How AI Is Repricing Every Software Company

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

How AI Is Repricing Every Software Company를 중심으로, 사업 성과와 평가배수가 엇갈린다. 대담에서는 높은 성장과 마진을 유지하는 소프트웨어 기업도 과거보다 크게 낮은 배수를 적용를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 사업 성과와 평가배수가 엇갈린다. 대담에서는 높은 성장과 마진을 유지하는 소프트웨어 기업도 과거보다 크게 낮은 배수를 적용받는다고 지적한다. 장기 현금창출력과 별개로 AI 기업에 쏠리는 기대가 자금조달과 채용 경쟁에 영향을 준다는 설명이다.
2. 경쟁력은 통합 데이터와 지속적인 실행에서 나온다. 반타는 약 400개 도구에서 수집한 데이터를 ‘트러스트 그래프’로 연결하고, 이를 새로운 기능과 에이전트의 기반으로 활용한다. 제품은 경고를 보내는 도구에서 사용자 승인과 부여된 권한에 따라 업무를 처리하는 구조로 이동하고 있다.
3. 에이전트 확산과 수익화 사이에는 긴장이 있다. 토큰에 높은 마진을 붙이면 고객이 기반 모델과 직접 가격을 비교하게 된다. 반타는 현재 토큰 비용을 부담하며 사용 확대를 우선하지만, 약 25%인 관련 작업 흐름의 고객 사용 비중을 75%로 높이려는 목표가 유지율과 수익성 개선으로 이어질지는 확인이 필요하다.
4. AI 전환은 제품 기능을 넘어 개발·조직 운영을 바꾼다. 반타는 업무별 평가 체계로 모델 품질을 검증하고, 코딩 에이전트가 이해할 수 있도록 코드베이스를 모듈화하고 있다. 리더의 직접 사용, 직원의 사용 장벽 해소, 실패를 허용하는 환경도 전환의 조건으로 제시된다.
5. 인재 경쟁과 보안 확장이 기업가치의 다음 변수가 된다. 회사와 고객의 맥락을 이해하고 스스로 실행하는 인재에게 의사결정 권한과 경쟁력 있는 보상을 제공해야 한다는 주장이다. 반타는 기존 컴플라이언스 데이터와 고객 기반을 활용해 보안 제품을 확장하려 하며, AI 공격에 대응하는 판단·수정 자동화도 지향한다.

🧩 배경과 문제 정의

• 반타는 보안·컴플라이언스 구축과 감사 대응을 자동화하며 성장했지만, AI 전환 속에서 기존 소프트웨어 기업의 경쟁력과 가치평가 기준이 달라지는 상황에 놓여 있다.
• 에이전트가 고객 업무를 직접 처리할수록 모델 사용 비용이 발생한다. 토큰 과금은 기반 모델과의 가격 비교를 유도하고, 성과 기반 과금은 고객이 동의할 작업 단위를 정의하기 어렵다는 문제가 있다.
• AI 전환에는 제품 개발뿐 아니라 코드베이스 정비, 직원의 사용 경험, 실패를 감수할 조직 환경이 필요하다.
• AI 기업의 높은 가치평가와 보상 약속은 기존 기업의 인재 확보에도 영향을 준다. 사업 실적과 장기 수익성뿐 아니라 직원이 체감하는 성장 가능성과 주식 유동성이 중요해지고 있다.

🕒 시간순 섹션별 상세정리

1. 감사 자동화에서 고객 신뢰를 구축하는 플랫폼으로 확장

• 반타는 약 8년 전 기업이 보안·컴플라이언스 프로그램을 구축하고, 감사·설문·트러스트 센터 등을 통해 고객의 신뢰를 얻도록 돕겠다는 취지로 출발했다. 초기에는 SOC 2 등 감사 대응에 집중했다. [01:10]
• 이후 보안의 다른 영역과 고객에게 신뢰를 입증하는 여러 방식으로 확장했다. 현재 전 세계 약 1만 6,000개 고객에게 약 5개 제품을 제공한다. [02:02]

2. 지속적인 출시와 통합 데이터가 경쟁력을 만든다

• 먼저 시장에 진입했다는 사실만으로 우위를 유지하기 어렵다. 다른 기업이 주말 동안 유사한 제품을 만들 수도 있는 환경에서는 새로운 제품·기능과 더 나은 고객 경험을 계속 출시해야 한다. [02:39]
• 반타는 약 400개 도구와 연결해 데이터를 수집하며, 이를 자동화·에이전트·AI의 기반으로 사용한다. ‘트러스트 그래프’라고 부르는 이 보안 데이터 기반이 새로운 기능을 더 빠르게 만드는 데 기여했다는 평가다. [03:15]

3. 높은 성장과 마진에도 낮아진 소프트웨어 가치평가

• 빠르게 성장하고 높은 마진을 유지하는 소프트웨어 기업도 과거의 3분의 1이나 4분의 1 수준인 평가배수를 적용받는다는 문제가 제기된다. 사업 성과와 시장 평가가 서로 다른 방향으로 움직이는 상황이다. [04:44]
• 성장률 80%·마진 80%인 기업이 성장률 160%·마진 30%인 기업보다 장기적으로 더 많은 현금을 창출할 수 있다는 판단과, 현재 시장은 후자를 훨씬 높은 배수로 평가한다는 현실이 충돌한다. 이는 두 유형의 기업을 비교한 예시다. [05:09]

4. 경고를 보내는 도구에서 업무를 수행하는 에이전트로 전환

• 반타는 자체 비교에서 제품 내 에이전트 구현이 주요 AI 애플리케이션보다 뒤처지지 않는다고 판단한다. 다만 비교 대상을 충분히 찾지 못했을 가능성도 인정하며, 장시간 실행과 상황에 따른 UI 생성으로 사용자 작업을 이어가는 경험을 지향한다. [07:37]
• 제품의 중심은 단순한 감시·알림에서 에이전트가 필요한 작업을 준비하고 사용자에게 실행 동의를 구하는 방식으로 이동했다. 승인 이후 다음에 처리할 업무까지 이어가는 구조다. [08:43]

5. 토큰에 마진을 붙이면 기반 모델과 직접 비교된다

• 고객은 토큰 가격에 붙은 마진을 빠르게 알아차린다. Claude 토큰을 4배 가격으로 판매하면 애플리케이션도 Claude보다 4배 나은지 따져보게 되고, 고객이 모델을 직접 사용해 비교할 유인이 생긴다. [09:40]
• 토큰 가격을 기준으로 과금하면 애플리케이션이 기반 모델과 경쟁하는 구도에 들어간다. 마진 없이 제공하면 수익성 문제가 남지만, 단순한 토큰 재판매에 높은 마진을 붙이는 방식 역시 지속 가능한 모델로 보기 어렵다는 판단이다. [10:06]

6. 당장의 수익화보다 에이전트 사용 확산을 우선한다

• 반타는 현재 토큰 비용을 자체 부담하며 낮아진 마진을 감수한다. 에이전트가 실제 업무를 처리하는 경험이 고객에게 더 낫다는 판단에 따라 사용 확대에 집중한다. [10:40]
• 전체 고객의 약 25%가 이러한 작업 흐름을 사용하고 있으며, 이를 75%까지 높이는 것이 목표다. 사용 확산이 고객 유지와 순매출 유지율 개선으로 이어질 것으로 기대하고, 필요하다면 가격 체계는 이후에 정리한다는 접근이다. [10:59]

7. 업무별 평가 체계로 모델 품질을 검증한다

• 고객에게는 하나의 ‘반타 에이전트’로 보이지만, 내부에는 특정 업무를 맡아 도구와 컴퓨터를 사용하는 수백 개 에이전트가 있다. 모델 선택을 위해 업무별·에이전트별 평가 체계에 투자했다. [13:19]
• 보안·컴플라이언스 프로그램 운영 경험이 있는 전문가들이 평가 틀을 작성하고, 그 평가 자체의 적절성도 검증한다. 현재 모델 교체에서는 비용보다 품질을 우선한다. [13:40]

8. 성과 기반 과금은 합의할 수 있는 단위를 찾기 어렵다

• 성과에 따라 대가를 받는 방식은 이해관계를 맞춘다는 장점이 있지만, 산출물과 실제 성과는 다르다. 고객지원 티켓의 종료는 산출물이고, 고객의 Sonos가 정상 작동하는 것이 실제 성과라는 구분이다. [14:39]
• 문서 작성, 경고 종료, 계정 정리처럼 과금 단위를 정할 수는 있다. 그러나 작업 종류가 많아질수록 고객이 행동마다 비용을 계산해야 하므로 인지적 부담이 커진다. [15:24]

9. 대규모 코드베이스를 나눠야 코딩 에이전트가 효과를 낸다

• 약 8년 된 대규모 코드베이스는 작은 코드베이스보다 에이전트가 다루기 어렵다. 전체 맥락을 이해하지 못하면 부적절한 변경을 만들고, 결국 맥락을 잘 아는 엔지니어가 계속 감독해야 한다. [16:26]
• 반타는 에이전트가 작은 영역을 충분히 이해하고 작업할 수 있도록 코드베이스를 모듈화하고 있다. Notion도 이 작업에 상당한 시간을 투자했으며 반타보다 약 9개월 앞서 있었다고 언급한다. [16:42]

10. AI 전환의 성패에는 시장 구조와 창업자의 추진력이 함께 작용한다

• AI가 회사 운영 방식을 바꾸는 정도는 10점 만점에 8~9점 수준으로 평가된다. 사람의 중요성과 사업의 어려움 같은 원칙은 유지되지만, 실제 일을 수행하는 방식은 크게 달라져야 한다. [17:38]
• AI 전환으로 과거에는 매력적이던 시장이 불리해질 수 있으며, 이런 구조에서는 뛰어난 경영자도 한계에 부딪힐 수 있다. 동시에 창업자가 직접 변화를 밀어붙이지 않으면 조직 전체가 스스로 전환을 추진하기 어렵다는 판단이다. [18:12]

11. 직접 사용하며 한계를 익히고 직원의 진입 장벽을 찾아야 한다

• 리더는 AI를 직접 사용해 모델과 실행 환경이 잘하는 일과 못하는 일을 체감해야 한다. 변화가 빠르므로 적어도 2주마다 사용 경험을 갱신해야 하며, 그래야 에이전트 하나로 영업개발 인력을 전부 대체하겠다는 식의 주장을 판단할 수 있다. [19:07]
• 뛰어난 직원이 AI에 먼저 뛰어들지 않는 이유를 의욕 부족으로 단정해서는 안 된다. 실제로 무엇이 사용을 막는지 파악하고 해소하면, 처음에는 주저하던 사람도 적극적으로 참여할 수 있다. [20:07]

12. 온보딩 혁신을 막은 것은 기술보다 실패에 대한 두려움이었다

• 대기업 고객은 기존 통제·위험·정책·절차·자료를 반타로 옮겨야 한다. 이 과정을 개선하는 팀은 LLM 활용을 요구받고도 익숙한 단계별 온보딩 마법사를 반복해서 제안했다. [20:29]
• 실제 출시한 경험은 넓은 화면에 정리되지 않은 파일과 스크린샷을 넣으면 시스템이 내용을 해석하고 추가 질문을 통해 설정을 마치는 방식이다. 이 방식은 잘 작동하고 있다고 평가된다. [21:35]

13. 거대한 기업가치 약속에 사업 데이터와 신뢰로 대응한다

• 인재 시장에서는 수천억·수조 달러 기업으로 성장할 가능성을 약속하는 채용 경쟁이 벌어진다. 반타도 더 큰 기업가치 전망을 제시해야 하는지 고민하지만, 이를 확정적인 미래로 약속하는 데에는 신중하다. [22:42]
• 다른 기업이 거대한 성장 가능성을 반복해서 제시하면 같은 수준의 전망을 내세우지 않는 회사가 덜 야심 차게 보일 수 있다. 직원 역시 외부에서 이런 제안을 받고 있다는 점이 압력으로 작용한다. [23:39]

14. 핵심 인재를 붙잡으려면 의사결정 권한과 보상을 함께 다뤄야 한다

• 외부 제안을 검토한 핵심 리더의 불만은 반타 안에서 회사를 크게 성장시킬 결정을 내릴 수 없다고 느낀 것이었다. 무엇을 원하는지 직접 확인하고 의사결정 권한을 부여하는 것이 인재 유지의 실질적인 수단이 될 수 있다. [25:27]
• 보상과 기회를 놓칠 것이라는 불안도 실제 요인이다. 반타는 보상을 올렸으며, 기존 보상 구간 자료보다 해당 인재가 시장에서 실제로 받는 제안이 더 중요한 기준이 됐다는 판단이다. [26:07]

15. 맥락을 이해하고 실행하는 인재의 가치는 더 커진다

• 회사·고객·분야를 깊이 이해하면서 스스로 판단하고 일을 끝내는 사람이 큰 가치를 만든다. 대체로 합리적인 결정을 내리고, 잘못된 결정은 수정하며 계속 전진하는 능력이 높은 보상의 근거다. [27:00]
• 가장 가치 있는 인재의 가치가 높아지는 속도는 가속하고 있다는 판단이다. 다만 앞으로도 같은 보상 증가가 이어질지는 투자자가 주식 희석과 주식 기반 보상을 얼마나 문제 삼는지에 영향을 받을 수 있다. [27:31]

16. 가치평가와 주식 유동성은 직원이 체감하는 성장에 영향을 준다

• 반타 경영에서는 역사적으로 가치평가보다 ARR과 그 성장에 더 집중했다. 여러 시기의 평가배수 급등락을 경험하면서 배수 자체를 크게 신뢰하지 않게 됐다는 배경이 있다. [28:27]
• 다만 직원이 회사의 성장과 외부 기회 대비 매력을 어떻게 느끼는지는 중요하다. 일부 기업이 6개월마다 이전의 약 5배 가치로 자금을 조달하는 환경은 실제 인재 경쟁에 영향을 준다. [28:57]

17. 상장은 독립 기업을 오래 운영하기 위한 수단이다

• Vanta의 목표는 매각으로 결말을 내는 것이 아니라 큰 독립 기업으로 얼마나 오래 성장할 수 있는지 확인하는 것이다. 미국의 대형 독립 소프트웨어 기업 대부분이 상장사라는 점에서 IPO는 가능한 수단이지만, 창업자 개인의 버킷리스트는 아니다 [30:06]

18. 직무 전문성보다 회사와 고객을 아는 능력의 가치가 커진다

• 정보 접근 도구가 발전해도 채용한 사람을 교육하고 조직에 적응시켜 성과를 내게 하는 일은 여전히 어렵다. Vanta는 영업이나 고객 성공이라는 개별 직무 능력보다 회사 내부와 고객을 이해하는 능력을 더 높게 평가하고 보상하며, 영업 기술이 다소 부족해도 Vanta를 잘 아는 사람을 선호할 수 있다 [30:46]
• AI 기업의 시장 진출 조직과 에이전트에도 회사·고객 맥락이 중요하다. 일반적인 영업 능력에 집중하는 채용 기준은 이 맥락을 과소평가할 수 있으며, 순수한 영업 기술의 상대적 가치는 4년 전보다 다소 낮아졌다는 판단이다 [31:28]

19. 후속 학습은 비용과 실제 사용 경험으로 정당화해야 한다

• 토큰 기반 가격 책정, 낮은 마진 자체를 추구하는 태도, 마케팅을 위한 맞춤형 모델 학습은 과대평가된 요소로 꼽힌다. 추론 서비스 제공업체들과의 대화에 따르면 후속 학습의 실질적 이유는 비용 절감일 수 있지만, 품질 개선의 필요성보다는 투자자에게 AI 기업임을 보여주려는 동기가 앞서는 경우가 많다는 비판이다 [32:00]
• 대기업에서는 복잡한 통합과 여러 담당자의 승인을 거치는 소프트웨어 대신 특정 용도의 전용 모델을 제공하는 방식에 일부 타당성이 있을 수 있다. 이 경우 고객 데이터를 확보하고 평가 데이터를 작성한 뒤, 목표 작업의 평가 성능을 높이도록 모델을 조정해 지속적으로 판매하는 구조가 된다 [32:59]

20. FDE의 채용 효과와 계약 경제성은 구분해야 한다

• FDE라는 명칭은 기존 전문 서비스 업무에 다른 인재층을 끌어들이는 효과가 있다. 주도적으로 일하며 사업 구축을 배우고 싶은 인재에게는 매력적일 수 있지만, 실제 업무가 전문 서비스라면 현재의 포장이 계속 유지되지는 않을 수 있다 [34:38]
• Palantir처럼 8자리 금액의 계약을 체결하는 기업과 달리, 5~6자리 금액의 계약에 같은 인력 투입 방식을 적용하면 경제성이 뒤집힐 수 있다. 매출총이익률 30% 수준도 받아들이는 환경에서는 작동하더라도 지속 가능성에는 의문이 있다 [35:25]

21. 모델 선택에는 인재 경쟁과 사업 연속성 문제가 얽힌다

• 창업자들의 관심사는 인재 확보 경쟁, FDE 운영의 실제 효과, 개인용 에이전트의 유용성처럼 실무적인 문제다. 약 9개월 전에는 Cursor의 인재 영입이 화제였고, 최근에는 어떤 개인용 에이전트가 실제로 도움이 되는지가 주요 관심사다 [36:01]
• 파리의 여러 소프트웨어 기업이 중국 모델을 주로 쓰는 이유로 미국 모델에 대한 접근 중단 위험을 들었다. 방문 당시 들은 설명에 따르면, 비미국인의 접근이 제한된 사례를 계기로 미국 모델 위에 사업을 구축했을 때 서비스가 계속 제공될지 신뢰하기 어렵다고 판단한 것이다 [36:39]

22. 컴플라이언스 데이터를 보안 플랫폼 확장의 기반으로 삼는다

• Vanta는 컴플라이언스에서 출발했지만 스스로를 보안 기업으로 본다. 좋은 컴플라이언스는 실제 보안 수준을 입증하는 것이며, 이미 확보한 데이터와 에이전트의 분석 능력 위에 여러 보안 제품을 추가하는 것이 확장 방향이다 [37:32]
• 기업·정부·규제기관 등을 상대하는 소프트웨어 기업은 자사 제품이 산업 현장에서 사용할 만한 수준임을 더 다양한 방식으로 증명해야 할 것으로 예상한다. Vanta는 보안 수준을 입증하는 기업과 그 증명을 요구하는 상대를 연결하는 역할을 지향한다 [38:02]

23. AI 공격은 작은 취약점을 연결해 기존 우선순위를 흔든다

• 모델은 사람보다 끈질기게 시도하면서 개별적으로는 무해하거나 위험도가 낮아 보이는 요소들을 연결할 수 있다. 새로운 제로데이 발견뿐 아니라, 각각은 낮은 심각도로 분류됐을 문제들을 조합해 공격 경로를 만드는 능력이 중요하다는 판단이다 [38:57]
• 이런 공격은 낮은 위험도의 문제를 90일 뒤에 수정하고 다른 문제부터 처리하던 관행을 흔든다. 모든 문제를 치명적이라고 부르는 것만으로는 대응할 수 없으며, 장기적으로는 발견한 문제를 기계의 속도로 수정해 우선순위 판단의 부담을 줄이는 방향을 예상한다. 다만 그 전환은 순탄하지 않을 수 있다 [39:54]

24. 지속적인 침투 테스트와 자동 수정은 고객 규모에 맞춰 제공한다

• 공격을 계속 시도하는 에이전트와 발견한 문제를 수정하는 에이전트의 조합은 Vanta 일부 제품의 지향점이다. 다수의 기존 고객에게 유용하게 제공할 수 있다고 보지만, 대기업 대상에서는 CrowdStrike가 더 잘할 수 있으므로 고객군 선택이 중요하다 [40:35]
• AWS·Azure의 설정 오류를 찾아 수정하는 기능도 확장 후보에 해당한다. Wiz의 고객과 가격은 수천 명 규모 기업에서 시작하는 반면, Vanta는 이미 관계를 맺은 고객 중 Wiz에 15만 달러를 쓰기는 어렵지만 자신들에게 맞는 제품에는 4만~5만 달러를 낼 수 있는 고객을 겨냥한다 [41:13]

25. 창업 동기는 타인에게 증명하는 데서 성장 가능성을 탐색하는 쪽으로 바뀐다

• 일을 계속하는 이유는 문제가 흥미롭고 어렵고 끊임없이 달라지기 때문이다. 업무에 익숙해졌다고 느끼면 새로운 변화가 생겨 다시 부족함을 느끼는 과정 자체가 동력이 된다 [42:25]
• 초기에는 자신을 의심하는 사람들에게 해낼 수 있음을 증명하려는 마음이 강했다. 지금도 그런 경쟁심은 남아 있지만, 이미 도달한 지점에서 얼마나 더 멀리 갈 수 있는지 확인하는 즐거움의 비중이 커졌다 [42:53]

26. 광고는 컴플라이언스와 투자 운용 업무의 자동화 효과를 강조한다

• Vanta 광고는 감사 준비 시간 82% 단축, 고객이 보고한 투자수익률 526%, 이용 기업 1만 6,000곳 이상을 제시한다. 보안 검토와 수작업을 줄여 고객 확보와 계약 체결에 시간을 쓰게 한다는 홍보 주장이다 [43:39]
• Ridgeline 광고는 프런트·미들·백오피스 데이터를 통합하고 온보딩, 대사, 거래 후 처리, 컴플라이언스, 보고를 AI 에이전트로 자동화한다고 보여준다. 별도 대시보드에서는 투자·자산 운용사의 성장 궤적을 동종 업체 1만 6,000곳과 비교할 수 있다고 홍보한다 [44:08]

27. 대중 앞에서의 설득력은 반복 훈련과 내용에 대한 확신에서 나온다

• 시장 진출 업무는 예상보다 즐거운 영역이 됐고, 대중 앞에서 말하는 능력도 반복 경험을 통해 좋아졌다. 특히 자신의 평가를 가장 신경 쓰는 팀원들 앞에서 긴장이 컸지만, 계속 무대에 서고 연습하는 과정이 도움이 됐다 [45:09]
• 좋은 연설에는 스스로 믿는 실질적인 내용이 필요하지만, 청중이 오래 기억하는 것은 개별 사실보다 그 자리에서 느낀 감정에 가깝다. 내용이 비어 있다고 느끼면서 말하면 그 감각도 청중에게 전달된다 [46:13]

28. 에이전트 중심 제품은 기존 UI와 구매 절차 사이에서 선택을 요구한다

• Vanta는 보고 기능을 위해 기존 분석 도구 같은 UI를 제품 안에 넣기보다, 에이전트가 보유 데이터를 바탕으로 요청에 맞는 차트를 만들도록 설계하려 한다. 단기적인 고객 성과와 중장기적인 소프트웨어의 모습 모두에 부합한다고 보기 때문이다 [48:16]
• 방향이 맞더라도 고객의 수용이 늦으면 너무 이른 선택이 사업적으로 틀린 선택이 될 수 있다. 에이전트 중심 설계에는 기술의 확산 속도에 대한 베팅이 포함된다 [48:57]

29. 높은 투자 가격과 FOMO 속에서 오픈소스 생태계의 빈틈이 드러난다

• 벤처투자 업계는 AI 연구소나 추론 서비스 기업에 투자하지 못했다는 FOMO, 단기 수익률과 장부상 평가이익에 대한 압력이 크다는 진단이다. 유망 분야라는 합의가 강해도 이미 높은 진입 가격은 투자 판단을 어렵게 한다 [50:02]
• 오픈소스 모델의 중요성에 대한 확신에 비해 주변 도구와 기업 생태계는 대형 AI 연구소 주변보다 덜 구축돼 있다. 오픈소스 모델을 활용해 기업에 AI를 배포하고 적용하는 사업에서도 대형 연구소의 전략을 재현할 여지가 있다는 가설이다 [51:07]

30. 새로운 사업 기회는 보안·시장 진출 기술·로보틱스에 있다

• 보안·사이버 분야와 영업 등 시장 진출 기술에서 창업이 활발하다. 기존 SaaS 업체가 이런 기능을 구축할 법하지만, 일부는 새 제품 개발보다 사모펀드식 운영 효율화 전략을 택하는 것으로 보인다 [52:44]
• 로보틱스는 이미 관심과 과열이 있는 분야이지만, 소프트웨어에 비하면 여전히 비중이 작다는 판단이다. 관련 모델의 성능도 크게 좋아지고 있어 더 살펴볼 영역으로 꼽힌다 [53:12]

31. AI는 정부와 기업의 현대화 예산을 움직이는 계기가 된다

• 미국 안팎의 정부에는 현대화 수요가 있으며, AI 확산은 낡은 절차와 소프트웨어를 바꿔야 한다는 긴박감을 높이고 있다. 정부 관계자의 FOMO도 기존 수요를 더 강한 실행 동기로 바꿀 수 있다 [53:39]
• 기업에서도 AI와 에이전트의 위험을 이유로 전사 위험 관리 체계를 개편하려는 수요가 생긴다. 과거에는 연간 운영계획 논의로 미뤄졌을 예산 요청도 AI와 연결되면 승인 가능성이 높아져 실제 구매 움직임으로 이어진다는 관찰이다 [54:19]

32. 성공한 옥외광고는 고객의 감각과 브랜드의 유머를 연결했다

• 옥외광고는 효과 추적이 어렵고 창업자의 자기만족에 가깝다는 회의가 있었지만, 2021년 여름 시험적으로 진행했다. 당시 제품 마케팅 담당자 Sarah가 제안한 “Compliance that doesn’t suck too much”는 사용자를 깎아내리는 듯하다는 내부 반대에도 채택됐다 [55:44]
• 광고 사진을 올린 트윗이 확산되고 이후 회계 관련 Reddit 커뮤니티에도 등장했다. 일은 진지하게 하되 자신을 지나치게 진지하게 여기지 않는 브랜드 성격과, 의미를 알아챈 사람이 작은 비밀을 공유하는 듯한 문구가 반응을 얻었다는 해석이다 [57:20]

33. 유명해진 광고 자리도 장기 계약이 없으면 지킬 수 없다

• 2022년 시장 하락으로 101번 도로의 광고판 공급이 늘자 좋은 위치를 비교적 저렴하게 확보했다. 해당 자리를 수년간 확보했다는 농담이 대외 발언으로도 이어졌지만, 실제로는 다년 계약이 아니었다 [58:03]
• 광고판이 유명해지면서 Vanta는 담당 대행업체에 수백만 달러 규모의 사업을 소개했다. 그러나 기존 문서는 장기 사용권을 보장하는 계약이 아니라 사실상 게재 주문서였고, Sarah는 다른 스타트업 직원에게서 그 회사가 같은 자리를 계약했다는 사실을 알게 됐다 [58:36]

34. 기술기업의 신뢰 하락과 신뢰 회복에 필요한 증거

• 광고판 자리를 확보하려고 기존 금액의 두 배를 제시했지만, 상대는 현금흐름이 흑자라며 거절했다. 광고판을 잃은 일을 Vanta의 기업가치가 크게 줄어든 듯한 불길한 징조로 받아들였다는 일화에는 기업가치에 작용하는 분위기와 인식이 드러난다. [1:00:01]
• 데이터센터와 개인용 에이전트를 둘러싼 논의에는 기술기업에 대한 신뢰 하락이 깔려 있다. AI가 만든 높은 기대를 유지하려면, 기업이 보안과 업무 환경에서의 신뢰성을 명확한 정의와 실제 지표로 입증해야 한다는 주장이다. [1:00:44]

35. 보안 판단의 자동화와 Vanta의 확장 전망

• 5년 뒤 보안은 더 빠르고 치열해지며, 공격 증가에 맞서 화이트해커의 적극적인 대응도 더 필요해질 것으로 전망한다. 그 속도를 확보하려면 일부 인간 판단을 자동화하고, 사람은 모든 결정을 직접 내리기보다 시스템을 설계하고 규칙을 작성해야 한다고 본다. [1:03:03]
• Vanta의 향후 5년을 나타내는 단어는 ‘확장’이다. 지난 8년 동안 쌓은 고객과 데이터를 기반으로 앞으로 5년 또는 8년 동안 새로운 제품과 기능을 구축할 수 있다는 기대다. [1:03:43]

🧾 결론

• AI 전환을 평가할 때는 기능 출시뿐 아니라 고객 업무가 실제로 얼마나 처리되는지, 품질을 어떻게 검증하는지까지 살펴야 한다.
• 기존 소프트웨어 기업의 고객 관계와 축적 데이터는 확장의 기반이 될 수 있다. 이를 고객이 사용하는 제품으로 연결하는 실행력이 관건이다.
• 사용 확대를 위해 감수하는 마진 하락과 장기적으로 유지 가능한 경제성은 따로 검증해야 한다. 반타의 가격 체계도 아직 완성된 해법으로 제시되지 않았다.
• 조직 전환에는 코드 구조, 실험 문화, 핵심 인재의 권한과 보상을 함께 다루는 접근이 필요하다.

📈 투자·시사 포인트

• 평가배수와 사업 지표를 함께 비교한다. AI 성장 기대가 높은 가격을 정당화하는지 판단하려면 성장률·마진·현금창출력과 실제 진입 가격을 함께 검토해야 한다.
• 사용량 증가의 경제적 결과를 추적한다. 에이전트 사용 확대가 고객 유지와 순매출 유지율을 개선하는지, 모델 비용 부담을 상쇄하는지가 핵심이다.
• 데이터 기반 확장의 실현 여부를 본다. 반타의 보안 확장처럼 기존 고객과 데이터를 활용하는 전략은 새 제품의 채택과 지불 의사로 검증필요가 있다.
• 인재 비용과 주식 보상을 반영한다. 높은 보상, 주식 유동성 요구, 주식 기반 보상의 희석 효과는 기업의 성장 매력과 장기 수익성을 함께 좌우할 수 있다.
• 서비스 인력 투입의 계약 경제성을 구분한다. 대형 계약에서 가능한 FDE 운영 방식이 더 작은 계약에서도 성립하는지는 계약 규모와 인력 비용에 따라 달라진다.

⚠️ 불확실하거나 확인이 필요한 부분

• 평가배수가 과거의 3분의 1~4분의 1이라는 설명에는 구체적인 기업군과 비교 기간이 제시되지 않는다. 성장률 80%·마진 80%와 성장률 160%·마진 30%의 비교도 반타의 실적이 아닌 설명용 예시다.
• 에이전트 작업 흐름 사용 비중 약 25%는 제시된 현황이고, 75%는 목표다. 사용 확대가 고객 유지와 순매출 유지율을 개선한다는 기대를 입증할 후속 수치는 제공되지 않는다.
• 에이전트 경쟁력과 새 온보딩 경험의 효과는 회사 측 평가다. 비교 대상과 독립적인 품질 검증 자료가 충분히 제시되지는 않는다.
• 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

• 소프트웨어 기업을 비교할 때 성장률·마진·현금창출력·평가배수를 같은 표에 정리하고, AI 기대가 반영된 가격과 실제 사업 성과를 대조한다.
• 에이전트 도입 기업의 사용 비중, 업무 완료 품질, 모델 비용, 고객 유지율과 순매출 유지율을 함께 추적한다.
• 토큰·산출물·성과 기반 과금별로 고객이 이해할 수 있는 청구 단위와 회사가 부담하는 비용을 비교한다.
• 조직에서는 반복 업무 하나를 골라 권한 범위와 승인 절차를 정하고, 해당 업무를 아는 전문가가 평가 기준을 작성해 에이전트를 검증한다.

❓ 열린 질문

• 에이전트 사용 확대가 어느 수준에 도달해야 모델 비용 부담을 상쇄할 만큼 유지율과 매출을 개선할 수 있을까?
• 고객의 인지적 부담을 키우지 않으면서 실제 업무 가치를 반영하는 과금 단위는 무엇일까?
• 축적된 컴플라이언스 데이터와 고객 관계가 새로운 보안 제품의 채택으로 얼마나 이어질까?