AI 이탈의 물결

핵심 요약

ARR(연간 반복 매출)은 GAAP 지표가 아닙니다. 그럼에도 SaaS 지표의 기본 단위가 되었고, SaaS 밸류에이션 배수의 근거이기도 합니다.

우리는 ARR을 (보통) 마진이 높고, 예측 가능하며, 성장하는 매출로 생각합니다. 즉 SaaS 기업은 (보통) 규모가 커지면 높은 수익성에 도달하는 궤도에 있다는 뜻입니다.

AI 스타트업들은 이 전제를 점점 더 흔들고 있습니다. 반드시 반복 매출이라 할 수 없는데도 반복 매출처럼 취급되는 것들은 이렇습니다.

• AI 제품에서 나오는 실험적 매출(실제 운영에 들어가지 않은 것)
• 3개월 후 해지 가능 조건이 있고, 그중 70~80%가 실제로 해지하는 계약
• 사용량 기반 또는 성과 기반 과금
• 포워드 디플로이드 엔지니어가 수행하는 전문 서비스

AI 스타트업은 우리에게 ARR을 다시 생각하도록 강요합니다. 매출총이익률 문제는 전에 쓴 적이 있습니다. 더 걱정스러운 것은 AI 매출의 지속성에 대한 진짜 의문이 존재한다는 점입니다. Primary Venture Partners의 Cassie Young은 최근 임박한 “그로스 리텐션 아포칼립스”를 예상했습니다.

구매자들은 자사의 AI 실험을 꼼꼼히 따지게 될 것입니다. AI 관광객들은 다음으로 뜨는 제품으로 옮겨갑니다. 그리고 모델이 좋아질수록 큰 플랫폼들이 얄팍한 LLM 래퍼 수십 개를 삼켜버릴 것입니다.

AI 앱에게 지속성은 생존을 가르는 질문입니다. 그런데도 이 주제에 대한 객관적인 데이터는 놀랄 만큼 적었습니다. 그래서 저는 Analyst-in-Residence로 있는 ChartMogul과 손잡았습니다.

우리는 소프트웨어 기업 3,500곳의 웹사이트를 수집하고, AI로 각 기업을 B2B SaaS, B2C SaaS, AI 네이티브 기업(B2B일 수도 B2C일 수도 있음)으로 분류했습니다. 그런 다음 세 그룹의 총매출 유지율(GRR)과 순매출 유지율(NRR)을 비교했습니다. 오늘은 우리가 발견한 내용과, 다가올 수 있는 이탈의 물결로부터 스스로를 지키기 위해 할 수 있는 일을 공유합니다.

AI 관광객 문제

AI 기반 수집을 통해 B2B SaaS 약 2,700곳, B2C SaaS 약 600곳, AI 네이티브 기업 약 200곳의 데이터셋을 얻었습니다. AI 네이티브 기업에는 B2B와 B2C 사업이 모두 포함되고, 소비자와 기업 양쪽에 판매하는 스타트업도 들어 있습니다.

먼저 ARR 25만 달러 이상에 도달한 기업들의 2025년 연환산 리텐션율을 살펴봤습니다. 왜 25만 달러인가 하면, 갱신을 맞는 고객이 적은 극초기 스타트업에서는 과거 리텐션 데이터의 신뢰도가 크게 떨어지기 때문입니다.

데이터가 보여주는 것:

• B2B SaaS는 상대적으로 잘 붙어 있습니다. NRR 중간값은 82%였습니다. (상위 사분위는 97%.)
• B2C는 훨씬 덜 붙어 있고 업셀도 미미합니다. NRR 중간값은 49%에 그쳤습니다.
• AI 네이티브 기업은 GRR이 B2C보다도 낮았고(40%), NRR은 비슷한 수준(48%)이었습니다.

낙관적으로 볼 부분도 있습니다. AI의 리텐션은 연초 이후 크게 나아졌습니다. GRR 중간값은 1월 27%에서 9월 40%로 뛰었습니다. 초기 관광객 다수가 떠나고, 남은 쪽은 더 진지하거나 실험에서 실제 운영으로 넘어가고 있는 것으로 보입니다.

그래도 AI 네이티브 기업 전체는 우리가 알고 좋아하는(그리고 ARR을 기준으로 평가하기 좋아하는) B2B SaaS 기업의 모습과는 아직 상당히 다릅니다.

사기 쉬우면, 해지하기도 쉬울까?

AI 이탈의 물결이 모든 AI 기업을 똑같이 덮치지는 않습니다. 저가 제품은 늘 더 많은 이탈을 불러왔습니다. AI 제품에서는 그 격차가 특히 두드러집니다.

이탈에 대한 최선의 방어는 소비자와 셀프서브 구매(월 50달러 미만 거래)에서 더 큰 B2B 구매로 옮겨가는 것입니다.

데이터가 보여주는 것:

• 월 250달러 이상으로 팔리는 AI 네이티브 제품은 GRR 70%, NRR 85%입니다. 사실상 B2B SaaS와 같은 수준입니다.
• 월 50~249달러로 팔리는 AI 네이티브 제품은 GRR 45%, NRR 61%입니다. B2B SaaS보다 15포인트 낮습니다. (월 100달러가 넘는 B2C 제품은 거의 없습니다.)
• 월 50달러 미만으로 팔리는 AI 네이티브 제품은 GRR이 23%, NRR이 32%에 불과합니다. B2B든 B2C든 SaaS보다 20포인트 낮습니다.

AI 래퍼의 저주입니다. 사기 쉽다는 장점의 이면은 해지하기 쉽다는 것입니다.

여기에는 두 번째 요인도 작동한다고 봅니다. AI 셀프서브 사용자는 돈을 내는 고객일 수 있습니다. 하지만 본인들은 스스로를 “써보는 중”이라고 생각합니다.

저가 SaaS 제품은 보통 프리미엄(또는 리버스 트라이얼) 모델이고, 사용자는 구매 전에 충분히 써볼 시간이 있습니다. 매출총이익률이 80%를 넘으면 무료 사용자를 감당하는 비용이 회사를 흔들지 않습니다. 사용자는 스스로 사기로 결정했을 때 업그레이드합니다. 그리고 단절도 거의 없습니다. SaaS를 살 때 사람들은 무엇을 얻는지 알고 있습니다.

AI 제품에서는 계산이 달라집니다. 토큰 하나하나에 비용이 듭니다. AI 제품은 즉시, 혹은 사용이 조금이라도 진지해지는 순간 전환을 압박합니다. 업그레이드가 필요해지기 전에 일일 사용량 페이월을 두는 제품도 있습니다. SaaS에서는 들어본 적 없는 방식입니다. 사람들은 “이게 무엇이 될 수 있을까”라는 가능성에 끌려 돈을 내기 시작하지만, 그 제품이 장기적으로 자기 업무에 어떻게 들어맞는지는 계획해두지 않았습니다.

우리는 리텐션(그리고 사실 ARR도)을 측정하는 방식을 조정해, 실험적 지출과 진지한 지출을 뭉뚱그리지 않고 깔끔하게 구분해야 합니다. 제 제안은 진지한 지출을 “최소 250달러를 지불한 고객의 매출”로 보는 것입니다. 선불 연간 플랜일 수도, 250달러가 넘는 거래일 수도, 지출은 적지만 계속 남아 있는 고객일 수도 있습니다.

리텐션 = 지속되는 ARR

AI 네이티브 기업들은 성장 기록을 갈아치우고 있고, 많은 곳이 단 1년 만에 0에서 1억 달러까지 스케일했습니다. 분명 인상적입니다. 하지만 매달 문을 나서는 설치 기반이 점점 커지면 초고속 성장을 유지하는 것은 거의 불가능해집니다. 이를 가리키는 말이 있습니다. 자기 TAM을 태워버린다는 것입니다.

데이터셋의 소프트웨어 기업 3,500곳을 두 축으로 배치해봤습니다. 2025년 9월 기준 순매출 유지율(NRR)과 전년 동기 대비 매출 성장률입니다.

데이터가 보여주는 것:

• 전체적으로 NRR과 장기 성장 사이에는 아주 강한 상관관계가 있습니다.
• 초기 단계 스타트업은 NRR이 40% 아래여도 빠르게(200% 이상) 성장할 수 있습니다.
• 그럼에도 리텐션이 낮은 기업은 성장이 뒤집힐 위험이 극도로 큽니다. 빠르게 성장하는 기업보다 축소되는 기업이 세 배 많습니다.

리텐션과 ARR을 함께 보면 그림이 더 선명해집니다. ARR 500만 달러에 도달하는 기업들은 초기 단계 동종 기업보다 총·순매출 유지율이 훨씬 좋습니다. 일부는 선택 편향일 수 있지만, 놀랄 만큼 큰 부분은 크게 성공하는 기업들이 성장에 맞춰 스스로를 바꿔내기 때문입니다.

이는 AI 네이티브 기업 안에서도 이미 눈에 띕니다. 다만 이 구간에서는 표본 크기가 작아지므로(버킷당 약 50곳) 통계적으로 완벽하다기보다 방향성을 보여주는 데이터로 봐야 합니다. 가장 뛰어난 AI 네이티브 기업은 초기 단계 동종 기업의 GRR 2배, NRR 2.5배를 기록합니다.

이탈에 무엇을 할 것인가

지난 몇 년간 저는 수십 개 기업과 리텐션 개선 작업을 했습니다. 월 15달러 프리미엄 구독을 운영하는 뉴스레터 작가로서 제가 지금 활발히 고민하는 주제이기도 합니다.

제 경험상 가장 뛰어난 기업들은 이탈을 커스터머 석세스의 문제가 아니라 비즈니스의 문제로 다룹니다. AI 기업이 이탈을 막는 방법은 이렇습니다.

1. 가치 있는 업무 흐름과 유스케이스를 노려라. AI 제품이 본질적으로 이탈이 높은 것이 아닙니다. 소비자 중심 AI 래퍼가 그렇습니다. 상위 시장으로 올라간다는 것은 보통 (a) 비즈니스 업무 흐름에 더 깊이 박히고, (b) 더 많은 도구와 연동되고, (c) 범용 LLM과의 차별화를 더 크게 만드는 것을 뜻합니다.
2. AI에 더해 서비스를 제공하라. Palantir는 고가치 잠재 고객을 위해 AI 솔루션을 프로토타이핑하고 구현하는 포워드 디플로이드 엔지니어를 채용하는 것으로 유명합니다. OpenAI를 비롯한 많은 AI 기업이 같은 길을 따르고 있습니다. FDE는 AI로 가능한 것과 고객이 실제로 얻어내는 것 사이의 간격을 메웁니다. a16z가 최근 쓴 것처럼 FDE 모델은 마진을 내주고 진입장벽을 얻는 방식이며, 길게 보면 대체로 값어치를 합니다.
3. 첫 계약에서 과하게 팔지 마라. AI가 할 수 있다는 약속은 넘쳐납니다. 보통은 작게 시작해 가치를 빠르게 증명하고, 성장 기회는 나중에 열어가는 편이 낫습니다. 영업 사이클도 빨라지고 FDE의 범위가 크게 좁아져서 더 많은 기업과 일할 수 있게 됩니다.
4. 제품 출시와 실제 사용 사이의 간격을 줄여라. Reforge의 Brian Balfour는 최근 저에게 2026년 최우선 과제가 “제품 도입을 어떻게 가속할 것인가”라고 말했습니다. AI 릴리스 속도는 어지러울 정도이고, 고객은 따라가지 못하며 무엇이 바뀌었는지조차 모를 가능성이 큽니다.
5. 연간 플랜을 더 많이 팔아라. 월간에서 연간으로 옮기는 것은 논쟁적일 수 있습니다. 하지만 보통은 그 편이 유리합니다. 고객을 감탄시킬 시간이 더 많고, 고객도 제품을 도입할 동기가 더 크기 때문입니다. 데이터에 따르면 연간 플랜의 NRR 중간값은 월간보다 10~20퍼센트포인트 높습니다. 방법은 이렇습니다. 연간을 기본값으로 두고, 이른 시점(2~3개월)에 연간 업그레이드를 제안하고, 더 큰 할인을 검토하는 것입니다(Grammarly는 60%입니다).