규제 교육 같은 영역은 기존 솔루션의 한계가 명확했고, 맞춤형 확장이 어려웠다. 이제 AI가 이 제약을 해소하며 새로운 시장을 열 수 있다.

스타트업 기회

시험 대비 & 경쟁 시험 준비

SAT, LSAT, GRE, 중국의 가오카오(Gaokao), 한국의 수능(CSAT) 같은 시험은 수백만 명의 학생들이 인생의 중요한 관문으로 준비하는 초대형 시장이다. 지금까지는 프린스턴리뷰, Kaplan, 메가스터디 같은 학원과 교재가 중심이었으나, 콘텐츠는 정적이고 대규모 개인화는 불가능했다.

AI는 학생의 성과 데이터를 실시간 분석해 난이도를 조정하고, 학습 취약점을 빠르게 보완하며, 모의고사까지 동적으로 생성할 수 있다. 맞춤형 시험 준비는 합격률을 높이고, 학부모와 학생 모두가 지불 의사가 높은 영역이다.

• 스타트업 예:

  • “AI 수능/가오카오 코치”: 실시간 취약 영역 분석 + 맞춤 문제 생성

  • “AI 시험 매니저”: 학습 스케줄 관리 + 성취도 추적

  • “Law School Prep AI”: LSAT/바시험 특화 코칭

학습 차이 & 신경다양성 지원(Neurodiverse Support)

ADHD, 자폐 스펙트럼, 난독증 등 다양한 학습 차이를 가진 학생들은 기존 시스템에서 충분한 지원을 받지 못한다. 교사와 부모가 노력하더라도, 맞춤형 플랜을 제공하는 데 한계가 있었기 때문이다.

AI는 아이의 행동·학습 데이터를 기반으로 집중 시간, 선호 학습 방식, 반복 패턴 등을 분석해, 맞춤형 학습 보조를 제공할 수 있다. 이는 단순한 학습 지원을 넘어, 아이가 자기 주도적으로 학습할 수 있도록 하는 도우미 역할을 한다.

• 스타트업 예:

  • “ADHD AI 코치”: 짧은 학습 세션·게이미피케이션 활용

  • “난독증 학습 보조기”: 텍스트를 음성·시각화로 자동 변환

  • “자폐 아동 AI 파트너”: 사회적 상호작용 훈련 보조

기업 규제 준수 & 온보딩(Corporate Compliance & Onboarding)

금융, 의료, 제조, 정부 규제 산업에서는 매년 수십억 달러 규모의 규제 준수(compliance) 교육이 이뤄진다. 지금까지는 형식적인 온라인 강의와 퀴즈에 불과해, 직원들의 몰입도와 학습 효과가 낮았다.

AI는 시뮬레이션과 맞춤형 학습을 통해 실제 상황 중심의 교육을 제공할 수 있다. 예를 들어, 은행 직원은 자금세탁 방지 규정을 AI 시나리오로 학습하고, 의료인은 환자 개인정보 보호법(HIPAA)을 실제 사례 기반 시뮬레이션으로 훈련할 수 있다. 이는 단순한 교육을 넘어 기업 리스크 관리까지 직접 연결된다.

• 스타트업 예:

  • “AI 금융 컴플라이언스 코치”: AML/KYC 규정 교육 및 모의 시나리오

  • “AI 의료 규정 튜터”: HIPAA·의료 프로토콜 시뮬레이션 기반 훈련

  • “AI 온보딩 에이전트”: 신규 직원 직무별 맞춤 학습 경로 설계

전형적 스타트업 및 시장 전략

특수 & 에지 케이스 시장은 단일 영역만으로는 틈새처럼 보이지만, 전체적으로 합치면 수백억 달러 시장이다. 무엇보다 이 영역의 강점은 소비자와 기관이 모두 높은 지불 의사를 가진다는 점이다. 시험 준비는 부모와 학생 모두 성과에 민감해 프리미엄을 지불할 준비가 되어 있으며, 신경성 질환은 사회적 미션과 결합해 강한 정책적 지원을 받을 수 있다. 기업 규제 교육은 법적 의무이므로 시장 규모가 안정적으로 보장된다.

스타트업에게 이 분야는 단순한 틈새가 아니라, 지속 가능한 성장 기반이 될 수 있다. AI는 기존의 정적이고 비효율적인 교육 방식을, 동적이고 개인화된 학습으로 바꿔 각 영역의 구조적 문제를 해결할 수 있기 때문이다. 결과적으로 이 시장은 “틈새의 합이 거대한 시장”이라는 투자 관점에서의 매력을 갖는다.

교육 스타트업 기회의 큰 그림

시장 특성

AI는 교육이라는 거대한 카테고리를 단일한 산업에서 벗어나 수십억 달러 규모의 다수 버티컬(verticals)로 분화시키고 있다.

**공교육(K–12)**은 제도와 기관 중심의 채택이 관건이며, 사교육·대안 교육은 부모 주도의 소비 지출이 핵심이다. 언어 학습은 전 세계적으로 게임화된 구독 모델로 성장하고 있고, 직무 재교육은 기업과 개인 모두에게 필수적인 경제적 이동 사다리로 자리잡고 있다. 평생 학습은 개인적 풍요와 뇌 건강, 은퇴 이후의 재창조와 맞물려 있으며, 고등교육 대안은 기존 대학의 권위를 흔들며 새로운 자격증 체계를 만들어내고 있다. 마지막으로 유아 교육은 인생 초기 단계에서 가장 높은 임팩트를 만들어낼 수 있는 영역으로, AI가 조기 학습 경험을 재설계하고 있다.

이 기회 세트를 종합하면, 교육+AI는 단일한 승자가 모든 시장을 가져가는 구조가 아니라 카테고리별로 챔피언을 배출하는 포트폴리오형 시장이라는 점이 명확해진다. 각각의 세그먼트는 전혀 다른 수요자, 결제자, 규제 환경을 가지고 있으며, 따라서 각각에서 독립적으로 category-defining startups가 등장할 것이다.

이들이 공통적으로 활용하는 무기는 AI의 개인화, 접근성, 비용 효율성이다. 이는 기존의 시장을 효율화할 뿐 아니라, 전혀 새로운 학습 경험과 지불 의사를 창출해 신규 시장을 열어가는 힘으로 작동한다.

스타트업 & 투자 기회의 dynamics

투자자와 창업자가 가져야 할 핵심적 관점은, 교육은 단일 시장이 아니라 다층적 시장 구조라는 점이다.

가장 먼저, 각 카테고리는 고유의 adoption dynamics를 가진다. 예컨대 공교육은 제도적 채택이 느리지만 장기적으로 안정적이고, 사교육은 빠른 소비자 반응을 얻지만 규제나 경쟁 강도가 높다. 언어 학습은 구독 기반으로 확장성이 뛰어나며, 직무 재교육은 노동 시장 변화라는 거대한 구조적 힘에 의해 견인된다. 따라서 투자자는 특정 카테고리의 구조적 동인을 파악하고, 그에 맞는 비즈니스 모델과 유통 전략을 설계해야 한다.

두 번째로, 교육+AI 기회는 본질적으로 “도구”가 아니라 “시스템”을 설계하는 데 있다. 단순한 AI 앱을 넘어서, 공교육의 커리큘럼, 기업의 인사 시스템, 부모의 소비 패턴, 고령 인구의 웰빙 니즈 등 교육을 둘러싼 생태계 전반과 맞물려야 한다. 따라서 가장 강력한 스타트업은 AI를 중심으로 학습뿐 아니라 평가, 인증, 사회적 신뢰까지 연결하는 엔드투엔드 경험을 제공할 가능성이 크다.

셋째, 교육+AI 시장은 기존 수요와 신규 수요가 동시에 열린다는 점이 중요하다. 예를 들어, 시험 준비나 언어 학습은 이미 확립된 시장이지만, AI는 이를 더 저렴하고 더 개인화된 방식으로 확장시킨다. 반면 평생 학습, 인지 웰빙, 은퇴자 재교육 같은 영역은 사실상 전혀 새로운 시장을 만들어낸다. 즉, 투자자는 “기존 수요를 AI로 재편하는 기회”와 “AI로 인해 새롭게 열리는 시장”을 구분해 바라보아야 한다.

마지막으로, 교육은 여전히 문화적·지역적 맥락의 영향을 크게 받는 산업이다. 미국과 한국의 사교육 구조는 완전히 다르고, 아프리카·동남아에서는 접근성 자체가 문제다. AI는 글로벌 확산이 용이하지만, 진정한 승자는 각 지역의 학습 문화·정책·소비 패턴에 맞춘 현지화 전략을 설계하는 플레이어가 될 것이다.

정리하자면, 교육+AI는 “한 번의 큰 승부”가 아니라, 다양한 버티컬에서 각각 새로운 유니콘이 탄생하는 기회 세트다. 그리고 그 중심에는 AI가 만든 개인화, 접근성, 비용 효율성의 새로운 패러다임이 있다. 투자자와 창업자 모두에게 중요한 과제는, 이 거대한 구조적 전환을 올바른 카테고리와 타이밍에 맞춰 공략하는 것이다.

III. 시장 규모와 분석 (Market Sizing & Analysis)

1. 전체 에듀테크 시장

글로벌 에듀테크 시장은 2024년 약 $163B 규모로 평가되었으며, 2030년까지 $348B 규모로 성장할 것으로 예상된다. 이는 약 13.3%의 연평균 성장률(CAGR)에 해당한다. 더 낙관적인 전망에서는 2033년까지 $810B, 혹은 심지어 $1.45T (2032년 기준)까지 확대될 수 있다고 본다.

이는 에듀테크가 가장 빠르게 성장하는 글로벌 산업군 중 하나임을 보여준다. 특히 AI 도입은 이러한 성장세를 더욱 가속화할 가능성이 크다. 단순히 콘텐츠 배포가 아니라 AI 기반 개인화와 글로벌 확산 덕분에, 에듀테크는 앞으로 $1T 규모의 산업군으로 자리잡을 수 있다.

2. K–12 교육 시장

K–12 에듀테크 시장은 추정치마다 차이가 크다.

• 한 소스는 2023년 $78.2B에서 2033년 $254B까지 성장(CAGR ~12.5%).

• 다른 소스는 2025년 $112B에서 2033년 $224B로 성장(CAGR ~8.1%).

• 또 다른 보고서는 2025년 $2.5B에서 2034년 $13.6B까지 성장(CAGR ~20.1%).

추정치 간 변동성이 크지만, 공통적으로 강력한 성장 모멘텀이 존재한다는 점은 분명하다. 이는 시장이 아직 초기 단계이면서, 세부 세그멘테이션(공교육, 사교육, 교재/플랫폼 범위)에 따라 계산 방식이 다르기 때문이다. 중요한 점은 AI 도입이 학급 단위·교사 단위·교육구 단위 채택을 촉진할 것이며, 이는 수년 내 대규모 확산으로 이어질 수 있다는 점이다.

3. 언어 학습 시장

언어 학습은 전 세계적으로 가장 큰 소비자 주도 교육 시장 중 하나다.

• 언어 학습 시장 추정치는 2024년 $64.3 → 2035년 $227B 4,230억 달러(CAGR ~12.5%)

• 확장된 추정치는 2025년 $112.4B → 2034년 $398.4B (CAGR ~15.9%)

• 온라인 언어 학습 시장 규모는 2024년 약 $22.2B에서 2030년 $54.8B로 연평균 20% 성장 전망

이는 언어 학습이 글로벌 구독형·게임화 학습 모델로 자리잡으며, AI 기반 대화형 튜터, 도메인 특화 언어 코칭, 인프라형 API 시장까지 동시에 열리고 있음을 보여준다. 특히 AI의 멀티모달 능력(음성+텍스트+비전)은 언어 학습에서 즉각적인 제품 차별화 요인이 될 수 있다.

4. 직무 재교육 & 기업 학습 시장 (Workforce Reskilling & Corporate Learning)

기업 직무 교육 시장은 전체 에듀테크 시장에서 가장 큰 비중을 차지한다.

일부 보고서에 따르면 기업 직무 교육 및 훈련 시장은 2025년 $353B에서 2035년 $739B (CAGR ~7.7%) 규모로 성장할 것으로 평가된다. 더 중요한 점은 (특히 AI 등의 영향으로) 2030년까지 전 세계 노동자의 59%가 재교육을 필요로 한다는 사실이다.

이는 현재 추정치보다 훨씬 큰 잠재 시장(TAM)이 존재함을 의미한다. 아직 구체적인 수치는 드물지만, 노동 시장의 구조적 압력(자동화, AI, 기후 기술, 바이오테크)은 직무 재교육 수요를 폭발적으로 키울 것이다. 기업이 직접 비용을 부담하거나, 정부가 지원하는 형태로 B2B2E(기업-직원 재교육) 모델이 가장 빠르게 확산될 가능성이 크다.

5. 평생 학습 & 자기계발 시장 (Lifelong Learning & Personal Development)

성인 및 은퇴 이후 학습 시장은 아직 명확히 분리된 시장 수치가 제시되지는 않았지만, 지표는 분명하다. 2019년 이후 성인 학습자의 온라인 학습 참여율이 150% 증가했다는 데이터는, 성인 학습이 이미 대규모 전환기에 들어섰음을 보여준다. 특히 고령화가 심화되는 한국, 일본, 유럽에서는 인지 건강과 자기계발이 결합된 새로운 형태의 시장이 형성될 가능성이 크다.

정량적 추정은 부족하지만, 정성적 수요는 폭발적으로 늘고 있으며 이는 웰니스+에듀테크 결합 시장으로 확장될 수 있다. 예를 들어 뇌 건강, 여가 활동, 재취업/프리랜스 지원을 통합한 AI 서비스는 수십억 달러 이상의 신규 시장을 열 수 있다.

시장 분석 종합 평가 (Education + AI)

요약하면, 에듀테크 시장 전체는 빠르게 성장 중이며, AI가 그 가속화 엔진 역할을 하고 있다.

K–12와 언어 학습은 기존에 이미 큰 규모로 형성된 소비자 기반 시장이 AI 기술과 결합하여 맥락 (context), 개인화 (personalization)의 시장 흐름 (tailwind)에 힘입어 급성장할 것이고, 직무 재교육과 평생 학습은 기술에 의한 노동 시장의 구조 변화, 노령화 및 인구 구조 변화로 인한 새로운 라이프스타일 수요 등에 의해 새로운 기회를 창출될 것으로 보인다.. 고등교육 대안 역시 장기적으로는 수천억 달러 단위의 시장을 형성할 가능성이 있다.

따라서 교육+AI는 단순히 기존 시장을 효율화하는 수준이 아니라, 기존 시장을 재편하면서 동시에 새로운 시장을 창출하는 이중 성장 구조를 가지고 있다. 이 점이 바로 투자자와 창업자가 주목해야 할 핵심이다.

언어 학습 시장은 디지털 기반의 비교적 작은 규모($22B)에서 출발했지만, 연평균 20% 이상의 큰 성장률을 보이며 빠르게 확대되고 있다. Duolingo가 입증했듯이 소비자들은 구독 기반 모델에 기꺼이 비용을 지불할 준비가 되어 있으며, 이는 스타트업에게 확장성과 수익성을 동시에 제공하는 매력적 진입점이다. 특히 AI 대화형 튜터, 직업 특화 언어 학습, 음성 중심 학습 동반자는 즉각적 제품 차별화를 만들 수 있다.

K–12 에듀테크는 수십억~수천억 달러 수준의 거대한 TAM을 형성하며, 추정치는 다양하지만 성장성은 분명하다. AI를 통해 개인화된 학습 과정, “일생에 걸친 개인 교사 (tutor for life)” 모델이 가능하게 되면서 기존 공교육·사교육의 구조적 문제를 동시에 해결할 수 있다. 공교육은 제도·기관 채택을 통해 안정적이고 장기적인 확산 경로를 가지며, 사교육은 부모 지출을 통해 빠른 도입이 가능하다. 결과적으로 K–12 영역은 단기·중기 성장성과 장기 시장 잠재력을 동시에 갖춘 가장 전략적인 세그먼트다.

직무 재교육과 기업 교육은 현재 $300B 이상의 기업 지출을 기반으로 하고 있으며, AI등 기술의 영향으로 2030년까지 노동자의 절반 이상이 재교육이 필요하다는 구조적 압력에 의해 더욱 빠르게 성장할 수밖에 없다. 산업별로 파편화되어 있고 기업 조달 주기가 느리다는 제약은 있지만, 기업은 비용 효율적이고 빠른 업스킬링 수단을 절실히 원한다. 이 분야는 B2B2E(기업-직원 재교육) 모델을 중심으로 빠르게 매출화될 수 있으며, 노동 시장 전반의 혁신으로 이어질 가능성이 크다.

전반적으로 글로벌 에듀테크 시장은 이미 $160B ~ $350B 규모로 자리 잡았으며, 2030년 이후에는 1조 달러 산업군으로 성장할 수 있다. 이처럼 광범위하고 경쟁이 치열한 영역에서, AI는 단순한 효율화가 아니라 시장 재편의 촉매로 작용한다. 따라서 포트폴리오 차원에서의 전략적 노출이 필요하다.

마지막으로 평생 학습·은퇴 이후 학습은 아직 뚜렷한 TAM은 없지만, 인지 건강, 자기계발, 재취업이라는 사회적 니즈가 폭발적으로 커지고 있다. 이는 웰니스+에듀테크 융합 시장으로 자리잡을 수 있으며, 리스크가 높은 대신 새로운 범주를 정의할 스타트업이 등장할 가능성이 높다.

결론적으로, Education + AI는 다양한 카테고리에서 각각 유니콘을 배출할 다층적 기회 세트이며, AI가 만들어내는 개인화·접근성·비용 효율성이 그 성장을 가속화하는 가장 강력한 동인이 될 것이다.

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

이제 각 분야, vertical 별로 어떤 새로운 기회가 가능할 지에 대한 분석과 상상을 시작해 본다.

먼저 가장 ‘명확하게’ 상상할 수 있을 듯 한 Commerce부터. (착각일 수도 있지만)

종말의 시작 (”Beginning of the End”)

온라인 커머스의 고객 여정은 지금까지 거의 같은 패턴이었다. 소비자는 구글에 5번쯤 검색을 하고, 10여개의 사이트를 방문해 정보를 비교한 후, 그 중 하나의 특정 쇼핑몰에서 결제를 마친다. (물론 패션 쇼핑은 이보다는 좀 더 browsing 성향을 가진다. 인스타그램을 browsing 하듯이.) 이 과정에서 구글은 검색 광고, 아마존은 스폰서드 리스트, 인플루언서는 어필리에이트 링크로 수익을 나누어 가진다.

이제 AI로 인하여 이 구조가 근본적으로 바뀌기 시작하였다.

먼저, 고객의 구매 여정 전체가 ChatGPT, Perplexity 같은 AI 챗봇 내부에서 닫힌 루프(closed loop)로 이루어지기 시작하면서, 탐색(discovery), 추천(recommendation), 비교(browsing), 결제(checkout)까지 모든 단계가 챗봇 안에서 완결될 수 있게 되었다.

그와 함께, [Two Cents #79]에서 다룬 Agentic Commerce가 더 보편화된다면, 구글 검색에서 시작하는 기존의 고객 구매 여정이 빠르게 (구글 검색 과정이 필요 없는) Agent 간의 interaction/거래로 전환되게 된다. 그 자세한 양태는 [Two Cents #77] Agent 관련 논의에서 다룬 바 있다.

이로 인한 시장 변화는 단기적으로는 크게 두 가지 경로로 나타나고 있다.

GEO의 부상

첫 번째 단계는, 현재의 쇼핑 플랫폼 구조가 그대로 유지되고, 구매 의도 (intent)를 가진 고객 트래픽이 이들 플랫폼에 도달하게 하는 (기존에 SEO가 담당한) 시장이 구조적으로 바뀌기 시작하였다.

이러한 변화의 첫 번쨰 영향은, 소비자와 브랜드의 접점이 웹페이지가 아니라 AI 대화창으로 이동하고, 이에 따라 브랜드는 “우리 웹사이트에 트래픽을 모아야 한다”에서 “ChatGPT가 우리 제품을 제일 먼저 추천해야 한다”로 마케팅 전략을 전환해야 하게 되었다.

이렇게, 검색에서의 노출 중심에서부터 (챗봇, agent를 포괄하는) ‘AI’에서의 노출 중심으로 최적화하는 것이 GEO(Generative Engine Optimization)이며, 이는 기존에 구글 검색 알고리즘에 최적화된 키워드 노출와 백링크 최적화를, AI 챗봇 및 AI 에이전트가 이해하고 추천할 수 있도록 새로운 구조와 방식으로 최적화하는 방식으로 시장에 등장하고 있다.

이러한 GEO로의 전환은, 먼저 구글 스스로 AI 챗봇에서의 노출과 discoverability에 대한 다양한 변화를 시도하고 있고, Profound 등 이를 위한 GEO 스타트업의 첫 번째 wave가 등장하고 있다.

그 다음 단계로 Agentic Commerce가 보편화되게 되면, 이에 대해 최적화하기 위하여 (AI 챗봇 최적화와는) 다른 구조의 GEO가 본격 등장할 것으로 예상되며, 그 구조는 Agentic Commerce가 어떤 형태로 시작하고 보편화될 것인가에 따라 그에 대응하여 Agent 대응 최적화하는 GEO 구조가 본격 등장할 것으로 예상된다.

이 2가지의 흐름은 다른 구조와 양태로 SEO/GEO시장에 변화를 가져 올 것으로 예상되는데, 어느 것이 시장을 주도할 지는 고객의 주된 구매 여정이 AI 챗봇 내에서 완결되는 ‘챗봇 Commerce’와 Agentic Commerce 사이에 어떻게 나누어질 지에 따라 다르게 나타날 것이다. 현재의 예상은, AI 챗봇에 최적화하는 GEO가 이미 시장에 등장하였듯이 단기적으로는 AI 챗봇 대상 GEO가 시장을 주도하겠지만, 장기적으로는 AI Agent 대상 GEO가 더 시장을 주도할 것으로 본다. ([Two Cents #76]에서 예상하듯이, (CLI UX에 해당하는) AI 챗봇 UX가 장기적으로 소비자의 주된 UX로 남을까에 대하여 다소 회의적이기 때문이다)

Headless Commerce의 부상

이와 병행하여, 챗봇 혹은 Agent를 통하여 구매 의사를 가진 고객 트래픽이 쇼핑 플랫폼에 도달하는 지점/접점이 쇼핑 플랫폼의 front-end UI 접점이 아닌 개별 제품의 product page에 직접 도달하는 구조로 바뀌게 되면, 지금까지와 같은 (아마존, 쿠팡 및 Shopify가 제공하는) 이커머스 front-end UI 접점을 bypass하는 Headless Commerce 구조로의 전환이 빠르게 일어날 수 있다. (GPT-4 데모에서 function calling을 통하여 Instacart로의 주문, Kayak를 통한 여행 예약을 진행하고 완결한 데모를 보면, headless commerce가 이미 현실화되기 시작하였다는 것을 실감할 수 있다.)

Headless Commerce에서는 상점의 고객 점점 UX는 점점 덜 중요해지고, 상품 데이터와 결제 API가 훨씬 더 중요해진다.

그렇기 때문에 ([Two Cents 79]에서 다루었듯이) 이러한 변화의 첫 단계로서 Amazon, Shopify, Wallmart 등의 기존 커머스 플랫폼에서 외부 Agent의 내부 데이터 접근을 어디까지 허용할 지에 대한 정책이 각각 다르게 나타나고 있다. 이 의미는, Amazon과 같은 소비자의 default destination 입장 (즉, 소비자의 트래픽이 가장 먼저 도착하는, ‘Head가 큰’ 플랫폼 입장)에서는 기회보다는 위협이 될 가능성이 높고, 이와 경쟁하는 (소비자 트래픽이 default로 도착하는 플랫폼이 아닌, ‘Head가 크지 않은’) Shopify 입장에서는 큰 새로운 기회가 될 수 있다.

변화의 양태

GEO와 관련된 변화 pipeline은 몇 가지의 흐름으로 나누어질 것으로 보인다.

• 기존 SEO에서 핵심 데이터인 메타데이터, 키워드, 백링크들 간의 관계를 구글 검색에 최적화해 온 것에서부터,

  • (1) LLM이 추론 (inference) 단계에서 결과에 포함시킬 수 있도록, 혹은 추가로 (LLM에 의한) 웹 검색에서 노출될 수 있도록 하는 새로운 구조를 만들어 내는 것,

  • (2) (구매 의도를 가진 고객을 대행하는) Agent가 데이터 요청을 보낼 수 있도록 하는 Agent 대상 discoverability 구조를 만들어 내는 것을 포함하는, 새로운 ‘Agentic Commerce’ 대응 GEO 구조

• 기존의 SEO 구조 하에서 구매 의도를 가진 소비자에게 노출 기회를 극대화하기 위한 중개자로서 역할을 해 온 어필리에이트, 크리에이터 등의 역할과 그들 간 구조의 재 정립

• 새로운 구조 하에서 새로운 entity들 간의 거래를 가능하게 하는 새로운 거래 플랫폼의 등장, 혹은 기존 거래 플랫폼의 전환. (예: AI 대화/Agent에서의 노출을 위한 광고 네트워크)

Headless commerce를 통한 구매에서는, 상품 데이터, 가격, 재고, 결제가 API 혹은 A2A (agent-to-agent) interaction을 통하여 노출되고, 소비자는 커머스 UX와의 접점 대신 AI와의 대화 (챗봇 혹은 Agent) 안에서 여정을 마친다.

이때 예상되는 변화의 흐름은 크게 몇 가지로 나누어질 듯 하다.

상품 데이터에 대한 새로운 접근 경로 (aka 새로운 ‘커머스 플랫폼’?)의 탄생:

• Amazon 등 소비자가 구매를 위하여 default로 찾아 가는 기존의 default destination들이 (’Shop for me’등의) agent 기능을 통하여 다른 플랫폼 (예: Shopify)의 ‘상품 정보 (product page)’에 대한 접근까지 모두 독점하는 초거대 커머스 플랫폼 (default destination)으로 진화하거나 (aka ‘삼국 통일’),

• Amazon, Shopify 등 기존 플랫폼의 모든 ‘상품 정보’에 대한 접근이 democratize되는 방식으로 구조가 재편되는 과정에서, 완전히 새로운 유형의 (예: Agent 기능에 극대화된?) default destination이 탄생하거나.

이 과정에서 ‘상품 정보’에 대한 접근을 위한 다양한 목적.유형의 middle layer 등장:

• 이는 여러 플랫폼에 분산된 ‘상품 정보’에 대하여, 소비자의 검색, 탐색 과정에서의 일관된 접근을 가능하게 하는 aggregator 혹은 data layer (핀테크에서의 Plaid에 해당하는),

• 구매 결정 이후, 다양한 커머스 플랫폼, Agent 등의 관계에서 일어 날 다양한 유형의 (예: agent의 독자적인 결제, 사용자의 confirmation 기반, agent 간의 micro-transaction 결제 등) checkout을 가능하게 하는 checkout layer (Stripe 자체 혹은 “Stripe for agentic commerce”),

• 이들 새로운 플레이어 간의 연결, 데이터, 최적화, 분석 등을 담당하는 tool의 등장

기대되는 스타트업 기회

이러한 변화에서 등장할 새로운 스타트업 기회는 몇 가지 카테고리로 나누어 질 것으로 보인다.

(이 예들은 현재 단계에서 상상할 수 있는 것들이고, 시장이 진화하고 더 넓게 확대되면서 훨씬 다양하고 더 큰 기회의 창이 열릴 것이라 믿는다.)

1. A2A 거래 구조를 지원하는 ad/marketing 네트워크, 그리고 새로운 Affiliate & Attribution Layer

기존에 구글 광고를 통하여 검색 결과에서의 position을 구매한 것 대비, 기본 방식과 다른 agent들 간의 새로운 거래 방식의 등장할 수 있음.

• 구매자의 요청에 의하여 구매자가 비용을 지불하고 Agent에게 원하는 상품 정보를 요청하거나, (fee-based 상품 정보 요청)

  • 예: 고관여 라이프스타일 상품, 차, 집등의 인생 구매 상품의 경우, 소비자는 광고성 상품 정보 제공보다 (추가 비용을 지불하더라도) 본인이 원하는 상품에 대한 리서치를 원할 수 있음. 이를 보다 넓은 범주의 상품 구매로 일반화할 수도 있을 듯.

• 판매자/브랜드/어필리에이트 agent가 명시적으로 ‘구매 인센티브’의 일부를, 구매자를 대행하는 agent에게 역경매 방식으로 제안하는 방식 등 (판매자/브랜드 agent로부터의 역경매)

이를 일반화하면

• “agent 간의 거래에서 선호 추천 자리(preferred placement)”를 확보하기 위한 “agent 간 거래에서의 광고 네트워크” (aka, “Google Ads for agents”),

• “누가 Agent의 구매 의사결정에 영향을 미쳤는가”를 추적할 수 있는 새로운 attribution protocol, referral network

등의 기회가 가능할 듯.

2. Agent Platforms for Merchants — “Shopify 2.0 for agents/headless”

판매자가 기존의 커머스 플랫폼 입점 대신 판매자/브랜드 agent를 독자적으로 운영할 수 있는 플랫폼 (aka “Shopify for agent/headless”)

• Shopify가 기존 판매자들의 agent 전환을 도우며 빠르게 시장을 선점하거나, 이와 경쟁하는 새로운 “Shopify for agents/headless”의 등장,

• 수많은 headless merchant를 모아 AI 에이전트에게 노출하는 marketplace

등의 기회가 가능할 듯.

3. Creator Economy 2.0

구글 검색에서부터 ‘상품 정보’에 도달하기까지 (affiliate 네트워크 기반으로) 중간 단계 역할을 담당한 크리에이터들은, 그 역할, 구조에도 큰 변화가 필요할 것.

크리에이터들의 역할이 다양한 형태의 agent로 대체되거나, 크리에이터 스스로 agent 역할 (예: 브랜드 agent와 유사한 역할)을 담당하거나, 등의 형태로 진화할 듯.

• 크리에이터가 스스로 에이전트가 되어 그 역할을 직접 운영할 수 있는 플랫폼 (aka, Linktree for agents),

• 이러한 크리에이터/agent의 discovery 플랫폼 (aka, another “Shopify for agents/creators”)

등의 기회가 가능할 듯.

4. Agent 최적화된 ‘상품 정보’ 인프라, 그리고 새로운 유형의 ‘커머스 aggregator’ 혹은 ‘커머스 플랫폼’ 탄생

이미 기존 커머스 플랫폼에서 외부 agent들의 ‘상품 정보’ 접근에 대한 대응이 각각 다른 유형으로 펼쳐지고 있다.

이러한 흐름이 일반화되어, (’Big If’ 이긴 하지만) 기존 커머스 플랫폼들이 각자 독자적으로 구축한 ‘상품 정보’ 데이터베이스에 대한 agent들의 접근이 ‘unbundle’ 되면, 소비자가 ‘상품 정보’에 도달하는 경로가 근본적으로 바뀔 수 있다.

(비유 하자면, 웹을 통하여 ‘모든 정보’에 대한 접근을 ‘unbundle’ (aka, ‘democratize’) 한 것이 이와 비슷한 구조의 변화라고 볼 수 있다. 즉, 웹이 정보 유통에 가져온 규모의 시장 구조 변화가 커머스 분야에서 생길 수도 있다는 의미이다.)

이로 인한 엄청난 dynamics의 시장 구조 변화가 일어 나면, 이에 따른 새로운 스타트업 기회가 열릴 것으로 보인다. 어쩌면 10년 후 커머스 분야의 시장 지도 자체가 바뀌어 있을 수도 있는 큰 기회의 영역이 될 수도.

• 기존 플랫폼의 ‘상품 정보’ 데이터베이스 및 “Shopify 2.0 for agents/headless” 기반으로 새로 구축될 ‘상품 정보’ 데이터베이스 기반으로, 새로운 Head의 등장. 즉, agent commerce 구조에 특화된, 외부 플랫폼의 ‘상품 정보’ 데이터베이스를 aggregation하는 새로운 default destination의 탄생

• 그 인프라로서 ‘상품 정보’를 aggregate하여 제공하는 플랫폼 (aka “Plaid for Agentic Commerce”)

등의 아주 큰 새로운 기회가 가능할 듯.

시장 규모와 기회

구글은 여전히 전 세계 온라인 쇼핑 여정의 첫 관문이다. 2024년 기준 구글 광고 매출은 $274B이며, 이 중 쇼핑 관련 의도(e-commerce, retail, travel, local)에 해당하는 부분은 약 40~60%로 추정된다. 이는 곧 $100B~170B 규모의 광고 지출이 소비자의 제품 탐색과 비교 과정에 쓰이고 있다는 의미다.

아마존 역시 거대한 쇼핑 검색 광고 시장을 지배한다. 2024년 기준 약 $56B 규모 광고 매출을 기록했으며, 이 매출의 대부분은 상품 검색과 구매에 직접 연결된 sponsored listings에서 나온다.

전통적 SEO와 광고 외에도 어필리에이트·크리에이터 커머스 시장도 빠르게 성장하고 있다. 2023년 기준 글로벌 어필리에이트 마케팅 지출은 약 $15B, 인플루언서 주도의 어필리에이트 커머스는 약 $20B 추산된다. 이는 블로그·유튜브·인스타그램 같은 플랫폼에서 생성된 검색 트래픽을 기반으로 형성된 시장이다.

이 세 가지 흐름을 합치면, 매년 $180B~$250B 규모의 (Commerce 관련) SEO, 어필리에이트, 크리에이터 시장이 AI 네이티브 플랫폼으로 이동할 수 있다. GEO 구조로 인한 이 거대한 이동은, 규모 면에서 차세대 구글 애즈나 아마존 광고에 견줄 수 있는 기회로 성장할 수 있다.

이보다 더 근본적으로 (Big If이며 동시에 아주 speculative한 상상이지만) Commerce 관련된 이러한 구조 변화가 기존 커머스 플랫폼 간의 역학 관계에 변화를 줄 수 있다면, 이러한 변화는 SEO/GEO 전환 뿐 아니라, 커머스 플랫폼 간의 경쟁 구도를 포함한 관련 산업 구조를 전반적으로 완전히 재편할 수도 있을 것이다. 현재 $6T 규모, 향후 TAM으로 $20T~$30T 달하는 규모의 e-Commerce 시장에서. 그 방향, 과정, 시기 등은 앞으로 Commerce + AI 시장이 펼쳐지는 형태에 따라 다를 것이고 완전한 재편까지는 10-20년 정도의 상당한 시간이 걸릴 것으로 예상되지만.

맺으며

SEO는 한 세대 동안 온라인 비즈니스의 운명을 결정짓는 기술이었다. 구글 검색 랭킹이 곧 매출을 의미했고, SEO 전문 툴과 에이전시가 거대한 생태계를 만들었다. 이제 앞으로 10년 이 시장은 AI 기반 GEO로 이동할 것이다.

그외 함께, 현재 Commerce 시장을 주도하는 커머스 플랫폼 같의 구도와 역학 관계도 GEO, Agentic Commerce로 인하여 근본적인 변화가 올 수 있다.

이러한 변화의 과정에서 기존 플레이어의 시장 구조에 근본적 변화가 오는 시기는 분명 스타트업에게는 거대한 규모의 새로운 시장 기회가 될 것이다.

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

AI 사랑방 — 그 8번째 모임 in 서울

주제: Consumer + AI 스타트업 기회

​​​일시: 2025년9월8일 (월) 오후 5:30-9:00 KST

​​​장소: 강남 어딘가 (TBD)

​​​AI 사랑방 그 8번째 모임은, Consumer + AI 스타트 기회에 대하여 다양한 시각에서 논의를 하고, 또 주목할만 한 AI 스타트업 데모를 통하여 새로운 기회의 모습을 탐구해 보겠습니다.

​배경

​이제 Consumer AI에 대한 ‘시장의 준비’가 tipping point를 넘어 가고 있는 것을 보입니다.

​어떤 색다른 서비스들이 다양한 형태로 여기 저기에서 등장하는 수준을 넘어서,

• ​SEO, 마켓플레이스 모델, 커머스 등 분야의 기존에 정착되어 있는 산업, 비즈니스 구조에 대한 근본적 변화 논의가 본격화되었고,

• ​새로운 유형의 서비스뿐 아니라, 이들을 위한 인프라, 방법론 등이 다양하게 등장하고 있고,

• ​그 중 일부 서비스는 (예: AI Companion 서비스) 폭발적인 매출 성장을 보이며 첫 번째 Consumer kill app이 되고 있는 등

​아직은 전체 시장에서 관찰될 정도의 보편적인 흐름까지는 아니지만, 모든 분야에서 관련 싹들이 무수히 올라 오고 있는 단계로 보입니다.

​지금부터 필요한 일은, AI 기술에 의한 시장 변화의 방향, 그 영향에 대하여 최대한 구체적으로 예측해 보고, 그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾아서 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 봅니다.

​이 맥락에서 현재 특히 Consumer + AI 기회 대한 생각에 집중하여 Two Cents에 글을 공유하고 있고, 앞으로 2-3개월 더 이 주제에 집중하여 여러 가지 생각을 공유하고자 합니다.

​이번 AI 사랑방 모임에서는 Consumer + AI 기회에 집중하여, 현재 시장의 흐름, 실제 적용 사례, 앞으로 등장할 스타트업에 대한 기대에 대하여 다양한 시각에서 논의해 보는 자리를 만들어 보았습니다.

​​​진행 방식:

• ​​먼저 주요 분야 별 발표자의 talk 및 패널 토론을 진행하고,

• ​​이후 신청한 스타트업의 서비스 데모를 진행합니다.

​프로그램:

​5:30-6:00: 등록 & 네트워킹

​6:00-7:30: Consumer + AI 기회에 대한 논의

1. ​Consumer AI 시장에 대한 기대 — 허진호 (Han River Partners)

2. ​소비자, 기업 환경에서 Agent가 실제 서비스에 적용되면? — 사례, 구조, implications — 이승민 (Arize AI)

3. ​패널 토의: Consumer AI 시장 기회에 대하여 (모더레이터: 허진호)

   • ​패널리스트: 신윤호 (Bass Investment), 박은우 (Mashup Ventures) … (TBD)

​730-8:30: 좀 '미친' AI 스타트업 데모 (각 5분, 피칭 아닌 서비스 데모)

• ​AI Agents

• ​Consumer AI — Commerce, Education, Lifestyle ...

• ​Entertainment + Creativity

• ​"Spectrum of Play" — gaming, content, social, entertainment 등등

• ​(이상이 기대하는 주제이지만, 이에 국한하지 않고 스타트업에 한하여 어떤 AI 서비스 데모도 환영합니다!!!
  데모 신청 시 pitch deck 공유는 선택이며, pitch deck은 모임에 참가하는 투자자들에게만 공유됩니다)

​8:30-9:00: 네트워킹

​​​​참가 신청​

• 참가 신청: https://luma.com/wun39nu9

  ​

• 창업자: 데모를 원하시는 창업자 분에 한하여 위의 참가 신청외, 꼭 추가로 아래의 Google Form에 추가 신청해 주시기 바랍니다. (데모 여부는 아래의 Google Form 신청 기반으로 결정됩니다)
  
  https://forms.gle/fGeYc167XGMtRDkU7

• ​그 외 참가자는 모두 위 lu.ma 링크의 참가 신청으로 충분합니다. 이미 Google Form으로 참가 신청하신 분들은 모두 lu.ma로 초대장 보내 드렸습니다.

​AI 사랑방 오픈카톡방: https://open.kakao.com/o/gghRzvqg (참여코드: ai240418)

​​​모임 이후에도 참여자들 간의 토론을 위한 단톡방입니다.

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

이제 각 분야, vertical 별로 어떤 새로운 기회가 가능할 지에 대한 분석과 상상을 시작해 본다.

먼저 가장 ‘명확하게’ 상상할 수 있을 듯 한 Commerce부터. (착각일 수도 있지만)

Commerce + AI의 ‘서부 개척’?

먼저 AI로 인한 commerce 및 소비자의 구매에 관한 변화를 예상하면서 가장 크게 전제하는 점은, 현재 시점 기준 온라인 판매 가능한 상품은 거의 대부분 온라인 판매 상태로 준비되어 있다는 점이다. 물론, 아직 온라인화 되지 않은 영역도 있겠지만 그 규모, 비중으로 볼때 그 비중이 결정적이지는 않을 것이라고 본다.

이 의미는, 이제부터 AI에 의한 커머스 분야의 변화는 “새로운 상품군을 새롭게 온라인화 진행하는 경쟁”이 아니라 (즉, Amazon, 쿠팡과 같은 온라인 쇼핑몰 (aka, product page의 database)에 대한 새로운 경쟁자가 등장하는 것이 아니라), 기본적으로 “이미 온라인화 되어 있는 (즉, Amazon, 쿠팡 등을 통해 이미 온라인으로 product page가 준비된) 상품군에 대한 접근과 그 distribution에 대한 경쟁”이 주된 전장이 될 것이라는 의미이다.

이러한 큰 전제 하에서, 가장 먼저 예상되는 변화는 현재의 쇼핑 구매 여정 (구글 검색 → (Amazon, Shopify 등) 쇼핑몰의 제품 페이지에 도달 → 탐색, 검색, 비교, → 결제 (checkout))이 빠르게 Agent 기반의 “fully autonomous shopping”으로 전환될 것이라는 점이다. 소위 ‘Agentic Commerce’이 본격화될 것이다.

Agentic Commerce로 인한 구조 변화

Agentic Commerce를 통한 변화의 본질은 단순한 기술 업그레이드가 아니라 구매 행위의 주체가 사람에서 AI 에이전트로 전환되는 것을 의미하며, 이는 곧 커머스 전체 구조와 참여자 간의 역할을 근본적으로 재편하게 될 것이다.

소비자는 더 이상 개별 쇼핑몰에서 직접 검색하고 비교하고 결제하지 않고, 대신 “내 예산 10만 원 안에서 이번 주 장보기 리스트를 채워줘”라는 지시만 내리면 AI 에이전트가 최적의 선택을 대신 실행하여 결과를 deliver할 것이다. 그 것이 최종 결제 마치고 주문까지 끝낸 상태일 수도 있고, curate하고 선택한 상품을 장바구니 담아 둔 상태에서 사용자의 최종 컨펌을 기다리는 상태일 수도 있고.

이러한 변화는 검색(SEO), 커머스 플랫폼, 결제(Payments) 등 각 시장 참여자 간의 economics를 근본적으로 바꾼다. 기존에는 구글 검색에서 발생한 intent를 기반으로 광고 클릭 → e-commerce 플랫폼에서의 상품 발견 → PG사 결제라는 흐름이 작동했다면, 이제는 에이전트가 discovery부터 selection, checkout까지 통합적으로 수행한다.

결과적으로 기존 value chain에서 중요한 역할을 하던 플레이어(검색 광고, SEO 최적화, 장바구니 광고, 리타겟팅 등)의 가치가 축소되거나 다른 플레이어가 등장하고, 새로운 플레이어 간의 역할 분담 구조에서 기존과 다른 방식으로 수익/이익 (aka, gross margin)이 재배분된다는 의미이다.

이는 스타트업에게 새로운 기회를 제공한다.

초기 단계에는 특정 수요나 버티컬에 특화된 에이전트가 등장할 수 있고, 이를 통해 사용자 습관을 선점한 기업은 이후 더 큰 플랫폼으로 확장할 수 있다. 이를 위하여, 인프라 레이어에서 새로운 “rail”을 까는 기업도 필요하다. Commerce를 위한 에이전트가 원활히 작동하려면 상품 데이터 접근성, 멀티머천트 aggregator, 자동 결제 레이어, 개인화된 쇼핑 메모리 같은 새로운 인프라가 필요하기 때문이다.

현재 단계에서 이미 기존 커머스 플레이어들은 이러한 Agent 주도의 커머스에 각각 다른 방식으로 대응하고 있다. 아마존은 자사 상품 데이터에 외부 에이전트가 접근하지 못하도록 막고 있다. “Shop for Me” 자체 에이전트로 소비자를 잠식하되 외부 에이전트가 자신의 가장 중요한 전략적 자산인 상품 데이터베이스에의 접근을 막기 위해서이다. 반면 Shopify는 상품 데이터 접근은 허용하지만, 외부 에이전트에 의한 결제(Checkout)는 막는다. 즉, 개발자와 스타트업에게 기회를 열되 마지막 결제 경험은 자사 플랫폼이 가져가겠다는 계산이다. (Shopify 매출에서 핀테크 매출 비중이 75% 수준인 점을 고려하면 당연한 선택일 것이다.) 월마트는 상대적으로 개방적이다. 자사 상품 데이터 접근을 허용하면서, 에이전트가 들어와도 오히려 트래픽과 매출이 늘어난다고 보는 것이다. 이는 시장에서 상대적 minor 플레이어로서는 다른 선택의 여지가 없어서 일 수도 있다.

이처럼 서로 다른 플랫폼 전략은 곧 스타트업에게 새로운 틈새를 만들어준다. 검색 광고와 SEO 최적화의 가치는 줄어들고, 대신 에이전트 친화적 API, 멀티머천트 데이터 레이어, 자동결제 인프라가 더 큰 가치를 차지하게 될 것이다.

소비자 구매 여정의 변화

a16z에서 정리한 바와 같이, 소비자 구매는 크게 충동구매(impulse), 생필품(routine essentials), 라이프스타일(lifestyle), 기능적(functional), 인생 구매(life purchases) 5가지 카테고리로 나누어지고, 각 카테고리 별로 소비자의 구매 여정과 의사 결정 기준이 다르며 이에 따라 AI 기반의 커머스에서 일어날 변화의 양태도 다를 것이다.

각각의 유형에 대하여 현재의 방식 및 앞으로 예상/기대되는 방식을 상상해 보면:

• 충동구매: 슈퍼마켓 계산대에서 초콜릿, 껌 구매하기 → TikTok, 인스타 등에서 5초 만에 원클릭 구매

• 생필품: 정기적으로 구매하는 세제, 화장지, 사료 등의 소모품 → Agent에 의한 자동 구매 (기간 단위가 아닌, 나의 현황에 따라 자율적으로 판단해서 주문되는)

• 라이프스타일: 화장품, 패션, 인테리어 등 개인화 성향이 극도로 강한 상품 → 나의 구매 이력, 취향 등을 이해하는 개인화 layer 기반. 시장, 패션 트렌드를 추적하면서 나의 취향에 따라 (수시로) 상품 추천하는 Agent (Ambient Agent 형태가 될 수도 있음)

• 기능적 구매: 노트북, 자전거, 소파 같은 고관여 제품 → 나 혹은 나를 대변하는 ‘개인화된 에이전트’ 와 ‘상담’하는 전문 브랜드 Agent. 나를 대신하여 특정 분야, 제품에 대한 시장 조사 & 상품 추천.

• 인생 구매: 집, 자동차, 웨딩, 대학 같은 초대형 의사결정 → 나를 대신하여 시장 조사를 하고, 나와 단계 별로 상담하고, 필요하면 할부 금융 등에 대한 해결책도 만들어 오는 나의 ‘집사 Agent’

각 여정마다 AI가 개입하는 방식이 다르고, 따라서 스타트업 기회도 달라진다. 예를 들면, 충동구매는 TikTok, 인스타 알고리즘 기반 추천에 최적화될 것이고, 생필품은 가격 추적과 반복 구매 자동화가 중심이 된다. 라이프스타일 제품은 AI가 추천·큐레이션을, 기능적 제품은 상담·보증·협상을, 인생 구매는 리서치, 의사결정 지원, 금융 솔루션까지 맡게 된다.

이처럼 카테고리별 쇼핑 여정의 차이는 각각 새로운 AI-native 스타트업의 기회 공간으로 이어진다.

Autonomous Agentic Shopping 유형과 방식

상품 유형에 따라 각기 다른 구매 여정에 따라 “fully autonomous agentic shopping”을 제공하는 서비스 구조는 다양한 형태로 등장할 것이다.

1. Personal Agents (Consumer-facing)

Personal agent는 사용자의 반복적 수요(식료품, 생필품 등)를 완전히 자동화한다. “매주 120달러 예산 안에서 내 식단에 맞는 장보기 리스트를 채워줘”라는 지시를 처리하는 봇이 그 예다.

이 모델은 구독(subscription), 제휴 수수료(affiliate commissions), 추천 기반 upsell을 통하여 수익화할 수 있다.

2. Category-Specific Agents

카테고리 특화형 에이전트는 전자제품, 여행, 가구 등 고관여(high-consideration) 구매 영역을 담당한다.

단순히 체크아웃 자동화에 그치지 않고, 리서치·협상·보증연장까지 포괄하여 (도중에 human-in-the-loop 과정을 포함하여) 전반적으로 Agent가 독자적으로 진행하는 새로운 쇼핑 방식을 제공한다.

이 과정에서 초기 스타트업이 특정 버티컬에서 독점적 입지를 확보할 수 있으며, 시간이 지나면 아마존이나 ChatGPT 같은 수평적 플레이어가 이를 흡수할 가능성이 크다.

3. Enterprise/Brand Agents

(이전 Agent 관련 [Two Cents #77] 에서 예상하였듯이) 브랜드와 retailer는 점차 자체 Brand agent를 “전면에서 고객 응대를 담당하는 영업사원(frontline sales rep)”으로 내세우게 될 것이다.

고객 맞춤형 upsell, cross-sell을 실시간으로 수행하며, Shopify 머천트를 위하여 이 기능을 제공하는 “Agent-as-a-service” SaaS도 빠르게 확산될 수 있다. 이는 과거 마케팅 자동화 SaaS(Klaviyo, Attentive)와 유사한 기회 구조를 가진다.

4. Marketplace/Platform Agents

여러 판매자 e-commerce, 판매자/브랜드 agent와의 거래를 통하여 쇼핑 전체 여정을 통합 대행하는 통합형 모델도 가능할 것이다.

여기서는 AI가 SKU를 동적으로 조합하여 상품 유형, 소비자의 예산·선호 조건 등에 따라 구매 과정을 다양하게 펼치고 그 결과를 최적화한다. 비유하자면, 나의 취향을 이해하고 나의 쇼핑 과정 전체를 ‘알아서 잘’ 처리해 주는 ‘훌륭한 집사 (concierge)’ 역할을 해 줄 agent/platform이라고 볼 수 있다. (이 단계까지 진화하면 agent와 플랫폼의 구분도 무의미해질 수 있다.) 기존 아마존·구글의 중앙집중형 모델과 달리, AI-native aggregator 혹은 이들을 ‘대변’하는 brand agent가 새로운 마켓플레이스로 성장할 가능성이 있다.

이들은 제품에 따라 enterprise/brand agent, 특정 상품 전문의 category-specific agents 등의 다양한 ‘판매 agent’와 개별적으로 응대.협상하며 원하는 결과를 deliver하는 ‘나의 쇼핑 집사 역할’을 대신할 것이다.

기대되는 스타트업 기회들

이러한 시장 변화 예상에 따라 기대되는 새로운 스타트업 기회들을 카테고리 별로 상상해 보자면: (이 예들은 현재 단계에서 상상할 수 있는 예의 일부이고, 시장이 진화하고 더 넓게 확대되면서 훨씬 다양하고 더 큰 기회의 창이 열릴 것이라 믿는다.)

1. Infrastructure (Agent “Picks & Shovels”)

Agentic Commerce의 가장 근본적 기회는 새로운 인프라 layer이다. AI 에이전트가 상거래를 수행하기 위한 인프라 기업.

AI 에이전트가 실제로 상점과 데이터를 주고받고, 결제를 실행하고, 개인화된 쇼핑 맥락을 유지하려면 기존 이커머스에는 없던 새로운 (agent을 위한) 인프라 rail이 필요하다. 초기에는 눈에 잘 띄지 않지만, 에이전트 생태계 전체가 의존하게 되는 핵심 인프라로 자리 잡는다.

새로운 기회의 몇 가지 예를 들면:

• multi-merchant aggregation API/agent: 다양한 판매자 (아마존, Shopify, 개별 쇼핑몰 등)를 연결하여 나의 쇼핑 니즈에 따라 merchant 혹은 brand agent 등과의 상호 협상.협의를 통하여 원하는 쇼핑 결과를 제공하는 API/agent 인프라. (소비자, 브랜드, 플랫폼 등) 다양한 소스에서 initiate한/운영하는 다양하 Agent 대상으로 필요한 상품 정보를 제공하는, (국내의 금융 결제원과 비견할만한) 은행간 연결 인프라 역할을 하는 Plaid 같은 역할을 수행. 구체적인 형태는 A2A economy 구조와 Agentic commerce의 결합이 어떻게 이루어지고 진행될 지에 따라 다르게 진화할 것으로 예상됨.

• agent-native 결제 레이어: agent 간의 M2M 결제, 사용자의 permission 하에서 자동 결제 등 A2A economy에 필요한 agent 간의 checkout stack. 그 중 상당 부분은 (기존 ‘인간에 의한 결제’라는 가정 하의 PG기반 결제와는 다른) stablecoin에 기반한 M2M 형태이어야 할 것으로 예상됨. “Stripe for Agentic Commerce”

• 메모리 + 개인화 엔진: “50달러 이하의 비건 제품만 구매” “(여행 일정등을 포함한 나의 개인 현황에 대한 모니터링을 통하여) 내 소모품이 떨어졌을 시기에 필요한 필수재 (staples) 자동 구매” 등과 같은 나의 현황, 쇼핑 습관, 제품 별 공급선 등에 대한 컨텍스트를 장기간 기억하고 적용하는 기능을 제공. “Twilio for Consumer Context”

이들은 Twilio가 통신 인프라를, Plaid가 핀테크 데이터를, Stripe가 온라인 결제를 가능하게 했던 것과 같이 다른 스타트업들이 Agent Commerce를 위하여 활용할 수 있는 필수 인프라 rail을 구축하는 역할이며, 장기적으로 생태계 전체에서 가장 많은 기업들이 의존하는 기반이 될 수 있다.

2. Consumer Apps (Autonomous Shopping Agents)

소비자 앱 레이어는 “새로운 (쇼핑) 검색창”에 해당한다. 소비자가 더 이상 구글 검색창이나 아마존 검색창에 입력하지 않고, 에이전트에게 직접 “대행을 위임(delegate)”하게 되는 인터페이스를 장악하는 것이 곧 B2C commerce 시장을 장악하는 길이다.

새로운 기회의 몇 가지 예를 들면:

• Personal shopping agent: 반복구매(식료품, 생필품 등)를 자동화하며, 가격 추적, 맞춤형 예산 관리, 나의 일정에 맞는 자동 구매 처리 등의 차별화 요소가 될 것이다.

• Cross-platform agent: 아마존, Shopify, 개별 브랜드를 넘나드는 최적 쇼핑 경로를 찾아 쇼핑 니즈에 대응하는 aggregator 역할. 아마존 “Shop for me”를 multi-platform 기반으로 일반화 한 형태.

이는 초기 인터넷에서 Honey가 쿠폰을, Instacart가 장보기 대행을, 초기 모바일 브라우저가 앱 생태계를 열어준 것과 유사하다. 결국 사용자의 첫 번째 접점을 차지하는 자가 시장을 지배할 것으로 본다.

3. Vertical AI Shopping Agents

Agentic Commerce에서도 가장 두드러진 기회는 vertical 특화형 에이전트다. 특히 아마존이 장악하지 못한, 고마진이면서 소비자가 전문적 가이드를 필요로 하는 고관여 영역이 유망하다. 초기 스타트업이 버티컬 틈새를 빠르게 장악할 수 있다.

새로운 기회의 몇 가지 예를 들면:

• 여행에서는 항공·숙박·액티비티를 통합 번들링하는 에이전트 (차별화: 개인 맞춤형 패키지 구성 + 실시간 가격 추적),

• 헬스케어 & 웰니스에서는 약·보충제·OTC 제품을 자동 관리하는 에이전트 (차별화: 개인 건강 데이터와 연계된 맞춤형 구매)

• 럭셔리 & 패션에서는 취향 큐레이션 및 리세일/중고까지 확장하는 에이전트 (차별화: 개인 패션 히스토리 기반 추천 + 순환 소비 모델)

• 금융상품에서는 카드·보험 비교를 최적화하는 에이전트 (차별화: 즉각적 비교 + 지속적 모니터링(예: 금리 인하 시 자동 리파이낸싱))가 등장할 수 있다.

이는 Expedia가 여행에서, Oscar Health가 헬스 인슈어런스에서, Farfetch가 럭셔리 패션에서 각각 버티컬 플레이를 통해 대규모 기업으로 성장한 것과 같다. 단, 이번에는 AI가 버티컬별 “전문가”로 진화하면서 기존 기업의 UX를 대체하거나 재정의하게 될 것이다.

4. Merchant Tools/Brand Agents (Agent-as-a-Service for Brands/Retailers)

마지막으로, 브랜드·리테일러가 자체 AI 에이전트를 운영하도록 돕는 SaaS형 툴 혹은 Agent 플랫폼이 큰 기회가 될 것이다. 이제 판매자는 단순히 Shopify 스토어를 운영하는 것이 아니라, 자체 AI 에이전트를 전면에 내세워 고객과 1:1로 상호작용하게 될 것이다. Shopify 생태계와 직접 맞닿는다.

새로운 기회의 몇 가지 예를 들면:

• Agent Storefront: 브랜드의 대변인으로서 소비자와 직접 대화한다. AI 에이전트가 브랜드의 첫 세일즈 담당자. 차별화 포인트: 대화형·개인화 UX

• Conversion Optimization Agent: 체크아웃 단계에서 자동 upsell, cross-sell을 실행. 차별화 포인트: 구매 확률 기반 실시간 오퍼

• Post-purchase Care Agent: 보증 등록·재구매·고객 서비스까지 자동화 & 통합 관리

이는 과거 고객지원 SaaS, 마케팅 자동화 등이 각각 브랜드의 SaaS 스택을 차지했던 것과 유사하다. 차이는 이번에는 단순한 워크플로 자동화가 아니라, AI 에이전트가 곧 브랜드의 ‘첫 번째 대면 창구’가 된다는 점이다.

맺으며

Agentic Commerce는 단순한 이커머스의 진화가 아니라, 커머스 전체 value chain을 재편하는 전환점이다. 검색 광고, SEO, 마켓플레이스 광고, PG 결제 모델 등 지난 20년간 인터넷 커머스를 지탱해온 경제구조가 바뀌면서 새로운 스타트업의 기회가 열릴 것이다

이제 쇼핑은 사람이 직접 “검색→비교→체크아웃”을 하는 행위가 아니라, AI가 대신하는 fully autonomous shopping으로 진화할 것이다. 모바일 전환기에 카카오톡, 배달의민족 같은 “모바일 네이티브” 스타트업이 탄생했듯, 이번 전환기에도 Agentic-native 스타트업이 새로운 유니콘이 될 것으로 본다.

지금이 바로 그 시작점이 될 것이다.

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

First thing first. GPT-5 출시로 잠시 쉬어 가 보면:

GPT-5 vs. Consumer + AI

이번 발표된 GPT-5의 벤치마크 성능, multi-shot reasoning 기반으로 한 단계 더 진보한 수준의 reasoning 결과물, ‘놀라운’ 수준의 one-shot coding 능력 등에 대해서는 여러 곳에서 깊이 다룬 내용이 많으니 따로 다루지는 않고,

여기에서는 Consumer + AI에 영향을 줄 수 있는 몇 가지 변화에 대하여 집중해 본다.

GPT-5에서 내가 주목한 점은 아래의 2가지이다.

• Mixture of Models 구조 & Model Router

• Tools as ‘generalized agents’

Mixture of Models (MoM) 구조 & Model Router

MoE vs. MoM

GPT-4에서는, LLM 규모가 커지면서 성능이 증가한 점도 있지만 이 측면은 상대적으로 incremental improvement라고 보며, GPT-4의 가장 큰 기여는 Mixture of Experts (MoE) 개념이 보편화되기 시작한 출발점이라고 본다.

MoE 구조는, 구조적으로 각 ‘expert’간 역량 차이가 크지 않고 분야별로 특화되어 역할 분담함으로써, 각 ‘expert’는 집중하는 domain 차이 외에는 그 구조에 큰 차이가 없는 (동일한 구조의) sub-system 성격을 띈다. 그래서, MoE 구조에서 Router 기능의 핵심은 (꼭 필요한 sub-system ‘expert’들만 부분적으로 동작시킴으로써) inference 비용 및 사용자 반응 시간 (latency) 개선을 위한 engineering optimization이다. 즉, GPT-4 기술의 핵심을 engineering optimization으로 본다는 의미이다.

이에 비해 GPT-5 Mixture of Models (MoM) 구조는, 각 ‘model’이 크기, 역량이 다른 각각 독자적으로 동작할 수 있는 sub-model들의 집합체이며, MoM Router 기능의 핵심은 필요한 inference의 depth에 대한 판단에 따라 각각 다른 sub-model들에게 일을 맡기고, 그 결과에 보고 판단해서 필요하면 같은 혹은 다른 sub-model에게 추가로 일을 맡기는 orchestration 역할이다. 그래서, MoM 구조에서 Router 기능의 핵심은 문제 해결에 필요한 LLM 간의 역할 분담 및 워크플로우를 판단하고 실행을 맡기는 ‘orchestration’ 역할이라고 본다.

(아래의 Claude-4 Opus와 비교에서 보듯이 GPT-5의 내부 처리 과정은 기본적으로 ‘multi-shot’으로서 각 thinking단계 별로 orchestration이 가능한 구조이다)

Router as ‘orchestrator’

이는 multi-agent 시스템에서 주어진 task를 나누어서 서로 다른 agent에게 맡기고 그 결과를 모으고, 필요하면 또 다른 agent에게 더 일을 맡기고 그 결과를 모으는 과정을 반복하는 과정와 기본적으로 같은 구조이다. 즉 MoM Router 구조는, 다양한 크기, 기능, 역량, 능력치를 가지는 다양한 model들 간에 역할을 나누고 취합해서 원하는 결과를 만들어 내는 (어쩌면 현재의 agentic workflow orchestration framework을 일반화한) 구조라고 볼 수 있다.

이를 더 일반화하면, 앞으로도 당분간 지속적으로 더 등장할 다양한 크기, 특성, 성능의 수많은 LLM들을 orchestrate하여 사용자 (특히 소비자)들에게 serving하는 기본 형식, UI/UX를 (그리고, 그 economics까지) 새롭게 정의한 것이라고 볼 수 있다.

즉, small/large (sLLM vs. SOTA), MoE or not, reasoning or not, on-device/cloud-based 등 다양한 다른 특성을 가지는 수많은 LLM들이 (목적, 환경, 용도 등에 맞게) 합종연횡하는 다양한 구조로서 전체 LLM 시스템을 구성할 수 있고 (Mixture of Models), 이에 대한 ‘single point of entry’ ‘unified UI/UX 접점’으로서의 역할을 Model Router가 담당하게 되었다는 의미이다.

(실제로 5 기반 ChatGPT를 사용해 보면, 현재는 내가 원하는 수준보다 ‘과도하게’ reasoning을 많이 하는 경향을 보인다. 그래서, Google AI Overview 수준의 간단한 웹 검색 및 요약 수준이면 충분한 작업에 대하여 Python code까지 생성하면서 ‘오버’하여 열심히 문제를 해결하려는 경우까지 있다. 신입 사원에게 간단한 자료 찾아 오라고 요청하였는데, 열정이 넘쳐서 30페이지 in-depth 보고서를 밤새 작성해서 가져온 듯한^^)

GPT-5 Model Router의 이러한 구조와 역할을 보면, (1) 현재의 5 기반 ChatGPT에서 (LLM의 creativity 수준 temperature 설정과 비슷한) reasoning 수준 조절을 위한 ‘reasoning temperature’ 설정이 필요할 듯 하고, (2) (개발자에게는 GPT-5의 각 개별 모델에 대한 API 접근이 가능하기 때문에) 조만간 GPT-5의 Model Router 역할을 대체할 수 있는 ChatGPT의 대체 UX가 등장할 듯 하다. (2023년 Llama가 leak된 후 몇 주 만에 Vicuna, Alpaca 등의 fine-tuning 모델이 폭발적으로 등장한 것의 deja vu?) (3) 좀 더 욕심을 내자면, 나의 ‘요청’에 대하여 그 ‘의도’를 읽고 각각 다른 model에게 일을 맡기는 ‘개인화’가 가능하면 더 좋겠다. 이러한 ‘개인화’는 경쟁 혹은 OSS Model Router가 등장하고 경쟁이 본격화되면 머지않아 다양한 대안이 등장할 것으로 본다.

‘AI super app’

이러한 변화를 좀 다른 UI/UX 시각에서 보면 “ChatGPT 혹은 Model Router가 ‘AI super app’으로 한발 더 가까이 갔다’고 볼 수도 있다.

이제 ChatGPT 앱을 열어서 모든 LLM 모델 리스트가 사라지고 GPT-5 하나만 남아 있는 것을 보면, 그리고 조만간 ‘GPT-5’ 선택 옵션도 사라지고 뒤에 어떤 모델이 있는지 소비자가 더 이상 신경쓰지 않는 형태를 상상해 보면, 소비자 시각에서 ‘AI super app’의 의미가 확 와 닿는 것을 느끼게 된다.

여기에서 좀 더 상상의 나래를 펼치면,

시나리오 1:
(현재 아이폰, Siri 등) 기존의 주된 소비자 UI/UX 접점을 뛰어넘어/건너뛰어 ChatGPT가 소비자 device의 주된 UI/UX 접점이 될 수 있다면, 이 것이 ‘AI super app’ 혹은 ‘AI super device (aka ‘iPhone of AI age’)’가 될 것이라고 본다.

예를 들어, (1) 현재에도 아이폰 Action button을 통해서 Siri를 bypass하고 소비자의 default chatbot Assistant가 될 수 있다고 보고, (2) 향후 (Jony Ive의) 새 AI device를 통해서 소비자가 (’아이폰’을 bypass하여) 늘 ChatGPT와 연결되어 있고 언제나 (음성으로) ChatGPT input 접근이 가능하고, (3) 그 input에 대한 output은 (앞으로 당분간은 소비자의 주된 UI 접점으로 남아 있을) ‘아이폰’ 화면, 내지는 ‘집안의 전신 거울 혹은 거실의 TV’, ‘집안/자동차에 설치된 ambient speakers’ 등 다양한 output device 옵션을 활용할 수 있다면.

시나리오 2: (좀 더 wild한 상상의 나래를 펼쳐 보면)
아직까지 시장에 등장하지 않았지만, 나는 조만간 “각 개인의 personal data” (일정, 연락처, 이메일, 건강 데이터, 가족 연결 데이터 등) 기반으로 fine-tuned된 "‘personalized LLM’이 등장할 수 있다고 예상한다.

더 상상해 보면, 이러한 ‘personalized LLM’도 하나에 그치지 않고, 영역별로 (개인, 가족, 업무(회사/직업을 바꾸게 되면 그에 따라 또 새롭게 만들어질 수 있는) 등) 나만의 personalized LLM이 여러 개 공존할 수도 있을 것이다.

(기술적으로는 큰 장벽이 있지는 않아 보이고, 비용도 시간 문제로 각 개인이 afford할 수 있는 수준으로 내려 올 것으로 예상된다. 오히려 가장 큰 bottleneck은 각 개인의 데이터를 어떻게 모으고 이에 대하여 각 개인이 소유권/주도권을 주장할 수 있을지가 될 듯 하다. 특히 아이폰 건강 데이터, Spotify playlist 등과 같이 기존 웹/모바일 서비스에 파편화되고 silo되어 저장되어 있는 개인 데이터들)

즉, 나의 개인화된 데이터가 (매번 어떤 요청 (aka, LLM prompt)마다 제공되는) context data로 제공되는 수준을 넘어서, 나의 데이터에 특화된 (fine-tuned된) personalized LLM을 통하여 persistent하게 활용되는 개인화된 (AI) 환경을 만들 수 있다는 의미가 된다.

나에 특화된 이러한 personalized LLM(들)이 만들어지고 (나만의) Model Router가 이들을 access할 수 있게 되면, 진정한 나에게 특화된 LLM Model, 더 나아가서 나에게 특화된 personal Assistant가 만들어지는 것이 아닐까?

Model Router는 이렇게까지 개인화가 확장되는 시작점이 될 수 있을 듯 하다.

(이러한 hyper-personalization 주제는 다음 posting에서 좀 더 다루려고 한다.)

Further generalization

Model Router 기술은 단순히 사용자 UI/UX 접점의 ‘single point of entry’ 역할뿐 아니라, 장기적으로 “intelligence 당 비용” 최적화에도 가장 핵심 요소가 될 수 있다.

현재 구조를 extrapolate해 보면, on-device (OSS) LLM (<10B), mid-sized (100B~300B), larger-sized (300B~1T or larger), small/large reasoning model, (특수 목적의) multi-modal, world model 등의 모델까지 모두 포함하여 동시에 운용하면서, 해결하려는 문제의 성격, 난이도에 따라 ‘비용 최적화’ 방식으로 LLM으로 routing이 가능하다는 의미가 된다. (Model Router 자체는 on-device로 동작하는 sLLM이 될 수도 있을 것이다)

만일 이런 구조가 일반화 되면, (당연히 이런 Model Router 기술/방식은 OSS로 쉽게 보편화될 것이기 때문에) 그 효과는 OpenAI 뿐 아니라 다른 LLM provider, (엔터프라이즈 대상) 비즈니스 앱/서비스를 만들어 제공하는 플레이어 (현재의 RAG SI 뿐 아니라 cloud 기반 enterprise AI infra provider 등) 모두에게 적용되면서 소비자 및 엔터프라이즈 대상으로 LLM을 serving하는 기본 구조가 될 수 있고,

이는 가까운 미래 어느 시점 이후에는 더 이상 ‘이런 OO 일을 하려니 이제 OOO LLM을 써야겠다’는 생각 자체가 필요 없이 그냥 기본으로 ‘LLM 시스템’ 혹은 ‘AI 시스템’을 통해서 일을 처리하는 방식이 될 것이다. 90년대 OS가 Windows, MacOS인지에 따라, 심지어는 Mosaic, Netscape, Internet Explore 인지에 따라 호환성이 달라져서 사용할 수 있는 app, 서비스들을 이에 맞추어 선택해야 했던 시기와 비교해 보면, 그 이후 이러한 호환성을 따져야 할 필요가 없어진 것에 비유할 만하다. 내지는, 현재 웹/모바일 서비스의 back-end가 어떤 구조로 만들어져 있는지를 따지지 않고 front-end에 접속하여 사용하듯이.

조만간 어느 시점 이후 LLM 혹은 다른 AI 인프라 이용이 소비자 수준에서 ‘보편화’되면 LLM, AI 용어이라는 자체도 사라질 것이다. 우리가 ‘전기’, ‘인터넷 한다’ 용어를 일상 생활에서 더 이상 사용하지 않듯이.

Tools as ‘generalized agents’

GPT-5에서의 tool calling은 아래의 특징을 가진다.

• free-form function calling: CFG (context-free grammars) 기반

• parallel tool calling

Free-form function call은 완전히 새로운 개념은 아니고, 기존 MCP Server가 request를 처리하는 방식과 기본적으로는 같은 구조이다. 즉 tool/function call의 input은 (prompt 방식의) free text이고, 이를 tool/function이 해석해서 필요한 action을 취하는 구조.

차이점으로는, MCP Server는 이를 외부 서비스/데이터 소스에 대한 API call로 변환하여 ‘one-shot’ 호출하는 상대적으로 단순한 구조이고, GPT-5에서의 function call은 이를 더 일반화한 구조이다. 즉, API call로 변화하여 호출하는 방식 외에도, 다른 tool/LLM에 대하여 (다시 prompt 형식으로) nested function call을 할 수 있고, API call 혹은 tool/function call의 결과 값을 분석하여 다시 새로운 API call 혹은 (nested) tool/function call을 추가로 하고, 등등.

이런 일반화된 tool call 구조을 보면, 이 tool/function call이 결국은 (단순히 API call을 prompt 요청으로 encapsulate한 MCP Server 방식 보다) 더 일반화된 agent sub-system에 대한 tool calling 구조를 띈다는 점을 깨닫게 된다.즉, GPT-5의 tool/function call은 (MCP 구조를 확장한) agent (sus-system)에 대한 tool calling으로 ‘일반화’되었다는 것을 의미한다.

(GPT-5 Hands-On: Welcome to the Stone Age에서 이러한 구조를 (LLM 기반) ‘tool’ 사용을 본격화 & 일반화의 시작점으로 보는, 그래서 GPT-5를 (인간의 문명을 가능하게 한 도구 사용의 시작점으로서의 ‘석기 시대’에 빗대어) AGI를 향한 ‘석기 시대’의 시작이라고 부르는 이유이다.)

GPT-5 marks the beginning of the stone age for Agents and LLMs. GPT-5 doesn’t just use tools. It thinks with them. It builds with them.

Parallel tool calling은 이러한 관찰을 더 강화하는 mechanism이다. 즉, tool calling이 여러 tool에 대하여 동시에 진행되고 그 결과를 async하게 받고 처리하기 위해서는, tool과의 연동 방식이 (기존의 deterministic한 API call 방식보다는) 수많은 agent & agent susb-system과 async & indeterministic interaction하는 방식이어야 하기 때문이다.

이 구조를 확장하여 상상의 나래를 펼쳐 보면:

이 구조를 확장하면, ChatGPT가 (위에서 언급한 구조를 통하여) 사용자 UI/UX의 ‘primary entry point’가 되고, 그 back-end로서 사용자의 다양한 요청을 처리하는 시스템은 “autonomous agent로 구성된 multi-agent 시스템”으로 (aka, agent-verse) ‘일반화’ 될 수 있다.

(기존의 MCP Server, 기존 (ChatGPT) function calling 구조는 기본적으로 ‘request-response’ 기반 UX로서, [Two Cents #76] Part 2: UI, UX에서 등장하는 다양한 사용자 interaction 방식을 다 수용하기 어려울 것이라고 보기 때문이다)

예를 들면, ChatGPT가 primary entry point로서 다양한 ‘경로’ (사용자의 직접적인 요청, 다른 agent로부터의 요청 등)을 통하여 사용자의 needs를 이해하고, 이 needs의 처리는 (예를 들면, 실제로는 more likely) Ambient Agent가 (커머스 서비스의) platform agent 혹은 (브랜드의) brand agents와 async하게 interaction하여 그 결과를 사용자에게 가지고 와서 confirmation을 받는 방식.

관련된 “소비자 행태 변화”?

이로 인한 소비자 행태의 변화는, multi-agent 기반으로 Consumer + AI가 이동하는 것에 기반한 변화가 소비자 행태 변화의 주된 추동력(driver)가 될 것으로 본다. multi-agent 방식으로 인하여 ‘시스템’과의 interaction 방식이 지금의 ‘request-response’ 방식에서 현저하게 바뀔 것이고, 소비자는 이러한 변화가 ‘가치’ (편리함, 최저가, 상품 selection 등)을 가져 오면 빠르게 적응할 것이기 때문이다.

(물론, ‘가치’를 느끼지 못 한다면 당연히 이러한 변화를 거부하겠지만. 상상해 보면, 그럴 가능성은 그리 높지 않아 보인다. 웹, 모바일 시대에 적응하기 위하여 상당히 큰 소비자의 행태 변화가 필요했음에도, 그러한 변화가 가져올 가치에 소비자가 어렵지 않게 적응하였던 것을 보면.)

이 맥락에서 GPT-5 출시의 의미는, (그 자체로서 새로운 소비자 행태 변화를 만들어 내기 보다는) ChatGPT가 소비자의 주된 UI/UX 접점으로서의 역할을 하기 위한 몇 가지 필요 요소 (Model Router, generalized tool/function calling 방식 등)을 제공하였다는 점이 가장 크고, 이제 이 것과 향후 multi-agent 시스템에 의한 변화가 결합되면 소비자 행태 변화가 본격화되지 않을까 한다.

AGI?

그럼 GPT-5는 과연 AGI라고 부를 수 있는 수준에 도달할 것일까?

OpenAI 입장에서는 Microsoft와의 계약 관계를 정리하기 위해서라도 빨리 “AGI에 도달했다”라고 선언하고 싶겠지만, LLM이 ”평균적인 인간 지능”으로서의 AGI에 도달하기 위해서 몇 가지 조건이 더 충족되어야 할 것으로 본다.

예를 들면:

• 시간적으로 (temporally) sync된 multi-modal

  특정 이벤트에 대하여 각 modality별로 (시각, 청각, 촉각 등) 인지한 ‘것’이 ‘시간’을 기준으로 sync되어 통합 인지되고 처리되는 수준. 여기에 3D 환경에 대한 인지로서 World Model까지 포함된.

• 지속적인 incremental learning

• 한 단계 더 기대하자면, self-learning까지

이 기준으로 보면 AGI까지의 길은 아직 멀고 험난해 보인다 🙂

Epilogue

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.

지금 필요한 일은, AI 기술에 의한 시장 변화가 어떤 방향, 어떤 방식으로 일어나고 그 것이 (산업 및 시장의 구조, 시장 참여자 간의 구도 및 economics 구조 등에) 어떤 영향을 가져 올 지에 대하여 최대한 구체적으로 예상, 예측해 보고,

그 과정에서 예상 가능한 기회를 조금이라도 먼저 찾고 시작하고 (스타트업 입장에서), 마찬가지로 이렇게 시작한 기회를 먼저 인지하고 이를 지원하는 (투자자 입장에서) 것이 필요하다고 본다.

이 흐름과 과정에서 일어날 다양한 ‘것’들, 관련된 아이디어들에 대한 나의 생각의 흐름 (”Flights of Thought”)을 공유 하려고 한다.

AI Agents emerging

AI 기반으로 서비스가 제공되는 구조는 기본적으로 Agent (특히 multi-agent) 기반으로 빠르게 전환될 것으로 본다.

AI Agent라는 개념 자체가 워낙 다양한 의미, 형태, 구조을 가지고 있어서, Agent만큼 overload 되어 사용되는 용어도 없을 듯 하다.

먼저 다양한 각도에서 Agent 유형을 구분하여, 어떤 맥락에서 어떤 Agent가 활용될 지에 대한 추정, 예측의 기반으로 삼는다.

그리고, Agent가 다양한 AI 서비스/앱/시스템의 기반으로 확산되면서 발생할 수 있는 다양한 변화의 양태, 관련된 이슈 들에 대하여 짚어 본다.

아직 Agent라는 개념 정립부터 확산까지 모두 아주 초기 단계이기 때문에, 답보다는 질문이 더 많은 상황이 되겠지만.

AI Agent 구분

Agent — 구조, 역할에 따른 구분

먼저 [Two Cents #71]에서 AI Agent의 사용 유형, 구조에 따라 5가지 유형으로 구분해 보았다.

• Human Agents:

  • 인간이 실행하던 특정 task를 인간과 똑같은 방식으로 대체하여 실행. 워크플로우의 변경 없이 인간의 업무를 그대로 대체하는 구조

  • 가장 대표적인 예가, 고객 문의에 대한 전화 응대, outbound sales call 등을 그대로 대체하는 agent.

• Auto Agents

  • 인간이 원하는 task를 주면 관련된 서비스 및 다른 툴을 이용하여 여러 단계에 걸쳐 ‘자율적’으로 그 task를 수행하고, 그 최종 결과를 가져 오는 경우

  • 예: 여행 예약, 쇼핑 등의 소비자 니즈를 대행하는 경우. (Cursor, Devin의 예에서 보듯이) coding task 전체를 자율적으로 완료하는 경우

• Workflow Agents

  • “Auto Agent”의 확장된 개념으로, 특정 사용자의 특정 task를 ‘자율적’으로 실행하는 수준을 넘어서, 인간 및 조직이 일정 기간에 걸쳐 하던 업무의 일부 혹은 전체를 대행함으로써, 조직 단위의 워크플로우를 대체하는 경우

  • 기본적으로는 multi-agent 및 graph agent 구조가 될 것이며, 중간 과정에서 인간 개입의 수준은 아주 넓은 범위의 다양한 옵션이 있을 것으로 예상됨

  • Stanford에서, AI Agent들로 연구팀을 구성하고 이들 Agent간에 (인간과 비슷한 방식) 팀 연구를 장기간 진행해서 실제 Covid 치료제 효과가 있는 단백질 구조까지 설계해 낸 경우가 이러한 방식의 한 형태라고 할 수 있겠다.

• Ambient Agents

  • 클라우드에 24x7 상주하며 (나에게 특화되어) 나에게 필요한 혹은 나를 위한 작업을 background로 proactive하게 실행하고, 나에게 필요한 의사 결정 및 action을 요청하는 형태의 ‘클라우드 상주 agent’

  • 필요하면, 나와 관련된 데이터 (예: 이메일, 일정, 건강 데이터, 금융 거래 데이터 등)에 접근하고, 이에 기반한 의사 결정을 ‘자율적’으로 또는 human in-the-loop 형태로 내리고, 그에 따른 action을 취할 수 있음

• Virtual Human Agents

  • AI Companion (혹은 AI Waifu) 등 인간의 상대 역할을 하는 Agent

  • CarynAI, Character AI 의 agent, 영화 Her의 사만다 등이 대표적인 예가 될 것.

  • 이 개념을 확장하면, virtual world, 게임 등에서 인간 역할을 수행하는 캐릭터 및 NPC, 특정 목적으로 자율적으로 수행하는 조직 (예: Hedge Fund, 지적재산권 관리자 등) 역할을 맡는 Agent로 확장될 수 있을 것임

(유형별 명칭은 이를 구분하기 위한 정도의 의미이고, ‘Ambient Agent’ 예와 같이 업계에서 새로운 용어가 등장하고 정착될 수 있다.)

Agent — AI 서비스/환경 내에서의 역할, 포지션에 따른 구분

‘multi-agent’ 환경에서는 다양한 ‘source’ (예: 사용자, 커머스 플랫폼, 2-sided 마켓플레이스)에서부터, 여러가지 다른 ‘맡은 역할’에 따라 다양한 역할의 agent들이 만들어지고/사라지거나 상주하는 형태로 운영될 듯 하다.

그 ‘source’, ‘맡은 역할’에 따라 다양한 유형의 Agent를 구분해 보면: (MECE한 분류라기 보다는, 일부 예를 나열하는 정도)

Personalization agents:

• my secretary/concierge agent: 나의 요청을 처리하고 그 과정/결과를 나에게 confirm/확인하는, 나를 대리하는 Agent. (꼭 agent 이어야 할까?)

• my data layer/agent: 나와 관련된 모든 personalization data source에 대한 access, 혹은 personalization request에 응대하는 agent 혹은 data layer. (data layer 자체가 blockchain 기반 multi-agent 시스템으로 구축될 수도 있을 듯)

관련하여 나의 개인화 데이터 layer/agent 및 개인화 agent가 어디에 어떻게 상주할 지 등 몇 가지 이슈가 있을 듯:

• on-device 상주: my agent 기능의 일부/전체가 on-device 상주 → on-device의 개인 사용 data capture, on-device 개인화 LLM, hybrid (on-device/hybrid) 개인화 …

• 클라우드 상주: Ambient Agent 형태. on-device vs. 클라우드 상주의 역할 분담 비율, 역할 분담 내용과 범위, privacy 등 이슈

Service agents:

1. Platform agent: (commerce, travel …)

• 특정 서비스 (쇼핑, 항공권, 호텔, 마켓플레이스, 금융 서비스 등)에 대한 ‘요청(프로젝트)’를 수행하고 그 결과를 전달하는 agent. agent 형태가 아닌 MCP Server 형태가 주된 형태가 될 수도 있다.
  여기에서의 구분은, 외부 agent가 request-response 형태의 interaction을 하는 경우는 MCP Server 형태/방식으로도 가능할 것이고, interaction 방식이 ‘request for bidding’ 와 같은 asynchronous 형식에는 (async로 interaction하는) agent 형태가 될 듯.

• (1) 해당 서비스 (쇼핑, 항공권 등) 플랫폼 내에서 ‘요청 받은 업무/task’를 처리하여 그 결과를 전달하는 형태이거나,
  (그 플랫폼의 인터페이스가, 기존의 API, ChatGPT에서의 function calling/plugin 형태, 혹은 MCP Server 등의 형태에서부터 agent 방식으로 바뀐 셈. 다른 시각에서 보면, 기존의 (인간 사용자를 위한) GUI front-end ←→ backend 구조로 완결된 형태에서부터, back-end 기능만 남고 agent가 GUI를 대신하여 다른 agent로부터의 request에 active하게 응대하는 구조로 바뀐 셈. 경우에 따라서는 request-for-bidding에 대한 응대 형태로)

• (2) ‘요청받은 업무/task’에 대하여 다른 agent/서비스에게 서비스 결과물 혹은 ‘업무/task’에 맞는 bidding을 요청하거나,

• (3) ‘업무/task’를 ‘sub-task’로 나누어 각각 다른 agent에게 (각각 다른 방식으로) 요청하고, 각각 그 결과를 받거나/협상하여 최종 결과물를 만들어 전달하는 (multi-agent 구조에서 중간 intermediary agent로서의 처리) 형태.

2. Brand agent:

• 특정 서비스, 브랜드를 대표/대리하여 대외, 대 agent로 serving하는 agent.

• ‘AI 검색’ 요청에 대응하여 필요한 검색 결과물을 전달하거나 (’GEO’),

• 고객의 ‘프로젝트’의 ‘요청’에 대응하여 최종 결과물 혹은 최종 bidding 제안을 제출하는 (multi-agent 시스템에서 leaf node) 형태.

이 외에도 Agent에 기반한 서비스, 인프라가 다양화함에 따라 다양한 기능, 역할의 Agent가 등장할 것으로 예상된다.

Agent — 기능의 자동화 단계에 따른 구분

Agent 역량의 진화 및 자동화 수준에 따른 구분도 있는데, 이러한 구분이 크게 의미가 있을지는 의문이 좀 있다.

• Glorified Personalized Help: 기본적으로 개인화된 질문.응답 가능한 에이전트

• Reactive Recommendations: 특정 기능을 요청하면 그 것을 수행하고 결과를 주는 에이전트. 코딩, 특정 워크플로우 등. 현재 시장에서 서비스 중인 대부분의 Agent 서비스가 이 범주에 속함

• Proactive Recommendations: 요청한 기능 이상으로 적극적으로, 선제적으로 (proactively) 추천, 업무 워크플로우 자동 수행 등으로 기능이 확장된 형태

• Proactive Action: 적극적으로, 선제적으로 (proactively) 추천 뿐 아니라 그 업무 수행까지 완료

• Autonomous Workflows: fully autonomous하게 end-to-end 워크플로우를 독자적으로 수행하는 단계. 쇼핑 구매, 다른 Agent와의 협업/협상, 독자적으로 Agent의 팀을 구성하여 OKR에 맞추어 업무 수행 등

기타

• 다른 Agent와의 Interaction 방식에 따라, initiating agents, servicing agents (MCP Server?), autonomous (navigating) agents? Ambient Agents? 등으로 세분하는 것도 가능할 듯 한데, 이러한 추가 구분이 특별한 효용성이 있을지도 아직은 의문.

이러한 다양한 Agent 간의 역할 분담, 그들간 & 그들과 사용자/서비스 간의 interaction 방식에 따른 UI, UX 등이 앞으로 상당히 오랫동안 이슈로 등장하고 및 그 해결책을 찾는 긴 기간이 될 듯 하다.

AI Agent에 의한 변화들

Agent에 의한 변화 — 사용자 접점 UI/UX, 사용자 interactions

가장 먼저 우리가 인정하고 이해가 필요한 점이, Ambient Agent 등의 (autonomy 기반) multi-agent 시스템이 구축되면, 기존에 우리가 익숙한 interaction 방식이 근본적으로 다른 방식으로 바뀔 수 있다는 점이다.

현재 UX의 기본 방식은, 서비스에서 인간이 선택 가능한 기능 및 action의 옵션들이 GUI 형태로 제시되면, 인간은 그 일부를 선택하여 시스템에게 요청 (request)을 보내고, 시스템은 그 요청에 대한 응답 (response)를 보내고, 인간은 (자신이 원하는 답을 찾을 때까지) 인간—시스템 간의 이러한 request-response pair를 반복 하는 방식 (aka UX 사용자 경험) 이다.

여기에서의 키워드는, (1) 선택가능한 옵션의 제시, (2) actions as request-response pairs, (3) sequence of actions, 세 가지라고 본다.

(Ambient Agent, autonomous agent등을 포함하는) multi-agent 시스템에서는 이 3가지 키워드의 형태가 모두 바뀔 것이라 본다.

Ambient Agent를 포함하는 multi-agent 시스템이 어떤 구조와 UX 경험으로 움직일 지에 대한 논의 및 생각은 이 영상 부분 참조하면 (아직은 개념적인 설명이지만) 그 형태, 관련 이슈 등을 볼 수 있다. Agent 기반 interaction이, (현재 보듯이) task workflow를 하나의 Agent에게 맡기는 방식 중심일지, (많은 부분 autonomous하게 움직이는) multi-agent 구조가 될지, 이때 multi-agent의 일부분과의 interaction은 어떤 방식이 될지 등, multi-agent 기반 워크플로우에 대한 고민과 실험이 개념 수준에 머무르지 않고 실험 수준에서는 이미 일어나고 있다.

이러한 완전히 새로운 양태의 사용자—시스템/서비스 간 interaction이 실제 서비스/제품으로 등장하고 시장에 적용되기에는 시간이 좀 더 필요하겠지만, 상용 서비스에서 이러한 완전히 새로운 양태가 등장하기까지 앞으로 12개월을 넘지는 않을 것으로 본다.

이러한 완전히 새로운 방식의 interaction의 양태 및 핵심 키워드는 ([Two Cents #76] Part 2 — UI, UX의 Agent 부분에서 언급하였던) 몇 가지 다른 방식에 따라 다르게 등장할 것으로 예상된다.

현재 예상되는 몇 가지 키워드는 (1) headless, (2) user’s intent, (3) (Agent) autonomy, (4) agent-initiated, (5) user engagement 등이 있을 듯 하며, 이 기반의 UI, UX는 기존 방식과는 상당히 다른 형태가 될 것으로 본다.

아직 일반 사용자가 multi-agent 환경을 직접 접촉하는 경험을 할 수 있는 곳이 거의 없는데, Eigent 등의 새로운 시도들이 등장하고 있다. 아직은 극초기라서 일반 사용자보다는 개발자 대상으로 보이지만.

(사족: Eigent, Skywork, Fellou, Manus 등 최근 등장한 Agent 환경 중 중국 기반 팀의 프로젝트가 많다. Agent 분야에서는 유독 중국팀이 많은 편이다. 이는 Consumer 시장에서의 경쟁이 상상을 초월할 정도로 치열한 중국 시장의 특성때문이 아닐까 싶다.)

Agent에 의한 변화 — 비즈니스 구조에의 영향

Agent가 인간으로부터 위임을 받아서 인간을 대행해서 업무를 수행하는 환경에서는, 비즈니스 구조 및 관련된 참여자 (stakeholders — 서비스, 인간 사용자, Agent 들)간의 interaction 및 관계에 ‘아주’ 큰 변화가 올 것으로 예상된다.

[Two Cents #75] Part 1: Fundamental Shifts에서 살펴 본 각 분야별 비즈니스 구조에 근본적인 변화가 일어나는 배경에는 Agent, 특히 autonomous, multi-agent 환경으로의 전환이 큰 영향을 미칠 것이라고 보기 때문이다.

커머스

Agent commerce의 등장으로 (1) 기존 커머스 플레이어 간의 역학 관계, (2) 기존 커머스 플레이어를 배제한 새로운 구매 싸이클의 등장 등 비즈니스 구조 측면에서 다양한 큰 변화가 일어 날텐데, 이미 ‘Agent에 의한 구매’에 대한 기존 커머스 플레이어의 대응이 플레이어의 입장마다 다르게 나타나고 있다.

(Wallmart는 아직 특별한 ‘대 Agent’ 정책이 전혀 없는 것에 비하여, Amazon은 3rd-party shopping agent를 전체 차단하기로 하였고, 반면 Shopify는 product page 접근은 전면 허용하되 checkout 단계는 차단하기로 하는 등 각 플레이어의 서비스 구조, 시장에서의 입지, 자체 moat 등에 따라 완전히 다른 입장을 취하고 있다.)

앞으로 이러한 플레이어 간의 입장, 역학 관계에 따른 비즈니스 구조의 변화는 훨씬 더 다양한 이슈에 대하여 아주 폭넓게 일어날 것이다. 새로운 시장 환경에서 (Amazon 같은) dominant player가 등장하여 안정적인 새로운 시장의 rule이 설정될 때까지.

검색 및 다른 분야

이러한 커머스 분야에서의 변화는 (구매 intent를 가진 사용자의 검색이 가장 큰 비중을 차지하는) 구글 검색에도 당연히 cascading effect가 생기고 있고,

이러한 변화는 검색에 그치지 않고, 마켓플레이스, 핀테크 등 Consumer 분야의 모든 영역에 그 영향을 미칠 것이다.

이러한 변화는 (지난 30여년간 우리가 익숙해진) 웹 및 모바일 기반 산업의 구조, 비즈니스의 구조에 앞으로 지속적으로 구조적인 변화를 가져 올 것이며, 이러한 산업의 구조, 비즈니스의 구조에 근본적인 변화 (shifts)가 올 때 새로운 스타트업의 기회가 크게 열리기 마련이다.

요즘 종종 보이는 ‘지금이 AGI가 오기 전 마지막 큰 기회’라는 표현이 간결하고 분명하게 설명하듯이.

A2A 인프라

이러한 multi-agent 기반 A2A 환경에 필요한 인프라 및 이슈들은 [Two Cents #71]에서 다룬 바 있다.

아직 이 분야의 움직임이 수면 위로 많이 드러나지는 않지만, 시장에서 이미 진행이 되고 있거나 곧 진행될 것으로 예상되는 분야들로는:

Payment rail

• agent 간의 M2M 거래에 필요한 결제 인프라

• stablecoin 기반의 payment infra가 본격 등장하고 있고, (Bridge, Privy 인수를 통하여 이 시장에 본격 진힙한) Stripe, Visa, Mastercard 등의 기존 플레이어과 Skyfire, Nevermined 등의 스타트업 간의 경쟁이 치열해지고 있음

Identity rail

• (agent 간의 거래를 위한) authentication, (agent가 대행하는 인간에 대한 proof of personhood를 위한) verification, (인간의 역할을 대행하는 agent의 역할에 대한) access mgmt (delegation) 등의 역할

• 아직 이 분야에 스타트업이 본격 등장하는 단계는 아니고, Okta등 incumbent player 들이 먼저 진입 시작

Data layer: personalization layer?

Security

• Agent의 실행 권한, 범위, human in the loop (HITL) 등

Privacy

• data access: 건강정보 등의 (개인) 데이터에 대한 agent 접근 등?

• on-chain? self-sovereign privacy data?

Tools

• Automation, orchestration framework

• Observability, permission with human in-th-loop 등

그외 몇 가지 이슈들?

• Agent identity: 형태, 범위 등

  • 형태: temporary (예: 사용자로부터 특정 업무 지시를 받고 시행할 때), persistent (예: daemon, persistent Ambient Agent 형태로 on-device, cloud에 상주하는 형태)

  • 역할/범위: origin (일을 맡긴 사용자? 혹은 (agent가 대변하는) cloud 기반의 서비스?), task description (machine-readable, human-readable)?, (인간 사용자로 부터의) delegation 범위 및 access right (예: 구매 의사 결정 가능한 범위) 등

• Agent Code of Conduct (CoC)

  • (검색 crawler의 CoC를 정의하는 robots.txt에 해당하는) LLM의 CoC에 대한 표현 방식 llms.txt 표준이 업계에서 이미 정립되고 있다.

  • Agent가 일점 범위 내에서는 인간을 대리하여 자율적으로 의사 결정하고 action을 취할 수 있기 때문에, 이와 비슷하게 Agent의 CoC를 정의하는 노력도 필요할 것이다. 그 첫 번째 예로서 Agent Interaction Guidelines (AIG)도 제안되었다.

  • 예를 들면, AI Agent가 주어진 업무를 완수하기 위하여, 인간(의 역할, 특정 기능)을 hire할 가능성도 있고, 이에 대한 CoC도 필요할 것이다.

이 외에도, 기술적, 사회적, 사용자 및 Agent 간의 관계 등 다양한 이슈들이 등장할 것이고, 이러한 이슈들은 multi-agent A2A 환경이 등장하고 성숙하는데 필요한 인프라 및 그 전체 시스템의 운용 principle에 대하여 (시행착오를 거치면서) 시스템 전체가 수용할 수 있는 적절한 답을 찾아 나갈 것으로 예상된다.

(좀 확대 해석하면, 이 과정은 우리 인간이 역사 과정을 거치면서 (역시 시행착오를 통해) 가장 optimal 하지는 않을 수 있지만, 사회 구성원 대다수가 동의하고 수용할 수 있는 적절한 수준의 사회 구조, 체제를 찾고 만들어 온 역사의 micro version이라고 할 수도 있겠다.)

Agent에 의한 변화의 양태 — key traits & Implications

Multi-agent A2A 환경으로의 전환이 이제 막 시작한 단계이기 때문에, 아직 그 영향, 특히 Consumer의 behavioral shifts, 관련 시장 참여자 (stakeholders) 간의 비즈니스 구조 및 역학 관계의 변화 등이 아직은 가시적으로 보이지 않는다.

현재 시장에서 접할 수 있는 agent는, (Agent의 자체 판단에 근거한 autonomy라기 보다는 미리 설정된 기준/조건 충족 여부에 따라 미리 만들어져 있는 워크플로우 중에서 선택하는) workflow automation 수준으로 보인다 (”Zapier plus” 수준이라고 부를 수 있는). Manus, Genspark 등에서 볼 수 있는 (현재 단계에서는 ‘놀라운’) 수준의 Agent 성능은 “Zapier plus” + deep think/research 모드로 보이고.

Ambient Agent 형태는 이제 막 해커톤에서 pilot을 시작하는 수준의 극초기로서, 현재 Ambient Agent 처럼 보이는 기능도 (예: 내가 받은 이메일에 대한 답장을 미리 써 두고 나의 confirm을 받는) 아직은 “Zapier plus” 수준 daemon 구현으로 보인다.

위에서 다룬 사용자 UI/UX 및 비즈니스 구조의 근본적인 변화는, 전반적인 서비스 환경이 Agent 기반 특히 multi-agent A2A 환경으로 바뀌면서 서서히 등장하기 시작하고, 꽤 오랜 시간에 걸쳐 (5~10년?) 구조적인 변화를 가져 오지 않을까 한다. (너무 길어 보일 수도 있지만, Uber 창업에서 IPO까지 11년 걸린 것을 참고하면…)

이러한 근본적인 구조 변화를 가져 올 주요 요인은 몇 가지가 있다고 본다.

• Machine-to-machine (M2M) interactions

  Agent가 다른 AI app/서비스를 접근하거나 다른 Agent와의 interaction을 하는 것은 모두 machine-to-machine interaction이다.

  현재의 대부분의 인터넷/모바일 서비스가 기본적으로 “사람이 직접 참여하여 interact하고, 의사 결정하고, checkout까지 진행할 것”이라는 가정하에서 만들어진 것을 고려하면, 그 서비스를 사용하고 의사 결정하는 주체가 (인간이 아닌, machine으로서의 특성을 가지는) Agent라는 점이 그 기본 가정에 큰 변화를 주고, 이는 discoverability, 서비스 flow, checkout 등 모든 과정을 ‘이 새로운 가정’ 하에서 다시 설계할 필요가 생길 것이다.

• Autonomy

  게다가, 그 과정에서 일어날 다양한 규모의 의사 결정 (서비스 요청 형식, 원하는 답의 형태, 구매 의사 결정, checkout 등)의 일부/상당 부분 Agent가 내릴 수 있고, 이와 관련된 요건 (authentication, delegation, privacy 등)에 대한 전제가 달라지기 때문에, 관련 서비스 구조, 서비스 참여자 간의 역할 분담 및 수익 share 구조 등도 큰 변화가 필요할 것이다.

• (그 외에도 몇 가지 더 있을 듯)

이러한 새로운 환경에서 장기적으로 Consumer 대상의 서비스가 어떤 형태로 진화할 지에 대해서는 아직 불확실성이 더 많지만, autonomous agent로 구성된 virtual 사회 실험, (위에서 언급한) Stanford 대학의 ‘AI Agent 연구팀’에서 그 힌트를 찾을 수 있지 않을까 한다.

Agent 관련된 변화는 앞으로 12-18개월 가장 역동적인 변화가 일어날 것이며, Agent 특히 multi-agent A2A 환경이 다양한 형태로 시도되고, 그 중에 시행착오를 거쳐서 필요한 인프라, 구조 등에 대한 보완/개선 등을 거쳐서 장기적으로 sustainable한 multi-agent A2A 구조를 찾아 나가는 과정을 거칠 것으로 예상된다.

지금까지 Agent에 의한 변화에 대한 예상이 너무 SF같이 보일 것이라 생각하기도 한다. (또 한번 생각이 널을 뛴 듯). 하지만, Agent의 주된 특징 (machine-to-machine, autonomy 등)에 의한 비즈니스 구조 및 사용자 UI/UX의 근본적인 변화는 (시간 문제로) 일어날 것으로 보고 있다.

LangChain 창업자와 (OpenAI research 팀 출신) Dust 창업자가 AI Agent의 진화에 대하여 생각을 나눈 영상을 보면 이러한 변화가 SF (Science Fiction)에 그치지 않고 실제로 SF (San Francisco)에서 지금 일어나고 있는 일이라는 것을 느낄 수 있을 것이라 본다. (pun intended 😊

Epilogue

Consumer + AI 분야에 집중하는 초기 투자자로서 이러한 생각의 흐름을 공유하는 주된 목적은, 이 글을 통하여 기존 스타트업들이 AI 흐름을 잘 활용하여 어떤 새로운 기회를 찾아 낼 지, 또 새로운 창업자들이 어떤 새로운 기회를 모색하면 좋을 지 고민할 때, 그 시행착오를 줄일 수 있는 하나의 참고 자료가 되기를 바라기 때문이다.

Two Cents 나름 방식의 Call for Startup이라 할 수 있다.

이러한 기회를 찾았다고 생각하는 Consumer + AI 분야 초기 창업자/스타트업들은 언제라도 열려 있으니 DM 혹은 이메일 (hur at hanriverpartners dot com)으로 연락 주시기 바란다.