스타트업 피벗, 어려움을 피하는 전환과 배운 뒤의 전환

TL;DR

• 피벗 여부는 일한 기간만으로 정할 수 없다. 고객에게 핵심 가설을 실제로 시험했는지, 창업자들이 상황에 동의하는지, 다음 대안이 무엇인지부터 확인해야 한다. 어려움이 보이기 시작한 것과 가설이 실패한 것은 다르다.
• AI가 기존 사업의 전제를 무너뜨렸다면 버티는 기회비용이 커진다. 그렇다고 매주 유행을 따라 아이디어를 바꾸면 배움도 확신도 쌓이지 않는다. 자주 바꾸는 팀과 몇 년째 움직이지 못하는 팀에는 반대 조언이 필요하다.
• 좋은 피벗은 창업자의 경험과 전문성에 가까워지는 경우가 많다. 업계·고객을 잘 알고 초기 고객에게 접근할 수 있는 방향이 출발점이다. 다른 회사의 투자 유치 소식은 자신의 문제 이해를 대신하지 못한다.
• 기존 기업은 코드뿐 아니라 과거 판단에 대한 감정적 집착도 내려놓아야 한다. 다만 고객 지식과 실행 경험, 자금은 새 사업에서도 자산이 될 수 있다. 투자자가 원하는 것은 첫 아이디어의 보존보다 회사의 성공이다.

피벗을 처방하기 전에 무엇을 진단해야 할까

Dalton Caldwell은 피벗 상담을 의사의 진료에 비유한다. 창업자가 방향을 바꾸고 싶다고 말해도 곧바로 바꿀지 말지를 처방하지 않는다. 회사의 시작, 함께 일한 기간, 창업자 사이의 합의, 객관적인 진전과 그 진전에 대한 서로의 평가를 먼저 묻는다. 같은 질문이라도 회사가 어떤 과정을 거쳐 여기까지 왔는지에 따라 답은 달라진다.

다음으로 확인하는 것은 가장 좋은 대안이다. 이미 충분히 생각한 새 아이디어가 있고 강한 확신도 있는 팀과, 막연히 다른 곳이 더 쉬울 것 같아 떠나려는 팀은 다르다. 고객과 한 번도 이야기하지 않은 채 몇 주 만에 바꾸려는 경우라면 현재 아이디어를 실제로 시험하는 일이 먼저다. 반대로 몇 년을 시도해도 전혀 진전이 없다면 새로운 방향을 검토할 이유가 커진다. 이 기간은 대담의 예시이며 기계적인 전환 기준은 아니다.

어려워진 문제를 버리는 것과 실패한 가설을 버리는 것

Michael Seibel은 창업자가 초기에 자신의 문제 이해를 과대평가하기 쉽다고 지적한다. 처음 생각한 해결책으로 시작하더라도 고객의 진짜 문제가 무엇인지, 풀 수 있는지, 풀 가치가 있는지를 다시 배워야 한다. 현실이 예상보다 복잡하다는 사실이 드러났을 때 도망가듯 다른 시장을 찾는 전환은 그 학습을 끊는다. 두 사람은 치과 대상 서비스를 반복적으로 떠올리는 창업자를 예로 들지만 치과 시장의 사업 자체가 나쁘다는 뜻은 아니라고 선을 긋는다.

반면 고객과 업계를 깊게 배운 창업자는 무엇을 시도했고 왜 작동하지 않았는지 설명할 수 있다. 핵심 가설에 성실하게 도전했는데도 실패했다면 피벗이나 종료를 논의하는 것은 다른 성격의 결정이다. 개발자 도구에서는 자신들이 그 제품으로 회사를 만들고 있는지도 확인할 수 있다. 오랫동안 코딩 도구를 만들었는데 정작 팀은 경쟁 제품만 쓴다면 현재 방향을 의심할 구체적인 단서가 된다.

AI가 전제를 바꿀 때는 기회비용도 다시 계산한다

AI는 제품을 만드는 비용뿐 아니라 고객에게 무엇을 팔아야 하는지에 대한 가정도 바꿀 수 있다. 많은 개발자가 필요하다는 전제나 사람이 계속 처리해야 한다는 전제, 화면과 절차를 조금 개선하는 것이 최선이라는 전제가 더는 성립하지 않을 수 있다. 고객이 이미 다른 방식으로 일한다면 오래 버텼는지를 채우기 위해 기다릴 이유가 약해진다. 두 사람은 이런 구조적 변화 속에서 전환을 미루는 기회비용이 커졌다고 본다.

그러나 이 주장을 매주 새 아이디어를 고르라는 권유로 읽어서는 안 된다. 대담에서 피벗 지옥은 소셜미디어에서 본 유행과 투자 유치 소식에 따라 방향을 바꾸면서 어떤 아이디어에도 확신을 쌓지 못하는 상태다. 새로운 기회가 많아진 것과 자신에게 맞는 기회를 검증한 것은 다르다. 다음 아이디어는 어느 정도 아는 문제이고 초기 고객에게 다가갈 수 있으며 남의 성공담을 반복하는 데 그치지 않는 편이 좋다.

자주 바꾸는 창업자에게 Caldwell은 한 아이디어를 3개월 동안 유지하며 무언가를 배워 보라고 권한다. 반대로 2년 동안 작동하지 않는 방향에 머무는 사람에게는 지금 새로운 시도를 하라고 권한다. 이 조언은 같은 행동을 모두에게 요구하지 않고 각 팀의 반복되는 편향을 교정한다. 하드테크처럼 전문성이 좁고 실험 비용이 큰 분야에서는 시도할 수 있는 대안의 범위도 달라진다.

창업자의 경험에 가까워지는 전환

두 사람은 좋은 피벗이 창업자의 전문성에 가까워지는 경우가 많다고 본다. 성장 배경, 이전 직장, 인턴 경험, 학부 때 연구한 주제처럼 본인에게는 평범해 보이는 경험이 출발점이 될 수 있다. 남에게 잘 보이지 않는 문제와 초기 고객을 이미 알고 있을 가능성이 있기 때문이다. 무작위로 유망해 보이는 아이디어를 고르는 팀은 그 문제에 오랫동안 몰두한 팀과 경쟁하게 된다.

Seibel은 Justin.tv에서 Twitch로 이어지는 경험을 예로 든다. 초기에 유명해지고 싶던 Justin의 문제에서 출발했고 이후에는 방문자 그래프에 집중하는 시기도 있었지만 게임에 깊이 관심을 가진 Emmett의 방향이 실제로 힘을 얻었다. 이 사례의 핵심은 지표가 불필요하다는 주장이 아니다. 창업자가 무엇에 진심으로 관심을 갖고 무엇을 이해하는지가 반복적인 실험에 방향을 준다는 설명이다.

현재 유행하지 않는 경험이라도 바로 버릴 이유는 없다. 두 사람의 기준은 오늘 그럴듯해 보이는 분야보다 장기간 의미 있는 결과를 만들 수 있는 창업자와 문제의 연결이다. 조언자에게도 창업자가 고객과 업계의 새로운 사실을 가르쳐 줄 때 더 깊이 도울 재료가 생긴다. AI 전문 지식이 없다는 사실만으로 자신의 산업 경험까지 가치 없다고 판단할 필요는 없다.

기존 회사가 새 출발을 하려면 내려놓을 것

플랫폼이 바뀌면 먼저 시작한 경험이 오히려 관성이 될 수 있다. 대담은 아이폰 이전 모바일 플랫폼에 투자한 기업을 예로 들어, 기존 코드와 팀을 가진 회사가 새 플랫폼에서 출발한 팀보다 유리하다고 단정할 수 없다고 설명한다. 새 환경에 맞추려면 과거의 투자와 판단이 더 이상 유효하지 않음을 인정해야 하기 때문이다. 두 사람은 이를 기존 사업에 대한 감정적 파산을 선언하고 다시 시작하는 어려움으로 표현한다.

AI 이전의 가정으로 성장한 회사도 비슷한 문제를 만날 수 있다. 이미 돈과 시간이 많이 들어간 코드라는 이유만으로 유지하면 새 환경에서 더 나은 선택을 놓친다. 동시에 회사가 배운 고객의 요구, 시장의 특성, 제품을 실행해 본 경험까지 모두 버릴 필요는 없다. 과거의 방식을 놓아줄 수 있다면 그 지식은 처음 시작하는 팀이 갖지 못한 이점이 될 수 있다.

Seibel은 일부 창업자의 구주 매각 경험과 손익분기점에 가까운 운영이 큰 결정을 할 여유를 줄 수 있다고 관찰한다. 개인의 생활이나 회사의 현금 상황이 즉시 위협받으면 기존 사업을 뒤집자는 말을 꺼내기 더 어렵기 때문이다. 이는 모든 창업자가 구주를 팔아야 한다는 처방이나 자금만 있으면 피벗이 성공한다는 주장은 아니다. 사업 판단을 바꾸는 데 필요한 심리적·재무적 여유가 회사마다 다르다는 설명이다.

투자자를 안심시키는 것보다 회사를 작동시키는 것

피벗을 고민할 때 투자자가 어떻게 생각할지 걱정하는 창업자도 많다. Caldwell은 투자자가 궁극적으로 원하는 것은 회사가 성공하는 것이며 첫 아이디어를 끝까지 지켰다는 이유로 추가 점수를 주지는 않는다고 말한다. 다만 자신을 해임할 권한이 있는 이사회와의 관계 같은 현실적 제약은 구분한다. 투자자에게 좋은 인상을 유지하는 일과 사업을 제대로 작동시키는 일은 같지 않다.

이 대담이 제시하는 결론은 무조건 버티거나 빨리 포기하라는 구호보다 구체적이다. 실제로 시험한 가설과 배운 내용을 확인하고 새 대안이 자신의 전문성과 고객 접근에 얼마나 가까운지 판단한다. AI가 전제를 바꿨다면 과거 비용 때문에 결정을 미루지 않되, 낯선 유행을 따라가는 반복 전환도 경계한다. 좋은 피벗이 집으로 돌아오는 느낌에 가깝다는 표현은 이처럼 자신이 잘 아는 문제를 다시 찾는 방향을 가리킨다.

참고 자료

Dalton + Michael — Should You Pivot Your Startup?

영어 자동자막 전체를 바탕으로 재구성했다. 기간과 기업 사례는 두 사람의 상담 경험에서 나온 설명이며 피벗의 성패를 보장하는 통계적 규칙은 아니다.