a16z: AI 보이스 에이전트에 대한 우리의 견해 + 2025년 업데이트

• a16z의 출발점은 전화통화를 세상과 연결되는 API로 보는 관점. 생성형 AI가 이 API를 처음으로 프로그래밍 가능하게 만들면서 불필요한 통화 자체가 사라지는 방향으로 간다는 주장
• 기업이 얻는 것은 통화 인건비 절감, 남는 인력의 재배치, 규정 준수와 일관된 응대. 고객의 가용 시간과 기업의 업무 시간이 더 이상 맞을 필요가 없어져 24시간 응대가 기본값이 됨
• 원가는 빠르게 내려가는 중. OpenAI는 2024년 12월 GPT-4o 실시간 API 입력 가격을 60% 낮춰 백만 토큰당 40달러로, 출력 가격을 87.5% 낮춰 2.5달러로 조정했고 4o 미니도 실시간 지원에 들어감
• 시장 열기는 YC 데이터에 드러남. 가장 최근 배치의 22%가 음성 기술을 쓰고, 2020년 이후 등장한 보이스 에이전트 기업은 90개사로 코호트마다 늘고 있음
• a16z의 결론은 기업용에서는 수직 특화가, 소비자용에서는 아직 나오지 않은 새로운 대화 형식이 승부처라는 것. 음성은 이제 인프라 단계에서 애플리케이션 단계로 넘어가는 중

스택이 단순해지고 원가가 무너졌다

• 기본 구조는 음성 인식(ASR), LLM 처리, 음성 합성(TTS)의 3단 파이프라인. 여기에 감정 표현과 끼어들기 관리를 맡는 별도 엔진이 붙고, 풀스택 업체는 이 전부를 한곳에서 제공
• GPT-4o 같은 멀티모달 모델은 여러 레이어를 하나로 합쳐 지연 시간과 비용을 동시에 낮춤. 조립식 스택으로는 인간 수준 품질에 닿지 못한 에이전트가 많았다는 진단이 배경
• 창업자는 Retell, Vapi, Bland 같은 풀스택 플랫폼을 쓸지 직접 조립할지 정해야 하고, 이 선택이 품질 상한과 원가 구조를 함께 가름
• 2024년에는 스택 전 레이어에서 동시에 투자와 견인력이 확인됨. 기반 모델은 ElevenLabs와 Cartesia, 수평 플랫폼은 Vapi와 Bland, 산업 특화 플랫폼은 HappyRobot과 Wayfaster
• 보이스 에이전트는 단독 제품보다 수평 솔루션이나 멀티모달 제품의 핵심 기능으로 흡수되는 흐름. a16z는 음성을 출발점 삼아 더 넓은 플랫폼으로 확장하는 팀을 보고 있음

B2B는 수직 특화 쪽으로 기운다

• 전화 트리 중심의 1.0에서 LLM 주도의 2.0으로 넘어가는 과도기. 지금 정확도는 1.0이 앞설 수 있지만 확장성과 장기 정확도는 2.0이 가져간다는 판단
• 모든 업종을 덮는 수평 모델은 나오기 어려움. 통화 유형과 어조, 연동할 내부 시스템과 프로세스, 시장 진출 전략과 킬러 기능이 업종마다 다르기 때문
• 수직화 이유는 네 가지. 업계 용어까지 다뤄야 하는 예외 상황 처리, HIPAA나 콜드콜 규제 같은 인증 요건, 특수 연동, 그리고 예약과 갱신, 견적이라는 진입점 확보
• 가장 빠른 기회는 전화 예약 의존도가 높고 인력난이 심하며 통화 복잡도가 낮은 산업. 에이전트가 정교해지면서 복잡한 통화로 범위를 넓혀가는 순서
• 출시 첫날부터 100% 자동화는 비현실적. 민감하거나 금액이 큰 거래에는 사람의 개입 경로를 남기고, 업종별 워크플로로 예외 사례를 줄여 성공률을 올리는 방식이 현실적
• 모델은 고객사별 데이터 수백에서 수천 건으로 튜닝한 뒤 전사 기본 모델로 확장하는 경로가 유력. AI 박사학위보다 산업을 이해하고 제품을 그 시장에 맞게 포장하는 능력이 더 중요하다는 강조

B2C는 진짜 혁신이 아직 안 나왔다

• B2B가 기존 통화를 대체하는 데 반해 B2C는 사용자가 새로운 행동을 받아들여야 함. 음성이 늘 편한 방식은 아니라서 품질 기준이 훨씬 높아짐
• 당장 뚜렷한 용도는 비싸거나 접근하기 어려운 인간 서비스의 대체. 심리 상담, 코칭, 개인 교습처럼 원격으로 가능한 대화 기반 서비스 전반이 사정권
• 소비자 음성이 늦은 이유는 세 가지. 대기업의 유통과 모델 우위, 시리가 남긴 부정적 인식, 그리고 ChatGPT와 Pi 같은 범용 제품이 튜터링과 말벗 수요를 이미 흡수한 상황
• a16z가 요구하는 것은 왜 음성이어야 하는지, 왜 실시간이어야 하는지에 대한 답. 정보를 소비하고 뽑아내는 데는 음성이 텍스트보다 불편해 역효과가 나는 경우가 많기 때문
• 사람 대 사람 대화를 그대로 AI로 치환하는 접근은 기준 맞추기도 어렵고 기회도 놓침. 진행 상황 추적처럼 소프트웨어만 할 수 있는 맥락을 얹은 수직형 제품에 승산이 있다고 봄

돈과 창업이 몰리는 자리

• 대기업이 통화 응대를 한 번에 AI로 넘기는 경우는 거의 없음. 창업자들은 특정 통화 유형만 먼저 맡는 진입점을 찾은 뒤 업무 범위를 넓히는 순서를 택함
• 초기 도입은 콜센터와 BPO 지출이 큰 산업에 몰림. 통화가 직원 업무의 일부에 그치면 절감액을 수치화하기 어려워 구매 설득 자체가 성립하지 않기 때문
• a16z가 창업을 기대하는 분야는 채무 추심 같은 금융 서비스, 고객 응대와 내부 업무를 함께 가진 보험, 정부, 그리고 IT 헬프데스크처럼 전문 지식이 필요한 고객 지원
• 콜센터 밖에서는 고임금 직군 대상 코칭과 교육에서 지불 의사가 확인됨. 현실적인 보이스 에이전트가 영업 코치를 대체하는 시뮬레이터로 기능하며 성과를 끌어올리는 구조
• YC 창업자들의 분포는 B2B 69%, 의료 18%, 소비자 13%. B2B 안에서는 핀테크 16.9%와 고객 지원 중심의 운영 12.4%가 가장 큰 하위 산업
• 의료는 환자 응대 프론트오피스와 약국, 보험 등 백오피스로 갈리며 일반 의학 11.2%, 치과 3.4%, 수의학 2.2%, 물리치료 1.1% 순으로 분포

AI 면접이라는 초기 성공 사례

• 직무 면접은 복잡도와 민감도 때문에 초기 용도로 어색해 보이지만, 여러 스타트업이 실제 성과를 내고 있는 영역
• 무대는 상장 에이전시 43곳에 연 6,500억 달러 규모인 인력 채용 업계. 대량 채용과 중하위 기술 직무가 몰려 있어 선별 통화부터 대체가 쉬움
• 구조적 이유는 두 가지. 지원자가 추가 절차에 비교적 협조적이고, 에이전시 수익이 추천 인원과 최종 채용 수에 연동돼 처리량이 곧 매출로 이어짐
• 포춘 100대 기업을 상대하는 한 에이전시는 도입 전 절반 수준이던 1차 면접 통과율이 90%로, 최종 면접 진출률이 75~80%로 올랐다고 밝힘
• 우위는 즉시 또는 원하는 시간에 면접 가능, 기준이 바뀌어도 과거 면접 데이터 재분석 가능, 언어와 억양 장벽 없음, 기술 답변 평가 정확도
• 연 매출 2억 달러 규모 에이전시는 지원자가 오히려 AI 쪽에 신뢰를 더 쉽게 여는 현상을 관찰. 담당자 경험이 부족해 전문 답변을 따라가지 못하는 경우가 있기 때문

2025년에 남은 질문들

• 가격 모델. 분당 요금제가 초기 표준이었지만 모델 원가 하락을 고객이 눈치채기 시작했고, 기본 플랫폼 요금에 사용량을 얹는 조합이 유력한 대안
• 채널 확장 속도. 이메일과 웹 채팅, 문자까지 언제 넓힐지, 업무 하나를 끝까지 완성할지 통화 전체를 먼저 덮을지가 갈림길
• 기록 시스템 대체 여부. 다수가 자기 분야의 xMS를 대체하겠다고 내걸지만 실제로 가능한 영역은 제한적일 수 있고, 이미 통화 처리에 더 큰 비용을 쓰는 곳도 많음
• 팀 구성. 지금까지는 기술 강한 팀이 산업을 배우는 형태였지만 기술 장벽이 낮아지면서 도메인 전문가 팀이 시장 진출에서 앞설 가능성
• 수평이냐 수직이냐. 범용 도구로 직접 에이전트를 만드는 편이 나은 산업과 기업 규모가 어디까지인지가 아직 열린 문제
• 감성 영역. 더 집중해 듣고 더 인내심 있게 무제한으로 응대할 수 있어 고객 관계를 깊게 만들 여지가 있지만, 이 가능성은 아직 거의 쓰이지 않고 있음