Canva cofounder and COO Cliff Obrecht in conversation with John Collison

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Cliff Obrecht가 John Collison과 나눈 대화의 핵심은 Canva가 자체 AI 모델, 인간 창작자 생태계, 반복 가능한 성장 루프를 결합해 디자인 도구에서 글로벌 AI 플랫폼으로 전환하고 있다는 것이다.

📌 핵심 요점

1. Canva의 AI 전환은 기능 추가가 아니라 제품 구조와 사업 모델의 동시 재설계다. 에이전트형 제작은 조사, 브랜드 정보 호출, 이미지·그래프 생성, 배포 후 분석까지 연결하지만, 디자인 한 건의 비용을 사실상 0에서 수 센트로 높여 수억 명 규모의 무료 서비스 경제성을 바꾼다.
2. 자체 모델은 품질 경쟁만을 위한 선택이 아니다. Canva는 외부 모델의 비용과 지연시간을 통제하기 위해 Kaleido와 Leonardo의 역량을 흡수했고, AI 비용을 약 90% 낮춰 2억 명 이상의 무료 사용자와 3천만 명 이상의 유료 사용자에게 기능을 확장할 기반을 마련했다.
3. 생성형 AI는 디자이너를 단순히 대체하기보다 역할을 재편한다. 전문 디자이너는 개별 결과물의 반복 제작에서 브랜드 구조와 스타일을 설계하는 역할로 이동하며, Canva는 인간이 만든 템플릿을 AI 생성에 활용하고 원작자에게 귀속 정보와 보상을 돌려주는 생태계를 구축한다.
4. Canva의 성장은 많은 전략을 동시에 시도한 결과가 아니라 SEO 기반 템플릿 유입과 공유·공동 편집 같은 소수의 반복 가능한 루프를 확대한 결과다. 특히 개인 사용자의 검색 유입을 팀 협업으로 연결하면서 새로운 성장 플라이휠을 만들었다.
5. AI 시대의 제품·조직 운영은 문서보다 시제품, 직관보다 통합 데이터, 독립 팀보다 수직 제품 조직과 수평 기능 조직의 조율을 중시한다. 다만 데이터 구조와 접근 권한이 정비되지 않으면 자연어 질의 시스템도 부정확한 수치와 제한적인 답을 낼 수 있다.

🧩 배경과 문제 정의

• Canva는 단순한 SaaS 디자인 도구에서 창작·생산성·AI 지능을 결합한 플랫폼으로 전환하면서 제품 구조와 사업 모델을 동시에 재설계해야 한다.
• 생성형 AI는 더 많은 사람에게 디자인 역량을 제공하지만, 추론 비용 증가와 획일적인 결과물, 전문 디자이너의 역할 변화라는 새로운 문제를 만든다.
• 수억 명의 무료 사용자를 유지하려면 자체 모델, 반복 가능한 성장 루프, 기능 조직과 제품 조직을 연결하는 운영 구조가 필요하다.
• 호주에서 시작한 Canva의 성장 과정은 좁은 문제로 시장을 검증하고, 실제 사용자 행동을 더 큰 제품과 글로벌 사업으로 확장한 사례다.

🕒 시간순 섹션별 상세정리

1. 디자인 도구에서 AI 플랫폼으로의 전환

• 2013년 창업한 Canva는 13년에 걸친 성장 이후 창작·생산성·AI 지능을 결합하는 창업 이래 가장 큰 전환기에 들어섰다. [00:30]
• 초기에는 무료 디자인 기능과 건당 1달러 이미지 구매를 제공했고, 이후 구독 모델을 추가하면서 본격적인 성장을 시작했다. [01:11]

2. 무료 사용자 중심의 성장과 AI 비용 문제

• 워터마크로 무료 사용자의 경험을 훼손하지 않고 공유 기능과 넉넉한 무료 제공을 유지했으며, 사용자가 더 많은 가치를 얻을수록 유료 기능을 받아들이는 구조를 만들었다. [01:48]
• AI 도입 후 사용자 1인당 서비스 원가가 월 수 센트 수준에서 크게 증가하면서, 기존의 무료·유료 전환율만으로는 사업 경제성을 관리하기 어려워졌다. [03:00]

3. 에이전트형 디자인 제작이 바꾼 원가 구조

• 웹 조사, 브랜드 정보 호출, 이미지·그래프가 포함된 캠페인 생성, 배포 후 성과 분석까지 연결하면 여러 시스템과 대량의 토큰이 필요해진다. [03:47]
• 과거에는 사실상 비용이 없던 디자인 한 건이 이제 수 센트의 비용을 발생시키며, 수억 명 규모에서는 이 작은 단가가 사업 전체를 바꾸는 부담이 된다. [04:25]

4. AI 시대의 디자인 민주화와 창작자 보상

• Canva 이전에는 비용과 학습 난도가 높은 전문 도구 때문에 인터넷 이용자의 1% 미만만 디자인에 접근했지만, 사용 장벽을 낮추자 전문직을 없애기보다 수억 명의 새로운 디자인 사용자가 생겼다. [05:08]
• 인간이 만든 템플릿을 AI 생성의 참조 자산으로 활용하고 제작자에게 대가를 지급함으로써, 인터넷 데이터를 무차별적으로 학습하는 방식과 다른 인간 참여형 생태계를 구축했다. [05:40]

5. 전문 디자이너에서 브랜드 설계자로의 변화

• 대규모 조직의 디자이너는 개별 결과물을 반복 제작하는 대신 브랜드·무드보드·캠페인별 스타일을 설계하고, 다른 구성원이 그 틀 안에서 AI로 콘텐츠를 만들도록 지원한다. [06:44]
• AI가 만든 획일적인 저품질 콘텐츠가 늘수록 브랜드 일관성을 지키는 담당자가 중요해지며, 디자이너와 브랜드 디자이너의 가치는 오히려 커진다. [08:05]

6. 프롬프트보다 브랜드 구조와 시각적 선택

• 모델에 브랜드 구조, 시각·텍스트 프롬프트, 인간의 창의적 개입을 함께 제공하면 브랜드 기준을 지키면서도 결과물의 다양성을 확보할 수 있다. [09:13]
• 1억 6,500만 개가 넘는 템플릿·이미지·그래픽 자산을 먼저 보여주면 사용자는 언어로 정확히 묘사하지 못한 취향도 시각적으로 발견하고 자신의 콘텐츠로 발전시킬 수 있다. [10:22]

7. 템플릿 창작자와 편집 가능한 결과물 시장

• 전업 창작자, 부업 제작자, 고객에게 사용하지 않은 작업물을 제공하는 디자이너가 모두 참여하며, Canva는 검색 수요를 분석해 부족한 문서 유형의 제작을 요청한다. [11:12]
• Canva 활용 능력은 Upwork·Fiverr·LinkedIn에서 거래되는 직무 역량이 됐고, 소규모 사업자는 재사용할 수 없는 JPEG나 Illustrator 파일보다 직접 수정 가능한 Canva 형식을 선호한다. [12:00]

8. 외부 AI 모델에서 자체 모델로의 전환

• 외부 이미지 모델과 LLM은 높은 품질을 제공했지만 수억 명에게 배포하기에는 비용이 너무 높아, 핵심 이미지·디자인 모델과 에이전트 루프를 내부화해야 했다. [13:00]
• 무료 사용자와 유료 사용자 모두에게 넉넉한 기능을 제공하려면 품질·비용·지연시간을 동시에 충족해야 하며, 출시 속도를 늦추면서까지 세 조건을 조정했다. [13:45]

9. 배경 제거 기능에서 시작된 자체 AI 역량

• 6년여 전 배경 제거 기능을 만든 오스트리아의 Kaleido와 협업한 뒤, 이 기능이 유료 전환을 크게 늘리자 회사를 인수해 시각 AI 연구 역량을 확보했다. [15:25]
• 이미지·디자인 생성이 핵심 역량으로 부상하자 자체 기반 모델을 보유한 Leonardo를 인수했고, 기존 연구팀과 함께 모델 개발 범위를 넓혔다. [16:20]

10. 사용자 행동에서 발견하는 핵심 성장 루프

• Twitter의 해시태그·답글·스레드·이미지 기능처럼 사용자가 자발적으로 만든 행동을 제품 기능으로 정착시키면 초기 적합성을 대규모 성장으로 확장할 수 있다. [17:29]
• 기업의 성장은 무한한 수의 전략보다 실제로 효과가 큰 세네 개의 반복 가능한 루프에 집중할 때 만들어진다. [18:09]

11. 검색 유입에서 협업 확산으로 이어진 성장

• 사용자들이 디자인을 공유하고 공동 편집한다는 행동을 발견한 뒤 연결 과정을 매끄럽게 만들면서, 개인 유입이 팀 확산으로 이어지는 새로운 성장 플라이휠이 생겼다. [19:11]
• 하나의 성장 루프에는 제품 품질, 검색 순위, 검색용 콘텐츠 등 여러 기능 조직이 동시에 관여하므로, 조직 경계를 넘는 실행 방식이 성과를 좌우한다. [20:26]

12. 수직 제품 조직과 수평 기능 조직의 매트릭스

• 모든 역량을 갖춘 독립 팀은 빠르게 제품을 낼 수 있지만 중복과 분산을 만들 수 있어, Canva는 제품 표면을 담당하는 수직 조직과 콘텐츠·개인화 같은 수평 조직을 결합한다. [20:40]
• 여러 제품 팀이 동일한 콘텐츠 조직의 지원을 요구하므로, 상위 목표를 명확히 정하고 각 조직의 우선순위가 그 목표에서 일관되게 내려오도록 해야 한다. [21:16]

13. 개인화를 가능하게 하는 서비스형 제품 구조

• 홈페이지를 시장이나 사용자마다 별도로 만드는 대신 Netflix처럼 구성 가능한 행으로 설계하고, 고객 속성에 맞는 콘텐츠를 공통 서비스에서 불러온다. [22:17]
• 멕시코의 소규모 사업자와 일본의 대기업은 서로 다른 콘텐츠를 받아야 하므로, 지역·기업 규모·사용 의도를 제품 아키텍처 안에서 처리한다. [22:47]

14. 학교 졸업앨범에서 발견한 범용 디자인 수요

• Canva 이전의 비전문 사용자는 PowerPoint·Paint·Word를 한계까지 활용하거나 Photoshop을 불법 복제해 디자인 작업을 해결해야 했다. [23:17]
• 디자인 경험이 없는 교사가 200쪽짜리 전문 잡지 수준의 졸업앨범을 만들어야 하는 문제를 발견하고, 디자인 교육 경험과 학교 현장 경험을 결합해 Fusion Books를 시작했다. [23:39]

15. 투자 거절을 넘어 호주 기반 글로벌 기업으로

• 수익성 있는 졸업앨범 사업을 5년간 운영한 뒤 더 큰 시장에 도전했지만, 퍼스 출신의 무명 창업팀이라는 이유로 실리콘밸리 투자자에게 100회 이상 거절당했다. [24:47]
• 150만 달러 투자금에 호주 정부의 100만 달러 지원이 더해지면서 운영 가능 기간이 사실상 두 배로 늘었고, 미국 이전 대신 시드니에 남는 결정을 내렸다. [27:30]

16. 대면 협업과 글로벌 기업 정체성

• Canva는 핵심 거점 중심으로 조직을 모으고 있으며, AI 팀이 작은 사무실에서 바로 대화하고 함께 몰입하는 방식이 하루 종일 Zoom을 사용하는 것보다 효율적이라고 본다. [29:34]
• 강제 출근 정책보다 팀을 물리적으로 함께 배치하는 데 초점을 맞추며, Canva의 정체성은 호주 문화를 품은 글로벌 기업에 가깝다. [30:03]

17. 문서 중심 제품 개발에서 시제품 중심 개발로

• 복잡한 UX 조사와 방대한 문서를 먼저 만드는 방식은 제품 개발을 과잉 설계하게 만들며, 작은 결과물을 사용자에게 빠르게 전달한 뒤 반응에 따라 개선하는 편이 효과적이다. [30:28]
• AI 도입 이후 Canva의 기존 방식도 재학습 대상이 됐고, 고객 조사·일정·인력·마일스톤을 담은 피치덱부터 만드는 절차는 더 이상 기본값이 아니다. [31:56]

18. 통합 데이터가 바꾸는 리더의 의사결정

• 코드 저장소와 Snowflake, Stripe 등 핵심 데이터 원천을 AI에 연결하면 리더가 자연어 질문만으로 문제의 근본 원인과 사업 기회를 직접 탐색할 수 있다. [34:07]
• 과거에는 담당 리더의 해석과 여러 대시보드를 거쳐야 했지만, 내부 통합 시스템은 약 90% 수준의 초기 답을 제공해 팀에 더 정확한 질문을 던지고 실행 경로를 빠르게 좁히게 한다. [35:05]

19. 조직의 현장 정보와 데이터 품질 문제

• AI를 통해 코드와 실제 업무 상태에 가까이 접근하면 조직 규모가 작아진 듯한 효과가 생기며, 관리 계층을 거치지 않고도 현장의 사실을 확인할 수 있다. [36:01]
• Canva에서는 400개가 넘는 실험 중 일부가 6개월 동안 계속 실행되고 있다는 사실을 찾아냈고, 성능을 떨어뜨리는 장기 실험까지 전사 관점에서 점검할 수 있게 됐다. [36:09]

20. 사내 AI 질의 시스템의 조건과 한계

• 항공료 지출 같은 질문에 답하려면 재무 데이터를 검색 가능한 구조로 연결하는 것뿐 아니라, 회사 전체와 개인별 정보에 서로 다른 접근 권한을 적용해야 한다. [37:43]
• 현재 모델은 숫자의 정상 범위를 판단하는 능력이 부족해 기업의 연간 항공료를 터무니없는 규모로 추정할 수 있으며, 수치 정확성은 개선이 필요한 핵심 영역이다. [38:38]

21. 글로벌 결제 시장의 긴 꼬리

• Canva는 다양한 국가에서 사업하기 때문에 신흥 시장의 지역별 결제 수단까지 더 폭넓고 깊게 지원해야 하며, 생소한 방식도 실제로는 1억 명 규모의 사용자를 보유할 수 있다. [40:11]
• Stripe는 결제 수단과 국가별 서비스 범위를 매년 확대하고 있으며, 호주 Stripe Treasury를 포함한 국제 지원 확장을 계속 추진한다. [40:49]

🧾 결론

• Canva의 경쟁력은 생성형 AI 자체보다 모델 원가, 편집 가능한 디자인 자산, 브랜드 통제, 배포와 협업을 하나의 제품 경험으로 묶는 데서 나온다.
• 무료 사용자를 대규모로 유지하는 플랫폼에서는 모델 품질만큼 추론 비용과 지연시간을 통제하는 자체 기술 역량이 중요하다.
• 인간 창작자의 템플릿과 브랜드 설계 능력은 AI 시대에도 차별화된 결과물과 경제적 보상을 만드는 핵심 자산으로 남는다.
• 장기 성장은 기능 수가 아니라 실제 사용자 행동에서 발견한 소수의 성장 루프를 제품과 조직 전반에서 반복하는 능력에 달려 있다.

📈 투자·시사 포인트

• AI SaaS를 평가할 때 사용자 증가율뿐 아니라 사용자당 추론 비용, 무료·유료 전환 구조, 자체 모델을 통한 원가 절감 능력을 함께 확인해야 한다.
• 방대한 편집 가능 자산, 창작자 네트워크, 브랜드 데이터, 협업 관계는 범용 모델만으로 복제하기 어려운 플랫폼 방어력이 될 수 있다.
• AI가 저품질 콘텐츠의 생산량을 늘릴수록 브랜드 일관성과 시각적 품질을 관리하는 전문 인력 및 도구의 가치가 커질 가능성이 있다.
• 검색 유입을 협업과 팀 확산으로 연결하는 제품은 마케팅 비용에만 의존하는 서비스보다 반복 가능한 성장 구조를 만들 여지가 크다.
• 인수 전략은 단순한 사용자 확대보다 핵심 모델의 품질·비용·지연시간을 통제할 기술 역량을 확보하는 수단인지 살펴볼 필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• AI 비용을 약 90% 낮췄다는 설명에는 비교 기준, 측정 기간, 포함된 기능과 비용 항목이 제시되지 않아 전체 서비스 원가 개선으로 일반화하기 어렵다.
• 2억 명 이상의 무료 사용자와 3천만 명 이상의 유료 사용자라는 수치의 집계 시점, 활성 사용자 기준, 중복 계정 포함 여부는 별도로 확인해야 한다.
• 창작자 귀속과 보상 구조가 실제로 어떤 요율과 계약 조건으로 운영되는지, AI 사용량 증가가 창작자 수익 증가로 일관되게 이어지는지는 제시되지 않았다.
• 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

• AI 플랫폼을 분석할 때 모델 품질, 사용자당 추론 비용, 지연시간, 무료 사용자 유지 비용을 하나의 단위경제 표로 비교한다.
• Canva의 자체 모델과 Kaleido·Leonardo 인수가 제품 원가, 유료 전환, 기능 출시 속도에 미친 영향을 후속 자료로 검증한다.
• 제품 내 검색, 공유, 공동 편집 행동을 추적해 반복 가능한 성장 루프 세네 개를 식별하고 각 루프의 전환 지표를 정의한다.
• 생성형 콘텐츠 도입 전에 브랜드 구조, 승인 권한, 인간 검수, 원작자 귀속과 보상 원칙을 설계한다.

❓ 열린 질문

• Canva는 무료 사용자의 AI 사용량이 계속 증가할 때 어떤 가격 정책과 사용 제한으로 성장성과 수익성을 함께 유지할 것인가?
• 자체 모델의 비용 우위가 범용 모델의 빠른 품질 개선과 가격 하락 이후에도 지속될 수 있는가?
• 템플릿 창작자 보상은 AI 생성이 늘어날수록 소수 인기 자산에 집중될 것인가, 더 많은 창작자에게 분산될 것인가?