AI, 벤처 캐피탈의 멱법칙(Power Law)을 재편하다

벤처 역사상 처음으로, 자본이 주로 운영 간접비에 자금을 조달하는 대신, 회사의 이점을 향상시키는 데 직접 적용될 수 있습니다. 전통적인 스타트업은 종종 과도한 자금 조달로 인해 어려움을 겪었으며, 인적 팀을 확장하는 데 따른 복잡성과 비용으로 고군분투했습니다. 이와 대조적으로, AI 기업은 투자된 자본을 컴퓨팅 파워로 직접 전환하는 독특한 능력을 가지고 있습니다.

이 컴퓨팅 파워는 결과적으로 우수한 제품 개발을 촉진하고 빠르게 복합되는 경제적 이점을 창출합니다. 투자를 기술적 역량으로 직접 전환하는 능력은 AI 기업이 전례 없는 속도로 확장할 수 있게 하며, 더 많은 자본이 더 나은 제품과 더 빠른 시장 침투로 이어지는 강력한 피드백 루프를 만듭니다. 이러한 근본적인 변화는 기술 부문에서 자본 효율성과 성장이 달성되는 방식을 재정의합니다.

이러한 속도는 동일한 매출 기준에 도달하는 데 약 15년이 걸린 전통적인 SaaS(Software-as-a-Service) 기업의 궤적을 훨씬 능가합니다. 가속화된 성장은 AI의 심오하고 빠른 시장 침투를 강조합니다.

이러한 인상적인 성과에도 불구하고, AI 기술에 대한 전반적인 수요 침투는 아직 초기 단계로 간주됩니다. AI가 스케일링된 속도는 다양한 산업 전반에 걸친 잠재적 영향이 아직 완전히 실현되지 않았음을 시사하며, 미래의 확장과 채택을 위한 상당한 여지가 있음을 나타냅니다.

AI는 전통적인 소프트웨어의 단순한 진화 단계를 훨씬 넘어서는 근본적인 패러다임 전환을 나타냅니다. 그 능력은 수많은 부문에서 노동과 생산성의 본질 자체를 재창조할 준비가 되어 있습니다. AI의 영향은 기존 기능을 단순히 대체하는 것이 아니라 직무 역할과 운영 프로세스의 재정의로 이어질 것입니다.

이러한 변혁적 잠재력은 AI를 단순히 '소프트웨어의 다음 진화'로 보는 것이 너무 좁은 시각이며, 경제 구조와 인간-기계 상호작용을 재편할 수 있는 심오한 능력을 과소평가하고 있음을 강조합니다.

건강한 벤처 펀드는 일정 수준의 손실이 투자 전략의 본질적이고 필수적인 구성 요소임을 인식합니다. 초기 단계 펀드는 일반적으로 투자에서 60%의 손실률을 목표로 하며, 이를 과도한 수익을 추구하기 위한 충분한 위험 감수의 지표로 봅니다. 성장 단계 펀드는 더 성숙하지만, 여전히 대담한 투자의 지속적인 필요성을 인정하며 10-20%의 손실률을 목표로 합니다.

이러한 손실률은 실패가 아니라, 펀드가 성공적인 벤처에서 잠재적인 10배 수익을 포착하기 위해 충분히 공격적으로 투자하고 있다는 전략적 지표입니다. 이러한 손실을 감수하지 않으면 펀드는 너무 보수적이라고 평가되어 상당한 수익을 창출할 수 있는 기회를 놓치고 궁극적으로 저조한 성과를 낼 가능성이 있습니다.

과거에는 후기 단계 펀드가 수익을 창출하기 위해 더 다각화된 포트폴리오에 의존했지만, 이 모델은 더 이상 최고의 성과를 내기에 충분하지 않습니다. 이제 포트폴리오에서 가장 강력한 기업은 펀드 총자본의 5%에서 10% 이상을 차지할 것으로 예상됩니다.

이러한 집중적인 접근 방식은 단일의 예외적으로 성공적인 기업이 전체 펀드를 회수할 수 있도록 하는데, 이는 이전의 후기 단계 투자에서는 거의 없었던 수학적 가능성입니다. 이러한 집중된 수익을 달성하는 것은 현재 시장에서 우수한 성과를 목표로 하는 펀드에게 필수적인 것으로 간주되며, 이전 전략과는 상당한 차이를 보입니다.

대형 벤처 캐피탈 회사들은 종종 시장 불확실성이 낮은 시리즈 A 또는 B 라운드까지 기다리는 것을 선호하지만, 시드 펀드는 기업의 초기 단계에 참여합니다. 이 전략은 소규모 펀드가 유망한 벤처를 완전히 위험이 제거되기 전, 그리고 카테고리 우승자가 명확히 나타나기 전에 지원할 수 있도록 합니다. 예를 들어, Andreessen Horowitz와 같은 대형 회사들은 명확한 카테고리 리더를 식별하고 투자해야 하므로 초기 라운드에서는 더 신중합니다. 이는 시드 펀드가 특정 분야나 기술을 전문화할 기회를 만들고, 주요 기업의 즉각적인 관심을 끌지 않는 틈새시장을 공략함으로써 대형 기업과 공존하고 번성할 수 있도록 합니다.

기업이 확고한 초기 단계 존재감을 가질 때 성장 단계에서 중요한 거래를 따낼 수 있는 능력은 엄청나게 증대됩니다. 이전 라운드에서 쌓은 사전 참여와 관계 없이는 5억 달러와 같은 상당한 후기 단계 투자를 하기가 극히 어렵습니다.

이러한 역학은 벤처 캐피탈 내에서 초기 단계와 후기 단계 관행 사이의 증가하는 상호 의존성을 강조합니다. 투자 수명 주기의 두 측면을 성공적으로 통합하는 기업은 가장 유망한 기업을 식별하고, 육성하며, 궁극적으로 지분을 확보하는 데 더 나은 위치에 있습니다.

투자 라운드는 일반적으로 더 크고 훨씬 빠르게 마감되어, 기업이 단기적이고 때로는 검증되지 않은 ARR 수치를 기반으로 상당한 자금을 확보하는 환경을 조성합니다. AI 산업에서 관찰되는 시장 견인력은 코호트 기반 판매와 장기적인 지속 가능성을 반영하지 않을 수 있는 예외적으로 빠른 성장 주기에 의해 영향을 받아 오해의 소지가 있을 수 있습니다. 이제 투자자들의 주요 과제는 진정하고 지속 가능한 견인력과 일시적이고 오해의 소지가 있는 지표를 세심하게 구별하는 데 있습니다. 이러한 복잡성은 근본적인 기술과 시장 역학에 대한 더 깊은 이해를 요구하며, 벤처 평가 작업을 그 어느 때보다 어렵게 만듭니다.

초기에 Harvey와 같은 AI 도구의 채택은 다른 새로운 소프트웨어의 일반적인 채택률과 비슷하게 미미했습니다. 그러나 고급 추론 능력의 도입은 이러한 궤적을 근본적으로 변화시켰습니다.

이러한 모델이 배포된 후, 법률 분야 전반에 걸쳐 사용량과 참여가 폭발적으로 증가했습니다. 고객 수요는 '환각' 또는 부정확성에 대한 우려에서 비롯된 초기 망설임에서 벗어나, 이러한 AI 기반 제품을 워크플로에 통합하고 활용하려는 강력한 요구로 빠르게 전환되었습니다. 이러한 변화는 AI의 유용성이 사용자에게 부인할 수 없게 된 중요한 변곡점을 보여줍니다.

50~70개의 벤처 캐피탈 기업을 보유한 일반적인 포트폴리오는 시장 평균을 초과하는 성과를 생성하기를 극히 어렵게 만듭니다. 벤처 캐피탈의 진정한 알파는 소수의 최고 수준 기업에 투자를 집중하는 데서 나옵니다. 분석에 따르면, 소수의 예외적인 승자들이 창출하는 과도한 수익을 포착하려면 15~20개의 선도 기업에 높은 집중도가 필요합니다. 수많은 승자에게 1%와 같은 작은 비율을 할당하는 것은 전체 펀드 성과에 의미 있는 영향을 미치지 못합니다. 이는 벤처 캐피탈에서 우수한 결과를 달성하기 위해서는 전략적이고 집중적인 투자가 가장 중요하다는 것을 강조합니다.

데이터는 성장과 가치 평가 사이에 직접적인 상관관계가 있음을 나타냅니다. 공공 시장에서 성장이 1% 증가하면 EBITDA가 3% 증가하는 것과 동일합니다. 이러한 강력한 연결고리는 지속적이고 가속화되는 성장을 보여주는 기업이 투자자들에게 매우 선호됨을 강조합니다. 이제 소프트웨어 회사의 궁극적인 최종 가치는 AI의 파괴적인 잠재력에 직면하여 회복력과 적응성에도 크게 달려 있습니다. 성장할 뿐만 아니라 AI를 통합하거나 경쟁하기 위한 강력한 전략을 보여줄 수 있는 기업은 더 높은 가치 평가를 받을 가능성이 높습니다.

AI가 코딩과 같은 분야에서 변혁적인 능력을 보여주었지만, 다른 지식 노동 분야로의 확산은 대부분의 비즈니스 작업의 특성상 훨씬 더 오래 걸릴 수 있습니다. 많은 비즈니스 기능은 코딩에서 발견되는 세 가지 주요 속성인 광범위한 문서화, 명확한 검증 가능성 및 시뮬레이션 가능한 환경이 부족합니다. 이러한 특성은 코딩을 AI의 이상적인 초기 응용 분야로 만들어 빠른 반복과 측정 가능한 개선을 가능하게 합니다. 그러나 다른 부문의 대부분의 작업은 이러한 특성을 공유하지 않아 AI 통합 및 광범위한 채택에 상당한 장애물을 제시합니다. 그럼에도 불구하고 AI 지출에는 극명한 대조가 존재합니다. 대부분의 미국 기업은 AI에 거의 투자하지 않는 반면, 상위 1%의 소수 기업은 직원당 수천 달러를 지출하여 채택 및 투자에 상당한 불일치를 강조합니다.

이 저명한 공공 연금 기금은 포트폴리오를 극적으로 전환하여 사모 펀드 할당을 91%에서 58%로 줄였습니다. 동시에 벤처 및 성장 자산 투자는 겨우 9%에서 43%로 급증했습니다. 이러한 상당한 변화는 이러한 자산 클래스의 장기적인 성장 잠재력과 전략적 중요성에 대한 기관의 믿음이 커지고 있음을 반영합니다. 이러한 움직임은 변화하는 시장 역학에 적응하고 더 높은 성장 기회를 찾는 대규모 투자자들 사이의 광범위한 추세를 나타냅s니다.

시어스 카탈로그를 온라인에 올리는 것이 아마존으로 변모시키지 못했듯이, 고객 서비스 에이전트와 같은 피상적인 AI 기능은 핵심 제품 및 물류 인프라에 깊이 통합되지 않으면 진정한 경쟁 우위를 창출하지 못합니다. 진정한 변화는 아마존이 물류 네트워크를 처음부터 구축한 것처럼, 프로세스를 처음부터 재고하는 것을 요구합니다. 이러한 깊은 통합이 없으면 AI 기능이 사용자 경험과 제품 유용성을 근본적으로 개선하는 대신 기본 비효율성을 단순히 가릴 뿐이므로 고객 이탈을 경험할 수 있습니다.

현재 소비자 AI 모델은 가능한 것의 표면을 긁는 데 불과하며, 일상생활에 깊이 영향을 미치는 부문에서 상당한 미개척 잠재력을 가지고 있습니다. GDP의 18%를 차지하는 헬스케어는 광범위한 AI 혁신을 위한 주요 후보로 꼽히며, 효율성 향상과 결과 개선을 약속합니다. 로봇공학 및 자율 시스템 또한 현재 언어 기반 모델보다 잠재적으로 더 큰 시장 기회를 가진 분야로 간주됩니다. 이러한 분야는 아직 완전히 탐구되지 않은 완전히 새로운 회사와 제품 범주를 나타내며, 가장 중요한 시가총액 성장은 디지털 인터페이스를 넘어 물리적, 실제 솔루션으로 AI의 범위를 확장하는 혁신에서 올 것임을 시사합니다.

오늘날 AI 성장의 주요 병목 현상은 소비자 수요보다는 공급 측면에 확고히 존재합니다. 주요 과제는 에너지 인프라 및 그리드 제약으로, 새로운 전력 용량을 온라인으로 가져오는 속도에 영향을 미칩니다. 기존 데이터 센터는 최신 AI 시설에 필요한 10배 증가된 밀도를 처리할 준비가 되어 있지 않아 상당한 업그레이드 및 신규 건설이 필요합니다. 또한, 고급 칩의 공급망 및 프론티어 모델 개발은 추가적인 제약을 나타냅니다. 결과적으로, 상당한 새로운 투자 기회는 이러한 근본적인 '좌측' 입력에 대한 해결책을 찾는 데 있으며, AI의 가속화되는 수요를 지원하는 데 필요한 인프라가 갖추어져 있는지 확인합니다.