EP05에서 EP06으로 — 구조에서 전략으로
EP05가 AI-native 회사의 내부 구조(CASH, 미니PM, 4 Layers)를 보여줬다면, EP06은 한 층 밖을 본다. AI가 애플리케이션 소프트웨어를 먹어치우는 시대, 회사는 바깥으로 무엇을 내보내야 하는가.
겉보기에는 역설적이다. AI가 자동화를 밀어붙이는데, 가장 빠르게 성장하는 AI 회사들은 오히려 사람을 더 많이 고객 현장에 보낸다. OpenAI, Anthropic, Cohere, Ramp의 FDE(Forward Deployed Engineer) 채용공고는 2025년 1~9월 사이 800% 폭증했다. 평균 연봉 $238K, 시니어는 $630K+.
이 에피소드의 질문은 단순하다. "AI가 소프트웨어를 먹는다"는 명제가 맞다면, 살아남는 회사의 해자(moat)는 어디로 이동하는가. 그리고 그 해자를 짓는 방법이 왜 Services-Led Growth(SLG) 인가.
---
SaaSpocalypse는 기회다 — a16z의 해자 재배치
시장의 공포는 명확하다. 전통적 SaaS 해자가 AI 때문에 녹는다는 것. a16z Growth 팀(Alex Immerman, Santiago Rodriguez)은 2026년 3월 "Good News: AI Will Eat Application Software"에서 정면으로 반박한다. 제목은 2011년 마크 안드리센의 "Software is Eating the World"에 대한 의도적 후속편이다.
핵심 주장은 하나. 해자가 사라지는 게 아니라, 해자 지도가 다시 그려진다. Hamilton Helmer의 7 Powers 프레임을 적용하면 축별로 움직임이 다르다.
| 해자 | 변화 | 메커니즘 |
|---|---|---|
| Switching costs | 🔻 약화 | AI가 마이그레이션 friction을 낮춤. "인질 고객"으로 버틴 회사는 진짜 가치로 경쟁해야 함 |
| Counter-positioning | 🔺 강화 | AI-native가 per-conversation/per-resolution 가격모델 채택 → 인큐먼트는 자기 매출 카니발 못해 못 따라옴 |
| Process power | 🔺🔺 | a16z가 "perhaps the strongest moat"라고 부르는 워크플로 침투 깊이 |
| Cornered resources | 🔺 | proprietary data의 가치 상승 |
| Network / Brand / Scale | → | 큰 변화 없음 |
핵심 인용:
"Switching costs are perhaps the one moat that really is going to change. AI is changing the friction."
"Better models don't make the application layer thinner: they make it more capable, because the hard part was never raw intelligence. It was knowing what to do with it."
해자가 약해진 축(전환 비용)은 버릴 것, 강해진 축(프로세스 침투, 카운터 포지셔닝, proprietary data)은 의도적으로 짓는다. 이게 SLG의 정당성이다.
---
SLG — 마진을 깎아서 새 해자를 산다
"Services-Led Growth"는 a16z가 같은 흐름에서 제시한 대응 전략이다. PLG가 마진을 지키면서 유입을 만드는 전략이었다면, SLG는 초기 마진을 의도적으로 희생해서 moat를 매입하는 투자 행위다.
- OpenAI 채용공고 311개 중 22개 이상이 FDE/SE 역할
- 초기 마진 50~65%를 감수 → 장기 75~80% 마진 도달
- Salesforce($254B), ServiceNow($194B) 모두 서비스 주도 성장으로 스케일
a16z의 한 줄: "AI 모델이 아무리 강해도 고객의 지저분한 현실에 설치하려면 사람이 필요하다."
이건 EP01에서 다룬 Palantir FDE 모델의 2026년 업데이트다. 팔란티어가 처음 증명한 "사람을 보내서 데이터를 길러 moat을 짓는다"는 패턴이, AI가 모델 성능을 평준화한 시대에 모든 버티컬 AI 회사의 디폴트 전략이 되고 있다. Margin hit이 아니라 moat investment로 프레이밍하면 VC도 납득한다는 게 핵심 포지셔닝.
---
SDR 10명 → AI 에이전트 20개 — 반대쪽 극단
SLG의 안티테제 사례가 SaaStr의 실험이다. Jason Lemkin은 SDR 10명을 AI 에이전트 20개 + 인간 오케스트레이터 1.2명으로 대체했다. 토요일 밤 11시, 인간 터치 없이 $70K 딜이 자율적으로 클로징됐다. 30일간 70,000통을 뿌렸고 응답률 7%. 인간 1명은 하루 1~2시간, 47번의 에이전트 행동 리뷰만 했다.
이건 SLG를 부정하는 사례가 아니다. 스펙트럼의 반대쪽을 보여주는 사례다.
| 영역 | 예시 | 전략 |
|---|---|---|
| 반복·표준화 | 스폰서십, 이벤트 티켓, 저티켓 세일즈 | AI 에이전트 (사람 빼기) |
| 복잡·고가치 | 엔터프라이즈 딥세일, 워크플로 침투 | FDE (사람 + AI 보조) |
| 대체 불가 | 창업자 브랜드, 전략 파트너십 | 창업자 직접 |
EP06의 핵심 프레임: "사람 OR 도구"가 아니라 "사람 × AI, 어디에 무엇을". 스펙트럼의 어느 점에 무엇을 배치할지가 GTM 설계의 새 축이 된다.
---
Legora — FDE 2.0의 극단 사례
18개월 만에 $100M ARR. 역사상 가장 빠른 엔터프라이즈 성장이다. 법률 AI Legora는 2024년 10월 출시 → 2026년 4월까지 1,000+ 고객(White & Case, Deloitte, Blackstone, Barclays), Series D $550M에 기업가치 $5.55B, 팀 40명 → 400명.
5가지 전략 축:
- 실리콘밸리 밖에서 시작 — 스톡홀름 기반, 글로벌 우선
- 모델에 베팅 — 자체 모델 X, 파운데이션 모델 성장에 올라탐
- 에이전트 네이티브 설계 — 처음부터 AI 에이전트 워크플로우 기반
- 초고속 반복 — 주간/일일 로드맵, 장기 계획 거부
- 투명성 + 파트너십 — "Legal Engineers"가 고객사 상주
마지막이 핵심이다. Legora의 Legal Engineers는 Palantir FDE의 법률 버전이다. 고객사에 상주해서 워크플로우에 제품을 꽂아 넣고, 매일의 사용 데이터를 제품 개선에 직결시킨다. 빌러블 아워로 돌아가던 $1조 산업이 "10x 변호사"라는 가치 제안으로 가격 단위 자체를 다시 쓰고 있다.
Bessemer의 한 줄: "Max and the team bet on the models, not against them." 모델에 맞서는 대신 모델 위에 올라타고, 모델이 할 수 없는 영역(고객 현장, 도메인 전문성, 워크플로 깊이)에 사람을 꽂아 해자를 판다.
---
ARR 단계별 채널 — 분산하지 말고 집중하라
Kyle Poyar의 2026년 4월 리포트에서 나온 대화 훅: SaaS 회사의 성장 지속력(growth endurance) 미디언은 43%, 상위 쿼타일은 80%+. 차이를 만드는 건 "채널을 얼마나 많이 하느냐"가 아니라 현 단계에 맞는 채널에 얼마나 집중하느냐다.
| 단계 | 좋은 채널 |
|---|---|
| <$1M ARR | Founder brand, warm outbound, LinkedIn |
| $1~10M | Warm outbound, LinkedIn, Intent-based outbound |
| >$10M | Large conferences, SEO, Paid ads |
흔한 실수들:
- SEO를 너무 일찍 — PMF 전에 시작하면 복리가 아니라 낭비
- 5개 코어 + 5.5개 실험 — 분산 자체가 endurance 붕괴의 신호
- Founder brand를 thought leadership과 혼동 — 전자는 신뢰, 후자는 권위. 기반이 다르다
SLG는 이 축의 직각이다. 채널 선택이 어떻게 닿을 것인가라면, SLG는 닿은 뒤 무엇을 깊이 심을 것인가를 묻는다. 두 축이 결합돼야 AI 시대 GTM이 완성된다.
---
한국 맥락 — 왜 여기서는 다르게 보이는가
한국 B2B 영업은 관계식이다. LinkedIn으로 콜드 DM을 뿌려서 시장을 여는 게 가능한 미국과 달리, 한국은 웜 인트로와 컨퍼런스 현장 명함이 훨씬 강한 기본값이다. SDR을 AI 에이전트로 대체하는 실험이 한국에서 그대로 작동할 리 없다.
하지만 SLG 축은 오히려 더 잘 맞는다. 한국은 이미 관계식 영업이 해자였다. Legora의 Legal Engineer 같은 "고객사 상주" 모델은 한국 기업이 전통적으로 잘해온 파트너십 방식의 업데이트일 뿐이다. 사람을 더 보내는 것은 한국 GTM의 DNA에 가깝다.
진짜 질문은 이거다. 한국 B2B는 사람을 보냈지만, 그 사람이 무엇을 들고 갔는가. 대부분은 제안서 + 견적서였다. SLG의 핵심은 사람이 AI를 무기로 들고 가는 것이다. 고객사에 들어가서 데이터를 길러 다시 제품에 꽂는 루프. 이게 한국 GTM에서 아직 거의 안 만들어진 해자다.
---
시리즈 연결
- ← EP01: Palantir FDE 모델이 AI 시대의 GTM 디폴트로 진화. Clay(도구)와 FDE(사람)의 긴장은 이 에피소드에서 "스펙트럼의 양극"으로 정리됨
- ← EP02: 채널 선택 self-audit이 Kyle Poyar의 ARR 단계별 채널 맵으로 업데이트. "어디에 집중하는가"가 endurance를 결정
- ← EP04: "사람 수가 줄고 시스템 밀도가 올라간다"는 패턴이 SDR → AI 에이전트 사례에서 극단으로 확인됨
- ← EP05: AI-native 조직의 self-serve → hybrid 전환이 SLG의 같은 흐름. 스케일하면서 거의 모두 세일즈를 붙였다
- → EP07: TBD — 마켓메이킹 축, 카운터 포지셔닝 가격모델이 시장 단위 자체를 다시 쓰는 사례들