2026년 2월, AI 업계에서 두 가지 일이 동시에 벌어졌어요. 한쪽에선 한때 $1.5B 가치를 인정받던 Jasper가 OpenAI에게 본업(카피라이팅)을 그대로 흡수당하며 무너지고 있었고, 다른 쪽에선 법률 AI Harvey가 1년 만에 밸류에이션을 $3B에서 $11B로, 3.7배 끌어올렸어요. 둘 다 "AI 위에 제품을 얹은" 회사예요. 그런데 하나는 죽고 하나는 폭발했죠.
Google Cloud VP Darren Mowry는 이 차이를 한 문장으로 정리했어요. "백엔드 모델이 모든 일을 하고 당신은 그걸 화이트 레이블링하는 거라면, 업계엔 더 이상 인내심이 없다." GPT가 한 번 업데이트될 때마다, "GPT 위에 UI 하나 씌운" 회사 수십 개가 존재 이유를 잃어요. 6개월 전 차별화 포인트였던 기능이 이번 분기엔 그냥 기본 탑재되거든요.
이 글은 "AI 스타트업 창업자만의 이야기"가 아니에요. 범용 AI가 내 제품 기능을 공짜로 베껴버릴 때, 무엇이 나를 살리고 무엇이 나를 죽이는가 — SaaS를 만들든, 사내 도구를 만들든, AI 기능을 붙이든 똑같이 적용되는 생존 규칙이에요.
같은 시기, 정반대의 운명: 죽는 쪽 vs 사는 쪽
먼저 죽는 쪽부터 봐요. VC Cafe는 이 무리에 "The Ugly"라는 이름을 붙였어요. 펀딩은 받았지만 결국 GPT 위에 얹힌 얇은 껍데기에 불과해서, 초기 매출은 났더라도 모델이 그 기능을 흡수하는 순간 피봇하거나 팔리거나 문을 닫을 수밖에 없는 회사들이에요. Jasper가 교과서적 사례죠. OpenAI가 카피라이팅을 직접 강화하자 차별점이 증발했어요.
Mowry는 사멸 후보를 두 종류로 콕 집었어요. 내 제품이 여기 해당하는지 먼저 자문해 보세요.
당장 죽음의 위험 구간 (둘 중 하나면 경고)
1. LLM 래퍼 — GPT/Claude/Gemini 위에 UI를 씌운 것이 가치의 전부. 모델이 업그레이드되면 존재 이유가 소멸해요.
2. AI 어그리게이터 — 여러 LLM을 한 인터페이스로 묶는 오케스트레이션 레이어. 모델사들이 멀티모달·에이전트를 직접 탑재하면서 가치가 급감해요.
그런데 같은 2025년 한 해, 버티컬 AI(특정 산업·직무에 특화된 AI) 스타트업들은 $15B 이상의 펀딩을 빨아들였어요. 죽는 놈은 죽고 사는 놈은 폭발하는, 극단적인 양극화가 벌어지고 있는 거예요. 그럼 사는 쪽은 뭐가 달랐을까요?
살아남은 자들의 부검: 공통점은 단 하나
Better Tomorrow Ventures는 생존자와 사망자를 가르는 기준을 "라스트 마일의 길이"라고 불렀어요. 실제로 결과를 내기 위해 현실 세계 시스템과 얼마나 복잡하게 조율해야 하는지, 그리고 그 결과에 대한 책임을 누가 지는지 — 이게 핵심이에요. 라스트 마일이 짧으면(= ChatGPT에 한 줄 치면 끝나는 일이면) 범용 모델이 곧 먹어버려요. 길면 못 따라와요.
죽는 회사와 사는 회사를 같은 축에 놓고 보면 차이가 선명해져요.
| 죽는 AI (래퍼/어그리게이터) | 사는 AI (버티컬) | |
|---|---|---|
| 핵심 자산 | UI/UX + 프롬프트 엔지니어링 | 독점 데이터 + 도메인 전문성 |
| 해자 | 모델 업그레이드 시 소멸 | 워크플로우 깊숙이 임베딩 |
| 경쟁 대상 | IT 예산 (기존 SaaS 대체) | 인건비 (사람이 하던 일 자동화) |
| 전환 비용 | 낮음 (ChatGPT로 이동 가능) | 높음 (데이터·워크플로우 락인) |
| 책임 | 사용자에게 전가 | 결과에 대한 책임까지 소유 |
추상적으로 들린다면, 실제 회사들의 숫자를 보면 바로 와닿아요.
| 회사 | 영역 | ARR | 밸류에이션 | 핵심 해자 |
|---|---|---|---|---|
| Harvey | 법률 AI | $190M | $11B | 60개국 로펌 워크플로우 + 판례 데이터 |
| Glean | 기업 검색 | $200M | $7.2B | 기업 내부 데이터 커넥터 + 에이전트 인프라 |
| Cursor | AI 코딩 | $1B+ | $29.3B | 개발자 워크플로우 완전 장악 |
| Jasper | 카피라이팅 | 하락 중 | $1.5B→? | GPT 래퍼 → OpenAI에 기능 흡수 |
Harvey의 궤적이 특히 미쳤어요. 2025년 8월 ARR $100M에서 연말 $190M으로 5개월 만에 거의 2배, 밸류에이션은 2025년 2월 $3B → 6월 $5B → 12월 $8B → 2026년 2월 $11B. 비결은 단순해요. 법률 리서치·계약서 분석·컴플라이언스는 ChatGPT에 "계약서 검토해줘"라고 치는 것과 차원이 다르거든요. 60개국 1,000개 이상 로펌의 실무 워크플로우에 깊숙이 박혀 있고, 틀리면 누가 책임지냐는 문제까지 떠안고 있어요. 범용 모델은 그 책임을 못 져요.
Glean도 똑같아요. "기업용 ChatGPT"가 아니라 모델과 기업 시스템 사이의 연결 조직(connective tissue)을 만들고 있어요. Slack·Google Drive·Jira·Salesforce에 흩어진 사내 데이터를 전부 연결하고 그 위에서 에이전트가 도는 구조죠. OpenAI가 남의 회사 내부 권한 체계까지 들어와 만들기는 어려운 영역이에요. 요지: 살아남은 셋의 공통점은 "더 좋은 모델"이 아니라 "모델이 닿을 수 없는 현실"을 소유했다는 거예요.
그래서, 내 제품에 적용하는 생존 공식 5가지
Foundation Capital은 2026년을 "Cursor for X"의 해로 요약했어요. 법률·금융·마케팅·운영 등 각 분야에서 Cursor처럼 해당 직무의 워크플로우를 통째로 장악하는 AI가 등장한다는 거예요. 그 "X"를 만들려면 아래 다섯 개를 체크하세요. 하나하나가 곧 "범용 모델이 못 따라오게 만드는 장치"예요.
- 독점 데이터 해자를 구축하라
제품을 쓰는 과정에서만 쌓이는 고유 데이터셋이 핵심이에요. Harvey는 수십만 건의 법률 문서 처리 데이터를, Glean은 기업 내부 지식 그래프를 축적해요. 체크 질문: 범용 모델이 절대 학습할 수 없는, 우리만 쌓는 데이터가 있는가? - "가끔 쓰는 도구"가 아니라 "업무가 도는 시스템"이 되라
시스템 오브 레코드가 되어야 전환 비용이 락인돼요. Cursor가 IDE 자체를 장악한 것처럼요. 체크 질문: 우리를 떼어내면 고객의 핵심 업무가 멈추는가, 아니면 그냥 불편한가? - 도구가 아니라 결과를 보장하라
Better Tomorrow Ventures의 핵심 통찰이에요. "도구 제공"과 "결과 보장"은 전혀 달라요. 결과까지 책임지는 순간 전환 비용이 극적으로 올라가요. 체크 질문: 우리는 출력을 던지고 끝인가, 결과의 정확성·완수까지 떠안는가? - IT 예산이 아니라 인건비 라인을 공략하라
변호사·영업·CS 상담원이 하던 일을 대체하면 ROI가 명확해요. 기존 SaaS를 대체하는 게임(IT 예산 경쟁)은 ChatGPT가 이미 이기는 중이에요. VC Cafe가 말한 "노동 예산 경쟁"으로 전장을 옮기세요. 체크 질문: 우리 가격표는 "소프트웨어 구독" 옆에 놓이는가, "사람 한 명 인건비" 옆에 놓이는가? - 현실 조율의 복잡도를 일부러 높여라
규제·컴플라이언스·레거시 시스템 통합 — 이 "라스트 마일"이 길수록 범용 AI가 못 들어와요. 쉬워 보이는 영역일수록 가장 먼저 잡아먹혀요. 체크 질문: 우리가 푸는 문제는 API 호출 한 번으로 끝나는가, 지저분한 현실과 씨름해야 하는가?
타이밍 경고: 창문이 닫히고 있어요
Better Tomorrow Ventures의 마지막 경고예요. 대부분의 스타트업은 "짧은 라스트 마일"의 웨지(wedge)에서 시작해 점점 깊이 파고드는데, 파운데이션 모델이 버티컬화하는 속도가 빨라지면서 그 깊어질 시간이 압축되고 있어요. 시작 지점부터 충분한 현실 조율 복잡도를 갖춰야, 모델에 먹히기 전에 확장할 수 있다는 뜻이에요. "일단 얇게 출시하고 나중에 깊게" 전략의 유통기한이 짧아지고 있다는 거죠.
정리하면 이래요. 범용 AI는 "쉬운 일"을 점점 더 잘 공짜로 해줘요. 그러니 당신의 생존선은 "우리만 쌓는 데이터 + 우리만 박힌 워크플로우 + 우리가 지는 결과 책임"이 얼마나 두꺼운가에 달려 있어요. 이 셋이 얇으면, GPT의 다음 업데이트가 당신의 사망 통지서예요.
