Sequoia의 Julien Bek이 쓴 Services: The New Software를 읽고, 한 발짝 더 나가보고 싶었다. 이 글은 "AI가 SaaS 시장이 아니라 서비스 시장을 먹는다"는 인사이트를 개인/커리어/국가 레벨로 확장한 개인적인 노트다.
1. 원문의 핵심만 다시 짚고 가자
세쿼이아의 주장은 단순하다.
•
SaaS는 도구를 팔았다. 인간이 그 도구로 "일"을 해야 결과가 나왔다.
•
AI 시대의 승자는 **결과(outcome)**를 파는 회사다. 소프트웨어의 탈을 쓴 서비스 회사.
•
기업이 소프트웨어에 $1 쓸 때 서비스에는 $6를 쓴다. AI는 이 $6 시장을 먹는다.
•
지능(intelligence, 반복 가능한 작업)은 AI로 빠르게 대체되고, 판단(judgement, 맥락·직관)은 당분간 인간의 영역. 단 이 경계선은 데이터가 쌓일수록 계속 뒤로 밀린다.
여기까지가 매크로 레벨 얘기다. 그리고 이 글의 가장 중요한 한 줄을 꼽으라면 나는 망설임 없이 이걸 고른다.
"Do Not Fight the Model."
이 원칙이 왜 이렇게 강력한지, 그리고 이게 개인에게도, 커리어에도, 국가에도 똑같이 적용되는 원칙이라는 게 이 글의 출발점이다.
2. Do Not Fight the Model — 모델과 싸우지 말고, 올라타라
세쿼이아 프레임에서 가장 도발적인 조언은 이거다. 변호사를 위한 AI 툴을 만들지 말고, AI 법무법인을 차려라. 회계사를 위한 AI 툴을 만들지 말고, AI 회계법인을 차려라. 음식점 사장을 위한 AI 툴을 만들지 말고, AI 음식점을 차려라.
처음 들으면 과격해 보이는데, 사실 이게 세쿼이아가 말한 "$1:$6 법칙"의 자연스러운 귀결이다. 소프트웨어 시장($1)은 포화됐고 경쟁도 치열하다. 근데 **결과 시장($6)**은 아직 노동력으로 돌아가고 있고, AI가 그 노동력을 대체할 수 있다면 그냥 결과를 직접 파는 게 낫다.
더 중요한 건 이거다. 어차피 모델은 계속 발전한다. GPT-5, Claude 5, Gemini 3, Opus N+1이 내년, 내후년 계속 나올 거다. 이 발전 속도에 정면으로 맞서서 "내가 만든 AI 변호사가 OpenAI가 만든 범용 추론보다 낫다"고 주장하는 순간 — 이길 수 없는 싸움을 시작하는 거다.
대신 올라타면 이렇게 된다:
•
"변호사를 대체하는 AI 모델"과 경쟁하지 말고, "그 모델을 엔진으로 삼은 법무법인"을 만들어라.
•
모델이 좋아질수록 우리 법무법인의 서비스가 더 빠르고, 더 싸고, 더 정확해진다.
•
우리 경쟁자는 다른 스타트업이 아니라 기존 법무법인들이다. 이들은 AI를 쓸 수는 있지만 조직 구조상 AI에 전면 베팅할 수 없다. (파트너 변호사들의 billable hour로 돌아가는 구조에서 AI가 일을 다 해버리면 내부 인센티브가 무너진다.)
이게 핵심이다. "새로운 모델이 나올수록 내 사업이 좋아지는 구조" — 모델 발전이 내 해자(moat)를 깎는 게 아니라, 오히려 두껍게 만드는 구조.
그래서 이 섹션은 한 문장으로 요약된다:
새 모델이 발표될 때 설레지 않는다면, 사업 방향이 틀린 것이다.
3. 개인의 기술 스택과 자본: "두려움이 아닌 환희" 테스트
그런데 나는 스타트업 창업자가 아니다. 대부분의 사람도 그렇다. 그럼 이 원칙은 나와 무슨 상관인가?
내 주장은 이거다. "Do Not Fight the Model"은 창업자뿐 아니라 개인에게도 똑같이 적용되는 원칙이다. 개인에게 적용하면 이렇게 번역된다.
새로운 프론티어 모델이 발표됐을 때, 나는 두려워하는 쪽인가 환희를 느끼는 쪽인가?
이게 꽤 좋은 리트머스 시험지 같다.
•
두려워한다면 — 내 기술 스택과 포지션이 "지능(intelligence) 자체를 파는 쪽"에 있다는 뜻이다. AI가 좋아질수록 내 상대적 가치가 깎인다. "나는 파이썬을 잘 짭니다" "나는 SQL 쿼리를 잘 짭니다"는 이제 그 자체로는 충분하지 않다.
•
환희한다면 — 내 스택이 "AI를 지렛대 삼아 결과를 만드는 쪽"에 있다는 뜻이다. 모델이 좋아질수록 내 생산성 곱하기가 커진다.
같은 논리가 자본 구조에도 적용된다. 엔비디아, 하이퍼스케일러, 파운데이션 모델 회사를 들고 있으면 AI 발전이 순풍이다. 반대로 "AI에 의해 자동화될 단순 아웃소싱 비즈니스"의 지분을 들고 있다면 역풍이다.
연구자 입장에서 솔직히 말하면 — 나는 IF-MDM 같은 걸 하고 있지만 이것도 매번 자문한다. "Veo나 Sora가 내일 더 좋아지면 내 연구의 기여가 증발하지 않는가?" 답은 "데이터, 효율, 새 modality에 붙는 research는 대체로 모델 발전과 같이 좋아진다"는 것. 반면 "큰 모델이 이미 풀고 있는 문제의 marginal improvement"를 붙잡고 있으면 매일이 공포다.
그래서 개인 레벨에서 테스트는 이거다:
"GPT-6 / Gemini 3 / Opus 5가 내일 나온다. 나는 기쁜가, 두려운가?"
이게 두려우면 포지셔닝을 바꿀 타이밍이다.
4. 커리어 선택: 나오는 모든 기술을 '쓸 수 있는' 자리인가?
같은 원칙이 직장에도 적용된다. 내가 지금 다니는 환경에서 중요한 건 "여기서 나는 나오는 모든 최신 기술과 구조를 활용해서 일할 수 있는가?" 이다.
세쿼이아 글의 "Copilot → Autopilot" 전환은, 회사 레벨에서 "직원이 도구를 잘 쓰는 조직 → 직원이 에이전트 오케스트레이터가 되는 조직"으로 번역된다. 전자에서 후자로 못 넘어가는 회사는 $6 시장의 반대편, 즉 자동화될 쪽에 앉게 된다.
개인의 커리어 선택도 비슷하다. 체크해야 할 것:
•
내가 Claude Code, Cursor, Devin, OpenAI Codex 같은 걸 눈치 안 보고 풀로 쓸 수 있는 자리인가?
•
내가 새 모델이 나올 때마다 워크플로우를 뜯어고칠 자유가 있는가?
•
내 성과가 "얼마나 많이 손으로 쳤나"가 아니라 "얼마나 좋은 outcome을 만들어냈나"로 측정되는가?
세 번째는 특히 중요하다. 왜냐하면 AI 시대의 성과 평가가 여전히 "키보드 타수"로 이루어지는 조직은, 구조적으로 "지능을 파는" 쪽에 갇혀 있다는 뜻이니까.
5. 그런데 "쓸 수 있다"는 것의 전제 — 의존성 문제
여기서 한 턴 꼬인 질문이 있다. "그럼 최신 AI를 풀로 쓰면 되잖아?" — 맞는데, 그게 얼마나 위태로운 의존성 위에 서 있는지 최근 몇 달 사이에 뼈저리게 느끼고 있다.
Anthropic의 Claude를 예로 들면, 2026년 4월 한 달에만:
•
4월 15일, Claude.ai, API, Claude Code에 걸쳐 엘리베이티드 에러. Downdetector 리포트가 최대 6,000건까지 올라갔고, 엔터프라이즈 CIO들 사이에서 Gemini 등 대안으로 "스위치할 준비가 되어 있어야 한다"는 얘기가 나왔다.
•
4월 16일 새벽, Opus 4.6에서 약 1.5시간 장애 (23:03 PT ~ 00:26 PT).
•
같은 4월 15일 사건은 복구된 줄 알았다가 다시 내려가서, "Claude.ai and Platform are down"이 다시 걸리는 상황도 있었다.
이게 다 한 달 안에 일어난 일이다. Claude Code에서 "API Error: Stream idle timeout"으로 긴 세션이 날아가본 사람은 이게 단순한 SaaS 다운타임이 아니라 작업 손실이라는 걸 안다. 에이전트가 내 대신 한 시간 코딩한 게 증발한다.
그럼 대안이 있나? 물론 GPT-5 Codex 같은 게 있지만, 코딩 에이전트로서 현재 Claude mythos(긴 컨텍스트, sub-agent 운용, MCP 생태계)를 완전히 대체하기는 아직 어렵다. 요컨대 선택지가 실질적으로 1~2개인 생태계에 우리가 얹혀 있는 거다.
이 지점에서 개인 수준에서 할 수 있는 건 "멀티 프로바이더로 분산, 오프라인 backup(로컬 LLM), 중요한 작업은 자주 커밋" 정도가 끝이다. 근데 문제는 이게 국가 단위로 올라가면 훨씬 심각해진다는 거다.
6. 소버린 AI: 1976년의 TDX가 2026년에 다시 필요한 이유
여기서 소버린 AI 얘기로 넘어간다. 이 주제를 꺼내면 종종 "그냥 큰 모델 하나 더 만들자는 얘기?"로 오해받는데, 그게 아니다.
6-1. 한국은 통신망을 자립한 드문 나라다
잘 안 알려진 사실인데, ISP(인터넷 서비스 제공) 관련 인프라를 이 정도로 자급한 나라가 세계에 많지 않다. 한국은 이걸 1970~80년대부터 준비했다.
TDX(Time Division Exchange, 전전자교환기) 스토리를 다시 보자:
•
1976년 12월 박정희 대통령 재가로 '전자식 교환기 개발계획서' 승인. 이 프로젝트를 강력히 주장한 사람은 경제기획원의 김재익 기획국장이었다.
•
1982년부터 5년간 연인원 1,300여 명, 약 240억 원 투입. 당시 ETRI 연간 예산이 29억 원이었다. 천문학적이다.
•
1986년 4월 TDX-1 상용화. 한국은 미국·일본·프랑스 등에 이어 세계 열 번째 디지털 전자교환기 생산국이 됐다. 1987년에 '1가구 1전화'와 전화가입자 1,000만명 돌파를 동시에 달성했다.
•
최종 경제 효과: 투입 1,500억 원 대비 수입대체 4조 3천억 + 수출 1조 4천억 = 총 약 5조 3,800억 원.
이게 왜 중요한가? 당시 "전자교환기를 국산화한다"고 했을 때 업계는 냉소적이었다. 일부에서는 "성공하면 손에 장을 지지겠다"는 말까지 나올 정도로 무모해 보였다. 근데 결과적으로 이 자립화 경험이 DRAM → CDMA → WiBro → LTE로 이어지는 한국 ICT 산업의 근간이 됐다. ETRI 분석으로 이 네 기술의 경제적 파급 효과만 194조 원, LTE-A까지 포함하면 237조 원.
포인트는 이거다: 한국이 지금 반도체 강국인 건 1990년대부터 열심히 해서가 아니라, 1976년에 "통신망 자립"을 결정한 덕분이다. 기술 자립은 한 세대 선행 투자다.
6-2. 2026년 AI 시장의 구조는 1976년 교환기 시장과 놀랍도록 닮았다
지금 AI 생태계를 보면:
•
외산(미국) 프론티어 모델 서너 개가 전 세계 AI 워크로드를 다 감당한다.
•
한 번씩 터지면 수만 개 기업의 워크플로우가 동시에 멈춘다 (위 Claude 장애 참조).
•
수입 비용이 천문학적이다 — 2026년 한 해에만 주요 테크 기업들이 AI 인프라에 $630B 이상 쓸 것으로 추산된다.
이거 1978년에 벨기에 BTM사 M10CN, 미국 WEI사 No.1A 전자교환기를 수입하던 상황하고 구조적으로 똑같다. "앞으로 수천만 회선의 수요가 예상되는 교환기를 수입하려면 막대한 비용을 수반해야 했기 때문" — 이 문장에서 "교환기"를 "파운데이션 모델"로, "회선"을 "토큰"으로 바꿔보면 지금 얘기가 된다.
6-3. 소버린 AI는 모델 하나가 아니다 — 스택 전체의 얘기다
그리고 여기서 중요한 오해를 풀어야 한다. 소버린 AI는 "한국어 잘하는 LLM 하나 만드는 것"이 아니다. 글로벌 프론티어 레벨에서 경쟁 가능한 모델을 지속적으로 찍어낼 수 있는 스택 전체를 뜻한다.
구성 요소를 쪼개보면:
① 인프라 (전력, 데이터 수집, 클라우드)
•
한국은 2030년까지 NVIDIA GPU 260,000개 배치 계획. 정부 50,000 + 삼성 50,000 + SK 50,000 + 현대차 50,000 + 네이버 클라우드 60,000.
•
데이터센터 50개, 총 2GW. 전남에만 3GW짜리 시설이 $10B에서 $35B로 확장 중. 추가 5GW의 전력 수요에 대응하기 위해 원전 10GW 확장과 KEPCO $45B 투자.
•
정부·민간 합쳐 ₩1,000조 규모 투자 계획. 2024~2025년 AI 관련 FDI $25.5B로 미국·중국 다음 세계 3위.
② 모델 (파운데이션 레벨 경쟁력)
•
네이버 HyperCLOVA X, SK텔레콤 A.X K1, LG EXAONE — 단순한 제품이 아니라 '주권 논리'의 전략적 자산.
•
LG EXAONE 4.0은 Artificial Analysis Intelligence Index에 오른 두 개의 한국 LLM 중 하나. 공개 당시 오픈 웨이트 모델 중 4위, 전체 11위.
•
심지어 네이버는 최근 중국산 vision encoder(Qwen 기반)를 자체 개발한 걸로 교체했다 — "하루방" 이미지를 영어 "Statue"가 아니라 한국어 "하루방"으로 바로 인식하도록. 이게 "cryptographic sovereignty"까지는 아니어도 "cultural sovereignty"의 전형적인 예다.
③ 반도체 (하드웨어 자립)
•
Rebellions가 Arm AGI CPU + RebelCard (Rebel100 NPU)로 SK텔레콤 AI 데이터센터에서 검증 중. "모든 기관과 국가가 AI를 단순히 '접근'하는 게 아니라 '소유하고 통제'할 수 있도록" 하는 게 목표라고 명시.
•
SK하이닉스는 HBM 글로벌 시장점유율 50%. NVIDIA H100/H200에 들어가는 핵심 메모리. (역설적이게도 "AI 공급망 의존"의 반대편에서 우리가 병목을 쥐고 있다는 뜻이기도 하다.)
④ 인력 (가장 병목)
•
하드웨어가 아무리 있어도 소용이 없는 건 그걸 쓸 수 있는 전문 인력이 없기 때문이다. 한국도 스웨덴도 AI 인력 부족을 1순위 병목으로 꼽는다.
•
한국 정부가 ₩1.4조 (약 $1.25B)를 AI 인력 육성에 배정한 이유가 이거다. 초등학생부터 시니어 연구자까지 파이프라인 전체.
6-4. "Data Scientist, Research Engineer, Research Scientist, AI Engineer" — 역할별 병목
인력 얘기를 좀 더 풀면, 소버린 AI에 필요한 사람은 단일 페르소나가 아니다. 최소한 네 부류가 동시에 필요하다:
역할 | 하는 일 | 한국에서 특히 부족한 부분 |
Research Scientist | 새 아키텍처/loss/이론 | 장기 호흡의 pure research 환경 |
Research Engineer | 모델을 실제로 돌리고 scale | 분산 학습, 데이터 파이프라인 엔지니어링 |
AI Engineer | 제품/워크플로우 통합 | Agentic systems, RAG, eval |
Data Scientist | 데이터 큐레이션/분석 | 대규모 데이터 품질 관리 노하우 |
솔직히 한국에서 가장 약한 건 가운데 두 개, 특히 Research Engineer다. 왜냐하면 이건 "논문"으로 포상이 안 되고, "제품"으로도 바로 포상이 안 되는 애매한 포지션이라서 커리어 패스가 명확하지 않다. 근데 프론티어 모델 하나 만들려면 RS:RE 비율이 보통 1:3~1:5이다. 모델만 있고 Engineer가 없으면 재현 안 되는 논문이 된다.
7. 다시 원래 질문으로: 그럼 나는 어디에 서야 하는가?
세쿼이아의 프레임을 다시 빌려서 자문해 본다.
•
나의 일상 작업에서 — 나는 "지능(반복 가능한 코딩, 실험)"을 AI에 외주 주고 "판단(무엇을 연구할지, 어떤 방향을 밀지)"에 시간을 쓰고 있는가?
•
나의 기술 스택에서 — 모델이 발전할 때 내 기여가 증발하는가 증폭하는가?
•
나의 커리어 선택에서 — 최신 도구를 전부 쓸 수 있는 자리인가, 아니면 "자동화될 $6 시장의 인력"에 앉아 있는가?
•
국가 레벨에서 — 내가 만드는 기술/논문/시스템은 소버린 AI 스택 어디에 기여하는가? 아니면 그냥 NVIDIA의 GPU 사용량만 올려주는 소비자인가?
완전한 답은 모르겠다. 근데 프레임은 명확하다:
지능은 저렴해지고 있고, 판단은 희소해지고 있다. 그리고 두 경계선은 계속 뒤로 밀린다. 개인도, 회사도, 국가도, 경계선의 뒤가 아니라 앞에 서 있어야 한다.
TDX가 1976년의 판단이었다면, 소버린 AI 스택은 2026년의 판단이다. 30년 뒤에 누군가 이걸 보고 "그때 왜 저기에 저렇게 투자했지?"가 아니라 "저렇게 안 했으면 어쩔 뻔했어"라고 말하기를 바란다.
참고자료 (References with raw URLs)
원문 및 직접 맥락
1.
Julien Bek, "Services: The New Software," Sequoia Capital — https://sequoiacap.com/article/services-the-new-software/
2.
Sequoia, "Partnering with Auctor: AI Autopilot for Software Implementation" — https://sequoiacap.com/article/partnering-with-auctor/
3.
TechFlow, "The Next Trillion-Dollar Company Won't Sell Software—It'll Sell Outcomes" — https://www.techflowpost.com/en-US/article/30628
4.
"AI 시대, 소프트웨어 도구를 팔지 말고 결과를 팔아라" (국문 해설) — https://youtube.com/post/Ugkxl666Jvm-wuH4AcYQnhcUTvCcfjOLZZ9d
Claude / Anthropic 안정성 이슈 (2026년 4월)
1.
Claude Status Page — https://status.claude.com/
2.
TechRadar, "Claude was down — here's everything we know" (2026-04-15) — https://www.techradar.com/news/live/claude-anthropic-down-outage-april-15-2026
3.
CNBC, "Anthropic outage: Elevated errors across chatbot, Claude Code and API" — https://www.cnbc.com/2026/04/15/anthropic-outage-elevated-errors-claude-chatbot-code-api.html
4.
Let's Data Science, "Anthropic Resolves Brief Outage Affecting Claude Services" — https://letsdatascience.com/news/anthropic-resolves-brief-outage-affecting-claude-services-82db38b3
한국 통신망 자립 역사 (TDX)
1.
ETRI 45주년, "최초의 국산 교환기 TDX" — https://www.etri.re.kr/45th/sub05_3.html
2.
전자신문, "[100대 사건_012] 국산 전전자교환기(TDX-1) 상용서비스 <1986년 4월>" — https://www.etnews.com/201209110602
3.
전자신문, "[과학기술이 미래다] 통신혁명 횃불…전전자교환기(TDX) 개발에 240억원 투입" — https://v.daum.net/v/20240611160244382
4.
정보통신신문, "[통신망 발전사 ①] 국산교환기 1호 'TDX' 이동통신강국 길 텄다" — https://www.koit.co.kr/news/articleView.html?idxno=89949
5.
ETRI Webzine, "이동통신 기술의 역사" — https://www.etri.re.kr/webzine/20190927/sub03.html
한국 소버린 AI 전략
1.
Korea Herald, "Korea begins rollout of 10,000 Nvidia GPUs under 260,000-unit plan" (2026-02-19) — https://www.koreaherald.com/article/10678398
2.
NVIDIA Newsroom, "NVIDIA, South Korea Government and Industrial Giants Build AI Infrastructure..." (2025-10-31) — https://nvidianews.nvidia.com/news/south-korea-ai-infrastructure
3.
Introl Blog, "South Korea's $735B Sovereign AI Initiative" — https://introl.com/blog/south-korea-735b-sovereign-ai-initiative-infrastructure-requirements-opportunities
4.
Seoulz, "Sovereign AI Korea: Building a National Security Fortress" — https://www.seoulz.com/sovereign-ai-korea-building-a-national-security-fortress/
5.
Korea Herald, "Korea's AI challengers take on ChatGPT with own LLMs" — https://www.koreaherald.com/article/10566046
6.
Seoul Economic Daily, "Naver Replaces Chinese Component with In-House Vision Encoder" (2026-04-17) — https://en.sedaily.com/finance/2026/04/17/naver-replaces-chinese-component-with-in-house-vision
7.
Rebellions Newsroom, "Rebellions Collaborates with SK Telecom and Arm Targeting Sovereign AI" (2026-04-10) — https://rebellions.ai/newsroom/rebellions-collaborates-with-sk-telecom-and-arm-targeting-sovereign-ai-and-telecom-infrastructure/
8.
Swiss Institute of AI, "Sovereign AI Is Becoming Public Infrastructure" — https://siai.org/memo/2025/12/202512284707
9.
KoreaTechDesk, "AI Is Real, But the Infrastructure Race May Carry the Real Risk" — https://koreatechdesk.com/ai-infrastructure-risk-data-center-overbuild-korea
보조 참고자료 (SaaS→에이전트 전환)
1.
RejoiceHub, "Are AI Agents Replacing SaaS?" — https://rejoicehub.com/blogs/ai-agents-replacing-saas-business-automation
2.
AI Journ, "How AI Agents Are Replacing SaaS Platforms" — https://aijourn.com/how-ai-agents-are-replacing-saas-platforms-across-enterprises/