등대인가, 선점인가? AI 세일즈 전략을 고르는 법

URL: https://www.youtube.com/watch?v=aakZLqxRQfo
날짜: 2026-08-15
채널: a16z
원문 제목: Lighthouse or Landgrab? How to Pick Your AI Sales Strategy
진행: Elena Burger
출연: Joe Schmidt(a16z), Andy McCall(a16z, 전 Meraki·Samsara 세일즈 리더)

---

메타데이터

• 콘텐츠 유형: YouTube 심층 다이제스트
• video_id: aakZLqxRQfo
• source: a16z
• category_slug: startup
• 발행일: 2026-08-15
• 자막: 영어 자동 생성 자막을 바탕으로 한국어 번역·정리
• 핵심 키워드: AI 세일즈, GTM, Lighthouse, Landgrab, 엔터프라이즈, 사회적 증거, ACV, POC, PLG

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==AI 스타트업은 명망 있는 대기업을 먼저 확보해 시장을 교육해야 하는가, 아니면 이미 문제가 이해된 시장에서 ROI를 증명하며 최대한 많은 고객을 빠르게 확보해야 하는가?==

• Lighthouse 전략은 구매자의 위험 노출이 높고 한 고객의 평판이 시장 전체로 전파되는 경우에 적합하다.
• Landgrab 전략은 문제가 이미 알려져 있고 기존 예산·대체재가 있으며, 구매 실패의 손실을 계산으로 회복할 수 있는 경우에 적합하다.
• 전략 선택의 핵심 축은 제품이 AI인지 여부가 아니라 **구매자의 노출도(buyer exposure)**와 **사회적 증거가 시장에서 이동하는 정도(proof travels)**다.
• 초기 창업자는 전략을 완벽하게 고르는 데 시간을 쓰기보다 고객에게 실제로 돈을 지불할 의사가 있는지 확인하고, 지금 가장 쉽고 빠르게 성사되는 경로를 실행해야 한다.

이 대화는 Joe Schmidt가 쓴 같은 제목의 글을 바탕으로, Elena Burger의 진행 아래 Andy McCall의 Meraki·Samsara 경험을 결합한다. 두 전략은 서로 배타적인 회사 유형이 아니라 회사의 성장 단계와 시장의 성숙도에 따라 순서대로 사용할 수 있는 영업 방식이다.

1. 문제의식: 모두가 같은 로고를 쫓는 AI 세일즈 시장

1.1. 샌프란시스코의 101번 고속도로에서 시작된 관찰

1. 같은 소프트웨어를 파는 회사들이 같은 고객만 찾는다

   1. Joe Schmidt는 3~5개월 전 101번 고속도로를 운전하다가, 도로 양쪽에 있는 서로 경쟁하는 회사들이 사실상 똑같은 소프트웨어를 팔고 있다는 점을 떠올렸다.
   2. 회사들은 샌프란시스코와 101번 고속도로 주변만이 자신들의 제품에 중요한 시장이라고 믿고 있었다.
   3. 버스 전체를 광고로 감싸고, 하늘에는 비행기가 스타트업 광고를 끌고 다니는 식으로 모두가 같은 지역과 같은 종류의 고객을 향해 영업했다.

2. 명망 있는 고객과 실제 수요 고객은 다를 수 있다

   1. 샌프란시스코·뉴욕의 유명 기업은 로고와 사회적 가치(proof)를 제공하지만, 제품을 실제로 절실하게 필요로 하는 고객은 오하이오·시카고·세인트루이스에 있을 수 있다.
   2. 창업자가 JP Morgan Chase를 따냈다는 이야기는 멋있게 들리지만, 같은 문제를 겪고 있는 Morgan Chase가 실제로 더 빨리 구매하고 더 높은 가격을 지불할 수도 있다.
   3. 진행자와 출연자들은 “JP Morgan Chase에 파는 일이 Morgan Chase에 파는 것보다 훨씬 섹시하게 들린다”는 농담과 웃음으로 이 허영의 함정을 짚었다.

1.2. 두 전략의 2×2 판단 프레임

1. 세로축: 구매자의 노출도와 위험

   1. 구매자의 노출도는 단순히 제품이 실패할 확률이 아니라, 잘못된 구매가 구매자 개인과 회사에 초래할 전체 위험을 뜻한다.
   2. 제품이 고객의 고객에게 직접 노출되는지, 회사 내부의 업무 흐름에 들어가는지, 기존 핵심 시스템을 대체하는지에 따라 위험이 달라진다.
   3. 규제 산업에서는 공급업체의 실수가 구매자의 컴플라이언스 문제나 법적 책임으로 번질 수 있으므로 노출도가 높다.

2. 가로축: 시장에서 사회적 증거가 이동하는가

   1. 금융·법률처럼 기업들이 서로의 도입 사례와 평판을 면밀히 관찰하는 시장에서는 한두 개의 대표 고객이 전체 시장의 위험 판단을 대신해 준다.
   2. 지역별 중견 제조사나 유통사처럼 서로 거의 교류하지 않는 분산 시장에서는 유명 로고가 멀리 전파되지 않고, 매 거래마다 ROI를 새로 증명해야 한다.
   3. 상단 오른쪽의 ‘높은 구매자 위험 + 증거가 잘 이동하는 시장’이 Lighthouse 영역이고, 하단 왼쪽의 ‘낮은 구매자 위험 + 증거가 잘 이동하지 않는 시장’이 Landgrab 영역이다.

3. Lighthouse와 Landgrab의 핵심 증거가 다르다

   1. Lighthouse는 “이 회사가 먼저 써도 안전하다”는 proof를 판다.
   2. Landgrab은 “현재 대안보다 비용이 낮고 결과가 낫다”는 math를 판다.
   3. 구매자가 “안전한가?”를 가격보다 먼저 묻고, 영업 주기가 60일을 넘으며, 맞춤형 POC가 필요하면 Lighthouse 쪽일 가능성이 높다.
   4. 구매자가 이미 문제를 알고 있고 기존 예산과 대체재가 있으며, 잘못되더라도 한 분기 손실 정도로 복구할 수 있다면 Landgrab 쪽일 가능성이 높다.

2. Lighthouse 전략: 새로운 카테고리를 대표 고객으로 증명하기

2.1. Lighthouse가 필요한 시장

1. 카테고리 창조(category creation)

   1. AI가 이전에는 할 수 없었던 업무를 가능하게 만들면 구매자 조직 안에 기존 선례나 익숙한 정신 모델이 없다.
   2. 기존 Salesforce를 다른 제품으로 바꾸는 일이 아니라, 사람이 하던 일을 에이전트가 수행하는 완전히 새로운 운영 방식을 제안하는 경우가 여기에 해당한다.
   3. 구매자는 제품의 기능만 평가하는 것이 아니라, 이 카테고리가 진짜인지와 이 회사에 베팅해도 되는지를 함께 평가한다.

2. 위험 회피 산업

   1. 법률·금융·보험처럼 한 번의 잘못된 답변, 허위 수치, 규제 위반이 고객·거래·경력에 직접 영향을 주는 산업은 대표 고객의 검증이 중요하다.
   2. 규제 산업은 잠재 고객 수가 상대적으로 제한되어 있고, 한 고객을 잘못 얻으면 시장 전체의 평판을 잃을 수 있다.
   3. 큰 고객을 확보한 뒤 그 고객이 다른 기업에 “이 제품을 써도 된다”는 신호를 보내면 후속 영업의 개인적 위험이 낮아진다.

2.2. Harvey, Hebbia, FurtherAI 사례

1. Harvey: 법률 AI의 첫 등대

   1. 기존 법률 리서치 도구인 Thomson Reuters나 LexisNexis는 변호사가 해석할 자료를 찾아주지만, Harvey는 문서 수천 건을 가로질러 초안 작성·리서치·실사(due diligence) 자체를 수행한다.
   2. 몇 년 전만 해도 법률 AI 카테고리에는 플레이어도 고객도 거의 없었고, 위험을 회피하도록 훈련받은 로펌은 첫 번째 도입자가 되기를 꺼렸다.
   3. Allen & Overy가 2022년 말 계약하고 Paul Weiss가 2023년 초 뒤따르자, 다른 로펌들은 이 기술이 실제이며 안전하게 도입할 수 있다는 신호를 받았다.
   4. 대화에서는 Harvey가 오늘날 수억 달러 규모의 ARR과 110억 달러 가치평가에 이르렀지만, 출발점은 이 대표 로펌들이었다는 점이 강조된다.

2. Hebbia: 금융 서비스의 사회적 증거

   1. Hebbia는 고위험 데이터룸을 주당 60시간 이상 살펴보는 금융·투자 조직을 위한 AI 인텔리전스 플랫폼을 만든다.
   2. 기밀 거래와 평판이 중요한 시장에서 어느 펀드도 먼저 나서고 싶어 하지 않았기 때문에, 세계 최대 사모펀드·헤지펀드·컨설팅 회사들이 초기 고객이 된 것이 돌파구가 됐다.
   3. 대표 고객의 채택 이후 Hebbia는 운용자산 기준 세계 최대 자산운용사의 40% 이상으로 확장했고 KKR과 BlackRock도 포함하게 됐다.

3. FurtherAI: 보험에서의 고위험 도입

   1. FurtherAI는 보험 산업에 AI를 도입하는 회사로, 보험사가 쉽게 시도하지 않는 이유를 이해하고 거버넌스·보안 중심으로 제품을 구성한다.
   2. 세계 최대 보험사들과 일하면서 고객의 현장에 포워드 디플로이드 팀을 배치해 실제 운영까지 지원한다.
   3. 보험사 고객이 “통제되고 안전한 방식으로 AI를 도입할 수 있다”고 느끼게 만드는 것이 이 시장의 등대 역할이다.

2.3. Lighthouse 영업의 비용과 함정

1. 고접촉·창업자 주도 방식

   1. 초기에는 창업자와 소수 팀이 직접 고객을 설득하고, POC와 맞춤 작업을 수행하며, 종종 제품을 만든 팀이 납품까지 맡는다.
   2. ACV는 최소 수십만 달러, 이른 시기부터 100만 달러를 넘기도 하지만 영업 주기는 3~6개월 또는 그 이상으로 길어진다.
   3. 큰 고객은 도입의 보상도 크므로, 훌륭한 Lighthouse 영업은 실패의 위험보다 먼저 얻을 수 있는 승리의 기회를 보여준다.

2. 대표 고객의 포로가 되는 문제

   1. 모든 AI 스타트업이 같은 500개 대표 로고를 쫓으면 고객은 스타트업의 절박함을 이용해 할인·맞춤 기능·무료 파일럿을 요구한다.
   2. Lighthouse 고객은 목적지가 아니라 시장 확장을 위한 수단이어야 하며, 몇 개의 신뢰할 이름을 얻은 뒤에는 그 카테고리 전체를 공략해야 한다.
   3. 큰 로고가 반복 가능한 소프트웨어를 원하지 않거나 구독료·ACV를 충분히 지불하지 않으면, 회사는 제품 회사가 아니라 컨설팅 회사가 된다.

3. 파일럿 지옥과 ‘한 척의 배만 비추는 등대’

   1. 대기업은 6개월짜리 POC를 쉽게 요청하지만 실제 구매로 전환하지 않을 수 있어, 핵심 인력이 가짜 거래에 묶인다.
   2. 파일럿은 30·45·60일처럼 종료일을 고정하고, 시작 전에 성공 기준과 자동 전환 계약(auto-convert)을 합의해야 한다.
   3. 첫 고객의 특수한 요청을 모두 제품에 반영하면 그 고객에게만 완벽하고 다른 고객에게는 쓸모없는 제품이 된다.

3. Landgrab 전략: 기존 예산과 수학으로 시장을 빠르게 차지하기

3.1. Landgrab이 작동하는 조건

1. 기존 문제와 예산이 존재한다

   1. 구매자는 무엇을 사는지 이미 이해하고, 현재 지출 중인 벤더나 사람의 업무를 더 싸고 빠르고 정확한 방식으로 대체하려 한다.
   2. 영업 메시지는 “우리가 새로운 카테고리다”가 아니라 “현재 Y를 대체하고 비용을 줄이거나 결과를 개선한다”로 단순해진다.
   3. 구매자는 유명 CTO의 추천이 없어도 현재 지출과 개선 폭을 비교해 의사결정을 내릴 수 있다.

2. 속도가 핵심 경쟁력이 된다

   1. Landgrab 회사는 다른 스타트업뿐 아니라 AI 기능을 추가하는 기존 벤더와도 경쟁한다.
   2. Zendesk의 AI 코파일럿이 Decagon처럼 지원 조직 전체를 에이전트로 대체하는 것과 같지는 않지만, 기존 벤더는 이미 고객 관계를 갖고 있다.
   3. 기존 벤더가 매 분기 AI를 추가할수록 고객을 빼앗기 어려워지므로, 스타트업은 기존 업체가 혁신하기 전에 먼저 유통(distribution)을 확보해야 한다.

3.2. Stuut, Decagon, Pylon 사례

1. Stuut: 계정수취(Accounts Receivable)의 수학

   1. Stuut는 미수금 추심·결제·현금 적용(cash application)·분쟁 해결을 AI 에이전트로 자동화한다.
   2. 전통적으로 이 업무에는 소프트웨어와 사람으로 구성된 수금 팀이 있었고, Stuut는 사람과 AI를 결합해 전체 프로세스를 더 효과적으로 처리하겠다고 제안했다.
   3. SAP와 Oracle은 ERP 안에 AR 모듈을 제공하고 HighRadius 같은 전문 업체도 오래전부터 존재했지만, 기업들은 여전히 송장을 쫓는 데 수많은 시간을 쓴다.
   4. Stuut는 현금 흐름을 40% 늘리고 수작업을 70% 줄이며 수금 기간을 37% 낮춘다는 수치로 고객과 대화했고, 빠른 배포와 비용 절감·수익 개선을 계산으로 보여줬다.
   5. Fortune 100 로고보다 로어 미들마켓을 일찍 넓게 공략했으며, 제조·유통·물류 기업이 많은 미시간·오하이오·텍사스 등에서 고객을 확보했다.

2. Decagon: 고객지원의 표준화와 벤치마크

   1. Decagon은 AI 네이티브 고객지원 회사로, 고객지원 업무를 더 잘 수행하는 방식과 달성할 벤치마크를 먼저 제시한다.
   2. 창업자들은 제품을 만들기 전에 한 달 동안 약 100명의 고객과 대화하며 실제 문제와 구매 조건을 파악했다.
   3. 빠른 배포와 즉각적인 ROI를 앞세워 ARR 0에서 8자리 숫자까지 18개월 만에 성장했고, 2025년에는 여행·금융·헬스케어·리테일에서 100개가 넘는 엔터프라이즈 고객을 새로 확보했다.
   4. 고객지원은 외부 고객에게 노출되는 고위험 업무처럼 보일 수 있지만, 답변 오류의 최악의 결과가 한 분기 손실과 수정으로 회복 가능하다면 math 중심 Landgrab이 가능하다.

3. Pylon: 낮은 ACV에서 시작해 위로 올라가기

   1. Pylon은 AI 네이티브 고객지원 회사로, 처음부터 가장 큰 계약을 기다리지 않고 비교적 작은 ACV로 기존 솔루션을 대체했다.
   2. 실행력 있는 GTM 팀이 고객을 빠르게 만나고 교체 효과를 증명하면서 ACV 사다리를 올라가고 있다.
   3. 이 사례는 Landgrab이 단순히 저가 고객만 공략하는 전략이 아니라, 반복 가능한 승리를 쌓아 더 큰 고객으로 확장하는 전략임을 보여준다.

4. Samsara와 Meraki: 규제가 만든 Landgrab의 창

4.1. Samsara와 ELD 의무화

1. 시장이 한꺼번에 열리는 ‘왜 지금인가’의 순간

   1. Andy McCall은 인터넷·모바일·클라우드·AI 같은 기술 전환을 여러 번 겪었으며, 각 전환은 시장 진입 방식과 영업 도구를 바꾸지만 모든 GTM 원칙을 완전히 폐기하지는 않는다고 말한다.
   2. Samsara는 2015년에 설립됐고 Andy는 2017년에 합류했다.
   3. 초기 비전은 모든 가치사슬에 인터넷 연결 센서를 설치하고 데이터를 사업자가 이해하고 사용할 수 있는 형태로 돌려주는 것이었다.

2. 수기 운행일지를 전자 장치로 바꾸다

   1. 2016년 이전 장거리 트럭 운전자는 몇 시간 운전하고 얼마간 쉬었는지를 종이 로그북에 적었으며, 고속도로 순찰대는 이 기록을 검사해 과도한 운전을 막았다.
   2. 미국은 2016년 전자 로깅 장치(ELD, Electronic Logging Device) 의무화를 도입해 차량의 이동·정지와 휴식 여부를 기술로 기록하도록 했다.
   3. 이 제도는 2016~2019년 약 2년에 걸쳐 여러 단계로 적용됐고, 전 업계가 ELD를 구매할 예산을 찾아야 하는 거대한 순풍을 만들었다.
   4. AT&T와 Verizon을 비롯한 기존 사업자들은 이미 수억 달러에서 5억 달러 수준의 매출을 올리고 있었지만, 새로운 업체인 Samsara도 규제에 의해 만들어진 시장의 창을 활용할 수 있었다.

4.2. 중견 시장에서 먼저 이긴 이유

1. 사회적 증거가 부족한 신생 기업의 현실

   1. 18개월 된 회사가 대형 운송회사에 전화를 걸어 “우리를 사라”고 하면, 고객은 회사를 구매 목록에 넣지 않겠다고 답한다.
   2. 그래서 Samsara는 Lighthouse와 Landgrab 중 무엇이 멋있는지 고민하기보다 실제로 돈을 낼 고객의 말을 들었다.
   3. 2017~2018년에는 기능이 많지 않았고, 고객이 정말 원하는 것을 구매하는지 확인하는 것이 우선이었다.

2. 중견 시장이 제공한 두 가지 이점

   1. 중견 고객은 대기업 수준의 사회적 증거를 요구하지 않고, “이 제품이 내 텔레매틱스 요구를 충족하는가?”를 판단했다.
   2. 판매 주기가 짧고 배포가 빨라 제품에 대한 피드백을 신속하게 얻을 수 있었다.
   3. 대형 고객은 배포와 피드백 루프가 길어 초기 제품 혁신을 늦추므로, 많은 작은 승리를 쌓는 편이 초기 회사에 유리했다.

3. 현재 AI 시장과의 유사점

   1. 미국 정부가 모든 기업에 AI 도입을 법으로 명령한 것은 아니지만, 거의 모든 CEO와 기업의 AI 위원회가 무엇을 언제 사야 하는지 정하고 있다.
   2. 이처럼 조직 안에 강한 도입 에너지가 있을 때는 “반드시 JP Morgan Chase를 먼저 따야 한다”는 고정관념보다 실제 구매가 일어나는 곳을 찾아야 한다.
   3. 고객이 전화를 받고 구매를 검토하는지는 Landgrab 가능성을 보여주는 실험이며, 전화를 받지 않는다면 깊은 포워드 디플로이먼트와 등대 고객 확보가 필요할 수 있다.

5. Meraki의 무료 액세스포인트와 체험 설계

5.1. Cisco·HP가 지배하던 시장에서의 Landgrab

1. Meraki의 출발과 피벗

   1. Meraki는 2006년 MIT 박사과정 연구에서 시작됐고, RoofNet이라는 프로젝트로 케임브리지의 지붕에 대규모 메시 Wi-Fi를 설치했다.
   2. 지방자치단체·공원·공공장소에 Wi-Fi를 깔는 기술은 훌륭했지만 municipal Wi-Fi에는 충분한 매출이 없었고, 회사는 엔터프라이즈 네트워킹으로 피벗했다.
   3. 2009~2010년에는 Cisco와 HP가 이미 시장을 10년 전에 차지했는데 왜 새 엔터프라이즈 네트워킹 회사를 만드느냐는 반응이 많았다.

2. 중견 고객을 위한 차별화

   1. Meraki는 대기업의 기존 계정을 빼앗을 수 없었기 때문에, 설정·배포가 빠르고 사용이 쉽다는 장점을 IT 팀이 작은 중견 기업에 제시했다.
   2. 명령줄과 복잡한 Cisco 장비를 교육받은 IT 인력이 부족한 고객에게 사용 편의성은 추상적인 기술 우위가 아니라 즉시 체험할 수 있는 교체 이유였다.

5.2. 무료 하드웨어가 만든 ‘아하’ 순간

1. 웹 세미나에서 실물 체험으로 연결

   1. Meraki는 웹 세미나에 참여하면 무료 액세스포인트를 보내고, 고객이 직접 연결해 사용해 보도록 했다.
   2. 고객이 설치하고 나면 “현재 쓰는 장비보다 훨씬 쉽다”는 깨달음이 생겼고, 이 단순한 체험이 장기간 매우 성공적인 영업 장치가 됐다.
   3. 회사가 성숙한 뒤에도 평가판과 체험을 관대하게 운영한 이유는, 고객이 기술의 우수성을 말로 듣는 것보다 직접 경험하기를 원했기 때문이다.

2. AI 제품에 적용할 때의 난점

   1. AI 제품은 변화가 매일 일어나고 설정 가능성이 커서, Ferrari를 무료로 줘도 고객이 시동을 거는 방법을 모를 수 있다.
   2. POC는 고객이 제품이 자신에게 작동하는지 경험하는 시간이지만, 기능을 하나씩 추가해 달라는 과학 프로젝트로 변하면 영업 자원이 무한정 소모된다.
   3. 제품이 작동하는지와 고객 직원이 제품을 올바르게 사용·확장하는지는 별개의 문제이므로, 계약 전에 어느 부분을 회사가 책임지는지 교육해야 한다.

6. AI POC와 체험판을 통제하는 법

6.1. 종료일과 성공 기준

1. 기간을 처음부터 상자 안에 넣기

   1. 제품 설치에 2주가 걸린다면 2주짜리 체험판은 불가능하지만, 그렇다고 기간 없는 POC를 허용해서도 안 된다.
   2. 30일·45일·60일 중 제품 복잡도에 맞는 종료일을 정하고, 그 날짜를 지나면 성공·실패·구매 결정을 내려야 한다.
   3. 대화에서는 45일 안에 합의한 결과를 달성하면 구매로 전환한다는 방식이 예로 제시됐다.

2. 성공을 사전에 정의하기

   1. “우리 솔루션이 무엇을 증명해야 하는가?”를 고객과 시작 전에 문서로 합의해야 한다.
   2. 성능이 좋아졌는지, 처리 시간이 줄었는지, 비용이 절감됐는지, 고객 응대 품질이 기준을 넘었는지처럼 관찰 가능한 지표를 정해야 한다.
   3. 규제나 위험 때문에 실제 POC를 허용할 수 없는 산업은 Lighthouse 방식으로 신뢰를 먼저 확보해야 하고, 허용 가능한 산업만 제한된 체험으로 가설을 검증해야 한다.

6.2. Decagon과 FurtherAI의 온보딩

1. Decagon의 고객지원 벤치마크

   1. Decagon은 고객지원 업무를 누구보다 잘하겠다는 메시지를 내고, 계약 시점에 달성할 벤치마크를 명시한다.
   2. 정한 기간 안에 목표를 달성함으로써 고객이 “AI가 되는가?”가 아니라 “우리 조직이 약속된 결과를 얻었는가?”를 평가하게 만든다.

2. FurtherAI의 포워드 디플로이드 팀

   1. 보험처럼 사용자의 조직 구조와 규제가 복잡한 시장에서는 제품을 던져주고 스스로 쓰게 하는 것만으로는 부족하다.
   2. FurtherAI는 고객 현장에 팀을 배치해 보안·거버넌스 요구와 실제 업무 흐름에 맞춰 AI를 가동한다.
   3. 이 방식은 Lighthouse의 높은 신뢰를 제공하면서도, 체험이 끝없이 커지는 것을 막기 위해 무엇을 배포하고 어떤 결과를 확인할지 관리해야 한다.

7. ACV와 단위경제: 기준을 넘긴 뒤에는 속도로 전환하기

7.1. 계약 규모를 얼마나 의식할 것인가

1. 먼저 단위경제의 허들을 확인한다

   1. ACV는 영업 비용·배포 비용·지원 비용을 포함한 단위경제가 건강한지 판단하는 최소 기준을 넘어야 한다.
   2. 회사의 수익 구조를 해치는 계약을 “로고를 위해” 받으면 안 된다.
   3. 반대로 기준을 통과한 계약이라면 창업자는 계약 크기를 계속 최적화하기보다 반복 가능한 거래 수를 늘리는 데 집중해야 한다.

2. 15,000달러를 예로 든 반복 엔진

   1. 가령 15,000달러 ACV가 단위경제의 허들을 넘는다면 8,000달러 계약을 받지 말고 15,000달러 계약을 최대한 많이 확보한다.
   2. 반복 가능한 GTM 엔진이 만들어지면 여기에 연료를 붓고, 시간이 지나며 더 큰 기업과 더 높은 ACV로 이동한다.
   3. 초기 목표는 “처음부터 가장 큰 계약”이 아니라, 건강한 계약을 반복해 ACV 사다리를 오르는 것이다.

7.2. 하드웨어·추론 비용을 포함한 마진 판단

1. 무료 체험에는 비용이 따른다
   1. Meraki가 액세스포인트를 무료로 제공한 것은 총마진을 낮췄고 하드웨어가 마진 계산에 들어갔다.
   2. AI 애플리케이션은 하드웨어 대신 추론(inference) 비용이 총마진을 압박할 수 있으므로, 무료 POC와 상시 운영의 비용을 분리해 계산해야 한다.
   3. 체험이 구매로 전환되고 고객 획득 비용을 회수한다면 초기 비용은 유효한 Landgrab 투자지만, 전환되지 않는다면 규모가 커질수록 손실도 커진다.

8. 회사 성장에 따라 두 전략을 순서대로 사용하기

8.1. 초기 Landgrab에서 산업별 Lighthouse로

1. 대부분의 큰 회사는 두 전략을 모두 쓴다

   1. 작은 회사는 Landgrab으로 시작한 뒤 성장하면서 Lighthouse가 될 수 있고, Lighthouse로 카테고리를 만든 뒤 시장이 넓어지면 Landgrab으로 전환할 수도 있다.
   2. Andy McCall은 Meraki와 Samsara 모두 초기에 Landgrab으로 시작하고, 기업 규모와 제품 성숙도가 올라간 뒤 엔터프라이즈와 산업별 등대 전략으로 확장했다고 설명한다.
   3. 창업자가 지금 어느 전략을 택하더라도 다른 전략을 영원히 포기하는 것이 아니라, 시장 신호에 따라 다음 단계에서 다시 선택해야 한다.

2. 버티컬라이제이션이 전환점이 된다

   1. Meraki는 학교 구역, Samsara는 도시·카운티·주 정부 같은 공공 부문으로 들어가며 시장을 세분화했다.
   2. 학교 구역은 서로 대화하고 구매 사례를 공유하므로, 각 주에서 가장 큰 학교 구역을 확보하면 아래의 학교 구역에도 사회적 증거가 흐른다.
   3. 산업별로 상위 5개 운송 회사·창고 회사·공공기관을 정하고 순서대로 공략하는 순간이 Lighthouse 전환이다.

3. 새 버티컬은 별도의 영업 모션을 요구한다

   1. 중견 고객과 엔터프라이즈 고객, 도시·카운티·학교 구역은 판매 주기·의사결정자·조달 방식이 모두 다르다.
   2. 같은 영업팀에게 갑자기 다른 산업과 조달 체계를 맡기면 성과가 떨어지므로, 버티컬에 맞는 팀과 프로세스를 별도로 설계해야 한다.

8.2. 영업 인재 프로필의 차이

1. Lighthouse 판매자

   1. 특정 산업의 상위 15개 계정처럼 좁고 큰 시장을 공략할 때는 계정 안에서 관계를 만들고 긴 영업·조달 사이클을 이해하는 숙련된 엔터프라이즈 판매자가 필요하다.
   2. 한 분기·다음 분기·그다음 분기에 어떤 로고를 확보할지 계정별 계획을 세우고, 여러 이해관계자를 장기간 설득해야 한다.

2. Landgrab 판매자

   1. 기존 워크플로를 대체하고 빠르게 승리하는 시장에는 태도와 학습 능력을 기준으로 더 이른 경력의 공격적인 판매자를 채용할 수 있다.
   2. 이들은 가능한 많은 고객을 만나고 짧은 데모·ROI 계산·배포로 승리를 쌓는 데 집중한다.
   3. Andy는 초기 경력 판매자에게 지금이 포트폴리오 회사에서 일하기 가장 좋은 때라고 말하며, AI 시장의 큰 수요와 빠른 학습을 기회로 꼽았다.

9. PLG, 개발자 확산, 그리고 다시 돌아온 ‘큰 소프트웨어’

9.1. 지난 10~15년의 PLG가 생긴 배경

1. 클라우드 플랫폼이 큰 기회를 먼저 차지했다

   1. 2000~2010년 사이 CRM·HR·ITSM·보안 같은 대형 플랫폼이 만들어졌고, 이후 스타트업은 이 플랫폼 전체를 바로 대체하기 어려웠다.
   2. 그래서 작은 웨지 제품으로 조직에 들어간 뒤 점차 확장하는 Land-and-Expand와 PLG가 널리 사용됐다.
   3. 온프레미스에서 클라우드로의 이동은 충분히 큰 변화였지만, 클라우드 CRM에서 버튼 색상만 다른 제품으로 바꾸는 일은 구매 이유가 약했다.

2. AI는 단순한 클라우드 간 교체가 아니다

   1. 기업들은 CRM·HR·ITSM 같은 근본적인 업무도 에이전트로 다시 설계할 수 있다고 보고 있다.
   2. 사람은 반복적인 업무를 덜 하고 더 높은 가치의 일을 하며, 에이전트가 기존의 단순 반복 작업을 수행하는 운영 모델이 열린다.
   3. 따라서 지금은 PLG와 개발자 상향식 확산만이 아니라, 플랫폼과 큰 엔터프라이즈 소프트웨어를 다시 판매할 수 있는 드문 순간이다.

9.2. 판매자의 역할은 사라지는가

1. 개발자 확산은 세 번째 경로다

   1. Cursor처럼 개발자가 먼저 사용하고 CTO나 CIO에게 도입을 제안하는 제품은 엔지니어 간 확산으로 카테고리를 만들 수 있다.
   2. 사회적 증거는 이동하지만 대표 로고를 먼저 확보할 필요가 적은 시장에서는 제품 자체가 판매자의 역할 일부를 대신한다.

2. 구매자는 더 교육받았지만, 엔터프라이즈 판매는 여전히 필요하다

   1. 기술 전환을 거칠수록 구매자는 5년·10년·15년 전보다 자신이 원하는 것을 잘 알고, 제품의 필요성을 처음부터 교육할 필요가 줄어든다.
   2. 제품이 셀프서비스·PLG 형태를 취할 수는 있지만, 판매자는 고객이 이미 결정 모드에 들어왔을 때 자사 제품이 맞는 해법임을 설득해야 한다.
   3. 개발자 채택이 최고경영진의 예산·보안·조달 결정을 자동으로 대체하지는 않으므로, 제품 모션과 영업 모션을 시장 위험에 맞게 결합해야 한다.

10. 창업자와 초기 세일즈 조직을 위한 실행 조언

10.1. 전략에 1%, 실행에 99%

1. 초기 창업자의 가장 큰 실수

   1. 초기 창업자는 Lighthouse와 Landgrab 중 무엇이 정답인지 너무 오래 고민하는 경향이 있다.
   2. Joe Schmidt의 권고는 전략에 시간의 1%만 쓰고, 선택한 경로를 실행하는 데 99%를 쓰라는 것이다.
   3. 현재 제품과 서비스에 실제로 돈을 낼 고객이 누구인지 직접 이야기하고, 가장 이르고 쉬운 거래를 추적해야 한다.

2. 어려운 매출에 보너스 점수는 없다

   1. 유명 로고를 얻기 위해 더 오래 걸리고 더 큰 할인을 제공했다고 해서 매출에 추가 배수가 붙지는 않는다.
   2. 고객이 실제로 구매하고 제품이 그 고객에게 가치를 주는 경로라면, 이름이 덜 알려진 고객도 훌륭한 출발점이다.
   3. 첫해 매출 목표를 달성한 뒤 제품·산업·유통 구조를 다시 평가해 전략을 바꿀 수 있으므로, 분석 마비에 빠지지 않아야 한다.

10.2. 세일즈 오퍼레이션을 일찍 세우기

1. 한 명의 RevOps라도 필요한 이유

   1. 창업자가 영업에 익숙하면 세일즈 리더 채용은 늦춰도 되지만, 세일즈 오퍼레이션은 많은 회사가 너무 늦게 고용한다.
   2. 한 사람만으로도 territory 정렬, 계정명단(name list), 커미션 계산, 영업 규정(sales constitution), 목표 관리 등을 매일 생각하게 해야 한다.
   3. 영업 리더가 다음 사람을 채용하고 다음 거래를 닫는 데 집중하는 동안, 운영 담당자는 확장 시 생길 속도 저하와 혼선을 미리 제거한다.

2. 쿼터를 달성할 수 있는 팀을 만들기

   1. 대화에서 “초기 영업팀의 쿼터 달성률은 100%여야 한다”는 답이 농담처럼 먼저 나오지만, 핵심은 승리할 수 있는 목표를 주고 좋은 판매자를 채용하라는 뜻이다.
   2. 팀의 40~50%만 쿼터를 달성한다면 목표가 지나치게 높거나 채용 프로필이 잘못됐을 가능성이 있다.
   3. 초기에는 공개기업 수준의 판매비용 효율보다 제품을 시장에 내보내고 승리하는 속도가 중요하며, 훗날 시장을 정복한 뒤 과거의 높은 비용을 탓하는 사람은 없다.

10.3. 영업 현장과 커리어의 태도

1. Landgrab은 사무실 밖에서 닫힌다

   1. Andy는 낚시 여행, 사격장, 야구장처럼 회의실이 아닌 곳에서 거래를 성사시킨 경험을 들었다.
   2. Samsara 시절에는 트럭 야드, 물류 현장, 위생 시설 같은 장소에서 수백만 달러 규모의 거래를 논의하기도 했다.
   3. 핵심은 장소의 격식이 아니라 실제 고객이 있는 곳으로 전화하고 비행기를 타고 직접 가는 태도다.

2. 초기 세일즈 커리어의 기준

   1. 첫 직장을 고를 때 가장 높은 커미션·연봉·직함·가장 뜨거운 기술을 좇는 것은 Andy가 저지른 초기 실수였다.
   2. 가장 중요한 기준은 성장할 수 있는 최고의 회사를 찾는 것이며, 좋은 회사에 들어가면 회사와 함께 커리어가 올라가는 ‘커리어 엘리베이터’를 탄다.
   3. 자존심 때문에 디렉터 직함이나 더 높은 기본급을 고집하기보다, 성장하는 회사에서 이길 기회를 얻는 것이 장기적으로 중요하다.

주요 발언 모음

“구매자는 미래를 사는 것이 아니라 proof 또는 math를 산다.”

“전략에는 1%의 시간을 쓰고, 나머지 99%는 실행에 써라.”

“어려운 방식으로 번 돈이라고 해서 매출에 보너스 점수가 붙지는 않는다.”

“단위경제의 허들을 넘는다면, 그다음에는 ACV를 계속 고민하지 말고 가능한 한 많이 팔아라.”

“고객이 먼저 묻는 것이 ‘안전한가?’라면 Lighthouse이고, ‘얼마인가?’라면 Landgrab일 가능성이 높다.”

“가장 먼저 해야 할 일은 가능한 최고의 회사에서 일할 방법을 찾는 것이다.”

핵심 데이터 & 수치

• 2×2 프레임: 세로축은 구매자 노출도, 가로축은 시장에서 사회적 증거가 이동하는 정도다.
• 2015년: Samsara 설립 시점.
• 2016~2019년: 미국 ELD 의무화가 여러 단계로 적용된 기간.
• 3~6개월 이상: Lighthouse 영업 주기가 될 수 있는 기간.
• 30·45·60일: AI 체험·POC 종료일의 예시이며, 기간과 성공 기준을 사전에 합의해야 한다.
• 15,000달러 ACV: 단위경제 허들을 넘는 반복 거래의 예시. 8,000달러 거래보다 15,000달러 거래를 반복하는 데 집중한다.
• 약 100명: Decagon 창업자들이 제품 개발 전 한 달 동안 대화한 고객 수.
• 40%: Stuut가 제시한 현금 흐름 개선 수치.
• 70%: Stuut가 제시한 수작업 감소 수치.
• 37%: Stuut가 제시한 수금 기간 단축 수치.
• 주당 60시간 이상: Hebbia의 초기 고객들이 고위험 데이터룸을 검토하는 데 쓰는 시간의 사례.
• 40% 이상: Hebbia가 확보한 운용자산 기준 대형 자산운용사 비중의 사례.
• 40~50%: 초기 영업팀에서 이 정도만 쿼터를 달성한다면 목표나 채용을 재검토해야 한다는 기준.
• 1% 대 99%: 전략 선택과 실행에 배분하라는 조언.
• 110억 달러: 대화에서 언급된 Harvey의 가치평가.

결론 및 시사점

1. 제품이 새 카테고리를 만들고 구매자의 실수 비용이 크며 고객 간 평판이 전파된다면, 대표 고객을 확보하고 그 고객의 검증을 시장의 안전 신호로 만들어야 한다.
2. 기존 업무·예산·대체재가 있고 실패를 수치로 회복할 수 있다면, 유명 로고를 기다리지 말고 고객이 있는 지역으로 가서 math를 보여줘야 한다.
3. AI라는 이유만으로 모든 고객이 Lighthouse proof를 요구한다고 가정하면, 실제로는 구매할 준비가 된 고객을 경쟁자와 기존 벤더에게 넘길 수 있다.
4. 반대로 빠르게 많이 파는 Landgrab은 제품 표준화·빠른 온보딩·건강한 단위경제·엄격한 고객 선별이 없으면 불만 고객을 대량 생산한다.
5. POC는 종료일·성공 기준·자동 전환 조건을 처음부터 설정하고, 제품 성능과 고객의 올바른 사용이라는 두 가지 리스크를 분리해서 관리해야 한다.
6. 초기에는 가장 쉬운 거래로 반복 엔진을 만들고, 이후 산업을 세분화해 대표 계정을 확보하는 순서가 Meraki와 Samsara가 보여준 현실적인 경로다.
7. Lighthouse로 얻은 사회적 증거가 시장에 충분히 흐르고 구매자가 “누가 먼저 썼나?”보다 “데모를 보여달라”고 묻기 시작하면 Landgrab으로 전환할 시점이다.
8. 창업자는 전략 토론을 오래 하기보다 고객과 대화해 실제 구매 신호를 찾고, 선택한 경로를 99%의 실행력으로 밀어붙여야 한다.
9. 세일즈 오퍼레이션과 쿼터 설계를 일찍 정비하면 좋은 판매자가 승리할 수 있고, 회사가 커졌을 때 영업 확장의 병목을 줄일 수 있다.
10. 결국 AI 세일즈의 질문은 “어느 전략이 더 고급인가?”가 아니라 “내 구매자는 proof를 사는가, math를 사는가?”이며, 그 답이 영업팀·제품·가격·시장 선택을 결정한다.

핵심 요약 (20줄)

AI 스타트업의 세일즈 전략은 제품의 유행보다 구매자의 위험과 시장 구조에 맞춰야 한다. Lighthouse 전략은 대표 고객의 사회적 증거로 새로운 카테고리의 안전성을 증명한다. Landgrab 전략은 기존 예산과 대체재를 기준으로 비용 절감과 성과 개선을 계산한다. 구매자의 실수가 규제 위반이나 경력 손실로 이어지면 Lighthouse의 필요성이 커진다. 구매자의 실수가 수정 가능한 한 분기 손실에 그치면 Landgrab의 속도가 중요해진다. 법률·금융처럼 평판이 이동하는 시장에서는 Allen & Overy와 Paul Weiss 같은 고객이 등대가 된다. Harvey는 법률 리서치와 초안 작성 업무를 AI가 직접 수행하는 새 카테고리를 대표 로펌으로 증명했다. Hebbia는 대형 사모펀드와 자산운용사의 채택을 통해 금융 데이터 분석의 신뢰를 만들었다. Stuut는 미수금 업무의 현금 흐름·수작업·수금 기간을 수치로 개선해 중견 시장을 공략했다. Decagon은 약 100명의 고객 대화와 명확한 벤치마크로 고객지원 AI의 반복 판매를 만들었다. Samsara는 2016~2019년 ELD 의무화라는 시장 순풍을 중견 운송 고객 공략의 기회로 바꿨다. 중견 고객은 대형 로고보다 빠른 배포와 짧은 피드백 루프를 제공해 초기 제품 개선에 유리하다. Meraki는 무료 액세스포인트 체험으로 복잡한 네트워크 장비보다 쉬운 사용성을 직접 경험하게 했다. AI POC는 30·45·60일의 종료일과 시작 전에 합의한 성공 기준을 가져야 한다. 단위경제 허들을 넘은 계약은 크기보다 반복 가능성이 중요하므로 15,000달러 거래를 계속 쌓아야 한다. Landgrab에서 Lighthouse로의 전환은 회사가 성장하며 산업별 상위 계정을 공략할 때 일어난다. 지난 10~15년의 PLG는 기존 클라우드 플랫폼을 대체하기 어려웠던 시장 구조에서 발전했다. AI 에이전트는 CRM·HR·ITSM 같은 업무 자체를 재설계해 큰 플랫폼 소프트웨어를 다시 판매할 기회를 만든다. 창업자는 전략에 1%의 시간을 쓰고 고객 접촉과 실행에 99%의 시간을 써야 한다. 좋은 회사와 승리 가능한 목표를 고르는 일이 초기 세일즈 커리어의 직함이나 커미션보다 중요하다.