AI 시대의 승자: 기술 자본주의 관점에서 본 B2B 플랫폼 전략

AI 시대 자본의 흐름: 돈은 어디로 가고 있나

2024-2025년 글로벌 자본 흐름은 AI로 극적으로 재편되고 있다. AI 스타트업은 2024년 전체 VC 펀딩의 37%(약 $1,000억)를 흡수했고, cbinsights 2025년 상반기에만 $1,160억을 기록해 이미 2024년 전체를 초과했다. Gartner는 2025년 글로벌 AI 지출을 $1.5조, 2026년에는 $2조 이상으로 예측한다.

자본은 극단적으로 집중되어 있다. 2024년 AI 펀딩의 **69%가 메가라운드($1억 이상)**에서 발생했고, $10억 이상 라운드가 13건에 달했다. cbinsights Databricks($100억, $620억 밸류에이션), OpenAI($66억, $1,570억), xAI($60억+), Anthropic($40억+)이 자본을 독식하고 있다. 미국이 펀딩의 76%, 딜 수의 **49%**를 차지하며, cbinsights 유럽(13%)과 아시아(10% 미만)는 크게 뒤처진다.

AI 스택별 투자 현황이 말해주는 것

엔터프라이즈 GenAI 지출 $370억(2025년) Menlo Ventures 중 각 레이어별 흐름이 중요하다:

가장 빠르게 성장하는 영역은 애플리케이션 레이어다. 특히 코딩/엔지니어링 도구가 부서별 AI 지출의 **55%($40억)**를 차지하며 압도적 1위다. Menlo Ventures 수직 AI 솔루션($35억)에서는 헬스케어가 **43%**로 선두다. Menlo Ventures 이것이 의미하는 바는 명확하다—인프라는 이미 대기업이 장악했고, 진짜 기회는 특정 산업과 워크플로를 깊게 파고드는 수직 애플리케이션에 있다.

정부 자금: 규제 장벽이 곧 해자가 된다

정부 AI 정책 자금은 전례 없는 규모로 집행 중이다:

• 미국: CHIPS Act $2,800억 (반도체 $520억, AI/R&D $2,000억+), Intel $78억, TSMC $66억 수령
• EU: InvestAI €2,000억 동원 목표, AI 공장 €100억 공동 투자, 13개 AI 팩토리 설립
• 중국: 2030년까지 $1,500억 AI 펀딩 약속, 국가 AI 펀드 $82억
• 한국: 디지털 뉴딜 $535억, 글로벌 AI 칩 공급의 37% 점유

전략적 시사점: 정부 조달 시장은 FedRAMP 20x(2025년 신설)로 진입 장벽이 극적으로 낮아졌다. GSAOpenAI와 Perplexity가 이미 우선 인가를 받았고, GSA가 Perplexity와 직접 계약을 체결했다. FedScoop 정부 시장은 규모뿐 아니라 보안 인증이 경쟁 해자로 전환되는 시장이다.

역사적 기술 혁명이 AI 시대에 주는 교훈

"기술 자본주의는 기술이 아니라 자본주의"라는 명제는 역사가 증명한다. 모든 기술 혁명에서 명백한 초기 승자와 실제 최종 승자는 달랐다.

골드러시에서 PC까지: 승자 패턴의 일관성

골드러시(1848-1855): 광부들은 대부분 실패했다. 리바이 스트라우스는 광부에게 청바지를 팔아 사망 시 $3,000만(현재 가치 $8.7억)의 재산을 남겼다. 웰스파고는 금융 서비스로 성공했다. 패턴: 변동성 높은 "금" 자체보다 모든 참여자에게 필요한 내구재/서비스가 승리.

철도혁명(1850s-1900s): 철도 회사들은 자본 집약성과 경쟁으로 대부분 파산했다. 앤드류 카네기는 철도에 철강을 공급해 $5억(J.P. 모건에 매각)을 벌었다. J.P. 모건은 금융으로 철도를 지배했다. 패턴: 인프라 건설자보다 필수 구성요소 공급자와 자본 통제자가 승리.

PC혁명(1981-2000): IBM이 PC를 발명했지만, 시간 절약을 위해 칩(Intel)과 OS(Microsoft)를 외부 조달했다. 결과적으로 **초크포인트(chokepoint)**를 장악한 MS와 Intel이 승리했다. IBM의 PC 아키텍처가 오픈소스화되면서 하드웨어는 상품화됐다. 패턴: 조립자보다 모든 조립자에게 라이선스되는 표준 구성요소가 승리.

인터넷혁명(1995-2010): AOL, Yahoo 같은 포털이 초기 승자로 보였다. 그러나 구글은 PageRank로 10배 뛰어난 검색 기술을 구현하고, 배너 광고(CPM) 대신 **의도 기반 광고(PPC)**라는 다른 비즈니스 모델을 선택했다. Yahoo는 2000년에 구글의 검색 결과를 라이선스 받아야 했고, 이는 사용자들에게 구글을 학습시키는 결과를 낳았다. 패턴: "충분히 좋은" 기술을 추구한 기업보다 핵심 기술에 집중 투자하고 올바른 비즈니스 모델을 선택한 기업이 승리.

AI 시대의 "리바이스"는 누구인가

역사적 패턴을 AI에 적용하면, 승자의 특성이 드러난다:

1. 모든 AI 참여자에게 서비스 제공 (특정 모델/회사에 의존하지 않음)
2. 일회성이 아닌 반복적 필수 가치 제공
3. 복제 불가능한 해자 보유
4. 결과와 관계없이 AI 붐 자체에서 이익

가장 유망한 "리바이스" 후보군:

• 데이터 레이어: Scale AI(Meta가 $150억 지분 투자), 독점 훈련 데이터, 합성 데이터 생성 amadeuscapital
• 평가/검증 레이어: EU AI Act 등 규제 준수 검증 도구 (규제 순풍)
• 데이터 해자를 가진 수직 AI 애플리케이션: 사용을 통해 독점 데이터를 생성하는 앱
• 에이전트 오케스트레이션: 여러 AI 에이전트를 조율하는 플랫폼

피해야 할 영역: GPT 래퍼(차별화 없는 AI 앱), 파운데이션 모델 경쟁(오픈소스 3개월 내 추격), 자본 집약적 인프라(마진 압축 불가피).

AI 레이어별 마진과 방어력: 상품화가 진행 중이다

현재 AI 스택의 수익성과 위험

가장 빠르게 상품화되는 레이어는 파운데이션 모델이다. 오픈소스 모델(Llama 3, DeepSeek)이 독점 모델과의 격차를 3개월 이내로 좁히고 있다. DeepSeek의 2025년 1월 출시가 미국 앱스토어 1위를 기록한 것은 상징적이다. Carnegie Endowment for International Peace 중국 기업들의 "지능 인볼루션(intelligence involution)"—가격을 무자비하게 낮추는 경쟁—이 LLM을 상품으로 전환시키고 있다.

마진이 집중될 영역(3-5년 전망):

1. 독점 데이터 자산 (복제 불가능한 훈련 데이터, 피드백 루프)
2. 워크플로에 내장된 AI 에이전트
3. 효율적 파인튜닝/훈련 최적화 도구
4. 평가/검증 레이어 (규제 준수)
5. 엣지 추론 실리콘 (저전력 온디바이스 AI) amadeuscapital

엔터프라이즈 SaaS의 AI 전환: 네 가지 모델

Salesforce: 에이전트포스와 하이브리드 수익화

Salesforce는 Einstein(2016) → Einstein GPT(2023) → **Agentforce(2024)**로 진화했다. Agentforce는 자율적으로 업무를 수행하는 AI 에이전트 플랫폼으로, Marc Benioff는 "2025년 말까지 10억 에이전트"를 목표로 한다.

Data Cloud가 핵심 해자다. Data Cloud + AI ARR은 $14억(YoY 114% 성장)에 달하며, 이것이 AI의 기반이 되는 고객 데이터 통합 플랫폼 역할을 한다. Agentforce는 출시 7개월 만에 8,000+ 고객(유료 5,000건)을 확보했다.

수익화 전략은 하이브리드다: 초기 $2/대화 모델에서 고객 반발 후 Flex Credits($0.10/액션)로 전환했다. 시트 기반($125-650/유저/월)과 사용량 기반을 결합해 예측 가능성과 성장 잠재력을 모두 확보했다.

ServiceNow: "AI 컨트롤 타워" 전략

ServiceNow는 워크플로 자동화 리더에서 **"엔터프라이즈 AI 오케스트레이션 플랫폼"**으로 전환 중이다. ITSM 시장 40% 점유율을 기반으로, Now Assist(생성 AI)와 Agentic AI(자율 에이전트)를 3단계로 제공한다.

2024년 매출 $109.8억(YoY 22% 성장), Computer Weekly Now Assist 딜 QoQ 150%+ 성장, Pro Plus 딜 YoY 4배 증가. AI 제품에서 2025년 $100억 ACV 목표를 설정했다. Klover 차별화 요소는 Workflow Data Fabric(데이터 사일로 해결)과 AI Control Tower(거버넌스, 리스크 관리)다. Klover

Palantir: 정부-기업 간 브릿지 모델의 교과서

Palantir가 성공한 이유는 AI 모델이 아니라 **온톨로지(Ontology)**다. 온톨로지는 원시 데이터를 실행 가능한 운영 인텔리전스로 변환하는 시맨틱 레이어로, 디지털 데이터를 실제 자산과 인과관계로 매핑해 AI가 맥락을 이해하게 한다.

재무 실적이 압도적이다: 2024년 매출 $28.7억(YoY 29% 성장), Yahoo Finance 미국 상업 부문 YoY 93% 성장(Q2 2024), IG Rule of 40 점수 83%, 조정 영업이익률 44%, Klover 현금 $64억(무차입). 미 육군 $100억 10년 계약(2025년 8월)이 정부 신뢰도를 증명한다.

AIP(AI Platform) Bootcamp 모델이 게임 체인저다. 5일간 고객 데이터로 실제 프로토타입을 구축하는 집중 워크숍은 "try-before-you-buy" 접근으로 회의론자를 구매자로 전환한다. Q1 2025에만 $100만+ 딜 139건을 창출했다.

B2B AI 플랫폼을 위한 Palantir 교훈:

1. "라스트 마일" 문제 해결—모델만으로는 부족, 운영 워크플로에 통합 필요
2. 가장 어려운 문제부터 시작—복잡할수록 경쟁 장벽이 높아짐
3. 보안이 차별화—정부급 보안 인증은 기업 신뢰로 전환됨
4. 인내심—Palantir는 2003년 설립, 20년의 해자 구축 기간이 있었음

AI 네이티브 플랫폼의 현재: 수직 vs 수평의 승부

Glean: 엔터프라이즈 AI의 정석

Glean은 $72억 밸류에이션(2025년 6월), Glean 18개월간 3.3배 밸류 성장, TechCrunch 출시 3년 내 $1억 ARR 달성으로 "카테고리 리더"로 자리잡았다. Glean 100+ 앱 커넥터를 통한 엔터프라이즈 지식 통합과 Glean Agents(연간 1억+ 에이전트 액션)로 에이전틱 AI에 진입했다. TechCrunch MAU의 40%가 DAU인 것은 일반 엔터프라이즈 소프트웨어(15-20%)의 2-3배다. SiliconANGLE

위험 요소는 Microsoft 365 Copilot, Amazon Q Business의 플랫폼 확장이다. CEO Jain도 "Google, Microsoft, OpenAI 모두 우리가 시작한 영역에 들어오고 싶어한다"고 인정한다. CNBC

Harvey AI: 수직 AI의 승리 공식

Harvey는 법률 AI로 $80억 밸류에이션(2025년 12월)에 도달했다—18개월 전 $7.15억에서 11배 성장. $1억+ ARR, 337개 법률 고객, 미국 상위 10대 로펌 대다수 확보. 처음에는 "GPT 래퍼"로 비판받았지만, 깊은 도메인 전문성(변호사 직원 채용), 워크플로 통합, 미션 크리티컬 유스케이스로 프리미엄 밸류에이션을 정당화했다.

Jasper AI: GPT 래퍼의 경고

Jasper는 경고 사례다. 2022년 10월 $15억 밸류에이션 유니콘, $8,000만 ARR, 12만+ 사용자. 그러나 ChatGPT 출시(2022년 11월)가 "사실상 하룻밤 사이에 강력한 저비용 경쟁자"를 만들었다. Maginative 2023년 CEO 교체, 내부 밸류에이션 20% 하락, Fast Company ARR 예측 30%+ 하향. Maginative OpenAI 모델에 대한 과의존과 차별화 부재가 원인이었다.

이후 마케팅 팀 전용으로 피벗해 엔터프라이즈 ARR 400% 성장을 기록했지만, Fast Company "first-mover advantage는 일시적"이라는 교훈을 남겼다.

"AI OS" 개념의 현실

"AI OS"는 대부분 마케팅 용어에 가깝다. 실제로 실행 가능한 것은 Microsoft Copilot 생태계다—Windows, Office, Edge 전반에 걸친 AI 레이어와 "Windows가 에이전틱 OS로 진화" 비전. Notion AI는 Notion 데이터에만 제한되어 "기능"에 불과하고, Rabbit R1/Humane은 하드웨어 우선 접근이 채택에 실패했다. The Media Gen

스타트업이 진정한 "OS"가 되는 것은 비현실적이다. 대신 **특정 도메인의 "시스템 오브 레코드"**가 되는 것이 달성 가능한 목표다.

네트워크 효과와 Lock-in 구축: 소규모 팀의 방어력

실제로 작동하는 Lock-in 메커니즘

AI 플랫폼에서 작동하는 네트워크 효과는 제한적이다. a16z는 "데이터 네트워크 효과에 대한 대부분의 내러티브는 실제로는 데이터 스케일 효과"라고 경고한다. 그러나 다음은 실제로 작동한다:

1. 피드백 루프 효과: 인간의 승인/거부가 AI 출력을 개선 (Harvey의 변호사 검증)
2. 누적된 맥락: 재생성 불가능한 조직 지식 그래프
3. 딥 인테그레이션: 개발자 200+ 시간의 전환 비용 창출
4. 컴플라이언스/보안 투자: FedRAMP, SOC2, HIPAA 인증이 전환 마찰 생성
5. 커스텀 모델 훈련: 기업 특화 데이터로 훈련된 모델

핵심 원칙: "SaaS의 진정한 성공은 떠나기 어려운 것이 아니라, 대체하기 어려운 것이다." Medium

데이터 해자 구축: 성공하는 전략

성공하는 접근:

• 사용에 따른 독점 데이터 생성 (센서, 특수 산업 데이터 캡처)
• 큐레이션된 산업 데이터셋 (법률, 헬스케어, 금융 특화)
• 운영 데이터 축적 (모든 고객 인터랙션이 모델 개선)
• 신뢰받는 수탁자 지위 (다른 기업이 접근할 수 없는 민감 데이터 권한 획득)

실패하는 접근:

• 피드백 루프 없이 데이터=해자라고 가정
• 쉽게 복제되는 일반 데이터
• 더 나은 제품으로 복리화되지 않는 데이터