AI 스타트업을 위한 7가지 강력한 모트(해자)
YC의 Light Cone 팟캐스트가 Hamilton Helmer의 경영전략 고전 『The Seven Powers』(2016)를 2025년 AI 에이전트 스타트업 맥락으로 재해석하는 에피소드.
왜 지금 모트가 화두인가
YC 대학 캠퍼스 투어에서 반복된 질문: AI 에이전트 회사는 ChatGPT 래퍼처럼 쉽게 복제되지 않느냐는 것. 실제로는 깊은 모트가 있지만 눈에 잘 안 보일 뿐이라고 반박한다.
모트보다 먼저 — 속도와 문제 발견
책에 없지만 가장 강조되는 모트는 '속도'다. Cursor는 초기 하루 단위 스프린트로 대기업이 못 따라올 속도를 냈다. 모트를 고민하기 전에 먼저 실제로 고통스러운 문제를 가진 고객을 찾아 해결하는 것이 우선이며, 모트는 그 과정에서 자연스럽게 발견된다.
1. Process Power
수년간 실전에서 다듬어진 복잡한 시스템. 은행 KYC의 Greenlight, 대출심사 Casca, Case Text, 수천개 금융기관을 커버하는 Plaid의 크롤러가 사례. 해커톤 데모와 실전 99% 신뢰도 버전 사이 '마지막 10%'를 채우는 고된 작업이 진입장벽이다.
2. Cornered Resource
특허·정부 계약(Scale AI·Palantir의 국방부 계약) 같은 전통적 형태 외에, 포워드 디플로이드 엔지니어가 고객사에 상주하며 확보하는 실제 데이터·워크플로, Character AI의 자체 파인튜닝 모델도 포함된다. 자체 모델이 없어도 컨텍스트 엔지니어링만으로 초기 몇 년은 충분하다고 짚는다.
3. Switching Costs
Oracle·Salesforce식 전통적 전환비용 외에, AI 시대에는 6개월~1년 파일럿 끝에 맺어지는 7자리 계약(Happy Robot-DHL, Salient-은행)이 새로운 형태다. AI는 동시에 데이터 마이그레이션형 전환비용을 낮추기도 한다. 소비자 쪽에서는 메모리(개인화)가 새로운 전환비용으로 부상 중이다.
4. Counter-Positioning
좌석당 과금 모델의 기존 SaaS(Zendesk 등)는 AI 에이전트가 일을 잘할수록 매출이 줄어드는 자기잠식 딜레마에 빠진다. HVAC 고객지원 Avoca는 지갑점유율을 1%에서 4~10%로 끌어올렸다. 후발주자 역전 패턴(Stripe vs Braintree, DoorDash vs Grubhub)도 이 범주로, 법률AI Legora(vs Harvey), 고객지원 Giga ML(200개 언어 지원 등 초인간적 강점), 언어학습 Speak(vs Duolingo의 게임화)가 사례다.
5. Branding
최대 소비자 브랜드였던 Google을 제치고 ChatGPT가 일일 소비자 AI 사용량에서 앞선 현상. 이는 Google의 광고 사업 자기잠식 우려에서 비롯된 역포지셔닝의 결과이기도 하다. ChatGPT의 탄생 비화(소수 팀이 몇 달 만에 출시)도 결국 속도 모트의 사례다.
6. Network Economies
Facebook·Visa식 전통적 네트워크 효과가 AI 시대엔 데이터 형태로 나타난다. ChatGPT의 대화 피드백이 다음 모델 학습에, Cursor의 사용자 입력이 탭 자동완성 개선에 쓰이는 플라이휠. 엔터프라이즈 AI 스타트업은 실제 고객 데이터와 평가(eval)로 같은 플라이휠을 만든다.
7. Scale Economies
UPS·FedEx식 물리 인프라 규모경제가 AI에서는 모델 레이어에서 나타난다 — 프론티어 LLM 학습의 막대한 자본 요구가 진입장벽. DeepSeek 발표는 RL 단계만 저렴해졌을 뿐 여전히 값비싼 대형 파운데이션 모델 위에서 작동한다는 점을 언론이 오해했다고 바로잡는다. 스타트업 사례로 웹 검색 API Exa(에이전트 붐 이전부터 대규모 웹 크롤링에 선제 투자)를 든다.
결론
7가지 파워를 따지기 전에 먼저 속도로 시장을 선점하고, 그보다 먼저 정말 고통스러운 문제를 가진 고객부터 찾으라는 메시지로 마무리한다.