🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Uber CEO가 말하는 AI·Autonomous Vehicles·미래 교통의 핵심은 앱 안의 편의성을 넘어, 자율주행차와 드론 같은 물리 AI를 실제 공급망·도시 운영·배송 경험에 연결하는 능력이다.

📌 핵심 요점

1. 우버의 다음 전장은 단순한 차량 호출 앱이 아니라 AI가 현실 세계의 이동·배송을 실행하는 물리 플랫폼이며, 자율주행차와 드론은 그 중심 축으로 제시된다.
2. 다라 코스로샤히가 우버 CEO직을 받아들인 이유는 개인적 편안함보다 세계의 이동 방식과 수많은 운전자·배송원에게 미치는 임팩트가 더 컸기 때문이다.
3. 우버의 초기 정상화는 이사회 갈등, 규제기관·대중과의 신뢰 회복, 경영진 재구성처럼 거대한 혼란을 작은 문제들로 쪼개 해결하는 방식으로 진행됐다.
4. AI는 우버 내부에서 엔지니어링 생산성, 법무·마케팅 업무, 사용자 의도 예측, 통합 검색, 개인화된 앱 경험을 바꾸고 있지만, 토큰 비용과 모델 사용료라는 운영상 제약도 함께 만든다.
5. AV 경쟁에서 우버가 강조하는 핵심은 수요 집계뿐 아니라 공급 확보이며, 더 많은 차량·운전자·상점·식당·배송 인프라를 연결할수록 자율주행 시대의 플랫폼 가치가 커진다는 논리다.

🧩 배경과 문제 정의

• 우버가 마주한 과제는 디지털 플랫폼을 넘어, 자율주행차·드론·물리 AI가 이동과 배송 경험을 실제로 바꾸는 전환에 대응하는 것이다.
• CEO 역할은 혼란에 빠진 회사에서 통제권 다툼, 신뢰 회복, 경영 안정화, 경쟁 압박을 동시에 풀어야 하는 상황에서 시작됐다.
• 개인적 이민 경험과 가족의 재건 과정은 스트레스 관리, 일에 대한 몰입, 정체성과 성과를 분리하는 태도의 배경이 됐다.
• 자녀 세대는 같은 결핍이나 위기를 겪지 않을 수 있기에, 부모가 사랑과 보호를 주면서도 도전과 회복력을 어떻게 전할지가 중요한 문제로 남는다.

🕒 시간순 섹션별 상세정리

1. AI와 물리 세계가 만드는 우버의 다음 시장

• 우버의 매년 과제는 달라졌고, 현재 가장 큰 변화는 AI의 부상이다 [00:17]
• 플랫폼의 상호작용은 디지털에서 시작되지만, 실제 서비스 가치는 물리 세계에서 완성된다 [00:32]

2. 우버 CEO 제안이 ‘행복’보다 ‘임팩트’의 문제로 바뀐 과정

• 다라 코스로샤히는 익스피디아에서 13년을 보냈고, 처음에는 우버 CEO 제안을 받아들일 생각이 없었다 [01:12]
• 당시 우버는 계속 뉴스에 오르내릴 만큼 혼란이 큰 회사였다 [01:27]

3. 취임 직후의 혼란과 문제를 쪼개는 리더십 방식

• 취임 초기 우버는 트래비스 캘러닉 퇴진 이후 임원 위원회가 몇 달간 운영하던 상태였다 [03:44]
• 내부 문제, 외부 압박, 강한 경쟁이 동시에 겹쳐 있었다 [03:59]

4. 이사회·규제기관·직원 신뢰를 다시 묶은 구조 정비

• 론 슈거가 새 의장으로 합류하며 이사회 갈등을 조정할 중심축이 생겼다 [05:51]
• 이사회 논점은 회사 통제권 다툼에서 회사의 미래와 운명으로 옮겨갔다 [06:06]

5. 이민 경험과 공학적 사고가 만든 스트레스 대응

• 스트레스 대응의 바탕에는 아홉 살 때 이란에서 미국으로 오며 가족이 모든 것을 잃은 경험이 있다 [07:34]
• 그 과정에서 아버지가 무너지는 모습을 본 일이 어린 시절의 중요한 기준점이 됐다 [07:49]

6. 가족의 재건, 끝나지 않는 경쟁심, 자녀에게 남길 도전

• 미국 정착은 친척 집에 머무는 것에서 시작됐다 [08:32]
• 어린 시절 거대하게 보였던 아버지는 사업 기반을 잃은 뒤 다시 일어서지 못했고, 이전의 생기도 잃었다 [08:47]

7. 자립을 막는 과잉 보호와 현실 적응의 문제

• 부모가 자녀의 어려움을 대신 해결하면 단기적으로는 더 쉬운 삶을 주는 것처럼 보인다 [12:01]
• 하지만 장기적으로는 세상에 적응하고 버티는 힘을 약화시킨다 [12:16]

8. 업무 자동화·엔터프라이즈·금융 AI 도구의 효율 논리

• Ramp는 지출 보고서 작성, 검토, 정책 위반 확인에 들어가는 시간을 줄인다 [12:36]
• Ramp는 AI를 통해 지출 검토의 85%를 99% 정확도로 자동화한다고 드러난다 [12:51]

9. Uber의 핵심 과제: 앱과 현실 세계 사이의 불확실성

• Uber의 현재 기회와 위협은 모두 AI의 부상에서 나온다 [14:28]
• AI는 내부 개발 방식뿐 아니라 자율주행차와 드론처럼 현실 세계의 소비자 접점까지 바꾼다 [14:43]

10. 하향식 명령보다 현장 발명과 시스템 재설계

• Uber의 AI 확산은 CEO의 일방적 지시보다 조직 곳곳의 상향식 발명에 의존한다 [16:25]
• 혁신이 하나의 의사결정 지점에 묶이지 않는 구조를 지향한다 [16:40]

11. AI 사용량 폭증과 비용·효율의 균형

• AI 활용은 지능을 더 많이 쓰는 것이 항상 좋아 보이지만, 실제 운영에서는 곧 비용 문제가 된다 [18:43]
• 토큰 비용과 모델 사용료는 빠르게 예산 압박으로 계속된다 [18:58]

12. 물리 세계 AI와 AV 경쟁의 핵심은 공급 확보

• Uber는 AI와 물리 세계가 만나는 영역에서 대규모 브랜드와 수요 집계를 동시에 가진 소수 기업 중 하나다 [20:46]
• 이 위치는 자율주행차와 배송 기술이 실제 서비스로 연결될 때 중요한 경쟁 기반이 된다 [21:01]

13. AV 생태계 확장과 Uber의 수요 집계 전략

• AV 시장은 아직 초기 단계지만 전개 속도는 매우 빠르다 [24:17]
• Waymo, Nuro, Lucid, Nvidia, Waabi, Wayve, WeRide, Pony.ai 등 30개 이상의 파트너가 서로 다른 방식으로 디지털 운전자를 개발하고 있다 [24:32]

14. AV 이용 경험은 빠르게 일상화되고 접근성이 핵심 조건이 된다

• AV 탑승은 처음에는 마법 같은 경험처럼 느껴진다 [26:30]
• 그러나 Uber 초기 경험처럼 몇 분만 지나면 이용자는 곧바로 짧은 대기 시간과 높은 편의성을 기대하게 된다 [26:45]

15. 경쟁과 협력이 공존하는 AV 파트너십 모델

• AV 파트너와 Uber의 관계는 여행 플랫폼과 호텔·항공사 관계처럼 경쟁과 협력이 동시에 존재한다 [28:20]
• 자체 채널을 가진 공급자도 추가 수요와 더 높은 가동률을 확보하기 위해 플랫폼 협력을 원한다 [28:35]

16. 사회적 수용성과 AV 공급 접근이 실패 리스크를 좌우한다

• AI는 기업 현장에서는 생산성을 높이는 강력한 도구로 받아들여진다 [30:18]
• 하지만 일반 대중에게 전기요금 상승이나 일자리 상실 같은 부담으로 체감될 경우 반감이 커질 수 있다 [30:33]

17. AV 비용 하락은 이동 시장과 배송 경험을 다시 키울 수 있다

• AV 수요 집계에서 승리하면 장기적으로 또 하나의 1조 달러 규모 marketplace가 열릴 수 있다 [32:38]
• 이를 위해서는 소프트웨어와 하드웨어 비용 하락이 운송 가격 인하로 이어져야 한다 [32:53]

18. AV 대량 생산과 드론 배송의 병목

• 전통 완성차 업체들은 L4 자율주행이 예상보다 가까운 현실이 되고 있다고 본다 [34:22]
• 소비자 반응과 서비스 인기를 확인하면서 L4-ready 시스템에 대한 투자를 늘리고 있다 [34:37]

19. 드론 배송의 병목과 중기 보급 전망

• 드론 배송의 가장 큰 제약은 배터리가 자기 무게와 적재물을 동시에 들어 올려야 하는 구조에 있다 [36:07]
• 필요한 주행 거리와 재충전 조건 역시 비용과 상용성을 제한하는 핵심 요인이다 [36:22]

20. 자율주행 도입 속도를 가르는 지역별 규제 환경

• 중동에서는 Abu Dhabi, Dubai, Saudi Arabia가 자율주행 서비스 도입에 빠르게 움직이고 있다 [37:17]
• 이 지역의 규제기관도 신기술을 적극적으로 수용하려는 태도를 보인다 [37:32]

21. Uber Eats의 글로벌 경쟁력과 플랫폼 결합 효과

• Uber Eats의 기본 경쟁력은 식당·상점 선택지를 충분히 확보하는 데서 출발한다 [38:40]
• 주문 오류 없이 약 30분 안에 전달되는 신뢰성을 만드는 것도 핵심이다 [38:55]
• 운영 도시의 서비스 가능 시장에서 Uber는 레스토랑·상점의 약 40~50%를 플랫폼에 올린 상태다 [39:10]
• 더 많은 공급 확보가 Uber Eats의 성장 여력으로 남아 있다 [39:25]

22. 공급자 경험을 직접 이해해야 품질이 개선되는 구조

• 공급을 잘 모으는 역량은 아직 개선 여지가 크다 [40:34]
• 팀 구성원이 운전하거나 식당 카운터 뒤에 서보면서 운전자·배달원·상점 입장의 문제를 직접 이해해야 한다 [40:49]
• 소비자는 앱을 짧게 사용하지만 운전자와 배달원은 하루 6~10시간 앱을 열어둔다 [41:30]
• 소비자에게 월 1회 수준인 P95 버그도 운전자에게는 매주 반복되는 문제로 누적된다 [41:45]

23. 배달 현장의 복잡성과 멤버십 경제성의 시간차

• 배달 현장에서는 식당 안에서 픽업 위치를 찾고 주문을 정확히 확인해야 한다 [42:51]
• 약 50%의 배치 주문에서 두 건의 배달을 동시에 처리해야 하며, 교통 상황까지 겹치면서 오류가 생길 여지가 크다 [43:06]
• 소비자에게는 버튼을 누르면 차량이나 음식이 도착하는 단순한 경험이다 [43:19]
• 운전자와 배달원에게는 픽업, 동선, 주문 확인, 교통 대응이 동시에 발생하는 복잡한 작업이다 [43:34]

24. 호텔 진출과 여행자 데이터 기반 확장 논리

• 플랫폼을 더 넓은 세계와 연결하는 다음 확장 영역은 호텔이다 [47:00]
• 이는 과거 Expedia 경험과도 맞닿아 있는 여행 영역으로의 회귀 성격을 갖는다 [47:15]
• 호텔 진출 판단은 데이터에 기반한다 [47:29]
• 여행을 많이 하는 사람일수록 Uber 이용도 많고 Uber가 70개국 이상에서 사용된다는 점이 확장의 근거가 된다 [47:44]

25. 여행 상품 확장과 호텔·Uber One 결합

• Uber의 차별점은 단순한 예약 화면이 아니라 실제 세계에서 신뢰성 있게 경험을 완수하는 능력이다 [48:00]
• 일반 온라인 여행사보다 이행 스택 깊숙이 들어간다는 점이 핵심이다 [48:15]
• 영국과 스페인에서 기차 상품을 시작한 뒤, 서비스 수가 늘수록 플랫폼 상호작용과 재방문이 증가했다 [48:28]
• 더 많은 콘텐츠가 더 높은 리텐션으로 이어졌다 [48:43]

26. 여행 전후 이동까지 연결하는 계획형 경험

• 이상적인 여행 경험은 호텔 예약에서 끝나지 않는다 [49:34]
• 이메일과 항공편 정보를 바탕으로 공항행 Uber와 공항에서 호텔까지의 Uber를 미리 예약하는 형태로 확장된다 [49:49]
• 호텔 도착이 가까워지면 프런트 데스크에 도착 정보를 알릴 수 있다 [50:04]
• 프런트를 건너뛰고 Uber 앱을 객실 키처럼 쓰는 방식까지 가능해진다 [50:19]

27. Uber Reserve가 만든 사전 약속 모델의 검증

• Uber Reserve는 과거에는 예약처럼 보였지만 실제로는 도착 시점에 맞춰 온디맨드 배차를 시도하는 방식에 가까웠다 [51:06]
• 이후 백엔드가 신뢰성 중심으로 바뀌었다 [51:21]
• 현재 Reserve는 운전자가 사전에 수락하고 예약 시간 전 도착을 보장하는 구조로 바뀌었다 [51:36]
• 이 모델은 99% 이상의 신뢰성과 50억 달러 이상 run rate를 만든다 [51:51]

28. 기능 발견 문제와 마케팅의 역할 확대

• 앱 화면은 제한적이어서 모든 새 기능을 자연스럽게 노출하기 어렵다 [52:49]
• 기존 가설은 마케팅이 앱 유입을 만들고 제품이 적절한 순간에 기능을 보여주는 분업 구조였다 [53:04]
• Reserve 이용 중 뜨거운 커피를 함께 주문하는 경험은 단순히 그 이동에서 커피를 파는 것이 아니다 [53:11]
• 이는 Uber에서 다른 물건과 서비스를 얻을 수 있다는 인식을 만드는 장치다 [53:26]

29. AI가 바꾸는 앱 입력 방식과 개인화

• 7년 뒤에는 앱 자체가 사라지기보다 사용자가 앱과 대화하듯 요구를 입력하는 방향이 커진다 [54:44]
• 원하는 차량, 시간, 커피 같은 요구를 더 자연어로 입력하게 된다 [54:59]
• 결과 확인과 상태 추적은 여전히 글자나 이미지가 더 효율적이다 [55:14]
• 차량이 6분 뒤 도착한다는 정보는 음성보다 화면의 지도와 차량 추적이 더 유용하다 [55:29]

30. 원천 데이터와 사람에 대한 베팅

• Barry Diller에게서 배운 핵심은 의사결정에 필요한 진실을 중간 필터 없이 직접 확인하는 태도다 [56:00]
• 원천 자료와 실제 담당자에게 직접 접근해야 판단의 정확도가 높아진다 [56:15]

31. 투명성과 비정형 접촉으로 내부 신호를 얻는 운영 방식

• 결과적으로 가장 좋은 선택은 특정 개인에게 과감히 베팅한 일이었다고 회고한다 [1:00:01]
• CEO의 운영 방식을 가까이서 관찰한다면, 삶과 일을 처리하는 방식에서 무엇을 배울 수 있는지가 핵심 질문이 된다 [1:00:16]

32. 트러블메이커를 조직의 돌연변이로 보는 변화 관리

• 회사가 커질수록 구성원들은 갈등을 피하고 조직에 잘 맞춰 지내려는 유인을 갖는다 [1:01:14]
• 단일한 문화와 프로세스가 강해질수록 튀는 인물들은 주변부로 밀려날 가능성이 커진다 [1:01:29]

33. 현금창출 기업이 된 Uber의 자본 배분 우선순위

• AI 국면에서 대형 기술기업들의 자본지출은 급증했지만, Apple은 상대적으로 큰 변화를 보이지 않았다 [1:02:37]
• Uber는 100억 달러 이상의 잉여현금흐름을 만드는 기업이 되었고, 이제 어떤 게임을 선택할지가 자본 배분의 핵심이 됐다 [1:02:52]

34. 권위보다 학습을 우선하는 리더십

• 불안은 그 자체로는 리더십에 유용한 자원이 아니다 [1:05:46]
• 더 중요한 것은 성공할수록 말은 많아지고 듣는 시간은 줄어드는 위험을 경계하며 호기심을 유지하는 태도다 [1:06:01]

35. 구조화된 사고와 과감한 베팅이 함께 만드는 혁신

• 투자은행에서의 경험은 기업이 스스로를 어떻게 형성하는지에 대한 관심으로 이어졌다 [1:07:22]
• Netflix를 만든 Reed Hastings는 논리적이고 구조화된 사고가 혁신으로 연결되는 강한 사례로 남아 있다 [1:07:37]

36. 자기다움의 회복과 후반부 기업 도구 메시지

• 가장 큰 친절은 아내 Sid가 있는 그대로의 자신을 받아들여 준 일이었다 [1:09:01]
• 출신 배경과 어깨 위의 부담 때문에 오랫동안 기대되는 모습에 맞춰 살아왔음을 돌아본다 [1:09:16]

🧾 결론

• 이 인터뷰에서 우버는 “디지털 앱 회사”라기보다 현실 세계의 불확실성을 AI와 운영 시스템으로 조율하는 이동·배송 인프라 회사로 묘사된다.
• 자율주행차와 드론은 기술 자체보다 실제 서비스에 붙이는 방식이 중요하며, 충전·차고지·보험·금융·규제 대응·수요 배분 같은 운영 레이어가 경쟁력의 핵심으로 제시된다.
• 코스로샤히의 리더십 방식은 문제를 감정적으로 크게 보는 대신, 구성 요소로 분해하고 직접 현장의 원천 데이터를 확인하며 학습하는 쪽에 가깝다.
• 우버의 장기 확장은 차량 호출, Eats, Uber One, Reserve, 호텔·여행 상품을 묶어 사용자의 이동 전후 맥락까지 넓히는 방향으로 설명된다.
• 다만 AV 보급 속도, 드론 배송의 경제성, 소비자의 여행 예약 습관 변화, 사회적 수용성은 아직 확정된 결과라기보다 인터뷰에서 제시된 전망과 과제로 보는 것이 적절하다.

📈 투자·시사 포인트

• 우버의 투자 포인트는 단기 앱 기능보다 AI·AV·배송·여행을 묶는 공급 집계력에 있다. 특히 AV 차량이 네트워크 안에서 더 높은 가동률을 얻는다면 플랫폼의 수요 배분 능력이 중요한 경제적 해자가 될 수 있다.
• AI 도입은 생산성을 높이지만 비용도 빠르게 키운다. 우버가 프런티어 모델 실험과 저비용·오픈소스 모델 전환을 어떻게 균형 있게 운영하는지가 장기 마진에 영향을 줄 수 있다.
• AV와 드론 배송은 이동·배송 단가를 낮추고 시장 자체를 키울 가능성이 있지만, 하드웨어 비용, 제조 역량, 배터리, 날씨 대응, 규제, 사회적 반발이 주요 병목으로 남아 있다.
• Uber One, Reserve, Eats, 호텔 예약은 우버가 단일 호출 앱에서 반복 사용되는 생활·여행 멤버십 플랫폼으로 확장하려는 시도로 해석할 수 있다.
• 검증 필요: 인터뷰에서 언급된 “또 하나의 1조 달러 규모 시장”, AV의 빠른 일상화, 드론 배송의 5~10년 보급 전망은 경영진의 전망에 가까우므로 실제 시장 데이터와 규제 변화로 별도 확인이 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 검증 필요: 우버가 자율주행차·드론·물리 AI 영역을 “또 하나의 1조 달러 규모 시장”으로 본다는 설명은 인터뷰 발언 기준이며, 실제 시장 규모 추정치나 산정 방식은 별도 자료 확인이 필요하다.
• 검증 필요: 우버가 “1년치 AI 예산을 한 분기 만에 소진했다”는 언급은 비용 증가의 강도를 보여주지만, 구체적 예산 규모·회계 처리·기간 기준은 transcript만으로 확인되지 않는다.
• 검증 필요: Uber One 회원 5천만 명, 전년 대비 50% 성장, Reserve 50억 달러 이상 run rate, 99% 이상 신뢰성 같은 수치는 인터뷰 내 발언으로 정리된 것이며, 최신 공식 실적 자료와 대조가 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

• 우버의 최근 실적 발표·주주서한·10-K/10-Q에서 자유현금흐름, Uber One 회원 수, Eats 총예약액, Reserve run rate 관련 수치를 확인한다.
• Waymo, Nuro, Lucid, Nvidia, Waabi, Wayve, WeRide, Pony.ai 등 언급된 AV 파트너십의 공식 발표와 실제 운영 도시를 정리한다.
• 자율주행차 도입이 운전자 수익에 미치는 영향을 “추가 수요 창출”과 “기존 수요 대체” 관점으로 나누어 별도 메모로 검토한다.
• 우버의 AI 활용 사례를 내부 생산성 향상, 소비자 앱 개인화, 물리 세계 자동화, 비용 최적화 네 범주로 재분류한다.

❓ 열린 질문

• 우버가 AV 수요 집계자로 성공할 경우, 장기적으로 인간 운전자와 AV 공급은 어떤 비율로 공존하게 될까?
• AV가 운송 비용을 낮춘다는 가정은 차량 제조비, 보험, 충전·차고지, 정비, 원격 운영, 규제 비용까지 포함해도 유지될까?
• 우버 사용자는 즉시 호출 중심의 브랜드 인식을 호텔·기차·여행 예약 같은 계획형 경험으로 자연스럽게 확장할까?