이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
투자 분석 스터디에서 AI 스타트업을 대상으로 간이 투자 메모를 작성해본 경험이 있습니다. 담당했던 기업은 제조 현장에 컴퓨터 비전을 적용하는 스타트업이었는데, 기술보다 고객이 이 솔루션 없이 지금 어떤 방식으로 문제를 해결하고 있는가를 먼저 파악하는 데 집중했습니다. 직접 대체재를 찾아보니 현장 인력에 의존하는 육안 검수가 대부분이었고, 이게 AI 솔루션으로 대체됐을 때의 비용 절감을 수치로 추산해봤습니다. 어려웠던 부분은 기술 완성도를 어떻게 판단하느냐였습니다. 논문 인용 수나 파라미터 크기 같은 지표가 실제 산업 적용 성능과 다른 경우가 있어서, 고객사 레퍼런스와 파일럿 결과를 더 중요하게 봤습니다. 스터디에서 팀원들과 논리를 검토하는 과정에서, 가정이 달라지면 투자 논리 전체가 흔들린다는 걸 배웠습니다. 그 경험 이후 가정을 명시적으로 적는 습관이 생겼습니다.
학교 투자 동아리에서 AI 서비스 기업을 분석할 때, 처음에는 기술 완성도부터 파악하려 했습니다. 그런데 기술이 좋다는 것만으로는 투자 논리가 완성되지 않는다는 걸 첫 발표 때 피드백으로 알게 됐습니다. 제가 담당한 기업은 AI 기반 계약 검토 서비스였는데, 기술 설명은 쉬웠지만 어떤 고객이 얼마를 내고 어떤 계약 형태로 쓰는지를 파악하는 데 더 시간이 걸렸습니다. 고객군을 중소 로펌과 대형 기업으로 나눠보니 구매 경로와 계약 주기가 달랐고, 어느 쪽에 먼저 집중할 것인가가 성장 논리의 핵심이었습니다. 처음 분석 메모에서 이 부분을 대충 넘겼다가 팀원에게 수익 구조가 불명확하다는 지적을 받았습니다. 이후 수익 구조를 먼저 고정하고 기술 설명을 연결하는 순서로 바꾸니 논리가 더 설득력 있어졌습니다. 지금도 AI 기업을 볼 때는 기술보다 수익 구조를 먼저 확인하는 순서를 유지하고 있습니다.
AI 투자 논리를 처음 짜본 건 학부 경제학 수업의 기말 프로젝트에서였습니다. AI 헬스케어 스타트업을 대상으로 논리를 세웠는데, 저는 병원이 이미 솔루션 도입 의지가 있다고 가정했습니다. 그 가정 위에 시장 크기, 성장률, 예상 매출을 모두 쌓았고 발표 때 자신 있게 설명했습니다. 그런데 교수님이 병원이 외부 솔루션을 도입하는 의사결정 구조를 확인했냐고 물어봤고, 저는 그 부분을 전혀 확인하지 않았습니다. 핵심 가정 하나가 흔들리니 그 위에 세운 숫자들이 한꺼번에 의미를 잃었습니다. 그 경험에서 논리를 세울 때는 가정을 먼저 명시적으로 적고, 검증 가능한 가정과 그렇지 않은 가정을 구분하는 것이 중요하다는 걸 배웠습니다. 이후에는 분석 메모 첫 줄에 '이 논리가 전제하는 가정 3가지'를 먼저 쓰는 습관이 생겼고, 발표에서 같은 질문이 나왔을 때 훨씬 안정적으로 대응할 수 있었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 크래프톤 IR·재무전략 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.