SaaS 산업이 근본적인 위기에 처해 있어요. 하지만 대부분의 비평가들이 말하는 방식과는 조금 다른 면이 있죠.

2010년대에 많은 기술 기업들이 B2B SaaS로 전환한 이유는 예측 가능한 수익 흐름이 있기 때문이었어요.

이런 예측 가능성은 기업 가치 평가를 높이고, 투자자들에게 안정적인 출구 전략을 제공했죠.

VC들은 낮은 위험을 좋아하기 때문에 이런 비즈니스 모델에 기꺼이 투자했어요. 사이즈를 키운 후 PE에게 매각하는 출구 전략이 보이니까요.

B2B SaaS는 마치 "닭고기"처럼 일관된 맛을 가지고 있다고 업계에서는 말해요.

모든 SaaS 기업이 비슷한 가격 책정 모델, 비슷한 운영 구조, 비슷한 수익 모델을 가지고 있어서 투자자들이 쉽게 이해하고 평가할 수 있었죠.

하지만 이제 이 모델이 크게 흔들리고 있어요.

* CLARA Analytics는 인공지능(AI) 기반의 서비스(AIaaS) 제공업체로, 보험사, MGA/MGU, 재보험사, 자가보험 조직 등이 상해(claims) 처리 결과를 향상시키는 데 주력하고 있어요. 이 회사는 이미지 인식, 자연어 처리 등의 AI 기술을 활용하여 의료 기록, 청구서, 기타 클레임 관련 문서에서 인사이트를 추출하는 플랫폼인 CLARAty.ai를 제공해요.

둘째, 고객들의 기대치가 변하고 있어요.
세일즈포스처럼 뛰어난 유통망과 브랜드를 가진 기업도, AI에 공격적으로 투자하는 기업도 고객들의 변화된 기대에 맞춰야 해요. 고객들은 이제 더 많은 맞춤형 작업을 기대하고 있어요. AI가 모든 사람들의 효율성을 높여주면서, 소프트웨어 공급업체들도 더 많은 맞춤화를 제공해야 하는 압박을 받고 있어요. 이런 대규모 맞춤화 압력은 SaaS 기업들의 마진을 압박하고 있어요.

셋째, 가격 책정과 패키징이 근본적으로 변하고 있어요.
전통적으로 SaaS는 사용자당, 단위당 가격을 책정했어요. 설치 비용이 있고, 사용자당 비용이 있으며, 보통 2~3년 계약을 맺었죠. 이런 방식의 마진은 일관된 소프트웨어를 제공하기 때문에 높았어요. 하지만 이제 소프트웨어가 더 맞춤화되면서 마진이 위협받고 있어요. AI 덕분에 맞춤화가 가능하지만 반대 급부로 유지 관리 비용이 더 들죠.

AI는 SaaS 가격 책정 모델을 근본적으로 바꾸고 있어요.

많은 B2B SaaS 기업들이 AI 네이티브 기능을 출시하고 있지만, 이것을 어떻게 가격 책정할지가 큰 문제예요.

AI 에이전트에 대해 사용자당 가격을 책정할 건가요? 아니면 인터콤(Intercom)처럼 결과에 따라 가격을 책정할 건가요? 이건 쉬운 결정이 아니에요. B2B SaaS 기업들은 좋은 선택지가 없어요.

* Intercom은 2011년에 설립된 미국의 소프트웨어 기업으로, 기업이 고객과 효과적으로 소통할 수 있도록 지원하는 AI 기반 고객 서비스 플랫폼을 제공해요.

연간 소프트웨어 계약은 효율적으로 가치를 평가할 수 있어서 모두가 좋아했지만, 맞춤형 작업은 서비스이지 소프트웨어가 아니에요. 서비스는 소프트웨어만큼 효율적으로 가치를 평가할 수 없고, 수익 관점에서도 가치가 낮아요.

에이전트에 대해 결과 기반으로 가격을 책정한다면, 이것도 소프트웨어가 아니에요. 고품질 수익원이 아니죠. 그렇다고 정액 가격을 책정하면 가격을 낮추는 경쟁자들에게 취약해져요. 이건 항상 있었던 문제지만, AI 시대에는 특히 그래요.

SaaS 기업들은 어려운 상황에 처해 있어요.

AI가 마진에 하방 압력을 가하고 있어서 가격 책정을 조정해야 할 필요가 있어요. 또한 결과 중심적인 가격 책정으로 바꿔야 할 필요도 있어요. 그렇지 않으면 같은 분야의 다른 기업이 그렇게 할 테니까요. 하지만 결과 중심적인 가격 책정으로 바꾸면 가치 평가 관점에서 수익의 품질이 떨어져요.

이제 SaaS는 더 이상 "닭고기"처럼 일관된 맛을 가지지 않아요. SaaS는 이제 다르게 느껴지고, 가치를 평가하기 어려워졌어요. 수익 모델도 다르고 가격 전략도 다르기 때문에 출구 전략으로서의 매력이 떨어져요. 출구 전략으로서의 매력이 떨어지면 SaaS를 위한 전체 가치 사슬에 균열이 생기기 시작해요.

이건 개별 기업이 성공할 수 없다는 뜻이 아니에요. 수익성 있는 기업이 될 수 없다는 뜻도 아니에요. 단지 소프트웨어 서비스 모델이 예전처럼 일관되지 않다는 것이죠.

VC와 PE들은 일관성을 좋아하지만, 이제 그 일관성이 없어졌어요.

이번 투자 사이클에서도 훌륭한 SaaS 기업들을 볼 수 있을 거예요.

혁신적이고 놀라운 SaaS 기업들이 나타날 거예요. 하지만 이들은 우리가 익숙한 것보다 더 넓은 범위의 차원에서 혁신할 거예요. 가격 책정을 포함해서요.

그리고 그들이 성공적으로 혁신하더라도, 매우 잘하더라도, 구매 및 출구 패턴이 표준 SaaS 출구와는 다르다는 것을 알게 될 거예요. 가치 평가도 표준 SaaS 출구와는 다를 거예요. 이건 새로운 현상이에요. 우리는 아직 AI 주도 기업의 SaaS 출구를 IPO로 이어지는 모델을 보지 못했어요. 아마도 몇 년은 더 걸릴 거예요.

흥미로운 점은 AI가 기업들이 수익성을 내고 더 오랫동안 비상장 상태를 유지할 수 있게 해준다는 거예요. 클라라가 AI를 사용해 상장하는 것에 대해 이야기하지만, 이것이 약간의 예외 사례일 수 있어요.

AI 덕분에 기업들이 더 효율적으로 운영되고 다양한 가격 모델(결과 기반, 에이전트 기반, 사용자당 가격 책정)을 조합해 높은 수익성을 달성할 수 있게 되었어요. 이렇게 스스로 충분한 수익을 창출할 수 있게 된 기업들은 더 이상 자금 조달을 위해 상장할 필요성을 느끼지 않게 되었어요.

* 전통적인 사용자당 가격 책정(Per-seat pricing) : 소프트웨어를 사용하는 사용자 수에 따라 비용을 책정하는 방식이에요. 예를 들어, 직원 50명이 사용하면 50개의 라이센스 비용을 지불하는 형태죠. 예측 가능한 수익 흐름을 제공하기 때문에 투자자들이 선호하는 모델이었어요.

* 결과 기반 가격 책정(Outcome-based pricing) : 소프트웨어 사용으로 얻은 실질적인 비즈니스 결과에 따라 비용을 책정하는 방식이에요. 예를 들어, 고객 지원 소프트웨어가 해결한 티켓 수, 마케팅 소프트웨어가 생성한 리드 수, 혹은 매출 증가 비율에 따라 비용을 지불하는 형태죠. 고객에게는 실제 가치에 기반한 지불 모델이지만, 수익이 덜 예측 가능해 투자자들에게는 덜 매력적이에요.

* 에이전트 기반 가격 책정(Agent-based pricing) : AI 에이전트나 자동화 봇이 수행하는 작업량에 따라 비용을 책정하는 새로운 방식이에요. 인간 사용자가 아닌 AI 에이전트의 사용량, 처리한 작업 수, 또는 소비한 컴퓨팅 자원에 따라 가격이 결정되죠. 이 모델은 AI가 일부 인간 작업을 대체하는 환경에서 등장했지만, 가격 책정과 가치 평가가 복잡할 수 있어요.

스트라이프는 이런 변화의 좋은 예시예요. 스트라이프는 다양한 자금 조달 라운드를 통해 충분한 자본을 확보했고, 연간 1조 달러 이상의 결제를 처리하는 거대 기업이 되었음에도 상장하지 않고 비상장 상태를 유지하고 있어요. 직원들에게는 세컨더리 마켓을 통해 유동성을 제공하면서 Exit 할 수 있게 해주고 있기도 하죠.

이런 사례가 늘어나면서 VC에게는 불리한 상황이 만들어지고 있어요. VC는 전통적으로 5~7년 내에 투자 기업의 상장이나 인수를 통해 투자금을 회수했는데, 기업들이 상장을 미룬다면 이런 출구 전략이 어려워지기 때문이에요.

하지만 더 중요한 것은 SaaS 산업의 "표준"이 흔들리고 있다는 점이에요.

전통적으로 SaaS 산업은 "닭고기 처럼" 일관된 비즈니스 모델과 가격 책정 방식을 가지고 있었어요. 이런 일관성 덕분에 투자자들이 쉽게 가치를 평가하고 투자할 수 있었죠. 하지만 AI로 인해 이 표준이 다양화되고 있어요.

"소프트웨어 공간에서 상품화가 줄어든다"는 것은 SaaS 제품들이 더 이상 비슷한 상품처럼 취급되지 않고 각각 특별한 가치를 제공하는 차별화된 서비스가 된다는 의미예요.

이것이 "테이블 위에 있는 기회가 줄어든다"는 것은 투자자들이 투자할 수 있는 "확실한" 기회가 줄어든다는 뜻이에요.

투자자들이 표준화된 모델을 평가하고 투자하는 데 익숙했는데, 이제는 각 기업마다 다른 방식으로 평가해야 하므로 투자 결정이 더 복잡해졌기 때문이에요.

결국 개별 SaaS 기업들의 성공 여부보다 더 중요한 것은 산업 전체의 패러다임이 변하고 있다는 사실이에요. 이런 변화는 투자자, 창업자, 그리고 기존 SaaS 기업들 모두에게 새로운 도전을 의미하지만, 동시에 혁신적인 비즈니스 모델을 통해 성공할 수 있는 새로운 기회도 제공하고 있어요.

정답은 없어요.(이 양반 솔직해요...)

사용자당 가격 책정에는 에이전트에 대한 압력 때문에 문제가 있어요. 결과 기반 가격 책정에는 결과를 어떻게 결정하고 어떻게 제대로 할 것인지에 대한 문제가 있어요. 결과 기반 가격 책정은 매력적으로 들리지만 아마도 마진이 낮고 가치가 덜할 거예요. 맞춤형 소프트웨어와 서비스 수익에도 문제가 있어요.

쉬운 해답은 없어요.

하지만 훌륭한 비즈니스들이 이 문제를 해결할 것이라고 확신해요. 그들이 어떻게 해결하는지 지켜보는 것은 정말 흥미로울 거예요. SaaS가 변하고 있고, 그것과 함께 모든 것이 변하고 있어요.

투자자들은 이제 SaaS 기업을 평가할 때 더 복잡한 분석이 필요해요.

더 이상 단순히 ARR(연간 반복 수익)과 성장률만 보고 결정할 수 없어요. 이제는 그 기업이 AI를 어떻게 활용하고 있는지, 가격 책정 모델이 얼마나 지속 가능한지, 맞춤화 요구에 얼마나 잘 대응하는지, 그리고 이 모든 것이 마진에 어떤 영향을 미치는지 살펴봐야 해요.

또한 투자자들은 출구 전략에 대해 더 유연해질 필요가 있어요. 전통적인 IPO나 대기업 인수만이 유일한 출구 전략이 아닐 수 있어요.

비상장 상태를 유지하면서 성장하는 기업들에 대한 투자 전략도 고려해야 해요. 이는 투자 기간이 더 길어질 수 있다는 것을 의미하므로, 유동성 계획도 그에 맞게 조정해야 해요.

마지막으로, AI 네이티브 기업과 기존 SaaS 기업 중 어디에 투자할지 신중하게 고려해야 해요. 기존 기업들이 AI를 도입하는 속도와 효과성이 미래의 성공을 결정할 중요한 요소가 될 거예요. 기존 기업들 중에서도 고객 기반이 탄탄하고 AI 전환에 적극적인 기업들이 좋은 투자처가 될 수 있어요.

창업자들에게 이것은 기회이자 도전이에요.

기회는 기존의 SaaS 모델로는 해결할 수 없었던 문제들을 AI를 통해 해결할 수 있다는 것이에요. 이전에는 맞춤화 비용이 너무 높아서 할 수 없었던 서비스를 이제는 제공할 수 있어요.

그러나 도전적인 측면은 가격 책정 모델을 어떻게 설계할 것인가 하는 점이에요. 결과 기반 가격 책정, 에이전트 기반 가격 책정, 전통적인 사용자당 가격 책정 중 어떤 것이 자신의 비즈니스에 가장 적합한지 신중하게 고려해야 해요.

또한 투자자들이 평가하기 어려워하는 수익 모델을 가질 경우, 자금 조달이 더 어려워질 수 있다는 점도 염두에 둬야 해요.

투자자들과 마찬가지로 창업자들도 출구 전략에 대해서도 더 유연하게 생각해야 해요. IPO나 대기업 인수만이 성공의 지표가 아닐 수 있어요. 수익성 있는 비상장 기업으로 성장하는 것도 매력적인 경로가 될 수 있어요.

현재 SaaS 산업에서 가장 혁신적인 가격 책정 모델은 하이브리드 접근 방식이에요.

이는 기본적인 서비스에 대해서는 전통적인 구독 모델을 유지하면서, AI 기능이나 특별한 서비스에 대해서는 결과 기반 또는 사용량 기반 가격 책정을 적용하는 방식이에요.

예를 들어, 인터콤은 기본적인 고객 지원 도구에 대해서는 월간 구독 모델을 유지하지만, AI 고객 지원 봇의 경우 해결된 티켓 수에 따라 가격을 책정해요. 이런 방식은 고객이 실제로 얻는 가치에 따라 비용을 지불하게 하면서도, 기업에게는 어느 정도의 예측 가능한 수익을 보장해줘요.

또 다른 혁신적인 접근 방식은 성과 보증 모델이에요.

이는 고객이 특정 ROI(투자 수익률)를 달성하지 못하면 일부 비용을 환불해주는 방식이에요. 이런 모델은 고객의 위험을 줄이고 신뢰를 구축하는 데 도움이 돼요. 하지만 이런 모델을 성공적으로 구현하려면 정확한 성과 측정 방법과 명확한 기준을 설정해야 해요.

AI가 SaaS 산업에 미치는 영향을 가장 잘 활용하는 기업들은 몇 가지 뚜렷한 특징을 보여요.

첫째, 이들은 AI를 단순한 기능 추가가 아닌 전체 비즈니스 모델의 변화로 접근해요. AI를 기존 제품에 얹는 것이 아니라, 처음부터 AI 중심으로 제품과 서비스를 재설계해요. 이를 통해 운영 효율성을 크게 높이고 고객에게 더 많은 가치를 제공할 수 있어요.

둘째, 이들은 데이터를 전략적 자산으로 취급해요.
고객 데이터를 단순히 저장하는 것이 아니라, 이를 활용해 더 나은 AI 모델을 구축하고 개인화된 서비스를 제공해요. 이를 통해 고객 이탈을 줄이고 장기적인 관계를 구축할 수 있어요.

셋째, 이들은 가격 책정에 있어 실험적이고 유연해요.
단일 가격 책정 모델에 의존하지 않고, 다양한 모델을 테스트하고 고객의 반응에 따라 조정해요. 또한 가격 책정을 단순한 수익 창출 도구가 아닌 고객 행동을 유도하는 전략적 도구로 활용해요.

넷째, 이들은 맞춤화와 확장성 사이의 균형을 잘 맞춰요.
AI를 활용해 개별 고객에게 맞춤화된 경험을 제공하면서도, 이를 확장 가능한 방식으로 구현해요. 이를 통해 맞춤화로 인한 마진 압박을 최소화할 수 있어요.

다섯째, 이들은 투명한 가치 전달에 집중해요.
고객이 정확히 무엇에 대해 비용을 지불하는지, 그리고 그것이 어떤 가치를 제공하는지 명확하게 커뮤니케이션해요. 이는 특히 결과 기반 가격 책정 모델에서 중요해요.

투자자들은 전통적인 SaaS 메트릭인 ARR, CAC(고객 획득 비용), LTV(고객 생애 가치) 외에도 새로운 메트릭에 주목해야 해요.

첫째, AI 효율성 지표예요.
이는 AI가 기업의 운영 효율성을 얼마나 향상시켰는지 측정해요. 예를 들어, 직원당 처리할 수 있는 고객 수, AI 도입 전후의 고객 지원 티켓 해결 시간 등이 있어요. 이런 지표는 기업이 AI를 얼마나 효과적으로 활용하고 있는지 보여줘요.

둘째, 맞춤화 비율과 마진이에요.
기업이 제공하는 서비스 중 맞춤화된 서비스의 비율과 이로 인한 마진 변화를 측정해요. 이는 기업이 맞춤화 압력에 얼마나 잘 대응하고 있는지 보여줘요.

셋째, 가격 책정 모델 다양성이에요.
기업이 얼마나 다양한 가격 책정 모델을 활용하고 있는지, 그리고 각 모델이 전체 수익에서 차지하는 비중이 어떻게 되는지 측정해요. 이는 기업이 변화하는 고객 요구에 얼마나 유연하게 대응하고 있는지 보여줘요.

넷째, AI 기반 업셀 및 크로스셀 비율이에요.
AI를 통해 기존 고객에게 추가 제품이나 서비스를 판매하는 성공률을 측정해요. 이는 기업이 AI를 수익 성장에 얼마나 효과적으로 활용하고 있는지 보여줘요.

다섯째, 고객 성공 지표예요.
고객이 제품을 통해 달성한 구체적인 비즈니스 결과를 측정해요. 특히 결과 기반 가격 책정 모델을 사용하는 기업에서 중요한 지표예요.

이런 변화는 SaaS 산업이 더 이상 예전과 같은 균일한 산업이 아닐 것임을 시사해요. 앞으로는 다양한 비즈니스 모델, 가격 책정 전략, 수익 구조를 가진 기업들이 공존하게 될 거예요.

AI는 SaaS 기업들이 더 많은 가치를 제공할 수 있게 해주지만, 동시에 경쟁 환경을 더 복잡하게 만들어요. 더 이상 단순히 소프트웨어를 구독 모델로 제공하는 것으로는 충분하지 않아요. 고객들은 맞춤화된 경험과 구체적인 비즈니스 결과를 기대하고 있어요.

이런 변화 속에서도 성공하는 기업들은 두 가지 극단 사이에서 균형을 찾을 거예요. 한쪽은 완전히 맞춤화된 서비스로 프리미엄 가격을 받는 전략이고, 다른 쪽은 고도로 표준화된 서비스로 규모의 경제를 달성하는 전략이에요. 중간에 있는 기업들은 어려움을 겪을 가능성이 높아요.

또한, SaaS 산업의 투자 환경도 변할 거예요. 벤처 캐피털 투자는 더 선별적이 될 것이고, 기업들은 더 오랫동안 비공개 상태를 유지할 가능성이 높아요. 이는 투자자들이 더 긴 투자 기간을 고려해야 함을 의미해요.

결국, SaaS 산업은 더 복잡하고 다양해지겠지만, 그만큼 혁신의 기회도 많아질 거예요. AI가 가능하게 한 새로운 비즈니스 모델과 가치 창출 방식이 등장할 것이고, 이를 잘 활용하는 기업과 투자자들이 성공할 거예요.

• AI의 등장으로 SaaS 산업의 가격 책정 모델이 근본적으로 변화하고 있어요.
  전통적인 사용자당 가격 책정(per-seat pricing)에서 결과 기반 가격 책정(outcome-based pricing)으로 전환되는 추세가 있어요. 이는 기업의 수익성과 가치 평가에 큰 영향을 미치고 있어요.

• AI가 기업들에게 더 많은 가격 협상력을 주고 있어요.
  클라라(Clara)의 사례처럼, 기업들은 AI를 활용해 기존 SaaS 솔루션에서 벗어나 자체 시스템을 구축함으로써 비용을 절감하고 수익성을 높일 수 있게 되었어요. 이는 SaaS 제공업체들에게 큰 도전이 되고 있어요.

• 셋째, SaaS 기업들이 직면한 대규모 맞춤화 압력이 있어요.
  AI 시대에 고객들은 더 많은 맞춤형 서비스를 기대하고 있으며, 이는 SaaS 기업들의 마진을 압박하고 있어요. 표준화된 소프트웨어 제공만으로는 경쟁력을 유지하기 어려워졌어요.

• 넷째, AI 시대의 SaaS 기업들은 상장(IPO)보다 비상장 상태를 더 오래 유지하는 경향이 있어요.
  AI가 효율적인 팀과 수익성 모델을 가능하게 해서, 외부 자본 없이도 성장할 수 있게 되었어요. 스트라이프처럼 대규모 비공개 기업으로 남는 것이 새로운 성공 모델이 될 수 있어요.