AI 스타트업 ARR 수치의 불투명성과 지표 혼용

15명의 벤처캐피털(VC) 투자자들이 AI 스타트업이 제시하는 ARR(Annual Recurring Revenue, 연간 반복 매출) 수치를 그대로 믿기 어렵다고 평가했다. 실제 반복적으로 발생하는 매출이 아니라, 특정 월이나 일 매출을 단순하게 연환산한 수치(run-rate)나 GMV(Gross Merchandise Volume, 총 거래액), 심지어 계약 예정 매출까지 ARR라는 이름으로 묶어 보고하는 경우가 늘었기 때문이다.

에머전스 캐피털(Emergence Capital)의 조셉 플로이드(Joseph Floyd)는 ARR를 포함한 모든 지표를 의심하게 됐다고 밝혔다. 그가 지적한 핵심은 ARR가 실제 연간 반복 매출보다는 연환산 매출 실행률을 뜻하는 경우가 많으며, 계약 ACV(Annual Contract Value, 연간 계약 가치) 역시 실제 매출이 아닌 POC(Proof of Concept, 개념 검증) 단계이거나 후기 영업 파이프라인에 불과할 수 있다는 점이다.

버딕트 캐피털(Verdict Capital)의 니코 보나초스(Niko Bonatsos)는 보고된 ARR가 실제 매출인지, GMV인지, 혹은 분기 매출에 4를 곱한 것인지, 심지어 일 매출에 365를 곱한 것인지부터 확인해야 한다고 설명했다. FJ 랩스(FJ Labs)의 제프 와인스틴(Jeff Weinstein) 역시 기업들이 1년 만에 매출을 0에서 10 또는 50까지 급격히 성장시키는 사례가 많아지면서, 전례 없는 성장 가능성과는 별개로 보고되는 수치의 실체를 검증하는 것이 필수적이라고 보았다.

SaaS 지표의 왜곡과 AI 산업의 특수성

지표의 신뢰성 문제는 ARR를 넘어 CARR(Contracted ARR, 계약 기반 연간 반복 매출), NRR(Net Revenue Retention, 순매출 유지율), 총마진으로 확장된다. 특히 CARR의 경우, 서명된 계약 금액 전체가 실제 매출로 전환되지 않는 리스크가 크다. 고객이 온보딩 과정에서 마음을 바꾸거나 구현 기간이 예상보다 길어질 수 있기 때문이다. DFJ 그로스(DFJ Growth)의 케빈 투(Kevin Tu)는 프런티어 AI 연구소에 데이터를 공급하는 기업들이 서명된 수주액과 실제 매출 실현 능력을 뒤섞어 제시하는 경향이 있다고 지적했다. 8자리 달러 규모의 SOW(Statement of Work, 작업 명세서)가 수요를 증명할 순 있어도, 마일스톤 납품과 고객 승인 절차 때문에 예측 가능한 매출로 연결된다는 보장은 없다는 분석이다.

사용량 기반 과금 모델의 도입은 연환산의 난이도를 더 높였다. 8VC의 프란시스코 기메네즈(Francisco Gimenez)는 반복 과금과 사용량 과금을 혼합하는 기업들이 많아지면서 연환산 매출이 오해를 부르기 쉽다고 설명했다. 사용량 매출은 충분히 예측 가능해지기 전까지는 연환산해서는 안 되지만, 초기 단계 AI 기업들은 대부분 이 조건을 충족하지 못한다.

비용 구조의 은폐 문제도 심각하다. 커머스 벤처스(Commerce Ventures)의 비벡 크리슈나무르티(Vivek Krishnamurthy)는 FDE(Forward Deployed Engineer, 현장 배치 엔지니어)와 통합 비용이 매출원가가 아닌 운영비용(OpEx)으로 처리되는 문제를 짚었다. FDE 비용이 매출 증가와 선형적으로 함께 늘어나는 구조라면, 이를 총마진에 반영했을 때 70% 이상의 고마진을 기록하는 AI 기업의 수는 크게 줄어들 수밖에 없다. 또한, 고정 가격제 제품에서 사용량에 따라 컴퓨팅 비용이 증가하는 구조라면, 표면적인 총마진은 고객이 제품을 적게 사용할 때만 유지되는 가설에 불과하다.

이런 현상은 피지컬 AI(Physical AI) 영역에서도 반복된다. 웨슬리 그룹(Westly Group)의 제이슨 칼리라(Jason Kalira)는 통제된 파일럿 환경에서 측정된 '자율 수행률'이 실제 공장 환경의 변동성이 추가되면 크게 달라질 수 있다고 경고했다. 산업/에너지 스타트업이 제시하는 LOI(Letter of Intent, 의향서)나 MOU(Memorandum of Understanding, 양해각서) 역시 비구속적인 경우가 많아, 실제 PO(Purchase Order, 구매 주문)나 보증금이 연결된 계약인지 확인하는 것이 더 중요하다.

AI 실무자와 투자자가 관찰해야 할 검증 신호

기존 SaaS 투자 방식에서 사용하던 성장률, NRR, 현금 소진율 등의 휴리스틱은 AI 기업의 급격한 성장 곡선과 복잡한 가격 모델 앞에서 설명력이 떨어졌다. 이제는 단순 수치보다 성장의 지속 가능성을 정성적으로 판단하는 비중이 커졌으며, 이에 따라 창업자와 투자자가 확인해야 할 판단 기준이 구체화되고 있다.

창업자는 투자 자료에 ARR의 정의와 계산 방식을 명시적으로 포함해야 한다. 단순히 숫자를 제시해 논의를 통제하기보다, 해당 지표가 어떤 조건에서 만들어졌고 그 상태가 얼마나 지속 가능한지를 투명하게 보여주는 것이 신뢰를 얻는 방법이다. 특히 POC 확장이 NRR 수치를 왜곡하고 있지는 않은지, 실제 가동 중인 매출과 계약 예정 매출의 구분은 명확한지 설명할 수 있어야 한다.

투자자는 매출 성장 뒤에 숨은 자본 비용과 현금 흐름을 추적해야 한다. 무바달라 캐피털(Mubadala Capital)의 숀 리(Shaun Lee)는 자본집약적인 AI 인프라 기업의 경우, 매출 실행률을 현금 전환 없이 보는 것을 경계해야 한다고 조언했다. 매출이 레버리지나 장비 금융, 대규모 선행 투자에 의존하고 있다면 실제 회사에 귀속되는 경제적 가치는 낮을 수 있기 때문이다. 따라서 금융 비용을 반영한 잉여현금흐름(FCF)과 매출 창출에 필요한 자본 규모를 함께 확인해야 한다.

결국 AI 기업의 가치를 판단하기 위해서는 세 가지 질문에 답할 수 있어야 한다. 첫째, 제품이 실제로 작동하고 있는가. 둘째, 어느 정도 수준으로 잘 작동하는가. 셋째, 현재의 결과에서 미래로 실제로 외삽(extrapolation)할 수 있는 부분은 무엇인가 하는 점이다. 이상적인 조건에서 도출된 숫자를 정상 상태로 가정하는 오류를 피하고, 실제 운영 데이터와 납품 모델의 확장성을 대조하는 것이 새로운 검증 표준이 되고 있다.