2025년 AI 경제의 대전환: Claude 1위 등극과 AI 스타트업의 새로운 기회

핵심 요약

모델 경쟁 심화: YC Winter 2026 배치에서 Claude가 OpenAI를 제치고 1위 API로 선택되면서 AI 모델 경쟁 구도가 급변중
AI 경제 안정화: 인프라 계층, 모델 계층, 애플리케이션 계층으로 구분되는 명확한 AI 경제 구조가 형성되었으며, 모두가 수익성 있는 비즈니스 모델을 확립
스타트업의 황금기: 기초 인프라 투자 단계가 마무리되면서 배포 단계로 진입하고 있으며, 이는 차세대 유니콘 기업이 등장할 기반 마련
코딩 도구의 부상: 특히 코딩 분야에서 Claude가 우수한 성능을 보이면서 에이전트 기반 AI 애플리케이션이 주요 성장 분야로 부상
인프라 제약의 기회: 전력 부족과 규제라는 제약 조건이 우주 데이터센터, 핵융합 에너지 등 새로운 기술 분야를 창출하는 역설적 기회 제공

AI 모델 경쟁 구도의 급변: Claude의 놀라운 부상

Claude가 ChatGPT를 제친 역사적 순간

가장 놀라운 현상은 AI 모델 시장에서의 급격한 변화입니다. Y Combinator의 Winter 2026 선발 주기 동안 창업자들을 대상으로 "당신의 기술 스택과 선택 모델은 무엇입니까?"라는 질문을 던졌을 때, 예상 밖의 결과가 나타났습니다.

이 팟캐스트 시리즈를 시작할 당시만 해도 OpenAI의 ChatGPT가 압도적인 압도적 점유율(90% 이상)을 차지하고 있었습니다. 그러나 최근 배치에서는 앤트로픽의 Claude가 OpenAI를 제치고 1위 API로 선택 되었습니다. Claude는 2024년 대부분과 2025년 초까지 약 20~25% 수준의 정체된 선택률을 보이다가, 지난 36개월 동안 놀라운 52% 이상의 하키 스틱 성장(Hockey Stick Growth) 을 기록했습니다.

이는 단순한 통계 변화가 아닙니다. 이는 스타트업 창업자들의 기술 선택 기준이 대폭 변경되었음을 의미하며, AI 모델 시장의 지배 구도가 근본적으로 재편되고 있음을 보여주는 명확한 신호입니다.

Claude 부상의 핵심 이유: 코딩과 에이전트 분야의 우월성

Claude가 이렇게 급부상한 데에는 몇 가지 구체적인 이유가 있습니다.

첫째, 코딩 도구와 에이전트 분야에서의 우수한 성능 입니다. 2025년 AI 업계에서 가장 큰 성공을 거둔 분야는 코딩 도구와 에이전트 영역입니다. Replit, Emergence, 그리고 Google에서 출시한 Anti-Gravity 같은 기업들이 큰 성공을 거두고 있습니다. 이 분야에서 Claude의 모델이 다른 모델들보다 훨씬 우수한 성능 을 발휘하고 있다는 것이 밝혀졌습니다.

이는 우연이 아닙니다. 앤트로픽의 공동 창립자 Tom Brown이 언급한 바와 같이, Claude는 의도적으로 특정 분야(코딩, 에이전트)에 특화되도록 설계되었습니다. 이러한 전략적 설계 결정이 제품 개발에 집중하는 창업자들에게 최고의 선택지 로 평가받게 된 것입니다.

둘째, "블리드 스루" 효과 라는 흥미로운 현상이 관찰되고 있습니다. 개발자들이 개인적인 코딩 작업에 Claude를 사용하면서 Claude의 특성과 성능에 깊이 익숙해지고, 이러한 익숙함이 다른 업무 영역에서도 Claude를 선택하게 만드는 효과입니다. 모델 각각이 강력한 고유의 개성과 특성 을 가지고 있기 때문에 사용자들이 익숙한 모델을 계속 사용하는 경향을 보입니다.

Google Gemini의 급상승: 다양성이 가져온 경쟁 심화

Claude의 부상과 함께 주목할 또 다른 현상은 Google Gemini의 급격한 성장 입니다.

2024년에는 단 2~3% 정도의 낮은 선택률을 기록했던 Gemini가 Winter 2026 배치에서 약 23%를 차지하게 되었습니다. 이는 10배 이상의 성장률 을 의미합니다.

여러 사용자들이 Gemini 3.0의 품질에 깊은 감명을 받았다고 언급합니다. 특히 추론(reasoning) 능력이 뛰어났으며, 구글의 고유한 강점인 실시간 정보 검색 능력 이 크게 평가되었습니다. 한 사용자는 Gemini를 개인적인 Google 검색 대체 도구로 사용할 정도로 신뢰하고 있으며, Perplexity와 비교했을 때 속도는 다소 느리지만 정확도 면에서 훨씬 우수 하다고 평가했습니다.

모델 특성의 다양성: 개성 있는 AI의 시대

흥미로운 점은 각 모델들이 명확한 개성과 특성 을 가지고 있다는 것입니다:

OpenAI ChatGPT: "블랙캣 에너지" - 신비로우면서도 강력한 느낌
Anthropic Claude: "낙천적인 골든 리트리버" - 친근하고 긍정적인 느낌
Google Gemini: 이 둘의 중간 지점 - 균형잡힌 특성

사용자들은 각 모델의 고유한 개성과 성향에 따라 도구를 선택합니다. ChatGPT의 뛰어난 기억력과 지속적인 맥락 파악 능력 은 여전히 강력한 경쟁력입니다. 개인적인 선호도와 사용 패턴이 형성되면, 사용자들은 익숙한 모델을 계속 사용하는 경향을 보입니다. 특히 기억 기능은 소비 경험의 핵심 해자(competitive moat) 가 되고 있습니다.

다중 모델 오케스트레이션: 새로운 표준 전략

엔지니어와 창업자들의 선택 행동: 다중 탭 전략

흥미로운 현상은 개인 사용자뿐만 아니라 전문가 집단도 동일한 행동 패턴 을 보이고 있다는 것입니다.

많은 기술자들은 세 개의 탭을 동시에 열어놓고 있습니다:

Claude 탭
Gemini 탭
ChatGPT 탭

동일한 작업을 세 모델 모두에 입력한 후, 각 모델의 출력을 비교하고 검토합니다. 그 이후 일반적으로 Claude에게 "다른 모델들의 답변은 이렇게 나왔는데, 너는 어떻게 생각하니?" 라고 물어보며 모델들 간의 의견 충돌을 조정합니다.

기업급 다중 모델 오케스트레이션 전략

흥미롭게도 개인 사용자들의 이러한 행동이 전문 스타트업 팀의 기술 전략 으로 그대로 확대되고 있습니다.

특히 Series B 규모의 대규모 AI 기반 회사의 창업자들과 최근 대화를 나눈 결과, 다음과 같은 패턴이 관찰되었습니다:

모델 독립성 유지: OpenAI나 Anthropic에 기술적 충성도를 유지하지 않음
오케스트레이션 계층 구축: 새로운 모델이 출시될 때마다 자유롭게 모델을 교체하고 조합할 수 있는 기술 계층 개발
작업별 모델 최적화: 특정 에이전트 유형이나 작업 카테고리마다 승자가 다르며, 각 작업에 최적의 모델을 선별해서 사용

한 스타트업의 구체적인 사례는 특히 주목할 만합니다:

Google Gemini 3을 사용 해 문맥 엔지니어링(context engineering) 수행
생성된 결과를 OpenAI에 입력 해 최종 실행
새로운 모델이 출시될 때마다 지속적으로 모델 조합을 변경

이러한 다중 모델 전략은 E-VALS(Exclusive Vertical AI Layer System) 같은 고유의 수직형 AI 에이전트가 자신들의 핵심 경쟁력이 될 때 가능합니다. 규제가 심한 산업에서 일하는 회사들의 경우, ** 자신의 독점적 데이터셋이 어떤 모델과 결합하든지 최고의 성능을 발휘**할 수 있기 때문입니다.

모델 오케스트레이션의 의미: 상품화와 기회의 역설

이러한 다중 모델 전략은 흥미로운 역설을 만들어냅니다:

모델 회사 관점에서: OpenAI, Anthropic, Google이 계속해서 더 빠르고 더 나은 모델을 개발하기 위해 막대한 자금을 투자하고 있습니다. 모든 사람이 이 경쟁의 혜택을 누릴 것이라고 기대합니다. 이는 Intel과 AMD 경쟁 시대와 유사합니다. 새로운 칩 아키텍처가 나올 때마다 사람들은 간단히 기술을 전환할 수 있었습니다.

가치 창출의 위치 이동: 이전에는 ** 모델 회사에서 가치가 창출될 것이라는 우려가 지배적이었습니다. Claude Code의 놀라운 출시를 볼 때 모델 회사들이 애플리케이션 계층을 장악할 것 같았습니다. 하지만 ** Gemini의 급부상으로 모델들이 상품화되면서, 가치 창출의 중심이 다시 애플리케이션 계층의 스타트업으로 이동하고 있습니다.

AI 경제의 안정화: 명확한 구조의 형성

세 계층 구조의 확립과 수익성 달성

2025년의 가장 놀라운 현상은 AI 경제가 급속도로 안정화 되었다는 점입니다.

2024년 말만 해도 AI 업계는 빠르게 변화하는 혼란스러운 환경이었습니다:

발 아래의 땅이 계속 흔들리고 있었음
다음 대격변이 언제 일어날지 불확실함
스타트업 생태계에 정확히 어떤 일이 일어날지 예측 불가능

하지만 현재는 명확한 세 계층 구조 가 형성되었습니다:

인프라 계층: GPU, TPU, 데이터센터 같은 기본 컴퓨팅 자원
모델 계층: OpenAI, Anthropic, Google 같은 기초 모델 개발 회사들
애플리케이션 계층: 이 모델들을 활용해 실제 비즈니스 솔루션을 구축하는 스타트업들

놀랍게도, 세 계층 모두가 막대한 수익을 창출 하고 있습니다. 더욱 중요한 것은 모델 위에 AI 네이티브 회사를 구축하는 방법에 대한 상대적으로 명확한 플레이북 이 이미 확립되었다는 점입니다.

스타트업 아이디어 발굴의 정상화

이러한 안정화는 한 가지 중요한 결과를 낳았습니다:

스타트업 아이디어를 발굴하는 난이도가 정상 수준으로 회귀 했다는 것입니다.

이 팟캐스트의 이전 에피소드에서 우리는 다음과 같이 분석했습니다:

스타트업 아이디어를 찾는 것이 그 어느 때보다 쉬워졌다
몇 달만 버티면 새로운 기회를 만들 큰 발표가 있을 것이다
새로운 모델이 출시될 때마다 새로운 가능성이 열린다

하지만 현재는 이러한 패턴이 변화했습니다:

큰 모델 발표의 빈도가 감소
모델의 점진적 개선 추세로 전환
아이디어 발굴이 다시 평범한 난이도로 돌아옴

이는 기술 혁신 속도의 합리화 를 의미합니다. 혹자는 이를 부정적으로 보지만, 실제로는 스타트업 생태계와 사회 전체에 건강한 신호 입니다.

스케일링 법칙의 로그 선형적 특성

기술 발전의 속도 완화는 새로운 과학적 이해와도 연결됩니다:

스케일링 법칙을 보면 기술 진보는 로그 선형적(log-linear) 증가 패턴 을 보입니다. 즉:

성능을 2배 향상하려면 현재보다 2배 더 많은 연산 능력 필요
성능을 4배 향상하려면 현재보다 16배 더 많은 연산 능력 필요
성능을 10배 향상하려면 현재보다 10^n배의 연산 능력 필요

따라서 각 단계의 개선에 필요한 자원 투입이 기하급수적으로 증가 합니다. 이는 혁신의 속도가 자연적으로 둔화될 수밖에 없다는 것을 의미합니다.

기술 저항의 역설: 느린 채택이 가져온 기회

조직의 변화 저항: 기술 발전을 완화하는 역설

흥미로운 역설이 있습니다. 기술이 빠르게 발전하는 것도 문제이지만, 인간이 변화를 극도로 거부 한다는 것도 놀라운 사실입니다.

MIT의 보고서에서는 기업 AI 프로젝트의 약 90~98%가 실패한다고 언급했습니다. 하지만 깊이 있는 분석을 해보니, 놀라운 사실이 드러났습니다: 기업의 90%는 AI는커녕 기본적인 IT 인프라를 제대로 관리하고 있지도 못했습니다.

이는 한편으로는 기괴해 보이지만, 거대한 기술 변화의 맥락에서는 실제로 긍정적인 신호 입니다:

사회가 기술 변화를 흡수할 시간을 확보할 수 있기 때문입니다.

조직의 느린 변화 속도는:

문화가 기술을 따라잡을 수 있는 시간 제공
정부가 SB1047 같은 급진적인 규제 대신 신중하게 정책을 마련할 기회 제공
사회적 적응과 윤리적 논의가 병행될 수 있는 환경 조성

실제로 이러한 사회적 저항과 느린 채택 속도는 기술의 급진적 발전으로부터의 중요한 보호 장치 역할 을 합니다.

"AI 거품" 논쟁의 본질

학부생들과의 대화에서 자주 받는 질문 중 하나는 다음과 같습니다:

"Nvidia와 OpenAI 사이에서 미친 라운드 트리핑이 일어나고 있는데, 이게 다 가짜 AI 거품 아닌가요?"

이에 대한 답변은 역사적 맥락에서 찾을 수 있습니다.

1990년대의 통신 거품(Telecom Bubble) 을 생각해보세요:

수십억, 수백억, 수천억 달러가 통신 인프라 투자에 쏟아졌음
많은 투자가 낭비되고 회사들이 실패함
그럼에도 불구하고 유튜브 같은 혁신적 서비스가 등장할 수 있었던 이유는?

그 이유는 상대적으로 저렴한 여분의 대역폭이 많이 존재 했기 때문입니다. 초과 용량이 없었다면, 유튜브 같은 대역폭 집약적 서비스는 훨씬 나중에 등장했을 것입니다.

현재의 AI 투자도 동일한 논리로 이해할 수 있습니다:

대규모 인프라 투자가 이루어지고 있음
일부는 낭비되거나 과잉 투자될 수 있음
하지만 이러한 풍요의 시대가 아니었다면:
- 경쟁이 훨씬 적었을 것
- 가격은 훨씬 높았을 것
- 스택 하단부의 마진이 더 높았을 것

컴퓨팅 자원의 풍요가 가져오는 기회

흥미로운 발전은 Nvidia 같은 기업의 실적과 시장 평가의 역설 입니다:

Nvidia의 주가가 170대 수준으로 하락했습니다. 사람들은 "Gemini가 너무 좋다. 이제 아무도 Nvidia만 사용하지 않는다. 모두 AMD를 사고, TPU도 잘 작동한다"고 말합니다.

하지만 이것이 의미하는 바는:

경쟁이 생겼다는 뜻
컴퓨팅 자원이 덜 필요해졌다는 뜻이 아니라, 더 많아질 것이라는 뜻

실제로 이는 모든 대형 언어 모델 회사(AI 연구소)에게 좋은 소식 입니다. 왜냐하면:

전체 시장에서 경쟁이 심화됨
더 많은 컴퓨팅 자원이 필요함
이는 결과적으로 스택의 상층부(애플리케이션 계층) 에서 기회를 찾는 스타트업들에게 더 좋은 기회 를 제공

데이터센터 건설의 제약과 새로운 솔루션: 우주로 떠나다

인프라 건설의 실제 병목: 규제와 전력

2025년에 관찰되는 흥미로운 현상 중 하나는 데이터센터 건설을 위한 새로운 솔루션들 의 등장입니다.

기술 회사들이 막대한 AI 인프라 투자를 하면서 직면한 현실적 제약은:

규제의 벽: 특히 캘리포니아의 CEQA(환경품질평가)
- 환경 로비에 의해 악용되고 있음
- 모든 혁신과 주택 건설을 중단시키고 있음
- 지구상의 충분한 공간이 있음에도 "불가능"하게 만듦
전력 부족의 위기: 더 근본적인 제약
- AI 데이터센터는 막대한 전력 소비
- 현재의 전력 생산 능력으로는 수요를 감당할 수 없음
- 이는 단순한 비용 문제가 아닌 물리적 가능성의 문제

StarChip: 우주 데이터센터의 현실화

이러한 제약에 대한 해답으로 등장한 것이 StarChip 입니다. 2024년 여름에 우주에 데이터센터를 건설하겠다는 발표를 했을 때 인터넷 반응은 조소적이었습니다:

"인터넷에서 본 것 중에 가장 멍청한 아이디어다"

하지만 18개월이 지난 지금:

Google이 똑같은 프로젝트를 진행 중
Elon Musk가 활발히 참여 중
이제 모든 인터뷰에서 주요 화제로 언급됨

이러한 역전의 원인은 기술적, 경제적 현실성의 발견 입니다:

우주의 마이크로그래비티 환경에서 데이터센터 운영이 실제로 가능함
지상의 제약(규제, 토지, 건설)을 우회할 수 있음
장기적으로 경제성이 있을 가능성 이 점차 확인됨

핵융합 에너지의 재조명: Y Combinator의 삼위일체

더 근본적인 해결책으로 부상하고 있는 것이 핵융합 에너지 입니다.

Y Combinator는 데이터센터 건설의 세 가지 핵심 문제를 해결하는 스타트업들에 투자하고 있습니다:

토지 부족: StarChip (우주 데이터센터)
에너지 부족: Boom Supersonic, Helion Energy
우주 핵융합: Zephyr Fusion

특히 Zephyr Fusion 의 사례는 주목할 만합니다:

창립자의 배경:

평균 나이 40대
국가 연구소(National Labs) 소속 엔지니어들
평생 토카막(Tokamak)과 핵융합 에너지 연구

중요한 깨달음:

연구실에서 물리학, 수학, 모델을 재분석
"이걸 우주에서 한다면 실제로 수익성이 있을 거야" 깨닫게 됨
5~10년의 원대한 목표: 우주에서 실제 핵융합 에너지 구현

성공 시 기대 효과:

우주에서 기가와트(Gigawatt) 규모의 지속 가능한 에너지 생산 가능
우주 데이터센터에 안정적인 전력 공급
"완벽한 삼위일체" 실현 가능

제약이 만드는 혁신: CEQA의 역설

흥미로운 역설은 제약 조건이 오히려 혁신을 가속화 시키고 있다는 점입니다:

CEQA 같은 규제가 없었다면?
- 지상에 더 쉽게 데이터센터 건설 가능
- 우주 프로젝트 투자 필요 없음
- 기술 진보가 더 느림
현재의 제약으로 인해:
- 우주 기술 발전 촉진
- 핵융합 에너지 상용화 가속
- 인류의 기술 수준 전반적 향상

이는 생각하지 못했던 분야에서의 기술 혁신을 강제 합니다.

모델 개발 진입장벽의 하락과 특화된 AI의 부상

모델 개발 역량의 민주화

흥미로운 추세 중 하나는 모델 개발 스타트업에 대한 관심의 양극화 입니다.

큰 자본을 조달해서 OpenAI와 정면 승부를 벌이려는 회사들도 있습니다 (예: SSI의 Illo). 하지만 YC 내부에서는 다른 패턴이 관찰됩니다:

더 작고 특화된 모델을 개발하는 스타트업들의 증가:

엣지 기기에서 실행되는 경량 모델
특정 언어에 특화된 음성 모델
특정 산업/작업에 최적화된 소형 모델들

역량 기반의 변화: AI 초창기와의 비교

AI 초창기 YC에서는 주로 SaaS 스타트업들이 대량으로 생겨났습니다.

이유는:

스타트업 창업 방법에 대한 지식이 널리 퍼짐
소프트웨어 구축 방법의 정형화된 정보가 대량 존재
10년 이상 쌓인 스타트업 생태계 경험

현재는 이러한 변화가 AI 연구와 응용의 결합 분야 로 확대되고 있습니다:

모델 훈련의 민주화:

이전: 매우 희귀한 기술 (OpenAI 같은 소수 기업만 가능)
현재: 상대적으로 흔해진 기술

필요한 역량의 확대:

이전 10년: 연구자 + 엔지니어 + 비즈니스 전문가의 드문 조합 필요
현재: 연구, 엔지니어링, 스타트업 자본 조달을 모두 할 수 있는 인재 증가
학습과 교육 체계 확립으로 진입장벽 대폭 하락

강화학습(RL)의 부상: 작은 모델의 역전

특히 주목할 트렌드는 강화학습(Reinforcement Learning)을 통한 특화 모델의 급부상 입니다:

구체적인 성공 사례:

YC 스타트업이 80억 파라미터 규모의 작은 모델을 헬스케어 분야에 특화
OpenAI GPT-4를 능가하는 성능 달성
강화학습으로 미세 조정(Fine-tuning)한 결과

중요한 통찰:

작은 모델이 큰 모델을 특정 영역에서 압도 가능
핵심은 후속 훈련 인프라 의 구축
지속적인 개선과 미세 조정이 필수

도전적 현실:

한 회사가 GPT-3.5를 능가하는 모델을 RL로 미세 조정했음
하지만 GPT-4.5, 5.1이 나오면서 다시 압도됨
따라서 지속적인 선도 유지가 필수적

이는 흥미로운 딜레마를 만듭니다:

특화된 작은 모델로 경쟁 가능
하지만 기초 모델이 계속 진화하므로 경쟁력 유지를 위해 항상 따라가야 함
결국 애플리케이션과 데이터의 독특한 조합이 진정한 경쟁력

코딩 도구와 AI 에이전트: 가장 큰 성공 카테고리

바이브 코딩의 주류화: 2025년의 가장 큰 성공

2025년 가장 눈에 띄는 현상 중 하나는 코딩 도구 카테고리의 폭발적 성장 입니다.

YC 포트폴리오에서 관찰되는 현상:

Replit: 계속된 성공
Emergence: 급격한 성장
Anti-Gravity (Google Varun Mohan 주도): Google 수준의 제작 품질로 출시

특히 Google의 Anti-Gravity 소개는 매우 영화적인 연출 이었습니다:

Varun이 키보드에 앉은 모습
CEO Sergey가 배경에 위치
고도로 제작된 영상 콘텐츠

코딩 AI의 현실적 제약

하지만 현실적인 평가는 더 신중합니다:

현 단계의 한계:

바이브 코딩이 100% 신뢰할 수 있는 것은 아님
2025년 말 기준으로도 100% 완벽한 프로덕션 코드를 자동으로 생성할 수 없음
여전히 검토, 수정, 검증 단계 필요

그럼에도 불구하고 성공하는 이유:

개발 속도 대폭 향상
반복적 작업의 자동화
시니어 개발자의 생산성 극대화

소비자 앱의 역설적 부족

역설적이게도, 개인 사용자들을 위한 특화된 AI 애플리케이션 은 아직도 부족합니다.

관찰된 패턴:

많은 사람들이 특정 도메인에서 자신만의 프롬프트 패턴 개발
반복적으로 동일한 컨텍스트 엔지니어링 수행
이러한 일을 자동화해주는 전문 앱이 없음

구체적 예시: 부동산 거래

집을 구매할 때 모든 검사 보고서 분석 필요
부동산 중개인과의 정보 격차 해소 필요
현재는 ChatGPT에서 긴 대화로 직접 구성하고 있음
이러한 일을 자동으로 처리하는 앱이 필요하지만 아직 없음

앱 개발이 더딘 이유:

고가치 거래에서 오류가 치명적
단순한 프롬프트 없이도 정확할 정도의 신뢰도 아직 부족
여전히 사용자가 직접 많은 노력과 컨텍스트 입력 필요

이는 흥미로운 스타트업 기회 를 제시합니다.

AI 스타트업 기업가들의 기업가 정신: 세대 교체와 새로운 표준

스타트업 팀의 조직 구조 변화: 혼자에서 팀으로

흥미로운 관찰은 AI 스타트업의 팀 구성 패턴의 변화 입니다.

2024년 초의 이례적 현상:

창업자만 있거나 매우 소규모 팀
연간 매출 100만 달러 달성, Series A 투자 유치
직원 거의 없는 상태에서 성장

2025년의 현실:

이러한 회사들이 Series A 이후 "실제 팀"을 구성하기 시작
단순히 창업자의 개인 프로젝트에서 실제 회사로 전환
채용과 조직 구축에 진지하게 집중

고생산성과 팀 구성의 역설

흥미로운 것은 고생산성 회사도 팀을 채워야 한다 는 점입니다:

관찰된 패턴:

같은 매출을 내는 회사 중 일부는 더 작은 팀으로 운영 가능
하지만 이것이 영구적인 현상이 아님
여전히 팀 구성과 채용에 병목 이 존재

깨달음:

AI가 모든 작업을 효율화했다는 가정은 부분적으로만 참
고객 기대치도 함께 상향됨
경쟁이 심화되면서 더 많은 기능, 더 나은 서비스 필요
결국 같은 수준의 또는 더 많은 인력 필요

코호르트 효과: Harvey vs Lagora의 경쟁

특히 주목할 만한 사례는 법률 AI 분야의 세대 교체 입니다:

1세대 AI 기업: Harvey

창업자들이 뛰어남
2023년 크게 성공한 것처럼 보임
엄청난 자본 조달 성공
후속 훈련(fine-tuning)에 대규모 투자

2세대 기업들: Lagora, Giga

Harvey보다 후발주자
더 효율적인 기술 선택
1세대의 과다 투자 교훈 활용
비슷한 또는 더 나은 성과 달성

결과:

Harvey가 파인튜닝에 수십억 달러 낭비
직접적인 이득 없음
역설적으로 투자자들만 이득본 상황 발생 (주식 희석으로 회사 가치는 그대로인데 투자자 지분은 증가)

팀 규모와 기업가 정신의 재발견

흥미로운 통찰:

두 가지 경쟁하는 가설:

효율화 가설: "AI가 모든 것을 효율적으로 만들어 더 적은 사람이 필요하다"
기대 상향 가설: "AI가 비용과 시간을 줄이므로 고객 기대치가 높아져 더 많은 사람이 필요하다"

2025년의 현실: ** 기대 상향 가설이 지배적**

증거:

같은 시장을 놓고 여러 회사가 경쟁 (Harvey vs Lagora vs Giga 등)
고객 기대치는 계속 상향
모두 팀을 확대하고 있음
여전히 인력 채용에 심한 병목 존재

결론: 한 명이 수조 달러 회사를 운영하는 시대는 아직 오지 않았습니다. 하지만 ** 직원 100명 미만의 회사들이 수억 달러의 매출을 달성**하는 것이 새로운 표준이 될 것으로 보입니다.

Llama의 역전된 자랑: 새로운 성공 지표

Llama의 출시는 성공의 정의가 근본적으로 변했음 을 보여줍니다:

전통적인 자랑:

"우리가 이렇게 많은 자금을 조달했다"
"우리를 위해 이렇게 많은 사람들이 일한다"
규모와 투자의 크기로 성공 측정

Llama의 새로운 자랑:

"50명의 직원으로 연간 1억 달러의 반복 매출(ARR) 달성"
매출 대비 팀 규모의 효율성 강조
"우리를 위해 일하는 사람이 얼마나 적은지 보세요"

이는 완전히 역전된 가치 체계 를 반영합니다:

의미하는 바:

더 이상 "규모가 크면 좋다"는 식의 가정이 없음
효율성, 즉 같은 매출을 더 적은 인원으로 창출하는 능력이 새로운 지표
AI를 활용한 극도의 효율화가 이루어지고 있음

결론: 2025년, AI 경제의 정착과 다음 기회

2025년은 AI 업계에게 기념비적인 한 해였습니다. 놀랍도록 빠르게 변화하던 시기가 지나고, 명확한 구조와 규칙을 갖춘 성숙한 AI 경제 가 형성되었습니다.

핵심 변화의 정리

1. 모델 경쟁의 다원화

OpenAI의 독점에서 Claude, Gemini 등 다양한 선택지로 전환
각 모델의 특화된 강점이 명확히 드러남
다중 모델 오케스트레이션이 새로운 표준

2. AI 경제의 안정화

인프라, 모델, 애플리케이션의 세 계층 구조 확립
각 계층의 비즈니스 모델과 수익성 확보
AI 스타트업 구축을 위한 명확한 플레이북 제시

3. 스타트업의 새로운 기회

대규모 인프라 투자가 마무리되고 배포 단계로 진입
애플리케이션 계층의 스타트업에게 유리한 환경 조성
기술 진보의 민주화로 진입장벽 대폭 하락

4. 제약이 만드는 혁신

규제와 자원 부족이 역설적으로 새로운 기술 분야 창출
우주 데이터센터, 핵융합 에너지 같은 미래 기술 촉진
기술 발전의 방향성 다양화

5. 팀과 조직의 재정의

개인 창업자의 시대에서 팀 빌딩의 중요성 재발견
효율성 지표의 변화: 규모에서 "적은 인원으로 많은 매출" 달성으로 전환
AI를 활용한 극도의 효율화 추구

스타트업 창업자들을 위한 메시지

이제 AI 스타트업을 시작하기 위해 특별한 때를 기다릴 필요가 없습니다. 대신:

명확한 구조 위에서 실행: 이미 검증된 비즈니스 모델과 플레이북 존재
경쟁하지 말고 차별화: 모델은 빌리고, 데이터와 UX로 차별화
팀 구성에 집중: 기술은 도구이고, 뛰어난 팀이 진정한 경쟁력
특화에 집중: 특정 산업, 특정 작업에 최적화된 솔루션 추구
효율성 추구: 적은 인원으로 큰 가치를 창출하는 조직 문화 구축

2025년의 AI 경제 안정화는 기술자들이 기술 자체에 덜 집중하고 비즈니스와 고객에 더 집중 할 수 있는 환경을 만들었습니다. 이는 다음 세대의 위대한 기업들이 등장할 준비가 되었음을 의미합니다.

가장 흥미로운 AI 회사들은 아직 시작되지 않았습니다. 지금이 바로 그 기회입니다.

원문출처: https://www.youtube.com/watch?v=cqrJzG03ENE

powered by osmu.app

2025년 AI 경제 변화: Claude가 ChatGPT를 넘다