이 글은 [비주류VC의 이상한 뉴스레터]에서 발행되었습니다.

이 뉴스레터를 통해 약간은 이상하고 솔직한 VC와 스타트업 세계를 소개해드립니다.

어디에서도 볼 수 없는 가장 빠르고 신선한 VC와 스타트업 소식을 만나보세요.

[뉴스레터 구독 버튼]

VC라고 하면 감과 인맥으로 투자하는 이미지가 있죠?
그런데 이제 AI 덕분에 몇 시간 만에 딥테크 기업도 전문가 수준으로 분석하는 VC들이 등장하고 있어요.
Palantir(팔란티어) 공동창업자 조 론스데일이 직접 진행한 인터뷰를 통해, AI가 투자 업계의 가장 깊은 곳을 어떻게 바꾸고 있는지 그 구체적인 현장 이야기를 들어보는 시간을 가져보겠습니다.

Joe Lonsdale이 운영하는 American Optimist는 기술, 혁신, 투자를 주제로 각 분야 최고 전문가들을 인터뷰하는 유튜브 채널이에요.
조 론스데일은 Palantir와 8VC(기술 중심 VC 펌) 공동창업자로, 실리콘밸리에서 수십 년간 기술 스타트업 투자를 이끌어온 인물이에요.

오늘은 Joe Lonsdale이 운영하는 유튜브 채널의 "How AI Agents are Changing Investing" 영상의 엑기스만 뽑아서 소개해 드리도록 할께요.
아래 내용은 Q&A 형식으로 전해드림을 미리 알려드려요.

Source :

• How AI Agents are Changing Investing – Joe Lonsdale (American Optimist YouTube Channel)
• Generative Engine Optimization (GEO): What to Know in 2025 (Walker Sands) (2024)
• From SEO to Generative Engine Optimization (GEO): Why the new era of search belongs to AI

Q : 최근 들어 VC가 AI를 잘 쓴다고들 하는데, 실제로 어떻게 쓰고 있는 건가요?

(Source : Gemini)

투자 심사 과정에서 AI가 '기술 공동조종사(Technical Co-pilot)' 역할을 한다는 표현이 자주 등장해요.

VC가 처음 접하는 딥테크 분야 기업을 분석할 때, 해당 분야 전문 지식 없이도 AI를 통해 수 시간 안에 깊이 있는 이해를 만들어낼 수 있어요.
예를 들어, AI에게 "이 분야에서 가장 많이 인용되는 논문 혹은 최근 가장 논쟁적인 논문을 학부 수준으로 설명해줘"라고 요청하면, 해당 기술의 핵심을 빠르게 파악할 수 있어요.
이렇게 기초를 쌓은 뒤, 진짜 전문가를 불러서 마지막 한 걸음을 채우는 구조예요.
5년 전이라면 전문가를 수소문해서 모으는 데만 며칠에서 몇 주가 걸렸을 일이, 이제는 몇 시간이면 가능한 거예요.

또 하나 눈에 띄는 활용법은, 투자 메모(Investment Memo)를 작성한 후 Claude나 ChatGPT에게 "내 논리에서 가장 약한 부분이 어디야? 내가 놓친 건 뭐야?"라고 묻는 방식이에요.
AI가 논리의 구멍을 짚어주면, 그 약점을 중심으로 다시 실사를 깊게 파고드는 거예요.(비주류VC도 유사하게 활용 중입니다.)

Q : 그럼 이제 VC들이 해당 분야 전문가 없이도 투자 결정을 잘 내릴 수 있다고 할 수 있을까요?

(Source : Gemini)

물론 완전한 대체는 아직 아니에요.
AI는 빠르게 기초 이해를 쌓는 데 탁월하지만, 전문가가 가진 경험과 직관까지 대신하진 못해요.
다만, AI 덕분에 VC와 전문가가 만나는 시점이 훨씬 앞당겨졌어요.

예전에는 전문가를 만나기 전에 이미 며칠을 준비에 써야 했지만, 이제는 AI로 빠르게 준비한 뒤 전문가와의 시간을 훨씬 효율적으로 쓸 수 있어요.
결국 AI는 VC가 더 날카로운 질문을 전문가에게 던질 수 있도록 돕는 도구예요.
특정 분야를 깊이 아는 VC만이 가지던 정보 비대칭 우위가 점점 작아지고 있다는 점도 눈여겨볼 부분이에요.

Q : AI를 잘 쓰려면 데이터가 먼저 잘 정리돼 있어야 할 것 같은데, 그 문제를 해결한 스타트업이 있다더라구요? Standard Metrics가 이 문제를 해결한 건가요?

(Source : Google)

정확해요.
Standard Metrics(스탠다드메트릭스, VC 포트폴리오 데이터 관리 및 리포팅 자동화 플랫폼)의 공동창업자이자 CEO인 존 멜라스-키리아지(John Melas-Kyriazi)는 Spark Capital(스파크 캐피탈, 초기 단계 기술 기업 중심 VC 펌)에서 6년간 VC로 일하면서 이 문제를 직접 겪었어요.
스파크 캐피탈은 Twitter 상장, Wayfair(웨이페어, 온라인 가구·인테리어 플랫폼), Oculus의 Facebook 피인수 등 화려한 투자 성과를 낸 곳이지만, 정작 회사 내부 운영을 위한 소프트웨어는 거의 없었어요.

LP(Limited Partner, 펀드 출자자) 미팅 하나를 준비하려면 100개가 넘는 포트폴리오 기업에서 데이터를 수동으로 모아야 했어요.
전체 포트폴리오 기준으로 매출 성장률을 비교하거나, 현금이 부족한 기업 목록을 최신 상태로 유지하는 것조차 믿기 어려울 만큼 손이 많이 가는 작업이었어요.

이 경험이 Standard Metrics를 만드는 계기가 됐어요.
이후 조 론스데일이 이끄는 8VC 팀을 만나면서 본격적으로 창업에 나서게 됐어요.
현재 150개 이상의 VC 펌과 10,000개 이상의 스타트업이 이 플랫폼을 사용하고 있어요.

Q : Standard Metrics에 AI가 결합되면 실제로 어떤 일들이 가능한가요? 구체적인 사례가 궁금해요.

싱가포르에 있는 한 고객사 사례가 특히 인상적이에요.
이 회사는 AI 에이전트 오케스트레이션 툴을 활용해서 Standard Metrics와 연동된 여러 에이전트를 운영하고 있어요. LP가 질문을 하면, 에이전트가 자동으로 작동해서 Standard Metrics에서 관련 데이터를 가져오고, 이메일 초안을 작성한 뒤, 담당자의 검토를 요청하고, 최종적으로 LP에게 발송해요.
사람이 할 때는 몇 시간이 걸리던 일이 이제 단 하나의 프롬프트로 처리되는 거예요.

또 하나의 사례는 플랫폼 내 AI 애널리스트(AI Analyst) 기능이에요.
"내가 5% 이상 지분을 보유하고, 연 매출이 1,000만 달러(약 145억 원) 이상인 포트폴리오 기업 중 가장 빠르게 성장하는 상위 10개 기업을 이 항목들로 표를 만들어줘"라고 요청하면, 높은 정확도로 표를 만들어줘요.
Excel에 Claude와 Standard Metrics를 연동하면, DCF(Discounted Cash Flow, 할인현금흐름) 분석 모델도 자동으로 만들어줘요.

더 나아가 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜)를 활용하면 Notion(노션, 팀 문서 협업 및 프로젝트 관리 플랫폼), 캘린더, Standard Metrics를 하나로 연결할 수 있어요.
"다음 달 이사회 미팅 6개를 캘린더에서 찾아서, 각각의 Notion 페이지를 만들고, Standard Metrics에서 최신 데이터를 가져와서 안건과 요약을 만들어줘"라고 하면, AI가 알아서 처리해요.
비서 한 명분의 업무가 프롬프트 하나로 끝나는 거예요.

Q : 이런 사례들이 꽤나 인상적인데, AI가 뽑아낸 데이터의 정확성은 어떻게 관리하나요?

구조화된 맥락 안에서 AI는 놀랍도록 정확하게 작동해요.
하지만 처음 보는 미지의 문서에서 데이터를 추출하는 일은 아직 완전히 해결된 문제가 아니에요.
예를 들어, 이사회 덱(Board Deck)에 포함된 차트에서 데이터를 추출하려면 AI가 대략적인 값을 추정해야 하는 경우가 많아서 오차가 생길 수 있어요.
그래서 현재 Standard Metrics는 AI가 처리한 결과물을 사람이 검토(Human-in-the-Loop)하는 방식을 병행하고 있어요.
데이터 솔루션 팀이 AI 결과물의 품질을 최종 확인하는 역할을 맡고 있는 거예요.

그런데 AI 모델의 발전 속도를 보면, 이 문제가 빠르게 해결될 것 같다는 기대감을 충분히 갖게 돼요.
현재 Claude는 50% 성공률을 유지하면서 약 20시간 분량의 연속 작업을 처리할 수 있는데, 1년 전에는 이게 1시간 수준이었어요.
이 속도로 발전하다 보면, 지금 사람이 개입하는 영역도 점점 AI가 처리하게 될 거예요.

Q : AI가 이렇게 발전하면 기존 SaaS 기업들이 다 망한다는 'SaaS 아포칼립스'가 현실이 될 것 같은데, 어떻게 보시나요?

(Source : Gemini)

일부는 맞고, 일부는 과장이에요.

맞는 부분은 이래요.
AI 덕분에 소프트웨어를 만드는 비용이 낮아졌어요.
경쟁자가 빠르게 유사 제품을 만들 수 있고, 직접 소프트웨어를 '바이브 코딩(Vibe Coding)'해서 쓰는 것도 가능해졌어요.
데이터 마이그레이션도 AI 에이전트 덕분에 예전보다 훨씬 쉬워졌어요.
그래서 소프트웨어 전환 비용(Switching Cost)이 낮아진 건 분명한 사실이에요.

하지만 소프트웨어 기업의 경쟁 우위가 전환 비용만 있는 건 아니에요.
Standard Metrics의 경우 두 가지 해자가 있어요.

첫째, 네트워크 효과예요.
바로 어제 새로 영입한 고객사의 포트폴리오 기업 40%가 이미 Standard Metrics를 쓰고 있었어요.
새 VC가 온보딩하는 순간, 수십 개 기업의 데이터가 이미 준비된 상태인 거예요.
이건 더 나은 소프트웨어를 만드는 것만으로는 따라올 수 없어요.

둘째, 데이터예요.
10,000개 스타트업의 익명화된 벤치마크 데이터는 수년간 쌓아온 자산이에요.
바이브 코딩으로는 이 데이터를 복제할 수 없어요.

그리고 한 가지 더, AI가 주도하는 검색 환경에서는 마케팅 전략도 바뀌고 있어요. 
Standard Metrics는 하루에 수백 개의 프롬프트를 주요 LLM 4~5개에 돌려서, 자사가 어떻게 언급되는지 추적하고 AI 친화적인 콘텐츠를 만들어요.
SEO에서 GEO(Generative Engine Optimization, AI 생성 검색 최적화)로 마케팅 패러다임이 이동하고 있는 거예요.

(Source : Google)

Vercel(버셀, 웹 배포 및 개발 플랫폼)처럼 AI 에이전트가 자연스럽게 추천하는 브랜드가 되는 것이 새로운 마케팅 목표가 되고 있어요.

Vercel은 원래 웹 배포 인프라 회사였는데, 지금은 'AI 클라우드' 플랫폼으로 빠르게 진화하고 있어요.
실제로 현재 Vercel에서 이뤄지는 전체 배포의 30% 이상이 사람이 아닌 AI 코딩 에이전트에 의해 시작되는데, 이 수치가 불과 6개월 전 대비 10배나 늘어난 거예요.
특히 Vercel은 MCP(모델 컨텍스트 프로토콜) 서버를 자체적으로 지원해서, Claude나 Cursor(커서, AI 코드 에디터) 같은 AI 도구가 Vercel 계정에 직접 접근해 코드 생성부터 배포까지 사람의 개입 없이 처리할 수 있어요.
이제 AI가 소프트웨어를 쓰고, 배포하고, 심지어 스스로 다음 버전을 만드는 시대가 이미 현실이 된 거예요.

오늘 배우게 된 점을 아래와 같이 정리해 볼께요.

• AI는 VC의 '보조 조종사'이지 전문가의 대체제가 아님
  VC들이 AI를 활용하는 방식은 해당 분야 전문가를 완전히 대신하는 게 아니에요. 학술 논문을 빠르게 요약하고, 투자 메모의 약점을 찾아내는 등 초기 분석 깊이를 극적으로 높이는 데 쓰이고 있어요. 핵심은 AI로 준비를 마친 뒤, 전문가와의 시간을 훨씬 효율적으로 쓰는 구조예요. 이런 접근법 덕분에 예전에는 며칠씩 걸리던 전문가 모집과 실사 준비가 이제는 몇 시간으로 압축되고 있어요.

• 데이터 인프라 없이는 AI 혁신도 없음
  AI를 아무리 잘 활용해도, 데이터가 정리되지 않으면 의미 없어요. Standard Metrics의 탄생 이유가 바로 여기에 있어요. 수십, 수백 개 포트폴리오 기업의 데이터를 수동으로 비교하던 시절의 비효율이 하나의 플랫폼으로 해결됐어요. AI를 투자 업무에 제대로 도입하려면, 먼저 데이터를 구조화하고 비교 가능한 형태로 만드는 작업이 반드시 선행돼야 해요. 데이터 기반 없는 AI 도입은 반쪽짜리 혁신에 그쳐요.

• 네트워크 효과와 독점 데이터가 AI 시대의 새로운 경쟁 해자임
  AI 시대에는 소프트웨어 전환 비용이 낮아졌지만, 네트워크 효과와 독점 데이터는 여전히 강력한 해자예요. 바이브 코딩으로 소프트웨어는 빠르게 만들 수 있어도, 수천 개 기업의 벤치마크 데이터와 수백 개 VC 펌 간의 네트워크는 하루아침에 만들 수 없어요. 스타트업이 새로운 시장을 공략할 때, 단순한 기능 우위보다 네트워크와 데이터를 쌓는 전략이 더 중요한 시대가 됐어요. AI 경쟁이 치열해질수록, 이 두 가지 해자의 가치는 더 커져요.

• AI 마케팅의 중심이 SEO에서 GEO로 이동하고 있음
  검색 엔진 최적화(SEO)에서 AI 생성 검색 최적화(GEO, Generative Engine Optimization)로 마케팅 패러다임이 이동하고 있어요. Standard Metrics는 하루에 수백 개 프롬프트를 주요 LLM 4~5개에 돌려, AI가 자사를 어떻게 언급하는지 추적하고 있어요. AI가 일상적인 검색과 추천의 중심이 된 시대에, 브랜드가 LLM의 답변 속에 자연스럽게 등장하도록 콘텐츠를 설계하는 것이 새로운 마케팅 필수 전략이 됐어요. AI가 내 회사를 '알고' 있어야 하는 시대가 온 거예요.

바로가기

👉🏻 Threads 방문

👉🏻 뉴스레터 구독

👉🏻 Youtube 구독