Sajid Mehmood가 Datadog에서 배운 핵심 교훈은 간단했어요. "고객은 자기 경쟁자한테 핵심 인프라를 맡기지 않는다."
지금 그게 AI 코딩 도구 시장에서 다시 반복되고 있어요. OpenAI와 Anthropic이 수직 시장에 직접 뛰어든다고 공언하는 시점에, 그 회사들의 AI를 코어 개발 인프라로 쓰고 있다면 — 이 구조가 불편하게 느껴지기 시작하는 건 당연한 얘기예요.
Datadog이 AWS를 이긴 건 기술력이 아니었어요
클라우드 모니터링 시장에는 이미 AWS CloudWatch가 있었어요. 공짜였고, AWS 인프라와 완벽하게 통합됐죠. 그런데 독립 스타트업 Datadog이 이 시장을 차지했어요.
Mehmood는 그 이유를 직접 목격했어요. Datadog의 많은 고객들이 아마존과 같은 시장에서 경쟁하는 기업들이었어요 — 소매, 물류, 미디어. 이들은 자기 인프라 데이터를 경쟁자한테 주기 싫었던 거예요. 도구 성능과 별개로, 경쟁사 플랫폼에 의존하는 구조 자체가 전략적으로 불편했던 거죠.
공급자 갈등(Supplier Conflict)이란?
내가 쓰는 도구를 만드는 회사가 동시에 내 시장에서 경쟁할 때 발생하는 구조적 이해충돌이에요. 기능적 우수성과 별개로, 핵심 인프라 데이터가 경쟁 관계에 있는 회사에게 흘러들어가는 전략적 리스크가 생겨요.
이 맥락에서 흥미로운 건 Datadog의 두 공동창업자 Olivier Pomel과 Alexis Lê-Quôc이 지금 Niteshift에 직접 투자했다는 거예요. 자기들이 만들어낸 패턴이 AI 시장에서 다시 작동한다는 걸 누구보다 잘 아는 사람들이죠.
AI 코딩 시장에서 같은 구조가 나타나고 있어요
Mehmood의 말을 직접 들어보면 이렇습니다. "Datadog에서 이 패턴을 분명히 봤어요. Anthropic이 법률, 의료, 금융 등 다양한 시장에 직접 진입하게 되면, 정확히 같은 역학이 반복될 겁니다."
지금 AI 코딩 에이전트 시장의 규모가 얼마나 크냐면 — Cognition(Devin 만든 곳)은 $26B 밸류에이션에 $1B을 조달했고, 멀티 모델 라우팅 레이어인 OpenRouter는 $113M을 조달해 주간 25조 토큰, 800만 개발자에게 400개 이상의 모델을 서비스하고 있어요.
OpenRouter Series B 발표에 따르면 조직들이 단일 모델 파일럿에서 멀티 모델 프로덕션 시스템으로 이동하면서, 그 복잡성을 위해 설계된 라우팅·게이트웨이 레이어가 필요하게 됐다.
"GPT와 Claude 모델을 전환할 수 있는 게 중요해요. 다들 이 거인들한테 밟힐까봐 걱정하고 있거든요."
— Sajid Mehmood, Niteshift CEO
Niteshift가 제안하는 건 단순한 모델 전환 도구가 아니에요. 토큰이 아닌 분당 과금으로 AI 코딩 에이전트를 실행하는 클라우드 인프라예요 — Mehmood의 표현을 빌리면 "우리는 에이전트에게 소프트웨어를 판다, 사람에게 파는 게 아니라."
지금 당장 점검해야 할 것들
Niteshift가 아직 초기 단계라도, 이 흐름이 주는 실전 교훈은 지금 바로 적용할 수 있어요.
- 공급자의 수직 진입 계획 파악하기
사용 중인 AI 코딩 도구의 모델 제공자(OpenAI, Anthropic 등)가 당신 업종에 직접 제품을 출시할 계획이 있는지 파악해보세요. 경쟁 관계가 될 수 있는 시장에 있다면 단일 공급자 의존도를 낮추는 게 전략적으로 맞아요. - 데이터 처리 정책 확인하기
현재 사용 중인 AI 코딩 도구의 ToS에서 데이터 학습 조항을 확인하세요. Cursor Enterprise처럼 Privacy Mode를 명시하는 곳이 있고, 그렇지 않은 곳도 있어요. 학습 여부를 떠나, 데이터가 어디로 가는지는 기본 확인 사항이에요. - 멀티 모델 라우팅 레이어 탐색하기
OpenRouter(400개+ 모델, API 통합), Amazon Bedrock, Niteshift 같은 옵션을 알아두세요. 당장 전환하지 않더라도 선택지를 열어두는 것 자체가 리스크 관리예요.
| 단일 공급자 의존 | 멀티 모델 라우팅 | |
|---|---|---|
| 공급자 경쟁 리스크 | 높음 — 한 곳이 당신 시장에 진입하면 취약 | 낮음 — 언제든 공급자 전환 가능 |
| 비용 최적화 | 한 모델 가격 정책에 종속 | 작업 유형별 최적 모델 자동 선택 |
| 모델 성능 변화 대응 | 공급자 업데이트에 직접 영향 | 성능 좋은 모델로 자동 라우팅 가능 |
| 초기 설정 복잡도 | 낮음 | 중간 (라우팅 레이어 설정 필요) |
Greylock의 Jerry Chen과 Reid Hoffman, Datadog 창업자들이 $7M을 Niteshift에 베팅한 건 이 패턴에 대한 확신 때문이에요. Datadog이 AWS를 이긴 방식이 AI 인프라 시장에서 다시 작동할 거라는 거죠.
더 깊이 파고 싶다면
