Julien Bek on Lessons from Don Valentine, Doug Leone & Alfred Lin

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Julien Bek on Lessons from Don Valentine, Doug Leone & Alfred Lin를 중심으로, 창업자 평가는 현재의 이력이나 호감도보다 어디에서 출발해 어떤 방향과 속도로 성장했는지에 초점을 맞춘다. 산업의 역사를 이해하는를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 창업자 평가는 현재의 이력이나 호감도보다 어디에서 출발해 어떤 방향과 속도로 성장했는지에 초점을 맞춘다. 산업의 역사를 이해하는 시야, 쉽게 복제할 수 없는 돌출 강점, 고통을 견딜 동기가 중요한 신호이며, 발표력이 부족하거나 오만해 보인다는 이유만으로 잠재력을 배제해서는 안 된다.
2. 진정성은 한 번의 정형화된 답변보다 반복적인 ‘왜’ 질문, 최고·최악의 추천인 확인, 과거 동료의 평가, 말과 몸짓의 일관성을 통해 검증한다. 문화권별 표현 방식과 평가자의 역량 차이도 보정해야 하며, 초기 창업자일수록 레퍼런스의 비중이 커진다.
3. 세쿼이아의 투자 판단은 독립적인 사전 점수, 치열한 토론, 토론 후 재투표, 사전 부검을 결합한다. 만장일치를 안전 신호로 보지 않고 집단적 낙관론을 의심하며, 최종적으로는 담당 파트너가 반대를 넘어 투자할 권한과 결과에 대한 책임을 함께 진다.
4. 거래 확보는 브랜드를 앞세워 기다리는 일이 아니라 적극적인 소싱과 장기 관계의 결과다. 세쿼이아는 매년 소수의 창업자를 선택하고 공동창업자에 가까운 깊이로 협력하며, 이사회에 투입할 수 있는 시간이 희소하다는 이유로 지분율과 집중도를 쉽게 낮추지 않는다.
5. AI는 기업의 성장 주기와 시장 규모를 압축·확대하고 있다. 투자자는 단기 매출만이 아니라 프로토타입 도달 속도, 신규 시장과 대체 시장의 구분, 인프라의 범용 수요, 에이전트 고객의 등장, 도구가 아닌 완성된 업무 결과를 판매하는 소프트웨어 전환까지 함께 평가해야 한다.

🧩 배경과 문제 정의

• 세쿼이아캐피털이 뛰어난 창업자와 기업을 발굴하고 투자 기회를 확보하는 방식, 그리고 개인의 확신을 조직의 투자 결정으로 전환하는 과정을 다룬다.
• AI로 기업 성장 속도와 잠재적 시장 규모가 급격히 커지면서 초기 투자자는 기존의 매출·밸류에이션·지분율 기준을 어떻게 바꿔야 하는지가 핵심 문제로 떠오른다.
• 세쿼이아의 경쟁력은 명성만으로 거래를 얻는 데 있지 않으며, 적극적인 소싱과 장기적인 관계 형성, 치열한 내부 토론, 창업자와 깊이 협력하는 소수 집중형 투자 모델에서 나온다.

🕒 시간순 섹션별 상세정리

1. 가족을 돌보며 형성한 가치관

• 줄리앙 벡은 20대 초반부터 신경계 질환을 앓는 아버지를 돌봤으며, 어린 나이에 학업을 그만두고 가족을 부양했던 아버지의 책임감과 헌신을 본받았다고 드러낸다. [02:01]
• 명확한 가치관이 있으면 당장의 고통에도 행동의 이유가 흔들리지 않으며, 자신이 아닌 사랑하는 사람을 위해 일하는 동기도 위대한 성취를 만들 수 있다고 본다. [03:21]

2. 세쿼이아를 스포츠팀으로 이해한 첫 경험

• 벡은 세쿼이아가 개인 플레이보다 공동 승리를 중시하는 스포츠팀처럼 운영된다고 설명하며, 입사 첫날 새벽에 출근했다가 이미 사무실에 있던 더그 리온을 만난 경험을 근거로 든다. [04:36]
• 더그 리온의 이른 출근은 주변의 압박으로 만들어진 행동이 아니라 오랫동안 유지해 온 개인적 기질이며, 세쿼이아는 애초에 그처럼 강한 동기를 지닌 사람을 채용한다고 드러낸다. [05:58]

3. 명성보다 사냥과 장기 관계로 거래를 확보하는 조직

• 세쿼이아가 좋은 기업의 연락을 기다린다는 인식과 달리 모든 구성원은 직접 기회를 찾는 사냥꾼이며, 개인은 탁월하게 행동하되 결과는 팀으로 만들어야 한다. [06:28]
• 콘스탄틴 뷸러는 학생 시절부터 켄 그리핀과 멘토 관계를 쌓고 반복적으로 투자를 요청해, 외부 자본을 받은 적 없던 시타델 시큐리티즈의 투자 기회를 확보했다. [07:22]

4. AI의 지수적 성장과 커진 투자 결과

• AI가 지수적으로 발전하는 동안 인간은 선형적 사고에 익숙해 초기 기업의 잠재력을 과소평가하며, 앤트로픽과 오픈AI가 빠르게 조 단위 가치의 후보가 된 변화도 예상하기 어려웠다. [08:45]
• 과거에는 5천만 달러 가치의 시리즈 A 기업이 10억 달러 기업이 되기를 기대했지만, 이제는 10억 달러 기업이 200억 달러로 성장하는 같은 배수의 기회를 검토해야 한다. [09:53]

5. 높은 초기 가격과 진정한 신규 기업을 구별하는 기준

• 매출과 고객 데이터가 있는 10억 달러 기업은 매출이 수백만 달러에 불과한 고가의 시리즈 A보다 위험이 낮을 수 있지만, 실제 시장에서는 성과가 거의 없는 기업도 10억 달러 라운드를 진행한다. [10:19]
• 벡은 새로운 기업에 투자하려면 대체 불가능한 창업자나 기존 접근을 개선하는 데 그치지 않는 독창적 기술이 필요하며, 데이비드 실버의 이너퍼블을 다른 아키텍처를 추구하는 사례로 든다. [11:33]

6. 물리적 AI가 바꾸는 초기 투자 평가법

• 하드웨어와 물리적 AI는 검증에 더 오래 걸리므로 초기 투자자는 단기 매출보다 작동하는 프로토타입에 도달하는 속도를 평가해야 하며, 원자를 다루는 기업은 더 많은 시간과 자본이 필요하다. [12:20]
• 실험과 제작에 필요한 자본이 커지면서 단일 펀드가 모든 과정을 부담하기보다 여러 투자자가 협력해 기업을 다음 기술적 이정표까지 지원하는 사례가 늘어날 것으로 본다. [13:06]

7. 지분율을 포기하지 않는 소수 집중형 투자

• 결과 규모가 커지고 공동 투자가 늘어도 벡은 지분율을 낮출 생각이 없으며, 한 경력에서 이사회에 참여할 수 있는 기업이 약 20개로 제한된다는 시간의 희소성을 이유로 든다. [13:35]
• 그는 매년 두세 명의 창업자만 선택해 공동창업자에 가까운 수준으로 돕는 모델을 지향하며, 수백 개 기업에 소수 지분만 보유하면 같은 깊이의 협력이 불가능하다고 본다. [13:46]

8. 세쿼이아 내부의 소싱과 선별 역량

• 벡은 최고의 소싱 담당자로 딘 마이어를 꼽으며, 프로 축구 선수의 경쟁심과 기술적 깊이를 함께 갖춰 신예 창업자부터 대형 엑시트를 경험한 창업자까지 폭넓게 관계를 형성한다고 평가한다. [15:40]
• 최고의 선별 능력을 지닌 파트너로는 루시아나 릭산드루를 꼽고, 딜리버루·프레이머·페니레인·스타크 등 서로 다른 기업을 연속으로 발굴한 투자 이력을 근거로 든다. [16:36]

9. 내부 반대를 넘어선 스페이스X 투자

• 세쿼이아의 파트너 토론은 매우 치열하며, 션 맥과이어가 스페이스X 투자를 제안했을 때 내부 투표에서 최저 수준인 1점을 준 파트너도 있었다. [17:34]
• 맥과이어는 반대에도 포기하지 않고 파트너들이 현장을 직접 확인하도록 설득했으며, 작은 초기 투자로 시작한 결정은 이후 회사 역사상 최고의 투자 중 하나가 됐다. [18:10]

10. 장기 수익을 결정하는 후원자의 확신

• 세쿼이아가 수십 년의 펀드 성과를 분석한 결과, 지분율이나 투자 금액을 정교하게 조정한 거래보다 담당 파트너가 가장 강한 확신을 보인 기업이 반복적으로 최고의 수익을 만들었다. [18:38]
• 적은 투자금이 큰 수익으로 바뀌려면 당시의 상식과 충돌하는 판단이 필요한 경우가 많으며, 에어비앤비는 다른 투자사들이 거절한 뒤 세쿼이아가 시드 투자를 주도한 대표적 사례다. [19:30]

11. 창업자의 역사적 이해와 세쿼이아의 가격 원칙

• 에어비앤비의 브라이언 체스키와 스트라이프의 콜리슨 형제처럼 뛰어난 창업자는 자신이 진입한 산업의 역사를 깊이 이해하며, 이러한 역사적 시야가 시장을 새롭게 해석하는 능력과 연결된다. [20:36]
• 세쿼이아가 거래를 얻기 위해 항상 가장 높은 가격을 지불한다는 인식과 달리, 소수의 기업을 높은 기준으로 골라 가능한 한 초기부터 창업자와 협력하는 것이 우선이다. [21:02]

12. 후속 라운드와 AI 시대의 압축된 성장 주기

• 세쿼이아 투자 직후 같은 가격의 후속 라운드가 열리는 현상은 계획된 지분 확보 전략이라기보다, 특별한 기업에 투자하려는 자본 수요가 공급을 초과해 발생하는 경우가 많다. [22:36]
• 과거에는 시드에서 다음 라운드의 이정표까지 약 18개월이 걸렸지만 AI 기업은 훨씬 빠르게 성과를 입증하므로, 짧은 기간에 밸류에이션이 크게 상승하는 현상도 자연스럽다고 본다. [23:26]

13. 초고속 성장 기업의 신규 시장 효과

• 1년 만에 매출 1억 달러에 도달하는 AI 기업의 성장은 기존 고객을 빼앗는 대체 시장과, 과거에 존재하지 않았던 역량을 제공하는 신규 시장을 구분해 해석해야 한다. [24:14]
• 신규 시장이 포화되면 고객이 이미 솔루션을 보유한 대체 시장으로 바뀌어 성장률이 정상화될 가능성이 있으며, 현재의 수직 성장을 영구적인 기준으로 보는 것은 위험하다. [24:46]

14. 장기 보유와 유동적인 세컨더리 시장의 충돌

• 벡은 벤처 성과가 평균적으로 10년 이상 뒤에 확정되고 최고의 기업일수록 비상장 상태를 오래 유지하므로, 향후 3년의 성장률만으로 장기 투자 대상을 바꾸는 판단에 반대한다. [25:34]
• 진행자는 유동성과 가격이 높아진 세컨더리 시장에서 작은 펀드는 조기에 지분을 매각할 수 있다고 반박하며, 장기 보유 중심의 세쿼이아와 다른 방식으로 수익을 실현할 수 있다고 주장한다. [26:16]

15. 빠른 토론과 느린 사고를 결합한 투자위원회

• 세쿼이아는 약 50년 동안 월요일 투자위원회를 운영해 왔지만, 최근에는 메모를 공유한 뒤 모든 파트너가 문서에 비동기적으로 의견을 남기고 필요할 때 회의를 소집하는 방식을 실험한다. [27:34]
• 실시간 투자위원회는 빠른 사고에 유리하고 비동기 문서는 느리고 독립적인 사고에 유리하므로, 두 방식을 결합해 순차 발언의 편향을 줄이고 파트너십 전체의 판단을 끌어내려 한다. [28:20]

16. 투자위원회 투표와 담당 파트너의 최종 책임

• 투자위원들은 토론 전에 독립적으로 피드백과 점수를 제출해 집단 의견에 휩쓸리지 않은 초기 판단을 남기고, 토론 후 다시 투표한다. [30:27]
• 최종 투자 결정권은 담당 파트너에게 있으므로 낮은 점수가 나와도 투자를 진행할 수 있지만, 그만큼 강한 확신과 결과에 대한 책임이 필요하다. [30:43]

17. 조직 전체의 투자로 만드는 협업과 충돌

• 개별 파트너의 거래가 아니라 조직 전체의 투자로 받아들여야 다른 파트너들도 핵심 인맥을 기꺼이 연결하고 회사 성장을 공동으로 지원한다. [31:22]
• 격렬한 반대와 거친 피드백은 담당자의 확신을 시험하는 장치이며, 위험을 감수할 용기가 사라지면 포트폴리오가 평범한 투자로 채워질 수 있다. [32:38]

18. 만장일치가 만드는 위험과 사전 부검

• 모든 위원이 비슷하게 높은 점수를 주는 상황은 오히려 위험하며, 뛰어난 창업자는 투자자가 듣고 싶어 하는 서사에 맞춰 발표를 구성할 수 있다. [33:33]
• 악마의 변호인을 지정해 투자 실패 원인과 향후 감당해야 할 결과를 미리 작성하는 사전 부검을 거치면 집단적 낙관론의 허점을 찾을 수 있다. [33:56]

19. 취약성을 통한 창업자 이해

• 짧은 만남에서 회사 발표보다 창업자 개인의 특별한 강점과 예외적 잠재력을 찾아야 하며, 좋은 회사를 놓치는 누락 오류가 잘못 투자하는 오류보다 더 치명적일 수 있다. [34:49]
• 먼저 자신의 가족사와 어려움을 솔직하게 공유하면 창업자도 방어적인 발표에서 벗어나 개인적 동기와 경험을 드러낼 가능성이 커진다. [35:25]

20. 반복적인 질문으로 진정성과 사기 징후 판별

• 공개된 투자 기준을 학습한 창업자는 원하는 답을 연출할 수 있으므로, 같은 선택과 동기에 대해 ‘왜’를 반복해 답변의 일관성과 진정성을 확인해야 한다. [37:20]
• 스탠퍼드 진학을 포기했다는 이력을 깊이 묻자 말의 속도와 몸짓에서 불안이 나타났고, 며칠 뒤 기존 투자자들을 통해 해당 창업자의 사기 사실이 확인됐다. [38:23]

21. 호감도와 창업자의 돌출 강점 분리

• 창업자를 좋아하는지와 그 창업자가 수익을 만들 수 있는지는 별개의 축이며, 비호감이나 오만함만으로 투자 가능성을 배제하면 안 된다. [39:58]
• 오만함이 탁월한 능력에서 발생하는 비용이라면 감수할 수 있지만, 뚜렷한 돌출 강점 없이 약점을 감추는 수단이라면 위험 신호가 된다. [40:20]

22. 창업자 오판과 의도적인 면담 설계

• 초기 창업자는 발표력과 사업 구상이 느슨해 보여도 함께 일했던 사람들의 평판에서 강한 잠재력이 드러날 수 있어, 초기 단계일수록 레퍼런스의 비중이 커진다. [40:45]
• Lovable 창업자와의 식사에서는 명확한 질문 계획 없이 대화를 나눈 탓에 특별한 자질을 발견하지 못했고, 비구조적인 만남이 과소평가로 이어졌다. [41:20]

23. 국가별 표현 방식과 평가 점수 보정

• 창업자의 단정적인 화법과 영업 방식은 문화권마다 다르므로, 미국식 자신감을 보편적인 역량 기준으로 적용하면 신중한 유럽 창업자를 잘못 평가할 수 있다. [42:17]
• 독일 고객들은 제품에 만족해도 개선 여지를 이유로 일관되게 7점을 줬으며, 프랑스·독일 평가는 상향하고 미국 평가는 하향해 해석할 필요가 있었다. [43:05]

24. 고정된 배경보다 성장 궤적과 이동 거리

• 어린 창업자와 경험 많은 운영자를 같은 기준으로 비교하면 안 되며, 현재 위치보다 과거부터 어떤 방향과 속도로 성장했는지가 미래 잠재력을 판단하는 핵심이다. [44:20]
• 같은 명문 기술학교 출신이라도 특권적 환경에서 자란 사람과 여러 보호시설을 거쳐 도달한 사람은 이동 거리가 다르며, 후자의 과거는 역경을 통과한 성장 궤적을 보여준다. [45:04]

25. 최고·최악의 레퍼런스로 얻는 입체적 평판

• 최고의 추천인이 누구인지 물은 뒤 최악의 추천인과 그 이유까지 확인하면, 창업자가 자신의 강점과 갈등을 얼마나 명확하게 이해하는지 드러난다. [46:30]
• 최악의 추천인을 솔직하게 밝힌 창업자는 해당 인물과 직접 통화했을 때 더 풍부한 맥락을 제공하며, 레퍼런스의 목적은 완벽함이 아니라 선명한 이해에 있다. [47:05]

26. 평가자의 수준이 결정하는 레퍼런스 품질

• 체스의 엘로처럼 높은 수준에 도달한 사람은 짧은 상호작용만으로도 다른 최상위 인재를 식별하지만, 역량 차이가 큰 평가자는 뛰어남과 평범함을 구분하기 어렵다. [48:07]
• 예외적인 창업자인지를 확인하려면 충분히 괜찮은 사람이 아니라 스스로 예외적 성과를 낸 사람에게 물어야 하며, 평가자의 성격과 실제 성취도도 분리해서 해석해야 한다. [48:54]

27. 방향·크기로 보는 잠재력과 지속적인 겸손

• 사람을 벡터로 보면 방향은 일을 하는 이유와 목적지를, 크기는 야망과 고통을 견디며 계속 나아갈 힘을 뜻하며, 두 요소가 미래 궤적을 예측한다. [49:46]
• 상장에 성공한 거의 모든 회사를 과거에 한 번씩 검토하고도 다수에 투자하지 못했다는 사실은, 모든 창업자 미팅에 준비와 에너지를 쏟아야 할 이유가 된다. [50:30]

28. 운영자·창업자 구분과 다차원적 인재 평가

• 유명 AI 기업에서 제품을 출시하고 좋은 평판을 얻은 이력은 뛰어난 운영자를 증명할 수 있지만, 불확실성을 감수하며 회사를 세울 뛰어난 창업자 역량까지 보장하지 않는다. [51:33]
• 인재 판단에는 지능과 감성뿐 아니라 복잡한 시스템에서 해법을 찾는 판단력, 정치적으로 복잡한 환경을 헤쳐 나가는 능력도 필요하며 후자의 두 요소가 더 중요할 수 있다. [52:20]

29. 인간 트래픽을 넘어서는 에이전트 고객

• AI 도입 3년 만에 에이전트 트래픽이 인간 트래픽과 비슷한 수준에 도달했고, 5년 뒤에는 천 배에 이를 수 있어 기업이 새로운 수요 주체로 에이전트를 다뤄야 한다. [54:19]
• 에이전트는 지금은 편의를 위해 업무를 위임받지만 지능이 높아질수록 인간보다 나은 결정을 내리며, 고객 의도를 매출로 바꾸는 주체까지 맡을 수 있다. [55:00]

30. 에이전트의 편향과 새로운 병렬 경제

• UI 소멸과 가격 경쟁만 예상하는 관점과 달리 에이전트도 학습 데이터와 인간 피드백에서 형성된 편향을 가지며, 이미 호스팅 선택에서 특정 기업을 선호한다. [56:14]
• 에이전트의 선택이 기업 가치에 영향을 줄 수 있어 모델별 의사결정 편향을 분석하고, 검색 최적화처럼 대화형 인터페이스에서 기업을 노출하는 새로운 시장이 형성된다. [57:03]

31. 기업용 소프트웨어의 전환 비용과 도입 속도

• 항공권 예약처럼 단순한 작업은 공급자를 쉽게 바꿀 수 있지만, 데이터베이스는 데이터 중력·기업 통제·누적된 신뢰 때문에 전환 비용이 크다. [1:00:02]
• 기업은 새로운 제품을 예상보다 천천히 구매하며, AI 에이전트의 도구 선택 능력도 인간 수준에 가까워진 코딩 분야에 우선 집중돼 있다. [1:01:13]

32. 불확실한 애플리케이션과 확실한 인프라의 공존

• 애플리케이션 승자는 아직 불확실하지만 Fireworks·ClickHouse 같은 인프라는 어떤 상위 서비스가 성공하더라도 사용될 가능성이 커 투자 확신이 상대적으로 높다. [1:01:39]
• 인프라는 AI 혁명 초기의 수요를 빠르게 흡수하고, 애플리케이션은 고객 업무에 깊이 자리 잡아 시간이 지날수록 크고 끈끈한 사업으로 성장할 수 있다. [1:02:44]

33. 기술 업계를 넘어 실물경제로 확장되는 고객층

• 비기술 기업의 사용 비중이 높아지는 현상은 제품이 초기 기술 수용자 집단을 벗어나 보편적인 수요를 확보했다는 강한 신호다. [1:03:25]
• Rillet의 비기술 기업 공략 사업에서는 세차장과 경매 회사가 빠르게 유입됐으며, AI 선도 기업과 일반 사업체를 동시에 고객으로 확보하는 전환점이 생겼다. [1:03:49]

34. AI 제품의 마진과 모델 선택 기준

• 현재 인간 대상 AI 애플리케이션은 최첨단 모델의 성능에 의존하지만, 항공권 변경 같은 제한된 업무는 장기적으로 200 IQ 수준의 모델을 필요로 하지 않는다. [1:04:52]
• 오픈웨이트 모델로 충분한 업무는 비용 효율화를 시작해야 하지만, 아직 인간 수준에 도달하지 못한 업무는 고객 신뢰와 제품 우위를 위해 일시적인 마이너스 매출총이익도 감수할 수 있다. [1:05:39]

35. 소프트웨어가 서비스 결과를 직접 판매하는 전환

• 차세대 초대형 기업은 서비스 회사처럼 보이면서도 실제로는 소프트웨어 경제성을 갖추고, 도구가 아니라 완성된 업무 결과를 판매할 가능성이 크다. [1:06:56]
• 회계 소프트웨어에 약 2천 달러를 지불하면서 장부 마감 서비스에는 약 1만5천 달러를 쓰는 구조에서는, 소프트웨어 기업이 도구의 1달러보다 서비스의 6달러를 흡수할 기회가 생긴다. [1:07:47]

36. 고객지원에서 현실화된 오토파일럿 모델

• 고객지원 시장은 이미 업무 결과를 판매하는 오토파일럿 단계에 진입했으며, 관련 기업들의 연간 반복 매출은 합계 약 10억 달러에 이른다. [1:08:30]
• Sierra는 건당 약 50달러가 들던 항공사 문의 해결 비용을 대폭 낮추고, 초기 보조 모드에서 전체 업무 흐름을 처리하는 자동화로 전환해 도구 사용료가 아닌 해결 결과에 과금한다. [1:08:47]

37. 모호한 업무와 인간 판단의 데이터화

• 영업·마케팅처럼 성과 원인을 명확히 분리하기 어려운 업무는 검증 가능한 지능만으로 자동화하기 어렵고, 경험·취향·몸짓을 해석하는 인간 판단이 여전히 필요하다. [1:09:39]
• 코파일럿이 인간의 판단 과정에 참여하며 피드백을 축적하면, 오늘의 암묵적인 판단을 학습 가능한 데이터로 바꿔 내일의 자동화 지능으로 만들 수 있다. [1:10:50]

38. AI 구현 수요와 인간을 남기는 자동화

• AI 도입이 늘면서 시스템 통합 전문가와 현장 배치 엔지니어 채용도 증가했으며, 이는 기업 구현 과정에 인간의 손과 판단이 여전히 많이 필요하다는 뜻이다. [1:11:28]
• AI 기반 구현 도구는 한 사람이 과거 열 명의 업무를 수행할 정도로 생산성을 높이지만, 최종 판단은 인간이 맡고 조직 구성은 ‘많은 인간과 적은 AI’에서 ‘많은 AI와 적은 인간’으로 이동한다. [1:12:03]

39. 더 작은 팀과 더 많은 일자리의 역설

• AI는 기존 팀 규모를 줄이고 새로운 직무를 만들지만, 모델 업데이트만으로 특정 세대의 작업이 빠르게 대체될 수 있어 과거 산업혁명보다 전환 속도가 훨씬 빠르다. [1:12:51]
• 소프트웨어 개발 비용이 낮아지자 오히려 더 많은 아이디어가 제품으로 만들어지는 제번스 역설이 나타났고, 실제 소프트웨어 엔지니어 채용도 사상 최고 수준을 기록했다. [1:13:45]

40. 기존 서비스 기업의 소프트웨어 전환 한계

• 기존 서비스 기업이 데이터를 모아 AI 소프트웨어 기업으로 전환하는 전략은 수익을 낼 수 있어도, 최첨단 인재를 끌어들이고 필요한 데이터를 활용하기 어렵다는 한계가 있다. [1:14:31]
• 처음부터 AI 제품을 설계한 창업팀은 뛰어난 인재와 제품을 기반으로 유통 경로를 찾아낼 수 있으며, 고객의 구매 선택으로 기존 사업자를 넘어설 가능성이 크다. [1:15:09]

41. 벤처캐피털과 사모펀드가 노리는 결과의 차이

• 미국 AI 연구소에서는 직원들이 유망 기업 사이를 자주 이동하지만 유럽에서는 근속과 충성도가 상대적으로 높아, 지역별 인재 확보 방식에 차이가 생긴다. [1:15:22]
• 사모펀드는 데이터가 있는 기존 기업을 개선해 안정적인 사업을 만들 수 있지만, 벤처투자가 목표로 하는 차세대 1조 달러 기업과는 기대 결과가 다르다. [1:16:15]

42. 과잉 투자 시장과 차세대 투자 영역

• 법률 AI에는 유사 기업이 지나치게 많고 Harvey처럼 유통망이 넓은 선두 기업이 유리하지만, 특허법처럼 전문성이 높은 영역에서는 법률 시장의 세분화가 새로운 대형 기업을 만들 수 있다. [1:17:01]
• 두뇌-컴퓨터 인터페이스는 뛰어난 인재가 이동하는 차세대 영역이며, 코딩 에이전트 시장에서는 모델 후학습과 기술 스택 내재화를 일찍 추진한 Cursor가 강한 위치를 차지한다. [1:18:23]

43. 투자 실패에서 얻은 시장 규모의 교훈

• Trade Republic을 검토하면서 Revolut이 시장을 장악할 것이라 판단했지만, 두 회사는 실제로 직접 경쟁이 제한된 채 각각 큰 사업을 구축했다. [1:19:39]
• 시장을 승자독식으로 오해하고 전체 범주 규모를 과소평가하면 유망 기업을 놓치며, 대기업이 성장 후 인프라를 직접 구축할 것이라는 가정도 전환 비용을 무시한다. [1:20:01]

44. 창업자의 강도와 Revolut 투자 경쟁

• 큰 회사를 만드는 과정은 매우 어렵기 때문에 타협할 수 없는 창업자 특성은 강도이며, 투자 경쟁에서는 상대 펀드와 관계없이 항상 최선의 역량을 투입해야 한다. [1:20:41]
• Revolut의 니콜라이에게서 강한 집념이 즉시 드러났고, 이메일에 답하지 않는 창업자를 만나기 위해 사무실 근처에서 기다릴 만큼 치열하게 투자를 추진했지만 경쟁사에 거래를 빼앗겼다. [1:21:11]

45. 개인 투자로 이어진 확신과 가족의 성과

• Revolut이 PayPal보다 커질 수 있다는 확신으로 개인 투자를 요청했지만 자금이 부족했고, 어머니가 투자금을 제공하는 대신 수익을 절반씩 나누자는 조건으로 참여했다. [1:23:01]
• 약 1억8천만~2억 달러 가치에서 투자한 지 10년 뒤 기업가치는 1천억 달러를 넘었고, 어머니는 대부분의 지분을 매각해 74세에 은퇴했다. [1:23:30]

46. 독립적인 투자 관점과 AI 과학의 미래

• Sequoia 내부에는 단일한 AI 관점이 없으며, 서로 반대되는 주장을 허용해야 투자자와 브랜드가 뚜렷한 정체성을 갖고 개성 강한 창업자를 끌어들일 수 있다. [1:25:53]
• AI가 현재의 약 120 IQ 수준에서 500 IQ 수준으로 발전하면 생명과학·생물학·만성질환 분야의 난제를 풀 가능성이 커지고, 오늘의 단기적 우려보다 인류에 미치는 변화를 훨씬 크게 만들 수 있다. [1:27:09]

🧾 결론

• 세쿼이아의 차별점은 유명세 자체보다 기회를 먼저 찾는 집요함, 창업자를 입체적으로 판별하는 방법, 반대 의견을 견디는 투자 구조의 결합에 있다.
• 장기 성과를 좌우한 것은 투자 금액이나 지분율의 미세 조정보다 담당 파트너가 가장 강한 확신을 가졌던 기업이었다. 다만 확신은 직관만이 아니라 독립적 검토와 반대 논리를 통과해야 한다.
• 뛰어난 창업자는 현재 점수가 높은 사람이 아니라 강한 목적과 야망을 바탕으로 먼 거리를 빠르게 이동해 온 사람이며, 그 잠재력은 구조화된 면담과 수준 높은 레퍼런스를 통해 더 선명하게 드러난다.
• AI 시대에는 성장 속도가 빨라져도 장기 보유의 중요성이 사라지지 않는다. 초기의 수직 성장을 영구 추세로 오해하지 않으면서도 기존 선형 기준으로 새로운 시장의 크기를 과소평가하지 않는 균형이 필요하다.

📈 투자·시사 포인트

• AI 기업의 높은 밸류에이션은 가격만으로 판단하기보다 검증된 매출·고객 데이터, 독창적 기술, 대체 불가능한 창업자, 다음 기술 이정표까지의 도달 가능성을 함께 비교해야 한다.
• 물리적 AI와 하드웨어는 매출 발생이 느리고 자본 소요가 크므로 단기 성장률보다 작동하는 프로토타입을 만드는 속도와 공동 투자자들이 다음 이정표까지 지원할 구조가 중요한 지표가 된다.
• 신규 역량을 창출한 AI 시장은 빠르게 성장할 수 있지만 보급 이후에는 대체 시장으로 전환되며 성장률이 정상화될 수 있다. 현재 매출 증가율과 장기 시장 지배력을 동일시해서는 안 된다.
• 애플리케이션의 최종 승자가 불확실한 구간에서는 여러 상위 서비스가 공통으로 사용하는 인프라가 상대적으로 명확한 수요를 확보할 수 있다. 반대로 애플리케이션은 고객 업무에 깊이 정착하면 더 크고 끈끈한 사업이 될 가능성이 있다.
• 에이전트가 구매와 도구 선택의 주체가 되면 기업은 인간용 화면뿐 아니라 모델이 정확히 읽고 선택할 수 있는 정보 구조를 설계해야 한다. 에이전트의 선택 편향을 분석하고 대화형 인터페이스에서 노출을 최적화하는 시장도 투자 영역이 될 수 있다.
• 도구 사용료보다 해결된 업무 결과에 과금하는 모델은 기존 서비스 지출을 소프트웨어 매출로 흡수할 가능성이 있다. 고객지원처럼 결과를 명확히 측정할 수 있는 분야가 먼저 자동화되고, 모호한 업무는 인간 피드백을 데이터화하는 코파일럿 단계를 거칠 가능성이 크다.

⚠️ 불확실하거나 확인이 필요한 부분

• 에이전트 트래픽이 5년 뒤 인간 트래픽의 천 배에 이를 수 있다는 전망과 AI가 약 500 IQ 수준에 도달할 수 있다는 전망은 방향성 가설이며, 실현 시점과 측정 기준이 제시되지 않았다.
• 1년 만에 매출 1억 달러에 도달한 AI 기업과 고객지원 기업들의 합계 연간 반복 매출 약 10억 달러 같은 수치는 개별 기업, 산정 시점, 중복 여부를 원자료로 확인필요가 있다.
• 담당 파트너의 강한 확신이 최고의 수익과 연결됐다는 내부 분석은 흥미롭지만, 분석 대상 펀드·기간·실패 사례와 생존자 편향을 검토할 수 있는 구체적 데이터는 제공되지 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

• 창업자 면담 전에 동기, 산업 역사 이해, 돌출 강점, 성장 궤적, 최악의 추천인을 검증할 질문을 구조화하고 동일한 핵심 선택에 대해 반복적으로 ‘왜’를 묻는다.
• 투자 검토자는 토론 전에 독립 점수와 반대 근거를 제출하고, 토론 후 재평가해 순차 발언과 권위에 따른 집단 편향을 줄인다.
• 높은 합의가 형성된 투자안에는 악마의 변호인을 지정하고 실패 원인, 손실 경로, 감당해야 할 결과를 적는 사전 부검을 실시한다.
• AI 기업을 평가할 때 매출 성장률을 신규 시장과 대체 시장으로 분해하고, 밸류에이션보다 기술 이정표 도달 속도와 고객 유지 구조를 별도로 추적한다.

❓ 열린 질문

• 담당 파트너의 강한 확신과 근거 없는 과신을 실제 투자위원회에서는 어떤 지표와 절차로 구분할 수 있는가?
• 창업자의 문화적 표현 차이를 보정하면서도 강도, 진정성, 영업 역량을 일관되게 비교할 수 있는 평가 체계는 가능한가?
• AI 기업의 초고속 성장이 신규 시장 창출에서 나온 것인지 기존 지출의 대체에서 나온 것인지 어느 시점에 가장 정확히 판별할 수 있는가?