🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Consumer Is Not Investible Right Now라는 평가는 현재 투자 환경의 냉소를 보여주지만, 화자는 AI와 에이전트가 소비자 서비스를 다시 만들 기회를 열고 있으므로 오히려 지금 만들어야 한다고 본다.

📌 핵심 요점

1. 소비자 인터넷은 지금 투자받기 어려운 영역처럼 보이지만, AI와 에이전트는 기존 웹·소셜·모바일 시대처럼 새로운 소비자 제품의 재발명 기회를 만든다.
2. 좋은 소비자 제품은 단순히 사람들이 “원하는” 수준을 넘어 “사랑하는” 것이어야 하며, 창업자 자신이 먼저 사랑하고 깊이 아는 제품에서 출발해야 한다.
3. 냅스터, 프렌드스터, 페이스북 사례에서 보듯 새 네트워크의 핵심은 기술 자체만이 아니라 사람들이 자신을 드러내고 연결될 수 있는 신뢰 구조를 만드는 데 있다.
4. AI 소비자 제품의 유망한 방향으로는 항상 옆에 있는 지능, 낮은 마찰, 개인 맥락 보유, 실시간 대화 참여 같은 형태가 제시되지만, 비용과 유통은 여전히 큰 제약이다.
5. 투자자들은 현재 유행하는 엔터프라이즈·프로슈머 범주를 선호할 수 있지만, 화자는 진짜 소비자 제품 신호가 나타나면 지표 해석이 아니라 강한 피드백 루프로 드러난다고 본다.

🧩 배경과 문제 정의

• 소비자 인터넷은 현재 투자 대상으로 불리해 보이지만, AI와 에이전트의 등장으로 오래된 서비스와 범용 제품을 다시 발명할 기회가 커지고 있다.
• 좋은 제품을 만들기 위해서는 제품 관리에만 머무르지 않고, 창업자 역할, 경영, 투자자·이사회, 장기 전략까지 함께 보는 풀스택 관점이 필요하다.
• 웹, 소셜·모바일, AI는 각각 새로운 컴퓨팅 시대의 전환점이었으며, 초기에는 창업자조차 시장의 최종 크기와 핵심 신뢰 조건을 과소평가할 수 있다.
• AI 소비자 제품의 미개척 영역은 “항상 옆에 있는 지능”이며, 낮은 마찰, 맥락 유지, 실시간 대화 참여가 새로운 제품 기회로 떠오르고 있다.

🕒 시간순 섹션별 상세정리

1. 소비자 제품의 역설과 책의 출발점

• 소비자 시장은 지금 투자하기 어렵다는 평가를 받지만, AI와 에이전트가 기존 인터넷 서비스의 재발명을 가능하게 하면서 새로운 소비자 제품을 만들 이유가 커진다. [01:00]
• 제품의 목표는 사람들이 원하는 것을 넘어 사랑하는 것을 만드는 데 있으며, 그 출발점은 창업자 자신이 사랑하는 제품이어야 한다는 원칙으로 계속된다. [01:15]

2. 풀스택 창업 플레이북과 장기 게임

• 훌륭한 제품을 만들려면 제품 자체만이 아니라 경영, 이사회, 투자자, 고객, 코딩, 전략을 하나의 시스템으로 다뤄야 한다. [01:42]
• 회사 구조는 장기 게임을 가능하게 하고 이해관계자를 정렬시키도록 설계되어야 하며, 단기 실행과 지속 가능한 전략이 함께 필요하다. [02:07]

3. 웹·소셜·AI로 이어지는 컴퓨팅 전환

• 여러 컴퓨팅 시대를 거친 경험은 새 기술 전환에서 반복되는 원칙과 달라지는 지점을 함께 보게 만든다. [02:48]
• 1995년 프리로더 시기에는 웹 자체가 새로운 온라인 네트워크였고, 사람들에게 이 네트워크를 써야 할 이유를 설득하는 것이 핵심이었다. [03:44]

4. 냅스터와 페이스북 사례에서 드러난 신뢰의 중요성

• 냅스터는 수백만 대의 기계와 수많은 음악 파일 사본이 연결된 모습을 보여주며, 네트워크가 기업 데이터베이스가 아니라 사람들끼리 직접 이어지는 공간임을 체감하게 했다. [04:22]
• 탈중앙 P2P 경험은 사람들이 네트워크 너머의 서로를 인식한 초기 순간에 가까웠고, 이후 프렌드스터·페이스북·링크드인 같은 사람 중심 웹의 출발점이 되었다. [04:45]

5. AI 에이전트가 동료처럼 작동하는 소비자 제품 기회

• 최신 모델은 단순한 장난감 수준을 넘어섰고, 적절한 하네스와 맥락이 붙으면 사용자가 에이전트를 부분적으로 신뢰할 수 있는 지적 동료처럼 다룰 수 있다. [06:21]
• AI와 걸어 다니며 대화하는 방식은 주요 활용 사례가 되었고, 실시간 대화에 AI가 함께 참여해 필요할 때 관점을 제공하는 제품 수요가 생긴다. [06:56]

6. Proven Better New로 항상 켜진 AI를 검증하는 방식

• 중요한 회의나 진료에서는 전용 노트 앱보다 음성 메모와 자체 프롬프트 조합이 더 공유하기 좋은 결과를 만들 수 있고, 이 영역은 Proven Better New 방식으로 검증할 수 있다. [09:27]
• Proven Better New는 무언가 빠져 있다는 본능에서 출발하되, 검증 대상은 그 본능 하나로 좁히고 이미 입증된 요소는 불필요하게 다시 발명하지 않는 접근이다. [09:58]

7. AI는 검증된 것과 개선에는 강하지만 새로움에는 약하다

• AI는 이미 존재하는 사례를 아는 영역에서 빠르고 뛰어난 결과를 내며, 검증된 패턴을 찾아내는 능력이 강하다. [12:02]
• 개선 방향을 제안하는 데는 유용하지만 항상 더 나은 답을 정확히 찾지는 못하고, 완전히 새로운 아이디어를 만드는 데서는 성능이 크게 떨어진다. [12:15]

8. 소비자 스타트업은 좋은 지표에도 엔터프라이즈 전환 압력을 받는다

• 일부 소비자 스타트업은 수년 만에 보기 드문 강한 지표를 보여도, 기존 투자자들로부터 엔터프라이즈로 피벗하라는 압력을 받는다. [12:39]
• 엔터프라이즈가 투자받기 쉬운 시장이 되면서, 투자자 선호가 실제 제품 신호보다 앞서 판단을 왜곡할 위험이 생긴다. [12:58]

9. 소비자 제품의 핵심 병목은 검증된 유통 경로 부재다

• 지금 소비자 제품을 새로 시작하려면 검증된 유통 채널이 거의 없기 때문에, 이메일 초대나 바이럴 훅 같은 확산 장치를 직접 찾아야 한다. [14:01]
• 소비자 시장은 유통 경로가 불확실해 어렵고, 현재 들어오는 회사들도 순수 소비자 제품보다는 개발자 도구나 프로슈머 제품에 가깝다. [14:17]

10. 새로운 기능은 초기 시도를 만들 수 있지만 지속 사용의 이유는 따로 있다

• 검증된 요소는 제품의 기반을 만들고, 개선은 방향을 제시하며, 새로움은 여러 실험을 만들지만 그중 대부분은 성공하지 못할 가능성이 크다. [15:44]
• 기존 제품을 단순히 복제하면 사용자가 관심을 가질 이유가 부족하고, “항상 듣는 Granola”처럼 분명한 차이가 있어야 첫 사용을 유도할 수 있다. [16:00]

11. 진짜 제품 신호는 논쟁이 아니라 모든 피드백 루프의 강한 반응으로 나타난다

• 창업자는 비전에 대한 열정은 유지하되 특정 제품 변형에는 냉정해야 하며, 투자자와 팀을 설득한 뒤에도 제품이 맞지 않는다는 감각을 마주할 수 있다. [16:58]
• 피벗을 반복할 수 있는 정렬과 운영 스타일을 미리 허용하지 않으면, 팀은 하나의 제품 경로에 갇히고 창업자는 방향 전환을 말하기 어려워진다. [17:41]

12. 창업자 모드는 제품과 조직의 판단권을 포기하지 않는 방식이다

• Freeloader는 첫 달에 무료 앱 다운로드 200만 건을 만들었고, Zynga에서도 여러 게임 출시와 대형 기능 릴리스에서 “fish are running”에 가까운 순간이 반복됐다. [19:07]
• 훌륭한 제품 제작자는 무작정 베팅하기보다 이길 가능성을 보여주는 신호를 먼저 모으며, 출시 전부터 사용자가 좋아할 근거를 확보한다. [19:30]

13. 창업자 모드는 직감과 팀 맥락을 함께 다루는 운영 방식이다

• 창업자 모드는 이사회나 거버넌스 차원에만 머물지 않고, 창업자가 매주 자신의 직감을 듣고 실제로 따를 수 있는지에 달려 있다. [24:04]
• 브라이언 체스키 사례에서 핵심은 월요일에 제품이 마음에 들지 않을 때 팀에 직접 말할 수 있는지이며, 이를 돌려 말해야 한다면 창업자 모드는 약해진다. [24:21]

14. AI 채택은 비용 지출보다 제품 변화와 사용자 접점이 관건이다

• 회사는 신제품을 만드는 모드와 기존 성과를 계속 짜내는 모드를 오가며, 이 차이는 아직 발명되지 않은 조 단위 소비자 서비스의 가능성과 맞닿아 있다. [26:06]
• 지능이 온탭처럼 공급되는 상황에서도 AI 투자 기업의 약 90%가 아직 이익을 얻지 못했다는 통계가 제시되며, 채택 성과에 대한 실망감이 커진다. [26:37]

15. 토큰 집중 사용은 새로운 R&D 방식과 오픈소스 실험을 만든다

• 토큰을 극단적으로 많이 쓰는 방식은 현재 프런티어 활용의 한 형태이며, 연간 100만 달러나 월 110만 달러 수준의 지출을 감당할 수 있는 소수에게 더 넓은 실험 공간을 만든다. [27:50]
• 이론적으로는 지금도 수천 명의 일을 소프트웨어로 처리할 수 있지만, 그에 맞는 산출이 나오지 않으면 비용과 결과의 균형은 맞지 않는다. [28:06]

16. LLM 시대의 소프트웨어 제작 방식은 코드량보다 지시 구조로 이동한다

• LLM을 호출하는 Rails 코드를 50만 줄 쓰는 방식은 오래된 접근이며, 필요한 코드를 LLM이 그때그때 쓰게 하는 방식이 더 새로운 방향으로 드러난다. [29:28]
• 코드량은 10~20배 줄어들 수 있고, LLM을 호출하는 코드보다 LLM에게 코드를 쓰게 가르치는 마크다운이 더 중요한 제작 단위가 된다. [29:51]

17. 소비자 서비스 기회는 아직 비어 있고 AI 가격 하락과 함께 커진다

• 휴대폰 홈 화면의 절반이 비어 있고, 채워진 절반도 시계 같은 범용 앱 중심이라는 점은 소비자 앱 시장의 공백을 보여준다. [31:24]
• 구글이나 GPT처럼 없던 삶을 상상하기 어려운 ‘인터넷 보물’은 디지털 생활 스택 안에서도 아직 매우 적다. [31:40]

18. 오래 버티는 힘은 취향의 공백기와 높은 소비자 비용 구조를 견디는 데서 나온다

• 기술 주기는 거의 10년 동안 틀린 사람처럼 보이게 만들다가, 어느 순간 갑자기 옳았던 것으로 바뀐다. 그때 뛰어드는 사람들은 이미 늦는다. [33:51]
• 소비자 제품을 계속 만들 힘은 제품 자체를 좋아하는 마음과 초기 대중 시장보다 약 18개월 앞서 있는 사용자 감각에서 나온다. [34:23]

19. 추론 비용 하락이 소비자 AI의 시간차를 만든다

• AI가 게임 화면을 픽셀 단위로 실시간 생성하는 방식은 현재 기준으로 연산과 처리 비용이 너무 크며, 충분한 GPU와 저렴한 토큰 비용이 갖춰져야 대중적 사용이 가능해진다. [36:02]
• 추론 성능이 10,000배 개선될 수 있다는 기대는 있지만, 게임 안에서 연산을 마음껏 낭비할 수 있을 만큼 비용이 낮아진 시점에는 아직 이르지 않았다. [36:23]

20. 무료화 패턴이 AI 소비자 플랫폼의 새 국면을 연다

• 인터넷에서는 무료가 가능한 것은 결국 무료가 되는 경향이 있으며, 소비자 제품에서는 가격이 0에 가까워질수록 접근성과 확산력이 크게 달라진다. [38:42]
• Freeloader는 무료 인터랙티브 스크린세이버로 35달러짜리 Berkeley Systems의 Flying Toasters와 경쟁했고, 새로움은 인터넷 배포였지만 결정적 우위는 무료라는 점에 있었다. [38:51]

🧾 결론

• 이 대화의 핵심은 “소비자는 지금 투자하기 어렵다”는 말이 곧 “소비자를 만들면 안 된다”는 뜻은 아니라는 점이다.
• 화자는 AI가 검증된 패턴을 찾고 개선점을 제안하는 데는 강하지만, 완전히 새로운 소비자 경험을 만드는 일은 여전히 창업자의 취향·직감·판단에 달려 있다고 본다.
• 소비자 AI의 큰 기회는 이미 존재하지만, 상시 청취, 실시간 지능, 개인 맥락 기반 보조 기능이 대중 시장으로 확장되려면 추론 비용과 제품 마찰이 더 낮아져야 한다.
• 창업자는 비전에 대한 열정은 유지하되 특정 제품 변형에는 집착하지 않아야 하며, 진짜 신호가 없을 때는 논쟁보다 빠른 학습과 피벗을 감당할 조직 맥락이 필요하다.
• 장기적으로는 AI와 컴퓨트가 무료에 가까워질수록 기존 소비자 서비스와 새로운 플랫폼이 다시 설계될 수 있다는 관점이 제시된다.

📈 투자·시사 포인트

• 단기적으로 소비자 스타트업은 검증된 유통 채널이 부족하고, 사용자 시간 경쟁이 치열하며, 투자자 선호가 엔터프라이즈·프로슈머 쪽으로 기울어 있어 자금 조달 난도가 높을 수 있다.
• 그럼에도 화자는 과거 소비자 닷컴 붕괴 이후 Amazon 같은 일부 회사가 살아남았던 사례처럼, 비관적 구간이 장기 기회의 전조가 될 수 있다고 본다.
• AI 소비자 제품에서 중요한 투자 판단 기준은 단순한 “AI 기능 추가”가 아니라 비용 하락, 낮은 마찰, 반복 사용 이유, 강한 피드백 루프가 함께 나타나는지 여부다.
• 프로슈머와 개발자 도구는 현재 투자자가 선호하는 중간지대지만, 순수 소비자 시장의 더 큰 기회는 지능 비용이 충분히 내려가고 무료에 가까운 경험이 가능해질 때 열릴 수 있다.
• 화자의 주장에 따르면 새로운 기능은 첫 사용을 만들 수 있지만, 지속 사용은 검증된 기본 가치와 더 나은 경험에서 나오므로 “새로움”만으로는 충분하지 않다.

⚠️ 불확실하거나 확인이 필요한 부분

• “AI에 투자한 기업의 약 90%가 아직 이익을 얻지 못했다”는 통계는 영상 내 언급으로 보이지만, 원출처·조사 범위·측정 기준은 별도 확인이 필요하다.
• Freeloader의 “첫 달 무료 앱 다운로드 200만 건”과 Zynga의 반복적인 “fish are running” 사례는 발화자의 경험담으로 정리되었으나, 정확한 수치와 당시 맥락은 외부 자료로 검증필요가 있다.
• “Opus 4.5급 순간”, “월 110만 달러 수준의 토큰 지출”, “추론 성능 10,000배 개선 가능성” 등은 전망·비용 가정이 섞여 있으므로 현재 가격표나 벤치마크처럼 단정하면 안 된다.
• 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

• 만들고 싶은 소비자 AI 제품 아이디어를 Proven / Better / New로 나누고, 실제로 검증해야 할 “new” 가설을 하나로 좁힙니다.
• “항상 켜진 AI”, “낮은 마찰”, “개인 맥락 보유”, “실시간 대화 참여” 중 어떤 요소가 사용자의 첫 사용을 유도하는지 작은 실험으로 테스트한다.
• 제품 아이디어를 평가할 때 기능 매력뿐 아니라 유통 경로를 함께 적습니다. 예: 이메일 초대, 바이럴 훅, 프로슈머 진입점, 기존 커뮤니티 활용.
• 팀이 특정 제품 변형에 집착하지 않도록, 피벗 가능성·실패 기준·실험 종료 기준을 초기에 명시한다.

❓ 열린 질문

• 소비자 AI에서 “항상 옆에 있는 지능”은 어떤 형태일 때 사용자가 불편함보다 가치를 더 크게 느낄까요?
• 새로운 소비자 AI 제품이 신뢰를 얻기 위해 필요한 “.edu 같은 초기 신뢰의 그릇”은 무엇일까요?
• AI가 잘하는 검증된 것과 인간이 맡아야 하는 새로움의 경계는 제품 개발 과정에서 어떻게 나눌 수 있을까요?