글

작성일자

AI 스타트업, 기술보다 고객 경험이 중요한 이유 – 기술 집착의 함정

We see our customers as invited guests to a party, and we are the hosts. It’s our job every day to make every important aspect of the customer experience a little bit better.”
– Jeff Bezos, Founder of Amazon

“우리는 고객을 파티에 초대된 손님으로 보고, 우리는 주인입니다. 매일 고객 경험의 모든 중요한 측면을 조금씩 개선하는 것이 우리의 임무입니다.”
– 제프 베조스(Jeff Bezos), 아마존 창업자

기술 스타트업을 운영하다 보면 늘 직면하는 질문이 있습니다.

“우리 스타트업의 핵심 경쟁력은 무엇인가?”

많은 기술 창업자들이 이 질문에 “우리의 혁신적인 기술”이라고 답하지만, 실제 비즈니스 성공의 핵심은 다른 곳에 있을 수 있습니다.

기술은 수단, 고객 만족은 목적

기술 기업에서 혁신적인 기술 개발이 중요한 것은 분명합니다. 특히 AI 스타트업이라면 최신 알고리즘 적용, 모델 아키텍처 최적화, 추론 속도 개선 등이 일상적인 과제입니다.

그러나 제프 베조스가 아마존을 세계 최대 기업으로 성장시킨 비결은 ‘고객 집착(customer obsession)’이었습니다. 그는 “고객으로부터 역방향으로 작업하라(work backwards from the customer)”는 원칙을 강조했죠.

AI 혁명 시대에 기술적 우수성은 중요합니다. 그러나 완벽한 AI 모델 하나로 모든 문제를 해결할 수 있다는 생각은 위험한 환상일 수 있습니다. 고객의 문제는 지금 해결되어야 하며, 그 해결책이 최첨단 알고리즘이든, 인간의 노력이든, 둘의 하이브리드든 상관없습니다. 중요한 것은 고객 문제 해결과 그들의 만족입니다.

기술 생태계의 3단계: 인프라, 플랫폼, 애플리케이션

기술 산업은 크게 세 단계로 구분될 수 있으며, 이것은 AI 산업에도 적용됩니다:

  1. 인프라 레이어(Infrastructure Layer): Nvidia, AMD와 같은 GPU 제조사, TPU를 개발하는 Google, AWS와 같은 클라우드 인프라 제공자들이 포함됩니다. 이들은 AI가 작동할 수 있는 하드웨어와 기본 컴퓨팅 자원을 제공합니다.
  2. 플랫폼 레이어(Platform Layer): OpenAI(GPT), Anthropic(Claude), Meta(Llama), Cohere와 같은 기초 모델 개발사들이 여기에 해당합니다. 이들은 다양한 애플리케이션을 위한 기본 AI 모델과 API를 제공합니다.
  3. 애플리케이션 레이어(Application Layer): Fireflies(회의 기록), Jasper(콘텐츠 생성), Harvey(법률 AI), Synthesia(AI 비디오 생성)와 같은 특정 사용 사례에 집중한 AI 서비스들입니다.

대부분의 AI 스타트업은 애플리케이션 레이어에서 운영되며, 여기서 중요한 전략적 질문이 등장합니다: 애플리케이션 기업으로서, 기술에 집착해야 할까요, 아니면 고객 경험에 집중해야 할까요?

애플리케이션 레이어에서는 고객 접점을 장악하는 것이 기술적 우수성보다 훨씬 중요합니다. 이를 사례를 통해 살펴보겠습니다.

메커니컬 터크(Mechanical Turk): 최초의 ‘인공지능’ 사기와 그 교훈

1770년대, 헝가리의 발명가 볼프강 폰 켐펠렌이 만든 ‘튀르크 기계(The Turk)’ 또는 ‘메커니컬 터크(Mechanical Turk)’는 당시 세계를 놀라게 했습니다. 터번을 두른 오토마톤(Automaton, 자동으로 움직이는 기계 인형)이 실제 사람들과 체스를 두며 대부분의 경기에서 승리했기 때문입니다.

나폴레옹 보나파르트, 벤자민 프랭클린을 포함한 당대 최고의 지성들도 이 기계와 대결했습니다. 켐펠렌은 매 시연 전에 기계의 내부를 관객들에게 보여주며 그 안에 사람이 없음을 ‘증명’했죠.

그러나 실제로는 기계 내부에 숨겨진 공간이 있었고, 그곳에 숙련된 체스 기사가 숨어 있었습니다. 그는 정교한 기계장치와 자석 시스템을 통해 체스 말을 움직였습니다.

이 ‘가짜 AI’는 60년 이상 사람들을 속였고, 놀라운 고객 경험을 제공했습니다. 오늘날로 치면 완벽한 제품-시장 적합성(Product-Market Fit)을 달성한 것입니다.

흥미롭게도 이 사례는 후에 아마존의 크라우드소싱 서비스 ‘메커니컬 터크(Mechanical Turk)’의 이름 유래가 되었으며, “인간 지능 작업(Human Intelligence Tasks)”이라 불리는 AI로 해결하기 어려운 작업을 인간이 수행하는 시스템을 구축했습니다.

아마존 고(Amazon Go): 완전 자동화의 이면

2018년, 아마존은 혁신적인 무인 매장 ‘아마존 고(Amazon Go)’를 오픈했습니다. ‘그냥 나가세요(Just Walk Out)’ 기술을 활용해 고객은 앱으로 입장한 후, 원하는 상품을 선택하고 계산대 없이 매장을 나갈 수 있었습니다.

아마존은 이 시스템이 컴퓨터 비전, 딥러닝, 센서 융합 기술을 사용해 자동으로 고객의 장바구니를 추적하고 결제한다고 설명했습니다. 그러나 2019년, 블룸버그의 보도에 따르면 이 ‘자동화’ 시스템 뒤에는 실제로 인도 뭄바이에 있는 수백 명의 원격 작업자들이 비디오 영상을 분석하고 있었습니다. 그들은 AI 시스템이 제대로 작동하지 않을 때 개입하여 고객이 어떤 상품을 집었는지 확인하는 작업을 수행했습니다.

시간이 지나면서 아마존의 기술은 발전했지만, 중요한 점은 아마존이 완벽한 AI 기술이 완성될 때까지 기다리지 않았다는 것입니다. 그들은 고객에게 ‘완벽한 경험’을 제공하기 위해 기술과 인간의 노력을 결합했고, 결과적으로 시장을 선점할 수 있었습니다.

Magic과 Operator – 겉은 AI 챗봇, 속은 사람의 손길

스타트업 세계에서도 기술의 한계를 인간으로 보완하며 고객 만족을 이끌어낸 사례들이 있습니다. 2015년경 화제를 모았던 Magic과 Operator라는 서비스가 대표적입니다. 언뜻 보기에는 AI 비서가 응답하는 것처럼 보였지만, 초기 단계에서 답변을 달던 것은 실제 사람들이었습니다.

Magic은 사용자가 문자 메시지로 어떤 요청이든 보내면 (“피자 한 판 시켜줘”부터 “비행기 표 예약해줘”까지) 이를 직원들이 24시간 대신 처리해주는 SMS 기반 개인 비서 서비스였고, Operator 역시 채팅을 통해 쇼핑 도우미가 실제 고객의 구매 요청을 들어주는 서비스였습니다.

이러한 접근 방식은 “마법사(Wizard of Oz) 기법”이라고도 불리는데, 초기에는 불완전한 기술을 감추고 사람의 힘으로 서비스 품질을 유지하면서 고객을 만족시킨 뒤, 점진적으로 기술을 발전시켜 자동화를 이뤄내는 전략입니다.

Magic과 Operator의 사례에서 볼 수 있듯이, 스타트업들은 완벽한 AI가 준비되지 않았더라도 고객의 문제를 해결하는 데 집중했습니다. 고객이 원하는 것은 “내 부탁을 들어주는 것”이지, 그것이 인간 직원인지 AI인지는 중요하지 않았습니다. Facebook도 이와 유사하게 M이라는 챗봇 비서를 내놓으며 초기에 사람을 활용해 복잡한 부탁을 들어주었습니다.

애플리케이션 기업을 위한 전략적 조언: 다양한 하이브리드 접근법의 활용

이러한 사례들에서 얻을 수 있는 통찰은 다음과 같습니다.

1. 고객 접점의 중요성

기술 발전은 계속되겠지만, 그때까지 기다린다면 시장을 선점한 경쟁자들에게 뒤처질 위험이 있습니다. 진정한 경쟁 우위는 기술 자체가 아니라 고객과의 접점을 장악하는 데서 나옵니다. 고객 문제 해결, 신뢰 구축, 데이터 축적이 미래 성공의 열쇠입니다.

2. 다양한 하이브리드 접근법의 활용

“100% AI 자동화”라는 주장은 마케팅적으로 매력적일 수 있지만, 현실에서는 다양한 기술과 접근법을 조합한 하이브리드 솔루션이 더 효과적일 수 있습니다.

인간 + AI 하이브리드(Human + AI Hybrid)

완전한 자동화가 아직 불가능한 영역에서는 인간의 개입과 AI를 결합하는 방식이 효과적입니다:

  • 완전 자동(Fully Automated): 100% AI 시스템으로 모든 작업 처리
  • 반자동(Semi-Automated): AI가 일부 작업을 처리하고, 복잡한 부분은 인간이 개입
  • 인간 주도 + AI 보조(Human-led + AI-assisted): 인간이 주도하고 AI가 생산성을 향상
  • 자동화로 보이는 인간 작업(Human-in-the-loop): 백엔드에서는 인간이 작업하지만, 사용자에게는 자동화된 것처럼 보이는 시스템

전통적 프로그래밍 + AI 하이브리드(Traditional Programming + AI Hybrid)

최신 머신러닝 기술만이 해답은 아닙니다. 전통적인 프로그래밍 접근법과 AI를 결합하면 더 강력한 솔루션을 구축할 수 있습니다:

  • 룰 기반 시스템 + AI(Rule-based + AI): 명확한 규칙이 적용되는 부분은 전통적인 if-then 로직으로, 불확실하거나 패턴 인식이 필요한 부분은 AI로 처리
  • 알고리즘 기반 + AI(Algorithm-based + AI): 정형화된 문제는 검증된 알고리즘으로, 비정형 데이터는 머신러닝으로 처리
  • 데이터베이스 쿼리 + AI(Database Query + AI): 정확한 데이터 검색은 SQL 같은 쿼리 언어로, 의미 해석과 추천은 AI로 처리

시나리오 기반 + AI 하이브리드(Scenario-based + AI Hybrid)

고객 여정을 미리 설계하는 시나리오 기반 접근법은 AI와 결합하면 더 효과적입니다:

  • 사전 정의된 시나리오 + AI 보완(Predefined Scenarios + AI): 예상 가능한 사용자 경로는 미리 설계하고, 예외 상황은 AI가 처리
  • 워크플로우 자동화 + AI 판단(Workflow Automation + AI Decision): 프로세스 흐름은 비즈니스 규칙으로 정의하고, 중요 의사결정 지점에서 AI가 개입
  • 템플릿 기반 + AI 커스터마이징(Template-based + AI Customization): 기본 구조는 템플릿으로, 개인화는 AI로 처리

중요한 것은 완벽한 자동화나 최첨단 기술에 집착하지 않고, 고객에게 최상의 경험을 제공하는 방법을 찾는 것입니다. 때로는 단순한 규칙 기반 시스템과 소수의 인간 운영자가 복잡한 AI 모델보다 더 효과적으로 고객 만족을 이끌어낼 수 있습니다.

3. 기술 발전의 활용

인프라 및 플랫폼 레이어 기업들은 계속해서 AI 기술을 발전시킬 것입니다. 고객 접점을 장악하고 있다면, 이러한 기술적 발전을 자연스럽게 통합하여 서비스를 개선할 수 있습니다. 초기에는 인간의 개입이나 단순한 규칙 기반 시스템이 필요할 수 있지만, 시간이 지나면서 점진적으로 고도화된 AI로 대체할 수 있습니다.

4. 재정적 성공과 기술적 우위의 관계

고객 접점을 성공적으로 장악하면 수익과 투자 자금이라는 중요한 자원을 확보할 수 있습니다. 이를 통해 최고의 기술 전문가를 영입하고, 자체 모델을 개발하여 기술적 우위까지 확보할 수 있습니다. 반면, 기술에만 집착하다 시장 진입에 실패한 스타트업은 이러한 기회를 얻지 못합니다.

5. 데이터의 가치

고객 접점을 장악하면 얻게 되는 또 다른 자산은 데이터입니다. 이 데이터는 AI 모델을 훈련하고 개선하는 데 필수적이며, 고객과의 상호작용에서 생성되는 데이터는 고유한 경쟁 우위가 될 수 있습니다.

실전 사례: 고객 경험으로 성공한 기업들

Zappos – 고객 서비스로 시장을 장악한 이커머스

Zappos는 기술적으로 혁신적인 기업이 아니었습니다. 그들은 단순히 신발을 온라인으로 판매했을 뿐입니다. 그러나 Zappos가 아마존에 12억 달러에 인수된 비결은 탁월한 고객 서비스였습니다. 365일 24시간 고객 지원, 무료 배송 및 반품, 42일의 반품 기간 등 고객 중심 정책으로 시장을 장악했습니다. 그들은 고객 서비스에 투자함으로써 기술적 혁신 없이도 경쟁에서 우위를 점했습니다.

Jasper – AI 콘텐츠 생성

Jasper(이전 Jarvis)는 GPT 모델을 기반으로 마케팅 콘텐츠를 생성하는 서비스입니다. 그들은 자체 AI 모델을 개발하는 대신 OpenAI의 API를 활용하여 빠르게 시장에 진입했고, 마케터들에게 특화된 인터페이스와 기능을 제공했습니다. 기술 개발보다 고객 경험에 집중한 결과, 3년 만에 10억 달러 이상의 기업 가치를 달성했습니다. 그들의 진정한 차별화 포인트는 AI 기술 자체가 아니라, 마케터들의 워크플로우에 AI를 어떻게 통합할지에 대한 깊은 이해였습니다.

Slack – 이메일 대체한 메시징 플랫폼

Slack은 처음부터 혁신적인 기술을 가진 회사가 아니었습니다. 실제로 Slack은 실패한 게임 회사(Tiny Speck)가 내부 커뮤니케이션 도구로 개발한 부산물이었습니다. 그들은 팀 커뮤니케이션 경험 개선에 집중했고, 그 결과 이메일을 대체하는 새로운 협업 표준이 되었습니다. Slack의 성공은 혁신적인 기술이 아니라, 사용자 경험에 대한 집착과 고객 피드백을 반영한 지속적인 개선에 있었습니다.

결론: 기술의 환상을 넘어 진정한 가치 창출로

기술은 모든 기술 기업의 핵심이며, 특히 인프라 레이어와 딥테크 분야에서는 결정적입니다. 그러나 인공지능이 빠르게 응용 단계로 진입하는 현 시점에서, 애플리케이션 레이어의 스타트업들은 기술적 완성도만 추구하다 시장 기회를 놓칠 수 있습니다.

AI 시대의 스타트업 창업자들은 종종 기술적 완벽함의 환상에 사로잡힙니다. 그러나 사례들이 보여주듯, 성공적인 기업들은 완벽한 기술보다 고객 문제 해결에 집중했습니다. 그들은 현재 가능한 기술과 인간의 노력, 그리고 전통적인 프로그래밍 접근법을 창의적으로 결합하여 고객에게 가치를 전달했습니다.

애플리케이션 레이어의 AI 스타트업으로서, 핵심 임무는 기술 자체가 아니라 고객 접점을 장악하는 것입니다. 그것이 최첨단 AI 모델이든, 룰 기반 시스템이든, 시나리오 기반 접근법이든, 인간 전문가와의 하이브리드든, 중요한 것은 고객의 문제를 해결하고 그들의 신뢰를 얻는 것입니다.

기술은 계속해서 발전할 것이고, 인프라와 플랫폼 레이어의 혁신은 결국 애플리케이션 기업에게도 혜택을 줄 것입니다. 고객 접점을 확보하고 있다면, 이러한 발전을 자연스럽게 통합하여 서비스를 지속적으로 개선할 수 있습니다.

제프 베조스의 말처럼, 우리는 매일 고객 경험의 중요한 측면을 조금씩 개선해야 합니다. 그리고 그 과정에서 기술은 도구일 뿐, 목적이 아님을 기억해야 합니다.

작성일자

빠름과 편리함에 열광하는 대한민국 (3번의 오판으로 얻은 깨달음)

나는 더 이상 ‘편리함과 속도’라는 특수한 영역에서 한국 스타트업이 성공할지를 함부로 예측하거나 판단하지 않기로 했다. 그 이유는 무려 3번이나 틀린 판단한 사례가 있기 때문이다. 내 경험으로 미루어 보건대, 대한민국 사람들은 빠른 속도를 중시하며, 편리함을 매우 중요하게 생각한다. 그리고 이런 특성으로 인해 내가 예상치 못한 스타트업이 크게 성공하는 모습을 자주 봐 왔다. 오늘은 그 대표적인 세 가지 사례를 공유해 보고자 한다.

1. 토스(Toss)의 성공

미국의 페이먼트 서비스 ‘벤모(Venmo)’를 카피캣한 토스의 등장을 처음 접했을 때, 나는 별로 성공 가능성을 높게 보지 않았다. 왜냐하면 미국 뱅킹 시스템은 굉장히 느리고, 불편하고, 비용도 많이 든다. 미국에서 은행으로 돈을 보내려면 며칠이나 걸리는 것이 일반적이다. 그래서 그런 비효율적인 환경에서는 Venmo 같은 간편 송금 서비스가 혁신적이었다.

하지만 한국은 달랐다. 토스가 나오기 전에도 이미 은행 간 이체가 미국보다 훨씬 빠르고 편리했기 때문이다. 물론 몇 번의 터치가 더 필요하긴 했지만, 계좌번호만 있으면 이체가 즉시 가능했기에, 나는 토스가 제공하려는 “전화번호로 돈 보내기” 정도의 차별점을 그리 특별하게 느끼지 못했다.

나의 예상: “이미 충분히 편리한데 뭐가 더 좋겠어?”

결과적으로 내 예상은 보기 좋게 빗나갔다. 한국 소비자들은 이미 편리한 상황에서도 ‘조금 더 간편하고 직관적인 UX’를 훨씬 가치 있게 받아들였다. “매우 빠르고, 더 쉽게 쓸 수 있는 서비스”라는 점이 토스를 성공으로 이끌었다고 볼 수 있다.

2. 쿠팡 로켓배송의 성공

미국의 경우, 아마존이 배송 혁신을 이뤄냈다는 것은 널리 알려진 사실이다. 땅이 넓다 보니 배송에 오래 걸리고, 일주일 이상 걸리는 경우도 흔했다. 그렇기에 ‘빠른 배송’ 자체가 미국에서는 엄청난 혁신이 될 수 있었다.

그런데 한국은? 땅덩이가 작고, 이미 다른 쇼핑몰들도 1~3일 이내에 물건을 받아볼 수 있었다. 그 차이가 ‘이미 충분히 빠른데, 더 빨라봐야 얼마나 차이가 나겠어?’ 정도라고 생각했다. 그래서 쿠팡의 로켓배송에 대해서도,

나의 예상: “배송을 하루나 반나절 정도 더 줄인다고 해서, 소비자가 크게 열광할까?”

라는 판단을 했고, 결국 또 틀리고 말았다. 결론적으로 “미리 주문해두면 다음 날 아침에 도착하는 속도”라는 것은 한국 소비자들의 신속함을 선호하는 성향과 편리함을 중시하는 특징을 정확히 파고들었다. 무거운 생수나 급히 필요한 생필품을 ‘당장’ 주문해서 하루 만에 받아보는 로켓배송은 쿠팡의 성장을 견인했고, 그 성공 스토리는 지금도 이어지고 있다.

3. 전동 킥보드의 성공

2017년, 샌프란시스코에서 전동 킥보드를 열심히 타고 다닐 때, 실리콘밸리 창업자들과 이런 얘기를 나눴다.

“한국에서도 전동 킥보드 서비스가 잘될까요?”

내 대답은 부정적이었다. 한국은 대중교통이 너무나 잘 되어 있고, 버스-지하철 환승체계가 카드 한 장으로 편리하게 통합되어 있기 때문이다. 굳이 전동 킥보드를 이용해야 할 이유가 없다고 생각했다. 샌프란시스코는 지형이 험하고, 대중교통이 한국만큼 촘촘하지 않으니 킥보드가 인기를 끈다고 봤다.

하지만 몇 년 뒤, 한국에서는 전동 킥보드가 엄청난 속도로 퍼져나갔다. 물론 최근에는 안전 문제 등으로 규제가 강화되고 있지만, 한때는 길 위에서 전동 킥보드를 쉽게 찾아볼 수 있을 정도로 빠르게 성행했다. “걸어서 10분 거리를 3분 만에 이동할 수 있다”는, 사실 그렇게까지 큰 차이가 아닐 수도 있지만, 한국인 특유의 ‘더 빠르고 편리하게’라는 니즈를 또 한 번 정확히 충족시킨 사례가 된 것이다.

결론: ‘더 빠르고, 더 편리해야 한다’는 한국 시장만의 독특함

이 세 가지 사례에서 공통적으로 깨달은 점은, 한국 소비자들은 이미 충분히 편리한 환경을 가지고 있음에도 불구하고, 그걸 더 효율적으로 만드는 새로운 서비스에 열광한다는 것이다.

  • 토스는 이미 빠른 은행 이체를 더 간편화했다.
  • 쿠팡 로켓배송은 이미 짧은 배송 기간을 거의 ‘당일 수준’으로 단축했다.
  • 전동 킥보드는 이미 촘촘한 대중교통망 위에도 ‘더 빠른 이동’을 제공했다.

한국 시장은 ‘더 빨리, 더 편리하게’라는 모토에 놀라울 정도로 민감하게 반응한다. 어찌 보면 사소해 보이는 UX 차이, 혹은 하루 정도 빠른 배송 시간이 한국인들의 소비 패턴을 뒤흔들 수 있다는 사실을 나는 3번의 실패 예측으로 절실하게 배웠다.

그래서 나는 더 이상 한국에서의 스타트업 아이디어 성공 여부를 쉽게 예측하지 않는다. “이미 충분히 편한데?”라는 내 판단이 틀렸던 사례가 너무 많았기 때문이다. 이제는 그냥 “혹시 또 혁신이 될지 모른다”라는 열린 마음으로 지켜보는 편이다. 아마 이것은 한국이라는 독특한 시장의 특징이 아닐까 싶다.

한국에서 창업을 꿈꾸는 이들에게, 그리고 새로운 서비스를 기획하는 이들에게 마지막으로 하고 싶은 말은 이것이다.

“한국 시장에서는 이미 충분히 편리해 보여도, 조금 더 빠른 서비스와 조금 더 간단한 UX가 폭발적인 반응을 일으킬 수 있다.”

3번의 실패 예측 끝에 얻은 교훈이, 누군가에게 작은 도움이 되기를 바란다.

작성일자

순이익 vs. EBITDA 그리고 EV/EBITDA의 의미

순이익 vs. EBITDA

1) 정의 및 공식

순이익 (Net Income)

순이익=영업이익−이자비용−법인세±기타 수익(비용)

  • 기업의 모든 비용(이자, 세금 등 비영업적 항목)을 차감한 후의 최종 이익입니다.
  • 재무제표에서 가장 아래(Bottom Line)에 위치하며, 기업이 실제로 손에 쥐는 금액을 의미합니다.

EBITDA (Earnings Before Interest, Taxes, Depreciation, and Amortization)

EBITDA=영업이익+감가상각비(Depreciation)+무형자산상각비(Amortization)

  • 영업이익에 감가상각비와 무형자산상각비를 더해, 이자와 세금, 감가상각 등의 영향을 제외하고 영업활동 현금창출 능력을 보는 지표입니다.

2) 가장 큰 차이

  1. 비용 항목 반영 범위
    • 순이익: 영업활동 이외의 비용(이자, 세금 등)과 비영업적 수익(비용)까지 모두 반영하는 가장 포괄적인 지표
    • EBITDA: 이자·세금·감가상각 등을 제외해, 영업활동 중심의 현금창출력에 주목
  2. 일반적으로
    • EBITDA는 순이익보다 차감하는 비용이 적으므로 숫자가 더 크게 나타나는 편입니다.

3) 활용 목적

  • 순이익:
    • 기업의 최종 이익을 보여줘,
    • 주주 가치 평가나 경영 성과(특히 이익잉여금, 배당여력 등)를 평가할 때 자주 사용됩니다.
  • EBITDA:
    • 현금창출 능력이나 투자 여력을 파악하는 데 유용합니다.
    • 부채 구조, 감가상각 정책의 차이를 비교적 배제하고 기업 간 객관적인 비교가 가능합니다.

4) 숫자 예시

어떤 기업의 간소화된 손익계산서를 가정해 봅시다.

  • 매출액: 1,000억 원
  • 매출원가 및 판매·관리비: 800억 원 (이 중 감가상각비 50억 원 포함)
    • 영업이익 = 1,000 – 800 = 200억 원
  • 이자비용: 30억 원
  • 법인세: 40억 원
  • 기타 수익(비용): 0억 원 (가정)
  1. 순이익(Net Income)

순이익=영업이익(200억)−이자비용(30억)−법인세(40억)=130억원

  1. EBITDA
    • 영업이익(200억 원)에 **감가상각비(50억 원)**를 다시 더해 줍니다. (무형자산상각비는 없다고 가정)

EBITDA=200억+50억=250억원

  • 결과적으로,
    • 순이익 = 130억 원
    • EBITDA = 250억 원
    • (EBITDA는 이자·세금·감가상각 등을 차감하기 전 기준이므로, 순이익보다 크게 나타납니다.)

EV/EBITDA의 의미

1) EV (Enterprise Value)

EV=시가총액+(총차입금−현금성자산)+소수주주지분(필요 시)\text{EV} = \text{시가총액} + (\text{총차입금} – \text{현금성자산}) + \text{소수주주지분} \quad (\text{필요 시})

  • 기업 전체 가치를 나타내는 지표로, 회사가 부채를 포함해 실제로 얼마에 ‘거래’될 수 있는지를 추정하는 금액입니다.

2) EV/EBITDA

EV/EBITDA=Enterprise Value/EBITDA

  • EV 대비 영업활동 현금창출력(EBITDA)이 어느 정도인지 나타내는 비율입니다.
  • 부채 수준, 감가상각 정책 등의 차이를 어느 정도 배제하고, 기업들을 상호 비교할 때 자주 쓰입니다.
  • 일반적으로 EV/EBITDA가 낮을수록, 기업이 창출하는 EBITDA 대비 기업가치(가격)가 저평가되었다고 볼 수 있습니다.

3) 두 기업의 예시 비교

아래는 A 기업과 B 기업의 가정치 예시입니다.

구분A 기업B 기업
영업이익(억 원)300400
감가상각비(억 원)5010
이자비용(억 원)2060
법인세(억 원)5070
순이익(억 원)(300 – 20 – 50) = 230(400 – 60 – 70) = 270
EBITDA(억 원)(영업이익 + 감가상각비) = 300 + 50 = 350400 + 10 = 410
시가총액(억 원)3,0005,000
순차입금(억 원)5001,500
EV(억 원)3,000 + 500 = 3,5005,000 + 1,500 = 6,500
EV/EBITDA3,500 / 350 = 10.06,500 / 410 ≈ 15.85

투자 매력 비교

  • 순이익: B 기업(270억 원)이 A 기업(230억 원)보다 많습니다.
  • EBITDA: B 기업(410억 원)이 A 기업(350억 원)보다 높아, 현금창출력도 커 보입니다.
  • EV/EBITDA:
    • A 기업: 약 10.0
    • B 기업: 약 15.85

일반적으로 EV/EBITDA가 낮을수록 (EBITDA 대비 기업가치가 저평가되어 있을 가능성이 높으므로) 투자 매력이 더 높다고 해석할 수 있습니다.
따라서, 이 예시만 본다면, A 기업은 순이익과 EBITDA는 B 기업보다 낮지만, EV/EBITDA가 더 낮아 “시장에서 상대적으로 저평가되어 있다”라고 볼 수 있습니다.
반면, B 기업은 절대적인 순이익과 EBITDA 규모는 크지만, 부채도 많고 시가총액이 높아 EV가 커져서 EV/EBITDA가 크게 나타났습니다.

결론

  1. 순이익은 모든 비용(이자, 세금 등)을 반영한 실질적인 최종 이익입니다.
  2. EBITDA는 감가상각비와 무형자산상각비를 더해, 영업활동 현금창출 능력을 나타내므로 순이익보다 보통 큰 값을 가집니다.
  3. EV/EBITDA는 기업 전체 가치(EV)를 EBITDA로 나눈 것으로, 저평가 여부를 비교적 객관적으로 파악할 때 많이 쓰이며, 지표 값이 낮을수록 현금창출력 대비 기업가치가 낮게 책정되었을 가능성이 큽니다.

결과적으로, 순이익과 EBITDA는 서로 다른 각도에서 기업의 성과를 평가하는 지표이며, EV/EBITDA는 이 기업들의 가치를 상대적으로 비교하고 투자 매력을 판단하는 데 유용한 지표가 됩니다.

작성일자

공헌이익 vs. 매출총이익 vs. 영업이익

공헌이익 vs. 매출총이익 vs. 영업이익

항목별 특징 및 의의

1) 공헌이익 (Contribution Margin)

공헌이익=매출−변동비

  • 개념: 고정비를 전혀 반영하지 않고, 매출에서 **판매량 증감에 따라 직접 변화하는 비용(변동비)**만을 차감해 계산합니다.
  • 의의:
    • 단기 의사결정, 손익분기점(BEP) 분석에서 핵심 지표로 활용됩니다.
    • 추가 판매가 고정비와 최종 이익에 얼마나 기여하는지 손쉽게 파악할 수 있습니다.

2) 매출총이익 (Gross Profit)

매출총이익=매출−매출원가

  • 개념: 매출에서 제품 생산 또는 구매에 들어간 **모든 직접 비용(매출원가)**을 뺀 금액입니다.
    • 여기에는 변동비와 함께 공장 임대료·설비 감가상각 등 생산 관련 고정비가 일부 포함됩니다.
  • 의의:
    • 제품 생산 효율성을 평가하는 지표입니다.
    • 생산 공정, 원가 구조 등을 관리·개선하는 데 활용됩니다.

3) 영업이익 (Operating Profit)

영업이익=매출총이익−판매비와 관리비

  • 개념: 매출총이익에서 영업활동 전반에 필요한 비용(판매비·관리비·마케팅비 등)을 차감한 값입니다.
  • 의의:
    • 본업에서 창출되는 실제 이익을 나타내므로, 기업의 경영 성과와 효율성을 종합적으로 평가합니다.
    • 외부 이해관계자 및 투자자와의 소통 시 가장 기본적으로 활용되는 지표 중 하나입니다.

예시로 이해하기

다음과 같은 가정으로 각 지표를 계산해 봅니다.

  • 제품 판매가(매출 단가): 100만 원
  • 단위당 변동비: 40만 원
    • (예: 원재료비, 직접 인건비 등 판매량 증감에 따라 비례)
  • 단위당 고정비(매출원가 내 배분): 10만 원
    • (예: 공장 임대료, 설비 감가상각 등 생산량과 무관하게 발생)
  • 영업활동 고정비(판매비·관리비): 20만 원
    • (예: 마케팅비, 사무실 임대료, 관리부서 인건비 등)
  1. 공헌이익 공헌이익=매출−변동비=100−40=60만 원
  2. 매출총이익 매출총이익=매출−매출원가
    • 매출원가 = 변동비(40만 원) + 생산 관련 고정비(10만 원) = 50만 원
    매출총이익=100−50=50만 원
  3. 영업이익 영업이익=매출총이익−판매비와 관리비=50−20=30만 원

결과 (큰 값 순서):

  1. 공헌이익 = 60만 원
  2. 매출총이익 = 50만 원
  3. 영업이익 = 30만 원

최종 요약

  • 공헌이익: 고정비를 고려하기 전, 변동비만 제외한 이익 → 단기 의사결정 및 추가 판매 시 이익 기여도 분석에 활용
  • 매출총이익: 매출원가(변동비 + 생산 관련 고정비)를 제외한 이익 → 제품 생산 효율성 평가
  • 영업이익: 매출총이익에서 영업활동 전반(판매비·관리비 등) 비용을 차감한 이익 → 본업(영업)에서의 실제 성과 지표

일반적으로, 고정비와 추가 운영비가 점차 더 많이 반영될수록 금액이 공헌이익 > 매출총이익 > 영업이익 순으로 감소합니다.

일반적이지 않은 경우의 예시

  1. 생산 과정의 고정비가 전혀 없거나 무시할 정도로 매우 낮은 경우
    • 매출원가에 반영될 고정비가 거의 없다면, 매출총이익이 공헌이익과 거의 동일하게 나타날 수 있습니다.
    • 예: 대부분의 생산비가 원재료(변동비)만으로 구성된 소프트웨어나 디지털 제품, 프린트 온 디맨드 형태 사업 등.
  2. 판매비와 관리비가 거의 없는 경우
    • 초기 스타트업이나 1인 창업 형태로, 마케팅·관리비가 극단적으로 적은 경우엔 영업이익이 매출총이익과 큰 차이가 없을 수 있습니다.
    • 예: 개인 온라인 강의나 원자재 공급업 등에서 영업 관련 비용이 미미한 경우.
  3. 특별한 회계 처리나 재무구조 변화로 인해 변동비나 고정비가 일시적으로 음(-)의 값을 갖는 경우
    • 정부 지원금이나 보조금 등의 항목이 특정 생산 비용을 초과해서 상쇄하면, 비용이 마치 “마이너스”로 잡혀 공헌이익이나 매출총이익이 역전되는 상황이 있을 수 있습니다.
    • 예: 연구개발(R&D) 정부 보조금을 받아 실제 발생한 비용 이상을 상쇄하여, 한시적으로 특정 제품의 원가가 ‘음(-)’으로 표시되는 경우.
  4. 여타 영업수익(기타 영업수익)이 영업비용보다 큰 경우
    • 판매비와 관리비가 고정적으로 발생하더라도, 상품 판매 외에 다른 영업수익이 많다면(예: 로열티 수익, 자회사 배당 수익 등), 영업이익이 오히려 매출총이익보다 클 수 있는 예외적 사례도 존재합니다.
    • 예: 제조업체가 보유 특허를 라이선싱해 얻는 로열티 수익이 매우 커서, 일반 제조 원가로 인한 매출총이익보다 영업이익이 더 커지는 상황.

이처럼, 사업 특성이나 회계 처리, 재무구조 차이에 따라 공헌이익 > 매출총이익 > 영업이익의 일반적인 순서가 바뀌거나, 값의 차이가 크지 않을 수도 있습니다.

작성일자

인공지능 AI 무료 강의 10개 추천

AI 개념, 생성형 AI, AI 활용, AI 에이전트 개발까지 단계적으로 나열함.

I. AI 기본 개념 및 비즈니스 적용

  1. AI for Everyone
    AI의 역량과 비즈니스 적용 방식 이해
    → https://www.deeplearning.ai/courses/ai-for-everyone/
  1. Google AI Essentials
    Google 전문가와 함께 필수 AI 기술 습득
    → https://www.coursera.org/google-learn/ai-essentials

II. 생성형 AI (Generative AI) 이해

  1. Generative AI
    생성형 AI의 기본 개념, 모델, 윤리 탐구
    → https://www.linkedin.com/learning/what-is-generative-ai/generative-ai-is-a-tool-in-service-of-humanity
  1. Microsoft AI Fundamentals: Generative AI
    Microsoft에서 배우는 생성형 AI 입문
    → https://learn.microsoft.com/en-us/training/paths/introduction-generative-ai/
  1. Generative AI for Software Development
    AI를 소프트웨어 개발 워크플로우에 통합
    → https://www.coursera.org/professional-certificates/generative-ai-for-software-development

III. 프롬프트 엔지니어링 & ChatGPT 활용

  1. Introduction to Prompt Engineering
    효과적인 AI 프롬프트 제작 기초 학습
    → https://learnprompting.org/courses/introduction_to_prompt_engineering
  1. ChatGPT for Everyone
    경험 없이도 배우는 ChatGPT 활용법
    → https://learnprompting.org/courses/chatgpt-for-everyone

IV. AI 에이전트 (AI Agents) 활용 및 개발

  1. Fundamentals of AI Agents (IBM)
    RAG 및 LangChain을 활용한 AI 에이전트 학습
    → https://www.coursera.org/learn/fundamentals-of-ai-agents-using-rag-and-langchain
  1. Hugging Face AI Agents Course
    AI 에이전트 이해 및 구축을 위한 종합 가이드
    → https://huggingface.co/learn/agents-course/unit0/introduction
  1. AI Agents in LangGraph
    LangGraph 프레임워크 내 AI 에이전트 집중 학습
    → https://www.coursera.org/projects/ai-agents-in-langgraph
작성일자

How to Search and Organize Research Papers in the AI Era

(A Practical Guide Inspired by My Friend LEE Jeong-su)

Before diving into the details, I want to express my deep gratitude to my friend LEE Jeong-su for generously sharing these valuable tips. This guide will help you efficiently discover and organize academic papers, especially in the rapidly evolving world of artificial intelligence.

1. Search Core Keywords in English on Google (Add “arxiv”)

  • When searching for a specific topic, use English keywords on Google for broader and more in-depth results.
  • After your main keyword, type a space followed by “arxiv” to find recent or emerging research papers.
    • Example: "AI voice dubbing" arxiv

This tactic helps you locate the newest and most relevant preprints or published papers in your field of interest.

2. Gather Papers from the First Search Page in Priority Order

Once you see the results, prioritize which papers to download and read based on the following criteria:

  1. Recency: Is it a newly published or posted paper?
  2. Affiliation: Is it from a reputable university or company?
  3. Venue: Was it accepted at a top-tier conference or journal?
  4. Citation Count: Is it frequently cited by others?

Filename Convention

  • Rename each downloaded PDF using simple keywords that reflect the paper’s core topic.
  • Add square brackets [] at the front to categorize them more systematically.
    • Example: [AI-Voice] Neural Dubbing Techniques.pdf

3. Set Up Google Notebook LM (Referred to as “LM”) and Create a Folder

  • Create a folder named after the paper’s primary goal or subject.
    • Tip: A descriptive folder name makes it easier to navigate and keep related papers together.

4. Upload the Selected Papers

Simply upload the PDFs you’ve chosen into the designated folder. This will help you keep your research materials organized and easily accessible.

5. Ask LM, “What is the core idea of this paper?”

Use LM to get a quick, synthesized summary of the paper’s main contributions. This can save you time and help you decide if you want to explore the paper more deeply.

6. After Reading LM’s Summary, Open the Original Paper and Check the Abstract & Key Figures

  • Abstract: Usually found on the first page, it summarizes the research objectives, methods, and key results.
  • Key Figures: Often located within the first two pages, these visuals quickly convey the paper’s main findings or methodology.

7. For Anything You Don’t Understand, Ask LM for Further Clarification

  • If a particular concept or method is unclear, ask LM follow-up questions to deepen your understanding without diving into the entire paper immediately.

8. If Your Curiosity is Still Not Satisfied or LM’s Explanation Isn’t Enough, Read the Original Paper

  • At this stage, it’s time to go through the specific sections or the entire paper for more in-depth analysis.
  • Use LM as a companion for difficult sections, asking for definitions, examples, or re-explanations in simpler terms.

9. Always Ask LM, “How Was This Verified?” (Verification/Validation)

  • Understanding the paper’s evaluation or validation methods is crucial.
  • Knowing how the authors tested their hypotheses or models helps you gauge the research’s credibility and relevance.

10. When You’re Satisfied with Your Understanding

  • Read the Conclusion and Limitations at the end of the paper. These sections reveal the paper’s final takeaways and potential weaknesses or future directions.
  • Check the References—especially if they mention additional studies related to your interests. Save these for further reading, applying the same search and organization process.

11. Repeat and Expand

  • As you accumulate more papers in your folder, you can start asking broader or more detailed questions.
  • This iterative approach fosters deeper insights and a clearer understanding of the overall research landscape.
작성일자

인공지능 시대에 논문 검색 및 정리 방법

본 콘텐츠는 나의 친구 LEE정수에게 전수받은 소중한 노하우임.
글을 시작하기 전에, 이런 귀중한 지식을 나누어 준 것에 대해 깊은 감사의 인사를 전함!

1. 핵심 키워드를 영어로 구글에서 검색하기

키워드 뒤에 띄어쓰기 후 arxiv를 추가하여 검색하기
(예) “ai voice dubbing” arxiv

2. 검색 결과 첫 페이지의 논문을 우선순위에 따라 취합하기

각 논문 파일명은 내가 이해하기 쉬운 핵심 키워드로 설정
파일명 앞에 [ ]를 붙여 세부적으로 분류하기

우선순위 기준

  • – 최신 논문인지 여부
  • – 유명한 대학 또는 기업에서 발표한 논문인지
  • – 좋은 학회에서 accept된 논문인지
  • – Citation(인용)이 많이 된 논문인지

3. Google Notebook LM (이하 “LM”)을 켜고 폴더명을 설정하기

– 폴더명은 논문의 목적 또는 내용을 잘 나타내는 카테고리명으로 설정

4. 선택한 논문 파일 업로드하기

5. LM에게 “해당 논문의 핵심 아이디어가 뭐야?”라고 질문하기

6. LM 답변을 읽은 후, 논문의 원본을 열어서 Abstract와 Key Figure를 확인하기

  • – 주로 논문의 1~2 페이지 내에 있음

7. 이해가 부족한 부분은 LM에 추가 질문을 던져가며 내용 파악하기

8. 더욱 깊은 호기심이 생기거나, LM의 설명만으로 이해되지 않는 부분은 원본 논문을 직접 읽어보기

9. LM에게 반드시 “verification(검증)은 어떻게 했는지” 질문하기

10. 논문에 대한 호기심과 이해가 어느 정도 충족되었으면:

– 논문 맨 뒤의 Conclusion과 Limitation 꼭 읽기
– 본문 중간에서 내 관심 주제와 관련하여 언급된 참고문헌은 따로 저장하고 동일한 방법으로 추가 진행

11. 위 과정을 반복하여 폴더 내 논문이 쌓이면, 점차 더욱 포괄적이거나 구체적인 맥락에서 질문하고 분석 가능

작성일자

깔끔한 문장 작성하는 10가지 방법

1. 피동형 문장은 피하기

나쁜 예시: “회의 결과가 모두에게 전달되었습니다.”

좋은 예시: “회의 결과를 모두에게 전달했습니다.”

2. 불필요한 “~부분” 표현 대신 간결하게

나쁜 예시: “상담 중 확인해야 하는 부분은 계약 조건입니다.”

좋은 예시: “상담 중 계약 조건을 확인합니다.”

3. 경제적인 표현 사용하기

나쁜 예시: “본 문서에서 사용되는 용어의 정의는 아래와 같이 설명됩니다.”

좋은 예시: “아래와 같이 용어를 정의합니다.”

4. ‘~도록’ 표현은 간결하게 수정하기

나쁜 예시: “최대한 빠르게 답변드리도록 하겠습니다.”

좋은 예시: “최대한 빠르게 답변드리겠습니다.”

5. 불필요한 한자어 및 외래어 줄이기

나쁜 예시: “전일 회의에서 확인한 사항을 보고드립니다.”

좋은 예시: “어제 회의에서 확인한 사항을 보고드립니다.”

6. 모호한 ‘~것 같습니다’ 표현 대신 확신 있는 문장 사용하기

나쁜 예시: “이 문제는 아마 두 가지로 나눌 수 있을 것 같습니다.”

좋은 예시: “이 문제는 두 가지로 구분됩니다.”

7. 문장을 끊어 명확하게 표현하기

나쁜 예시: “신제품 출시와 관련하여 마케팅 전략 및 고객 피드백을 종합적으로 검토한 후 최종 방안을 논의하기로 했습니다.”

좋은 예시: “신제품 출시 관련 마케팅 전략을 검토했습니다. 고객 피드백을 반영해 최종 방안을 논의할 예정입니다.”

8. 분명하고 구체적으로 표현하기

나쁜 예시: “제안서에 다양한 요소를 고려하는 부분이 좋을 것 같습니다.”

좋은 예시: “제안서에는 가격, 품질, 서비스 항목을 반드시 포함하겠습니다.”

9. 과장 없는 객관적인 말씨 사용하기

나쁜 예시: “최고의 품질을 자랑하는 신제품을 선보입니다.”

좋은 예시: “고객 만족도 95%를 기록한 신제품을 선보입니다.”

10. 능동형 문장 사용하기

나쁜 예시: “회사에 대한 애정이 남아 있어 퇴사를 하게 되었습니다.”

좋은 예시: “회사를 떠나기로 결정했습니다.”

작성일자

10년 넘게 미국 살면서 몰랐던 they/them/their의 단수 사용

최근에 영어로 번역을 하다가 their라는 단어를 단수로도 쓸 수 있다는 사실을 새삼 알게 되었음.
“their는 무조건 복수형 아니야?”라고만 생각했는데, 실제로는 단수 지칭에도 흔히 쓰인다길래 좀 놀랐음.

알아보니까 오래전부터 존재하던 관용적 쓰임새가 요즘 들어 더욱 강조되고 있는 것으로 보면 됨. 셰익스피어 시절 등 옛날 문학 작품에도 단수 they가 꽤 있었음. 그 이유는 정치적 올바름(Political Correctness, PC)이 중요하게 대두되면서, 최근 몇 년간 특정 성별을 가정하지 않는 ‘성중립 언어’의 중요성이 강조되면서 더 자주 쓰게 됨.

즉, 아예 새로 생긴 표현은 아니지만, 언어에서 성별을 고정하지 않으려는 노력과 맞물려서, 과거에는 “he or she”로 쓰던 경우가 지금은 자연스럽게 “they”로 바뀌는 상황이라고 생각하면 됨.

아래에 예시와 함께 간단히 정리해 봄.

1. 번역 중에 깨달은 their의 단수 사용

“(공동창업자를 고를 때) 그 사람을 믿을 수 있는 것보다 그 사람의 실력을 믿을 수 있는지 검증해야 한다”

위의 문장을 ChatGPT한테 영어로 번역하라고 했는데, 아래와 같이 번역함.

→ When choosing a co-founder, you should verify their skills rather than just trusting them as a person.

여기서 “their”가 공동창업자 ‘한 명’을 가리킴에도 복수처럼 보이는 they를 쓰고 있음. 이때 “he/she” 대신 “they”가 훨씬 자연스럽다고 함.

2. 단수 they/them/their? 어떻게 가능?

원래 학교에서 “they/them/their”는 복수형이라고만 배웠음. 근데 불특정 단수(성별 미지정)에도 이걸 쓰는 게 오래전부터 관용적으로 이어져 왔다고 함. 예를 들어,

If a student wants to succeed, they should study hard.

student가 분명 한 명이어도, 성별 모를 때 자연스럽게 “they”를 씀. 현재는 공식 문서나 일상 대화에서도 흔히 보임.

3. 왜 “one’s”로 바꾸면 어색할까?

처음엔 “When choosing a co-founder, you should verify one’s skills rather than trusting one as a person.” 이렇게 바꿔볼 수도 있지 않나 싶었음. 근데 주어가 “you”인데, 갑자기 “one”을 쓰면 문장의 시점이 뒤섞여 어색해짐.

  • you(2인칭) vs. one(격식 3인칭)
    둘을 섞으면 이상함.
    결국 문장을 통째로 “one”으로 격식 있게 가거나, 아니면 “you – their” 구조를 쓰는 게 자연스러움.

4. “their”가 왜 복수 아니냐?

실제로는 “their”가 원래 복수 대명사 맞음. 근데 불특정 단수를 가리킬 때도 오랫동안 쓰여 왔음.
요즘은 사전과 문법서에서도 단수 they를 공식적으로 인정하고, 원어민들도 일상적으로 많이 씀.

5. 결론

상대의 성별이 확실치 않거나 굳이 밝힐 필요 없을 때, 단수 they/them/their 쓰면 됨.

“(공동창업자를 고를 때) 그 사람의 실력을 믿을 수 있는지 검증해야 한다”
→ “When choosing a co-founder, you should verify their skills rather than just trusting them as a person.”

이렇게 간단히 쓸 수 있음. 처음엔 “their = 복수”라고만 생각했는데, 요즘은 단수로도 널리 쓰인다는 걸 배우고 나니 작문할 때 훨씬 편해졌음. 필요할 때 단수 they/them/their를 적극 활용해봐야지!

#오랜만에영어공부 #영어문법 #영어공부 #영어 #정치적올바름 #PoliticalCorrectness #PC운동 #피씨운동