개발자의 수정 기록(diff)이라는 데이터 해자를 보유한

ChatGPT나 Claude(클로드)가 코딩과 문서 작성을 대신하는 일은 이제 흔하다. 하지만 AI 에이전트가 주 사용자가 되면서 기존의 사용자 수 기반(per-seat) 과금 모델은 붕괴하고 있다. 단순한 도구의 활용을 넘어 AI가 직접 실행하고 결정하는 단계로 진입하며 과금 방식의 기준이 바뀌고 있다.

xAI는 개발자의 수정 기록(diff)이라는 데이터 해자를 보유한 Cursor(커서, AI 기반 코드 에디터)를 600억 달러에 인수할 옵션을 보유했다. Cursor의 연환산 매출은 약 40억 달러다. 이 기업의 가치는 단순한 인터페이스가 아니라 개발자가 수년간 수락, 거부, 재작성한 기록에 있다. 인터페이스만 복제한 클론은 이러한 기록을 상속받을 수 없다. Cursor는 이 diff 데이터를 오픈소스 베이스 위에 직접 학습시켜 자체 모델의 차별화를 구현하며 데이터를 1차 해자로 만들었다.

에이전트가 항공권을 예약하고 부품을 주문하며 벤더에 지불하는 거래가 늘어남에 따라 이를 승인하고 수수료를 떼는 인프라가 필요해졌다. Stripe(스트라이프)가 이를 위한 프로토콜을 출시했고 Visa(비자)와 Mastercard(마스터카드)가 표준 선점 경쟁을 벌이고 있다. OpenAI는 이미 자사 에이전트가 구매하는 금액에서 일정 퍼센트를 차감하는 체계를 가동 중이다.

AI 앱의 생존 가능성은 단순한 기능 구현 여부로 결정되지 않는다. 사용자의 수정 기록을 학습 신호와 테스트셋으로 활용하는 판단(Judgment) 층을 구축했는지 확인해야 한다. 대체 불가능한 쓰기(writes) 권한과 결제 인프라를 확보했는지가 실질적인 생존 판단 기준이다.

AI 애플리케이션의 핵심 해자는 단순 컨텍스트가 아니라

AI가 내놓은 결과물을 왜 매번 사람이 직접 수정해야 할까. 사용자가 모델의 답변을 고치는 수정 기록(corrections)은 단순한 오타 교정이 아니라 해당 사업에서 무엇이 옳은지를 정의하는 스코어카드(scorecard)로 작동한다. 이 스코어카드는 두 가지 핵심 역할을 동시에 수행한다. 빌린 모델을 특정 사업 도메인에 맞게 최적화하는 학습 신호가 되는 동시에, 에이전트가 실제로 성능이 개선되고 있는지 측정하는 유일한 테스트셋이 된다. 모든 호출과 수정, 그리고 되돌림의 과정이 데이터 위에 누적되며 이는 판단(Judgment)이라는 층을 형성한다. 이 층은 AI 애플리케이션의 마지막 층이자 유일하게 복리로 쌓이는 영역이며, 외부에서 정답을 채점할 수 없는 이른바 '학습 불가능한(the untrainable)' 영역을 소유하는 방법이다.

법률 시장의 Harvey(110억 달러)와 Legora(50억 달러), 금융 분야의 Rogo는 파운데이션 모델을 직접 학습시키는 경로를 택하지 않았다. 대신 빌린 모델 주위에 하네스(harness, 모델의 입출력을 제어하고 데이터를 수집하는 외곽 체계)를 구축해 전문가가 모델 결과를 수정하는 과정을 정밀하게 포착한다. Rogo의 경우 금융 애널리스트가 모델이 작성한 메모를 고치는 행위 자체를 데이터로 전환해 보유한다. 이들은 범용 모델의 성능에 기대지 않고 전문가의 판단 데이터를 복리로 축적하는 전략을 사용한다. 파운데이션 모델이라는 인프라 위에 사업 특화적인 판단 층을 얹어 대체 불가능한 경쟁력을 확보한 사례다.

확인해야 할 핵심 지점

사용자의 수에 따라 비용을 지불하는 방식은 더 이상 유효한 수익 논리가 아니다. AI 에이전트(사용자를 대신해 작업을 수행하는 AI)가 소프트웨어의 주 사용자로 부상하며 기존의 per-seat(좌석당 과금) 모델이 무너지고 있다. 천 명의 사용자가 십만 개의 에이전트를 구동하더라도 이를 십만 개의 좌석으로 계산하여 비용을 청구하는 것은 현실적으로 불가능하다. AI 모델의 성능이 향상될수록 소프트웨어 기능 자체의 가치는 하락한다. 살아남으려는 애플리케이션 회사는 에이전트가 남기는 결정이라는 데이터와 실제로 옮기는 돈이라는 핀테크 요소를 확보하여 데이터 회사이자 핀테크 회사로 동시에 전환해야 한다.

Shopify는 매장 소프트웨어에서 시작해 결제 시스템을 붙이고 Shopify Capital(매출 데이터를 기반으로 한 대출 서비스)로 영역을 확장했다. Shopify Capital은 매장에 흐르는 매출 데이터를 보증으로 활용해 대출을 제공하며, 이는 일반 은행이 단독으로는 수행할 수 없는 대출 모델이다. 현재 Shopify 전체 매출의 약 4분의 3은 소프트웨어 구독료가 아닌 돈과 관련된 서비스에서 발생한다. Toast(토스트)나 Ramp(램프) 같은 기업 역시 네트워크 락인이 있는 핀테크 모델을 통해 수익을 낸다. 데이터에 돈의 흐름을 결합한 구조는 AI 모델의 가격이 하락하는 환경에서도 마진을 유지하는 실질적인 장치가 된다.

ChatGPT와 Claude가 코딩과 문서 작성을 대신하는 일상은 사용자 수 기반의 과금 체계를 무너뜨리고 있다. 단순한 컨텍스트 제공을 넘어 사용자의 수정 기록을 학습 신호로 활용하는 판단 층의 구축이 필수적인 이유다.

AI 앱의 생존 가능성은 기능의 정교함이 아니라 대체 불가능한 쓰기 권한과 결제 인프라의 확보 여부로 판가름 난다. 데이터와 자금의 흐름을 결합한 구조만이 모델 가격 하락 환경에서 실질적인 마진을 보장하는 유일한 생존 전략이다.