"AI 파일럿의 95%는 실패한다." 작년 내내 회의실마다 인용된 이 MIT 통계, 한 번쯤 들어보셨을 거예요. 그런데 a16z가 설문이 아니라 실제 매출 데이터로 같은 질문을 던졌더니, 정반대 풍경이 나왔어요. 신기술에 가장 보수적이라는 Fortune 500의 29%가, 출시 3년밖에 안 된 AI 스타트업에 이미 돈을 내고 있는 유료 고객이었거든요.
"AI 쓰세요?" "네." — 우리가 보던 대기업 AI 리포트는 대부분 이런 자기 보고 설문이었어요. 감정(sentiment)은 측정하지만 실체는 못 봐요. a16z가 이번에 한 건 달라요. AI 스타트업들의 실제 계약 데이터, 공개 매출, 수천 건의 기업 미팅 기록을 직접 집계했어요. "쓴다고 답한 회사"가 아니라 "실제로 돈을 쓰는 회사"를 센 거죠.
왜 "95% 실패"가 틀렸나 — 숫자가 말하는 것
이 29%가 왜 충격적인지 맥락이 필요해요. Fortune 500은 신기술 얼리어답터가 절대 아니에요. 보통 스타트업은 다른 스타트업에 먼저 팔고, 몇 년이 지나서야 대기업 첫 계약을 겨우 따내죠. 그런데 AI는 이 순서를 통째로 뒤집었어요. ChatGPT 출시 후 단 3년 만에 Fortune 500의 거의 1/3, Global 2000의 약 19%가 AI 스타트업에 지갑을 열었어요.
다른 실데이터도 같은 방향을 가리켜요. Menlo Ventures에 따르면 기업의 생성형 AI 지출은 2024년 115억 달러에서 2025년 370억 달러로 3.2배 뛰었고, NVIDIA 조사에선 64%의 기업이 AI를 이미 실제 운영에 쓰고 있다고 답했어요. "파일럿만 하다 끝난다"는 서사와는 거리가 멀죠.
핵심은 "AI 도입이 되느냐 마느냐"가 아니에요. 도입은 이미 일어났고 가속 중이에요. 진짜 질문은 "그 돈이 정확히 어디로 가고 있느냐"예요. 그리고 그 답이 놀랄 만큼 좁아요.
돈은 딱 세 곳으로 갔다: 코딩 > 서포트 > 검색
매출이 균일하게 퍼진 게 아니에요. 세 군데로 명확히 쏠렸어요. 그리고 왜 이 셋이냐를 알면, 우리 조직에서 어디부터 손대야 하는지가 그대로 보여요.
| 유즈케이스 | 특징 | 왜 잘 되는가 |
|---|---|---|
| 코딩 | 나머지 모든 유즈케이스의 합보다 큼 | 데이터 풍부, 결과 즉시 검증 가능, 엔지니어가 얼리어답터, 생산성 10~20배 |
| 서포트 | SOP 기반, ROI 정량 측정 가능 | 의도가 한정적, 에스컬레이션 가능, 이미 BPO 외주라 변경관리 비용 낮음 |
| 검색 | 사내 검색 + 산업 특화 검색 | ChatGPT 자체가 검색 도구, Glean·Harvey·OpenEvidence 급성장 |
코딩이 압도적인 이유를 a16z는 셋으로 정리해요. 코드는 온라인에 고품질 데이터가 방대하고, 텍스트 기반이라 모델이 파싱하기 쉽고, 구문이 정확해서 결과를 즉시 검증할 수 있어요. Cursor의 폭발, Claude Code와 Codex의 급성장이 그 증거죠. 게다가 코딩 도구는 100% 완벽하지 않아도 가치가 있어요. 보일러플레이트 생성, 버그 찾기 같은 부분 자동화만으로 시간을 벌어주고, 개발자가 리뷰하는 human-in-the-loop가 자연스러워 도입 장벽이 낮거든요.
그런데 진짜 노릴 건 2위, 서포트예요
코딩은 개발팀이 알아서 도입해요 — 경영진이 결정할 일이 별로 없죠. 서포트는 정반대예요. 코딩이 "가장 투자가 많은 영역"이라면, 서포트는 "가장 간과되는데 AI에 딱 맞는 영역"이거든요. 의도가 한정적이고("환불해주세요"), SOP가 명확하고, CSAT·해결률로 ROI를 바로 증명할 수 있어요. 이미 BPO에 외주 중이라 AI로 바꿔도 변경관리 비용이 낮고, "매니저 연결해드릴게요"라는 자연스러운 에스컬레이션 경로까지 있어요. 파일럿 리스크가 가장 낮은 첫 타깃이 바로 여기인 이유예요.
의외의 승자: 법률과 헬스케어가 왜 빨랐을까
산업별로 보면 테크가 선두인 건 당연해요. ChatGPT 비즈니스 사용자의 27%가 테크니까요. 진짜 흥미로운 건 역사적으로 소프트웨어 도입이 가장 느렸던 두 시장, 법률과 헬스케어가 앞줄에 섰다는 거예요.
법률은 도입 타임라인이 길고 기술 친화적 바이어가 적은 시장이었어요. 핵심은 이거예요 — 기존 소프트웨어는 변호사에게 가치가 제한적이었지만, AI는 변호사의 핵심 업무 그 자체(대량 텍스트 분석, 추론, 요약, 초안 작성)에 직접 꽂혀요. Harvey가 창업 3년 만에 ARR 2억 달러를 찍은 게 증거죠.
헬스케어도 같은 패턴이에요. EHR(전자건강기록)이 장악해 신규 소프트웨어가 비집고 들어갈 틈이 없던 시장인데, AI는 EHR을 대체하지 않으면서 의료 기록 작성(scribing), 의료 검색, 백오피스 자동화 같은 틈새에서 명확한 가치를 줬어요. Abridge, Ambience Healthcare가 빠르게 크는 이유예요.
패턴이 보이시죠? "기존 소프트웨어가 핵심 업무를 못 건드렸던 시장"에 AI가 정확히 그 빈틈으로 들어가고 있어요. 당신의 산업에도 그런 빈틈이 있는지 — 이게 다음 기회의 좌표예요.
아직 안 터졌지만, 모델이 무섭게 따라잡는 영역
a16z가 빌더에게 가장 강조하는 부분이에요. 지금 매출 모멘텀은 없지만, OpenAI의 GDPval 벤치마크 기준으로 모델 성능이 폭발적으로 개선되는 분야들이 있거든요. 여기가 다음 라운드의 블루오션이에요.
다른 조사들도 같은 그림이에요. McKinsey는 거의 모든 기업이 AI를 쓰지만 2/3가 아직 스케일링 단계에 못 들어갔다고 했고, Deloitte는 프로젝트 40% 이상을 프로덕션에 올린 기업 비율이 6개월 내 2배가 될 거라 전망했어요. ISG는 2025년 프로덕션까지 간 유즈케이스가 전년 대비 2배로 늘어 31%에 달했다고 밝혔고요.
그래서, 월요일에 뭘 해야 하나
실데이터에서 끌어낸, 바로 적용 가능한 5단계 프레임워크예요. 도입 검토자든 빌더든 여기서 출발하면 돼요.
- "검증 가능한 영역"부터 스캔하기
AI가 잘 먹히는 영역엔 공통점이 있어요 — 텍스트 기반, 반복적, human-in-the-loop가 자연스러움, 결과를 검증 가능. 코딩·서포트·검색이 1~3위인 이유가 전부 이거예요. 우리 조직 업무 중 이 네 조건에 맞는 걸 먼저 골라내세요. - 첫 파일럿은 무조건 서포트로
리스크가 가장 낮아요. SOP가 있고, CSAT·해결률로 ROI를 즉시 측정하고, 실패해도 사람에게 에스컬레이션하면 끝. 코딩은 개발팀이 알아서 하지만, 서포트는 경영진이 결정 가능하고 ROI 증명이 쉬워 "AI 효과"를 조직에 보여주기 좋아요. - 모델 성능 트렌드를 분기마다 추적하기
지금 AI가 못하는 것도 6개월 뒤엔 달라져요. 회계·감사가 4개월 만에 20%p 뛴 것처럼요. GDPval, METR 벤치마크를 정기 확인하면 "언제 우리 영역에 AI가 쓸 만해지는지" 타이밍을 잡을 수 있어요. - "부분 자동화"를 절대 과소평가하지 말 것
업무의 50%만 자동화해도 나머지 50%에 집중하게 돼요. 코딩 도구가 보일러플레이트만 짜줘도 생산성이 10~20배 뛰듯이. 100% 자동화를 목표하면 실패하고, 부분 자동화는 이미 검증된 전략이에요. - 빌더라면 — "모델은 좋은데 스타트업은 없는" 영역을 선점
a16z가 빌더에게 주는 핵심 조언. 지금 매출 모멘텀은 없지만 GDPval 기준 모델 역량이 급상승하는 영역(회계·수사 등). 지금 성공한 AI 스타트업 다수가, 모델이 충분히 좋아지기 전에 인프라와 고객 관계를 먼저 깔아 선점한 경우였어요.
설문 데이터와 실매출 데이터를 섞어 읽으세요
McKinsey·Deloitte·NVIDIA 조사는 설문 기반이라 "AI를 쓴다"의 정의가 넓어요(낙관 쪽으로 부풀려질 수 있음). a16z는 실제 계약·매출 기준이라 더 보수적이고요. 한쪽만 보면 그림이 왜곡돼요 — 두 유형을 겹쳐 봐야 진짜 위치가 잡혀요.
