역사상 가장 범용적인 도구는, 아주 구체적인 하나를 판다
LLM은 제가 지금까지 써본 것 중에 가장 범용적인 기술이에요.
처음 만져보면 누구나 똑같은 직감이 들어요. 이거 뭐든 다 되겠는데. ChatGPT가 그 느낌을 모두에게 퍼뜨렸죠. 텍스트 상자 하나로 시도 써주고, 함수도 디버깅해주고, 여행 계획도 짜주고, 양자역학도 설명해줘요. 뭘 던져도 도와줄 것처럼 보이는 하나의 화면이요.
그래서 다음 대목이 저는 좀 이상하게 느껴져요. 기술이 정말 그렇게 범용적이라면, 왜 정작 제일 큰돈을 버는 제품들은 좁은 제품들일까요?
비즈니스로서 실제로 굴러가는 걸 보면—Claude Code, Codex—그 fit은 범용성에서 나온 게 아니에요. 똑같은 엔진을, 구체적이고 아프고 비싼 하나의 문제에 겨눴을 때 나왔어요. 바로 소프트웨어를 쓰고 유지하는 일이요.
이게 제가 자꾸 다시 떠올리게 되는 역설이에요. 역사상 가장 범용적인 도구가, 오히려 구체적으로 좁혀질 때 product-market fit을 찾아요.
범용성은 비즈니스 모델이 아니에요
뭐든 다 되는 빈 상자는, 이상하게도 비싸게 받기가 어려워요.
한 사람에게 주는 가치가 진짜이긴 한데, 너무 흩어져 있어요. 가끔 쓰는 백 가지 용도에 얇게 펴 발라져 있고, 그중 어디에도 또렷한 가격표가 안 붙어요. ChatGPT는 엄청난 소비자 화면이고 진짜 습관이에요. 깎아내리는 게 아니에요. 다만 ‘뭐든 도와줘요’와 ‘이 정확한 일에 예산 한 줄이 잡혀 있어요’ 사이에는 틈이 있고, 돈은 그 틈의 건너편에 있어요.
Product-market fit은 한 번도 기술이 무엇을 할 수 있는지에 대한 게 아니었어요. 누군가 이미 지갑에 손을 뻗을 만큼 급하고 자주 생기는, 그 하나의 문제를 찾는 일이에요. 범용성은 그냥 공급이에요. 수요는 다른 질문이고, 수요는 한 번도 가능성에 돈을 낸 적이 없어요. 끝난 일에 돈을 내요.
왜 코딩이 먼저 이겼나
이 렌즈로 보면, 소프트웨어가 왜 제일 먼저 제대로 ‘붙은’ 영역이었는지 거의 뻔해져요. 코딩에는 보기 드문 특성들이 한꺼번에 모여 있거든요.
- 검증이 돼요. 코드는 컴파일되거나 안 되거나예요. 테스트는 통과하거나 못 하거나고요. 모델은 자기가 맞게 했는지에 대한 진짜 신호를 받아요. 그리고 돈 내는 사람도 그 신호를 받죠. 그 신호가 없으면 믿을 근거가 없고, 못 믿는 데에는 아무도 돈을 안 내요.
- 비싸요. 엔지니어 인건비는 어마어마해요. 그래서 그 산출이 조금만 늘어도 금액으로 또렷하게 보여요. 계산이 거의 저절로 돼요.
- 끊임없어요. 개발자는 하루 종일, 매일 이 문제를 마주해요. 그 빈도가 ‘있으면 좋은 도구’를 ‘뺏기면 싸우는 도구’로 바꿔놔요.
- 이미 예산이 잡혀 있어요. 회사들은 이미 IDE, CI, 그리고 긴 개발자 SaaS 목록에 돈을 쓰고 있어요. 돈 낼 의향이 그냥 거기 있는 거예요. 새 예산 줄을 만드는 게 아니라, 이미 있는 줄에 끼워 넣는 거죠.
- 결과물이 곧 납품물이에요. 모델이 만들어낸 텍스트가 그 자체로 제품—즉 코드—이에요. 제품에 대한 설명이 아니고요. 모델의 작업에서 가치로 옮기는 번역 단계가 없어요.
범용성 덕분에 모델이 애초에 코드를 쓸 수 있게 됐어요. 하지만 그 능력을 비즈니스로 바꾼 건 그 날것의 능력이 아니라 위 목록에 적힌 것들 전부예요.
저는 고민 없이 돈을 내요
제가 아는 가장 또렷한 신호는 제 자신의 행동이에요.
저는 Claude Code에 돈을 내면서, 이게 값어치를 하나 따져보고 앉아 있지 않아요. 싸서가 아니라, 대안—제 시간—이 훨씬 더 비싸고 쓸 때마다 그걸 체감하기 때문이에요. 수익이 눈에 보여요. 이게 뭘 아껴줬는지 손가락으로 가리킬 수 있어요.
바로 그 ‘보임’이 전부예요. 범용 챗도 진짜 유용하지만, 특정 대화가 정확히 몇 달러를 아껴줬냐고 물으면 저는 머뭇거려요. 코딩 도구는 한 번도 저를 머뭇거리게 한 적이 없어요. 고객이 답이 이미 뻔해서 계산을 멈추는 순간, 그게 바로 그거예요.
만드는 사람이라면, 여기서 얻을 교훈
이 모델들 위에 뭔가를 만든다면, 중력이 죄다 한 방향으로 끌어요. ‘뭐든 도와주는 어시스턴트’를 내놓고 싶어지죠. 모델이 자꾸 부추겨요. 가두지 마, 이게 할 수 있는 걸 다 봐.
거기에 저항하세요. 모델의 범용성이야말로 제품을 두루뭉술함 쪽으로 끌어당기는 힘이고, 두루뭉술한 데에는 아무도 돈을 안 내요.
아프고, 비싸고, 끊임없고, 이미 돈이 향해 있는 문제를 찾아가세요. fit은 거기 있어요. 범용성은 원재료지 제품이 아니에요. fit은 당신이 그걸 어떤 구체적인 문제에 겨누기로 골랐는지, 그리고 돈 내는 사람이 그 결과를 얼마나 또렷하게 볼 수 있는지에서 나와요.
원래 늘 이런 모양이었어요
이게 LLM만의 일회성 현상이었다면 오히려 덜 흥미로웠을 거예요. 그런데 이건 기술에서 가장 오래된 패턴이에요. 넓은 새 능력이 등장하고, 그건 한 번에 하나의 구체적인 일로 밥값을 해요.
개인용 컴퓨터는 취미가들은 열광했지만 기업은 시큰둥했던 범용 기계였어요. 그걸 바꾼 건 ‘이게 뭐든 할 수 있다’는 더 그럴듯한 설명이 아니라 VisiCalc, 최초의 스프레드시트였어요. 회계사들에게 갑자기 ‘애플 II를 살 만한 일’ 하나가 생겼고, 사람들은 프로그램 하나를 돌리려고 범용 컴퓨터를 샀어요. 킬러 앱은 구체적이었죠.
레이저는 처음 나왔을 때 너무 범용적이어서 ‘문제를 찾아 헤매는 해답’이라고 불릴 정도였어요. 결맞는 빛 그 자체는 안 팔려요. 바코드 스캐너, CD 플레이어, 광섬유 통신, 시력 교정 수술—그런 것들이 팔려요. 한 번에 하나의 용도로 자리를 잡았어요.
웹은 보편적인 토대였지만, 아무도 ‘하이퍼텍스트’에 수표를 끊지 않았어요. 사람들은 이메일에, 그다음 검색에, 그다음 커머스에 돈을 냈어요. 아마존도 ‘모든 걸 파는 상점’으로 시작하지 않았어요. 책을 팔고, 나머지는 그 뒤에 벌어들였죠.
매번 모양은 똑같아요. 넓은 능력은 원재료고, 좁고 가치 있고 반복되는 어떤 일—거기서 돈 내는 고객이 진짜로 나타나요. 코딩은 그게 일어난 가장 최근의 자리일 뿐이에요. 그리고 LLM은 아직 새로워서, 우리는 그게 실시간으로 펼쳐지는 걸 지켜볼 수 있어요.
끝나는 곳은 범용성, 버는 곳은 구체성
그렇다고 범용 화면이 안 중요하다는 말은 아니에요. ChatGPT의 열린 상자는 거대한 유통이자 습관 엔진이고, 충분히 긴 시간이 지나면 그 넓은 화면이 구체적인 제품들을 다시 조용히 자기 안으로 빨아들일지도 몰라요.
하지만 그건 ‘어디서 끝나느냐’에 대한 이야기예요. ‘지금 어디서 버느냐’에 대한 이야기는, 그 모든 범용성이 암시하는 것보다 훨씬 좁고 또렷해요.
역사상 가장 범용적인 도구가, 한 번에 하나의 구체적인 문제씩 돈을 벌고 있어요. 이건 비전이 모자라서가 아니에요. product-market fit은 원래 늘 이렇게 생겼어요.