AI 시대 VC 승자와 자본의 해자: 마진과 가격보다 성장·실행력이 중요하다 (Sameer Dholakia)

title_original: Who Wins in the Next Decade of VC | Margin and Price Matter Less in a World of AI | Sameer Dholakia URL: https://www.youtube.com/watch?v=-r2_5LboWL8 video_id: -r2_5LboWL8 원본 발행일: 2026-10-19 정리일: 2026-10-20 채널: 20VC with Harry Stebbings 출연: Sameer Dholakia (Bessemer Venture Partners) 길이: 79분 51초

📌 핵심 질문 / 핵심 논점

==AI가 만들어낼 거대한 지능 시장에서는 투자 가격과 단기 마진보다 시장의 장기 성장성, 매출의 질, 실행력, 그리고 승자를 빠르게 키울 자본이 더 큰 차이를 만든다.== 다만 가격과 마진이 중요하지 않다는 뜻은 아니다. 진입 가격은 향후 12개월의 성장과 비교해 판단하고, 총마진은 5~7년의 구조적 개선 경로를 검증해야 한다.

• AI는 소비자부터 기업·정부까지 모든 경제 주체의 생산성을 높이는 범용 지능 시장이며, 석유 시장보다 커질 수 있다.
• 프론티어 모델과 오픈 모델은 서로 대체하기보다 가격·성능·통제 수준이 다른 수요를 함께 충족한다.
• 막대한 자본은 컴퓨팅·인재·브랜드·고객 확보의 속도를 높여 해자가 될 수 있지만, 탁월한 제품과 경영진을 대신하지 못한다.
• VC 산업도 대형 글로벌 플랫폼과 뚜렷한 전문 투자사로 양극화되며, 차별화되지 않은 중간 지대는 불리해진다.

1. AI는 인터넷과 클라우드를 잇는 더 큰 슈퍼사이클이다 (00:59–04:42)

1.1. 기술의 마법 같은 전환점은 세대적 시장을 연다

1. 31년 동안 목격한 기술 전환은 드물지만 거대한 시장을 만들었다.

   1. Sameer Dholakia는 1995년 대학을 졸업하며 인터넷이 막 태동하는 실리콘밸리에 있었다. 사람들이 콘텐츠를 만들고 전 세계에 공유하며, 장소를 옮기지 않고 상거래까지 할 수 있다는 변화가 당시에는 마법처럼 보였다.
   2. 이후 VMware는 하드웨어와 운영체제 사이에 가상화(virtualization) 계층을 놓아 한 대의 물리 서버에서 여러 가상 머신(VM)을 실행하게 했다. 실행 중인 워크로드를 다른 서버로 옮기고 원래 서버를 꺼도 서비스가 멈추지 않는 탄력성이 클라우드의 기반이 됐다.
   3. 하이퍼스케일러가 성장할 수 있었던 이유는 가상화로 컴퓨팅을 유연하게 배치하고 켜고 끌 수 있었기 때문이다. Dholakia는 인터넷과 클라우드에서 그런 구조적 변화를 경험할 때마다 직접 뛰어들고 싶어졌다.

2. 생성형 AI의 첫 데모는 그에게 세 번째 마법의 순간을 만들었다.

   1. Twilio에서 일하던 중 안식년을 생각하던 때, 젊은 창업자 Dave Rogenmoser가 Jasper에서 빠르게 성장하는 제품을 보여주겠다고 연락했다.
   2. 2021년 겨울 GPT-3 기반 마케팅 앱 Jasper를 직접 써 본 순간, 생성형 AI가 단순한 자동완성이 아니라 새로운 소프트웨어 플랫폼이 될 수 있음을 체감했다.
   3. 인터넷·클라우드와 AI를 비교하면 이번 혁신은 앞선 두 변화를 합친 것보다 더 클 수 있다고 본다. 기술이 더 넓은 역할과 훨씬 많은 지출 영역을 건드리기 때문이다.

1.2. 지능은 기계를 움직이는 석유처럼 사람과 조직의 일을 강화한다

1. 지능 시장의 잠재 수요는 특정 산업에 국한되지 않는다.

   1. 석유가 기계를 움직이는 동력이라면 지능은 모든 사람에게 힘을 실어준다. 소비자, 프로슈머, 중소·중견기업, 대기업, 정부 모두 더 많은 지능을 필요로 한다.
   2. AI를 쓰는 주체와 과업이 광범위하므로 전체 시장(TAM)을 현재 관측되는 모델 매출이나 토큰 수요만으로 추정하면 잠재력을 과소평가한다.
   3. Dholakia는 지능 시장이 석유 시장보다 훨씬 커질 수 있다고 표현한다. 이 비유의 핵심은 AI가 하나의 제품군이 아니라 거의 모든 활동에 투입되는 범용 투입재라는 점이다.

2. 시장 크기는 특정 모델 유형의 점유율 예측보다 더 중요한 투자 기준이다.

   1. 폐쇄형 모델과 오픈형 모델의 토큰 비중 또는 각각이 가져갈 매출 비율을 정밀하게 맞추는 일은 거대한 TAM 앞에서 부차적이다.
   2. 소비자·기업·정부는 서로 다른 성능, 비용, 데이터 통제, 배포 방식의 지능을 원한다. 여러 모델 유형이 각기 큰 사업으로 성장할 여지가 있다.
   3. Dholakia는 기존 소프트웨어 역사에서 수백 개의 SaaS 제품이 각기 특정 업무를 맡았듯, AI에서도 수백 가지 목적별 애플리케이션이 생길 것으로 본다.

2. Anthropic 투자와 오픈·폐쇄 모델의 공존 (04:44–15:30)

2.1. Anthropic의 자본 집약성과 AWS 관계가 핵심 투자 논리였다

1. 시리즈 D 투자 때의 가격은 지금 보면 낮아 보이지만 당시에는 큰 위험이었다.

   1. Bessemer는 Menlo Management가 주도한 Anthropic 투자 라운드에 Lightspeed와 함께 참여했다. 당시 평가는 약 150억 달러 투자 전(pre-money), 180억 달러 투자 후(post-money) 수준으로 회상한다.
   2. 해당 시점 Anthropic의 ARR은 약 1억 달러였으므로 기업가치는 현재 ARR의 약 150배였다. 당시에는 이 정도 가격이 매우 비싸 보였고, 내부에서 강한 논쟁이 있었다.
   3. Dholakia와 파트너 Byron Deeter는 클라우드 산업을 경험하며 자본 집약적 인프라가 소수의 대형 공급자로 집중되는 패턴을 익혔다. 대규모 컴퓨팅이 필요한 AI에서도 비슷한 구도가 나타날 수 있다고 봤다.

2. AWS와의 연결은 모델 학습에 필요한 컴퓨팅과 초기 유통을 제공할 수 있었다.

   1. Anthropic은 모델 학습에 막대한 컴퓨팅을 필요로 했고, AWS와의 관계는 그 자원을 확보하는 데 중요했다.
   2. 초기 단계 기업에겐 제품만큼 유통(distribution)이 중요하다. AWS가 인프라 파트너이자 주요 투자자로 참여하는 것은 Anthropic의 성장 기반을 강화했다.
   3. 당시 AWS 자체 모델 Nova는 두드러진 경쟁력을 보이지 않았고, Microsoft는 OpenAI와, Google은 Gemini와 협력하고 있었다. 따라서 대형 클라우드 사업자 중 AWS가 Anthropic에 의미 있는 투자를 하는 점이 투자 판단에서 주목됐다.

3. Bessemer 내부에서 Anthropic 거래는 통과 표 차이가 가장 작았던 투자 중 하나였다.

   1. Byron Deeter에 따르면 당시 회사 역사상 가장 근소한 표차로 승인된 거래 중 하나였다. 연구소가 여럿 등장하던 초기여서 누가 장기 승자가 될지 확신하기 어려웠다.
   2. Bessemer가 파트너에게 자율성을 부여하고 각자가 확신하는 투자를 추진하도록 하는 문화가 있었기에 Dholakia와 Deeter는 투자에 나설 수 있었다.
   3. Dholakia는 이후 돌아보며 그 라운드에서 더 큰 금액을 투자하지 못한 점을 아쉬워한다. 위험 요소가 많았지만 AWS 연계와 시장 잠재력을 더 크게 반영할 수 있었다고 본다.

2.2. 프론티어 모델과 오픈 모델은 양자택일이 아니다

1. 오픈 모델의 저렴한 추론 비용은 프론티어 연구소의 사업을 없애지 않는다.

   1. 모델 지능의 비용이 높아지면 오픈소스로 이동할 것이라는 우려가 있지만, Dholakia는 “둘 중 하나”라는 프레임을 거부한다.
   2. 그는 Anthropic 같은 폐쇄형 프론티어 모델과 Fireworks 같은 오픈 모델 인프라에 모두 투자한다. 둘은 서로 다른 고객·사용 사례·가격 민감도를 겨냥할 수 있다.
   3. 총 시장 규모가 크다면 각 유형의 정확한 점유율을 미리 산출하지 못해도 투자 논리는 성립한다. 어느 한쪽이 다른 쪽을 제거해야만 성공하는 구조가 아니다.

2. 오픈 모델도 공급·운영 기업을 통해 충분히 큰 수익 사업이 될 수 있다.

   1. 기업 고객은 오픈소스 모델을 직접 운영하고 책임지는 데 필요한 인력과 운영 역량을 항상 갖추고 싶어 하지는 않는다. 전문 공급자가 호스팅·지원·최적화를 맡을 수 있다.
   2. Red Hat과 데이터베이스 기업의 사례처럼, 오픈소스 소프트웨어는 지원·운영·배포를 제공하는 사업자가 수익화할 수 있다.
   3. 오픈 모델 사업이 폐쇄형 프론티어 기업만큼 커질지 단정할 수는 없지만, 벤처 수익을 낼 만큼 큰 사업을 만들 수 있다는 것이 그의 판단이다.

3. 중국 오픈 모델의 기업 채택에는 실제 신뢰·정책 장벽이 존재한다.

   1. 미국 CIO 일부는 모델 출처가 중국이라는 이유만으로 사용을 꺼린다. 모델을 로컬에 내려받으면 코드와 가중치가 자사 환경에 있다는 설명만으로 우려가 모두 사라지지는 않는다.
   2. Fireworks가 미국에서 모델을 호스팅하면 배포·운영의 통제권이 바뀌지만, 기업의 인식과 지정학적 우려는 별개의 문제로 남는다.
   3. Dholakia는 미국 기반의 강력한 오픈 모델이 시장의 공백을 메울 것이라고 보며, 중국 모델과 미국 모델 양쪽에 공간이 있다고 판단한다.

2.3. 프론티어 모델에 대한 약세론보다 해결되지 않은 문제에 주목한다

1. 높은 지능은 이전에는 풀 수 없던 문제를 해결하며 새로운 수요를 만든다.

   1. Dholakia는 프론티어 모델의 약세론을 거의 상정하지 않는다. 사람과 조직이 아직 해결하지 못한 문제가 너무 많고, AI가 이를 더 빠르게 풀 수 있다고 보기 때문이다.
   2. 그는 현재를 지능의 마지막 능력치에 도달한 상태가 아니라 아직 이른 단계로 본다. 모델이 해결할 수 있는 과업의 범위는 더 넓어질 수 있다.
   3. 따라서 전체 토큰 가운데 오픈 모델이 99%를 차지하고 매출 가운데 폐쇄 모델이 99%를 차지한다는 식의 예측도 정확하지 않을 수 있다. 투자자가 우선 봐야 할 것은 TAM이다.

2. OpenAI 투자 기회를 놓친 경험은 상상력의 한계를 드러냈다.

   1. Dholakia는 OpenAI 투자 기회에서 가격을 지나치게 높게 느끼며 참여하지 못했다. 300억 달러 가치가 되면 희석을 고려해도 1,000억 달러 이상이 되어야 몇 배 수익을 낼 수 있다고 좁게 계산했다.
   2. ChatGPT가 시장을 열었을 때 OpenAI의 규모가 빠르게 커졌고, Anthropic에 투자할 무렵에는 프론티어 모델 사업의 성장 잠재력이 처음의 상상을 훨씬 넘어섰다.
   3. Anthropic 투자는 놓친 기회를 일부 보완한 계기였다. Dholakia는 투자자가 중요한 판단에서 틀릴 수 있음을 인정하되, 후속 기회에서 관점을 고쳐야 한다고 말한다.

3. 가격·매출의 질·마진을 함께 보는 언더라이팅 (15:33–23:22)

3.1. 진입 가격은 여전히 중요하지만 정적인 ARR 배수만으로 판단하지 않는다

1. 가격은 장기 복리 성장과 향후 성과에 비춰 평가한다.

   1. Dholakia는 진입 가격이 항상 중요하다고 분명히 말한다. 다만 과거 매출을 기준으로 한 배수만 보고 미래의 규모 확장과 복리 성장을 놓쳐서는 안 된다.
   2. 투자 판단의 중심은 기업이 장기간 규모를 키우고 복리 성장을 이어 투자 수익을 만들 수 있는지다. 과거 실적이라는 백미러보다 가까운 미래를 보여주는 앞유리를 본다.
   3. 그는 CEO로 일한 경험 때문에 빠르게 성장하는 기업의 18~24개월 전망이 얼마나 어려운지 알고 있다. 그래서 대체로 향후 12개월(NTM) 전망을 기준으로 삼는다.

2. 높은 NTM 배수도 이례적인 성장률을 뒷받침하면 합리적일 수 있다.

   1. 사업에 따라 다르지만, 역사상 전례 없는 성장 속도를 보이는 기업에는 NTM 매출의 10~15배도 반드시 터무니없는 가격은 아니다.
   2. Bridge는 ARR 약 500만 달러 단계에서 약 7억8천만 달러 가치로 투자받은 사례로 언급된다. Anthropic은 ARR 약 1억 달러, 기업가치 약 150억 달러로 현재 ARR의 약 150배 수준이었다.
   3. Algorand로 받아 적힌 회사명은 문맥상 Legora를 가리키는 것으로 보이며, 해당 기업은 투자 당시 약 2천만 달러 ARR에서 2억 달러 ARR로 빠르게 성장할 수 있다는 전망이 제시됐다. 높은 현재 배수도 NTM 매출을 보면 해석이 달라진다.

3.2. 매출의 질은 고객 유지율과 고객의 전략적 중요성에서 드러난다

1. GDR과 NDR은 반복 매출의 견고함을 보여준다.

   1. B2B 소프트웨어에 오래 몸담은 Dholakia는 총달러유지율(Gross Dollar Retention, GDR)과 순달러유지율(Net Dollar Retention, NDR)을 중요하게 본다.
   2. 핵심은 고객이 계약을 갱신하는지뿐 아니라, 제품이 고객의 전략적 업무에 깊이 들어가 사용 범위와 지출이 확장되는지다.
   3. 소비자·프로슈머 사업은 고객 이탈이 더 치명적일 수 있어 엔터프라이즈 B2B보다 낮은 멀티플을 적용할 수 있다.

2. 매출 인식 숫자보다 누가 왜 계속 돈을 내는지 확인해야 한다.

   1. AI 기업에서는 사용량, 모델 호출, 인프라 비용 등으로 매출 계산이 기존 소프트웨어와 다르게 보일 수 있다.
   2. 고객 구성과 매출의 반복성, 고객이 제품에 의존하는 정도는 단순 ARR보다 사업의 실질적 질을 잘 설명한다.
   3. 평가자는 성장 숫자를 수용하기 전에 고객이 계속 남고 확장할 이유를 점검해야 한다.

3.3. 단기 마진보다 5~7년 후 총마진의 개선 메커니즘을 검증한다

1. 초기 낮은 총마진을 미래 규모의 경제로 설명할 수 있어야 한다.

   1. Dholakia는 투자 후 5~7년을 보유 기간으로 보고, 총마진이 그 기간에 어떻게 진화할지 따진다.
   2. 스프레드시트에서 총마진이 60~70%로 오른다고 가정하는 것만으로는 부족하다. 왜 개선되는지, 어떤 구조적 변화가 이를 만드는지 설명해야 한다.
   3. 규모의 경제, 시장점유율, 시장 지위, 인프라 효율화가 실제로 마진을 높일 수 있는지 확인한다.

2. AI 기업의 초기 마진은 커진 규모와 함께 달라질 수 있다.

   1. Dholakia가 투자한 AI 기업들의 초기 총마진은 규모가 충분히 커진 뒤 기대하는 수준보다 매우 낮았다.
   2. 12~24개월 동안 모델 효율, 추론 비용, 인프라 활용률 등 여러 요소가 개선될 수 있지만, 그 개선이 자동으로 일어난다고 간주해서는 안 된다.
   3. 그러므로 “마진은 덜 중요하다”는 말은 단기 수치만으로 성장 투자를 배제하지 않는다는 뜻이지, 장기 단위경제를 검증하지 않는다는 뜻이 아니다.

3.4. Legora의 기회는 법률 인건비와 잠재 수요를 포함해 계산한다

1. 법률 AI의 시장은 현재 법률 소프트웨어 지출보다 넓다.

   1. 미국 법률 서비스 시장은 약 3,000억 달러이며, 소프트웨어 침투율을 20%로 가정하면 약 600억 달러의 소프트웨어 기회가 생긴다.
   2. Legora와 Harvey를 포함한 여러 공급자가 그 지출을 나눌 수 있다. 전 세계 법률 서비스 지출은 약 1조 달러로 추산되며, 미국은 글로벌 시장의 약 40%라는 가정이 제시된다.
   3. 미국 밖 시장을 포함하면 Legora의 TAM은 미국 단일 시장 가정보다 약 60% 커질 수 있다.

2. 가격 하락은 수요를 더 키우는 제번스 역설(Jevons paradox)을 낳을 수 있다.

   1. 법률 서비스는 비싸서 이용하지 못하는 수요가 많다. AI가 서비스 비용을 낮추면 기존 변호사 업무를 단순 대체하는 데 그치지 않고, 지금까지 충족되지 않은 수요를 열 수 있다.
   2. 서비스 비용의 일부를 공략해 50억~100억 달러 매출 사업을 만들 수 있다면, 법률 시장 전체에서 의미 있는 점유율을 차지하지 않아도 큰 회사가 된다.
   3. 따라서 18억 달러 안팎의 투자 가치도 글로벌 시장, 인건비 절감, 미충족 수요, 성장 후 매출 배수를 함께 보면 평가할 수 있다.

4. 경쟁의 본질은 경쟁자 수보다 자본의 강도다 (23:22–28:22)

4.1. 자본은 성장 속도·인재·브랜드를 증폭시키는 해자가 된다

1. 경쟁의 폭보다 각 경쟁자가 동원하는 자본의 강도가 커졌다.

   1. 과거에도 경쟁자는 존재했지만, Legora와 Harvey처럼 서로가 대규모 자금을 조달하는 현재의 경쟁 강도는 달라졌다.
   2. AI는 컴퓨팅 자원이 부족하고 비싸며, 학습·추론을 확장하는 데 많은 자본이 필요하다. 자본이 부족하면 제품이 좋아도 경쟁에 필요한 자원을 제때 확보하지 못할 수 있다.
   3. SendGrid와 Twilio의 개발자 API 사례처럼, 고객과 개발자가 특정 서비스에 붙기 시작하면 시장의 승자가 자기실현적 예언처럼 굳어질 수 있다.

2. 자본은 선순환을 만들지만 그 자체로 왕을 만들어주지는 않는다.

   1. 큰 자본은 인프라를 확장하고, 브랜드를 구축하고, 인재를 끌어오며, 더 많은 고객에게 다가갈 기회를 준다.
   2. 고객·인재·브랜드가 자본을 다시 끌어들이는 선순환은 승자의 우위를 강화한다. 대형 로펌이 핵심 법률 AI 공급자를 인식하는 것 자체가 시장 신호가 된다.
   3. 다만 탁월한 제품과 훌륭한 경영진은 필수 조건이지 충분 조건은 아니다. 고객이 사랑하고 주변에 추천할 제품이 없으면 자금력만으로 장기 승자가 되기 어렵다.

4.2. T2D3 성장 모델도 여전히 의미 있지만 자본 배분 기준은 높아졌다

1. 초고속 성장기업의 공급이 늘어도 투자 기회는 제한돼 있다.

   1. Bessemer는 57억5천만 달러를 조성했지만, 그 정도 규모의 자본으로도 가장 빠르게 성장하는 기업에 모두 투자하기에는 자원이 부족하다.
   2. Dholakia는 T2D3(Triple, Triple, Double, Double), 즉 일정 기간 매출을 3배씩 키운 뒤 2배씩 성장하는 고성장 패턴을 찾는 것이 여전히 중요하다고 말한다. 다만 투자 가격과 멀티플은 기업마다 매우 다르다.
   3. 높은 성장률이 수익성 있는 벤처 투자를 보장하지 않는다. 진입 가격과 최종 지분율, 후속 투자 규모를 함께 따져야 한다.

2. 엑셀(Excel)식 자본 효율 성장 투자도 사라지지는 않는다.

   1. Qualtrics와 1Password 같은 사례처럼, Excel은 덜 알려졌지만 자본 효율이 높은 기업을 발굴해 성장 자본으로 더 큰 사업으로 키웠다.
   2. 장기적으로는 그런 애플리케이션 기업이 계속 등장할 수 있다. 하지만 단기적으로 자본은 잠재 10배 수익과 2배 수익 중 더 큰 상승 여력이 있는 쪽으로 흐른다.
   3. T2D3 기업도 수익을 낼 수 있지만, “케이크 아니면 죽음”이라는 농담처럼 투자자는 자본을 투입할 때 더 큰 승자 후보를 우선 선택하기 쉽다.

5. VC 산업의 양극화와 Bessemer의 펀드 설계 (28:22–42:42)

5.1. AI 시대의 초기 투자 가격과 필요 펀드 규모는 사업의 자본 집약도에 달렸다

1. 시드 투자의 평균 가격과 투자금은 과거보다 몇 배 높아졌다.

   1. Dholakia가 업계 초기에 경험한 시드 투자는 기업가치 2천만~4천만 달러에 300만~500만 달러를 투자하는 수준이었다.
   2. 현재 초기 단계 거래 가격은 정확히 몇 배인지 단정하기 어렵지만 과거보다 훨씬 높다. 자본 집약적인 AI, 로보틱스, 하드웨어, 모델 학습 분야에서는 창업자의 자금 수요도 커진다.
   3. 창업자가 경쟁에 필요한 자금을 쓰지 않으면 사업의 규모 목표와 자금 계획이 맞지 않을 수 있다. 반대로 자본 집약도가 낮은 사업까지 모두 대형 펀드를 필요로 하는 것은 아니다.

2. “시드에 10억 달러 펀드가 필요한가”의 답은 투자 전략에 달려 있다.

   1. 어느 분야와 단계에 투자하는지, 모델 학습·로봇·인프라처럼 자본 집약적인 회사를 포함하는지에 따라 적정 펀드 규모가 달라진다.
   2. 특정 고성장 기업이 더 큰 후속 라운드에서 더 많은 자본을 필요로 한다면 소형 펀드는 지분을 유지하기 어려울 수 있다.
   3. 펀드 규모는 목표 자산, 초기 진입 지분, 후속 투자 준비금, 펀드 수익률을 맞추는 설계 문제다.

5.2. VC는 대형 글로벌 플랫폼 또는 뚜렷한 전문사로 수렴한다

1. 벤처 자산군은 지역·단계·분야 전반으로 확장하며 전문화됐다.

   1. 과거 벤처캐피털은 실리콘밸리의 하드웨어·소프트웨어와 초기 단계 투자에 가까웠지만, 현재는 세계 각지에서 프리시드 이전부터 수억 달러 규모의 후기 투자까지 다룬다.
   2. 산업이 넓고 복잡해지면 한쪽 끝의 대형 통합 플랫폼과 다른 쪽 끝의 좁고 깊은 전문사가 경쟁력을 가진다.
   3. Bessemer는 여러 지역과 단계에 투자할 수 있는 대형 글로벌 플랫폼으로 자신을 설명한다. 반면 초기 AI에 집중하는 소형사는 지역·단계·산업 전문성을 뚜렷하게 세울 수 있다.

2. 차별화되지 않은 중간 지대는 자동차 산업처럼 압박받는다.

   1. 자동차 산업의 미국 Big Three, 일본의 Toyota·Honda 같은 규모의 기업과 Porsche·Ferrari 같은 특화 기업을 예로 든다.
   2. 벤처에서도 글로벌 플랫폼도 아니고, 특정 분야의 우월한 딜 소싱·선별 역량도 없다면 돈을 벌기 어렵다.
   3. 투자자는 자신의 펀드가 어느 경쟁 축에서 이길지 설명해야 한다. 규모, 네트워크, 브랜드, 분야 전문성 중 아무것도 분명하지 않은 상태가 가장 취약하다.

5.3. 초기 투자는 옵션이지만 후속 투자로 확신을 키울 수 있다

1. 초기 단계의 불확실성은 옵션 투자라는 표현을 정당화한다.

   1. 투자금 대부분을 후기 단계에 배분하는 운용사라면 초기 투자는 잠재 승자를 미리 선택할 수 있는 옵션과 같다.
   2. 그 표현은 기업가에게 사업을 “옵션”으로 본다는 모욕처럼 들릴 수 있지만, 투자자의 포트폴리오 수학을 설명하는 말로는 타당하다.
   3. 초기 기업은 계속 성장하고 다음 라운드에서 더 많은 자본을 유치해 목표를 증명해야 한다. 투자자는 그 증거를 보고 후속 라운드에 더 큰 금액을 넣을 수 있다.

2. 준비금은 기계적 비례 배분이 아니라 확신에 따라 쓴다.

   1. Bessemer의 17억5천만 달러 초기 펀드에는 준비금이 반영되어 있지만, 모든 기업에 비례적으로 후속 투자하지 않는다.
   2. 큰 시장에서 성공할 확률이 높아진 기업이라면 후속 투자 규모를 키운다. Aliyah AI에 약 2억 달러 투자를 발표한 사례가 그런 접근으로 소개된다.
   3. 대형 후속 투자를 받지 못한 기업은 아직 다음 성장 단계에 도달했다는 증거가 부족할 수 있다. Dholakia는 그런 신호를 개인적 거절이나 창업자에 대한 평가로 과장하지 않는다.

5.4. 40억 달러 성장 펀드는 집중하되 지분과 수익배수를 엄격히 관리한다

1. 성장 펀드도 확신이 높은 기업에 집중한다.

   1. Bessemer의 성장 펀드 규모는 40억 달러다. 확신이 높으면 한 기업에 총 2억~4억 달러를 여러 라운드에 걸쳐 투자할 수 있다.
   2. 후기 성장 펀드에서 평균 투자액은 펀드의 약 5%, 최대 투자액은 약 10%까지 고려한다.
   3. 이전 Century II 성장 펀드는 Anthropic에 펀드의 약 20%를 투자했고, Dholakia는 그 집중 투자에 만족한다. 세대를 이끌 회사라고 판단하면 일반 비중을 넘길 수 있다.

2. 초기 성장과 후기 성장은 위험·가격·투자 규모가 질적으로 다르다.

   1. ARR 2천만~4천만 달러, 기업가치 5억~10억 달러의 회사와 150억 달러 규모의 회사는 매출 가시성·위험 프로필·필요 투자액이 다르다.
   2. 후기 투자도 현금 대비 5배 이상 수익을 기대할 수 있어야 한다. 10배·20배의 잠재력을 가진 회사가 있고, 5배는 최소 기준으로 언급된다.
   3. Bridge, EvenUp, Legora는 각각 의사·변호사 업무에 AI를 적용하는 분야로 소개되며, Fieldguide는 회계감사인을 위한 AI 솔루션이다. Fieldguide는 ARR 1천만 달러 미만, 투자 가치 약 2억 달러 미만일 때 초기 투자했고, 이후 모델 성능 도약과 함께 성장이 가속됐다.
   4. Fieldguide가 1천억 달러 규모의 세대 대표 기업이 될지는 별도 질문이지만, 100억~200억 달러 사업으로 성장할 잠재력과 더 많이 투자했어야 했다는 아쉬움이 함께 제시된다.

3. 초기 펀드와 성장 펀드는 서로 다른 수익 목표를 요구한다.

   1. 초기 투자에서는 실패 기업을 감안해 펀드 수준의 약 50배 성과가 필요할 수 있다. 낮은 성공 확률을 큰 승자 몇 곳이 보상해야 하기 때문이다.
   2. 성장 펀드는 기업 위험이 낮아진 만큼 50배까지는 필요하지 않지만, Bessemer는 단계와 무관하게 기본적으로 5배 이상을 목표로 한다.
   3. 57억5천만 달러 규모의 전체 조성액은 17억5천만 달러 초기 펀드와 40억 달러 성장 펀드로 나뉜다. 회사 안의 초기·후기 팀이 별도 사일로가 아니라 같은 그룹에서 협업한다.
   4. Dholakia는 현재처럼 가치 창출 속도가 빠른 AI 환경이라면 대형 펀드도 5배를 달성할 수 있다고 확신한다. 3년 전에는 과장처럼 들렸을 사례가 이제는 여러 실제 기업으로 관찰된다는 논리다.

6. 문화는 실행을 묶어주는 운영상의 경쟁 우위다 (42:42–52:32)

6.1. 동료를 진짜 팀원으로 바꾸면 어려운 시기에 협업이 지속된다

1. 팀원이 서로를 좋아하고 아끼면 자신보다 팀을 위해 더 많이 일한다.

   1. Dholakia가 SendGrid에서 얻은 교훈은 수많은 사람을 한 방향으로 조직적으로 움직이는 일이 사업 구축에서 가장 어렵다는 것이다.
   2. 동료가 서로를 팀원으로 여길 때 개인 성과를 넘어 팀을 실망시키지 않으려는 동기가 생긴다.
   3. 그는 “팀원과 친구는 동료를 매일 이기고, 일요일에는 두 배로 이긴다”는 문장을 10년 넘게 반복해 왔다. 팀 결속이 업무 실행에서 경쟁 우위가 된다는 의미다.

2. 문화는 선언이 아니라 명시적 기준과 상호 책임으로 작동한다.

   1. SendGrid의 네 가지 H는 Happy(긍정적), Hungry(열정적·야심찬), Humble(겸손한), Honest(정직한)였다. 모든 업무 방식이 이 기준을 강화해야 했다.
   2. “행복”은 늘 즐겁거나 웃으라는 뜻이 아니라 잔이 반쯤 찼다고 보고 문제 해결에 낙관적으로 임하는 태도였다. 이요르처럼 지속적으로 비관적인 태도를 조직에 퍼뜨리지 않는 사람을 원했다.
   3. 좋은 성과를 내더라도 가치와 행동 기준을 반복해 어기는 사람은 예외로 둘 수 없다. 구성원이 서로 문화에서 벗어난 행동을 지적할 권한을 가져야 한다.

6.2. 채용과 함께하는 시간은 문화의 실제 모습을 만든다

1. 가치에 맞는 사람을 선발하면 조직이 선호하는 협업 방식이 명확해진다.

   1. SendGrid는 면접에서 지원자에게 가장 자랑스러운 직업적 성과를 설명하게 하고, “우리(we)”와 “나(I)”를 어떻게 사용하는지 살폈다.
   2. “우리”를 중심에 두는 협업 태도는 SendGrid가 원하는 팀 방식이었다. 모든 회사가 같은 가치를 가져야 하는 것은 아니며, 맞지 않는 사람은 다른 조직에서 더 잘 맞을 수 있다.
   3. 중요한 것은 회사가 자기 방식과 가치 기준을 명확히 하고, 실제 채용과 평가에 일관되게 적용하는 일이다.

2. 일 밖의 공동 경험은 책임 전가 대신 공동 문제 해결을 돕는다.

   1. SendGrid는 매년 1월 전 직원이 멕시코에 모여 비전·사명·목표를 공유하고, 다음 날 카약·산악자전거·수영 등 함께 시간을 보내게 했다.
   2. 사업이 꼬이면 직장 동료 관계에서는 영업팀·마케팅팀을 탓하거나 회사를 떠나기 쉽다. 친구이자 팀원 관계에서는 “우리 문제를 함께 풀자”고 말할 가능성이 높다.
   3. Harry Stebbings는 팀 문화에 대한 가치관이 다를 수 있음을 인정하며, 자신은 더 강한 근면과 성과 기준을 믿는다고 말한다. Dholakia도 끝까지 해내는 사람들과 일하고 싶다는 태도에 동의한다.

3. 투자위원회의 솔직함도 같은 문화 원칙을 따른다.

   1. 투자위원회(IC)에서 동료에게 “그 가격을 내는 것은 잘못”이라고 직접 말할 수 있어야 한다. 투자자와 창업자에게 시간을 썼다는 이유로 큰 수표를 써야 하는 것은 아니다.
   2. 지적 정직성은 상대를 배려하는 완곡함보다 중요한 토론 원칙이다. 투자 판단이 틀렸을 때도 근거를 놓고 서로 반박할 수 있어야 한다.
   3. 행복·겸손 같은 가치는 추상적 표어가 아니라 조직이 어떤 태도로 문제를 다루는지 구체적 행동으로 정의해야 한다.

7. 유동성·DPI와 비상장 기간의 구조 변화 (52:32–01:02:15)

7.1. 일부 지분 매각은 LP와 창업자 모두를 위한 합리적 선택이다

1. DPI는 장부상 가치와 별도로 LP에게 실제 현금을 돌려주는 지표다.

   1. Dholakia는 벤처 투자 경력이 4년 반으로 아직 배우는 중이라고 농담하면서도, 분배수익률(DPI)과 유동성이 중요하다고 강조한다.
   2. LP는 무기한 자금을 제공하지 않는다. VC는 투자 여정의 어느 시점에서든 현실적인 유동성 기회를 찾아 LP에게 수익을 분배해야 한다.
   3. 초기 투자 이후 기업 가치가 계속 복리 성장할 것이라는 기대만으로 전량 보유하는 것보다, 일부 매각으로 실현 수익을 확정하는 편이 합리적일 수 있다.

2. 창업자의 세컨더리 매각은 경영 의지를 약화시키기보다 장기 위험 감수를 도울 수 있다.

   1. 후기 단계 라운드에서 창업자 다수는 개인 지분을 팔지 않지만, 가족의 재정 안정성을 위해 일부를 현금화하는 선택은 정당하다.
   2. Dholakia는 창업자가 자신의 가족을 위해 합리적으로 행동하는 것을 문제 삼지 않는다. 개인 자산의 일부를 확보하면 더 오랜 기간 더 큰 사업적 위험을 감수할 수 있다.
   3. 기업가와 CEO는 사업과 지분 가치를 이해하는 세련된 경제 주체다. 투자자의 일부 매각을 곧바로 회사에 대한 불신이나 창업자와의 갈등으로 해석할 필요는 없다.

7.2. 기업의 장기 비상장은 사모 자본 확대가 만든 구조적 변화다

1. 사모 시장의 자본이 커져 기업은 IPO 전 더 오래 성장할 수 있다.

   1. 벤처와 성장자본 자산군에 더 많은 돈이 들어오고 투자사가 늘면서, 기업은 과거보다 더 오래 비상장 상태로 자금을 조달할 수 있다.
   2. LP도 공모시장 상장만 기다리면 기술 기업 가치 상승의 상당 부분을 놓칠 수 있음을 알고 사모 자산군에 더 투자한다.
   3. Dholakia는 기업이 더 오래 비상장 상태를 유지하는 현상을 일시적 유행이 아니라 영구적인 구조 변화로 본다.

2. 그렇다고 IPO 창구가 계속 닫혀 있는 것은 아니다.

   1. 인터뷰 시점 이후 다음 해, 하반기, 2028년에 IPO 시장이 활기를 되찾고 우수 기업들이 상장할 수 있다고 전망한다.
   2. AI 관련 기업에 투자하고 싶어 하는 공모시장 수요가 크며, 수십·수백 개 기업의 공급이 늘면 수요·공급이 가격을 형성할 것이라고 본다.
   3. IPO는 자본을 얻는 이벤트를 넘어 기업 운영을 더 규율 있게 만든다. 분기마다 예측 가능한 실적을 공개하려면 엄격한 운영 시스템을 구축해야 한다.

3. 공개·비공개 기업의 유연성에는 각각 장단점이 있다.

   1. Stripe 같은 비상장 기업은 장기 제품 투자와 일정 기간의 손실을 감수할 재량이 있다. 공개 기업은 시장의 분기 실적 압력을 받지만 자체 자금과 M&A를 활용할 수 있다.
   2. 상장 지위는 고객에게 신뢰도·규모의 상징이 될 수 있다. 특히 소매·소비자 브랜드가 유통 파트너를 설득할 때 공공 기업의 인지도가 유리할 수 있다.
   3. 일반 개인이 벤처펀드에 접근하도록 하는 민주화에는 이점이 있지만, 좋은 펀드가 초과 청약된 시장에서 개인이 실제로 우수한 펀드에 배정받을지와 역선택 문제도 따져야 한다.

8. Fireworks·주권 AI·투자 수익률에 대한 판단 (01:02:16–01:15:17)

8.1. Fireworks의 낙관론은 팀 조합과 기업의 지능 소유 욕구에 기반한다

1. Lynn, George와 기술팀이 서로 다른 실행 역량을 보완한다.

   1. Dholakia는 Lynn을 세대를 대표할 창업자로 평가하고, 새로 사장 역할을 맡은 George도 높이 본다. Twilio가 SendGrid를 인수하던 시기에 George와 18개월간 경영진으로 일해 그의 운영 역량을 직접 관찰했다.
   2. George는 전략·분석 능력뿐 아니라 사업 운영, 전략 수립, 시장진입(go-to-market) 엔진 구축 경험을 갖췄다. Dholakia는 업계에서 이런 역량을 동시에 갖춘 리더가 드물다고 말한다.
   3. 전략적 창업자 Lynn, Meta 출신의 강한 기술팀, 실행 중심의 George가 합쳐져 Fireworks의 성장 잠재력을 높인다고 본다.

2. 기업은 외부 지능을 빌리는 것뿐 아니라 자기 데이터를 기반으로 지능을 소유하려 한다.

   1. Fireworks의 핵심 메시지는 기업이 다른 곳의 지능만 빌리는 데 그치지 않고 자사 정보와 업무에 맞는 지능을 소유하고 싶어 한다는 것이다.
   2. 고객이 자체 모델을 모두 만들어야 하는 것은 아니다. 보안·규제·군사 전략 등 특정 업종과 사용 사례에서 자체 모델 또는 통제된 배포가 더 편안한 선택이 될 수 있다.
   3. Dholakia는 Fireworks의 시장이 2,500억 달러 수준까지 커질 수 있다는 진행자의 낙관론에 동의하지만, 기업의 외부 모델 사용과 내부 지능 소유가 함께 존재할 수 있다고 본다.

8.2. 주권 모델은 지정학뿐 아니라 언어·데이터·산업별 적합성에서 필요하다

1. 주권 AI는 국가·지역이 데이터와 모델을 통제하려는 요구를 다룬다.

   1. Bessemer는 인도의 Sarvam과 프랑스의 Mistral 등에 투자했거나 투자 중이라고 언급한다.
   2. 인도처럼 언어가 다양한 시장에서는 현지 언어와 지역 콘텐츠를 반영하고 음성·텍스트 등 멀티모달 데이터를 학습한 모델이 경쟁 우위를 가질 수 있다.
   3. 국가별 에너지·공급망 자급자족과 비슷하게, 특정 산업이나 정부는 데이터와 AI 역량의 외부 의존을 줄이고 싶어 할 수 있다.

2. 지역·산업별 모델은 전체 시장의 일부만 차지해도 큰 사업이 될 수 있다.

   1. 군사·정부·규제 산업은 자국 또는 자체 모델을 선호할 수 있다. 반대로 모든 구매자가 자체 모델을 필요로 하지는 않는다.
   2. 거대한 전체 시장 안에서 특정 분야에 특화한 모델이 의미 있는 고객군을 차지하면 독립적으로 큰 회사를 만들 수 있다.
   3. 개방형 토큰 경제가 예상보다 훨씬 커질 수 있다는 점을 Dholakia는 최근 12개월 사이 새롭게 깨달았다. 이 인식이 Fireworks와 Fall 등 생성형 미디어·인프라 기업에 투자하는 이유 중 하나다.

8.3. 수익률 허들은 단계별 실패율과 투자 규모를 반영한다

1. 초기 투자는 높은 실패율을 보상할 큰 승자를 필요로 한다.

   1. 초기 단계는 사업이 덜 검증됐고 실패 확률이 높아, 펀드 전체에서 약 50배 수익 가능성을 기대해야 할 수 있다.
   2. 후기 성장 단계는 위험이 낮으므로 각 투자에서 50배를 요구할 필요가 없지만, 대규모 자금을 투입하는 만큼 5배 이상의 수익을 만들 만한 기업이어야 한다.
   3. 투자 단계가 달라도 펀드 수익률 계산은 결국 실패·희석·후속 투자·회수 시점을 포함해 포트폴리오 전체에서 성립해야 한다.

2. 대형 펀드도 AI 시대의 가치 창출 속도를 활용해 5배 목표를 노릴 수 있다.

   1. Dholakia는 57억5천만 달러 규모 펀드의 5배가 가능하냐는 질문에 “100% 가능하다”고 답한다.
   2. 불과 3년 전에는 비현실적으로 들렸을 가치 창출이 이제는 여러 기업에서 관측된다. 그는 이 속도와 시장 규모가 전례 없는 수익 기회를 만든다고 본다.
   3. 본인은 초기 투자보다 성장 단계와 후기 성장 기회에 특히 매력을 느끼며, 위험이 낮은 후기 기업에서 높은 투자금 대비 수익을 얻을 수 있다고 판단한다.

9. 투자자의 판단 습관과 다음 10년의 성장 영역 (01:10:30–01:19:39)

9.1. 빠른 문답에서 드러난 투자 선별과 후회의 기준

1. Bessemer의 최고 투자 선별자로 Byron Deeter와 David Cowan을 꼽는다.

   1. Dholakia는 Jeremy, Adam Fisher, 이스라엘 팀 등 여러 투자자를 높이 평가하면서도 한 명을 선택하라는 질문에는 Byron Deeter를 든다.
   2. SendGrid의 IPO 날 뉴욕증권거래소에서 Byron이 여러 차례 상장 벨을 울렸던 일화가 나온다. Byron은 이를 겸손하게 “여섯 번쯤”이라고 했지만 실제로는 더 많았다는 농담으로 투자 경력을 강조한다.
   3. 모두가 미쳤다고 본 Rocket Lab 같은 기업을 찾아 큰 사업으로 만드는 능력에서는 David Cowan을 높게 평가하고, 창업자 설득과 마무리(closing) 능력에서는 Byron을 최고로 꼽는다.

2. Stripe를 놓친 것은 Bessemer의 가장 큰 아쉬움으로 남는다.

   1. Bessemer는 Twilio와 SendGrid 같은 개발자 API 사업에 투자한 벤처캐피털이었다. 그럼에도 같은 결의 Stripe에 투자하지 못한 일을 아쉬워한다.
   2. David Cowan이 주도한 Auth0를 포함해 개발자 인프라 투자 경험은 있었지만, 유사한 시장을 만든 Stripe를 놓쳤다는 점이 더욱 선명한 후회가 됐다.
   3. Dholakia가 파트너십에 추가하고 싶은 투자자로는 Lightspeed 출신 Ravi Chandra를 든다. 기술과 시장에 대한 깊은 분석력, 큰 위험을 감수하는 태도, Anthropic 초기 라운드에서 약 10억 달러를 투자한 과감함을 높이 평가한다.

9.2. 로보틱스는 생성형 AI의 2021년처럼 빠르게 전환할 수 있다

1. AI가 물리 세계에 구현되는 로봇 공학은 다음 대형 기회다.

   1. Dholakia가 앞으로 가장 기대하는 분야는 로봇 공학과 AI의 물리적 구현(embodied AI)이다. 현재 단계가 생성형 AI의 2021년과 비슷하며, 아직 초기지만 진전 속도가 빨라 예상보다 일찍 현실화될 수 있다고 본다.
   2. 휴머노이드도 가능성이 있지만, 당장 어떤 로봇 데이터 기업이 승자가 될지는 모르겠다고 솔직히 말한다. 회사의 초기 투자 파트너들이 이미 여러 회사를 검토하고 있을 만큼 내부 관심은 높다.
   3. 자율주행은 차량 호출을 넘어 건설 현장, 광업, 농업, 트럭 운송, 물류로 확장될 수 있다. 특정 로봇 형태보다 이동·작업의 자율화가 만드는 적용 분야가 넓다.

2. Waymo의 가치는 차량 호출 시장만으로 계산할 수 없다.

   1. Bessemer는 Waymo에 약 2억 달러를 투자했다. Dholakia는 차량 호출 시장에서 Uber의 시가총액만 비교하면 자율주행 기술의 잠재력을 과소평가한다고 본다.
   2. Waymo가 현재 집중하는 차량 호출은 여러 도시로 확대될 수 있고, 기존에 불가능했던 이용 사례—십대 자녀나 노부모의 안전한 이동 등—를 만든다.
   3. 장기적으로 다른 자동차 제조사의 개인 차량, 트럭 운송과 물류에 기술이 확산되면 Waymo는 1조 달러 규모 사업이 될 수도 있다. 개인 차량에 완전자율주행 기능을 구독형 서비스로 제공하는 시나리오도 가능성으로 든다.

9.3. AI 신약 개발은 수십 년의 발견을 10년 안에 압축할 수 있다

1. AI와 자동화 실험실은 질병 해결의 탐색 속도를 바꾼다.

   1. 치료 불가능한 질병의 치료법을 찾는 일이 AI의 가장 큰 사회적 잠재력 중 하나다.
   2. 실험실 작업이 자동화되고 대규모 데이터셋을 분석·추론하는 AI가 투입되면 한 사람이 해낼 수 없는 탐색을 병렬로 수행할 수 있다.
   3. 생물학·치료법·신약 개발에서 향후 10년 동안 발견 속도가 크게 높아질 수 있다.

2. AI는 연구의 시간축 자체를 압축할 수 있다.

   1. Dholakia는 “사랑과 은혜의 기계들”이라는 표현에 공감하며, AI를 인간의 일을 대체하는 도구보다 새로운 발견을 돕는 능력으로 바라본다.
   2. 향후 10년 동안 과거 50년이 걸렸을 변화가 일어날 수 있다고 믿는다. 이는 지능 시장이 소프트웨어를 넘어 과학과 현실 세계까지 확장된다는 장기 전망이다.
   3. 마지막에 Harry Stebbings는 오랜 대화에도 인내심을 보여준 Dholakia에게 감사를 전하고, Dholakia는 진행자의 질문과 대화를 칭찬하며 마무리한다.

주요 발언 모음

“지능 시장은 석유 시장보다 더 커질 것이다. 석유가 기계를 움직이듯 지능은 모든 사람을 강화한다.”

“진입 가격은 항상 중요하다. 다만 기업이 장기적으로 규모를 확장하고 복리 성장을 이어갈 수 있는지를 함께 봐야 한다.”

“자본이 해자라고 확신한다. 하지만 훌륭한 제품과 경영진은 필요 조건일 뿐 충분 조건은 아니다.”

“팀원과 친구는 동료를 매일 이기고, 일요일에는 두 배로 이긴다.”

“앞으로 10년 안에 50년은 걸렸을 일들이 일어날 수 있다고 믿는다.”

핵심 데이터 & 수치

• 기술 경력 31년: 1995년 인터넷 태동, VMware 가상화·클라우드 확산, GPT-3 기반 Jasper를 주요 전환점으로 경험했다.
• Bessemer 신규 펀드 57억5천만 달러: 초기·시드 펀드 17억5천만 달러와 성장 펀드 40억 달러로 구성된다.
• Anthropic 시리즈 D: 약 150억 달러 투자 전·180억 달러 투자 후 가치, 당시 ARR 약 1억 달러로 회상하며 현재 ARR의 약 150배였다.
• Bridge 초기 사례: ARR 약 500만 달러에 약 7억8천만 달러 가치로 언급된다.
• Legora 시장 가정: 미국 법률 서비스 약 3,000억 달러, 미국 소프트웨어 침투 20% 가정 시 약 600억 달러, 전 세계 법률 서비스 지출 약 1조 달러다.
• Legora 성장 사례: 투자 시점 약 2천만 달러 ARR에서 약 2억 달러까지 성장하는 NTM 전망이 거론된다.
• Fireworks 성장 투자: 한 회사에 2억~4억 달러를 여러 라운드에 투자할 수 있으며, 후기 펀드 평균 비중은 약 5%, 최대 10% 수준이다. Anthropic은 과거 성장 펀드의 약 20% 사례다.
• 목표 투자 배수: 성장 투자에서 최소 5배, 초기 단계의 낮은 성공률을 감안할 때 펀드 수준 약 50배가 필요할 수 있다.
• Waymo 투자: 약 2억 달러를 투자했으며, 장기적으로 1조 달러 사업 가능성을 제시한다.
• IPO 전망: 인터뷰 시점 이후 다음 해 하반기와 2028년에 상장 시장이 활기를 되찾을 가능성을 예상한다.

결론 및 시사점

1. AI 투자는 폐쇄형과 오픈형의 승자를 하나만 맞히는 문제가 아니다. 지능 수요의 범위와 사용 사례가 충분히 커 여러 계층의 기업이 함께 성장할 수 있다.
2. 높은 기업가치는 현재 ARR 배수만으로 거절하지 말고 NTM 성장, 고객 유지율, 고객의 전략적 중요성, 장기 시장 크기를 결합해 평가한다.
3. 마진은 단기 수치보다 5~7년 뒤의 구조와 개선 메커니즘을 검증한다. 규모의 경제를 주장하려면 실제로 비용이 낮아질 이유를 설명해야 한다.
4. AI에서 자본은 컴퓨팅·인재·브랜드·고객을 확보하는 속도를 높이는 해자다. 그러나 자본이 제품 품질과 경영 실행을 대체하지는 못한다.
5. 창업자는 사업의 자본 집약도와 목표 시장을 고려해 필요한 투자 규모를 설계해야 한다. VC는 대형 플랫폼 또는 뚜렷한 전문성 중 어디에서 이길지 분명히 해야 한다.
6. VC는 후속 투자와 집중도를 기계적으로 정하지 말고, 증거가 쌓일수록 확신과 투자액을 키워야 한다. 초기 옵션의 가치와 성장 펀드의 높은 기준을 함께 관리한다.
7. 문화는 가치 문구가 아니라 채용, 피드백, 공동 경험, 위기 때의 행동으로 드러난다. 팀 결속은 책임 전가를 줄이고 실행력을 높인다.
8. 일부 세컨더리 매각과 DPI 분배는 투자자·창업자 모두에게 합리적일 수 있다. 비상장 기간 연장과 IPO 규율을 양자택일로 보지 않는다.
9. 로보틱스, 자율주행, AI 신약 개발은 지능을 물리적 작업과 과학 발견에 연결한다. 이 시장은 현재 제품 카테고리의 경계보다 훨씬 넓을 수 있다.

핵심 요약 (20줄)

인공지능은 소비자·기업·정부 모두가 필요로 하는 범용 지능 시장이어서 석유 시장보다 커질 수 있다.

인터넷과 클라우드가 각각 새로운 플랫폼을 열었듯, 생성형 AI는 그 두 전환을 합친 것보다 큰 슈퍼사이클이 될 수 있다.

1995년 인터넷의 확산, VMware 가상화, 2021년 GPT-3 기반 Jasper 데모가 Sameer Dholakia의 기술 전환점이었다.

Anthropic의 시리즈 D 투자는 약 150억 달러 투자 전 가치와 AWS의 컴퓨팅·유통 지원 가능성을 근거로 추진됐다.

Bessemer 내부에서 Anthropic 거래는 가장 근소한 표차로 통과된 투자 중 하나였고, Dholakia는 더 많이 투자하지 못한 점을 아쉬워한다.

오픈 모델과 폐쇄형 프론티어 모델은 서로를 제거하기보다 다른 비용·성능·통제 요구를 충족하며 함께 성장할 수 있다.

오픈소스 기업은 Red Hat처럼 호스팅·지원·운영을 제공해 수익을 낼 수 있지만, 중국 모델은 미국 기업의 신뢰와 정책 장벽을 넘어야 한다.

진입 가격은 중요하지만 과거 ARR만 보지 말고 향후 12개월 성장과 장기 복리 가능성을 함께 판단해야 한다.

Dholakia는 이례적인 성장률을 보이는 기업에 NTM 매출의 10~15배를 지불하는 일도 합리적일 수 있다고 본다.

B2B 기업의 매출 질은 GDR·NDR, 고객 유지율, 전략적 중요성, 사용 확대 여부로 확인해야 한다.

AI 기업의 초기 총마진이 낮더라도 5~7년 내 개선될 구체적인 규모의 경제와 비용 구조를 검증해야 한다.

Legora의 기회는 미국 소프트웨어 시장뿐 아니라 약 1조 달러 규모의 세계 법률 서비스와 미충족 수요까지 포함해 평가된다.

AI 경쟁에서 자본은 컴퓨팅·인재·브랜드·고객 확보를 가속해 해자가 되지만 훌륭한 제품과 경영진을 대신하지는 못한다.

T2D3 성장기업과 자본 효율적인 스타트업은 여전히 투자 대상이지만, 자본은 더 큰 상승 여력을 가진 기업으로 쏠린다.

벤처 산업은 대형 글로벌 플랫폼과 명확한 분야 전문사로 양극화되며, 차별화되지 않은 중간 지대는 불리해진다.

Bessemer는 17억5천만 달러 초기 펀드와 40억 달러 성장 펀드를 운용하며, 확신에 따라 후속 투자와 집중도를 높인다.

초기 투자는 높은 실패율을 감안해 큰 승자를 필요로 하고, 성장 투자는 최소 5배 수익 가능성을 엄격히 살펴야 한다.

명확한 가치와 채용 기준, 공동 경험은 동료를 팀원으로 묶어 위기 때 책임 전가 대신 문제 해결을 가능하게 한다.

세컨더리 매각과 DPI는 LP에게 실제 수익을 돌려주고 창업자에게 장기 위험 감수 여력을 제공하며, 비상장 기간은 구조적으로 길어지고 있다.

로보틱스·Waymo·AI 신약 개발은 지능을 물리 세계와 과학에 적용해 10년 안에 과거 수십 년의 변화를 압축할 수 있다.