To do this, rather than sell software to improve an end-user's productivity, founders should consider what it would look like to sell the work itself.
If you were still in the mindset of selling software, you could imagine a software offering for personal injury law firms, sold on a per-seat basis, that uses AI to help people in the firm create a demand package (imagine a builder where you drop in the medical records during one step of the process). But then EvenUp would have been stuck in the paradigm of selling software – selling a 10% productivity improvement instead of 95%. Instead, EvenUp had the foresight to sell the work product itself: the demand package.
When you sell work, the sales cycle is different, it’s priced relative to the cost of a human performing the work instead of as a productivity improver, and the competition for a similar product (besides the company’s own human capital) is essentially outsourced groups internationally. An AI-driven product with the consistency and SLAs it can achieve should be vastly superior to an outsourced offering – a 10x and cheaper opportunity. Indeed, I’d guess a good test of the viability of a market opportunity to sell AI-built “work” is, crudely, whether there already exists a focused, outsourced group internationally to support it.
If anyone with access to ChatGPT or any of OpenAI’s APIs could essentially get to the same output, you are always vulnerable to customers moving their business to whomever offers the work product at a cheaper price. As an example, both Jasper and Copy.ai got caught on their backfoot when OpenAI released ChatGPT, which basically democratized access to the service they were offering, spiking churn for both companies.
Won't the incumbents just add this? We've see Notion, Hubspot, Canva, Microsoft, etc., quickly announce GPT-driven features in their products. It becomes the classic race of either the startup figures distribution or the incumbent figures out innovation. Here, the "incumbents" aren't sleepy companies but innovative tech companies, and the innovation necessary, while not trivial, has mostly already been done by OpenAI so it's just a matter of fitting it cohesively into the product.
I think this will take a few different variations that increase the odds of escaping competition:
Narrowness in initial focus. One of the areas I’m most excited by right now is companies pursuing vertical application opportunities. In a world with multiple competitors seemingly focused on the big horizontal opportunities, and still rapidly evolving underlying technology, a focused competitor can win and then can expand from that position of strength. These will often involve tuning a model to a specific use case, hooking into if not replacing existing workflows (often times leveraging other ML techniques to do so), and therefore means that there will be more to the execution than a simple API call to a foundation model.
Feedback loops. I’ve written about feedback loops earlier so won’t belabor the importance here. Certainly if you build an application that can leverage user engagement to improve the accuracy of your model, there will be advantages to scale and thus the ingredient to escape competition. Having a human in the loop that acts as a bit of a power user to provide feedback in the beginning is another mechanism companies use that is also effective in providing advantages to scale, provided you are able to leverage that feedback to fine-tune.
Accruing data asset. I’ll confess I’m most taken by companies where a positive externality of users leveraging their LLM-driven application is the creation of a new, useful data asset that wouldn’t have been possible before at scale. In a way, this externalizes the moat outside of what’s possible with LLMs themselves and creates an even more differentiated offering that can escape competition at scale.
If you were still in the mindset of selling software, you could imagine a software offering for personal injury law firms, sold on a per-seat basis, that uses AI to help people in the firm create a demand package (imagine a builder where you drop in the medical records during one step of the process). But then EvenUp would have been stuck in the paradigm of selling software – selling a 10% productivity improvement instead of 95%. Instead, EvenUp had the foresight to sell the work product itself: the demand package.
When you sell work, the sales cycle is different, it’s priced relative to the cost of a human performing the work instead of as a productivity improver, and the competition for a similar product (besides the company’s own human capital) is essentially outsourced groups internationally. An AI-driven product with the consistency and SLAs it can achieve should be vastly superior to an outsourced offering – a 10x and cheaper opportunity. Indeed, I’d guess a good test of the viability of a market opportunity to sell AI-built “work” is, crudely, whether there already exists a focused, outsourced group internationally to support it.
If anyone with access to ChatGPT or any of OpenAI’s APIs could essentially get to the same output, you are always vulnerable to customers moving their business to whomever offers the work product at a cheaper price. As an example, both Jasper and Copy.ai got caught on their backfoot when OpenAI released ChatGPT, which basically democratized access to the service they were offering, spiking churn for both companies.
Won't the incumbents just add this? We've see Notion, Hubspot, Canva, Microsoft, etc., quickly announce GPT-driven features in their products. It becomes the classic race of either the startup figures distribution or the incumbent figures out innovation. Here, the "incumbents" aren't sleepy companies but innovative tech companies, and the innovation necessary, while not trivial, has mostly already been done by OpenAI so it's just a matter of fitting it cohesively into the product.
I think this will take a few different variations that increase the odds of escaping competition:
Narrowness in initial focus. One of the areas I’m most excited by right now is companies pursuing vertical application opportunities. In a world with multiple competitors seemingly focused on the big horizontal opportunities, and still rapidly evolving underlying technology, a focused competitor can win and then can expand from that position of strength. These will often involve tuning a model to a specific use case, hooking into if not replacing existing workflows (often times leveraging other ML techniques to do so), and therefore means that there will be more to the execution than a simple API call to a foundation model.
Feedback loops. I’ve written about feedback loops earlier so won’t belabor the importance here. Certainly if you build an application that can leverage user engagement to improve the accuracy of your model, there will be advantages to scale and thus the ingredient to escape competition. Having a human in the loop that acts as a bit of a power user to provide feedback in the beginning is another mechanism companies use that is also effective in providing advantages to scale, provided you are able to leverage that feedback to fine-tune.
Accruing data asset. I’ll confess I’m most taken by companies where a positive externality of users leveraging their LLM-driven application is the creation of a new, useful data asset that wouldn’t have been possible before at scale. In a way, this externalizes the moat outside of what’s possible with LLMs themselves and creates an even more differentiated offering that can escape competition at scale.
❤1
Forwarded from 전종현의 인사이트
그래 이거였어! 이제야 진정한 의미를 파악했다!
Sell work, not software
https://www.sarahtavel.com/p/ai-startups-sell-work-not-software
Sell work, not software
https://www.sarahtavel.com/p/ai-startups-sell-work-not-software
Sarahtavel
AI startups: Sell work, not software
For the past 25 years, application software startups have had a singular focus: increasing company and employee (including developer) productivity.
이를 위해 창업자는 최종 사용자의 생산성을 향상시키기 위해 소프트웨어를 판매하는 대신 작업 자체를 판매하는 것이 어떤 모습일지 고려해야 합니다.
여전히 소프트웨어를 판매하려는 사고방식에 머물러 있다면, 개인 상해 법률 회사를 위한 소프트웨어를 좌석 단위로 판매하고 AI를 사용하여 회사 내 사람들이 수요 패키지를 만들 수 있도록 돕는 서비스를 상상할 수 있습니다(한 단계의 과정에서 의료 기록을 작성하는 빌더를 상상해 보세요). 하지만 이븐업은 95%가 아닌 10%의 생산성 향상을 판매하는 소프트웨어 판매의 패러다임에 갇혀 있었을 것입니다. 대신 EvenUp은 선견지명을 가지고 업무 제품 자체, 즉 수요 패키지를 판매했습니다.
업무를 판매할 때는 판매 주기가 다르고, 생산성 향상이 아니라 업무를 수행하는 사람의 인건비를 기준으로 가격이 책정되며, 회사 자체의 인적 자본 외에 유사한 제품의 경쟁자는 기본적으로 전 세계의 아웃소싱 그룹입니다. 일관성과 SLA를 달성할 수 있는 AI 기반 제품은 아웃소싱 제품보다 10배 이상 저렴하고 훨씬 우수해야 합니다. 실제로 AI로 구축된 '작업'을 판매할 수 있는 시장 기회의 실행 가능성을 가늠하는 좋은 테스트는 국제적으로 이미 이를 지원할 수 있는 집중된 아웃소싱 그룹이 존재하는지 여부라고 생각합니다.
ChatGPT 또는 OpenAI의 API에 액세스할 수 있는 모든 사람이 기본적으로 동일한 결과물을 얻을 수 있다면, 고객이 더 저렴한 가격으로 작업 제품을 제공하는 업체로 비즈니스를 옮기는 데 항상 취약할 수 있습니다. 일례로, Jasper와 Copy.ai는 OpenAI가 제공하는 서비스에 대한 액세스를 기본적으로 민주화한 ChatGPT를 출시하면서 두 회사 모두 뒷통수를 맞았고, 이로 인해 고객 이탈이 급증했습니다.
기존 업체들도 이 기능을 추가하지 않을까요? 노션, 허브스팟, 캔바, 마이크로소프트 등이 자사 제품에 GPT 기반 기능을 빠르게 발표하는 것을 보았습니다. 이는 스타트업의 수치 분배 또는 기존 기업의 혁신이라는 전형적인 경쟁 구도가 됩니다. 여기서 '기존 기업'은 잠자는 기업이 아니라 혁신적인 기술 기업이며, 필요한 혁신은 사소한 것은 아니지만 대부분 OpenAI가 이미 해왔기 때문에 제품에 응집력 있게 적용하는 것만 남았습니다.
경쟁에서 벗어날 수 있는 확률을 높이기 위해 몇 가지 다양한 변형이 필요할 것으로 생각됩니다:
초기 초점이 좁습니다. 제가 지금 가장 흥미를 느끼는 분야 중 하나는 수직적 애플리케이션 기회를 추구하는 기업들입니다. 다수의 경쟁자가 큰 수평적 기회에 집중하는 것처럼 보이지만 기반 기술은 여전히 빠르게 진화하는 세상에서, 집중하는 경쟁자는 이길 수 있고 그 강점을 바탕으로 확장할 수 있습니다. 여기에는 종종 특정 사용 사례에 맞게 모델을 조정하고, 기존 워크플로를 대체하지는 않더라도 다른 ML 기술을 활용하는 경우가 많으며, 따라서 기초 모델에 대한 단순한 API 호출보다 더 많은 실행이 수반될 수 있습니다.
피드백 루프. 피드백 루프에 대해서는 앞서 글을 썼기 때문에 여기서 그 중요성에 대해 자세히 설명하지는 않겠습니다. 물론 사용자 참여를 활용하여 모델의 정확도를 향상시킬 수 있는 애플리케이션을 구축한다면 확장에 유리하고 경쟁에서 벗어날 수 있는 요소가 될 것입니다. 초기에 피드백을 제공할 수 있는 파워 유저 역할을 하는 사람을 두는 것도 기업이 사용하는 또 다른 메커니즘으로, 이러한 피드백을 활용하여 미세 조정할 수 있다면 확장에 이점을 제공하는 데 효과적입니다.
데이터 자산 축적. 저는 LLM 기반 애플리케이션을 활용하는 사용자들의 긍정적인 외부효과로 인해 이전에는 불가능했던 새롭고 유용한 데이터 자산이 대규모로 생성되는 기업이 가장 마음에 듭니다. 어떤 의미에서 이는 LLM 자체의 한계를 외부로 확장하고 대규모 경쟁에서 벗어날 수 있는 더욱 차별화된 서비스를 창출하는 것입니다.
여전히 소프트웨어를 판매하려는 사고방식에 머물러 있다면, 개인 상해 법률 회사를 위한 소프트웨어를 좌석 단위로 판매하고 AI를 사용하여 회사 내 사람들이 수요 패키지를 만들 수 있도록 돕는 서비스를 상상할 수 있습니다(한 단계의 과정에서 의료 기록을 작성하는 빌더를 상상해 보세요). 하지만 이븐업은 95%가 아닌 10%의 생산성 향상을 판매하는 소프트웨어 판매의 패러다임에 갇혀 있었을 것입니다. 대신 EvenUp은 선견지명을 가지고 업무 제품 자체, 즉 수요 패키지를 판매했습니다.
업무를 판매할 때는 판매 주기가 다르고, 생산성 향상이 아니라 업무를 수행하는 사람의 인건비를 기준으로 가격이 책정되며, 회사 자체의 인적 자본 외에 유사한 제품의 경쟁자는 기본적으로 전 세계의 아웃소싱 그룹입니다. 일관성과 SLA를 달성할 수 있는 AI 기반 제품은 아웃소싱 제품보다 10배 이상 저렴하고 훨씬 우수해야 합니다. 실제로 AI로 구축된 '작업'을 판매할 수 있는 시장 기회의 실행 가능성을 가늠하는 좋은 테스트는 국제적으로 이미 이를 지원할 수 있는 집중된 아웃소싱 그룹이 존재하는지 여부라고 생각합니다.
ChatGPT 또는 OpenAI의 API에 액세스할 수 있는 모든 사람이 기본적으로 동일한 결과물을 얻을 수 있다면, 고객이 더 저렴한 가격으로 작업 제품을 제공하는 업체로 비즈니스를 옮기는 데 항상 취약할 수 있습니다. 일례로, Jasper와 Copy.ai는 OpenAI가 제공하는 서비스에 대한 액세스를 기본적으로 민주화한 ChatGPT를 출시하면서 두 회사 모두 뒷통수를 맞았고, 이로 인해 고객 이탈이 급증했습니다.
기존 업체들도 이 기능을 추가하지 않을까요? 노션, 허브스팟, 캔바, 마이크로소프트 등이 자사 제품에 GPT 기반 기능을 빠르게 발표하는 것을 보았습니다. 이는 스타트업의 수치 분배 또는 기존 기업의 혁신이라는 전형적인 경쟁 구도가 됩니다. 여기서 '기존 기업'은 잠자는 기업이 아니라 혁신적인 기술 기업이며, 필요한 혁신은 사소한 것은 아니지만 대부분 OpenAI가 이미 해왔기 때문에 제품에 응집력 있게 적용하는 것만 남았습니다.
경쟁에서 벗어날 수 있는 확률을 높이기 위해 몇 가지 다양한 변형이 필요할 것으로 생각됩니다:
초기 초점이 좁습니다. 제가 지금 가장 흥미를 느끼는 분야 중 하나는 수직적 애플리케이션 기회를 추구하는 기업들입니다. 다수의 경쟁자가 큰 수평적 기회에 집중하는 것처럼 보이지만 기반 기술은 여전히 빠르게 진화하는 세상에서, 집중하는 경쟁자는 이길 수 있고 그 강점을 바탕으로 확장할 수 있습니다. 여기에는 종종 특정 사용 사례에 맞게 모델을 조정하고, 기존 워크플로를 대체하지는 않더라도 다른 ML 기술을 활용하는 경우가 많으며, 따라서 기초 모델에 대한 단순한 API 호출보다 더 많은 실행이 수반될 수 있습니다.
피드백 루프. 피드백 루프에 대해서는 앞서 글을 썼기 때문에 여기서 그 중요성에 대해 자세히 설명하지는 않겠습니다. 물론 사용자 참여를 활용하여 모델의 정확도를 향상시킬 수 있는 애플리케이션을 구축한다면 확장에 유리하고 경쟁에서 벗어날 수 있는 요소가 될 것입니다. 초기에 피드백을 제공할 수 있는 파워 유저 역할을 하는 사람을 두는 것도 기업이 사용하는 또 다른 메커니즘으로, 이러한 피드백을 활용하여 미세 조정할 수 있다면 확장에 이점을 제공하는 데 효과적입니다.
데이터 자산 축적. 저는 LLM 기반 애플리케이션을 활용하는 사용자들의 긍정적인 외부효과로 인해 이전에는 불가능했던 새롭고 유용한 데이터 자산이 대규모로 생성되는 기업이 가장 마음에 듭니다. 어떤 의미에서 이는 LLM 자체의 한계를 외부로 확장하고 대규모 경쟁에서 벗어날 수 있는 더욱 차별화된 서비스를 창출하는 것입니다.
기존 SaaS들이 업무를 할 때 필요한 툴로 지난 20년간 소프트웨어 산업의 성장을 만들었다면, 앞으로는 특정 업무를 보조/대체하는 재정의하는 AI 제품들이 캠브리아기 개화하듯이 쏟아져나올 것입니다.
그동안 SaaS는 제품을 사용하는 고객에게 더 싸고, 빠르고, 나은 옵션을 제공해왔습니다. 개발자들이 개발해야하는 영역을 API로 만들어 업무의 속도를 빠르게 만들고, 고용의 비용을 낮추거나, 협업을 재정의(Figma)해서 개인/조직의 생산성을 높이는 제품들이 기업의 생산성을 재정의하며 SaaS 산업을 빠른 속도로 키워왔습니다.
초기의 AI 제품은 기존 SaaS 보다 더 생산성을 많이 높여줄 것입니다. AI 피쳐를 제공하는 것만으로도 생산성이 많이 늘어나기 때문이죠.
장기적으로는 개인의 생산성을 높이는 것을 넘어서 한 명이 여러개의 Agent를 사용하면서 n명의 생산성을 만들어낼 수 있을겁니다. 그에 따라서 협업의정의도 달라지고 높은 퍼포먼스의 기준도 달라질 것입니다. 다양한 AI Agent와 협업하는 개인 그리고 여러 Agent와 일하는 개인간의 협업, Agent간의 협업도 그렇게 먼 미래가 아닙니다.
그런 차원에서 앞으로는 Workflow를 재정의하는 기업들이 산업별로, 워크 플로우별로 더 많이 생길 것으로 예상합니다.
그동안 SaaS는 제품을 사용하는 고객에게 더 싸고, 빠르고, 나은 옵션을 제공해왔습니다. 개발자들이 개발해야하는 영역을 API로 만들어 업무의 속도를 빠르게 만들고, 고용의 비용을 낮추거나, 협업을 재정의(Figma)해서 개인/조직의 생산성을 높이는 제품들이 기업의 생산성을 재정의하며 SaaS 산업을 빠른 속도로 키워왔습니다.
초기의 AI 제품은 기존 SaaS 보다 더 생산성을 많이 높여줄 것입니다. AI 피쳐를 제공하는 것만으로도 생산성이 많이 늘어나기 때문이죠.
장기적으로는 개인의 생산성을 높이는 것을 넘어서 한 명이 여러개의 Agent를 사용하면서 n명의 생산성을 만들어낼 수 있을겁니다. 그에 따라서 협업의정의도 달라지고 높은 퍼포먼스의 기준도 달라질 것입니다. 다양한 AI Agent와 협업하는 개인 그리고 여러 Agent와 일하는 개인간의 협업, Agent간의 협업도 그렇게 먼 미래가 아닙니다.
그런 차원에서 앞으로는 Workflow를 재정의하는 기업들이 산업별로, 워크 플로우별로 더 많이 생길 것으로 예상합니다.
🥰3
Forwarded from 전종현의 인사이트
Devin 개발사 Cognition은 얼마전 투자받은 밸류가 $350m 이었는데, 현재 무려 $2b 밸류로 투자 유치를 진행 중이군요. $1b 제안이 있었는데 회사가 거절했다고 하고요. 이 팀 아주 범상치 않습니다.
https://www.wsj.com/tech/ai/a-peter-thiel-backed-ai-startup-cognition-labs-seeks-2-billion-valuation-998fa39d
https://www.wsj.com/tech/ai/a-peter-thiel-backed-ai-startup-cognition-labs-seeks-2-billion-valuation-998fa39d
The Wall Street Journal
Exclusive | A Peter Thiel-Backed AI Startup, Cognition Labs, Seeks $2 Billion Valuation
The funding round could increase the startup’s valuation nearly sixfold in a matter of weeks, reflecting the AI frenzy.
🤯1
제발 좀! 창업했으면 사업에 집중하고 딴 짓 하지 않으면 좋겠어요.
대표님, 대표님 소리 듣는거 달콤하죠? 회사는 아직 적자에 갈 길은 먼데, 어디 가서 내 사업은 어떠니, 조직을 어떻게 하니, 비전과 전략은 어떠니 하며 현실과는 먼 상상의 썰 푸는 것은 역시 달콤하죠? 게다가 펀딩이라도 좀 받은 이력이 있으면 이미 성공한 창업자 반열이 오른 대접받는 것도 짜릿하죠?
이 모임, 저 모임에서 같은 썰 풀며 잠깐, 잠깐 쓴다고 착각하며 시간과 관심을 낭비하고 있어요. 회사에 150% 다 쏟아 부어도 부족한 시간과 관심을 분산시켜 정작 회사 대들보는 허약해지고 있어요. CEO가 집중 안하니 펀딩받은 돈으로 사람만 많이 채용해 조직은 비대해진 허약한 체질의 뚱보가 되어가는 중이어요. CEO가 몰입하면 직원 절반만 있어도 더 강하고 잘 돌아가요.
제 책에 스타트업 CEO를 데이타룸에 2년 가두는 법을 만들고 싶다고 과장된 이야기를 했는데, 그냥 회사 사무실에만 가두기만해도 한국 스타트업의 발전이 눈 앞에 선해요.
성공한 창업가 대접받고 싶은가요? 그게 맛있죠? 그 맛있는 마시멜로를 먼저 먹지 마세요. 감추고 감추고 감추었는데도 어쩔 수 없이 성공이 드러날수 밖에 없게되어 알려져서 인정받을 때까지 참으세요.
제발 쫌! 사업에 집중하고 딴 짓 하지 마세요.
대표님, 대표님 소리 듣는거 달콤하죠? 회사는 아직 적자에 갈 길은 먼데, 어디 가서 내 사업은 어떠니, 조직을 어떻게 하니, 비전과 전략은 어떠니 하며 현실과는 먼 상상의 썰 푸는 것은 역시 달콤하죠? 게다가 펀딩이라도 좀 받은 이력이 있으면 이미 성공한 창업자 반열이 오른 대접받는 것도 짜릿하죠?
이 모임, 저 모임에서 같은 썰 풀며 잠깐, 잠깐 쓴다고 착각하며 시간과 관심을 낭비하고 있어요. 회사에 150% 다 쏟아 부어도 부족한 시간과 관심을 분산시켜 정작 회사 대들보는 허약해지고 있어요. CEO가 집중 안하니 펀딩받은 돈으로 사람만 많이 채용해 조직은 비대해진 허약한 체질의 뚱보가 되어가는 중이어요. CEO가 몰입하면 직원 절반만 있어도 더 강하고 잘 돌아가요.
제 책에 스타트업 CEO를 데이타룸에 2년 가두는 법을 만들고 싶다고 과장된 이야기를 했는데, 그냥 회사 사무실에만 가두기만해도 한국 스타트업의 발전이 눈 앞에 선해요.
성공한 창업가 대접받고 싶은가요? 그게 맛있죠? 그 맛있는 마시멜로를 먼저 먹지 마세요. 감추고 감추고 감추었는데도 어쩔 수 없이 성공이 드러날수 밖에 없게되어 알려져서 인정받을 때까지 참으세요.
제발 쫌! 사업에 집중하고 딴 짓 하지 마세요.
👍6❤1⚡1
- 여전히 가장 ‘영향력 있는 언론인’이다. 그럼에도 ‘저널리스트’로서는 마침표를 찍는 건가.
“뭐 산속으로 들어가 자연인이 되는 것도 아니니 마침표를 딱 찍을 수야 없을 것 같다. 현직에선 물러나지만 현업에는 있는 셈이다. 그렇다고 무슨 미련이 남아있는 것도 아니다. 무엇을 어떤 식으로 할지는 아직 모르겠다. 안 해도 그만이고...물 흘러가듯 순리대로 따라가면 된다.
JTBC에서 가장 운이 좋았던 순간을 꼽아본다면.
“아마 국정농단 사태를 염두에 두고 질문하는 것 같은데 내 생각엔 운이란 건 없는 것 같다. 더구나 뉴스는 대부분 사건 사고를 다루는 것이고, 그것이 대부분 부정적인 일들인데, 그걸 남보다 일찍 다뤘다고 해서 ‘운이 좋다’고 표현할 수는 없지 않은가. 그건 굳이 따지자면 운이 아니라, 결과일 뿐이다. 평소에 진심을 가지고 취재하고 방송하면 그 진심을 세상이 알아주고, 우리가 더 잘 할 수 있게 도와준다고 믿는다. 예를 들면 아까 예로 든 세월호 참사, 국정농단 사건, 미투 등은 서로 따로 존재하는 것이 아니라, 앞의 보도에서 진심을 다했기 때문에 그 다음의 보도가 가능했던 것이다.”
https://www.mediatoday.co.kr/news/articleView.html?idxno=313013
물 흘러가는 듯 순리대로
몸과 마음이 가벼우려면 몸과 마음이 건강해야한다. 몸과 마음이 무거워지면 하고 싶은 일도 잘 안되고 못한다.
“뭐 산속으로 들어가 자연인이 되는 것도 아니니 마침표를 딱 찍을 수야 없을 것 같다. 현직에선 물러나지만 현업에는 있는 셈이다. 그렇다고 무슨 미련이 남아있는 것도 아니다. 무엇을 어떤 식으로 할지는 아직 모르겠다. 안 해도 그만이고...물 흘러가듯 순리대로 따라가면 된다.
JTBC에서 가장 운이 좋았던 순간을 꼽아본다면.
“아마 국정농단 사태를 염두에 두고 질문하는 것 같은데 내 생각엔 운이란 건 없는 것 같다. 더구나 뉴스는 대부분 사건 사고를 다루는 것이고, 그것이 대부분 부정적인 일들인데, 그걸 남보다 일찍 다뤘다고 해서 ‘운이 좋다’고 표현할 수는 없지 않은가. 그건 굳이 따지자면 운이 아니라, 결과일 뿐이다. 평소에 진심을 가지고 취재하고 방송하면 그 진심을 세상이 알아주고, 우리가 더 잘 할 수 있게 도와준다고 믿는다. 예를 들면 아까 예로 든 세월호 참사, 국정농단 사건, 미투 등은 서로 따로 존재하는 것이 아니라, 앞의 보도에서 진심을 다했기 때문에 그 다음의 보도가 가능했던 것이다.”
https://www.mediatoday.co.kr/news/articleView.html?idxno=313013
물 흘러가는 듯 순리대로
몸과 마음이 가벼우려면 몸과 마음이 건강해야한다. 몸과 마음이 무거워지면 하고 싶은 일도 잘 안되고 못한다.
www.mediatoday.co.kr
손석희, JTBC 떠나다 - 미디어오늘
저널리스트 손석희의 JTBC 마지막 방송일이던 2020년 1월2일은, 손석희 본인의 표현을 빌리자면 “앵커가 뉴스의 편집권과 인사권, 예산권까지 갖고 최종 책임을 지던, JTBC만의 유례없는 실험이 끝나는 날”(책...
Kyum(Blind cofounder)
1. 한국에서 글로벌 팀으로 넘어가서 많은 시행착오를 했고 그 것을 공유하고 싶다.
2. 한국 시장이 특별하다.
1. 단일 민족, 단일 언어
2. 수도권에 50% 밀집
3. 인당 GDP, 학력, 기술 이해도 높음.
그래서 한국에 있을 때 특수한 습관이 형성되고 해외에 나갔을 때 이를 반복적으로 사용하기 어렵다.
- 한국의 큰회사는 대부분 사람들이 쓰고 잘 알고 있다.
- 한국에 사는 내가 사용자이자 메이커이다보니, 직관중심의 제품개발이 가능하다.
3. 미국의 의사 커뮤니티 Doximity $6b
- 공략할 수 있는 하위 세그먼트가 충분히(대한민국 시장 전체보다) 크다.
→ 내가 데이터를 소비하는 사람이 아니기 때문에 데이터 중심의 제품 기획/개발(Customer Discovery)이 필요하다.
- 다양한 고객과 접점을 늘려 의사결정의 질을 높여라.
- 뭘 모르는 지 모른다고 인정해라.
-대부분 똑똑하고 에고가 강한 사람들이라서 인정을 잘 안함.
- (한국)고객 범위가 넓은 제품 vs (글로벌) 좁은 고객군에서 깊은 제품
- 한국에서는 스타트업, 큰 기업 모두에게 맞추다보니 글로벌하게 하나만 집중하는 회사와 경쟁하니까 이기기 어렵다.
- 고객을 만나고 고객의 목소리를 제품에 반영해라.
- 데이터 = Number + User Insight
- User insight = Level of Pain(Emotion)
⇒ 대화의 질과 의사결정의 질이 아주 높아짐.
- 고객 Customer, Attributes, Pain 리스트를 만들어라. Painpoint가 나오는 Segment가 어디에서 나오나? 어떤 세그먼트에 집중할 것인가?
- [Mom- test](https://feelinspired.medium.com/things-i-learnt-the-mom-test-by-rob-fitzpatrick-9d9d58ce8098)
- Do not hire until you know what to do
- 어짜피 좋은 인재는 채용이 안됨.
- 우리 회사가 무엇을 해야하는지를 같이 찾을 수 있는 유연한 사람을 찾으세요.
- Not every one will not make your future. 대부분의 팀원은 글로벌 사업을 하는 것이 힘들어서 나가떨어질 수 있다.
- 이스라엘: There is no such thing(There is no local market for israel companies)
- 애초에 Local 비즈니스를 한다는 게 없다.
- 한국 비즈니스-미국비즈니스를 병행한다면 미국 비즈니스가 처음에 잘 안크는데 한국은 조금 노력하면 성과가 나기 때문에 글로벌 쪽에 인내심을 못가질 수 있다.
- 미국에 와서 GTM하는 사람들이 처음에 엄청 힘들어한다. 우울증의 근처까지 간다. 원래 힘든 일이다.
- 싱크를 자주 하기 위해서 한국 오피스가 일찍일어나고 미국 오피스에서 좀 더 늦게까지 일해줬다.
- 미국에 와서 고객을 직접만나면서 같은 방향을 바라보는 시간이 귀했고 제품을 만드는 사람들이 고객을 자주 만나야한다.
- 압도적으로 이길 수 있는 시장을 찾기 위해서 고객을 이해하자.
- 우리의 엣지는?
- 블라인드는 커뮤니티 비즈니스라서 임계치가 넘어야할텐데, 초기에 어떤 시행착오가 있었나?
- 한국에선 네이버직원들이 다 친구라서 가입해달라고 하는게 먹혔는데 링크드인 직원들에게 우리의 엠버서더가 되달라고 했었는데 실패했음.
- 시애틀가서 아마존 본사에 일하는 한인 400명을 데려다가 고기, 술, 김치찜을 멕이면서 파티를 3개월하니 사람들이 모이더라.
1. 한국에서 글로벌 팀으로 넘어가서 많은 시행착오를 했고 그 것을 공유하고 싶다.
2. 한국 시장이 특별하다.
1. 단일 민족, 단일 언어
2. 수도권에 50% 밀집
3. 인당 GDP, 학력, 기술 이해도 높음.
그래서 한국에 있을 때 특수한 습관이 형성되고 해외에 나갔을 때 이를 반복적으로 사용하기 어렵다.
- 한국의 큰회사는 대부분 사람들이 쓰고 잘 알고 있다.
- 한국에 사는 내가 사용자이자 메이커이다보니, 직관중심의 제품개발이 가능하다.
3. 미국의 의사 커뮤니티 Doximity $6b
- 공략할 수 있는 하위 세그먼트가 충분히(대한민국 시장 전체보다) 크다.
→ 내가 데이터를 소비하는 사람이 아니기 때문에 데이터 중심의 제품 기획/개발(Customer Discovery)이 필요하다.
- 다양한 고객과 접점을 늘려 의사결정의 질을 높여라.
- 뭘 모르는 지 모른다고 인정해라.
-대부분 똑똑하고 에고가 강한 사람들이라서 인정을 잘 안함.
- (한국)고객 범위가 넓은 제품 vs (글로벌) 좁은 고객군에서 깊은 제품
- 한국에서는 스타트업, 큰 기업 모두에게 맞추다보니 글로벌하게 하나만 집중하는 회사와 경쟁하니까 이기기 어렵다.
- 고객을 만나고 고객의 목소리를 제품에 반영해라.
- 데이터 = Number + User Insight
- User insight = Level of Pain(Emotion)
⇒ 대화의 질과 의사결정의 질이 아주 높아짐.
- 고객 Customer, Attributes, Pain 리스트를 만들어라. Painpoint가 나오는 Segment가 어디에서 나오나? 어떤 세그먼트에 집중할 것인가?
- [Mom- test](https://feelinspired.medium.com/things-i-learnt-the-mom-test-by-rob-fitzpatrick-9d9d58ce8098)
- Do not hire until you know what to do
- 어짜피 좋은 인재는 채용이 안됨.
- 우리 회사가 무엇을 해야하는지를 같이 찾을 수 있는 유연한 사람을 찾으세요.
- Not every one will not make your future. 대부분의 팀원은 글로벌 사업을 하는 것이 힘들어서 나가떨어질 수 있다.
- 이스라엘: There is no such thing(There is no local market for israel companies)
- 애초에 Local 비즈니스를 한다는 게 없다.
- 한국 비즈니스-미국비즈니스를 병행한다면 미국 비즈니스가 처음에 잘 안크는데 한국은 조금 노력하면 성과가 나기 때문에 글로벌 쪽에 인내심을 못가질 수 있다.
- 미국에 와서 GTM하는 사람들이 처음에 엄청 힘들어한다. 우울증의 근처까지 간다. 원래 힘든 일이다.
- 싱크를 자주 하기 위해서 한국 오피스가 일찍일어나고 미국 오피스에서 좀 더 늦게까지 일해줬다.
- 미국에 와서 고객을 직접만나면서 같은 방향을 바라보는 시간이 귀했고 제품을 만드는 사람들이 고객을 자주 만나야한다.
- 압도적으로 이길 수 있는 시장을 찾기 위해서 고객을 이해하자.
- 우리의 엣지는?
- 블라인드는 커뮤니티 비즈니스라서 임계치가 넘어야할텐데, 초기에 어떤 시행착오가 있었나?
- 한국에선 네이버직원들이 다 친구라서 가입해달라고 하는게 먹혔는데 링크드인 직원들에게 우리의 엠버서더가 되달라고 했었는데 실패했음.
- 시애틀가서 아마존 본사에 일하는 한인 400명을 데려다가 고기, 술, 김치찜을 멕이면서 파티를 3개월하니 사람들이 모이더라.
Medium
The Mom Test by Rob Fitzpatrick
A delightful book for Product Managers
👍3
# B2B Session
1. Portone
- 1년동안 제품먼저 만들다가 시행착오가 길어졌다.
- 기획서만 먼저 만들고 고객을 먼저 탭핑하면서 시장성을 확인한다.
- 리더십이 Zero to one할 수 있어야한다.
2. Marqvision
- 할수 있다고 다 잘하는 게 아니다.
- 관심이 있고 잘할 수 있는 영역은 무엇인가?
- 독창적일 필요도 없다.
- 공동창업자 한 명은 미국, 한 명은 유럽에 갔다. 본인이 직접 고객을 안만나고 세일즈 팀원의 목소리만 듣다보니 고객사들이 Churn하려고 하더라. 고객사 하나하나 다시 만나면서 제품도 좋게 만들고 고객의 Churn을 방지할 수 있었다.
- Product-market fit 만큼이나 product-founder-marketfit 고객의 문제에 대한솔루션을 팔기 위해서는 문제의식이 깊어야한다. 고객사들의 인사이트를 받으려면 이 사람들을 자주 만나고 친밀할 수 있어야한다. 처음에 디자이너, 물류센터 대상으로 고객을 만날 때는 접점이 많이 없었는데 IP관련 업무를 할 땐 내가 Lawschool을 나오다 보니 이야기하기가 편했다. LVMH 법률 팀장과 맥주한잔 하는 것 기쁘다. 고객앞에 갔을 때 당당하고 신뢰할 수 있는 전문가인가? B2B SaaS 솔루션 회사에서는 꽤 중요하다.
- 고객의 문제별로 제품을 쪼개서 셀(제품팀)을 운영하고 있음.
- AI팀 규모가 크진 않다. AI Researcher 수가 부족해서 제약이 걸리진 않고 이를 제품으로 만들어서 전달하는 과정에서 더 시간이 걸린다. 우리도 3명정도 있다.
3. AIRS Medical
- 고객이 실제로 돈을 내는 것만 진실이고 나머지는
- FB에서 2년 연속 기술 1등 했음. 그 때 되면 지멘스나 큰 기업들이 찾아오는데 실제 시장에서 차지할 수 있는 시장 사이즈보다 1/10, 1/100을 줄여서 협업하자고 찾아옴.
- 큰 병원부터 시작해서 내려가야지
- 큰 병원은 우리 관심 안가져줌. 작은 회사부터 시작함.
- 큰 회사들이 1번 돌때 우리는 40번 돈다.
- 미국도 작은 병원 1개, 2개 들어가다가 8개 10개로 확장할 수 있었다.
- AI research-제품개발에 어떤 시행착오가 있는가?
- 기술이 고객에게 전달되는 순간 Engineering이 훨씬 중요해진다.
- 기술 하나를 잘한다고 하는 분보다는 고객에게 가치를 전달하는 것을 중요시하는 사람과만 일했다.
# B2C Session
1. Liner
- 코로나 이후 미국을 안가고 데이터만 보면서 퍼널 최적화만 집중했는데 제품을 고객이 잘 안쓰더라.
- 코로나 기간동안에 미국을 안가고 데이터 보고 판단하는 습관이 들었는데, 데이터 차원에서 편한 의사결정이 많다. 푸쉬를 많이 날린다던가.
- 미국은 이 제품이 고객에게 주는 가치에 대한 질문을 물어보고 한국은 비즈니스 모델이나 매출을 많이 물어보는 것 같더라.
- 미국가서 코파운더랑 일을 했던 게 관성이 생겨서 뒤에 일할 때에도 좋았다.
2. 멜릭서
- 3개월정도 2명의 핵심 인력들과 미국에 넘어가서 아침부터 저녁까지 같이 일만하는 경험을 하면서 서로 얼라인도 잘 되고 성과도 잘 날 수 있었다.
- 모든 국가에서 오는 고객 리뷰를 다 본다.
- 비용 효율적인것을 유지하려고 하고 선택과 집중을 해서 최소의 비용으로 최대 효과를 고민하려고 한다.
3. 알라미
- 매주 적어도 1시간 VoC를 듣는데에 시간을 쓴다.
- 글로벌 진출을 잘하는 건 글로벌하게 있는 니즈를 잘 푸는 것.
- 처음엔 구독비를 2,900원으로 시작해서 6개월에 한번씩 pricingtest를 하고 있는데 매번 고객이 더 비싼 돈을 기꺼이 내더라. 기존 고객은 기존 가격으로 쓰고 새로운 사람은 새로운 돈으로 쓰더라.
1. Portone
- 1년동안 제품먼저 만들다가 시행착오가 길어졌다.
- 기획서만 먼저 만들고 고객을 먼저 탭핑하면서 시장성을 확인한다.
- 리더십이 Zero to one할 수 있어야한다.
2. Marqvision
- 할수 있다고 다 잘하는 게 아니다.
- 관심이 있고 잘할 수 있는 영역은 무엇인가?
- 독창적일 필요도 없다.
- 공동창업자 한 명은 미국, 한 명은 유럽에 갔다. 본인이 직접 고객을 안만나고 세일즈 팀원의 목소리만 듣다보니 고객사들이 Churn하려고 하더라. 고객사 하나하나 다시 만나면서 제품도 좋게 만들고 고객의 Churn을 방지할 수 있었다.
- Product-market fit 만큼이나 product-founder-marketfit 고객의 문제에 대한솔루션을 팔기 위해서는 문제의식이 깊어야한다. 고객사들의 인사이트를 받으려면 이 사람들을 자주 만나고 친밀할 수 있어야한다. 처음에 디자이너, 물류센터 대상으로 고객을 만날 때는 접점이 많이 없었는데 IP관련 업무를 할 땐 내가 Lawschool을 나오다 보니 이야기하기가 편했다. LVMH 법률 팀장과 맥주한잔 하는 것 기쁘다. 고객앞에 갔을 때 당당하고 신뢰할 수 있는 전문가인가? B2B SaaS 솔루션 회사에서는 꽤 중요하다.
- 고객의 문제별로 제품을 쪼개서 셀(제품팀)을 운영하고 있음.
- AI팀 규모가 크진 않다. AI Researcher 수가 부족해서 제약이 걸리진 않고 이를 제품으로 만들어서 전달하는 과정에서 더 시간이 걸린다. 우리도 3명정도 있다.
3. AIRS Medical
- 고객이 실제로 돈을 내는 것만 진실이고 나머지는
- FB에서 2년 연속 기술 1등 했음. 그 때 되면 지멘스나 큰 기업들이 찾아오는데 실제 시장에서 차지할 수 있는 시장 사이즈보다 1/10, 1/100을 줄여서 협업하자고 찾아옴.
- 큰 병원부터 시작해서 내려가야지
- 큰 병원은 우리 관심 안가져줌. 작은 회사부터 시작함.
- 큰 회사들이 1번 돌때 우리는 40번 돈다.
- 미국도 작은 병원 1개, 2개 들어가다가 8개 10개로 확장할 수 있었다.
- AI research-제품개발에 어떤 시행착오가 있는가?
- 기술이 고객에게 전달되는 순간 Engineering이 훨씬 중요해진다.
- 기술 하나를 잘한다고 하는 분보다는 고객에게 가치를 전달하는 것을 중요시하는 사람과만 일했다.
# B2C Session
1. Liner
- 코로나 이후 미국을 안가고 데이터만 보면서 퍼널 최적화만 집중했는데 제품을 고객이 잘 안쓰더라.
- 코로나 기간동안에 미국을 안가고 데이터 보고 판단하는 습관이 들었는데, 데이터 차원에서 편한 의사결정이 많다. 푸쉬를 많이 날린다던가.
- 미국은 이 제품이 고객에게 주는 가치에 대한 질문을 물어보고 한국은 비즈니스 모델이나 매출을 많이 물어보는 것 같더라.
- 미국가서 코파운더랑 일을 했던 게 관성이 생겨서 뒤에 일할 때에도 좋았다.
2. 멜릭서
- 3개월정도 2명의 핵심 인력들과 미국에 넘어가서 아침부터 저녁까지 같이 일만하는 경험을 하면서 서로 얼라인도 잘 되고 성과도 잘 날 수 있었다.
- 모든 국가에서 오는 고객 리뷰를 다 본다.
- 비용 효율적인것을 유지하려고 하고 선택과 집중을 해서 최소의 비용으로 최대 효과를 고민하려고 한다.
3. 알라미
- 매주 적어도 1시간 VoC를 듣는데에 시간을 쓴다.
- 글로벌 진출을 잘하는 건 글로벌하게 있는 니즈를 잘 푸는 것.
- 처음엔 구독비를 2,900원으로 시작해서 6개월에 한번씩 pricingtest를 하고 있는데 매번 고객이 더 비싼 돈을 기꺼이 내더라. 기존 고객은 기존 가격으로 쓰고 새로운 사람은 새로운 돈으로 쓰더라.
Forwarded from 전종현의 인사이트
좋은 글. 엔비디아는 절대로 갑자기 잘된게 아니다. 엔비디아는 자기만의 색채를 가지면서도 꾸준히 새로운 시도를 하며 발전해온 덕분에 지금의 자리에까지 온 것이다.
https://brunch.co.kr/@airtight/217
https://brunch.co.kr/@airtight/217
Brunch Story
NVIDIA는 무엇이 그렇게 특별한가?
25년 동안 보아온 외부자의 의견 | * 본 계시물은 스크롤 압박이 심하오니 유의바랍니다. 얼마 전 GTC 2024에서 발표된 NVIDIA의 새 AI GPU를 보며 모두들 경악에 빠졌다. 이미 시장을 지배하고 있는 1등 기업이 뭘 또 이렇게까지 치고 나가나 싶은 것이다. 역시 이들에게는 '수성'이란 없었다. '공격'만 있을 뿐. S사의 전 회장이 부르짖었던 '초격차'가 S사가 아닌 미국 기
Returning from an experimental ~2 week detox from the internet. Main takeaway is that I didn't realize how unsettled the mind can get when over-stimulating on problems/information (like a stirred liquid), and ~2 weeks is enough to settle into a lot more zen state.
I'm struck by how an over-stimulated brain automatically keeps bubbling up problems into consciousness, creating a state of persistent anxiety and nervousness. After some time, in the settled state, this activity just... stops. You can sit down and your brain doesn't immediately go into some kind of problem solving overdrive, it just stays silent. Nothing happens.
I'm sure this could read a bit duh to many, but I haven't been to this subset of "brain dynamics" state space in I think a very long time and it is comforting to know that 1) it exists, and 2) you can visit, if you like, but the journey there takes a few weeks.
Anyway, where were we :D
I'm struck by how an over-stimulated brain automatically keeps bubbling up problems into consciousness, creating a state of persistent anxiety and nervousness. After some time, in the settled state, this activity just... stops. You can sit down and your brain doesn't immediately go into some kind of problem solving overdrive, it just stays silent. Nothing happens.
I'm sure this could read a bit duh to many, but I haven't been to this subset of "brain dynamics" state space in I think a very long time and it is comforting to know that 1) it exists, and 2) you can visit, if you like, but the journey there takes a few weeks.
Anyway, where were we :D
Forwarded from 전종현의 인사이트
100번째 뉴스레터입니다. 군대 싸지방에서 뭐라도 해야겠다 싶어서 시작한 프로젝트가 4년 넘게 이어질줄은 몰랐습니다. 그리고 4500명이 넘는 구독자분이 생길줄은 더더욱 몰랐고요. 돌이켜보니 이 뉴스레터가 지금의 저를 있게끔 만들어준 가장 좋은 습관이었다는 생각이 듭니다. 그리고 시작인 반이었던 것 같고, 꾸준히 해나간 것이 나머지 반이었던 것 같습니다.
어떻게보면 이 뉴스레터 덕분에 본격적으로 사회생활을 시작하면서 정말 많은 경험들을 쌓을 수 있었던 것 같은데, 감사함을 잊지 않고 계속해서 저의 관점들을 잘 담아내면서 좋은 정보를 제공해드릴 수 있도록 노력하겠습니다. 감사합니다!
https://hyuni.substack.com/p/100
어떻게보면 이 뉴스레터 덕분에 본격적으로 사회생활을 시작하면서 정말 많은 경험들을 쌓을 수 있었던 것 같은데, 감사함을 잊지 않고 계속해서 저의 관점들을 잘 담아내면서 좋은 정보를 제공해드릴 수 있도록 노력하겠습니다. 감사합니다!
https://hyuni.substack.com/p/100
전종현의 인사이트
Insight #100_AI 전쟁: Sora, 구글, 레딧, 마소, 아마존, Vertical AI, Devin, HeyGen, 엔비디아, 메이플스토리 유니버스, Monad, 메이시스, 올리브영, Varda, Next Blackstone…
오늘은 AI, 반도체, 핀테크, 커머스, 우주, 금융, 투자, 비즈니스에 대해 다룹니다.