잘못된 데이터로부터 벤처 캐피탈을 보호해야 합니다.

헨리크 란드그렌(Henrik Landgren)

투자, 특히 벤처 캐피털은 50%는 과학이고 50%는 예술입니다. 업계는 카리스마와 창업자의 “그것” 요소에 크게 의존합니다. 그 기준은 많은 장점을 보장합니다. 나의 모든 투자자 동료들이 공유하는 진실 중 하나는 우리 세대의 가장 위대한 창업자들은 손가락질하기 거의 불가능한 자신의 기술에 대한 틀림없는 추진력과 헌신을 가지고 있다는 것입니다.

그러나 매력적인 비전가가 식별되면 실제로 프로세스가 어떻게 작동하는지 살펴보겠습니다. 투자자가 유망한 창업자를 만나 자세히 살펴보기로 결정하면 방대한 양의 데이터가 전달됩니다.

현재 많은 사람들에게는 AI를 활용하여 관련성을 선별하는 것이 유일한 합리적인 대응처럼 느껴집니다. 데이터는 방대하지만 창립자가 선별하여 패키지했습니다. 이는 VC 모델 전체의 기초가 되는 정보 비대칭 문제의 핵심입니다.

오늘날 피치덱과 회사 웹사이트를 하루 오후에 바이브 코딩할 수 있고 세계에서 가장 강력한 AI 모델의 도움을 받아 데이터 슬라이싱을 수행하는 경우, 투자자가 이러한 소음을 차단하고, 무엇을 보고 있는지 질문하고, 데이터를 이해하는 방법을 파악하고, 더 중요하게는 이를 어디서 얻을 수 있는지 아는 것이 점점 더 어려워지고 있습니다.

다른 방법이 있나요?

Spotify에서 분석 담당 부사장으로 재직하는 동안 저는 데이터에 집착하는 사람이 되었습니다. 당시 가장 인기 있었던 새로운 기술은 Excel 스프레드시트에서 벗어나 보다 세부적인 데이터를 기반으로 실제로 의사결정을 내릴 수 있게 해주는 기술이었습니다.

우리는 사용자의 모든 클릭을 저장하는 데 도움이 되는 소프트웨어를 사용했습니다. 이러한 세부 수준은 우리가 운영하는 방식을 완전히 바꾸었고, 데이터를 보는 방식도 바꿔 놓았습니다. 회사 내부에는 우리 대부분이 인식했던 것보다 훨씬 더 많은 데이터가 있었습니다.

제가 투자 분야로 옮겨갔을 때 업계에 비해 상대적으로 뒤처져 있다는 사실이 저에게는 충격이었습니다. 오늘날 모든 금융 기관은 AI 전략이 있음을 입증하기 위해 안간힘을 쓰고 있기 때문에 기술을 사용하여 눈에 띄는 작업을 수행해야 한다는 압력이 기술을 사용하여 유용한 작업을 수행하려는 욕구를 압도합니다. 오늘날 대부분의 투자 팀이 AI를 채택하는 방식은 자비롭게 말하면 잘못된 것입니다.

AI 스택은 선택 해제할 확인란이 아닙니다. LLM을 사용하여 보고서를 작성하거나 프레젠테이션을 요약하는 데 필요한 시간을 줄이는 것은 즉시 만족스럽지만 큰 그림에서 작업 효율성을 거의 바꾸지 않습니다. 같은 일을 더 빠르게 하는 것은 쉽습니다. 불필요한 프로세스를 제거하고 작업 흐름을 재고하는 조치를 취하는 것이 더 어렵습니다.

쓰레기는 들어오고, 쓰레기는 나가고

AI 채택 과제의 핵심은 LLM이 그에 들어가는 데이터만큼 우수하다는 사실입니다. 올바른 접근 방식은 AI보다 먼저 시작됩니다. 이는 지불 기록, 마케팅 성과, 회계 시스템 및 이사회 보고서 등의 데이터로 시작됩니다. 각각은 창립자나 분석 팀이 설명하는 방식이 아니라 회사가 실제로 운영되는 방식을 반영하는 근면에 레이어를 추가합니다.

투자자는 빠른 보고서보다 더 높은 목표, 즉 창업자가 결정하기 전에 회사의 숨겨진 결점과 거친 부분을 볼 수 있는 위치를 향해 목표를 세워야 합니다. 집을 구입하는 경우 주택 소유자가 아닌 독립적으로 조사를 받기를 원합니다. 투자자는 자신의 포트폴리오에 대해서도 동일한 작업을 수행해야 합니다. 이것이 실제로 의미하는 바는 데이터 소스로 직접 이동한다는 것입니다. 창업자가 당신을 위해 재무 정보를 정리해주기를 기다리지 않고 회사의 재무 정보를 연결하는 것입니다.

이는 투자자들이 위험을 이해하는 방식을 근본적으로 변화시킵니다. 분석가는 갑자기 시작하지 않고 70%에서 시작할 수 있으며 실제로 인간의 판단이 필요한 작업(팀 이해, 공간 읽기, “그것” 요소 평가)을 위해 전문가 시간을 할당할 수 있습니다.

앞을 내다보며

이것이 투자자들의 투자를 막지는 못할 것입니다. 오히려 그 반대입니다. 성장이 충분히 공격적이지 않거나 업종이 VC 유행에서 벗어난 자본 효율적이고 유지율이 높은 기업을 생각해 보십시오.

이러한 회사는 자신에게 확실한 증거가 될 수 있는 데이터에 충분히 빠르게 액세스하지 않거나 전혀 액세스하지 않기 때문에 완전히 무시됩니다. 실제 위험 수준을 재평가할 수 있는 도구가 제공되면 금융 기관은 이러한 기업에 자금을 조달하는 데 더 자신감을 가질 수 있습니다.

더 즉각적으로, 더 나은 데이터 액세스를 통해 투자자로서 경쟁력을 높일 수 있습니다. 모든 VC가 원하는 가장 매력적인 거래에서는 가장 빨리 유죄 판결을 받은 사람이 유리합니다. 이는 데이터를 찾고 정리하는 데 일주일을 소비하지 않고 경쟁사보다 하루 먼저 텀 시트를 발행하는 것의 차이가 거래 성사임을 의미합니다.

게다가 5년 안에 자금을 지원할 가치가 있는 회사는 오늘날 우리가 자금을 지원하는 회사와 전혀 달라질 것입니다. AI 기반 하드웨어, 인프라 및 새로운 범주의 심층 기술은 성과를 평가하는 방법에 대한 재평가를 요구하며 전통적인 소득 모델과 과거의 성공 지표는 더 이상 측정되지 않습니다.

업계는 AI가 어떻게 기존 프로세스의 속도를 높일 수 있는지 묻지 말고 더 나은 프로세스가 무엇인지 묻기 시작해야 합니다. 더 나은 데이터 인프라는 기술적으로 있으면 좋은 것이 아닙니다. 그것은 다른 모든 것의 전제 조건입니다. 차세대 혁신 기업에 제대로 자금을 지원하는 유일한 방법은 투자자가 자신의 업무를 명확하게 볼 수 있는 인프라를 구축하는 것입니다. 그 이하라면 우리는 똑같은 블라인드 베팅을 하지만 자신감이 있다는 모델을 통해 더 빠르게 베팅할 뿐입니다.

Henrik Landgren은 AI 투자 인텔리전스 플랫폼 Gilion의 공동 창립자이자 CPTO입니다. 그는 이전에 Spotify의 첫 번째 분석 부사장이었습니다. Gilion에서 Landgren은 벤처 캐피탈, 사모 펀드 및 은행 업무를 위한 투자 및 비즈니스 성장 인텔리전스를 변화시키는 회사의 AI 기반 투자 플랫폼 개발을 주도하고 있습니다.

일러스트: 돔 구즈만