GPT API를 그대로 사용하는 GPT Wrapper는 생존할 수 있나요? ChatGPT가 같은 기능을 업데이트하면 망하는 거 아닌가요? 자체 모델이 없는데 AI 회사라고 할 수 있나요?
소위 말하는 ‘AI Wrapper’ 서비스들이 매일 쏟아져 나오고 있습니다. 동시에 AI도 거품이 아니냐, 자체 모델 없는 회사들은 ChatGPT가 업데이트될 때마다 위험해질 것이다, LLM 모델 비용이 너무 비싸서 자생하기 어렵다 등 우려도 나옵니다.
그렇다면 자체 모델을 보유하거나 VectorDB 같은 기술을 연구하는 회사는 더 안전할까요? 사실, 지난 몇 년간 모델 개발사들은 더 빠르게 위기를 맞이했습니다. 특정 분야의 특화 모델은 거대 모델 등장으로 무용지물이 되었고, 파인튜닝이나 VectorDB 기술도 거대 모델의 업데이트마다 입지가 줄어들고 있습니다.
동시에 자본이 있는 빅테크 회사들은 모두 거대모델을 만들 수 있습니다. OpenAI, Anthropic, Meta, Google 등은 치열하게 경쟁하며, 이로 인해 모델 비용은 빠르게 인하되고 있습니다. STT 모델은 하루아침에 무료가 되었고, LLM 모델도 1년 사이 10배 이상 저렴해졌습니다.
Amazon, Salesforce 같은 회사도 웹 초창기에는 “DB Wrapper 아니냐?”는 이야기를 많이 들었습니다. 브라우저 회사가 모든 것을 해버리면 어떻게 할 것이냐는 이야기도 많았습니다. 그러나 지금 우리는 이것이 틀린 이야기라는 것을 알고 있습니다.
지금은 기술 초창기라 거대모델에만 관심이 쏠리고 있지만, 웹, 앱 기술이 그랬던 것처럼 AI역시 '응용 앱 시장'에서 가장 큰 기회들이 열릴 것입니다. 이미 그 흐름은 시작되었습니다. Cursor AI는 역사상 가장 빠르게 ARR $1억을 달성한 회사가 되었습니다. Y Combinator 를 비롯한 실리콘밸리의 구루들도 대부분 같은 관점을 가지고 있습니다.
결국 중요한 것은 “누가 고객의 문제를 가장 잘 해결하는가” 입니다. 저희 같은 AI 응용 앱 회사들도 망할 수는 있지만, 그것은 고객을 만족시키지 못했기 때문이지, 모델 개발을 안 해서이거나, 높은 원가 때문은 아닐 것입니다.
해자가 있는건가요? 다른 스타트업이나 대기업에서 따라 만들면 어떻게 하나요?
'해자'에 대한 이야기 중에서는 스퀘어 공동창업자 짐 매켈비의 『언카피어블』에 가장 공감합니다.
해자는 미리 쌓아두는 ‘방어벽’이 아니라, 남들이 풀 수 없다고 여기는 문제를 끊임없이 해결해 나가는 과정에서 자연스럽게 생기는 부산물입니다. 외부에서는 스퀘어가 아마존을 막아낸 이유를 다양한 기술 덕분이라고 분석하지만, 사실 그 기술들은 문제 해결 과정에서 파생된 부산물에 불과했습니다.
결국 해자를 구축하고 유지하는 유일한 방법은 문제를 집요하게, 그리고 빠른 속도로 해결하는 것뿐입니다.
Notion, Canva, Linear 같은 제품들을 떠올려 보겠습니다. 일각에서는 Notion에 축적된 사용자 데이터가 해자라고 말하지만, 그것은 에버노트도 마찬가지였습니다. 에버노트는 작아졌고 Notion은 승리했습니다.
승부를 가른 건 늘 결국 사용자의 문제를 얼마나 빠르고 집요하게 해결했는가였습니다. 지금도 이들은 규모가 커졌음에도 놀라울 만큼 빠른 속도로 제품을 개선해 나가고 있습니다.
또한 새롭게 열린 시장 기회에서는 대기업보다 스타트업이 훨씬 유리합니다. 월마트는 아마존에게, 통신사 문자메시지는 카카오톡에게 밀렸습니다. 의사결정과 실행의 속도 차이가 만든 결과입니다.
LilysAI 팀 역시 누구보다 빠르게 ‘자료 이해’ 영역에서 새로운 문제를 발굴하고 해결해 나가고 있습니다. 아직 초기 단계이지만 이미 대기업이 만든 제품을 10배 이상의 사용자 격차로 앞서고 있습니다. 많은 제품들이 우리 제품을 따라하곤 하지만, 우리는 늘 한 발 더 앞서 '자료 이해' 문제의 새로운 해결책을 제시하며 격차를 계속 벌려 나갈 것입니다.
구글의 NotebookLM 이 경쟁사인가요? 어떻게 이길 수 있나요?
현재 시장에서 NotebookLM이 우리와 가장 유사한 문제를 다루고 있는 것은 사실입니다. 그래서 우리는 늘 주의 깊게 사용자 반응을 살펴보고 있습니다.
다만 지금은 시장이 막 열리기 시작한 단계라, 마치 넓은 바다에서 올챙이들이 부딪히지 않을까 조심스레 헤엄치는 상황처럼 보입니다. 자료 이해라는 영역은 그만큼 방대합니다.
NotebookLM은 그중에서도 ‘자료의 난이도를 낮추는 것’에 집중하고 있으며, 그 결과 팟캐스트 기능이 큰 호응을 얻고 있습니다. 반면 우리 제품의 사용자들은 직업적·상황적으로 방대한 자료를 다뤄야 하는 분들입니다. 이들에게는 ‘난이도를 낮추는 것’뿐 아니라 ‘이해 속도를 높이는 것’ 역시 핵심적입니다. 이 지점에서 NotebookLM은 충분한 해결책을 제공하지 못합니다.
앞으로 이 영역에서는 수많은 제품이 등장할 것이고, 각자 잘될 수도 있다고 생각합니다. 그렇기에 우리는 우리가 풀고자 하는 문제를 누구보다 잘 해결하는 데 집중하고 있습니다.
그럼 LilysAI는 왜 생존할 수 있나요? 어떤 경쟁력이 있나요?
1.
우리는 사용자에 대해 미친 집착을 가지고 있는 팀입니다.
AI로 엔지니어링 속도가 비약적으로 향상되면서, 이제 제품 개발의 병목은 코딩이 아니라 사용자의 피드백을 듣고 반영하는 과정으로 옮겨가고 있습니다.
따라서 팀의 경쟁력이 폭발하려면, 모든 구성원이 단순히 사용자를 이해하는 수준을 넘어 본능적으로 사용자 경험을 느끼는 단계까지 나아가야 합니다. 실제로 AI 응용 제품 중에서도 코딩 영역의 제품군이 가장 빠르게 발전하는 이유도 여기에 있습니다. Cursor AI 같은 제품은 개발자가 곧 사용자이기 때문에, 사용자 조사나 QA에 들어가는 시간이 크게 줄어들 수 있습니다.
사용자에 대한 정보를 가장 빠르게 얻는 순서는 다음과 같습니다. 1.개밥먹기(dogfooding)를 통한 직관 2.팀원 피드백 3.낯선 사람의 피드백 4.실제 사용자에게 프로토타입 전송 5.A/B 테스트
우리 팀은 개밥먹기 문화를 일상화하고, 빠른 내부 POC와 적극적인 팀 피드백 시스템을 통해 제품의 ‘간’을 신속히 맞추며 실험을 반복하고 있습니다. 이것이 장기적으로 경쟁 우위를 만들어내는 이유입니다.
그리고 이러한 철학은 단지 우리의 주장에 그치지 않습니다. AI 구루 앤드류 응(Andrew Ng)이나 커서팀 개발자와의 인터뷰에서도 동일한 관점이 반복적으로 확인되었습니다. 이는 곧 우리가 택한 방식이 올바른 방향이라는 강력한 검증이자, 앞으로도 흔들림 없이 이 길을 가야 한다는 확신을 주고 있습니다.