관점: AI 골드러시 속에서 ‘삽을 파는’ 논리는 이미 무효화되었다
저자: 벤 바슈(Ben Basche)
번역 및 정리: TechFlow
TechFlow 서두: “골드러시 시대에는 삽과 곡괭이를 팔라”는 말은 창업계의 오랜 금과옥조였다. 그러나 AI 시대에는 이 논리는 무력화됐다—왜냐하면 광부들이 직접 금속공구점을 차렸기 때문이다. OpenAI, Anthropic, Google은 중간웨어 계층, 프로그래밍 어시스턴트, 브라우저 자동화 등 기존 창업 분야를 체계적으로 흡수하고 있다. 저자 벤 바슈는 살아남을 수 있는 진정한 AI 기업은 도구를 파는 기업이 아니라, AI를 원재료로 활용해 수직 분야에 깊이 침투하는 ‘보석세공장’—즉 특정 산업에 특화되어 현지 지식을 보유하며 복제 불가능한 맥락을 갖춘 기업—이라고 주장한다.
본문 전문:
첫 번째 인터넷 버블 전후로 창업계에서 성경처럼 여겨졌던 말이 있다. “골드러시 시대에는 삽과 곡괭이를 팔라.” 즉, 진짜 돈을 버는 건 금을 캐는 사람도, 금광을 찾는 사람도 아니고, 그들에게 장비를 공급하는 사람이란 뜻이다. 실제로 부를 축적한 건 금광꾼이 아니라 리비 스트라우스(Lévi Strauss)였다.
이 프레임워크는 꽤 훌륭했다. 어느 정도 기간 동안은 확실히 효과적이었다.
하지만 AI 분야에서는 틀렸다. 만약 당신의 기업이 이 논리 위에 세워졌다면, 지난 12개월 간 무슨 일이 있었는지 다시 한 번 점검해볼 필요가 있다.
연구실이 곧 전체 기술 스택이다
실제로 벌어진 일은 다음과 같다—처음엔 조용히, 그러다 갑작스럽게 전면적으로 폭발했다.
OpenAI는 웹 페이지 탐색, 양식 작성, 엔드투엔드 작업 수행이 가능한 컴퓨터 에이전트인 ‘Operator’를 발표했다. 이어서 개발자가 제3자 프레임워크 없이도 네이티브 도구 호출, 메모리 관리, 작업 편성 능력을 바로 활용할 수 있도록 하는 ‘Responses API’와 ‘Agents SDK’를 출시했다. 그리고 클라우드 기반 프로그래밍 에이전트 ‘Codex’를 내놓았는데, 이는 소프트웨어를 자율적으로 작성·테스트·반복 개선할 수 있다. 여기에 ‘Deep Research’까지 더해졌다. 이 제품들 중 단 하나만으로도, 2년 전이라면 투자를 유치할 만한 창업 기업을 설립할 수 있었다.
Anthropic은 ‘Claude Code’, ‘Computer Use’, 영구 기억 기능을 갖춘 ‘Projects’, 그리고 외부 도구와 데이터를 AI와 연결하는 사실상의 표준이 된 ‘MCP(Model Context Protocol)’를 발표했다. MCP는 하룻밤 사이에 AI와 외부 도구 및 데이터를 연결하는 주류 표준으로 자리 잡았다. 이후 Anthropic은 MCP를 리눅스 재단(Linux Foundation)에 기부함으로써 이를 인프라가 될 수 있도록 했고, 제품이 아니라 인프라로서의 역할을 확고히 했다. 또 ‘Claude in Excel’, ‘Claude in Chrome’, ‘Cowork’도 연이어 출시했다.
Google은 ‘Gemini 2.0’을 발표했는데, 이는 네이티브 도구 호출 및 멀티모달 인지 능력을 기본 내장하고 있으며, 기업용 에이전트 제어 평면으로 Vertex AI에 통합돼 조직 차원의 정책 및 편성 기능을 개봉 즉시 제공한다.
이러한 각각의 움직임은 기존 창업 기업이 점유하던 영역을 하나씩 흡수하고 있다.
“삽과 곡괭이를 팔라”는 논리에는 은연중에 숨겨진 가정이 하나 있다: 연구실은 자신들의 영역에 머물러 있을 것이라는 전제—즉, 기초 모델 개발과 API 제공에 집중하고, 도구 계층, 편성 계층, 애플리케이션 계층은 생태계에 맡기겠다는 것이다. 이 가정은 이제 사라졌다.
중간웨어 대학살
중간웨어 계층에서 구체적으로 어떤 일이 벌어졌는지 살펴보자.
LangChain은 2023년 AI 열풍 속 가장 전형적인 ‘삽과 곡괭이’ 베팅이었다. LLM 호출을 연결하고, 도구와 연동하며, 메모리를 관리하는 편성 프레임워크였다. 수천 개 팀이 이를 기반으로 제품을 구축했고, GitHub 스타는 10만 개를 넘었다. 그런데 2024년 들어 여러 팀이 생산 환경에서 LangChain을 제거해야 하는 이유를 설명하는 블로그 글을 쓰기 시작했다. 그것이 나쁘기 때문이 아니라, 기반이 되는 모델이 이미 충분히 똑똑해져서 더 이상 필요하지 않게 됐기 때문이다. LangChain이 구축한 추상화 계층은 이미 ‘오늘의 문제’가 아니라 ‘어제의 문제’를 해결하기 위한 것이다.
한편, OpenAI는 자체 ‘Agents SDK’를 발표했다. 마이크로소프트는 ‘AutoGen’과 ‘Semantic Kernel’을 출시했다. 연구실과 그 모회사는 LangChain을 인수하지 않았다. 단지 자신의 플랫폼 내에 LangChain이 제공했던 기능을 네이티브 방식으로 구현한 것뿐이다.
동일한 시나리오는 모든 계층에서 반복된다. 에이전트 프레임워크, 프롬프트 관리 도구, RAG 파이프라인, 평가 프레임워크, 관측 가능성(Observability) 도구—이 모든 것이 기반 모델을 운영하는 업체에 의해 네이티브 제품으로 흡수되고 있다.
잔혹한 현실은 이렇다: OpenAI나 Anthropic이 편성 기능을 API에 직접 내장할 때, 그들은 기능 면에서 반드시 우위를 점해야 할 필요가 없다. 단지 ‘충분히 쓸 만하고’, 무엇보다 ‘이미 존재한다’는 것만으로도 충분하다. 개발자는 자연스럽게 저항이 가장 적은 경로를 선택한다. 그래서 ‘정교한 중간웨어’를 제공하는 창업 기업은 단순히 앞서가는 수준을 넘어, 모델이 계속 진화하는 가운데 이 우위를 유지해야 하며, 무한한 자본과 기반 인프라를 장악한 경쟁자와 맞서야 한다. 이는 비즈니스라기보다는 카운트다운이 걸린 연구 프로젝트에 가깝다.
광부가 직접 금속공구점을 열었으니, 삽은 더 이상 팔 수 없다
‘삽과 곡괭이를 팔라’는 비유가 AI 분야에서 무력화된 근본 원인은 하나의 핵심 구조적 차이에 있다. 1849년, 리비 스트라우스와 당시 금속공구 상인들은 스스로 금을 캐지 않았다. 광부와 공급업체는 이익이 분리된 독립된 주체였다.
반면 AI 분야에서는 연구실이 동시에 광부이자 삽 판매자이며, 도로도 만들고 지도도 인쇄한다. 연구실은 기술 스택 전반을 장악하려는 강력한 동기를 갖고 있는데, 그 이유는 계층을 하나 더 장악할수록 고정점(lock-in point), 수익 확장 기회, 배포 호수(distribution moat)가 하나씩 늘어나기 때문이다.
Anthropic이 MCP를 리눅스 재단에 기부한 것은 자선이 아니다. 그것은 자신들이 설계한 표준이 이더넷(Ethernet)처럼 보편적 인프라가 되도록 보장하기 위한 전략이다. 표준은 기술 산업에서 가장 강력한 호수인데, 그 이유는 눈에 보이지 않으며 영구적이기 때문이다.
따라서 당신의 창업 기업이 ‘개발자와 모델 사이에서 X를 쉽게 해주는 회사’라는 가치 제안을 가지고 있다면, 당신이 ‘사이에 끼어 있는’ 그 실체가 이미 당신을 주목했고, 당신을 복제할 수 있는 자원을 보유하며, 구조적으로 그렇게 해야만 하는 이유가 있음을 직시해야 한다.
그렇다면 무엇이 진짜로 통할까?
다시 골드러시 비유로 돌아가자. 삽은 더 이상 팔 수 없다면, 대신 무엇을 팔아야 할까?
보석을 팔아야 한다.
또는 좀 더 정확히 말하자면: 금을 산업용 원재료로 사용해, 광부 자신은 관심도 없는 제품을 만들어야 한다.
1849년 실제 골드러시 시대에 번영을 견뎌낸 기업은 일반적인 도구를 파는 기업이 아니었다. 오히려 금을 원재료로 삼아 심도 있는 전문 지식을 바탕으로 특정 제품을 만든 기업들이었다. 보석세공장, 치과의사, 나중에는 전기공학자들 말이다. 이들은 특정 응용 시나리오에 대한 이해가 너무 깊어, 범용 전문가가 결코 따라잡을 수 없었다.
AI 버전은 바로 이러한 수직 분야에 기반한 애플리케이션 구축을 의미한다—즉, 연구실이 보유하지도, 쉽게 획득할 수도 없는 현실 세계의 맥락이 필수적인 분야이다.
OpenAI, Anthropic, Google이 구조적으로 약한 부분을 생각해보자:
그들은 당신 산업의 업무 흐름을 깊이 이해하지 못한다. 당신의 고객과는 아무런 관계가 없다. 특정 시나리오에서 모델을 진정으로 잘 작동하게 만드는 데 필요한 사적 데이터를 낮은 비용으로 확보할 수 없다. 남아프리카공화국의 개별 장인들이 왜 그렇게 세금 계산서를 발행하는지, 케냐의 모바일 결제 통합이 왜 그리 간단하지 않은지, 미국 의료 분야의 사전 승인(Prior Authorization)이 왜 특정하고 까다롭고 깊이 뿌리내린 운영 문제인지, 결코 심층적으로 탐구하지 않을 것이다.
연구실은 수평적 인프라를 구축하고 있다. 기회는 수직 분야에 있다—즉, 지리적, 규제적, 문화적, 산업 특화된 현지 지식이 없이는 제대로 작동할 수 없는 분야이다.
그래서 신흥시장 핀테크, 특정 관할권에 특화된 법률 AI, 규제 산업의 컴플라이언스 도구, 그리고 니치 전문 분야의 워크플로우 자동화는 ‘더 나은 LangChain을 만드는 것’보다 훨씬 더 방어력이 높다.
호수는 모델에 있지 않다. 호수는 맥락에 있다.
금의 산업적 용법
이 사고방식에는 또 다른 버전도 분명히 짚고 넘어갈 가치가 있다: AI를 금처럼 산업적으로 사용하는 것이다. 즉, 가치 저장 수단이나 전시용으로가 아니라, 지속적인 경제적 가치를 창출하는 더 큰 시스템의 구성 요소로 사용하는 것이다.
금의 전기 전도성은 거의 최고 수준이다. 그래서 모든 회로 기판(PCB) 속에 금이 들어 있다. 누구도 그것을 주목하지 않으며, 이 맥락에서 그것을 과시하지도 않는다. 금은 조용히 더 큰 시스템 안에서 핵심 입력 요소로 작동한다.
현재 구축되고 있는 가장 지속 가능한 AI 기업들은 모델을 제품 그 자체가 아니라, 실제 문제를 해결하는 제품의 구성 요소—즉, 제품의 입력 요소—로 사용한다. AI는 쇼케이스 속 금이 아니라, 회로 기판 속 금이다.
구체적인 실행 방법은 다음과 같다: 실제 고통 포인트가 있고, 실제 업무 흐름의 복잡성이 있으며, 실제 데이터 접근이 어렵고, 그런 문제를 해결하는 데 모델이 핵심 역할을 하는 분야를 선택한 후, 그 분야에 특화된 제품을 구축한다. AI는 구현 세부사항일 뿐이며, 진짜 제품은 고통스러운 수작업 프로세스를 대체하는 것이다.
이는 “GPT-4 위에 쉘(외피)을 씌웠다”는 접근과 정반대다. 쉘은 쇼케이스이고, 회로 기판은 보이지 않는 것이다.
최근 사라진 창업 분야들
좀 더 명확히 하기 위해, 2024년 말 이후 연구실들이 체계적으로 흡수하고 있는 창업 분야들을 아래에 정리했다:
에이전트 편성 프레임워크. 이제는 OpenAI Agents SDK, Anthropic 도구 체인, Google Vertex Agent Builder의 네이티브 기능이다.
AI 프로그래밍 어시스턴트. OpenAI의 Codex는 현재 전체 저장소 수준의 자율 프로그래밍이 가능하다. Claude Code 역시 동일한 기능을 제공한다. GitHub Copilot은 마이크로소프트의 네이티브 솔루션이다. 순수한 프로그래밍 어시스턴트를 전문으로 하는 독립 창업 분야는 이미 크게 축소됐다.
브라우저 및 컴퓨터 자동화. OpenAI의 Operator, Anthropic의 Computer Use, Google의 Gemini Astra—세 선두 연구실 모두 이 방향의 제품을 보유하고 있다. LLM 기반 RPA(Robotic Process Automation)를 제공하는 모든 창업 기업은 지금 방어전을 치르고 있다.
RAG 파이프라인 및 벡터 검색 도구. 거의 상품화됐다. 대부분의 모델 API는 네이티브 검색 기능을 기본 내장하고 있으며, 프레임워크 차원의 차별화는 이미 사라졌다.
범용 AI 어시스턴트 및 효율성 도구. Claude, ChatGPT, Gemini에 의해 직접 흡수됐다.
프롬프트 관리 및 평가 도구. 점차 네이티브 기능으로 흡수되고 있다. LangSmith는 아직 일부 공간을 차지하고 있지만, 이 또한 시간과의 경쟁이다.
패턴은 매우 일관적이다: 연구실은 어떤 분야가 상당한 개발자 관심을 끌고 있음을 인지하고, 그 분야가 자사 핵심 제품과 밀접하게 인접하다고 판단한 후, 해당 기능의 버전을 출시한다. 반드시 더 나은 것은 아니지만, 통합도 잘 되어 있고, 기본 설정이므로 비용 면에서도 유리하며, 창업 기업은 절대 따라잡을 수 없는 배포 능력을 갖추고 있다.
당신은 지금 어떻게 해야 하는가
만약 당신이 지금 AI 창업을 하고 있다면, 던져야 할 질문은 “이것에 수요가 있나?”가 아니다. 수요는 어디에나 있다. 대신 물어야 할 질문은 “이 제품이 자금이 100억 달러 이상인 은행(연구실)에서 단 하나의 제품 출시만으로도 없앨 수 있을까?”이다.
그 답이 ‘그렇다’거나 ‘아마도 그렇다’라면, 그것은 비즈니스가 아니라 단지 하나의 기능일 뿐이다.
지속 가능한 전략은 다음과 같은 특징을 갖는다: 심도 있는 수직 특화성(연구실은 범용은 만들 수 있지만, 당신처럼 특화된 범용은 만들 수 없다), 공개 웹 크롤링으로는 복제 불가능한 사적 데이터 또는 관계, ‘단순히 API를 직접 호출하는 것’만으로는 부족한 규제 및 컴플라이언스 복잡성, 그리고 신뢰와 현지 맥락이 원시적 능력보다 더 중요한 커뮤니티 내에서의 배포 채널 확보.
골드러시는 진짜다. 금은 사방에 널려 있다. 그러나 광부들이 이제 직접 상점을 열었고, 그들은 무한한 자본을 가지고 있다.
보석을 팔아라. 금을 산업용 원재료로 사용하라. 광부 자신은 관심조차 두지 않는 것을 만들어라—그것이 너무 소규모이기 때문에, 너무 지역화되어 있기 때문에, 혹은 연구실이 결코 보유하지 못할 분야 지식 속에 너무 깊이 뿌리내려 있기 때문이다.
이것이 내가 믿는 올바른 전략이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@basche42
