AI 인프라 스타트업 runllm.com을 운영하는 필자들이 쓰는 Frontier AI 뉴스레터의 아티클. 왜 영업 리드 발굴이나 고객지원 티켓 응답 AI 에이전트는 잘 되는데, 고품질 슬라이드 생성 AI는 잘 안 되는가라는 질문에서 출발해, "문제의 난이도"와 "도입 용이성"이라는 두 축으로 AI 에이전트 시장을 4분면으로 나눠 각 분면에서 진짜 해자가 무엇인지를 분석한다.
- 출처: Frontier AI (Substack)
- 원문: https://frontierai.substack.com/p/data-is-your-only-moat-884
핵심 논지
필자들은 "문제가 쉬우면 먼저 풀린다"는 단순한 설명이 성립하지 않는다고 지적한다 — 코딩은 결코 쉬운 문제가 아닌데도 코딩 에이전트는 오늘날 가장 뛰어나고 가장 빠르게 발전하는 에이전트 영역이기 때문이다. 그 이유로 "도입 용이성"이 대규모 데이터 수집을 가능하게 했고, 그것이 다시 모델 개선 속도를 끌어올렸다는 점을 든다. Cursor의 경우, 어떤 개발자든 별도 승인 없이 5분 만에 갈아탈 수 있었고, 이것이 데이터 플라이휠(수용/거부되는 코드 제안이 계속 훈련 데이터로 쌓이는 구조)을 만들어 모델을 빠르게 개선시켰다는 것이다.
이를 바탕으로 필자들은 "기술적 난이도"와 "도입 난이도"라는 두 축으로 2x2 매트릭스를 제시하며, 어느 사분면에 있든 **"데이터가 유일한 진짜 해자"**라고 결론짓는다. 도입이 쉬우면 데이터가 빨리 쌓이지만 그만큼 대체되기도 쉽고(프론티어 랩이 곧 따라잡는다), 도입이 어려우면 일단 자리 잡은 뒤에는 그 기업의 업무 방식을 깊이 학습한 데이터 자체가 대체하기 어려운 해자가 된다는 것이다.
4분면 분석
1분면 — 풀기 쉽고 도입도 쉬움 (가치의 함정)
소비자용 검색·질의응답형 AI(예: 헬스케어 정보 질문 등)가 대표적이다. 진입장벽이 낮다는 것은 프론티어 랩에게도 진입장벽이 낮다는 뜻이라, OpenAI·Google·Anthropic이 압도적인 사용량으로 데이터를 축적하며 이 영역을 결국 장악하게 된다고 짚는다 — 최근 OpenAI의 "ChatGPT Health" 출시를 그 방향성의 예로 든다. 이 분면은 충성도도 낮아서(다들 여러 챗봇을 동시에 쓴다), 결국 승자는 모델 제공사 자신일 가능성이 높다고 전망한다.
2분면 — 풀기 어렵지만 도입은 쉬움 (코딩이 대표 사례)
코딩이 왜 이렇게 빨리 발전했는지를 이 분면으로 설명한다: 개발자는 자기 IDE를 자유롭게 선택할 수 있어 Cursor로 전환하는 데 아무 장벽이 없었고, 하루에도 수십~수백 번 코드를 제안받고 수용/거부하는 매우 빠른 피드백 루프가 있었다는 것이다. 이 미세한 피드백 루프 덕분에 데이터 플라이휠이 강력하게 작동했고, 반대로 슬라이드 생성처럼 같은 분면이라도 이런 세밀한 피드백 루프가 없는 영역은 훨씬 느리게 발전했다고 대비한다. 이 분면은 토큰·인재·결국은 모델 훈련/강화학습까지 막대한 투자가 필요하지만, 도입 용이성이 그 투자를 정당화하는 데이터 획득 플라이휠 역할을 한다. 프론티어 랩들이 이미 코딩 에이전트에서 치열하게 경쟁 중이며 조만간 오피스 생산성 도구 전반으로 확장할 것으로 예상하고, 자본이 부족한 소규모 플레이어는 이 싸움에서 고전할 것이라 전망한다. 다만 충성도는 여전히 낮아(다들 여러 코딩 에이전트를 함께 쓴다), 회사별 커스터마이징(Cursor 규칙, 브랜드 템플릿 등)이 그나마 락인 요인이 될 수 있다고 짚는다.
3분면 — 풀기는 쉽지만 도입은 어려움 (지난 2년간 엔터프라이즈 AI 도입의 주력)
이커머스 반품 처리, 비밀번호 재설정, IT 헬프데스크 같은 업무가 여기 해당한다고 설명한다. 이 분면의 특징은 두 가지다 — (1) 개인이 아니라 조직 단위 구매위원회가 결정하는 구조라 개별적으로 도입할 수 없고, (2) 문제 자체는 단순해도 레거시 엔터프라이즈 시스템과의 통합이 매우 까다롭다는 것. 바로 이 통합 과정에서 진짜 데이터 해자가 생긴다 — 얻는 데이터 자체는 범용성이 낮고(기업들이 학습 활용을 제한하는 경우도 많음) 다른 고객에 그대로 적용하기 어렵지만, 그 고객의 업무 방식을 깊이 학습한 만큼 해당 고객에게는 제품이 점점 더 대체하기 어려워진다는 것이다. 투자자들은 Sierra·Decagon 같은 대형 스타트업을 사실상의 기존 강자로 취급하고 있다고 언급하며, 다만 이들이 유치한 막대한 자본이 실질적 기술 해자를 만드는 데 쓰이는지, 아니면 단지 영업(GTM) 확장에 쓰이는지가 불분명하다고 지적한다 — 후자라면 결국 가격 경쟁으로 귀결될 수 있다는 것이다.
4분면 — 풀기도 어렵고 도입도 어려움 (필자들이 베팅하는 영역)
SRE·보안 운영처럼 복잡한 엔지니어링·운영 워크플로가 예시로 언급된다. 지금까지 네 분면 중 가장 주목을 덜 받았지만, 사람이 몇 시간~며칠씩 걸리던 작업을 대체할 수 있다는 점에서 잠재 가치는 매우 크다고 짚는다. 다만 회사마다 워크플로가 상당히 커스텀돼 있어 평가·구현이 3분면보다 훨씬 번거롭다. 필자들(runllm.com)은 바로 이 사분면에 베팅했다고 밝히며, 향후 성장이 여기서 나올 것이라 전망하는 근거로 (1) 추론 모델이 이제 다단계 복잡한 작업을 계획할 수 있게 됐고, (2) 이런 문제의 복잡성 상당 부분이 AI 자체가 아니라 워크플로 구축·설정에 있는데 코딩 에이전트가 좋아질수록 이 부분도 쉬워지며, (3) 기업들이 3분면의 쉬운 문제들을 이미 다 해결한 뒤 더 어려운 문제로 눈을 돌릴 것이기 때문이라고 설명한다. 이 분면의 데이터 해자는 가장 복잡하지만 잠재적으로 가장 값지다고 짚는다 — 한 기업의 워크플로에 대한 전문성을 쌓으면 이는 마치 "숙련된 엔지니어를 해고하고 신입으로 교체하는 것"만큼 복제하기 어렵다는 비유를 든다. 다만 데이터 양이 적고 검증 가능성도 낮아 개선 주기는 코딩 에이전트보다 훨씬 느릴 것이라 전망한다.
지도는 고정돼 있지 않다
기술적 난이도 축은 몇 달마다 모델 성능이 극적으로 개선되며 이동해왔지만 최근엔 다소 정체되는 조짐이 보인다고 짚으며, 진짜 흥미로운 변화는 오히려 UX(사용자 경험) 쪽에서 나올 것이라고 전망한다 — 웹에서 바로 쓸 수 있는 "Claude Code on the web"이 IDE나 터미널을 무서워하던 사용자층까지 끌어들인 최근의 좋은 예라고 든다.
결론
향후 12~24개월 안에 4분면(풀기도 어렵고 도입도 어려운 영역)에서 승자가 등장할 것이라 전망한다. 다만 Sierra·Decagon 같은 3분면 기업들의 매끄러운 성장과는 달리, 더 긴 평가 주기·더 복잡한 구현·상대적으로 낮은 성공률을 동반하겠지만, 데이터가 쌓이며 모델이 개선될수록 이 영역에서 막대한 매출이 발생할 수 있다고 전망하며 글을 맺는다.
핵심 요약 (20줄)
- Frontier AI 뉴스레터는 왜 영업·고객지원 AI 에이전트는 잘 되고 슬라이드 생성 AI는 잘 안 되는지 질문하며 시작한다.
- 단순히 "쉬운 문제가 먼저 풀린다"는 설명은 코딩처럼 어려운 문제도 빠르게 발전한 사례와 맞지 않는다고 지적한다.
- 코딩 에이전트가 빨리 발전한 이유는 도입 용이성이 대규모 데이터 수집을 가능하게 했기 때문이라고 설명한다.
- Cursor는 개발자가 5분 만에 승인 없이 전환할 수 있었고, 이것이 데이터 플라이휠을 만들었다고 짚는다.
- 필자들은 기술적 난이도와 도입 난이도라는 두 축으로 AI 에이전트 시장을 4분면으로 나눈다.
- 어느 분면에 있든 결국 데이터가 유일한 진짜 해자라는 것이 핵심 결론이다.
- 1분면(풀기 쉽고 도입도 쉬움)은 소비자 검색·질의응답형으로, 진입장벽이 낮아 결국 프론티어 랩이 장악하는 가치의 함정이라고 설명한다.
- 2분면(풀기 어렵지만 도입 쉬움)은 코딩이 대표 사례로, 빠른 피드백 루프가 강력한 데이터 플라이휠을 만들었다고 짚는다.
- 이 분면은 막대한 투자가 필요하지만 프론티어 랩이 이미 치열하게 경쟁 중이라 소규모 플레이어는 고전할 것이라 전망한다.
- 3분면(풀기 쉽지만 도입 어려움)은 지난 2년간 엔터프라이즈 AI 도입의 주력 영역으로, 반품 처리나 IT 헬프데스크 같은 업무가 해당한다.
- 이 분면의 데이터 해자는 각 고객의 업무 방식을 깊이 학습해 그 고객에게만 대체하기 어려워지는 형태라고 설명한다.
- Sierra·Decagon 같은 대형 스타트업을 투자자들이 사실상 기존 강자로 취급하고 있다고 언급한다.
- 다만 이들이 유치한 자본이 실질적 기술 해자를 만드는지, 단순 영업 확장인지는 불분명하다고 지적한다.
- 4분면(풀기도 어렵고 도입도 어려움)은 SRE·보안 운영 같은 복잡한 워크플로가 해당하며, 필자들이 직접 베팅하는 영역이라고 밝힌다.
- 추론 모델의 발전, 워크플로 구축의 단순화, 기업들이 쉬운 문제부터 해결한 뒤 어려운 문제로 이동하는 흐름이 이 분면의 성장 근거로 제시된다.
- 이 분면의 데이터 해자는 가장 복잡하지만 잠재적으로 가장 값지며, 숙련된 엔지니어를 대체하는 것만큼 복제하기 어렵다고 비유한다.
- 다만 데이터 양이 적고 검증 가능성이 낮아 개선 속도는 코딩 에이전트보다 훨씬 느릴 것이라 전망한다.
- 기술 난이도 축의 발전은 최근 정체되는 조짐을 보이는 반면, 진짜 흥미로운 변화는 UX 쪽에서 나올 것이라고 짚는다.
- Claude Code on the web을 IDE나 터미널을 어려워하던 사용자층까지 끌어들인 좋은 UX 혁신 사례로 든다.
- 향후 12~24개월 안에 풀기도 도입도 어려운 4분면에서 승자가 등장할 것이라 전망하며 글을 마무리한다.