Building an Autonomous Enterprise for Real-World Services with Netic Founder Melisa Tokmak
Quick Summary
Netic은 고객 요청을 사업 규칙과 현장 인력에 연결하는 도메인 특화 AI로, 필수 서비스 기업의 운영을 자율 기업으로 전환하려 한다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 결론
Netic은 고객 요청을 사업 규칙과 현장 인력에 연결하는 도메인 특화 AI로, 필수 서비스 기업의 운영을 자율 기업으로 전환하려 한다.
📌 핵심 요점
- Netic은 전화·문자·웹으로 들어오는 요청의 맥락을 파악하고 장비, 긴급성, 고객 가치, 기술자 전문성을 종합해 서비스를 배치한다.
- 고객사의 70% 이상이 모든 최종 고객의 첫 접점을 Netic 에이전트에 맡길 만큼, 제품의 역할은 통화량 초과 처리에서 AI 우선 운영으로 확대됐다.
- 경쟁력은 기반 모델 하나가 아니라 실행 하네스, 오케스트레이션, 고객별 소프트웨어와 제품을 결합하는 마지막 마일에서 형성된다.
- 목표는 현장 노동 자체를 대체하는 것이 아니라 고객 응대와 운영을 자율화해 기술자가 서비스 품질과 인간적인 대응에 집중하도록 만드는 것이다.
- Netic은 비용 절감뿐 아니라 신규 매출 창출을 지향하며, 실제 AI 처리 상호작용에서 고객사 매출 6억 달러 이상이 발생했다고 제시한다.
🧩 배경과 문제 정의
- HVAC·배관·전기·반려동물 관리 같은 필수 서비스 기업은 수백만 고객을 상대하지만, 고객 응대부터 현장 인력 배치까지 복잡한 운영을 여전히 대규모 인력에 의존한다.
- 긴급 요청과 계절성 수요가 몰릴 때 응답이 늦어지면 고객은 곧바로 경쟁사로 이동하며, 인력 증원은 기업의 마진과 성장성을 동시에 압박한다.
- Netic은 음성·문자·웹으로 들어오는 고객 요구를 사업 규칙 및 현장 노동력과 연결해, 필수 서비스 기업의 운영을 자율적으로 실행하는 제품을 지향한다.
🕒 시간순 섹션별 상세정리
1. 필수 서비스 기업의 고객과 운영을 연결하는 Netic
- Netic은 세상을 유지하는 수백만 개의 현실 사업체를 AI로 운영하는 것을 목표로 하며, 우선 대형 필수 서비스 기업을 고객으로 삼는다. [00:45]
- HVAC·배관·전기·숙박·자동차·반려동물 관리 기업과 고객 사이에서 요구를 파악하고, 사업 규칙에 맞는 서비스와 현장 인력을 연결한다. [01:43]
2. 긴급 HVAC 요청에서 현장 배치까지
- 영하 20도에 난방이 멈춘 상황에서는 신뢰할 수 있는 업체를 신속히 찾아야 하며, 아이나 고령자가 있는 가정은 대응 지연의 위험이 더 크다. [02:09]
- 고객은 전화·문자·웹 등으로 연락하고, Netic 에이전트는 주택 형태와 기존 기록을 확인해 요청의 맥락을 수집한다. [02:37]
- 장비 종류·방문 시급성·서비스 가능 여부·고객 생애가치·기술자의 전문 분야를 함께 판단해야 고객 만족과 기업 매출을 모두 높일 수 있다. [03:00]
3. 인력 중심 운영의 병목과 AI 우선 전환
- 기존 기업은 고객 지원을 위해 수백 명을 계속 늘려야 했고, 사모펀드가 소유한 EBITDA 중심 사업에서는 이 비용이 마진과 현장 기술자 투자를 압박한다. [04:12]
- 업무가 시작되는 새벽에는 담당자가 부족하고 결근·퇴사가 겹치기 쉬운데, 폭염이나 한파 같은 성수기에는 고객 요청까지 급증해 연간 수익을 확보할 기회를 놓칠 수 있다. [05:10]
- 초기에는 통화량 초과분을 처리하는 용도로 도입했지만, 현재 고객사의 70% 이상은 모든 최종 고객의 첫 접점을 Netic 에이전트에 맡기는 AI 우선 방식으로 운영한다. [06:09]
4. 현실 산업과 자율 실행 AI를 결합한 창업 동기
- 사업 방향은 현실에 만들고 싶은 변화, 창업자의 기술 역량, 제품이 도달할 수 있는 규모라는 세 가지 기준에서 결정됐다. [06:54]
- Scale AI에서 정부·물류·제조·금융·의료 사업을 구축한 경험과 튀르키예 소도시에서 현실 산업 종사자들과 성장한 배경이 기술 산업 밖의 실질적 문제에 집중하는 계기가 됐다. [07:41]
- 소비자를 보조하는 코파일럿을 넘어, 실패 비용이 큰 핵심 업무를 AI가 완전히 자율 실행하는 시스템이 아직 해결되지 않은 기술 과제로 남아 있다. [08:44]
5. 기업 롤업 대신 범용 제품을 선택한 이유
- Scale AI의 인프라 사업은 보람이 컸지만 운영 의존도가 높았고, 반복적으로 확장되며 가치가 누적되는 제품의 우위가 부족했다. [09:21]
- 기업 롤업의 핵심 역량은 인수합병이지만, 창업자의 강점은 인수보다 엔지니어링과 제품 구축에 있어 사업 방식과 개인 역량이 맞지 않았다. [09:38]
- 롤업용 기술은 인수한 소수 기업에 묶이기 쉽지만, Netic은 모든 현실 사업체가 현장 노동과 서비스 품질에 집중하고 나머지 운영을 맡길 수 있는 범용 기반을 목표로 한다. [10:23]
6. 로봇이 대체하기 어려운 현실 서비스의 복잡성
- 현실 산업용 소프트웨어와 로봇은 같은 자동화 흐름의 서로 다른 장에 가깝고, 일부 서비스 현장에서 로봇이 노동을 대체하기까지는 수십 년이 걸릴 수 있다. [11:02]
- 기존 건물마다 구조가 달라 로봇이 작업하려면 환경의 대규모 표준화가 필요하며, 이를 이해한 제품을 만들기 위해 엔지니어가 고객 현장을 직접 방문한다. [11:22]
- 나사 종류·좁은 공간·벽 내부의 불확실성은 높은 손재주와 즉석 판단을 요구하고, 침수나 고장으로 스트레스를 겪는 고객에게는 인간적인 대응도 필요하다. [12:03]
7. 범용 AI 연구소와 도메인 특화 기업의 차이
- 대형 AI 연구소는 챗봇이나 코딩 에이전트 같은 핵심 역량을 직접 구축할 수 있지만, 필수 서비스의 세부 운영까지 모두 투자하지는 않으므로 Netic에는 경쟁자보다 기술 파트너에 가깝다. [13:36]
- 필수 서비스 기업은 장기간 유지되는 안정적인 제품을 필요로 하지만, 연구소는 제품을 빠르게 만들고 종료하거나 다수의 엔터프라이즈 제품으로 초점을 분산할 수 있다. [14:09]
- 연구소와 연구자는 가장 일반화 가능한 해법을 우선해 필수 서비스 문제도 AGI 이후 해결하려는 방향으로 기울 수 있으며, 이는 현재의 구체적인 현장 운영 수요와 거리가 있다. [14:55]
8. 다양한 고객을 상대하는 AI의 마지막 마일
- 수백만 고객은 걱정·억양·맥락·선호하는 소통 방식이 서로 다르며, 일회성 응대를 넘어 반복 고객으로 전환하려면 개인별 맥락을 반영해야 한다. [15:06]
- 이 마지막 마일은 모델만으로 해결되지 않으며, 실행 하네스와 오케스트레이션, 그 위의 소프트웨어와 제품까지 세 계층을 모두 잘 만들어야 한다. [15:22]
9. 단기 매각 중심 사고가 약화시키는 창업 의지
- AI 연구소의 로드맵을 지나치게 의식하는 창업자가 늘면서 새로운 버티컬 시장 진입을 피하고, 연구소와 직접 경쟁할 가능성이 있는 제품도 스스로 포기한다. [15:40]
- 즉각적인 매각 가능성을 우선하는 창업은 미션 선택과 장기 확장을 뒤로 밀지만, 창업자의 역할은 하나의 문제에 수십 년간 삶을 투자할 각오를 요구한다. [16:08]
- 단기간에 회사를 매각할 수 있는지를 중심으로 기회를 판단하면, 어려운 문제를 오래 붙들고 제품과 조직을 성장시키는 창업의 본질에서 멀어진다. [16:40]
10. 장기 실행력과 장인정신을 중심으로 한 인재상
- Netic은 고객에게 장기적으로 집착하면서 스스로 일을 시작하는 주도성, 문제를 빠르게 푸는 긴박감, 끝까지 밀고 갈 엄밀함과 인내를 함께 갖춘 사람을 찾는다. [17:00]
- 18개월 안에 돈을 벌지 못하거나 6개월 안에 모든 것을 배우지 못하면 영원히 뒤처진다는 불안은 위험하며, 좋은 제품은 규모가 커진 뒤의 문제까지 수년간 겪고 개선해야 완성된다. [17:20]
- 구두에 십자가를 붙이는 대신 최고의 구두를 만드는 장인처럼, 고객 문제를 가장 잘 푸는 제품에 집중하면 작고 결속력 있는 팀도 더 적은 자원으로 큰 성과를 낼 수 있다. [18:24]
11. 반복된 행동으로 검증하는 주도성과 끈기
- 주도성은 한 번의 특별한 사례가 아니라 대학 진학, 개인 프로젝트, 학업과 일처럼 삶의 여러 단계에서 스스로 시작하고 지속한 행동의 패턴으로 판단한다. [19:18]
- ‘살면서 가장 어려웠던 일’에 대한 답은 화려한 업무 성과보다 통제할 수 없는 상황에 어떻게 반응했고, 자신이 통제할 수 있는 부분을 붙잡아 미래를 바꿨는지를 드러낸다. [20:46]
- 한 채용자는 일과 건강, 동료에 대한 책임을 매일 같은 방식으로 15년 넘게 지킨 일을 가장 어려운 도전으로 꼽았고, 지루함을 견디며 중요한 일에 헌신한 시간이 강한 실행력의 근거가 됐다. [21:44]
12. 인간의 서비스에 집중시키는 자율 기업
- Netic의 장기 목표는 실제 서비스와 육체노동 같은 인간의 역할을 제외한 기업 운영 전반을 자율화해, 현장 인력이 서비스 품질과 고객 만족에 집중하도록 만드는 것이다. [22:35]
- 모든 제품은 서로 연결되는 지능 계층 위에서 데이터를 축적하며 자율 기업이라는 목표에 기여하고, 회사가 성장해도 뛰어난 사람과 장인정신 중심의 문화를 유지하는 일이 핵심 과제로 남는다. [23:10]
13. 전통 산업의 현장성과 첨단 데이터의 결합
- 전통적이라고 여겨지는 서비스 산업에도 기술과 사업 가치에 민감한 경영자가 많으며, 약 50만 달러 규모의 계약이 가치 검증을 거쳐 14일 만에 체결된 사례가 빠른 도입 가능성을 보여준다. [24:15]
- 대형 지붕 시공업체는 방문 영업이라는 현장 방식을 유지하면서도 인바운드·아웃바운드·분석·작업 전달을 통합하고, 위성 데이터로 허리케인 피해와 지붕 자재 정보를 파악해 상담 품질과 잠재 고객 선별을 개선한다. [25:29]
- 사모펀드가 서로 다른 업종의 기업 20~30개를 보유하면 고객의 반려동물 선호 같은 맥락을 웰니스 상품과 결합해, 포트폴리오 기업 간 제안을 개인화하고 추가 매출 기회를 만들 수 있다. [26:50]
14. 사모펀드의 AI 투자 기준과 실제 ROI
- 저평가된 기업을 찾아 경영진을 교체하고 배수를 높여 되파는 기존 방식은 숨은 우량 기업이 줄면서 한계에 부딪혔고, 포트폴리오 기업에서 직접 측정 가능한 가치를 만드는 전략이 중요해졌다. [27:49]
- AI를 일주일짜리 소프트웨어 시험처럼 평가하면 초기 변동에 휘둘리기 쉬우며, 실제 기준은 1년 동안 성과가 유지·개선되는지와 허위 기술을 실질적인 투자수익률에서 분리할 수 있는지다. [28:29]
- 데모 대신 실제 배포 환경과 고객 상호작용을 공개하고, AI가 처리한 상호작용에서 고객사 매출 6억 달러 이상이 발생한 결과를 보여주면 사모펀드도 기술을 학습해 포트폴리오 기업의 도입을 구체적으로 이끌 수 있다. [29:54]
15. 비용 절감을 넘어 신규 매출을 만드는 AI
- 사모펀드는 소유 기업에 AI 도입을 강제하기 어려우므로, 기업과 직접 관계를 맺고 점검 기준과 방향을 제공하는 조언자 역할이 현실적이다. [30:16]
- 초기 논의는 여전히 비용 절감에 치우치지만, Netic 같은 플랫폼은 운영비를 줄이는 데 그치지 않고 새로운 매출을 만드는 경로를 목표로 한다. [30:51]
- 구체적인 사례가 없으면 논의가 손익 개선에 머무르므로, AI의 가능성을 수익 창출까지 넓혀야 하며 비용 절감만을 목적으로 쓰는 것은 지나치게 제한적이다. [31:09]
16. 교육 접근성 확대와 AI의 긍정적 사회 활용
- 기술 접근이 제한됐던 시절에도 미국 대학에 진학한 같은 고교 출신에게 에세이와 작업물 피드백을 받으며 교육 기회를 넓힐 수 있었고, AI는 이런 학습 자원을 누구나 손안에서 이용할 가능성을 키운다. [31:34]
- AI가 배우고 시도하는 데 필요한 자원 장벽을 낮춰도 실제 행동 여부는 개인의 선택에 달려 있으며, 기회가 쉬워져도 다수는 이를 활용하지 않을 가능성이 있다. [33:03]
- AI는 삶의 가장 힘든 순간에 필요한 지원, 교육 기회, 건강 기록 이해 같은 실질적 도움을 제공할 수 있으며, 일자리 소멸에 치우친 담론을 긍정적 영향 중심으로 전환할 여지가 있다. [34:04]
🧾 결론
- 자율 기업은 범용 AGI를 기다리기보다 긴급 고객 응대와 현장 배치처럼 가치와 실패 비용이 분명한 업무에서 먼저 구현될 가능성이 크다.
- 도메인 특화 기업의 방어력은 모델 자체보다 사업 규칙, 고객 맥락, 배포 경험, 현장 데이터가 누적되는 운영 계층에서 나온다.
- 현실 서비스에서는 로봇이 육체노동과 공감을 빠르게 대체하기 어려우므로, AI와 인간의 역할 분리는 운영 자동화와 현장 서비스의 결합으로 전개될 가능성이 높다.
- 장기간 안정적으로 작동해야 하는 엔터프라이즈 제품에는 단기적인 기술 유행보다 고객 집착, 엄밀한 실행, 장인정신을 유지하는 조직이 중요하다.
📈 투자·시사 포인트
- 사모펀드 포트폴리오처럼 유사한 운영 병목을 가진 여러 기업에 제품을 반복 배포할 수 있다면 계약 확대와 데이터 축적이 함께 일어날 수 있다.
- 약 50만 달러 규모 계약이 가치 검증 후 14일 만에 체결된 사례는 전통 산업에서도 명확한 ROI가 제시되면 도입 속도가 빨라질 수 있음을 보여준다.
- AI 처리 상호작용에서 발생한 고객사 매출 6억 달러 이상은 배포 규모를 보여주지만, 순증 매출과 수익성 개선을 판단하려면 대조군과 장기 성과가 추가로 필요하다.
- 포트폴리오 기업 간 고객 맥락을 활용한 개인화는 추가 매출의 기회인 동시에 데이터 통합, 정확성, 기업별 사업 규칙 관리 역량을 시험하는 지점이다.
⚠️ 불확실하거나 확인이 필요한 부분
- 고객사의 70% 이상이 AI 우선 방식으로 운영한다는 수치에는 전체 고객사 수, 측정 시점, 완전 자동화와 인간 개입의 구분이 제시되지 않았다.
- AI가 처리한 상호작용에서 고객사 매출 6억 달러 이상이 발생했다는 설명만으로는 AI가 만든 순증 매출, 기존 수요의 전환, 비용과 이익 기여도를 분리하기 어렵다.
- 약 50만 달러 계약의 14일 내 체결 사례는 빠른 도입 가능성을 보여주지만, 갱신률과 확장 매출, 장기 사용 성과는 확인되지 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
- 도입 또는 투자 검토 시 자동 해결률, 인간 전환율, 예약 완료율, 순증 매출, 고객 유지율을 동일 기간의 기준선과 비교한다.
- 폭염이나 한파를 포함한 충분한 기간에 파일럿을 운영해 수요 급증 시 응답 속도와 현장 배치 정확성을 검증한다.
- 장비 종류, 고객 생애가치, 기술자 전문성, 긴급성 판단 등 사업 규칙별 자동 실행 범위와 인간 승인 조건을 문서화한다.
- 비용 절감만이 아니라 추가 예약, 반복 고객 전환, 교차 판매로 발생한 매출을 분리해 1년 단위 ROI를 추적한다.
❓ 열린 질문
- Netic은 첫 고객 접점 이후 견적, 결제, 재고, 기술자 일정, 사후 관리 가운데 어디까지 자율 실행하고 있는가?
- 난방 중단이나 침수처럼 실패 비용이 큰 요청에서 에이전트의 판단을 중단하고 인간에게 넘기는 기준은 무엇인가?
- 고객사의 업종과 규모가 달라질 때 공통 지능 계층과 기업별 사업 규칙을 어떤 방식으로 분리하는가?
