🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Affirm은 신용카드의 불투명한 상환 구조를 대체하려는 투명한 결제 경험을 앞세워 BNPL을 넘어 카드·오프라인 결제까지 확장하고 있으며, Max Levchin은 AI 시대에도 인간의 판단과 제품 실행력이 성장의 핵심이라고 본다.

📌 핵심 요점

1. Affirm의 핵심 문제의식은 신용카드처럼 나눠 갚을 수 있으면서도 상환 시작과 종료, 비용 구조를 명확히 보여주는 결제 도구를 만드는 데 있다.
2. Max Levchin은 소비자들이 플라스틱 카드를 탭한 뒤 언제 빚에서 벗어나는지 모르는 구조에 피로감을 느끼고 있으며, 특히 금융위기 경험 이후 투명한 금융 상품에 대한 수요가 커졌다고 설명한다.
3. Affirm은 연체료를 부과하지 않고, 프로모션 금리가 나중에 바뀌는 구조를 피하며, 선결제 시 이자를 줄여주는 방식으로 소비자에게 예측 가능성과 통제감을 주려 한다.
4. 회사는 최근 12개월 기준 약 460억~500억 달러 규모의 GMV, 2,700만 소비자, 51만5,000개 활성 소매업체를 언급하며, 과거 목표였던 500억 달러 GMV에 가까워진 뒤 새 목표를 1,000억 달러 GMV로 높였다.
5. Levchin은 AI가 Affirm의 코드 작성과 제품 개발 속도를 크게 높이고 있지만, 감원 명분이 아니라 더 많은 기능을 더 빨리 출시하기 위한 생산성 도구로 봐야 한다고 강조한다.

🧩 배경과 문제 정의

• Affirm은 단순한 BNPL 기업을 넘어 카드, 결제 경험, 소비자 신용, AI 시대의 엔지니어링 조직 운영까지 논의를 확장하는 핀테크 기업이다.
• Max Levchin은 PayPal 공동창업자이자 Affirm 창업자로, 디지털 결제 시장의 초기 형성과 현재 핀테크 경쟁 구도를 모두 경험한 인물이다.
• 인터뷰의 핵심 문제의식은 창업자 구조, 공동창업자의 역할, 엔지니어 출신 리더십, 그리고 AI 에이전트가 기업 운영과 제품 개발 방식을 어떻게 바꾸는지에 맞춰진다.
• 후반부에서는 Affirm이 신용카드식 결제 경험을 대체할 수 있는지, BNPL을 넘어 더 큰 결제 네트워크로 성장할 수 있는지, 그리고 Levchin의 정체성이 PayPal보다 Affirm에 더 가까워졌는지를 다룬다.

🕒 시간순 섹션별 상세정리

1. Affirm의 확장성과 Max Levchin의 핀테크 이력

• Affirm은 BNPL을 넘어 카드 사업과 결제 방식의 변화까지 다루는 기업으로 소개되며, AI 시대에 엔지니어링 업무가 어떻게 재설계되는지도 주요 관심사로 드러난다 [00:17]
• Max Levchin은 PayPal 공동창업자로, Elon Musk와 Reid Hoffman 등과 함께 초기 디지털 결제 생태계를 만든 핵심 핀테크 인물로 묶인다 [00:27]

2. 공동창업 구조와 AI 시대 엔지니어 리더십의 강점

• 단독 창업은 초기 단계에서 자신의 판단에 갇히기 쉽지만, 공동창업자는 비전과 위기 판단을 함께 검증하는 완충 장치가 된다 [01:09]
• Affirm은 네 명의 공동창업자로 출발했으나 시간이 지나며 다른 공동창업자들이 스타트업과 VC 등으로 이동했고, Levchin이 마지막으로 남은 공동창업자가 됐다 [01:48]

3. AI 에이전트가 엔지니어 생산성의 기준을 끌어올린다

• 조직 내 역할이 갑자기 바뀌어도 엔지니어링 사고방식을 가진 구성원이 많으면 다른 업무를 빠르게 이해하고 실행할 수 있다 [04:00]
• 컴퓨터공학 졸업생의 커리어는 위축되기보다 생산성 도구를 기본 장착한 상태에서 시작하며, 과거의 ‘10배 엔지니어’가 새로운 기본선에 가까워진다 [04:48]

4. 소프트웨어 내재화가 작은 팀 중심으로 확산된다

• 많은 기업은 기존 소프트웨어 패키지의 한계에 불만을 갖고도, 과거에는 100명 규모의 엔지니어링 팀이 필요해 직접 대체하기 어려웠다 [06:21]
• AI 도구가 도입되면 명확한 요구사항과 5명 안팎의 작은 엔지니어링 팀만으로도 자체 소프트웨어를 만들 가능성이 커진다 [06:50]

5. 에이전트와 함께 만든 집안 자동화 앱

• 제품 만들기는 다른 사람이 더 나은 제품 경험을 하도록 돕는 소프트웨어를 만드는 일이며, 코딩은 치료적이고 재미있는 활동이라 매주 직접 이어간다 [08:06]
• 에이전트 덕분에 사이드 프로젝트가 쉬워졌고, 최근에는 여러 가정용 기기와 불편한 리모컨을 하나의 제품으로 통합하는 홈 자동화 작업을 시작했다 [08:34]

6. 개인 봇, 인간 리더십, 기술 이해의 가치

• 조직 전체와 대화하는 ‘Maxbot’ 같은 대체 리더 봇은 쓰지 않으며, AI가 많아질수록 인간 상호작용과 인간 리더십, 실제 대화의 가치는 더 커진다 [09:49]
• 별도 사이드 프로젝트로 만든 개인용 Maxbot은 여러 커뮤니케이션 채널에 연결돼 질문에 답하고 필요한 정보를 찾아주는 보조 도구로 작동한다 [10:14]

7. 통제권을 넘기는 AI 미래와 공동 설계하는 AI 미래의 대비

• 기계가 음식 배달, 의료 검사, 생활 전반을 대신하는 미래는 인간이 AI에 더 많은 통제권을 넘기고, 스스로를 부족한 존재로 인식하게 만드는 흐름으로 이어질 수 있다 [12:07]
• 인간이 원하는 것을 말하기만 하고 의식주를 기계에 맡기는 구조는 성인의 판단과 선택을 약화시키는 “아기 같은 경험”으로 묘사된다 [12:24]

8. 특화 에이전트와 embodied AI가 만들 역할 변화

• AI 에이전트의 다음 변화는 여러 모델이 서로의 결과를 평가하고 개선하는 방식이며, AI가 다른 AI의 산출물을 판단하는 구조는 이미 널리 활용되고 있다 [14:20]
• 특정 일을 더 잘하도록 훈련된 에이전트의 중요성이 커지고 있으며, 범용 LLM은 폭넓은 지식을 갖지만 개별 작업의 깊이에서는 한계가 남는다 [14:45]

9. 웹 브라우저가 만든 첫 번째 거대한 전환감

• 휴머노이드 로봇, 리프트의 자율주행차 공장, 웨이모의 자동 충전, 일론 머스크의 자율주행차 개발이 함께 거론되면서 현재 기술 변화는 일반인에게도 압도적인 장면으로 다가온다 [16:03]
• 1993년 일리노이대 진학 당시에는 IRC, White Hawk, Pine 이메일 같은 녹색 화면 기반 도구가 주류였고, 인터넷만으로 전 세계 사람과 빠르게 연결되는 경험도 충분히 놀라웠다 [16:32]

10. AI 시대의 불균등한 도착과 일반 이용자의 거리감

• 현재 AI와 AI 인접 기술의 분위기는 1990년대 웹 초기처럼 모두가 작동 원리를 이해하고 싶어 하는 시기에 가깝고, 창업과 실험의 압력이 주변 전체로 확산되고 있다 [18:57]
• 우버 호출은 몇 년 전까지만 해도 혁신적인 경험이었지만, 이제는 자율주행차와 집을 관리할 수 있는 AI 에이전트 사례가 함께 등장하면서 일상 기술과 미래 기술이 서로 다른 현실처럼 갈라져 보인다 [19:06]

11. AI 확산의 속도와 물리적 세계의 제약

• 벤처캐피털과 자금 조달이 AI 분야로 몰리는 이유는 혜택의 범위가 넓다는 기대가 크기 때문이며, 핵심 과제는 그 혜택을 받을 수 있는 사람들에게 실제로 기술을 전달하는 일이다 [20:01]
• AI는 여러 영역에 빠르게 확산될 가능성이 크지만, 인터넷에서는 코드로 환경을 바꿀 수 있는 반면 물리적 세계에서는 사물과 현장의 이동·조정이 필요해 속도가 더 느리고 복잡하다 [20:16]

12. AI 콘텐츠 시대의 진정성과 인력 재편 리스크

• AI가 진행자의 복제본처럼 수많은 클립을 만들 수는 있어도, 무엇을 말할지에 대한 진짜 아이디어와 개성은 인간에게서 나오기 때문에 원본 인간의 가치는 더 커진다 [21:28]
• 주주서한, 회사 커뮤니케이션, 이메일처럼 정체성과 판단이 담긴 글은 AI 문장이 그럴듯해도 당사자의 표현이 아니면 진정성이 떨어지며, 중요한 메시지는 인간이 직접 써야 의미가 유지된다 [21:54]

13. AI 생산성 향상과 감원 책임의 경계

• AI가 감원의 편리한 명분처럼 쓰이면 과도한 채용, 부족한 계획, 낮은 책임 인정이 가려질 수 있으며, 결국 리더가 자신의 실수를 더 분명히 소유해야 한다는 문제가 남는다 [24:03]
• 새 도구는 팀 일부의 생산성을 크게 높일 수 있지만, 감원은 여전히 인간적으로 고통스러운 결정이며 함께 일하던 사람에게 경영 판단 실패의 결과가 돌아간다 [24:21]

14. 채용 판단은 AI 대체가 아니라 조직 병목에서 출발

• 인력을 더 뽑을지, 기존 직원에게 더 많은 에이전트를 줄지는 먼저 제한 요인이 무엇인지 따져야 하며, Affirm은 지표와 대시보드를 집요하게 보며 병목을 찾는다 [26:41]
• 성장 지표는 우상향할수록 좋지만, 신용 손실처럼 안정적으로 유지되어야 하는 지표도 있으며, 이런 측정 체계가 채용과 실행 우선순위 판단의 기반이 된다 [27:08]

15. AI 생산성의 병목은 코드 작성보다 제품화 사이클에 있다

• 분기마다 처리 가능한 개발 사이클이 제한되어 있어, 아이디어의 약 20%만 실제로 진행되고 나머지 80%는 다음 분기로 밀리며 재우선순위화된다 [28:00]
• 생산성을 5배 높일 여지가 있고, 핵심 과제는 아이디어를 실제 소프트웨어로 소비·생산하는 속도를 끌어올리는 데 있다 [28:09]

16. 500억 달러 GMV 접근 이후 성장 목표는 1000억 달러로 이동한다

• 회사의 다음 성장 규모는 BNPL, 카드, 신규 사업 확장과 연결돼 있으며, 최근 투자자 행사에서 더 큰 목표가 제시됐다 [29:34]
• 이전 투자자 행사에서는 매년 20% 이상 성장해 GMV 500억 달러에 도달하고, 거래비용 차감 후 매출 기준 3~4%의 단위경제성을 유지하겠다는 목표가 있었다 [30:15]

17. 성장 목표 상향과 신용카드식 결제 피로

• Affirm은 3년 전 제시한 20% 성장과 3~4% 이익률 목표를 넘어, 최근에는 25% 복합 성장과 최소 3.75% 이익률로 성장성과 수익성 기준을 함께 높였다 [32:02]
• 매출 성장은 특정 영역 하나에 의존하기보다 전반적인 확장에서 나오며, 가장 큰 카테고리는 일반 소비이고 신규 이용자 유입이 핵심 축으로 작동한다 [32:26]

18. 투명한 상환 구조와 대규모 점유율 확대

• Affirm의 상품 철학은 유연성을 일부 줄이더라도 상환 일정의 명확성, 통제감, 예측 가능성을 높이는 데 있으며, 시장은 소비자가 단순한 자유보다 투명성과 주도권을 원한다는 점을 보여준다 [33:38]
• Affirm의 지출 성장 속도는 전자상거래에서 다른 결제수단보다 약 3~4배 빠르고, 오프라인에서는 더 빠르게 침투하며 기존 결제수단의 점유율을 가져오고 있다 [34:01]

19. PayPal과 경쟁하는 Affirm, M&A에는 높은 기준이 필요하다

• PayPal은 첫 성공의 기억과 향수를 남긴 회사지만, 현재 Affirm과는 결제 영역에서 경쟁하는 관계이며 Levchin은 Affirm의 실행력에 강한 자신감을 보인다 [36:13]
• Venmo 인수 가능성은 구체적으로 검토한 적이 없고, Affirm이 대형 상장사로서 이론적으로 M&A를 살펴볼 수는 있지만 자체 제품 구축만으로도 빠르게 성장하고 있어 인수 필요성은 낮다 [36:47]

20. 레거시는 PayPal보다 Affirm과 현재의 정체성에 더 가깝다

• 레거시가 PayPal과 Affirm 중 어디에 더 가까운지에 대한 질문은 과거 공동창업자 이미지와 현재 CEO 정체성의 차이를 드러낸다 [38:08]
• PayPal 공동창업자라는 소개는 20대 초반의 과거에 묶인 이미지에 가깝고, 현재의 자신은 Affirm을 이끄는 인물로 인식되기를 원한다 [38:29]

21. 어펌 창업자 정체성과 일·가정의 경계

• Affirm은 거의 15년 동안 이어진 가장 긴 일이며, Levchin은 은퇴를 생각하지 않을 만큼 현재의 여정과 확장 국면에 깊이 몰입해 있다 [40:01]
• Levchin의 개인 정체성은 PayPal 공동창업자보다 Affirm 창업자 쪽으로 이동했고, 인터뷰어 역시 그를 “Affirm의 사람”으로 받아들인다 [40:20]

22. 가족의 지지와 팬데믹 이후 Affirm의 규모 변화

• Affirm이 때로 가족 시간보다 앞서며 사과가 필요할 때도 있지만, 가족은 팟캐스트·실적 발표·투자자 행사 같은 공개 순간을 앞두고 적극적으로 응원한다 [42:01]
• 팬데믹 시기와 비교하면 Affirm의 사업 규모는 크게 달라졌고, 당시에도 성장 중이었지만 현재와 같은 속도와 규모에는 이르지 못했다 [42:23]

🧾 결론

• 이 인터뷰의 중심은 Affirm이 단순한 BNPL 회사를 넘어 신용카드의 대안적 결제 인프라로 성장할 수 있는지에 있다.
• Levchin이 보는 Affirm의 차별점은 “더 많은 신용”이 아니라 “더 명확한 신용”이다. 소비자가 갚을 금액, 기간, 종료 시점을 이해하도록 만드는 것이 핵심 상품 철학이다.
• Affirm의 성장 목표는 더 커졌다. 과거에는 500억 달러 GMV 달성 가능성이 질문이었다면, 이제는 1,000억 달러 GMV가 다음 확장 목표로 제시된다.
• AI에 대한 Levchin의 관점은 대체보다 증폭에 가깝다. 엔지니어와 조직이 AI 도구를 활용하면 코드 작성 속도는 빨라지지만, 무엇을 만들지 결정하고 품질을 판단하는 역할은 여전히 인간에게 남는다.
• 검증이 필요한 부분: 인터뷰에서 언급된 GMV, 소비자 수, 활성 소매업체 수, 성장률, AI 작성 코드 비중 등은 발언 기준 수치이므로 투자 판단에는 회사 공시와 최신 실적 자료 확인이 필요하다.

📈 투자·시사 포인트

• Affirm의 투자 포인트는 신용카드 시장의 구조적 불만을 얼마나 지속적으로 점유율 전환으로 연결할 수 있는지에 달려 있다.
• GMV 500억 달러 근접과 1,000억 달러 목표 제시는 성장 자신감을 보여주지만, 구체적 달성 시점은 제시되지 않았기 때문에 성장률 유지 여부를 분기별로 확인해야 한다.
• Affirm이 제시한 25% 복합 성장과 최소 3.75% 수준의 거래비용 차감 후 매출 기준 수익성 목표는 향후 밸류에이션 판단의 핵심 기준이 될 수 있다.
• 소비자 금융 기업인 만큼 성장만큼 중요한 변수는 신용 손실 관리다. Levchin도 성장 지표와 함께 안정적으로 유지되어야 하는 지표를 강조한다.
• PayPal, Venmo, 전통 카드사, 기타 BNPL 사업자와의 경쟁 속에서 Affirm이 자체 제품 구축만으로 성장할 수 있다고 보는 점은 긍정적이지만, 경쟁 심화와 인수합병 필요성은 계속 관찰해야 한다.
• AI 생산성 향상은 Affirm 내부 개발 속도를 높이는 요인이 될 수 있으나, 실제 투자 성과로 이어지려면 더 빠른 기능 출시, 승인·검증·컴플라이언스 통과, 소비자와 가맹점 채택 증가로 연결되어야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• Affirm의 “프로덕션 코드 70%대가 AI로 작성된다”는 언급은 인터뷰 발언 기준으로 정리된 내용이며, 실제 측정 방식이 코드 라인 기준인지, 커밋 단위인지, 기능 구현 기여도 기준인지는 추가 확인이 필요하다.
• 최근 12개월 GMV 약 460억 달러, 500억 달러 접근, 새 목표 1000억 달러 등 수치는 인터뷰 내 발언 기준으로 보이며, 최신 IR 자료·실적 발표·SEC 공시와 대조해 확인필요가 있다.
• “전자상거래 전체에서 Affirm 지출 성장 속도가 다른 결제수단보다 3~4배 빠르다”는 표현은 비교 대상과 기준 기간이 명확하지 않아, 외부 데이터나 회사 발표 자료 확인이 필요하다.
• 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

• Affirm의 최신 투자자 행사 자료와 실적 발표 자료를 확인해 GMV 460억 달러, 500억 달러 목표 접근, 1000억 달러 목표의 정확한 표현과 기준 기간을 검증한다.
• Affirm의 AI 코드 작성 비율 관련 발언이 공식 블로그, 개발자 발표, 실적 콜, 인터뷰 원문에서 어떻게 설명됐는지 찾아 측정 기준을 확인한다.
• BNPL과 신용카드의 차이를 정리할 때 “투명한 상환 일정, 연체료 없음, 선결제 시 이자 감소”를 핵심 비교축으로 삼되, 실제 상품 조건은 지역·가맹점·대출 조건별로 확인한다.
• AI 에이전트가 엔지니어 채용을 줄이는 도구가 아니라 제품 출시 속도를 높이는 도구라는 Levchin의 관점을 별도 인사이트로 정리한다.

❓ 열린 질문

• Affirm이 말하는 AI 기반 생산성 향상은 실제 제품 출시 속도, 버그율, 컴플라이언스 검토 시간, 고객 경험 지표에서 어떤 변화로 나타나고 있는가?
• AI 코드 생성 비중이 높아질수록 금융 서비스 기업에서 보안, 규제 준수, 모델 리스크, 코드 리뷰 책임은 어떻게 재설계되어야 하는가?
• 소비자가 신용카드보다 투명한 할부·상환 구조를 선호한다는 흐름은 경기 침체, 금리 변화, 연체율 변화 속에서도 지속될 수 있는가?