AI 스타트업의 해자 — GPT 래퍼를 넘어서는 4가지 방어선

#왜 단순 래퍼는 무너지는가

'GPT 래퍼'는 범용 언어 모델 API 위에 프롬프트와 화면만 얇게 입힌 제품을 가리킨다. 비하가 아니라 구조의 설명이다. 핵심 가치를 외부 모델에 의존하고, 그 위에 얹은 층을 누구나 며칠이면 복제할 수 있을 때 래퍼는 위험해진다.

래퍼를 위협하는 힘은 세 방향에서 동시에 온다. 위에서는 모델 회사가 같은 기능을 기본 탑재하고, 옆에서는 경쟁자가 같은 API로 같은 제품을 빠르게 복제하며, 아래에서는 노코드 도구가 진입 장벽 자체를 낮춘다.

모델 성능 우위도 영구적이지 않다. 오늘의 최고 모델은 얼마 뒤 차순위가 되고, 경쟁자는 더 좋아진 모델로 갈아탄다. '우리가 더 좋은 모델을 쓴다'는 차별점이 아니라 빌린 우위다. 빌린 것은 언젠가 평준화된다.

#진짜 해자 4종 — 남이 복제하기 어려운 자산

해자는 기능이 아니라 자산이다. 경쟁자가 돈과 시간을 써도 단기간에 따라잡기 어려운 무언가가 쌓여야 해자가 된다. AI 제품에서 반복적으로 확인되는 방어선은 네 가지로 정리할 수 있다.

이 넷의 공통점은 시간이 지날수록 강해진다는 점이다. 단순 기능은 출시 순간이 가장 강하고 이후 약해지지만, 데이터·통합·네트워크는 운영을 거듭할수록 두꺼워진다. 그래서 후발 주자는 따라잡으려면 같은 시간을 통째로 다시 써야 한다.

• 도메인 특화 데이터 — 공개 데이터로는 못 만드는 영역에서 자체 수집·라벨링·정제로 쌓은 데이터. 범용 모델이 약한 좁은 도메인일수록 가치가 크다.
• 워크플로 깊은 통합 — 단독 도구가 아니라 고객의 기존 시스템·승인 절차·기록에 끼어든 상태. 한번 자리 잡으면 교체 비용이 커진다.
• 사용자 행동 데이터 누적 — 사용자의 수정·선택·피드백이 다음 결과를 개선하는 루프. 쓸수록 그 고객에게 더 맞춰진다.
• 네트워크 효과 — 한 사용자의 참여가 다른 사용자의 효용을 높이는 구조. 양면 시장·협업 데이터·공유 자산이 있을 때 작동한다.

#해자의 강도와 시간 위계

해자는 같은 무게가 아니다. 구축에 오래 걸리는 자산일수록 모방에도 오래 걸린다. 대략적인 위계를 잡아두면, 지금 내 제품이 어느 깊이의 방어선을 만들고 있는지 가늠할 수 있다.

읽어야 할 메시지는 단순하다. 기술만으로 쌓은 우위는 가장 빨리 사라지고, 네트워크는 가장 늦게 사라진다. 구체적인 모방 기간은 산업과 데이터 특성에 따라 크게 달라지므로 절대치로 받아들이지 않는 편이 낫다.

전략적으로는 얕은 해자로 시간을 벌면서 그 시간 안에 깊은 해자를 쌓는 설계가 유효하다. 초기 기술 우위로 첫 고객을 확보하고, 그 고객의 워크플로에 들어가 데이터를 모으고, 그 데이터로 네트워크의 한쪽을 채우는 순서다. 한 단계의 결과가 다음 단계를 밀어주는 구조를 의도적으로 만드는 것이다.

#내 AI 제품 해자 자가진단

아래 문항에 구체적 사실로 답할 수 있는지 점검해 보자. '그렇게 될 것이다'가 아니라 '이미 이렇게 하고 있다' 또는 '이렇게 설계되어 있다'로 답할 수 있어야 한다.

1. 우리 핵심 가치 중 외부 모델 API가 그대로 제공하면 사라지는 비중은 얼마인가 — 절반을 넘으면 위험 신호다.
2. 경쟁자가 같은 API로 우리 제품을 복제하는 데 얼마나 걸리는가 — '며칠'이면 해자가 없는 것이다.
3. 공개 데이터로는 못 만드는, 우리만 가진 데이터가 있는가 — 어떻게 수집·정제하는지 한 문장으로 설명되는가.
4. 고객이 우리를 떠나려 할 때 잃는 것은 무엇인가 — 데이터·연동·업무 기록 같은 교체 비용이 있는가.
5. 사용자가 쓸수록 제품이 그 고객에게 더 좋아지는 루프가 있는가 — 행동 데이터가 결과 개선에 실제로 반영되는가.
6. 사용자가 한 명 늘면 기존 사용자의 효용도 커지는가 — 그렇다면 네트워크 효과의 씨앗이 있다.
7. 지금 쌓고 있는 해자가 4종 중 무엇이고, 그것을 두껍게 만드는 일이 로드맵에 들어가 있는가.

#한국 AI 창업의 맥락 — 데이터 확보와 B2B 워크플로

한국 시장에서 데이터·네트워크 해자는 출발선이 불리할 수 있다. 영어권에 비해 공개 데이터가 적고, 국내 단독 시장은 네트워크 임계점을 넘기에 인구 규모의 제약이 있다. 이 제약을 인정한 위에서 현실적인 경로를 짜야 한다.

그래서 한국 초기 AI 스타트업에서 상대적으로 접근하기 쉬운 해자는 '도메인 특화 데이터'와 'B2B 워크플로 통합'인 경우가 많다. 좁고 깊은 산업(제조·물류·의료·법무·공공 등)의 데이터는 글로벌 모델이 약하고, 그 산업의 업무 흐름에 들어가면 교체 비용이 자연스럽게 쌓인다.

1. 좁은 도메인부터 — 범용 모델이 잘 못하는 한국 특정 산업·규제·언어 영역을 거점으로 잡는다.
2. 데이터 권리 설계 — 고객 도입 단계에서 데이터 활용·소유 범위를 계약으로 명확히 해둔다. 나중에 바꾸기 어렵다.
3. 워크플로 침투 — 단독 도구가 아니라 고객의 기존 시스템·결재선·기록에 연결되는 형태로 설계한다.
4. 거점 확장 — 한 산업에서 데이터·레퍼런스를 두껍게 쌓은 뒤 인접 산업으로 넘어간다.

정부 지원 사업이나 산학 협력이 초기 도메인 데이터 확보의 통로가 되기도 한다. 다만 지원금 자체는 해자가 아니다. 그 과정에서 쌓이는 데이터·레퍼런스·고객 관계가 해자다. 수단과 자산을 혼동하지 않는 것이 중요하다.

#자주 묻는 질문(FAQ)

Q. GPT 래퍼로 시작하면 무조건 실패하나요?

A. 아니다. 좋은 제품 다수가 래퍼에서 시작한다. 문제는 거기 머무는 것이다. 래퍼로 첫 고객과 사용 데이터를 빠르게 확보한 뒤, 그 흐름을 데이터·통합·네트워크 해자로 전환하는 설계가 있느냐가 갈림길이다.

Q. 초기에는 사용자도 데이터도 없는데 해자를 어떻게 증명하나요?

A. 현재 보유가 아니라 '쌓이는 구조'를 보여주면 된다. 어떤 데이터가 어떤 방식으로 누적되고, 고객 도입 시 교체 비용이 어떻게 생기는지를 설계로 설명할 수 있으면, 아직 작아도 방향성은 증명된다.

Q. 모델 회사가 우리 기능을 따라 만들면 끝 아닌가요?

A. 모델 회사는 범용 기능을 노린다. 좁은 도메인의 데이터, 특정 산업의 워크플로 통합, 고객별 행동 루프는 그들이 우선순위를 두기 어려운 영역이다. 모델 회사가 직접 들어오기 애매한 깊은 틈을 차지하는 것이 핵심이다.

Q. 해자 4종 중 무엇부터 만들어야 하나요?

A. 사업마다 다르지만, 보통 가장 빨리 쌓이기 시작하는 것부터다. B2B라면 워크플로 통합과 도메인 데이터가, 다수 사용자가 상호작용하는 제품이라면 네트워크 효과가 먼저 후보가 된다. 하나를 골라 두껍게 만드는 편이 넷을 얕게 흩뿌리는 것보다 낫다.