투자 한파를 통과한 AI 스타트업 — 살아남은 곳들의 4가지 공통점

2023년 글로벌 벤처투자는 285조 원대로 1년 만에 38% 급감했다. 그런데 2025년 AI에만 211조 원이 다시 몰렸다. 한파를 견딘 미국·한국 스타트업들의 비즈니스 모델에는 같은 패턴이 있었다.

2022년만 해도 회사 이름에 'AI' 세 글자만 붙으면 투자가 따라붙었습니다. 데모 영상 하나, 그럴듯한 피치덱 한 장이면 수십억 원이 모이던 시기였죠. 그런데 2년 사이 분위기가 통째로 바뀌었습니다. 같은 아이디어를 들고 간 창업자가 이번엔 "매출은요?"라는 첫 질문에서 막혀 돌아옵니다.

돈이 마른 자리에는 묘한 선명함이 남았습니다. 거품이 한 겹 걷히고 나니, 진짜로 살아남는 회사와 사라지는 회사가 눈에 보이기 시작한 겁니다. 이 글은 한 가지 질문에 답합니다. 투자 한파를 통과한 AI 스타트업들은 무엇이 달랐나. 미국과 한국의 검증된 데이터, 그리고 무너진 쪽과 버틴 쪽의 차이를 패턴으로 정리했습니다. 'AI가 거품이냐'를 따지는 글이 아니라, 거품이 빠진 뒤에 무엇이 남았는지를 보는 글입니다.

한파는 실제였나 — 숫자로 본 자금 빙하기

한파는 체감이 아니라 숫자였습니다. 글로벌 스타트업 투자는 2022년 약 462조 원에서 2023년 약 285조 원으로 1년 만에 38% 줄었습니다 — 크런치베이스. 2018년 이후 가장 낮은 액수였죠. 금리가 오르고 상장 시장이 얼어붙자, '미래 가치'를 보고 베팅하던 돈이 가장 먼저 발을 뺐습니다.

이 빙하기의 메커니즘은 단순합니다. 벤처투자는 본질적으로 '나중에 더 비싸게 팔 수 있다'는 기대에 기댑니다. 그 출구(IPO·인수)가 막히자, 적자를 감수하며 성장만 좇던 모델이 가장 먼저 위태로워졌습니다. 매출 없이 비전으로 버티던 회사들이 다음 라운드를 못 받고 문을 닫았습니다.

흥미로운 건 그다음입니다. 전체 시장이 얼어붙는 동안에도 AI만은 예외였습니다. 2025년 글로벌 벤처투자는 약 425조 원으로 전년 대비 30% 회복했는데, 이 가운데 절반에 가까운 약 211조 원이 AI 기업으로 갔습니다 — 크런치베이스. 2024년 AI 투자액(약 114조 원)과 비교하면 1년 만에 85% 늘어난 규모입니다.

그러니까 'AI 한파'라는 말은 절반만 맞습니다. 돈이 마른 게 아니라, 돈이 'AI 안에서도 될 곳'으로만 흘렀습니다. 같은 AI 간판을 달았어도 어떤 곳은 사상 최대 라운드를 받고, 어떤 곳은 다음 달 월급을 걱정했습니다. 그 갈림길이 이 글의 본론입니다. 비슷한 맥락의 거품 논쟁은 AI, 거품일까 실체일까에서 따로 다뤘습니다.

왜 '얇은 래퍼'부터 무너졌나

가장 먼저 무너진 건 이른바 '얇은 래퍼(thin wrapper)'였습니다. 외부 AI의 API를 불러와 화면만 예쁘게 입힌 서비스를 말합니다. 2025년 폐업한 스타트업을 분석한 결과, AI 기업의 폐업 사례에서 가장 흔한 유형이 바로 이 '래퍼·앱'이었습니다 — 심플클로저. 진입 장벽이 낮은 만큼, 사라지는 속도도 빨랐습니다.

이유는 구조에 있습니다. 래퍼의 핵심 기능이 결국 남의 모델에서 나온다면, 그 모델 제공사가 같은 기능을 기본 탑재하는 순간 사업이 통째로 증발합니다. 실제로 오픈AI가 PDF 대화, 문서 요약 같은 기능을 기본으로 넣고 GPT 스토어를 열자, 그 위에서 단일 기능을 팔던 회사들이 한꺼번에 설 자리를 잃었습니다 — 테크크런치. 기술 평론가들은 이를 두고 'AI 기능의 빠른 상품화(commoditization)'라고 불렀습니다.

여기서 흔히 떠도는 오해를 하나 짚고 가겠습니다. "AI 스타트업의 90%가 1년 안에 망한다", "래퍼의 60~70%는 매출이 0이다" 같은 수치가 인터넷에 돌지만, 이 숫자들은 1차 출처가 없습니다. 검증 가능한 자료를 직접 확인하면 오히려 반대에 가깝습니다. 2025년 폐업 통계에서 AI 기업은 전체 폐업에서 과대 대표되지 않았고, 비중은 1년 전보다 줄었습니다 — 심플클로저. 'AI라서 더 많이 망한다'는 통념과 데이터는 어긋납니다.

그렇다면 정확한 진단은 이렇습니다. 망한 건 'AI'가 아니라 '얇음'입니다. 남의 역량을 빌려와 표면만 만든 모델이 위태로웠을 뿐, AI를 깊이 박아 넣어 자기 문제를 끝까지 푼 곳은 오히려 한파 속에서 돈을 더 받았습니다. 그 '깊이'가 무엇이었는지를 다음 장에서 네 가지로 나눠 봅니다.

살아남은 모델의 4가지 공통점

한파를 통과한 AI 스타트업에는 반복되는 네 가지 패턴이 있었습니다. 베서머가 분석한 상위권 AI 기업들은 창업 2년 차에 연매출(ARR) 약 1,250억 원에 도달했는데 — 베서머, 이런 회사들은 거의 예외 없이 아래 특징을 공유했습니다. 하나씩 보겠습니다.

1. 남의 모델 위에 '얇게' 얹지 않았다

첫째, 남의 모델 위에 얇게 얹지 않았습니다. 단순히 API를 호출하는 대신, 자체 데이터·자체 파인튜닝·자체 워크플로우로 모델 제공사가 쉽게 흉내 낼 수 없는 층을 쌓았습니다. 오픈AI가 기능 하나를 추가해도 사업이 흔들리지 않는 구조죠. 핵심 가치가 '어떤 모델을 쓰느냐'가 아니라 '그 모델로 무엇을, 어떤 맥락에서 푸느냐'에 있었습니다.

2. 고객의 업무 흐름과 데이터를 장악했다

둘째, 고객의 실제 업무 안으로 깊이 파고들었습니다. 한 번 도입하면 빼내기 어려운 위치를 차지한 겁니다. 법무팀의 계약 검토 절차, 병원의 영상 판독 흐름, 콜센터의 상담 기록처럼 매일 돌아가는 워크플로우에 박히면, 경쟁사가 더 좋은 모델을 들고 와도 갈아타는 비용이 너무 큽니다. 쌓이는 고객 데이터는 시간이 갈수록 그 자리를 더 단단하게 만듭니다.

3. ROI를 숫자로 증명했다

셋째, 가치를 '느낌'이 아니라 '숫자'로 증명했습니다. "이걸 쓰면 변호사 2명분 검토 시간이 줄어든다", "상담 처리 시간이 절반이 된다"처럼 절감액이 또렷한 곳이 살아남았습니다. 한파기의 구매 담당자는 '있으면 좋은' 도구가 아니라 '안 쓰면 손해인' 도구에만 지갑을 엽니다. 살아남은 기업의 빠른 매출 성장(2년 차 약 1,250억 원 — 베서머)은 이 ROI가 실재했다는 증거입니다.

4. 좁고 전문적인 영역을 택했다

넷째, 범용으로 다 하려 들지 않았습니다. 좁고 전문적인 한 영역을 깊게 팠죠. 흔히 '버티컬 AI'라 부릅니다. 모두를 위한 챗봇을 만들겠다는 회사보다, 법률·의료·세무·물류처럼 규제와 전문성이 두꺼운 한 분야에 집중한 회사가 더 단단했습니다. 좁을수록 도메인 데이터가 쌓이고, 전문성의 벽이 높아 거대 모델이 단번에 삼키기 어렵습니다. 이 흐름은 AI 워싱 논쟁에서 자주 나오는 '진짜 vs 간판' 구분과도 맞닿아 있습니다.

네 가지를 한 줄로 묶으면 이렇습니다. AI를 파는 회사가 아니라, AI로 고객의 문제를 끝까지 해결한 회사가 살아남았습니다.

한국은 어땠나 — 혹한에서 반등으로

한국도 한파를 비껴가진 못했지만, 그 모양은 미국과 달랐습니다. 한국 벤처투자는 2022년 약 6조 7,640억 원으로 전년보다 11.9% 줄었고 — 중소벤처기업부, 2023년 상반기에는 전년 동기 대비 40%대까지 빠지며 혹한을 겪었습니다. 스타트업 현장에서 '투자 빙하기'라는 말이 가장 자주 나오던 시기입니다.

그런데 전체 그림은 'AI 한파'와 다르게 흘렀습니다. 한국 벤처투자는 2024년 약 11.9조 원으로 전년 대비 9.5% 늘며 3년 만에 반등했고, 투자받은 기업 수는 4,697개로 역대 최대였습니다 — 중소벤처기업부. 혹한이 바닥을 친 뒤 빠르게 회복한 겁니다.

여기서 자주 인용되는 "한국 벤처투자가 절반 가까이 줄었다"는 주장은 바로잡을 필요가 있습니다. 정부는 이 '50% 감소' 프레임이 사실과 다르다고 공식적으로 정정했습니다 — 대한민국 정책브리핑. 정부의 공식 벤처투자 통계와, 일부 민간단체가 설문·언론보도를 취합해 낸 수치를 뒤섞으면서 생긴 착시였습니다. 정부 공식 집계로는 감소 폭이 20%대였고, 2024년에는 오히려 역대급 회복으로 돌아섰습니다. 통계 기준을 섞어 쓰면 같은 시장도 '반토막'으로도, '역대 최대'로도 보입니다. 한파의 깊이를 가늠할 때 출처의 집계 기준부터 확인해야 하는 이유입니다.

회복된 돈이 향한 곳도 미국과 같았습니다. 바로 AI입니다. 2026년 들어 한국 AI 스타트업들의 대형 조달 소식이 이어졌습니다. 업스테이지는 약 1,800억 원 규모의 시리즈C 1차를 마감하며 국내 첫 생성형 AI 유니콘에 올랐고 — 디지털투데이, AI 반도체 기업 리벨리온은 6,400억 원 규모의 프리IPO를 마감해 누적 1.3조 원, 기업가치 3.4조 원을 기록했습니다 — 유니콘팩토리. 영상 이해 AI 기업 트웰브랩스도 누적 약 1,500억 원을 조달하며 글로벌 투자자를 끌어모았습니다 — CB인사이츠.

이들의 공통점은 앞서 본 네 가지 패턴과 정확히 겹칩니다. 업스테이지는 자체 모델을 만들고(얇은 래퍼 탈출), 리벨리온은 AI 반도체라는 두꺼운 기술 장벽을 택했으며(좁고 전문적인 영역), 트웰브랩스는 '영상 이해'라는 버티컬 한 분야에 집중했습니다. 한국에서도 살아남고 더 받은 쪽은 '간판'이 아니라 '깊이'였습니다.

그래서 창업자는 무엇을 해야 하나

한파의 교훈은 다음 창업자에게 그대로 적용됩니다. 살아남은 모델의 네 가지 패턴은 사후 분석이 아니라, 지금 사업을 점검하는 체크리스트로 쓸 수 있습니다. 아래 다섯 가지 질문에 또렷하게 답할 수 있다면, 당신의 모델은 한파에 강한 쪽입니다.

• 모델 의존도 — 오픈AI나 구글이 내 핵심 기능을 기본 탑재하면, 내 사업은 어떻게 되나? '그래도 우리만의 것이 남는다'고 답할 수 있어야 합니다.
• 데이터 해자 — 고객이 우리를 쓸수록 우리만 쌓이는 데이터가 있나? 없다면 경쟁사가 언제든 따라잡습니다.
• 워크플로우 장악 — 우리 제품을 빼면 고객의 업무가 멈추나, 아니면 그냥 탭 하나가 사라질 뿐인가?
• ROI 증명 — "이걸 쓰면 얼마가 절감된다"를 숫자로 말할 수 있나? 못 하면 한파기에 가장 먼저 끊깁니다.
• 영역의 깊이 — 모두를 위한 제품인가, 한 분야를 끝까지 파는 제품인가? 좁을수록 방어가 쉽습니다.

AI를 활용한 1인·소규모 비즈니스를 구상한다면, 화면을 입히는 일보다 '내가 가진 고유한 데이터나 전문성이 무엇인가'를 먼저 물어야 합니다. AI 시대의 일과 커리어 변화는 AI 일자리 대체, 위험 직업과 생존 전략에서 더 폭넓게 다뤘으니 함께 보면 좋습니다.

결론

한파가 한 일은 AI를 죽인 게 아니라, AI라는 간판만 남은 것과 진짜를 갈라놓은 것이었습니다. 돈은 마르지 않았습니다. 다만 '될 곳'을 고르는 눈이 매서워졌을 뿐입니다.

오늘 당신이 창업자거나 창업을 꿈꾼다면, 한 가지만 해보세요. 자기 사업을 위 다섯 질문에 대입해 답을 적어 보는 겁니다. 막히는 질문이 곧 한파에 가장 약한 지점입니다.

한 발 더 내다보면, 2024~2026년 AI로 쏠린 돈이 다음 시험대를 예약해 뒀습니다. 이번에 큰 라운드를 받은 회사들이 2년 뒤 ROI로 그 기대를 증명하느냐가, 이 사이클의 진짜 결말을 정합니다. 한파를 견딘 패턴은 그때도 똑같이 유효할 겁니다.