Why a $1M Startup Wasn''t Worth Building in the Age of AI

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Why a $1M Startup Wasn’t Worth Building in the Age of AI를 중심으로, 작동하는 제품과 빠르게 확장하는 사업은 달랐다. 세금 신고서를 자동으로 만드는 기술은 구현했지만, 수백만 기업에 효율적으로를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 작동하는 제품과 빠르게 확장하는 사업은 달랐다. 세금 신고서를 자동으로 만드는 기술은 구현했지만, 수백만 기업에 효율적으로 판매하는 방법은 불확실했다. 기존 업체가 이미 확보한 고객에게 AI를 적용하면 신규 업체의 기술적 선행을 따라잡을 수 있었다.
2. 연간 판매 주기가 성장의 속도를 제한했다. 세무 서비스는 구매 기회가 1년에 한 번이고 일상적인 사용·추천도 드물었다. 창업팀은 영향력과 팀원의 기회비용을 고려해 피벗을 결정했으며, 다음 시즌의 고객 약속과 계약이 생기기 전이라는 짧은 전환 가능 기간도 중요했다.
3. 새 출발점은 고객이 반복해서 겪는 이메일·캘린더 업무였다. 일정 조율, 미팅 준비, 답변 초안처럼 자주 발생하는 수요를 따라 제품을 개발했다. 사용자 경험으로 효용을 증명한 뒤 신뢰를 얻어 CRM 등으로 연결 범위를 넓히고, 중소·중견기업의 제품 주도 성장과 대기업의 보안·관리 요건을 함께 추구한다.
4. AI 제품의 역할은 저렴해진 지능을 구체적인 성과로 바꾸는 것이다. Town은 사용자가 자동화할 일을 직접 고안하게 하기보다, 업무 맥락에 맞는 실행 기회를 제안하려 한다. 식자재 가격 감시처럼 매번 발견이 없어도 한 번의 절감으로 비용을 회수할 수 있는 업무가 예시이며, 실제 사용자 인터뷰를 통해 업종별 루틴을 확장한다.
5. 경쟁의 쟁점은 기능에서 선택권·데이터·유통으로 넓어진다. 모델 공급사도 업무용 앱을 제공하므로 개별 기능의 우위가 오래간다고 보기 어렵다. Town은 공급사 중립성과 데이터 이동성을 내세운다. 한편 에이전트가 검색·비교·구매를 대신하면 광고 노출, 공급 집계, 고객의 혜택 미사용에 기대는 기존 사업의 수익 구조도 흔들릴 수 있다는 전망이 제시된다.

🧩 배경과 문제 정의

• Town은 Plaid 출신 창업자가 시작한 중소기업 세무 자동화 사업에서 출발했다. AI로 신고서를 작성하는 기술은 구현했지만, 고객 확보와 빠른 시장 확장이 더 어려운 문제로 남았다.
• 첫해 매출은 100만 달러에 조금 못 미쳤고 성장 가능성도 있었으나, 기존 업체가 보유한 고객과 유통망에 AI를 적용하는 속도를 앞서기 어렵다고 판단했다.
• 수백만 명에게 영향을 주는 사업을 만들겠다는 목표에 따라, 이메일과 캘린더를 기반으로 일상 업무를 돕는 AI 에이전트로 방향을 바꿨다.
• 새로운 사업의 핵심 과제는 사용자가 체감하는 효용을 먼저 만들고, 기업의 보안·관리 요건을 충족하면서 AI를 활용할 업무를 계속 발견하는 것이다.

🕒 시간순 섹션별 상세정리

1. 세무 자동화의 기술적 가능성과 사업 확장성은 달랐다

• 세무 업무는 텍스트가 많고 재무자료·임대차 문서 같은 입력을 다루므로 LLM을 적용하기 좋은 분야로 보였다. 기술 검증을 거쳐 중소기업의 자료를 완성된 세금 신고서로 바꾸는 과정을 향후 2년 안에 자동화할 수 있다고 판단했다. [02:50]
• 약 1년간 개발한 제품은 작동했지만, 수백만 기업에 효율적으로 도달해 판매하는 방식에는 예상보다 큰 불확실성이 있었다. 첫해 매출은 100만 달러에 조금 못 미쳤고, 둘째 해에는 250만~300만 달러를 기대했다. [03:34]

2. 연간 판매 주기가 입소문과 시장 선점의 속도를 제한했다

• 신생 기업의 빠른 개발과 새로운 판매 방식에는 시간제한이 있다. 기존 업체가 유통상의 우위를 활용해 따라오기 전에 입소문, 네트워크 효과, 시장 침투를 확보해야 하는데, 세무 서비스는 1년에 한 번만 판매할 수 있어 그 경쟁에서 불리했다. [04:41]
• 세무 신고는 매일 쓰는 도구가 되기 어렵고, 경험을 자랑하는 경우도 드물다. 만족한 고객이 신고 후 추천하더라도 다른 사람이 세무 대행자를 찾는 시점과 어긋나면 다음 해까지 기억되기 어렵다. [05:18]

3. 피벗의 기준은 매출의 존재보다 영향력과 팀의 기회비용이었다

• 첫 세무 시즌을 마친 뒤 공동창업자들은 사업 방향을 재검토했다. 사업이 전혀 작동하지 않는 상황은 아니었지만, 수백만 명에게 영향을 주려면 더 유리한 시장을 찾아야 한다고 결론 내렸다. [06:29]
• 방향 전환은 당시 실패처럼 느껴졌다. 그러나 세상에 의미 있는 영향을 주고 사람을 돕겠다는 창업 동기에 비춰 보면, 충분히 빠르게 확장할 수 있다는 믿음을 잃은 상태였다. [07:03]

4. 직원에 대한 책임과 짧은 전환 가능 기간이 결정을 구체화했다

• 세무 사업을 중단하면 세무팀 일부는 회사에서 역할을 이어가기 어려웠다. 다음 일자리를 찾도록 돕고 퇴직 보상 등으로 대우할 수 있다고 생각하면서, 실패를 인정하는 데 따른 감정적 부담도 다룰 수 있는 문제로 바뀌었다. [08:39]
• 고객에게 신고 업무를 약속하거나 다음 시즌의 파트너 계약을 진행한 뒤에는 쉽게 방향을 바꿀 수 없었다. 10월 15일 무렵부터 약 한 달이 세무 사업의 지속과 중단을 모두 선택할 수 있는 기간이었다. [09:16]

5. 세무 고객의 반복 업무가 이메일·캘린더 에이전트의 출발점이 됐다

• 약 네 가지 아이디어를 진지하게 검토한 끝에 이메일과 캘린더에서 작동하는 좋은 에이전트가 왜 없는지에 주목했다. 세무 고객들은 미팅 일정 조율, 미팅 목적 확인, 반복되는 세무 질문의 답변 초안에도 도움을 원했다. [10:28]
• 미팅 준비와 후속 처리, 간단한 이메일 답변, 하루 일정 준비는 흔한 지식노동 업무였지만 이를 잘 지원하는 AI 경험은 부족했다. 이 수요를 탐색하던 시기에 Opus 4.5와 코딩 에이전트의 자율 작업 능력이 발전했고, 창업자는 이 조합 덕분에 제품·시장 적합성을 빠르게 얻었다고 봤다. [11:15]

6. 시장 규모 계산보다 사용자 수요를 따라 제품을 발전시켰다

• 초기에는 전체 시장 규모나 최종 승리 조건을 먼저 규정하기보다, 강한 사용자 수요를 따라 몇 달간 집중적으로 개발하며 기회를 파악했다. [11:50]
• 영업·사업개발·채용처럼 외부와 접촉하는 업무는 이메일과 캘린더를 중심으로 돌아가므로 세계적으로 큰 시장이 있을 수 있다고 봤다. 고객 요구에는 단순히 LLM을 이메일에 연결하는 것보다 깊은 제품 설계가 필요했지만, 이것이 확실한 경쟁 방어력으로 이어진다고 단정하지는 않았다. [12:26]

7. 구매 담당자보다 실제 사용자를 먼저 만족시키는 제품을 택했다

• 비용을 지불하는 고객과 실제 사용자가 다르면 보안 책임자 등 구매 결정권자의 요구를 충족하는 데 치우칠 수 있다. 그 결과 매일 제품을 사용하는 사람의 경험이 나빠질 위험이 있다. [13:35]
• Dropbox에서 얻은 교훈은 뛰어난 사용자 경험을 기업 환경에 맞추는 일은 어렵더라도 가능하지만, 규정 준수와 IT 요구를 출발점으로 삼아 훌륭한 사용자 경험을 만드는 일은 훨씬 어렵다는 것이었다. [14:10]

8. 기업용 AI에도 소비자 제품 수준의 편의성과 품질이 필요하다

• 개인 생활에서 좋은 AI 비서 경험을 얻은 경영진은 회사에서도 같은 경험을 원하게 될 것이라는 가설을 세웠다. Town은 핵심 경험을 먼저 갖춘 뒤, 개별 대기업 계약을 반복 가능한 판매로 확장하고 다양한 보안 요구를 충족하는 문제를 풀고 있다. [15:14]
• 진행자는 CEO가 개인적으로 iPhone의 장점을 경험한 뒤 회사에서도 사용할 수 있게 하라고 요구했을 것이라는 가설을 제시했다. AI도 개인 사용 경험이 업무 도입 요구로 이어질 수 있지만, 여전히 성능에 회의적인 기업 리더들이 존재한다. [16:34]

9. 이메일·캘린더의 효용을 증명한 뒤 더 깊은 시스템 연결을 얻는다

• AI 비서의 도입은 아직 초기 단계이며, 많은 사람이 개인 생활에서 효용을 경험하기까지 6개월, 12개월 또는 18개월이 걸릴 수 있다고 전망했다. 기업에서는 에이전트가 접근할 수 있는 데이터와 API가 능력을 좌우하므로 도입이 더 복잡하다. [18:24]
• 첫 단계는 핵심 업무 시스템에 연결하기 전에 이메일과 캘린더만으로 가치를 보여주는 것이다. 미팅을 준비하거나, 이메일로 받은 PDF의 최신 수치와 디자인 양식에 맞춰 발표 자료를 수정하는 작업이 예시다. [19:24]

10. 대기업의 통제 요건과 중소기업의 빠른 도입을 함께 공략한다

• 대기업 도입에는 감사 로그, 특권 정보의 접근 제한, 비용 통제가 필요하다. 재무 책임자가 지출 위치와 토큰 사용 효율을 파악할 수 있어야 하며, 이런 운영 요건을 맞추는 데는 시간이 걸린다. [20:25]
• 중소기업과 중견기업은 상대적으로 요구 조건이 적어 도입이 더 빠를 것으로 예상했다. 제품 경험과 셀프서비스 성장은 이 시장에 집중하고, 보안·규정 준수·재무 기능은 대기업 요구를 기준으로 개발하는 전략이다. [20:58]

11. 저렴하고 상시 작동하는 AI 비서는 기존 비서 시장보다 큰 수요를 만들 수 있다

• 진행자는 캘린더에 등록되지 않은 런던의 저녁 약속을 Town이 이메일에서 찾아준 경험을 들었다. 사람 비서를 신뢰하더라도 모든 이메일을 읽게 하지는 않지만, AI에는 상시 확인을 맡기고 있다는 차이가 있었다. [21:26]
• AI 비서는 기존에 비서를 고용하지 못했던 사람에게도 서비스를 제공하고, 사람이 맡기에는 비용이나 사생활 부담이 컸던 작업까지 가능하게 할 수 있다. 진행자는 효율 향상이 사용량 확대를 부르는 제번스의 역설에 비춰, 현재의 비서 고용 규모만으로 시장을 판단하면 수요를 좁게 볼 수 있다고 제안했다. [22:15]

12. 제품의 역할은 토큰을 써서 가치를 만들 새로운 업무를 찾는 것이다

• Town은 사람과 함께 AI를 적용할 기회를 찾는 제품이자 ‘토큰 배분 기계’로 정의된다. 제품이 활용 선택지를 제시하고 사용자가 원하는 결과를 선택하며, 토큰 가격이 내려갈수록 이전에는 경제성이 없던 작업도 가능해진다는 구상이다. [23:24]
• 모든 미팅에 상세한 준비 메모를 만드는 일은 사람 비서의 시간을 쓰기에는 비효율적일 수 있지만, LLM은 예컨대 1센트 정도의 비용으로 처리할 수 있다고 설명했다. 참석자의 최근 X 게시물까지 조사하는 세부 작업도 비용이 낮아지면 가치가 생기며, 제품은 이런 기회를 계속 찾아 제안해야 한다. [24:05]

13. 식자재 가격 감시는 드물게 성과가 나도 경제성이 있을 수 있다

• 식당이 도매업체에서 받는 엑셀·PDF 가격표에는 수천~수만 개 품목이 담길 수 있다. 가격이 20~30% 오른 품목이나 더 저렴한 공급처를 찾아도 이익이지만, 전담 인력이 없고 정기 운영에 포함되지 않아 비교를 생략하기 쉽다. [24:48]
• Town으로 월별 분석 작업을 약 5분 만에 설정할 수 있다는 예시를 제시했다. 월 1달러 정도로 실행해 12개월 중 11개월 동안 발견이 없더라도, 한 번 수백~수천 달러의 절감 기회를 찾는다면 가치가 있을 수 있다는 계산이다. [25:49]

14. 범용 제품으로 시작해 실제 사용에서 업종별 기회를 발견한다

• 식당 주인에게 ‘임원 비서’를 제안하는 것보다 식자재 비용 절감이라는 결과를 제시하는 편이 가치를 이해시키기 쉽다. 진행자는 연 5달러를 내고 500달러를 아낄 수 있다면 어떻겠느냐는 가정으로 이 차이를 설명했다. [27:11]
• 진행자가 정리한 Town의 방향은 처음부터 특정 업종이나 단일 문제에 갇히지 않고 폭넓은 사용자에게서 배우는 것이다. 수천~수만 명의 사용을 통해 기회를 발견한 뒤 업종별 제품으로 구체화할 수 있다는 구상이며, 식자재 문제 같은 수요를 회사가 미리 안다고 가정하지 않는다. [28:18]

15. AI의 기능이 비슷해질수록 앱 기능만으로 차별화하기 어려워진다

• 창업자는 업무용 AI 실행 환경들이 결국 비슷한 일을 할 수 있게 될 것으로 전망했다. 이에 따라 경쟁사보다 앞선 개별 기능을 보유하는 방식의 우위를 오래 유지하기가 점점 어려워질 수 있다고 봤다. [29:10]
• 소프트웨어 가치의 단위가 개별 앱에서 컴퓨터로, 더 넓게는 사람이 컴퓨터로 할 수 있는 일 전체로 이동하고 있다는 관점을 제시했다. 에이전트가 앱 계층을 추상화하면 앱 계층에 남는 가치는 낮아질 수 있다는 주장이다. [29:39]

16. 실제 고객의 자동화 사례로 개인화의 깊이를 높인다

• 전기기사, 벤처투자자, 비서에게 필요한 자동화는 서로 다르다. 현재 모델에 직업만 알려주고 추천을 요청하면 표면적인 제안은 얻지만, 업무에 깊이 들어가는 제안은 부족하다는 판단이다. [30:12]
• Town은 사용자 데이터를 직접 들여다보는 대신 집계 지표로 적극적인 사용자를 찾고 인터뷰한다. 식당 운영자 10명에게서 공통 업무 다섯 가지를 발견하면, 이를 ‘루틴’이라는 자동화 시제품과 추천 템플릿으로 만든다. [31:04]

17. 여러 역할을 아우르는 맞춤형 소프트웨어를 자동화로 확장한다

• 한 사람은 식당 운영과 재무를 함께 맡고, 별도로 휴가용 임대주택을 관리하거나 자녀의 활동 일정을 잡기도 한다. 맞춤형 소프트웨어는 직업 하나에 머물지 않고 이런 여러 역할을 함께 지원해야 한다는 관점이다. [32:26]
• FDE 방식은 사람이 고객사에 들어가 업무를 이해한 뒤 AI로 전용 소프트웨어를 만드는 접근이다. 연간 500만 달러 정도를 지불할 기업에는 현재 매력적일 수 있지만, 모델이 발전할수록 사람의 개입에 의존하는 방식보다 자동화 중심 접근이 더 잘 확장될 것이라는 전망이다. [33:04]

18. 모델 공급사와의 경쟁에서 중립적인 선택권을 내세운다

• OpenAI와 Anthropic이 연결 기능을 갖춘 애플리케이션을 제공하면서, Town은 토큰을 구매하는 공급사와 경쟁한다. 이메일·캘린더의 복잡성을 잘 처리하는 현재의 제품 차이만으로는 충분하지 않다. 대형 공급사도 같은 영역에 집중할 수 있기 때문이다. [34:03]
• 앞으로 3~5년 동안 어느 모델 공급사가 가장 뛰어날지 기업이 확신하기는 어렵다. 특정 공급사의 제품에 묶이면 모델 성능이나 가격이 달라질 때 대응이 어려워질 수 있으므로, Town은 그때그때 적합한 공급사를 선택하는 중립적인 앱을 지향한다. [36:05]

19. 기업의 데이터와 AI 업무 맥락을 이동 가능한 자산으로 본다

• AI가 기업 운영을 돕기 위해 축적한 데이터·기억·맥락은 기업이 소유해야 할 자산이라는 입장이다. 더 나은 서비스가 생기면 하루 정도에 옮길 수 있을 만큼 소유권과 이동성을 보장해야 한다는 지향점을 제시한다. [37:39]
• FDE로 구축한 전용 소프트웨어는 다른 공급사로 전환하기 어렵게 만들 수 있다는 비판이 따른다. Town은 고객의 전환 비용을 낮추는 것을 판매 논리로 삼고, 그 결과 고객을 유지하려면 제품 경쟁력으로 승부해야 한다는 위험을 감수한다. [38:35]

20. 기업의 운영 노하우를 모델 학습에 사용하지 않는 원칙을 둔다

• 기업의 업무 방식이 모델 가중치에 들어가 다른 고객에게 제공되면, 사업의 성공 요인이 외부로 전달될 수 있다는 우려가 있다. Town은 고객 데이터를 학습에 사용하는 것을 사업 철학에 포함하지 않는다는 입장이다. [39:21]

21. 사내 에이전트가 인맥 탐색과 정보 공유를 중개한다

• Town의 팀 제품은 내부 CRM을 구성하고, 에이전트가 어떤 정보를 다른 직원에게 제공할 수 있는지 판단하는 방식을 포함한다. 잠재 고객사의 재무팀에 아는 사람이 있는지 물으면 동료들의 에이전트와 연결해 접점을 찾는 사례다. [40:04]
• Slack이나 Teams에 질문을 올려 직원들이 읽고 답하기를 기다리는 대신, AI가 보안과 개인정보 조건을 중개하면 즉시 답을 얻을 수 있다는 구상이다. 이를 구현하려면 개인정보 보호를 매우 세심하게 설계해야 한다는 전제가 붙는다. [40:43]

22. 대형 모델 기업의 관심 밖에 머무는 시간은 제한적일 수 있다

• 시장이 너무 작으면 모델 기업의 관심을 피할 수 있지만, 충분히 커지면 직접 경쟁의 표적이 될 수 있다. 코딩은 이미 모델 기업이 외면하기 어려운 분야이며, 의료·법률 같은 큰 시장에도 집중할 유인이 있다는 분석이다. [42:24]
• 여러 업종에 걸친 수평형 업무 지원은 당장 코딩만큼 집중하기 어려울 수 있다. 다만 AI가 기업의 일을 더 많이 수행하고 성과를 높이는 시장은 코딩 시장보다 클 수 있으므로, 경쟁 진입은 여부보다 시점의 문제라는 반론이 나온다. [43:39]

23. AI 확산을 막는 병목은 직접 해결책을 만드는 사람의 부족이다

• 섬에서 서핑보드와 소형 해변 차량을 빌려주는 사업자는 Town으로 사진을 비교해 파손 여부를 검사하고 보증금 반환을 판단한다. 예상 밖 업종에서도 자동화가 가능하며, 현장의 불편을 AI로 해결하려는 사람이 도입을 이끈다는 사례다. [45:47]
• 문제는 그런 사람이 충분하지 않거나, 직접 실험할 시간이 없다는 것이다. 소기업의 시간을 크게 절약할 기능이 이미 있어도 AI를 더 나은 검색창처럼 사용하는 데 머무르므로, 텍스트 입력창만 제공하기보다 실제 가치를 구현해 보여줘야 한다는 판단이다. [46:34]

24. 과거의 사용 경험이 현재 AI 역량에 대한 판단을 굳힌다

• 몇 년 전 AI를 써보고 평범하다고 판단했던 하버드 교수는, 자신의 오래된 학위논문을 현재 내용으로 갱신하도록 ChatGPT에 요청한 결과에 놀랐다. 초기 경험만으로 평가를 고정하면 이후의 발전을 놓칠 수 있다는 사례다. [48:58]
• 환각이나 낮은 품질을 경험한 초기 사용자가 오히려 과거의 AI상을 유지하는 경우가 있다. 같은 서비스를 다시 사용해도 다른 AI처럼 느낄 만큼 변화가 빠르므로, 현재 역량을 다시 경험하게 하는 일이 필요하다는 관점이다. [49:35]

25. 개선된 AI 능력을 구체적인 업무 제안으로 전달해야 한다

• 유리한 플랫폼은 기업이 계속 더 나은 AI를 활용하도록 적응시키는 플랫폼이라는 전망이다. 컴퓨터·브라우저 조작은 최근 두 달 반 동안 크게 개선됐으며, 예전에는 성공률이 약 30%였던 작업을 이제 90% 정도 수행한다는 설명이지만, 많은 사용자는 이런 변화를 경험하지 못했다. [50:28]
• ‘컴퓨터 사용 기능’이라는 이름보다, 기존 Canva 구독으로 평소 스타일의 행사 포스터를 만들어준다는 제안이 더 구체적이다. 5분 뒤 25센트로 유용한 결과를 보여주고, 일정에서 비슷한 행사를 발견할 때마다 반복할지 제안하는 경험을 예로 든다. [51:22]

26. 에이전트는 광고 노출을 대가로 한 웹의 거래를 흔든다

• 에이전트 트래픽이 인간 트래픽을 크게 넘어섰다는 주장과 함께, 사용자를 대신해 행동하는 에이전트가 기존 광고 모델과 충돌한다는 문제가 제기된다. 무료 시세 정보를 제공하는 대신 광고를 보게 하는 거래는 에이전트가 정보를 가져가면 유지하기 어려워진다. [52:33]
• 에이전트를 차단하기보다 유입을 받아들이는 사업자에게 새로운 유통 기회가 생길 수 있다는 관점이다. Amazon의 손실이 Walmart의 이익이 될 수 있다는 예측도 나오며, 광고 사업에 대한 의존도에 따라 대응 유인이 다를 수 있다고 본다. [53:24]

27. 사용자에게만 수익을 받는 에이전트가 중립성을 확보하기 쉽다

• 광고주를 가진 플랫폼의 에이전트가 항공편을 고를 때 광고비를 많이 지출한 항공사를 우대한다면 추천을 신뢰하기 어려워진다. 사람이 직접 화면을 보지 않는 환경에서도 마케팅 유인은 남으므로, 에이전트의 이해관계가 새로운 유통 문제다. [54:02]
• 에이전트의 유일한 수입원이 사용자의 지갑이면, 사용자에게 가장 좋은 정보를 제공할 유인이 분명해진다는 입장이다. 사용자가 광고나 유행을 참고하고 싶다고 요청할 수는 있지만, 이를 전달하는 에이전트 자체는 중립적이어야 한다. [54:50]

28. 없애야 할 수고와 즐길 만한 탐색 경험을 구분한다

• 뉴욕 소호에서 매장을 걸어 다니며 사람들의 스타일을 구경하는 일은 즐거운 마찰인 반면, 늘 쓰는 화장지를 다시 주문하는 일은 빠르고 저렴하게 끝내고 싶은 수고다. 인간이 모든 소비 경험에서 효율만 추구하는 것은 아니다. [55:35]
• 자녀의 레고를 사다가 광고로 다른 조립 장난감을 발견하고 에이전트에게 후기를 묻는 경험에는 가치가 있을 수 있다. 광고와 상품 탐색이 유익한 경우에는 공급을 모아 보여주는 플랫폼도 계속 수익을 낼 수 있다는 관점이다. [56:28]

29. 무료 개인 에이전트는 다른 서비스에서 수익을 낼 수도 있다

• AI가 유통과 습관을 빠르게 바꾸므로 어떤 플랫폼이 승자가 될지는 예측하기 어렵다. Amazon이 미래의 변화를 막으려다 광고 사업의 큰 부분을 잃을 수 있다는 가능성도 제기된다. [57:40]
• 무료 개인 에이전트 Muse가 반드시 자체 화면에 광고를 넣어야 하는 것은 아니라는 가설이다. Muse에서 얻은 정보로 Instagram 광고를 더 정교하게 만들고, 결제나 상품 변형 탐색까지 연결하면 에이전트 경험과 수익화를 분리할 수 있다는 구상이다. [58:02]

30. Amazon의 대응과 가격 알림 서비스가 보여주는 구매 대행의 여지

• Amazon의 대응책으로는 다른 에이전트를 차단하는 대신 더 나은 개인 에이전트를 만들고, 쇼핑 혜택과 Prime을 결합하는 방안이 드러난다. 다만 이를 실제로 잘 구현할 수 있을지는 확신하지 않는다. [59:13]
• Camel Camel Camel은 Amazon 상품이 목표 가격에 도달하면 이메일을 보내는 서비스다. 닥터페퍼가 8달러일 때 6달러가 되면 알려주도록 설정할 수 있지만, 구매는 사용자가 직접 해야 한다. [59:34]

31. 에이전트가 절약에 필요한 시간 비용을 낮춘다

• 미래를 예측하는 단서는 현재에도 존재한다. 가격 추적 서비스인 카멜카멜카멜의 이용 여부는 시간이 더 여유로운지, 돈이 더 여유로운지에 따라 달라진다는 설명이다. [1:00:29]
• 에이전트가 도구 사용을 대신하면 돈은 있지만 시간이 부족한 사람도 절약 도구를 활용하게 되므로, 이런 서비스의 이용이 훨씬 보편화될 것이라는 전망이다. [1:00:43]

32. 혜택 미사용에 기대는 모델과 공급 집약의 가치가 약해진다

• 에이전트가 프리미엄 카드 혜택을 최적화하면 고객의 혜택 미사용에 기대는 수익모델이 흔들릴 수 있다. 고객들이 체이스 등의 혜택을 최대한 활용하면 카드사의 비용 구조가 맞지 않아 혜택 체계를 바꿔야 할 것이라는 전망이다. [1:01:15]
• 이 변화는 고객과 사업자의 이해가 충돌하는 문제로 계속된다. 논의 전반을 관통하는 주장은 인간의 제한된 주의력이 공급을 한곳에 모으는 서비스의 가치를 높여왔지만, 에이전트가 주의력을 들이는 작업을 자동화하면 그 가치가 크게 낮아진다는 것이다. [1:01:35]

🧾 결론

• 이번 피벗은 매출이 없어서 내린 결정이 아니라, 창업팀이 원하는 성장 규모에 비해 판매 주기와 유통 구조가 불리하다고 본 선택이다. 모든 세무 자동화 사업의 가능성을 부정하는 결론으로 확대해서는 안 된다.
• Town의 제품 전략은 이메일·캘린더에서 일상적인 효용을 만들고, 신뢰와 연결 범위를 넓히면서 더 많은 업무를 자동화하는 것이다. 좋은 사용자 경험과 기업의 통제 요건을 함께 충족해야 한다.
• 장기적인 기회는 모델의 새 기능을 소개하는 데서 그치지 않고, 비전문가도 자신의 업무에 적용해 시간·비용 절감이라는 결과를 얻도록 만드는 데 있다.

📈 투자·시사 포인트

• AI 스타트업의 성장성은 유통 구조와 함께 평가해야 한다. 초기 매출뿐 아니라 구매 빈도, 추천이 구매로 이어지는 시점, 기존 업체의 고객 기반과 대응 속도를 살펴볼 필요가 있다.
• 토큰 비용 하락은 새로운 수요를 만들 수 있다. 기존 비서 고용 규모만으로 시장을 추정하기보다, 이전에는 사람을 투입할 경제성이 없었던 업무까지 검토할 수 있다. 다만 예시의 비용과 절감액을 실제 수익성으로 간주해서는 안 된다.
• 공급사 중립성과 데이터 이동성은 경쟁 논리이자 유지율의 시험대다. 고객의 전환 부담을 낮추면 도입 설득에 도움이 될 수 있지만, 고객을 계속 붙잡으려면 제품의 실질적인 우위가 필요하다.
• 에이전트는 기존 플랫폼의 수익 유인을 바꿀 수 있다. 광고를 보지 않는 구매, 자동 가격 비교, 카드 혜택 최적화가 확산될 경우 영향을 받을 매출과 비용 구조를 점검필요가 있다. 다만 즐거운 탐색과 발견을 제공하는 경험에는 별도의 가치가 남을 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목의 ‘100만 달러 스타트업’과 달리 본문에서 설명한 첫해 매출은 100만 달러에 조금 못 미친다. 둘째 해 250만~300만 달러는 당시의 기대치이며 실현된 매출로 제시되지 않았다.
• 매일 1~1.5% 성장했다는 설명은 성장 지표의 정의와 산정 기준이 제시되지 않았다. 제품·시장 적합성을 빠르게 얻었다는 평가도 창업자의 판단으로, 유지율이나 고객별 수익성 자료는 제공되지 않는다.
• 미팅 준비 1센트, 가격 감시 월 1달러, 컴퓨터 작업 성공률 약 30%에서 90%로 개선됐다는 수치는 예시 또는 발언자의 설명이다. 적용 조건과 측정 방식이 없어 일반적인 성능·비용으로 받아들이기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 검토 중인 AI 사업의 구매 빈도, 판매 가능 시기, 추천 전환 경로를 정리하고 기존 업체가 고객 기반에 AI를 적용하는 경우와 비교한다.
• 실제 사용자의 반복 업무를 인터뷰로 찾고, 이메일·캘린더처럼 제한된 연결만으로 결과를 보여줄 수 있는 작업부터 시험한다.
• 자동화별 실행 비용, 절약한 시간·금액, 오류와 수정 부담을 함께 기록해 사용 횟수보다 결과의 가치를 확인한다.
• 기업 도입 전에 데이터 학습 사용 여부, 접근 권한, 감사 로그, 비용 통제, 내보내기·이전 범위를 계약과 제품에서 확인한다.

❓ 열린 질문

• 모델 공급사가 이메일·캘린더와 업무 연결 기능을 강화해도 Town의 사용자 경험과 공급사 중립성은 지속적인 선택 이유가 될 수 있을까?
• 범용 제품에서 발견한 업종별 수요를 얼마나 적은 수작업으로 추천·설정·운영까지 자동화할 수 있을까?
• 고객 데이터와 업무 맥락의 이동성을 보장하면서도 높은 유지율과 수익성을 확보할 수 있을까?