대화의 출발점은 단순하다. 공개 SaaS가 무너지고, 프라이빗 라운드는 여전히 비싸 보이는 상황에서 “어디가 더 좋은 리스크/리턴인가?”라는 질문이다. Lucas는 이번 사이클의 핵심을 AI가 SaaS의 경쟁우위(특히 장기 수익력)를 재평가하게 만들었다는 점으로 잡는다.
AI 코딩 모델(Anthropic, OpenAI 등)이 빠르게 좋아지면서, 기존 SaaS의 제품-기술의 수명(Revenue durability) 자체가 더 짧아질 수 있다는 불안이 커졌다는 것.
“Price does matter, but it matters least.” — 가격은 중요하지만, 판단의 마지막에 둬야 한다는 주장. (대신 ‘시장 크기/지속 성장/리인벤션 능력’이 선행)
공개시장은 유동성이라는 강력한 장점이 있지만, Lucas의 표현으로는 “미래를 소유하기 어렵다”. AI/토큰/인프라처럼 ‘다음 10년의 구조적 성장’에 베팅하려면, 상장된 몇 종목만으로는 포지션 구성이 제한된다는 문제의식이다.
따라서 프라이빗의 존재 이유는 “비싸도 들어가야 한다”가 아니라, 구조적으로 공개시장에 아직 없거나(혹은 비중이 작거나) 상장 전 가치가 더 크게 형성되는 영역을 담기 위해서라는 설명에 가깝다.
AI 전환기에서 중요한 질문은 “이번 아키텍처 시프트에서 기존 강자가 증발할지”다. Lucas는 이때 필요한 역량을 재창조(reinvent) 능력으로 요약한다. 한 번의 제품 적합성(PMF)이 아니라, 다음 파도에서 다시 PMF를 찾아가는 능력.
예시로 Databricks를 든다. 데이터 변환(ETL) 계층에서 출발해, 데이터/학습/모델 운영의 중심으로 진화하는 과정이 “S-curve를 연속으로 타는 기업”의 전형이라는 것.
“5B 매출 + 30% 마진을 상정한다면, 그 회사가 가져갈 수 있는 50B 규모의 매출 풀이 존재한다고 믿어야 한다.” — ‘아이디어’보다 ‘시장 pull’이 기업을 끌어당기는지 확인하라는 프레임.
그로스에서 밸류에이션을 정리하는 가장 실무적인 잣대는 “지금 가격이 싼가?”가 아니라, 다음 라운드에서 자연스럽게 3배가 되는가다. (다음 라운드에서 3배가 안 되면, 내부적으로 ‘flat/다운 라운드’ 확률이 커지고, 기대수익이 꺾인다.)
“1→10M이면 70에 들어가서 350에 다음 라운드가 보이지만, 1→4인데 150에 들어가면 300은 안 보이고 flat 가능성이 커진다.” — 숫자는 ‘정답’이 아니라, 라운드 게임의 리스크를 드러내는 도구.
Lucas는 프라이빗 생태계에서도 파워로가 더 극단화된다고 말한다. “20개 회사가 80%의 기업가치를 만들고, 그중 4개가 65%를 만든다”는 식의 분포가 반복된다는 주장.
펀드가 커질수록 문제는 단순해진다. ‘좋은 회사’가 아니라 ‘압도적 아웃컴’을 가져야 한다. 그래서 “3x net이 목표라면, 포트폴리오에는 6x+가 필요하고, 이미 3x를 먹은 뒤에도 ‘다시 3x가 가능한’ 기업에 더 넣는 follow-on 논리가 나온다.”
에피소드 초반의 한 문장이 뒤에서 반복된다. “Margin matters, but early it can be misleading.” 아키텍처 시프트(온프레미스→SaaS, 인터넷→모바일, 그리고 AI)에서는 초기 마진이 나쁜 ‘플랫폼형’ 기업이 오히려 승자가 되는 경우가 많았다는 경험칙.
AI 애플리케이션은 특히 비용곡선이 빠르게 내려오기 때문에, 현재의 낮은 인퍼런스 마진이 미래의 높은 마진으로 바뀔 수 있다는 논리(=초기 지표를 그대로 연장하면 오판 가능)가 나온다.
저마진 사업은 “틀리면 끝”이다. 그래서 리텐션/스티키니스가 매우 높아야 한다. 반대로, 숫자에만 매달리면(엑셀에 매몰되면) ‘숲을 못 본다’는 경고도 함께 나온다.
또 하나 흥미로운 포인트는 “왜 기업은 상장하는가?”에 대한 답변이다. Lucas는 (1) 유동성, (2) 공개시장의 피드백 머신, (3) 큰 기업이 되면 오히려 외부가 함부로 ‘건드리기’ 어려워진다(지수/401k/기관 보유) 같은 요소를 든다.
Mimoon(Series A 투자자)에게서 배운 것은 “회사의 kink(꺾임) 구간”을 포착하는 능력이다. 특히 Figma 같은 케이스가 언급된다. (자막 특성상 수치/고유명사 오인식 가능)
AI 쪽에서는 Anthropic을 예로 들며, 코딩이 첫 번째로 폭발한 AI 유스케이스였고, 코딩에서의 우위가 다른 엔터프라이즈 분석 업무로 확장되는 ‘beachhead’가 된다는 논리를 편다. 여기에 더해 모든 클라우드/칩 플랫폼에 빌드해 컴퓨트 공급 제약 국면에서 옵션을 확보한 점을 강점으로 꼽는다.
후반부는 비교적 개인적인 질문으로 넘어간다. “지난 12개월 동안 무엇을 바꿨나?”에 대해 Lucas는 아웃컴의 크기(outcome sizes)를 더 중요하게 보게 됐다고 말한다. 그리고 19살의 자신에게 해주고 싶은 조언, 커리어에서의 선택 기준(누가 도와주고, 누가 해치려 하는가) 같은 주제로 마무리된다.