Standard Metrics CEO on AI, Venture Capital & the Future of Investing

원본 영상: Standard Metrics CEO on AI, Venture Capital & the Future of Investing · 채널 How I Invest Podcast

Part 1 — 핵심 인사이트

  1. VC의 AI 활용은 아직 개인 실험에서 시작된다.
  2. LLM은 낯선 기술 분야를 빠르게 따라잡게 해준다.
  3. 내부·외부·산업데이터 결합이 미팅 준비를 바꾼다.
  4. 유용한 AI 워크플로는 결국 팀 표준으로 굳어진다.
  5. AI는 투자자의 역할 정의 자체를 다시 쓰고 있다.

Part 1 — 요약

이 영상은 AI가 벤처캐피탈의 업무 방식 자체를 바꾸고 있다고 설명한다. 리서치, 소싱, 딜리전스, 포트폴리오 관리, 백오피스까지 투자 전 과정에서 LLM과 새로운 워크플로가 빠르게 실험되고 있으며, 특히 개별 투자자들의 자발적 사용이 바닥에서부터 확산되고 있다고 말한다.

핵심은 아직 대부분의 AI 활용이 조직 차원의 표준화가 아니라 개인 중심의 실험 단계라는 점이다. 다만 내부 메모·CRM·노션 같은 사내 데이터, 인터넷 공개 데이터, 산업 특화 데이터 제품을 연결하면 투자 미팅 전 준비 수준이 크게 올라가고, 한 번 유용하다고 검증된 워크플로는 점차 팀의 공식 프로세스로 흡수된다고 주장한다. 결과적으로 AI는 VC의 의사결정 속도뿐 아니라, 무엇을 '좋은 투자자 업무'로 볼지까지 재정의하고 있다.

Part 2 — 핵심 인사이트

  1. MCP는 API를 자연어로 쓰게 만드는 추상화 계층이다.
  2. AI 시대엔 제품 UI보다 데이터·워크플로우 설계가 더 중요하다.
  3. AI-native 조직은 도구보다 사람과 문화에서 먼저 시작된다.
  4. 내부 전용은 빌드, 외부 연동형은 구매가 유리하다.
  5. 멀티플레이어 제품은 감사추적·보안·컴플라이언스가 핵심이다.

Part 2 — 요약

이 영상은 MCP와 AI 도구가 기존 소프트웨어의 '위에' 얹히는 추상화 계층으로 작동해, 사용자가 복잡한 API를 직접 다루지 않고도 자연어로 데이터를 조회·작업할 수 있게 만든다고 설명한다. 특히 데이터가 풍부한 제품일수록, 모든 사용자가 무거운 대시보드를 열기보다 에이전트에 질문하는 방식이 더 나은 경험이 될 수 있다고 본다.

이어 AI-native한 VC/기업을 만들려면 도구보다 문화와 사람이 먼저라고 강조한다. 빠르게 변하는 AI 환경에서는 AI를 익히려는 사람들과 실험을 장려하는 팀 문화가 핵심이며, 내부 소프트웨어를 직접 만들지 여부는 'single-player vs multiplayer' 관점에서 판단해야 한다고 주장한다. 내부 전용 도구는 빌드가 유리할 수 있지만, 외부 사용자·포트폴리오사·감사인까지 얽히는 멀티플레이어 제품은 신뢰성, 감사추적, 보안, 컴플라이언스 때문에 구매가 더 합리적일 수 있다고 정리한다. 마지막으로 네트워크 효과와 독점적 데이터 자산도 제품 가치와 방어력의 중요한 축이라고 본다.

Part 3 — 핵심 인사이트

  1. 평가 가능한 업무는 자동화되고 인간은 판단으로 이동한다.
  2. AI는 일을 없애기보다 더 큰 백로그를 열어준다.
  3. 좋은 계획은 가장 큰 레버리지 몇 개에 집중하는 것이다.
  4. 투자자의 가치는 문서처리보다 창업자 지원에서 커진다.
  5. 성장은 작은 문제를 덮지만, 복잡성도 함께 키운다.

Part 3 — 요약

이 영상은 AI가 투자와 소프트웨어의 '대체'보다 '재배치'를 일으킨다는 관점을 중심으로 전개된다. 문서 파싱처럼 평가가 쉬운 업무는 점점 자동화되고, 인간은 판단·취향·창업자 지원처럼 평가하기 어려운 일로 이동한다고 주장한다.

또한 AI가 일을 줄이기만 하는 것이 아니라, 더 많은 기회와 백로그를 열어 결국 사람과 조직이 다뤄야 할 문제의 총량을 키운다고 본다. 그래서 좋은 계획은 제한된 시간과 자원을 가장 큰 레버리지에 집중하는 것이며, 투자자 역시 수작업 업무에서 벗어나 포트폴리오에 실질적 가치를 더하는 쪽으로 역할이 바뀐다고 설명한다.

Part 4 — 핵심 인사이트

  1. 후속 투자가 펀드 성과를 더 크게 좌우한다.
  2. 리저브 배분은 신규 딜만큼 엄격히 봐야 한다.
  3. AI 시대엔 오늘의 마진보다 장기 구조가 중요하다.
  4. 과거 데이터는 시점이 바뀌면 거의 무의미해진다.
  5. 초고성장 기업은 성장률이 마진보다 먼저 증명한다.

Part 4 — 요약

이 구간은 투자에서 '첫 투자'보다 그 이후의 후속 투자 판단이 더 중요할 수 있다는 점을 강조한다. 많은 VC가 신규 딜에는 엄격하지만, 이미 투자한 회사의 추가 투자에는 상대적으로 느슨하게 결정하는데, 실제로는 리저브 운용과 후속 투자 전략이 펀드 성과를 크게 좌우한다고 말한다.

또한 데이터 기반으로 AI 회사와 비AI 회사의 성장·효율성을 비교하며, 시기별로 지표 해석이 달라져야 한다는 점을 보여준다. 2022~2023년에는 자금 경색으로 효율성이 개선됐고, 최근에는 AI 회사들이 대규모 자본을 바탕으로 빠르게 성장하면서 예전 데이터가 현재를 설명하지 못한다고 지적한다. 그 결과, 투자자는 매출 성장만이 아니라 장기적인 총이익 구조와 자본 효율의 변화까지 함께 봐야 한다는 메시지로 이어진다.

Part 5 — 핵심 인사이트

  1. AI가 늘어날수록 인간의 책임은 더 희소해진다.
  2. 핵심 역량 밖 일은 내부화보다 책임 분산이 낫다.
  3. 고객 신뢰는 기술보다 대면 대화에서 더 강해진다.
  4. 스타트업은 똑똑함보다 미션 정렬이 생존을 좌우한다.
  5. 작은 팀일수록 한 사람의 가치 불일치가 조직을 흔든다.

Part 5 — 요약

이 영상은 AI가 소프트웨어와 서비스의 경계를 흐리면서, 기업이 무엇을 내부화하고 무엇을 외부에 맡길지 다시 생각해야 한다는 점을 이야기한다. 화자는 AI가 많은 업무를 흡수하더라도 책임과 신뢰, 특히 인간이 직접 지는 책임은 대체하기 어렵다고 본다. 그래서 핵심 역량 밖의 일은 더 똑똑하게 외주화하되, 고객과의 직접 대화나 대면 신뢰 구축은 오히려 더 중요해진다고 주장한다.

또한 창업과 조직 운영에서 얻은 가장 큰 교훈으로, 사람을 뽑을 때 능력보다 미션·가치 정렬을 더 엄격하게 봐야 한다고 강조한다. 스타트업은 어렵기 때문에 어려운 순간에 버티게 해줄 동기와 문화적 적합성이 필수이며, 작은 팀일수록 한 사람의 영향이 너무 크기 때문이다. 결국 이 영상은 AI 시대에도 책임, 신뢰, 문화, 핵심 역량 집중이 경쟁력의 중심이라는 메시지를 전한다.

Part 6 — 핵심 인사이트

  1. 가치관 불일치는 채용 후 문제를 기하급수로 키운다.
  2. 투명한 기록은 AI 시대의 조직 자산이 된다.
  3. 인터뷰보다 실제 협업이 사람을 더 정확히 드러낸다.
  4. 온보딩은 정렬과 몰입을 만드는 첫 번째 설계다.
  5. 관리자는 외부 수혈보다 내부 육성이 더 예측 가능하다.

Part 6 — 요약

이 영상은 조직을 잘 굴리기 위해서는 개인의 역량보다 ‘문화와 시스템의 정렬’이 더 중요하다고 주장한다. 특히 회사의 핵심 가치에 맞는 사람을 뽑고, 투명하게 일하며, 신입을 온보딩에서부터 강하게 정렬시키는 것이 downstream 문제를 줄이는 핵심이라고 말한다. AI 도구가 Slack, Notion, Salesforce 같은 업무 흔적을 읽어낼 수 있게 되면서, ‘work in the open’ 문화의 가치가 더 커졌다는 점도 강조한다.

또한 사람을 인터뷰만으로 평가하는 데는 한계가 있으므로, 인턴십·프로젝트·실제 협업 경험처럼 미리 함께 일해보는 방식이 훨씬 정확한 신호라고 설명한다. 마지막으로 관리자 역할은 채용 시점에 예측하기 어렵기 때문에, 내부에서 IC를 키워 승진시키는 편이 더 안전하고 문화 유지에도 유리하다는 메시지로 정리된다.

요약·핵심 인사이트는 인사이트컷(InsightCut)이 작성했습니다. 원본 영상의 저작권은 How I Invest Podcast에게 있으며, 영상은 공식 YouTube 플레이어로 재생됩니다.