[Two Cents #77] “Flights of Thought” on Consumer + AI — Part 3: What the heck is Agent?

Aug 06, 2025

Consumer AI에 대한 ‘시장의 준비’가 tipping point를 넘어 가고 있는 것으로 보인다.

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:

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.

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.

Two Cents