Cognition vs Factory

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Factory와 Cognition의 인재 이동 논란은 신뢰의 경계를, Anthropic의 경쟁 압박과 ElevenLabs의 220억 달러 가치평가는 AI 기업의 성장과 방어력을 가르는 조건을 보여준다.

📌 핵심 요점

1. Anthropic의 위협은 OpenAI의 회복과 고객 이동이다. 기업 업무와 코딩에서 OpenAI의 경쟁력이 높아지고, 일부 팀이 Anthropic 사용량을 Codex로 옮겼다는 관찰이 나온다. 다만 OpenAI의 성장이 경쟁사 매출을 가져온 결과인지, 전체 시장 확대의 결과인지는 양사의 실적을 함께 확인해야 한다.
2. Factory·Cognition 논란의 핵심은 직함보다 정보 접근과 신뢰다. Factory 창업자의 설명에 따르면 자문역이자 이사회 옵서버였던 Chris가 Cognition의 채용 절차를 진행한 뒤 CRO로 합류했다. 이직의 자유와 별개로 기밀 접근 범위, 사전 고지에 대한 합의, 직원과 투자 파트너에게 남기는 평판 문제가 쟁점이다.
3. 기업의 모델 선택은 성능·비용·데이터 권리의 조합이다. 미국산 오픈웨이트 모델이 충분한 품질과 비용 효율을 제공하면 Reflection 같은 업체에 기회가 생길 수 있다. 쉬운 업무를 저비용 모델로 보내는 방식은 선두 업체의 매출을 압박할 수 있지만, 비용 하락이 전체 AI 사용량을 늘릴 가능성도 있다.
4. ElevenLabs의 높은 가치평가는 음성 업무의 품질과 성장 기대에 기댄다. 220억 달러로 두 배 높아진 가치평가를 지지하는 근거로 성장률, 마진, 짧은 응답 시간과 주문 이해의 정확성이 제시된다. 저렴한 모델로 바꾸면서 업무 품질이 떨어지면 고객이 얻는 가치도 줄어들지만, 미래 매출과 경쟁 우위의 지속성은 아직 확인할 과제다.
5. AI 기업의 지속성에는 데이터 축적과 에이전트의 선택이 중요해진다. Listen Labs 사례는 응답에 따라 질문을 바꾸는 시장조사의 가치를 보여주며, 독점적인 고객 상호작용이 쌓이는 데이터 순환은 기능 복제에 대한 방어력이 될 수 있다. Vercel과 Resend 사례에서는 에이전트가 인프라와 서비스를 선택하는 새로운 유통 경로가 드러난다.

🧩 배경과 문제 정의

• OpenAI의 모델 경쟁력과 매출 성장세가 회복되면서 Anthropic의 고성장이 계속될지, 두 회사의 성장이 시장 확대인지 점유율 이동인지가 핵심 쟁점이 된다.
• Factory의 자문역이자 이사회 옵서버가 Cognition의 CRO로 이동한 사건은 기밀 접근, 사전 고지, 경쟁사 이직과 평판의 경계를 드러낸다.
• 기업의 AI 도입에는 성능뿐 아니라 토큰 비용, 데이터와 지식재산권, 모델의 출처가 영향을 준다. 미국산 오픈웨이트 모델과 저비용 모델의 확산은 기존 선두 기업의 성장에도 변수가 된다.

🕒 시간순 섹션별 상세정리

1. OpenAI의 경쟁력 회복과 연환산 매출 700억 달러 전망

• OpenAI가 연환산 매출 700억 달러에 근접하고, 기업가치 1조 4,000억 달러에 300억 달러를 조달하려 한다는 수치가 드러난다. IPO는 2027년까지 기다릴 것으로 예상되며, Anthropic의 가까운 상장 전망과 대비된다 [01:33]
• 연초에는 Anthropic만 제대로 처리하던 기업 업무와 코딩에서 OpenAI의 경쟁력이 높아졌다. 성능과 가격을 이유로 실제 모델 교체가 일어나면서, 불과 몇 달 전의 열세가 빠르게 뒤집혔다는 평가다 [02:01]

2. 개발자의 빠른 전환과 기업 계약의 전환 비용

• 여러 팀이 Anthropic 사용량의 상당 부분을 Codex로 옮겼다는 관찰은 Anthropic의 3분기 실적이 시장의 높은 기대에 못 미칠 가능성을 제기한다. 개발자는 한 도구에 오래 머무르기보다 더 좋은 도구로 옮기거나 여러 도구를 함께 사용한다 [03:08]
• 주간 약 10억 명의 ChatGPT 이용자는 강력한 유통 기반이지만, 기업 사업의 방어력은 계약·직원 교육·업무 흐름에 있을 수 있다. 도입이 깊어질수록 수천 명의 직원과 업무 체계를 다른 공급자로 옮기기 어려워진다 [04:03]

3. 기업의 모델 선택을 좌우하는 비용과 데이터 권리

• 토큰 비용과 예산은 기업의 모델 선택을 제한한다. CIO와 토큰 예산을 검토한 사례에서도 무제한으로 지출할 수 없다는 점이 핵심 조건으로 작용한다 [05:04]
• 모델 학습 방식, 데이터 수신 주체, 데이터의 독점성과 지식재산권도 공급자 선택에 영향을 준다. 성능만으로 기업의 모델 채택을 설명하기 어렵다 [05:17]

4. OpenAI의 성장 재가속과 대규모 선행 투자 부담

• OpenAI의 1분기 대비 2분기 매출 증가율 18%는 연간으로 환산하면 100%에 조금 못 미치는 성장률이다. Anthropic이 10배 성장하던 상황에서는 큰 감속으로 받아들여졌지만, 제시된 3분기 증가율 70%가 맞다면 성장세가 크게 재가속한 셈이다 [05:42]
• 70%라는 수치는 아직 확인되지 않았으며, 60%만 되더라도 이전 분기보다 상당한 회복이다. 컴퓨팅·데이터센터·토지 등을 미리 확보한 OpenAI에는 초고속 성장이 이어져야 대규모 투자 계획을 지탱할 수 있다는 부담이 있다 [06:42]

5. Anthropic 실적이 가를 점유율 이동과 시장 확대

• OpenAI의 성장이 Anthropic의 매출을 가져온 결과라면 두 회사의 점유율이 이동한 것이다. 두 회사가 모두 빠르게 성장했다면 전체 시장의 확대를 뒷받침하는 근거가 된다 [07:24]
• Anthropic이 여전히 10배 성장했는지, 5배로 낮아졌는지, 더 크게 둔화했는지는 아직 알 수 없다. 예정된 IPO 시점에는 3분기 수치가 투자설명서에 포함되고 시장에도 알려질 것으로 예상된다 [07:59]

6. 초대형 비상장 투자와 유동성의 가치

• 기업가치 1조 4,000억 달러에 300억 달러를 조달하는 구상이 성사되면, 기업가치가 1조 달러를 넘는 최초의 벤처 투자 라운드가 된다. 이미 소진됐다고 여겼던 민간 자본이 추가로 유입될 수 있다는 점도 부각된다 [08:30]
• 같은 투자 기회라도 정보의 불확실성이 크면 유동성이 있는 상장 주식이 유리할 수 있다. 비상장 투자는 다음 해 상장을 기대하더라도 실제로는 3~4년 보유해야 할 위험을 감수해야 한다 [09:21]

7. Factory 자문역의 Cognition 합류와 기밀 접근 문제

• Factory 창업자 Matan의 설명에 따르면, Snowflake 출신 영업 리더 Chris는 Factory의 이사회 옵서버로서 창업자와 매일 대화하면서 Cognition의 채용 절차를 진행했고, 이후 CRO로 합류했다. 이 과정이 창업자의 공개적인 반발을 불렀다 [10:10]
• 자문역이 창업자의 기밀 계획에 접근했다면 경쟁사로 이동할 가능성을 명확히 알려야 한다는 주장이 나온다. 데이브는 실제 정보 접근과 이직 과정의 세부 사실은 모른다는 전제 아래, 그런 상황이라면 CEO가 크게 불쾌할 수 있다고 본다 [10:53]

8. 자문역의 이직 자유와 영업 리더의 평판 책임

• CRO는 이직과 교체가 잦고 좋은 제안이 오면 빠르게 움직이는 직책이라는 입장에서는, 창업자의 실망과 별개로 이번 이동을 통상적인 채용 과정으로 볼 수 있다 [11:32]
• 반대 입장에서는 영업 리더가 회사의 비전과 보상 가능성을 믿고 합류한 직원들에게도 책임을 진다. 직접 경쟁사로 옮기면 자신이 채용한 사람들의 신뢰와 평판을 훼손할 수 있으며, 데이브는 그런 CRO 이동을 거의 보지 못했다고 드러낸다 [12:07]

9. 정보 접근 범위와 사전 고지 의무의 경계

• 특정 지역의 채용 후보를 검토하는 자문과 제품·재무·이사회 계획 및 경쟁 전략을 들여다보는 자문은 다르다. 후자처럼 사업 전반을 깊이 알고 있는 사람이 경쟁사로 옮기면 훨씬 심각한 문제가 된다 [13:48]
• 정규직 임원도 퇴사 직전까지 기밀을 알고 경쟁사로 이동할 수 있다. 다만 이직을 검토 중이라고 미리 알리면 잔류하더라도 신뢰가 흔들릴 수 있어, 사전 고지를 현실적인 해법으로 보기 어렵다는 반론이 있다 [14:42]

10. AI 시대의 인력 이동과 여전히 남는 신뢰

• AI 연구소 사이의 잦은 이동, 달라진 보상 수준과 빠른 채용 속도는 충성심의 기준이 영구적으로 변했다는 주장으로 계속된다. 이 관점에서는 경쟁사 이직을 불편하게 느끼더라도 더 흔한 현상으로 받아들여야 한다 [18:18]
• 데이브는 직접 경쟁사 이직이 늘었더라도 여전히 드물며, 자신을 믿고 합류한 직원들에게 남기는 불신이 장기적인 평판 손실로 돌아올 수 있다고 본다. 다른 기회가 많은데도 꼭 직접 경쟁사를 택해야 하는지가 판단 기준이 된다 [19:13]

11. 동료 영입의 관행 변화와 인재·지식 보호의 딜레마

• 과거에는 이직할 때 동료 두 명을 넘겨 데려가면 관계가 깨진다는 비공식적 관행이 있었다는 경험담이 나온다. 최근에는 첫 주에 8~10명을 데려가는 사례도 보이며, 빠르게 조직을 키워야 하는 압력이 이런 변화의 배경일 수 있다 [21:03]
• 직접 경쟁사로 가되 아무도 데려가지 않는 임원과, 다른 분야로 가면서 핵심 인력 4~5명을 데려가는 임원 중 어느 쪽이 더 큰 손실인지는 명확하지 않다. 경쟁 상대의 위협 수준에 따라 지식 유출과 인재 유출의 우선순위가 달라질 수 있다 [21:57]

12. 투자사의 공개 비난과 경쟁사 동시 투자 위험

• Factory의 최근 시리즈 C를 주도한 Vinod Khosla가 공개적으로 Factory를 “고전하는 2군 경쟁사”라고 표현한 것은 투자 파트너의 신뢰를 해칠 수 있다. 다른 투자사에는 문제가 생겼을 때도 함께할 파트너인지 의심하게 만드는 경쟁 소재가 된다 [22:40]
• 직접 경쟁하는 두 회사에 투자하면 법적 의무와 암묵적 기대 사이의 긴장이 커진다. 특히 양쪽에 적극적으로 관여하는 투자사가 한 회사를 공개적으로 깎아내리면 투자사와 두 회사 모두에 불리할 수 있다 [24:00]

13. 미국산 오픈웨이트 모델이 겨냥하는 기업 수요

• Reflection이 최첨단 모델보다 6~12개월 뒤처지더라도 그에 가까운 성능을 제공할 수 있다면, 미국산 오픈웨이트 모델이라는 위치 자체가 전략적 강점이 될 수 있다 [25:38]
• 미국산 모델이 프런티어에 가까운 지능과 3~4배의 비용 효율을 제공한다면 기업에는 매력적인 선택지가 된다. 규제 산업이나 민감한 정보를 다루는 기업은 중국산 오픈소스 모델을 사용하는 데 주저할 수 있다 [26:05]

14. 업무별 모델 선택과 토큰 지출 절감 압력

• 모든 업무에 최첨단 지능이 필요한 것은 아니다. 최신 모델과 약 6개월 차이가 나더라도 코딩과 에이전트 업무를 포함한 사용 사례의 90%를 처리할 수 있다면, 기업이 대안을 검토할 이유가 충분하다 [27:15]
• 지금까지는 사용의 편리함과 감당 가능한 비용 때문에 프런티어 모델을 계속 쓰거나 같은 공급자의 저렴한 등급으로 내리는 경우가 많았다. 하지만 두 선두 기업이 각각 연환산 매출 700억 달러에 이른다면 합계 1,400억 달러가 되어, 기업 전체의 비용 부담을 무시하기 어려워진다 [27:41]

15. 비용 하락이 기업 활용 확대를 이끌 가능성

• 기업에서는 AI의 기술적 능력과 실제 사용 수준 사이에 큰 간극이 있으며, 경험과 숙련을 갖춘 인력도 부족하다. 비용 하락이 사용량 증가로 이어지는 제번스의 역설처럼, 기업이 기술에 익숙해질수록 더 많은 업무에 AI를 배치할 수 있다는 전망이 드러난다 [29:27]

16. 토큰 수요의 급증과 공개 평가의 신뢰성 한계

• AI 활용처가 늘어나는 시장에서는 프런티어 모델과 오픈소스 모델이 함께 성장할 수 있다. Dreamforce에서 접한 기업들의 내부 토큰 수요는 이미 감당하기 어려운 수준이며, 아직 드러내지 못한 수요가 현재 파악한 규모보다 한 자릿수 배수 이상 클 수 있다는 추정도 나온다 [30:36]
• 수요 압박은 부적합한 모델 선택과 토큰 낭비를 부를 수 있다. 동시에 중국 기반 모델을 꺼리는 기업의 수요는 대안을 제공하는 업체에 큰 기회가 된다 [30:48]

17. 미국 오픈웨이트 모델의 확대 가능성과 전환 비용

• 모델 교체는 데이터베이스 교체보다 수월하지만, 프롬프트 검증과 업무 흐름 수정이 필요하다. 미국 기반 모델과 데이터 주권의 중요성을 고려하면 12개월 뒤 미국 모델이 오픈소스 토큰 흐름의 절반을 차지할 가능성은 있으나, 실제 성능이 경쟁 모델과 대등한지는 아직 불확실하다 [32:31]
• 중국 모델에 대한 우려 때문에 대기업이 Fireworks·Base10·Modal 같은 추론 업체를 피하고 프런티어 모델로 이동할 수 있다. 충분한 품질의 미국 모델이 확보되면 이러한 고객 이탈 위험을 줄일 수 있다 [32:49]

18. 안전성과 토큰 점유율이 추론 시장에 미치는 영향

• 기업은 비용 외에도 시스템을 신뢰할 수 있는지를 중시한다. 안전성의 정의는 아직 명확하지 않지만, 악용 방지 장치와 비교 가능한 평가 기준이 갖춰질수록 모델의 활용 범위가 넓어질 수 있다 [33:15]
• 미국 오픈웨이트 모델의 점유율이 50%까지 오르지 않더라도 10~20%면 의미가 크다는 반론이 있다. OpenRouter에서 파운데이션 모델이 토큰의 약 20~30%와 지출의 약 90%를 차지한다는 추정에 따르면, 안전성을 중시하는 기업 고객의 이동은 Reflection의 성과와 추론 업체의 위험 완화에 크게 기여할 수 있다 [34:10]

19. ElevenLabs의 220억 달러 가치평가를 지지하는 근거

• ElevenLabs의 가치평가가 220억 달러로 두 배 높아진 상황에서도 펀드의 최대 10%를 투자하자는 의견이 나온다. 치열한 경쟁 속에서 벌어지는 격차, 음성 기반 에이전트 애플리케이션의 중요성, 높은 성장률과 인상적인 마진이 투자 근거다 [35:13]
• 향후 매출이 10억 달러에 접근할 수 있다는 전망과 강한 팀, 매우 짧은 음성 응답 시간이 높은 가격을 감수할 이유로 드러난다. 다만 매출 전망은 미래 기대이며, 경쟁 방어력이 시장에서 가장 높다는 주장까지는 아니다 [35:49]

20. 음성 모델에서는 가격보다 업무 정확성이 대체를 제한한다

• 비용 때문에 음성 모델을 교체할 가능성은 남아 있지만, ElevenLabs는 여러 모델로 저가와 고가 수요를 모두 대응한다. 꽃 주문 전화를 받는 서비스는 몇 초 안에 응답하고 주문을 정확히 이해해야 하므로, 품질 저하는 제품의 가치를 직접 훼손한다 [36:34]
• 비교적 작은 기업도 연간 수십만 달러를 지불하고 만족한다는 고객 확인 결과는 가격만으로 대체가 일어나지 않음을 뒷받침한다. 현재 음성 업무에서는 모델을 서로 동등한 대체재로 보기 어렵지만, 12개월 뒤의 경쟁 상황은 예측하기 어렵다 [37:09]

21. Listen Labs 인수와 적응형 시장조사의 가치

• Salesforce의 Listen Labs 인수 가격은 20억 달러이며, 이전에는 15억 달러 제안도 있었다고 한다. Sequoia의 성과는 9600만 달러 투자에 약 8억5000만 달러 회수, 시드·A 투자 약 25배 수익으로 설명되며, B 라운드를 주도한 Ribbit의 수익은 8개월 만에 약 4배다 [38:37]
• 시장조사는 규모가 크고 분산돼 있으며 컨설팅 업체와 기존 설문 기업이 자리 잡은 분야다. 사람에게 질문하고 답을 종합하는 핵심 작업은 음성과 언어 처리를 활용하는 LLM의 강점과 맞물린다 [39:16]

22. 인수의 전략적 규모와 독자적인 데이터 순환의 차이

• 매출 목표가 600억 달러이고 이미 500억 달러에 가까운 Salesforce에 매출 2000만 달러 규모의 AI 설문 사업이 얼마나 큰 영향을 줄지는 의문이다. 제품 편입 이상의 효과를 내려면 충분한 규모가 필요하며, 몇 년 뒤 존재감이 약해질 가능성도 있다 [41:02]
• 다른 플랫폼 위의 영리한 기능에 가까운 AI 기업은 대기업의 자금과 유통망을 활용하기 위해 매각을 택할 수 있다. 반면 사용이 독점적인 데이터를 만들고, 그 데이터가 제품을 개선하며, 개선된 제품이 다시 사용을 늘리는 기업은 더 오래 지속될 기반을 갖춘다 [41:30]

23. 창업 성과의 비교보다 매각 시점과 시장 주기가 중요하다

• 10~15년간 회사를 키운 창업자는 3년 만에 비슷한 가격으로 매각한 기업과 자신을 비교할 수 있다. 그러나 다른 창업자의 경로와 계속 비교하면 만족을 잃기 쉽고, 양쪽 모두 경제적 성과를 얻었다는 점도 함께 봐야 한다 [43:25]
• 벤처 성과에는 시점과 시장 주기의 영향이 크다. 일부 AI 앱 기업은 일찍 매출의 30배 가격에 팔리고, 나머지는 큰 조직을 운영하며 매출의 6배 수준에 머무를 수 있다는 가정은 조기 매각과 장기 운영의 결과가 크게 갈릴 가능성을 보여준다 [44:01]

24. 조기 매각과 세대를 대표하는 기업을 만들겠다는 선택

• 창업 초기에는 자금과 고객 부족이 심하고, 장기간의 운영은 창업자의 에너지를 소모한다. 3~4년 안에 좋은 가격으로 매각하거나 첫 5년 안에 20억 달러로 매각할 기회는 개인의 부담을 크게 줄일 수 있다 [44:49]
• 사업의 기세가 강하면 투자자 모두가 매각을 반대하는 경우도 있다. 그래도 세대를 대표할 기업을 만들고 있는 것이 아니라면, 첫 5년 안의 20억 달러 제안을 받아들이는 선택이 합리적일 수 있다는 입장이다 [45:53]

25. BladeLogic 사례가 보여주는 매각 결정과 시장 위험

• BladeLogic은 성장 단계마다 인수 제안을 받았고 Cisco와 EMC 등과도 접촉했지만, 최종적으로 상장 1년 뒤 BMC에 매각됐다. 창업자가 계속 회사를 키울지 매각할지 결정해야 하며, 더 이른 매각 기회를 넘긴 선택은 돌아보면 옳았다는 평가다 [47:32]
• 최종 매각 가격은 약 9억 달러였다. 2008년 금융위기로 시장의 불안이 커지는 시점이었다는 점도 매각 성과를 판단할 중요한 맥락이다 [48:28]

26. Vercel의 성장을 밀어 올리는 에이전트의 인프라 선택

• Vercel의 ARR은 6억 달러이며, 신규 사업에서 에이전트가 차지하는 비중은 연초 3%에서 50%로 높아졌다. 기존 제품과 인프라가 에이전트의 애플리케이션 생성 수요에 맞아떨어진 결과로 읽힌다 [49:10]
• 성장률 약 170%와 고객 수 증가 약 20%라는 기억에 따른 수치가 맞다면, 기존 고객의 사용 확대가 매우 큰 성장 동력이다. 에이전트가 특정 업체를 선택하면 그 선택을 바꾸는 데 상당한 노력이 들 수 있다 [50:30]

27. 에이전트 대상 노출은 분석에서 콘텐츠 개선까지 이어져야 한다

• 기업은 Google 첫 페이지에 노출되는 것뿐 아니라 에이전트가 제품을 찾고, 판매 내용을 이해하며, 최신의 정확한 정보를 읽도록 해야 한다. AI 답변에 빠지는 문제는 기술 기업뿐 아니라 전자상거래와 소매 기업에도 직접적인 판매 위험이 된다 [51:29]
• Profound나 Peak 같은 서비스의 기회는 노출 여부를 분석하는 데서 끝나지 않는다. 빠진 정보를 찾아 콘텐츠를 수정하거나 생성해 실제 노출 개선까지 연결하면 더 설득력 있는 제품이 된다 [52:41]

28. 실제 에이전트의 구매는 사용 환경과 제품 연결성을 반영한다

• SendGrid 설정 과정에서 키 발급과 연결 문제가 반복되자 에이전트는 이메일 서비스로 Resend를 추천했다. Resend의 MCP 호출은 4월 10만6000회에서 9월 300만 회로 늘었으며, 이는 에이전트가 제품 선택과 사용을 이끄는 사례로 읽힌다 [53:02]
• 에이전트는 일반적인 추천뿐 아니라 현재 인프라, 개발 중인 앱, 신뢰도와 용도 적합성을 고려한다. 전체 기술 구성을 아는 에이전트는 특정 애플리케이션에 맞춘 추천을 할 수 있다 [53:56]

29. 운영 중인 에이전트의 추천 조사와 마케팅 제품의 확장

• 신뢰하는 운영자 10명에게 2주마다 해당 분야에서 에이전트가 무엇을 추천하는지 확인하자는 제안이 나온다. 실제 호스팅 질문에서는 Render가 첫 선택, Railway와 Fly.io가 뒤를 이었고, 사람이 먼저 떠올린 Vercel은 해당 용도에 부적합하다는 답을 받았다 [55:09]
• 이런 추천 조사가 Profound·Peak와 다른 시장이라는 견해와, 기존 AI 답변 노출 제품의 자연스러운 확장이라는 견해가 맞선다. 후자의 관점에서는 사람과 에이전트 모두 온라인 정보를 이용해 구매하므로, 공급업체가 올바르게 등장하도록 돕는 것이 공통의 고객 문제다 [56:47]

30. Nvidia의 라이선스·인력 영입 거래와 보통주 주주의 소송

• Groq의 전직 엔지니어 2명은 델라웨어에서 이사회가 핵심 기술과 상위 인력 200명을 Nvidia로 넘겨 보통주 주주에게 실질이 약해진 회사를 남겼다고 주장한다. 거래 전체는 170억 달러로 소개되지만, 이어지는 설명의 구성 금액은 라이선스 110억 달러와 주식 약 30억 달러로 일치하지 않는다 [59:33]
• 쟁점은 이러한 거래로 주주가 기존에 기대했던 대가의 이익을 잃었는지, 동등한 대우라는 회사법 원칙에 어긋나는지다. 실제 법적 판단이 어떻게 나올지는 아직 알 수 없다 [59:49]

31. 기술·인력 인수에서 갈리는 보상과 보통주 주주의 권리

• 인수자가 함께 이동하는 직원에게 많은 돈을 주고 남는 직원에게 적게 배분하면, 회사의 거래 대가를 사실상 재배분하는 결과가 된다. 이미 퇴사한 직원 두 명은 이러한 배분에서 불리해질 가능성이 제기된다 [1:00:16]
• 이사회는 모든 주주에 대한 신인의무를 지며, 델라웨어법상 같은 종류의 보통주를 가진 주주는 동일하게 대우해야 한다는 원칙이 거래 구조와 충돌할 소지가 있다 [1:00:42]

32. 직원 지분 보호와 규제 우회 거래의 부작용

• 투자자는 비정상적인 회수 거래까지 고려해 보호 조항을 미리 협상해 왔다. 직원도 기술과 일부 팀만 팔리고 회사는 남을 때 자신의 지분이 어떻게 처리되는지 확인해야 하며, 창업자는 이에 답할 필요가 있다 [1:01:27]
• 같은 주주는 같은 대우를 받는다는 원칙이 약해지면, 직원은 지분율뿐 아니라 IP 매각이나 IP와 일부 인력의 동시 매각이 지분 가치에 미칠 영향까지 따져야 한다. 이런 불확실성은 거래를 더 어렵게 만들 수 있다 [1:02:07]

33. 사실상 인수라는 법적 판단과 속도를 사는 비용

• 현 행정부에서 신속한 인수가 쉬워지면서 우회 구조의 필요성이 줄고 있다는 평가가 나온다. 이미 이중과세 부담이 큰 거래에 상당한 소송 위험까지 더해지면, 이런 구조가 사라질 수 있다는 전망이다 [1:03:12]
• 계약서에 라이선스 거래이며 인수가 아니라고 반복해서 적어도 실질이 인수라면 관련 의무를 피할 수 없다는 논리다. 소송의 핵심도 사실상 인수였으므로 인수에 필요한 절차와 주주 보호를 적용해야 한다는 데 있다 [1:04:16]

34. Muse의 제품 완성도와 Dots의 불분명한 소비자 경험

• Muse는 출시와 초기 반응이 매우 좋았다는 평가를 받는다. Dots는 OpenAI 직원의 기업용 항공편 예약을 보여준 기술 중심 데모가 소비자와 동떨어져 있고 인상적이지 못했다는 비판을 받는다 [1:05:34]
• Meta의 인수와 실행력에 대한 기존 회의론은 Muse의 출시로 약해진다. Zuckerberg와 Alex Wang이 제품을 출시하고 연산 자원을 충분히 투입한 결과, 최첨단 스타트업 제품에 견줄 만한 경쟁력을 확보했다는 평가다 [1:06:05]

35. Dots의 상시 코딩 에이전트 가능성과 다중 고객층의 난도

• Dots의 초기 가치는 Codex와 연동하는 24시간 코딩 에이전트에 있다는 반론이 나온다. Claude Code나 Codex를 계속 작동시키기 어려운 문제가 OpenClaw 등의 확산 배경이며, 지속적으로 실행되는 에이전트가 그 공백을 채울 수 있다는 설명이다 [1:07:45]
• 소비자용 예약 데모만으로 판단하기보다 개발자가 실제로 무엇을 만드는지 살펴볼 필요가 있다. 관찰 기간으로 30일과 90일이 각각 제안되며, Codex의 지속 실행 확장으로 발전한다면 소비자 제품이 아니어도 수익성이 있을 수 있다는 낙관적 전망이다 [1:08:17]

36. 뉴뱅크 주가 상승과 예상하지 못한 호재

• 뉴뱅크(New Bank) 주식이 매수 후 일주일 동안 26% 올랐다는 경험이 드러난다. 브라질 선거가 유리하게 작용한 점과 Monzo 거래가 성사되지 않은 점은 매수 당시 예상하지 못했던 호재로 드러난다 [1:09:39]
• 두 가지 예상 밖 사건 이후 주가가 올랐다는 사실은 투자 판단의 정확성과 구분해야 한다는 반론이 나온다. 수익이 났다는 결과만으로 사전에 상승 원인을 예측했다고 볼 수는 없다는 지적이다 [1:10:16]

37. Aura IPO 철회와 기대 가격의 불일치

• Aura가 74% 성장률과 매력적인 반복 매출 비중에도 IPO를 철회한 일은 벤처 투자 회수에 부정적인 신호라는 평가다. 높은 공모가 가능성과 4Runner의 지분 전량 매각이 가격 부담을 키웠을 수 있다는 문제도 제기된다 [1:10:46]
• 가장 단순한 설명은 원하는 가격을 받지 못했다는 추정이다. 은행이 제시한 가격과 실제 수요가 달랐을 가능성, 기존 투자자의 전량 매각이 좋지 않게 보였을 가능성이 거론되지만, 내부 정보 없는 추측이라는 한계가 명시된다 [1:11:40]

38. 낮은 가격을 수용하더라도 상장 기회를 확보해야 한다는 주장

• Jawbone과 Peloton 등 소비자 하드웨어 기업의 전례를 고려하면, 기대보다 낮더라도 시장이 제시하는 가격을 받아 상장을 마쳤어야 한다는 주장이 나온다. 이사회가 은행의 낙관적 가격을 할인해 판단하고 실제 제안을 수용할 필요가 있다는 논리다 [1:13:55]
• BladeLogic은 부채시장에 불안 조짐이 있던 2007년 7월에 상장을 마쳤고, 이후 시장은 2008년으로 가면서 악화됐다. 이 경험은 시장 상황이 더 나빠지기 전에 상장 기회를 확보하는 가치와 연결된다 [1:14:39]

🧾 결론

• Anthropic의 성장 둔화를 단정하기보다 OpenAI와 Anthropic의 같은 기간 실적을 비교해 점유율 이동과 시장 확대를 구분해야 한다.
• Factory·Cognition 사례는 자문 관계에서도 정보 접근 범위와 이해충돌에 대한 기대를 명확히 할 필요성을 보여준다. 제공된 설명만으로 기밀 유출이나 법적 위반을 확정할 수는 없다.
• ElevenLabs의 가치평가를 판단하려면 음성 업무의 응답 속도와 정확성, 고객의 지불 의사, 성장과 마진의 지속성을 함께 봐야 한다.
• 장기적으로는 모델 성능뿐 아니라 업무에 깊이 연결된 사용 경험, 누적 데이터, 에이전트가 쉽게 이해하고 사용할 수 있는 제품 구조가 경쟁력을 좌우할 수 있다.

📈 투자·시사 포인트

• 성장률의 출처를 구분해야 한다. 고객의 공급자 이동으로 얻은 성장과 시장 자체의 확대는 지속성을 다르게 평가해야 하며, 대규모 선행 투자를 한 OpenAI에는 성장 유지 부담도 따른다.
• 토큰 가격 하락의 효과는 양방향이다. 저비용 모델로의 전환은 기존 공급자의 매출을 잠식할 수 있지만, 사용 확대가 이를 상쇄할 가능성도 있어 가격과 사용량을 함께 봐야 한다.
• 음성 AI의 가격 방어력은 실제 업무 품질에 달려 있다. ElevenLabs의 높은 가격을 수용하는 고객 사례는 의미가 있지만, 이를 장기적인 경쟁 우위나 미래 가치평가의 보장으로 해석해서는 안 된다.
• 에이전트가 새로운 구매 경로가 될 수 있다. 제품 노출뿐 아니라 정확한 문서, API와 연결 도구, 현재 사용 환경에 맞는 적합성이 공급업체 선택에 영향을 준다.
• 회수 가격과 유동성도 투자 성과의 조건이다. 비상장 투자에는 예상보다 긴 보유 기간이 생길 수 있고, Aura의 상장 철회 논의는 기대 가격과 실제 시장 수요의 간극을 드러낸다.
• 거래 구조는 직원 지분의 가치에도 영향을 준다. Nvidia·Groq 관련 소송은 기술과 일부 인력만 이동하는 거래에서 보상 배분과 보통주 주주의 권리가 쟁점이 될 수 있음을 보여준다.

⚠️ 불확실하거나 확인이 필요한 부분

• OpenAI의 3분기 매출 증가율 70%는 확인되지 않은 수치다. 연환산 매출, 자금 조달 구상과 양사의 IPO 시점도 확정 실적이나 완료된 거래와 구분해야 한다.
• Anthropic의 실제 성장률은 아직 제시되지 않았다. 일부 팀의 Codex 전환 관찰만으로 전체 고객 이탈이나 매출 둔화를 일반화하기 어렵다.
• Factory·Cognition 사건은 창업자의 설명과 패널의 해석을 중심으로 전달된다. 실제 기밀 접근 범위, 계약 내용과 고지 과정은 확인되지 않았으며, 공개 비난의 의도도 불명확하다.
• 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

• OpenAI와 Anthropic의 확인 가능한 같은 기간 매출·성장률을 비교하고, 연환산 수치와 실제 기간 매출을 구분한다.
• 주요 AI 업무별로 정확성, 응답 속도, 토큰 비용, 데이터 처리 조건을 비교하고 모델 전환에 필요한 프롬프트 검증과 업무 흐름 수정도 계산한다.
• 자문역·이사회 옵서버에게 공개하는 정보 범위와 경쟁사 이동 시 기대하는 고지·이해충돌 처리 조건을 문서로 확인한다.
• ElevenLabs의 가치평가를 검토할 때 현재 매출과 미래 전망을 구분하고, 고객 업무에서 품질 저하 없이 대체 가능한지를 살펴본다.

❓ 열린 질문

• OpenAI의 성장 재가속은 Anthropic의 점유율을 가져온 결과인가, 두 회사가 함께 커지는 시장 확대의 결과인가?
• 저비용 모델의 확산에 따른 사용량 증가가 프런티어 모델의 가격·매출 압박을 얼마나 상쇄할 수 있을까?
• 자문역의 이직 자유를 유지하면서도 회사의 기밀과 신뢰를 보호할 수 있는 정보 접근·고지 기준은 무엇인가?