AI 네이티브 기업 소프트웨어의 재설계

URL: https://www.youtube.com/watch?v=K5yGLO8c6T0
날짜: 2026-09-16
채널: a16z

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==AI 네이티브 CRM은 정해진 스키마에 사람을 맞추는 도구가 아니라, 이메일·통화·회의·제품 사용 데이터를 바탕으로 기업과 고객의 현실을 재구성하는 비즈니스 월드 모델(Business World Model)이 되어야 한다.==

• Keith Peiris와 Lightfield 공동창업자들은 2,500만 명 규모로 성장한 프레젠테이션 제품 Tome을 버리고, 고객 현실을 제대로 모델링하지 못한다는 판단에서 CRM으로 피벗했다.
• Lightfield는 Salesforce식 고정 필드와 수동 입력을 출발점으로 삼지 않고, 관계의 시간순 활동 로그(Activity Log)를 정본(Canonical Record)으로 만든다.
• 비정형 데이터를 무제한으로 쌓는 방식은 검색이 느려지므로, 활동 로그 안에 비정형 데이터를 담고 관계형 필드와 반구조화(Semi-structured) 추론을 결합한다.
• 초기 고객에게는 무료 사무공간까지 제공하며 제품을 검증했고, 그린필드(Greenfield) 고객에서 시작해 브라운필드(Brownfield) 시장으로 들어갈 쐐기를 찾았다.
• 좌석 기반 가격과 순수 사용량 기반 가격을 모두 실험한 끝에 핵심 CRM은 플랫폼 요금과 좌석 요금으로, 파이프라인 생성·자동화·인텔리전스는 사용량 기반으로 나누었다.

Lightfield의 장기 목표는 CRM 기록을 보관하는 데 그치지 않고 회사의 선택지를 시뮬레이션하는 크리스털 볼(Crystal Ball)이 되는 것이다. 기업이 고객·조직·제품 데이터를 하나의 맥락으로 이해하면, 과거에는 운영팀·SQL·분석가가 필요했던 채용·제품·시장 진입 결정을 자연어로 탐색할 수 있다.

1. Tome의 폭발적 성장과 급진적 피벗

1.1. 소비자 제품에서 시작한 창업팀

1. 창업 배경과 문제의식

   1. Keith Peiris와 공동창업자들은 Instagram과 Messenger에서 셀피 디자인(Selfie Design) 같은 소비자 경험을 만들던 사람들이다.
   2. LLM이 사람들의 의사소통 방식을 바꿀 것이라고 보고, 셀피가 아니라 아이디어의 스토리텔링(Storytelling of Ideas)을 돕는 회사를 시작했다.
   3. Tome은 GPT-3가 등장하던 시기에 출시됐고, ChatGPT 출시 시기와도 겹쳤다.

2. Tome의 제품과 성장

   1. 사용자는 GPT를 이용해 프레젠테이션과 페이지를 생성할 수 있었다.
   2. 제품은 월 200만 명의 사용자를 확보할 정도로 빠르게 성장했다.
   3. 추론(Inference) 용량이 부족해 사용자를 모두 지원하지 못했고, 이용자들이 서비스를 쓸 수 있을 때까지 줄을 서는 상황도 발생했다.
   4. 전체 사용자 기반은 약 2,500만 명까지 커졌다.

1.2. 기술 발전을 기다리지 않은 이유

1. 성장 지표와 제품 애착의 불일치

   1. 사업 지표만 보면 팀을 축소하고 모델이 좋아질 때까지 기다리는 선택도 가능했다.
   2. 그러나 공동창업자 누구도 자신이 만든 제품을 좋아하지 않았고, 창업자는 고객이 쓰는 모습을 보고 진심으로 기뻐할 수 있는 제품을 만들어야 한다고 판단했다.
   3. 팀은 스스로도 좋은 프레젠테이션을 만들지 못했고, 고품질 프레젠테이션 제작자가 Tome을 반드시 필요한 도구로 사용할 경로를 찾지 못했다.

2. 일반적인 추론 능력으로 채울 수 없는 맥락의 공백

   1. Tome이 발표자를 이해하려면 발표자의 목적과 전문성, 청중, 청중과 발표자의 관계를 함께 알아야 했다.
   2. 당시 모델은 발표자와 청중 사이의 관계를 충분히 이해할 맥락(Context)을 갖고 있지 않았다.
   3. GPT-3에서 이후 세대 모델로 넘어가는 성능 도약이 커도, 일반적인 추론 능력만으로 발표자·청중·관계의 맥락을 자동으로 복원할 수는 없었다.
   4. 그 결과 Tome은 일회성으로 멋진 프레젠테이션을 만드는 도구에는 가까웠지만, 메모·투자은행·컨설팅 업무에서 전문가가 반복적으로 의존할 기업용 제품으로 확장될 길이 보이지 않았다.

1.3. B2B 사용 사례를 고객에게서 발견하다

1. 전문가의 어려운 이야기를 돕는다는 원래 목적

   1. 팀은 회사를 시작한 이유가 전문가가 어려운 이야기를 전달하도록 돕는 데 있었다는 사실을 다시 확인했다.
   2. 팀은 이 목적을 B2B 영역에서 실현할 수 있는 사용 사례를 찾기로 했다.
   3. 2,500만 명 사용자 중 B2B 사용자는 주로 영업·마케팅 조직에 속해 있었다.

2. 12개 파일럿과 문제의 확장

   1. 팀은 약 50만 명 규모 기업들을 대상으로 12개 파일럿을 확보했고, 처음에는 무료로 훌륭한 신규 영업 덱과 제안서를 만들어주겠다고 제안했다.
   2. 영업팀은 곧 리서치, 리드 검증(Lead Qualification), 확장 영업을 위한 기업 이해도 요청을 추가로 제기했다.
   3. 초기 창업자는 자신이 만든 것을 고집하지 않고 고객이 실제로 더 강하게 요구하는 방향을 따라가는 데 유리하다.
   4. 팀은 고객의 컨텍스트 상자(Context Box)에 접근하려면 Salesforce 같은 CRM, 통화 녹음기(Call Recorder), 데이터 웨어하우스(Data Warehouse)를 연결해야 한다고 생각했다.

3. 진짜 문제는 작업 자동화보다 현실의 재조직화였다

   1. 여러 시스템의 데이터는 불완전했고 서로 충돌했다.
   2. 통화 녹음기와 CRM이 같은 고객에 대해 서로 다른 현실을 기록하는 경우가 많았다.
   3. AI가 일을 수행하기 전에 서로 다른 시스템의 데이터를 해석하고 재조직하는 작업이 가장 중요하다는 사실이 드러났다.
   4. 회사를 기계와 사람이 모두 이해할 수 있도록 현실을 재구성하는 문제는 단순히 프레젠테이션을 생성하는 문제보다 오래 지속될 사업 기회가 되었다.

2. 고투마켓 도우미에서 비즈니스 월드 모델로

2.1. 사용량은 있었지만 가격 결정력은 없었던 첫 제품

1. CRM 이전의 고투마켓(Go-to-Market) 도우미

   1. Lightfield 팀은 처음부터 CRM을 만들려고 한 것이 아니라 영업·마케팅 업무를 돕는 고투마켓 도우미를 만들었다.
   2. 여러 AI 에이전트가 매일 제품을 사용했지만, 고객에게 돈을 받을 수 없었다.
   3. 제품이 고객의 데이터를 소유하지 않았고, 같은 영역에서 경쟁하는 회사가 10곳이나 있었기 때문에 가격 결정력이 없었다.

2. 네 달 동안 어둠 속에서 CRM을 재설계하다

   1. 팀은 인원을 줄이고 처음부터 다시 시작해 CRM을 제1원칙(First Principles)에서 재구상했다.
   2. 약 4개월 동안 외부 반응 없이 제품을 만들었지만, 갓 만들어진 4개월 된 CRM을 써줄 고객을 찾기는 어려웠다.
   3. 팀이 보유한 마지막 자산은 처분하지 못한 거대한 사무공간이었다.
   4. 팀은 X와 LinkedIn에 사무공간을 무료로 제공할 테니 CRM을 사용해달라는 글을 올렸다. 제품을 쓰는 대가로 돈을 받는 것이 아니라 사무공간을 제공했으므로 Keith는 이를 ‘마이너스 가격(Negative Pricing)’이라고 농담했다.

2.2. 열 명의 초기 고객이 제품의 존재 이유를 검증하다

1. 불만이 많아도 매일 쓰는 제품

   1. 열 개의 스타트업이 Lightfield를 사용하기 시작했다.
   2. 초기 고객은 기능이 빠진 점과 속도가 느린 점을 계속 불평했지만, 매일 제품에 들어왔다.
   3. 고객은 약 두 시간마다 Slack으로 피드백을 보냈고, 팀은 고객이 제품을 매시간 신경 쓸 정도라면 제품의 핵심 가치를 발견한 것이라고 판단했다.

2. CRM의 기존 역할을 다시 정의하다

   1. 성장 단계 회사에서 CRM은 영업 담당자가 약속과 정보를 잊지 않도록 돕는 도구다.
   2. CRM은 낮은 수준의 자동화(Low-level Automation)와 매출 예측(Forecast)을 작동시키는 기반이기도 하다.
   3. 기존 시장은 ‘CRM으로 일을 처리하는 것’에 집중했지만, Lightfield는 ‘사업과 고객 현실을 충실하게 모델링하는 것’이 먼저라고 보았다.
   4. 사업과 고객 현실이 충분히 모델링되면 이후 작업은 프롬프트와 도구 호출(Prompt and Tool Calls)로 해결할 수 있다.
   5. 수동 입력과 낮은 API 품질은 고충실도 사업 모델(High-fidelity Business Model)을 방해하는 요소가 된다.

3. 관계를 정본으로 삼는 Lightfield의 아키텍처

3.1. Facebook 타임라인에서 가져온 활동 로그

1. 관계 모델이 CRM의 핵심이라는 관점

   1. 다섯 명의 창업 멤버 중 세 명은 Facebook 출신이며, Facebook의 타임라인이 보여주는 시간순 관계 모델에서 영감을 받았다.
   2. CRM은 회사와 고객 회사 사이의 관계가 시간에 따라 어떻게 전개됐는지 기록해야 한다.

2. 활동 로그(Activity Log)의 범위

   1. 처음 연락한 시점과 메시지 내용을 기록한다.
   2. 고객의 답변, 회의, 주고받은 문서를 기록한다.
   3. 고객이 제품에서 무엇을 했는지와 어떻게 비용을 지불하는지도 기록한다.
   4. 이 시간순 활동 로그는 Lightfield의 가장 중요한 기본 프리미티브(Primitive)가 된다.

3. 정본 로그와 전통적 CRM 필드의 관계

   1. Lightfield는 관계의 활동 로그를 먼저 구축한다.
   2. 시스템은 로그를 바탕으로 기존 CRM에서 기대하는 필드와 영업 단계(Stage)를 업데이트한다.
   3. 필드와 단계가 바뀌어도 관계의 원본 흐름은 정본 로그에 남는다.

3.2. 완전 비정형이 아닌 반구조화 데이터

1. 완전 비정형 접근의 한계

   1. 팀은 처음에 모든 것을 완전히 비정형(Unstructured)으로 저장하려 했다.
   2. 질문이 데이터 더미 속 바늘을 찾는 것처럼 변했고, 쿼리 시간이 너무 길어졌다.
   3. 무질서한 데이터의 양만 늘리는 방식은 기업의 실시간 업무에 적합하지 않았다.

2. 반구조화(Semi-structured) 해법

   1. Lightfield는 활동 로그 안에 많은 비정형 데이터를 담되, 관계형 구조와 함께 사용한다.
   2. Snowflake 레코드 같은 외부 데이터와 각종 활동도 로그 안에 넣을 수 있다.
   3. 시스템은 활동 로그의 시간 흐름을 사용해 사건 사이의 인과관계(Causality)를 추론한다.
   4. 이 구조는 데이터가 단순히 누출된 듯한 데이터 레이크(Data Lake)보다 더 빠르고 정확하게 현실을 탐색하도록 돕는다.

3. 고객 성공(Customer Success) 확장 영업 사례

   1. 고객 성공 담당자가 계정의 확장 영업 준비 여부를 묻고 ‘무엇을 언제 팔아야 하는가’를 질문할 수 있다.
   2. Lightfield는 고객이 담당자에게 한 말, 지원 티켓의 내용, 담당자와의 상호작용을 살핀다.
   3. 제품 사용량도 활동 로그 항목으로 읽으므로, 한 달 동안 로그인하지 않은 계정에 추가 제품을 팔아야 하는지 재검토할 수 있다.
   4. 여러 계정의 확장 가능성을 비교할 때는 먼저 CRM 스키마를 순회하고, 그다음 각 고객의 활동 로그로 깊이 들어가 근거를 제시한다.

3.3. 스키마보다 지능이 앞서는 설정 경험

1. CRM 컨설턴트가 해결하던 가장 큰 결정

   1. 팀은 CRM 컨설턴트와 대화하며 컨설턴트의 가장 중요하고 결과가 큰 작업이 데이터 모델을 정하는 일이라는 사실을 확인했다.
   2. 잘못된 영업 단계와 필드를 선택하면 영업 담당자에게 과거로 돌아가 데이터를 다시 채우게 할 수 없으므로 시스템이 망가진다.

2. 스키마리스(Schemaless) 구성

   1. 사용자는 이메일, 통화 녹음기, 데이터 웨어하우스를 연결하기만 하면 된다.
   2. 내장된 인리치먼트(Enrichment) 소스가 추가 정보를 제공하고, Lightfield가 관계를 실시간으로 조립한다.
   3. 사용자는 처음부터 모든 필드를 정하지 않고 나중에 필요한 필드를 채울 수 있다.
   4. 필드 정의를 바꾸더라도 활동 로그를 다시 순회해 새 필드를 채울 수 있다.
   5. 핵심 명제는 ‘지능(Intelligence)이 스키마(Schema)보다 크다’는 것이다.
   6. 이메일을 동기화하고 약 5분을 기다리면 소비자 제품처럼 구성된 CRM을 사용할 수 있다.

3. 관계형 데이터베이스와의 대비

   1. 과거 데이터베이스는 공간을 아끼기 위해 각 테이블 열의 최대 길이를 미리 정했다.
   2. VARCHAR(25)처럼 이름 열에 들어갈 문자의 최대 개수까지 사전에 정해야 했다.
   3. Lightfield는 모든 현실을 고정 열에 욱여넣는 대신, 풍부한 맥락을 저장하고 지능이 필요한 구조를 추론하게 한다.

4. 임의의 사업 모델을 담는 월드 모델과 시장 진입

4.1. Power의 임상시험 매칭 사례

1. 커스텀 객체와 커스텀 관계

   1. Lightfield는 처음부터 임의의 스키마와 커스텀 객체(Custom Object), 커스텀 관계(Custom Relationship)를 지원했다.
   2. 표준 CRM에 맞지 않는 사업 모델도 별도 시스템을 만들지 않고 Lightfield 안에 표현할 수 있다.

2. B2B와 B2C를 하나의 모델로 연결한 Power

   1. Power는 제약회사와 협력해 임상시험 참가자를 찾는다.
   2. 동시에 여러 질병과 합병증을 가진 사람들이 최첨단 치료(Frontier Treatment)를 찾는 마켓플레이스를 운영한다.
   3. Power는 B2B 제약회사 쪽과 B2C 환자 쪽을 Lightfield에서 함께 모델링했다.
   4. FDA와 ClinicalTrials.gov를 스크래핑하는 자동화를 만들어 전 세계에서 진행 중인 임상시험의 월드 모델을 구성했다.
   5. 시스템은 환자와 적절한 임상시험을 매칭하고, 동시에 그 임상시험에 맞는 제약회사와의 연결도 찾아낸다.
   6. Lightfield의 연결은 알츠하이머 환자가 며칠 안에 최첨단 치료를 찾도록 도왔다.

4.2. 그린필드와 브라운필드

1. 브라운필드의 의미

   1. 브라운필드(Brownfield)는 기존 솔루션이 이미 시장을 밟고 지나간 영역이다.
   2. SAP 같은 ERP가 더 나은 제품에 고객을 빼앗기지 않는 이유는 최고의 회사들이 고객이 아니라 인질을 보유한다는 표현으로 설명할 수 있다.
   3. 클라우드 전환은 기존 온프레미스 문제를 새 방식으로 정의한 사례다.
   4. 과거 기업은 사무실의 IBM AS/400 메인프레임에서 돌아가는 Siebel Systems를 사용했고, 관리하던 사람이 퇴사하면 클라우드 기반 업체로 옮길 이유가 생겼다.

2. 그린필드의 전략

   1. 그린필드(Greenfield)는 기존 소프트웨어에 묶이지 않은 신생 회사에 최상의 제품을 제공하는 전략이다.
   2. Lightfield는 처음에 기존 CRM을 쓰지 않는 신생 회사를 공략했다.
   3. Keith는 수십만 명 규모의 브라운필드 진입에 대한 날카로운 논제를 처음부터 갖고 있지 않았고, 영업팀 구축은 누구나 관심을 가지며 개선할 수 있는 풍부한 문제라고 보고 실험을 시작했다.

3. 신생 회사에서 브라운필드 쐐기까지

   1. Keith와 비서실장은 LinkedIn으로 잠재고객을 찾고 YC 회사에 이메일을 보내 스타트업 CRM을 대체할 수 있는지 물었다.
   2. 고객의 성장 과정을 관찰하면서, 합류 당시 영업 담당자가 0명이던 고객이 100명 규모의 영업팀으로 커지는 사례를 얻었다.
   3. 고객이 초기 단계에서 시드·A·B 라운드로 빠르게 성장하면서 어떤 문제가 실제로 중요한지 반복해서 확인할 수 있었다.
   4. 약 6개월 동안 고객을 가까이서 지켜본 끝에, 단순히 리드 점수화와 아웃바운드 이메일을 자동화하는 것이 아니라 혼란스러운 기업 성장기를 이해하고 조종하도록 돕는 것이 브라운필드의 쐐기라는 결론에 도달했다.

5. 기존 사용 습관과 AI 네이티브 인터페이스의 절충

5.1. 새로운 VP의 영업 습관을 바꾸는 방법

1. 그린필드 회사도 브라운필드 인재를 채용한다

   1. 신생 회사가 Lightfield를 선택해도 새로 채용한 VP of Sales가 Salesforce 방식에 익숙하면 전환 저항이 생긴다.
   2. Alex Rampell은 첫 회사에서 Salesforce에 월 85달러를 내지 않으려고 무료 SugarCRM을 썼지만, 새 VP of Sales가 사용을 거부하자 결국 Salesforce로 돌아간 경험을 소개했다.

2. 회사 전체를 무료로 연결하는 전략

   1. Lightfield는 세일즈 주도 플랜에서 회사의 누구나 무료로 사용할 수 있게 했다.
   2. 엔지니어링은 고객을 이해하고, 재무는 매출 인식을 처리하며, 고객 성공은 계정 점수를 매기는 등 각 부서가 같은 기업 맥락을 사용한다.
   3. 회사 전체 네트워크 효과는 단순한 영업 도구보다 교체 비용을 높이고, 기존 CRM에 익숙한 VP가 합류해도 전환을 시도할 여지를 만든다.

5.2. 스프레드시트부터 자연어까지

1. 프래그머티즘을 택한 제품 표면

   1. Keith 자신도 회사의 사실상 영업 관리자 역할을 하며 스프레드시트 화면으로 회의를 운영한다.
   2. 기업용 CRM이 되려면 사람들이 일하는 방식을 독단적으로 바꾸려 하지 않아야 한다.
   3. Lightfield는 대시보드와 테이블 뷰를 제공하면서, 최첨단 사용자는 자연어와 CLI를 선택할 수 있게 했다.

2. BMW의 버튼과 Tesla의 단순함

   1. BMW와 비행기 조종석은 수많은 버튼과 스위치로 전문성을 드러내지만, 사용자가 기능을 배우는 부담도 크다.
   2. 최신 Tesla는 기어를 바꾸는 물리적 스톡조차 없지만, 인터페이스가 직관적이어서 어린아이도 사용할 만큼 단순하다.
   3. Bloomberg 단말기의 버튼에 익숙한 금융 전문가처럼 숙련자에게는 많은 컨트롤이 유용하지만, 자연어 지능은 그 컨트롤의 상당 부분을 불필요하게 만든다.

3. 결정론적 대시보드와 대화형 에이전트의 공존

   1. 사람들은 여전히 아침 커피를 마시며 매일 같은 매출 상승 대시보드를 확인하고 싶어 한다.
   2. Lightfield는 결정론적 대시보드를 없애지 않고, 반복적인 옛 워크플로를 대화형으로 재설계한다.
   3. 전통적인 영업 시퀀스는 여러 이메일, 시간 조건, 트리거, 화살표와 변수를 직접 설정해야 했다.
   4. Lightfield에서는 사용자가 에이전트와 대화하고, 에이전트가 기업 월드 모델을 고려한 실행 레시피(Recipe)를 작성한다.
   5. 처음에는 영업 리더가 ‘노브와 스위치가 필요하다’고 했지만, 대화형 방식이 더 효율적이고 학습해야 할 것이 적다는 사실을 받아들였다.

6. 고객이 직접 만드는 시대의 시스템 오브 레코드

6.1. 데이터 소유권과 확장성

1. 고객 데이터는 고객의 것

   1. Lightfield는 시스템 오브 레코드(System of Record)이므로 고객 데이터가 Lightfield의 소유가 아니라고 명확히 말한다.
   2. Lightfield는 이메일 동기화, Slack 동기화, 데이터 웨어하우스 동기화를 직접 만들고, 사업 모델의 정확도와 데이터베이스 성능을 책임진다.
   3. 고객은 핵심 기록을 Lightfield에 두면서 그 위에 자체 회사 하네스(Company Harness)를 만들 수 있다.
   4. MCP나 CLI를 통해 Lightfield의 데이터를 원하는 방식으로 가져갈 수 있다.

2. 자체 하네스가 되돌아오는 이유

   1. 일부 고객은 Lightfield 위에 직접 만든 하네스를 올려 몇 주 동안 사용했다.
   2. 고객은 자체 하네스가 엔터티 인식(Entity Recognition), 정밀도(Precision), 재현율(Recall), 속도 면에서 Lightfield의 기본 기능보다 부족하다는 사실을 발견했다.
   3. Keith는 사용자가 원하는 일을 하도록 열어두되, 매일 생산성을 맡길 자격을 얻기 위해 더 좋은 기반을 만들겠다고 말한다.

6.2. ‘소프트웨어는 죽었다’는 주장에 대한 현실 검증

1. 작은 회사의 바이브 코딩 실험

   1. 시드 단계 창업자들은 Lightfield에 돈을 내는 대신 주말 네 번이면 직접 만들 수 있다고 말했다.
   2. 팀은 “좋은 행운을 빈다. 다섯 번째 주말에 전화하라”고 답했다.
   3. 실제로 자체 구현은 환각을 일으키고 나쁜 이메일을 보내는 문제를 만들었다.

2. 큰 회사가 원하는 것은 자체 회사의 뇌다

   1. 큰 회사는 시스템 오브 레코드를 직접 만들겠다고 하기보다 자체 회사의 뇌(Company Brain)를 만들겠다고 말한다.
   2. 여러 회사가 사업 월드 모델을 직접 만들었다가 고객 모델링이 특히 어렵다는 사실을 깨닫고 Lightfield로 돌아왔다.
   3. 슈퍼마켓, 자동차 제조업체, 기업용 소프트웨어가 모두 죽고 사람들이 직접 만들 것이라는 식의 주장은 자체 운영 비용과 유지보수 비용을 무시한다.

7. AI 시대의 가격과 결과 기반 과금

7.1. 좌석과 사용량의 양극단 실험

1. 순수 좌석 기반 가격

   1. Lightfield는 Salesforce·HubSpot과 유사한 좌석 기반 가격으로 시작했다.
   2. 고객 반응은 좋았지만, 가장 많이 쓰는 상위 사용자가 하위 사용자보다 소비량이 10,000배 많았다.
   3. 소비량 격차를 무시한 좌석당 과금으로는 장기적으로 사업을 유지하기 어렵다는 결론이 나왔다.

2. 순수 사용량 기반 가격

   1. Lightfield는 모든 작업을 크레딧으로 환산하는 순수 소비량 과금으로 전환했다.
   2. 고객은 과금될까 봐 아무것도 만지지 않았고, 가입자는 늘었지만 실제 사용은 멈췄다.
   3. Keith는 이 세 주를 회사 역사상 최악의 3주라고 표현했다.

7.2. 네 종류의 작업을 분리한 혼합 가격

1. 핵심 CRM 작업

   1. 회의 캡처, 기록 입력, 태스크 업데이트는 매일 반복되는 기본 CRM 작업이다.
   2. 고객은 핵심 기록의 비용 변동성을 예산에서 매번 계산하고 싶어 하지 않으므로 플랫폼 요금 또는 좌석 요금에 포함되기를 원한다.

2. 파이프라인 생성과 워크플로 자동화

   1. 리드 인리치먼트와 파이프라인 생성은 추가 미팅과 매출로 전환될 수 있으므로 소비량 기반으로 지불할 의향이 높다.
   2. 웹사이트에서 데모를 신청한 사람이 딥테크 기업인지 헬스테크 기업인지 조사하고 적절한 담당자에게 배정하는 작업은 명확한 ROI를 가진다.
   3. 이런 워크플로 자동화는 실제 업무를 수행하므로 사용량 기반 과금이 자연스럽다.

3. 인텔리전스와 예측

   1. Lightfield가 회사의 크리스털 볼 또는 스노글로브가 되어 시나리오를 계획하고 다음 결정을 찾는 기능은 아직 가장 덜 발견된 영역이다.
   2. 고객은 의사결정에 추가적인 알파(Alpha)를 제공하는 인텔리전스에 비용을 지불할 수 있다.
   3. Keith는 주말에 GPT-6가 Lightfield를 몇 시간 동안 분석하게 한 뒤 자신의 영업 프로세스를 바꾼 사례를 들었다.

4. 현재의 과금 구조

   1. Lightfield는 핵심 CRM에 플랫폼 요금과 좌석 요금을 적용한다.
   2. 나머지 작업에는 사용량 기반 요금을 적용한다.
   3. 이 조합은 기본 기록의 예측 가능성과 부가 작업의 소비량·가치 연동을 동시에 확보한다.

7.3. 결과 기반 과금이 아직 어려운 이유

1. 결과는 고객의 제품·시장 적합성에 의존한다

   1. OpenAI처럼 이미 강한 제품·시장 적합성을 가진 회사의 아웃바운드 영업은 효율적으로 성과를 낸다.
   2. 웹사이트도 없는 시드 단계 회사의 아웃바운드 영업은 같은 작업을 해도 비효율적이다.
   3. 판매 시스템의 결과를 전부 Lightfield가 통제하지 못하므로 결과 기반 가격은 아직 공정하게 책정하기 어렵다.

2. 현재의 원칙

   1. Lightfield는 지금은 결과가 아니라 수행한 작업에 과금해야 한다고 판단한다.
   2. 고객의 제품과 시장 상황이 성숙하고 성과를 안정적으로 측정할 수 있을 때 결과 기반 과금의 범위가 넓어질 수 있다.

8. 40명 조직의 속도와 일반화된 역할

8.1. Tome의 사일로와 Lightfield의 전환

1. ‘집놀이(Playing House)’ 조직의 문제

   1. Tome에서는 제품 리더, 마케팅 리더, 고객 성공 리더가 각자 수영 레인(Swim Lane)을 갖고 있었다.
   2. 다른 사람이 자신의 영역에 피드백을 주면 불쾌해하는 구조가 만들어졌다.
   3. 각 조직이 뇌와 연결되지 않은 부속기관처럼 움직이면서 회사가 느려졌고, 피벗도 어려워졌다.
   4. 장기 계획을 너무 앞서 세운 것도 빠르게 바뀌는 AI 시대의 회사 운영과 맞지 않았다.

2. Lightfield의 운영 원칙

   1. Lightfield는 특정 역할의 수영 레인을 없앴다.
   2. Keith의 공동창업자 Henry는 “사람이 계획하면 OpenAI가 웃는다”라고 표현했다.
   3. 약 40명의 전 직원이 매일 같은 스탠드업에 참여한다.
   4. 팀은 전달·엔지니어링·고객 성공 문제를 중요도 순으로 정렬하고, 시간이 있는 사람이 문제를 맡는다.

8.2. 모든 사람이 일반ist가 되는 도구 환경

1. LLM이 부서 간 이동 비용을 낮추다

   1. 누구나 Lightfield를 통해 고객의 맥락을 빠르게 파악할 수 있다.
   2. LLM이 Figma의 디자인 시스템 라이브러리를 다룰 수 있으므로 누구나 디자인 프로젝트에 참여할 수 있다.
   3. Lightfield의 Linear 연결을 이용하면 누구나 작업을 자동 생성할 수 있다.
   4. 엔지니어, 디자이너, 고객 성공 관리자(CSM)가 모두 프로젝트를 이끌 수 있다.
   5. 전문가는 자신의 전문성과 가까운 프로젝트를 더 많이 맡지만, 조직 전체는 일반ist에 가까워진다.

2. 낮은 시작 문턱과 높은 출시 문턱

   1. Lightfield는 프로젝트를 시작하는 문턱을 낮게 유지한다.
   2. 고객에게 내보내기 전에는 회사 전체가 좋아할 만큼 높은 품질을 요구한다.
   3. 매주 GTM 로드맵을 다시 편집하고, 고객 요청이 회사의 사명과 맞지 않으면 제외한다.
   4. Instagram에서 배운 전사 버그 배시(Bug Bash)를 유지해 출시 품질을 검증한다.

9. 속도, 우선순위, 시장 확장

9.1. 가장 큰 걱정은 속도다

1. 11 Labs 사례가 보여준 교체 위험

   1. Keith는 창업 전 여러 보고서에서 기업이 유행하는 스타트업 CRM에서 Salesforce로 되돌아가는 사례를 읽었다.
   2. 11 Labs가 사용하던 스타트업 CRM은 대시보드를 만드는 데 4개월이 걸렸다.
   3. 11 Labs 팀이 대시보드를 계속 요청하다 지쳐 Salesforce로 이동한 사례는 Lightfield가 느려지면 겪을 위험을 보여준다.
   4. Lightfield는 신생 회사에 최고의 CRM이라는 쐐기를 확보한 뒤, 고객이 옛 세계로 돌아갈 이유를 없애기 위해 필요한 기능을 모두 만들어야 한다.

2. AI 시대에도 남는 우선순위 선택

   1. AI가 제품·디자인·엔지니어링 작업을 빠르게 만들더라도, 모든 고객 요청을 동시에 처리할 수는 없다.
   2. 한 고객이 이 기능이 없으면 이탈한다고 말하는 것과, 다른 15개 고객이 다른 기능이 없으면 가입하지 않는 상황 사이에서 선택해야 한다.
   3. Lightfield는 계정의 3년 확장 가치(Expansion Value)를 계산하고 가장 빠르게 성장하는 고객을 평균 고객보다 우선해 기능을 만든다.
   4. 경쟁이 치열한 시장에서는 처음의 작은 도입 규모보다 3~5년 뒤 고객 회사에서 차지할 중요도가 더 큰 판단 기준이 된다.
   5. AI 시대의 Lightfield는 필요한 것을 더 많이, 더 최대주의적으로 만들어야 한다.

9.2. 실리콘밸리의 과열과 외부 시장의 저평가

1. AI 인식의 지역 격차

   1. Alex는 AI가 실리콘밸리에서는 과대평가되는 것처럼 농담되지만, 실제로는 실리콘밸리 밖에서 훨씬 과소평가된다고 말했다.
   2. 많은 사람은 2022년 11월 ChatGPT를 한 번 써보고 환각을 경험한 뒤 AI가 작동하지 않는다고 결론 내렸다.
   3. 일부 사람은 AI가 자신의 일자리를 없앨 것이라고만 생각하며 발전한 기능을 다시 시험하지 않는다.

2. 실리콘밸리를 레퍼런스 로고 확보 장소로 쓰다

   1. 시스템 오브 레코드 기업의 큰 매출은 실리콘밸리에서 약 50마일 이상 떨어진 지역과 산업에서 나온다.
   2. Lightfield는 실리콘밸리를 가장 효율적인 단기 매출 시장이 아니라 레퍼런스 로고를 모으는 시장으로 본다.
   3. 예를 들어 2억 달러를 투자받았지만 고투마켓 인력이 세 명뿐인 고객에게 뛰어난 일을 해주면, 나중에 헬스케어·핀테크·제조업 고객에게 신뢰를 보여줄 수 있다.

9.3. 수직 레퍼런스와 보안 역량

1. 같은 업종의 신뢰 신호

   1. 고객은 같은 소프트웨어라도 다른 업종에서 성공한 사례보다 자기 업종의 사례를 더 신뢰한다.
   2. 칫솔을 파는 회사의 성공 사례가 코카콜라를 파는 회사의 구매 결정을 바로 설득하지 못하는 것처럼, 구매자는 자신과 비슷한 회사의 레퍼런스를 원한다.
   3. 시스템 오브 레코드는 은행보다 옮기기 어려울 정도로 전환 부담이 크므로 ‘잘못 고르지 않을’ 확신이 필요하다.
   4. ‘아무도 IBM을 산 사람을 해고하지 않는다’는 관습은 기업용 시스템의 레퍼런스 신뢰를 설명한다.

2. 헬스테크 진입 사례

   1. Lightfield는 약 50명의 이해관계자가 참여하는 복잡한 헬스케어 거래에서 컨텍스트 엔지니어링을 잘 수행했다.
   2. 초기에 보안을 핵심으로 삼아 BAA(Business Associate Agreement)를 체결하고 수년간 침투 테스트를 진행했다.
   3. 이런 보안과 레퍼런스 네트워크가 쌓이자 헬스테크 거래를 쉽게 따낼 수 있게 됐다.
   4. ERP를 고를 때도 구매자는 자신과 닮은 회사가 선택한 제품을 골라 구매 후 더 이상 고민하지 않으려 한다.

주요 발언 모음

“사업과 고객 현실을 완전히 모델링할 수 있다면, 나머지는 쉬워진다.”

“지능은 스키마보다 크다.”

“최고의 회사들은 고객이 아니라 인질을 보유한다.”

“사람이 계획하면 OpenAI가 웃는다.”

“우리의 일은 고객이 원하는 것을 하도록 열어두면서도, 매일 생산성을 맡길 자격을 얻는 것이다.”

“CRM 회사로서 우리는 확장 회사(Expansion Company)가 되어야 한다.”

“피벗 중에는 주변의 소음 대부분이 중요하지 않다. 고통을 찾고, 그 고통을 해결하는 제품이나 서비스를 만들고, 고객에게 광적으로 집중해야 한다.”

핵심 데이터 & 수치

• 2,500만 명: Tome의 누적 사용자 규모.
• 월 200만 명: Tome이 한때 확보한 월간 사용자 규모.
• 12개 파일럿: Lightfield 전환 초기에 확보한 B2B 파일럿 수.
• 약 50만 명 규모 기업: 초기 파일럿의 대상 기업 규모로 언급됐다.
• 약 4개월: Lightfield 팀이 CRM을 처음부터 다시 만든 기간.
• 10개 스타트업: 무료 사무공간을 대가로 초기 CRM을 매일 사용한 고객 수.
• 약 2시간마다: 초기 고객이 Slack으로 피드백을 주던 빈도.
• 5명 중 3명: Facebook 출신인 Lightfield 공동창업 멤버 비율.
• 약 5분: 이메일 등 데이터를 연결한 뒤 스키마리스 CRM이 구성되는 시간.
• 10,000배: 순수 좌석 가격 실험에서 최상위 사용자와 최하위 사용자의 소비량 차이.
• 3주: 순수 소비량 가격으로 전환한 뒤 고객이 사용하지 않아 회사가 겪은 최악의 기간.
• 40명: Lightfield의 전 직원이 같은 스탠드업에 참여하던 시점의 조직 규모.
• 4개월: 11 Labs가 요청한 대시보드를 스타트업 CRM이 만드는 데 걸린 기간.
• 3년: Lightfield가 계정의 확장 가치를 평가하는 시간 지평.
• 3~5년: 초기 도입 규모보다 고객 회사에서 장기적으로 중요해질 시점을 판단하는 기간.
• 2억 달러·고투마켓 3명: 레퍼런스 로고 전략을 설명하기 위해 든 초기 고객 사례.
• 약 50명: Lightfield가 복잡한 헬스케어 거래에서 상대하는 이해관계자 수의 예시.

결론 및 시사점

1. AI 네이티브 기업 소프트웨어의 핵심 자산은 화면과 고정 필드가 아니라 기업과 고객의 현실을 재구성한 맥락이다.
2. 활동 로그를 정본으로 삼으면 이메일·통화·회의·제품 사용량·결제 데이터를 하나의 관계 흐름으로 연결할 수 있다.
3. 스키마를 먼저 고정하는 CRM은 기업이 바뀔 때 과거 데이터를 다시 채우게 만들지만, 지능 중심 모델은 나중에 필드를 추론할 수 있다.
4. 자연어 에이전트는 모든 표와 대시보드를 없애기보다, 기존 표면과 공존하면서 복잡한 설정 작업을 레시피로 바꾼다.
5. 초기 그린필드 고객은 제품 실험실이자 브라운필드 진입을 위한 레퍼런스 네트워크가 된다.
6. 시스템 오브 레코드 시장에서는 제품 우수성만으로 부족하며 업종별 신뢰, 보안, 교체 부담을 낮추는 증거가 필요하다.
7. AI 소프트웨어의 가격은 기본 기록처럼 예측 가능한 작업과 파이프라인·자동화·인텔리전스처럼 가치가 변하는 작업을 구분해야 한다.
8. AI가 구현 속도를 높여도 회사는 모든 요청을 다 처리할 수 없으므로 장기 확장 가치와 고객군의 공통성을 기준으로 우선순위를 정해야 한다.
9. 일반ist 조직은 LLM·연결 도구·공유 맥락을 이용해 부서 간 장벽을 낮추지만, 낮은 시작 문턱과 높은 출시 품질 기준을 함께 요구한다.
10. 피벗의 실행 원칙은 시장의 소음보다 고객의 고통을 찾고, 그 고통을 해결하는 일에 집중하는 것이다.

핵심 요약 (20줄)

Tome은 GPT-3와 ChatGPT가 부상하던 시기에 프레젠테이션 생성 기능으로 월 200만 명과 누적 2,500만 명의 사용자를 확보했다. Keith Peiris와 공동창업자들은 발표자·청중·관계의 맥락을 모델이 이해하지 못해 Tome을 필수적인 전문가 도구로 만들 수 없다고 판단했다. Lightfield 팀은 전문가의 어려운 이야기를 돕는다는 원래 목적을 B2B 영업·마케팅 문제로 옮겼다. 12개 파일럿 고객은 프레젠테이션보다 리서치·리드 검증·확장 영업을 더 강하게 요구했다. 여러 시스템의 불완전하고 충돌하는 데이터를 재조직하는 일이 AI가 영업 업무를 수행하는 것보다 근본적인 문제로 드러났다. Lightfield는 고투마켓 도우미의 낮은 가격 결정력을 버리고 CRM을 제1원칙에서 다시 설계했다. 열 개 스타트업은 무료 사무공간을 대가로 초기 CRM을 사용하며 두 시간마다 Slack 피드백을 보냈다. Lightfield는 사업과 고객 현실을 고충실도로 모델링하면 나머지 업무는 프롬프트와 도구 호출로 해결된다고 본다. Facebook 타임라인에서 영감을 받은 활동 로그는 고객 관계의 시간순 정본으로 작동한다. 반구조화 모델은 활동 로그의 풍부한 비정형 데이터와 CRM 필드·단계의 검색 가능성을 결합한다. 고객 성공 담당자는 상호작용·지원 티켓·제품 사용량을 함께 조회해 확장 영업의 시점과 대상을 판단할 수 있다. Lightfield는 이메일·통화 녹음기·데이터 웨어하우스를 연결하면 약 5분 만에 지능이 스키마를 대신하는 CRM을 구성한다. Power는 FDA와 ClinicalTrials.gov 데이터를 환자·제약회사·임상시험의 월드 모델로 연결해 알츠하이머 환자의 치료 탐색을 도왔다. Lightfield는 그린필드 스타트업에서 시작해 기업을 이해하고 조종하게 하는 능력을 브라운필드 진입의 쐐기로 삼았다. 대시보드와 테이블은 남겨두되 자연어 에이전트가 복잡한 영업 시퀀스를 실행 레시피로 바꾸는 절충이 채택됐다. 좌석 가격은 사용자별 소비량이 10,000배까지 차이 나고 순수 사용량 가격은 고객 사용을 멈추게 해 혼합 가격으로 대체됐다. 핵심 CRM은 플랫폼·좌석 요금으로, 파이프라인 생성·워크플로 자동화·인텔리전스는 사용량과 가치에 맞춰 과금한다. 약 40명의 Lightfield 직원은 같은 스탠드업에서 문제를 순위화하고 누구나 제품·고객 성공 프로젝트를 맡는 일반ist 구조로 일한다. Lightfield는 3년 확장 가치와 빠르게 성장하는 고객을 기준으로 AI 시대의 무제한에 가까운 기능 요청을 우선순위화한다. Lightfield의 미래 목표는 고객·제품·조직 맥락으로 채용과 제품 전략을 시뮬레이션하는 기업의 크리스털 볼이 되는 것이다. 피벗을 실행하는 창업자는 주변 소음을 차단하고 고통을 찾아 해결하며 고객에게 광적으로 집중해야 한다.