FDE라는 직무를 보다 보면 한 질문이 계속 남는다. Forward Deployed Engineer는 고객과 요구사항을 정리하고, 고객사 데이터와 오래된 시스템을 연결하고, 에이전트와 업무 흐름을 구현한다. 권한과 보안을 해결하고 운영 장애도 함께 본다. 고객 현장에 들어가 맞춤화, 통합, 구현을 책임지는 모습만 놓고 보면 질문은 꽤 자연스럽다.
이거 그냥 SI 아닌가?
시스템 통합, 즉 SI도 고객의 복잡한 시스템을 연결하고 프로젝트를 완성하기 위해 사람을 투입한다. FDE라고 명함에 새로 적었다고 경제성이 갑자기 소프트웨어로 바뀌지는 않는다. 그렇다고 고객 현장에 사람이 들어간다는 이유만으로 모두 전통적인 SI라고 부르는 것도 충분하지 않다.
내가 이 글에서 묻고 싶은 것은 어느 업태가 더 우월한가가 아니다. SI는 고객에게 중요한 시스템을 구축하는 합리적인 사업이고, 그에 맞는 원가와 인력 구조를 가진다. 질문은 어떤 가치평가 틀이 더 적합한가다.
FDE와 SI의 차이는 명함에 적힌 직무명이 아니라 학습곡선에 있다.
이 글은 2026년 10월 1일까지 공개된 자료를 사용한다. 비상장사의 숫자는 불완전하다. 기업가치가 투자 전 기준인지 투자 후 기준인지 생략되기도 하고, 매출 환산치는 감사된 연매출이 아니다. 매출총이익률의 정의와 소프트웨어·서비스 매출 구성도 공개되지 않을 수 있다. 그래서 숫자의 정밀한 모양보다 현재 기업가치가 성립하려면 앞으로 어떤 경제성이 나타나야 하는지에 초점을 맞춘다. 이는 투자 권유나 회사별 적정가치 판정이 아니다.
사람 수가 매출의 천장이 되는 사업
전통적인 SI를 아주 단순화하면 다음처럼 생각할 수 있다.
엔지니어가 더 많이, 더 높은 가동률과 단가로 일할수록 창출할 수 있는 매출이 커진다. 훌륭한 실행력과 높은 고객가치를 만들 수 있지만, 매출이 사람의 시간에 강하게 묶인다.
소프트웨어는 다르다. 제품을 만든 뒤 다음 고객에게 제공하는 한계비용이 상대적으로 낮아질 수 있다. 고객이 두 배가 된다고 구현 인력이 반드시 두 배가 될 필요는 없다. 물론 기업용 소프트웨어에도 영업, 지원, 클라우드, 구현 비용이 있다. 핵심은 사람이 전혀 필요하지 않다는 것이 아니라 매출과 제공 인력 사이의 결합이 약해지는가다.
FDE 회사는 이 둘 사이 어딘가에 있다.
Traditional SI → Productized Services → Services-led Software → Enterprise Software Platform → Pure SaaS / PLG
이 연속선에서 회사를 어디에 놓을지는 홈페이지 문구가 아니라 실제 배포의 반복성과 비용구조로 판단해야 한다.
현장 작업은 어디에 남는가?
Traditional SI
FDE software hypothesis
첫 번째 고객에게 10명이 12주 필요하다는 사실만으로는 SI와 소프트웨어를 구분하기 어렵다. 중요한 것은 백 번째 고객에게도 10명이 12주 필요한가다.
고객 배포에서 지저분한 예외를 만난다. FDE가 문제를 해결한다. 여기서 반복되는 구조를 찾아 커넥터, RBAC, 평가, 관측성, 에이전트 실행 환경, 승인 업무 흐름, 보안 정책, 데이터 접근 계층 같은 제품 구성 요소로 만든다. 그러면 다음 고객은 더 빨리 배포되고 고객당 FDE 시간이 줄어든다. FDE당 매출과 매출총이익률이 올라가고, 더 많은 배포에서 더 많은 학습이 돌아온다.
이것이 서비스 주도형 소프트웨어가 기대하는 선순환이다.
VC가 묻는 질문은 “사람이 몇 명 들어가나요?”보다 “그 사람이 한 일을 다음 고객에게 다시 해야 하나요?”에 가깝다.
Wonderful의 현재 숫자는 무엇을 말하는가
Wonderful은 자신을 기업용 AI OS로 설명한다. 공식 자료에 따르면 FDE와 배포 전략가가 고객 환경에서 에이전트, 통합, 업무 흐름을 구축하고, 첫 활용 사례를 운영 환경에 올린 뒤 고객이 점차 직접 확장하고 운영하도록 역량을 이전한다. 플랫폼은 다중 테넌트 SaaS, 단일 테넌트, BYOC와 자체 구축을 포함한 여러 배포 방식을 지원한다고 회사는 설명한다. 다만 가격표와 플랫폼·서비스 매출 비중은 공개하지 않았다. Wonderful 배포, AI OS, Series C 발표
2026년 9월 공개된 숫자를 한 장에 놓으면 다음과 같다.
| 지표 | Wonderful | 공개 수준 |
|---|---|---|
| 최근 조달 | $550M Series C | 회사 확인 |
| 최근 기업가치 | $5B | 회사 확인, 투자 전·후 기준 미표기 |
| 보고된 연환산 매출 추정치 | $70M | WSJ 보도, ARR·최근 12개월 매출 아님 |
| 조달 라운드에서 제시된 기업가치 / 보고된 연환산 매출 추정치 | 약 71.4x | 단순 계산 |
| 보고된 전사 매출총이익률 | 52% | WSJ가 CSO 발언을 인용 |
| 인원 | 650명 | 회사 발표 |
| 진출 범위 | 35개 이상 시장 | 회사 발표 |
| FDE 비중·매출 구성 | 비공개 | 계산 불가 |
Wonderful은 9월 2일 $550M Series C를 $5B 기업가치로 마감했다고 발표했다. Insight Partners가 주도했고 Salesforce, Index Ventures, IVP, Vine Ventures, 9Yards, Bessemer가 참여했다. 같은 발표에서 650명, 35개 이상 시장을 밝혔다. Wonderful 공식 발표
WSJ는 연환산 매출 추정치가 1년 전 $1M에서 $70M으로 늘었고 회사 전체 매출총이익률은 52%라고 보도했다. 이익률은 Wonderful의 최고전략책임자를 인용한 수치다. $70M은 ARR도, 지난 12개월의 인식 매출도 아니다. 당시 속도를 1년으로 환산한 수치다. WSJ
따라서 계산할 수 있는 것은 엄밀한 EV/Revenue 배수가 아니라 다음의 명목 비율뿐이다.
이 분자에는 새로 유입된 현금이 들어갈 수 있고, 분모는 감사된 연매출이 아니다. 기업가치의 투자 전·후 구분도 회사 발표에는 적혀 있지 않다. 71.4배는 정교한 비교기업 배수가 아니라 현재 숫자만으로 설명하기 어려운 미래가 상당히 가격에 들어가 있다는 출발점이다.
Wonderful을 순수 SaaS나 전통적 SI 중 하나로 바로 고르는 것보다, 현재 서비스 비중이 큰 기업용 AI 제공 방식을 재사용 가능한 소프트웨어 플랫폼으로 전환하려는 회사로 보는 편이 더 유용하다. 이것은 공개자료에 근거한 나의 분석 틀이지 회사의 확정된 경제적 분류가 아니다.
52%가 좋은가보다 어디로 가는가
전통적 소프트웨어와 AI 기반 제품의 매출총이익률을 하나의 숫자로 재단하기는 어렵다. AI 제품에는 추론, 사람의 검토, 배포 인력이 들어갈 수 있고, 비용을 어디에 분류하는지에 따라서도 비교가 달라진다.
ICONIQ가 AI 제품을 만드는 약 300명의 경영진을 조사한 2026년 자료에서 응답 기업들은 평균 매출총이익률이 약 52%까지 개선될 것으로 예상했다. 반면 Bessemer가 20개 고성장 AI 스타트업을 나눈 표본에서는 이른바 “Supernova” 10곳의 평균 GM이 약 25%, “Shooting Star” 유형이 약 60%였다. 표본과 정의가 다르다는 사실 자체가 AI 회사에는 단 하나의 정상 이익률이 없다는 점을 보여준다. ICONIQ, Bessemer
그래서 Wonderful의 52%를 곧바로 좋다거나 나쁘다고 판정하기보다 다음을 보고 싶다.
이 식은 정식 미분값을 추정하겠다는 뜻이 아니다. 매출이 커질 때 매출총이익률도 개선되는가라는 방향의 질문이다. 같은 방식으로 Revenue/FDE, Revenue/Employee, FDEHours/Deployment의 추이를 보고 싶다.
중요한 것은 오늘의 margin보다 방향일 수 있다
a16z는 이를 “Trading Margin for Moat”라는 투자 논리로 설명한다. 초기에 인력 집약적 구현을 감수하면 고객 업무 흐름과 데이터 유입 지점을 더 깊이 이해하고, 전환 비용과 제품 지식을 만들 수 있다는 주장이다. a16z는 ServiceNow와 Workday의 IPO 당시 매출총이익률이 각각 63.2%, 54.1%였고 2024년에는 79%, 75%였다고 든다. 2024년 수치는 각 회사 공시와도 대체로 맞는다. a16z
그러나 역사적 사례는 가능성을 보여줄 뿐 Wonderful의 미래를 증명하지 않는다. Workday와 ServiceNow는 Wonderful의 direct comparable이 아니다. 질문은 여전히 남는다.
Wonderful의 현재 50%대 매출총이익률은 제품화와 함께 올라갈 50%대인가, 아니면 인력 집약적 제공 방식에 구조적으로 머무를 50%대인가?
VC가 사고 있는 것은 현재 매출총이익률보다 영업 레버리지가 나타날 가능성일 수 있다.
내가 보고 싶은 Wonderful KPI
대부분 비상장사 내부 지표라 외부에서는 확인하기 어렵다. 다음은 Wonderful이 공개한 KPI 목록이 아니라, 이 투자 논리를 검증하려면 내가 보고 싶은 지표다.
| 질문 | 보고 싶은 KPI |
|---|---|
| 배포가 빨라지는가? | 최초 운영 배포까지 걸리는 시간, 배포당 FDE 시간, 첫 활용 사례와 두 번째 활용 사례의 배포시간 차이 |
| 노동 레버리지가 생기는가? | FDE당 매출, FDE당 ARR, FDE당 고객 수 |
| 매출의 질이 좋아지는가? | 반복 플랫폼·사용량 매출 비중, 전문 서비스 비중, 확장 매출, NRR |
| 현장 학습이 제품이 되는가? | 반복 요청 중 표준 기능으로 전환된 비율, 재사용 가능한 커넥터·거버넌스·평가·관측성 구성 요소 |
| 경제성이 개선되는가? | 매출총이익률 추이, 가능하다면 고객 집단별 공헌이익률 |
특히 FDE당 매출은 단독 점수라기보다 방향을 보는 지표다. 가격 인상이나 대형 계약 하나로도 올라갈 수 있고, FDE의 역할 정의에 따라서도 값이 달라진다. 배포 시간, 확장, 이익률과 함께 읽어야 한다.
매출과 FDE 인원은 같은 속도로 늘어나는가?
하방 시나리오에서는 고객과 매출이 늘 때 FDE 인원도 거의 같은 비율로 늘고, 배포 시간과 매출총이익률은 크게 변하지 않으며 고객별 맞춤 코드가 쌓인다. 이 경우에도 좋은 사업일 수 있다. 다만 소프트웨어와 같은 영업 레버리지가 약하므로 가치평가 논리가 달라질 수 있다.
성공 시나리오에서는 고객당 FDE 투입과 배포시간이 줄고, FDE당 매출과 확장 매출이 오르며, 현장 지식이 제품 구성 요소로 남는다. FDE 회사의 진짜 해자는 고객별 에이전트를 많이 만드는 능력이 아니라, 고객별 문제에서 반복되는 구조를 뽑아내 제품으로 축적하는 능력일 수 있다.
그런데 Reflection을 같은 배수로 보면 문제가 생긴다
Reflection은 2025년 10월 최첨단 개방형 지능을 만들겠다며 $2B를 조달했다고 발표했다. 2026년 4월 CEO Misha Laskin은 최근 라운드가 투자 전 기업가치 $25B에 마감됐다고 CNBC에서 확인했고, Reflection은 그 인터뷰를 공식 소식 페이지에 연결했다. 라운드 규모는 앞서 WSJ와 Reuters가 약 $2.5B로 보도했지만 회사가 최종 금액과 전체 투자자 목록을 별도로 발표한 자료는 확인하기 어려웠다. 따라서 기업가치는 확인된 값, 조달 규모는 보도된 값으로 구분한다. Reflection 발표, Reflection 소식, Reuters
더 중요한 차이는 매출이다. WSJ는 2026년 3월 당시 Reflection이 유의미한 매출을 아직 만들지 못했다고 보도했다. 현재 배수를 계산할 만큼 신뢰할 수 있는 공개 매출 수치는 없다. 숫자를 임의로 넣어 $25B / revenue를 만드는 순간 분석이 아니라 추측이 된다.
오픈소스의 역설 — 가장 비싸게 만든 자산을 공개한다면
여기서 Wonderful의 “이거 그냥 SI 아닌가?”에 대응하는 질문이 생긴다.
수십억 달러를 들여 만든 모델의 가중치를 공개한다면, $25B의 경제적 가치는 어디에 남는가?
엄밀히 말하면 Reflection은 모델 가중치를 공개하고, 연구를 출판하며, 맞춤화 소프트웨어를 오픈소스로 제공하겠다고 말한다. 모델과 주변 소프트웨어를 모두 같은 의미의 오픈소스로 부르면 정확하지 않다. 하지만 투자자의 역설은 그대로다. 가장 자본집약적으로 만든 지능을 널리 배포하면서도 회사 안에 반복 가능한 경제적 가치를 남겨야 한다.
Reflection의 공식 솔루션 페이지는 답의 후보를 네 층으로 제시한다.
Open Model → Open Core AI Stack → AI Factory → AI Solutions
가중치 공개 모델 자체의 판매만이 중심이라는 설명이 아니다. 모델을 열어 유통력을 얻고, 쉽게 배포되는 컨테이너와 맞춤화 방식, 운영 인프라, 기업·공공 부문 솔루션으로 이어지는 전체 기술 묶음을 만들겠다는 구조다. Linux가 무료라는 사실과 그 주변의 기업용 배포·지원 사업이 가능하다는 사실이 공존했던 것처럼, Reflection이 증명해야 할 가설도 모델 소유보다 기술 묶음과 생태계의 표준적 위치가 더 큰 경제적 가치 포착을 만들 수 있는가에 가깝다. 역사적 비유일 뿐 Reflection이 같은 결과를 낸다는 뜻은 아니다. 회사 소개, 솔루션
Open intelligence가 economic capture로 이어지는가?
그래서 두 회사의 질문은 이렇게 놓는 편이 더 선명하다.
- Wonderful: 노동을 소프트웨어로 바꿀 수 있는가?
- Reflection: 개방형 지능을 수익화할 수 있는 표준으로 만들 수 있는가?
컴퓨팅 자원을 모델로 바꾸는 것만으로는 부족하다
Reflection이 확보한 컴퓨팅 자원은 규모가 크지만 매출 계약이 아니다. Reuters에 따르면 Reflection은 SpaceX의 Colossus 2에서 GB300 용량을 쓰기 위해 2026년 7월부터 2029년까지 월 $150M을 지불하기로 했다. 완주하면 약 $6.3B지만 초기 3개월 뒤 90일 통지로 종료할 수 있다는 조건이 보도됐다. Nebius와도 $1B가 넘는 컴퓨팅 용량 계약을 맺었다. 둘 다 고객에게서 받는 매출이 아니라 모델 훈련과 운영을 위해 확보하는 비용·용량 약정이다. Reuters–SpaceX, Reuters–Nebius
따라서 Reflection이 넘어야 할 문턱은 “최첨단 모델을 만들 수 있는가?”에서 끝나지 않는다. 막대한 컴퓨팅 투자로 만든 한 세대의 모델이 얼마나 넓은 유통망, 얼마나 많은 유료 배포, 얼마나 지속적인 경제적 가치를 남기는지가 중요하다.
이를 실제 회계 KPI가 아닌 투자자의 사고 틀로 쓰면 다음과 같다.
Wonderful에서 FDE당 매출의 방향을 보듯, Reflection에서는 경제적 가치가 컴퓨팅 자원과 R&D 자본보다 빠르게 누적되는지를 보고 싶은 셈이다.
도입이 경제적 가치 포착으로 바뀌는가
Reflection의 KPI를 네 단계 전환 경로로 나누면 추상적인 “생태계”를 조금 더 검증 가능한 질문으로 바꿀 수 있다. 다음은 회사가 공개한 KPI가 아니라 내가 보고 싶은 지표다.
| 단계 | 질문 | 보고 싶은 신호 |
|---|---|---|
| ① 역량 | 사람들이 정말 이 모델을 쓰고 싶어 하는가? | 최첨단 성능, 비용 대비 성능, 에이전트 역량, 맞춤화·사후 훈련 성능 |
| ② 유통 | 공개한 모델이 실제 표준으로 확산되는가? | 다운로드, 개발자 도입, 하위 응용 프로그램, 기업 PoC, 생태계 기여 |
| ③ 전환 | 사용자가 Reflection에 돈을 지불하는가? | 개방형 모델 → 오픈 코어 기술 묶음 → 기업 배포 → AI Factory·주권형 솔루션 전환 |
| ④ 경제성 | 그 돈이 컴퓨팅 자원과 자본 집약도를 정당화하는가? | 컴퓨팅 자원당 반복 매출·매출총이익, 모델 세대당 유료 배포, FDE당 매출, 투자 자본당 매출 |
정확한 KPI 이름보다 중요한 것은 개방형 모델 도입이 경제적 가치 포착으로 변환되는가다. 다운로드가 많아도 Reflection의 기술 묶음을 거치지 않거나, 배포가 모두 일회성 맞춤 프로젝트라면 유통과 기업가치 사이의 연결은 약할 수 있다.
Reflection의 FDE에는 두 개의 순환이 필요하다
모델을 Hugging Face에 올리는 것만으로 기업·주권형 배포가 완성되지는 않는다. 맞춤화, 기업 데이터, 보안, 거버넌스, 인프라, 업무 흐름과 운영 환경을 넘어야 한다. Reflection의 FDE 채용공고가 고객 발굴부터 운영 출시, 사후 훈련과 평가까지 묶는 이유도 여기에 있다. FDE 직무, 사후 훈련 직무
공개된 배포 범위도 이 구조를 보여준다. Dell은 Reflection의 개방형 모델을 Dell AI Factory와 AI Data Platform을 통해 자체 구축 방식으로 제공할 계획이라고 발표했다. Reflection은 DOE의 Genesis Mission과 MOU를 맺었고, 신세계와는 한국 내 주권형 AI 공장 프로젝트를 발표했다. 다만 Dell 발표는 향후 제공 계획이고, DOE는 MOU이며, 신세계 프로젝트의 계약 경제성도 공개되지 않았다. 세 사례를 현재 매출로 합산할 수는 없다. Dell, Axios–Genesis MOU, DOE 프로그램, 신세계 프로젝트
그럼에도 FDE가 무엇을 제품으로 남겨야 하는지는 구체적으로 생각할 수 있다. 한국 주권형 배포의 보안·거버넌스 구성 요소가 다음 국가에서 재사용되고, Dell 자체 구축 배포 방식이 다음 기업에 적용되며, 고객 맞춤화 도구가 오픈 코어 기술 묶음으로 들어가야 한다. 그렇지 않으면 Reflection 아래에 거대한 SI 조직이 생길 뿐이다.
- 모델 순환: 컴퓨팅 자원 → 더 나은 모델 → 도입 → 실제 환경의 피드백 → 더 나은 모델
- 상업적 순환: FDE 배포 → 재사용 가능한 기술 묶음 → 더 빠른 배포 → 더 많은 유료 고객 → 더 많은 매출
둘이 동시에 돌아야 개방형 지능이 수익화할 수 있는 표준이 된다.
FDE가 value chain에서 놓이는 위치가 다르다
Wonderful
Reflection
두 회사가 탈출해야 하는 쳇바퀴
Wonderful의 나쁜 시나리오는 고객 하나를 더 얻을 때마다 사람도 거의 같은 비율로 늘어나는 것이다. Reflection의 나쁜 시나리오는 더 좋은 모델 한 세대를 만들 때마다 더 많은 컴퓨팅 자원이 필요하지만 이전 세대가 남긴 유통망과 반복 매출은 충분히 쌓이지 않는 것이다.
두 회사가 탈출해야 하는 treadmill
Wonderful
Reflection
전자는 노동 쳇바퀴, 후자는 컴퓨팅 쳇바퀴다. Wonderful은 제품화로, Reflection은 유통·수익화·생태계의 복리 효과로 여기서 탈출해야 한다.
같은 FDE, 서로 다른 영업 레버리지
| Wonderful | Reflection | |
|---|---|---|
| 출발 자원 | FDE 노동 | 연구인력 + 컴퓨팅 자원 + 자본 |
| 처음 만드는 것 | 고객별 AI 배포 | 최첨단 가중치 공개 모델 |
| 비싼 초기 투자 | FDE 투입 시간 | 훈련·컴퓨팅 자원 |
| 확장 메커니즘 | 제품화 | 유통·생태계 |
| 가치 축적 장소 | 기업용 AI 플랫폼 | 오픈 코어 기술 묶음·AI Factory |
| 최종 수익화 | 반복 가능한 소프트웨어·사용량 | 기업·주권형·인프라·솔루션 |
| 증명해야 할 것 | 매출이 FDE보다 빨리 증가 | 경제적 가치가 컴퓨팅 자원·자본보다 빨리 증가 |
| 핵심 위험 | 노동 쳇바퀴 | 컴퓨팅 쳇바퀴 |
이 표에서 Wonderful의 노동 레버리지와 Reflection의 자본·유통 레버리지는 저자의 분석 틀이다. Reflection의 매출과 이익률, 도입에서 유료 사용으로의 전환, 배포별 경제성은 공개되지 않았다. 따라서 이 구조는 결과에 대한 판정이 아니라 $25B 기업가치가 넘어야 할 검증 과제다.
하방 시나리오에서는 최첨단 모델이 빠르게 범용화되고, 가중치 공개 모델 도입이 수익화로 이어지지 않으며, 컴퓨팅 비용은 크고 주권형 프로젝트는 맞춤형 상태로 남는다. 기업 배포에 큰 서비스 조직까지 필요하다면 자본 집약적 연구·인프라 경제성이 남을 수 있다.
성공 시나리오에서는 차별화된 모델이 넓게 배포되고, 사용자가 오픈 코어 기술 묶음과 유료 배포로 전환되며, FDE의 현장 작업이 재사용 가능한 상용 기술 묶음에 누적된다. 그때 Reflection은 모델 한 세대의 성능이 아니라 개방형 지능을 중심으로 반복 수익을 만드는 표준적 위치를 가질 수 있다. 어느 쪽이 실현될지는 현재 공개자료만으로 판정할 수 없다.
VC가 사고 있는 것은 현재 회사만이 아니다
공개시장 가치평가는 상대적으로 기존 매출, 이익률, 현금흐름, 비교기업 배수를 더 자주 요구한다. 후기 비상장 AI 조달은 TAM, 성장률, 기술 우위, 전략적 위치, 희소성, 미래 영업 레버리지와 선택 가능성에 훨씬 큰 가중치를 둘 수 있다. 모든 공·사모 투자자가 같은 방식으로 행동한다는 뜻은 아니다. 다만 공시가 제한된 비상장 조달을 현재 숫자만으로 읽으면 투자자가 투자 판단에 반영한 미래 상태를 놓치기 쉽다.
VC는 현재 회사에만 가격을 붙이는 것이 아니라, 그 회사가 될 수 있는 여러 미래에도 가격을 붙인다.
투자자가 가격에 넣고 있는 미래
Wonderful
매출 성장제품화margin expansiondeployment learningoperating leverageReflection
frontier capabilitydistributionpaid conversionreusable commercial stackcapital leverageWonderful의 기업가치를 설명하려면 매우 높은 성장뿐 아니라 고객당 배포 노력 감소, FDE당 매출 상승, 매출총이익률 확대, 확장 매출, 현장 학습의 제품화가 필요하다. Reflection은 최첨단 모델로서의 중요성만으로 부족하다. 모델 도입이 오픈 코어 기술 묶음, AI Factory와 유료 솔루션으로 전환되고, 그 경제적 가치가 컴퓨팅 자원·R&D 자본보다 빠르게 누적되어야 한다.
그래서 기업가치를 판정보다 넘어야 할 문턱으로 읽을 수 있다.
$5B가 싸거나 비싼가?보다 $5B가 정당화되려면 Wonderful의 어떤 지표가 움직여야 하는가?$25B가 타당한가?보다 이전 모델은 다음 모델에 다시 수십억 달러를 쓰기 전에 얼마나 많은 유통망과 반복 가능한 경제적 가치를 남겼는가?
Wonderful의 현재 기업가치는 노동이 소프트웨어로 압축되는 학습곡선을 요구한다. Reflection의 기업가치는 컴퓨팅 자원으로 만든 지능이 유통망과 반복 가능한 경제적 가치로 압축되는 구조를 요구한다. Wonderful이 풀어야 할 문제는 노동 레버리지이고, Reflection이 풀어야 할 문제는 자본 레버리지다.
오늘의 고객 일이 내일의 제품으로 남는가
처음 FDE라는 직무를 봤을 때 가장 먼저 든 생각은 “이거 SI와 뭐가 다르지?”였다. 지금은 질문을 조금 다르게 한다.
오늘 하는 일이 SI처럼 보이는가보다, 오늘의 고객 일이 내일의 제품으로 남는가.
첫 고객의 커넥터가 재사용 가능한 커넥터로 남고, 첫 보안 문제가 거버넌스 계층이 되고, 첫 관측성 실패가 표준 모니터링이 되고, 첫 통합이 배포 구성 요소가 되는가. 열 번째, 백 번째 고객을 이전보다 적은 사람과 시간으로 배포할 수 있다면 회사의 경제성은 조금씩 소프트웨어에 가까워진다.
반대로 고객 수가 늘 때마다 FDE 수도 같은 속도로 늘어야 한다면, 명칭과 상관없이 노동 집약도는 남는다. 그것이 나쁜 사업이라는 뜻은 아니다. 다만 시장이 붙여야 할 배수와 감당해야 할 비용 구조가 다를 수 있다.
이 논점은 AX는 좁고 날카로워야 한다에서 다룬 업무 흐름 문제와도 이어진다. 고객의 실제 업무를 깊게 이해하는 것은 출발점이다. 그 이해가 한 고객의 프로젝트로 끝날지, 여러 고객에게 재사용되는 제품으로 남을지가 투자 관점의 다음 질문이다.
Wonderful에게 묻고 싶은 것은 “백 번째 고객은 첫 번째 고객보다 얼마나 싸게 배포할 수 있는가?”다. Reflection에게 묻고 싶은 것은 “다음 최첨단 모델을 만들기 위해 또 수십억 달러를 쓰기 전에, 이전 모델은 얼마나 많은 유통망과 반복 가능한 경제적 가치를 남겼는가?”다.
결국 AI 시대의 영업 레버리지에는 적어도 두 종류가 있다. 사람의 노동을 소프트웨어로 압축하는 레버리지와, 컴퓨팅 자원으로 만든 지능을 반복 가능한 유통망과 경제적 가치로 압축하는 레버리지다.
이 질문은 이제 후속 글 AWS도 FDE를 뽑기 시작했다. 그런데 FDE는 채용한다고 만들어질까?로 이어진다. Google이나 AWS처럼 이미 수많은 기업고객과 클라우드, 데이터, 모델 유통망을 가진 회사가 현장 배치형 모델을 확대하면 선순환은 더 빨라질까? 아니면 조직의 인센티브와 중앙 제품팀까지의 거리 때문에 학습을 제품으로 되돌리는 일이 오히려 더 어려워질까?
Discussion
토론
질문, 정정, 반례, 다른 해석이 있다면 남겨 주세요.