최근 AI 스타트업 투자 시장에서 핵심 지표인 연간반복매출(ARR, Annual Recurring Revenue)의 의미가 변질되어 투자자들이 혼란을 겪고 있습니다. 과거 SaaS(서비스형 소프트웨어) 기업의 안정적인 반복 매출을 나타내던 ARR이 AI 시대에는 월/일 매출의 단순 연환산, 총거래액(GMV, Gross Merchandise Volume), 심지어 계약 예정 매출까지 포함하는 방식으로 확대 해석되면서, 벤처캐피탈(VC)들은 더 이상 숫자 자체를 그대로 믿기 어렵다는 반응을 보이고 있습니다.
Emergence Capital의 조셉 플로이드(Joseph Floyd)는 ARR이 실제 연간 반복 매출보다는 연환산 매출 실행률(run-rate)을 의미하는 경우가 많다고 지적했습니다. 또한, 계약된 ARR(CARR, Contracted ARR) 역시 고객이 마음을 바꾸거나 온보딩이 지연될 수 있어 실제 매출 전환율이 불확실하다는 문제가 있습니다. 사용량 기반 과금 모델이나 자본 집약적인 AI 인프라 기업의 경우, 높은 매출 성장률이 실제 현금 흐름이나 회사에 귀속되는 경제적 가치를 제대로 반영하지 못할 수 있습니다. 심지어 컴퓨팅 비용이나 고객별 구축 비용(FDE, Forward Deployed Engineer) 같은 핵심 비용이 총마진(gross margin) 계산에서 누락되어 수익성이 과장되는 경우도 발생하고 있습니다.
이러한 현상은 AI 기술의 특성과 스타트업의 빠른 성장 방식에서 기인합니다. AI 학습 데이터 납품처럼 복잡한 계약은 실제 매출 인식까지 마일스톤 납품, 고객 테스트 및 승인 등 여러 단계를 거치며, 공급자의 확장 능력에 따라 매출이 달라질 수 있습니다. 또한, 작은 개념증명(POC, Proof of Concept)이 대규모 계약으로 확장될 때 이를 순매출유지율(NRR, Net Revenue Retention)에 포함하여 과도하게 높은 수치를 만드는 방식도 기존 지표의 의미를 왜곡합니다. 물리적 AI(Physical AI) 분야에서도 자율 수행률이나 의향서(LOI, Letter of Intent) 같은 지표가 통제된 환경에서의 이상적인 수치를 실제 운영 환경처럼 제시하는 경향이 있습니다.
이처럼 AI 시대에는 기존 SaaS 기업에 적용되던 성장률, NRR, 현금 소진율(burn rate) 등 전통적인 투자 지표의 설명력이 약해지고 있습니다. 투자자들은 이제 단순히 높은 성장률보다는 그 성장의 지속 가능성(durability)을 정성적으로 판단하는 데 더 많은 비중을 두어야 합니다. 창업자는 투자 자료에 ARR 계산 방식을 명확히 명시하고, 투자자는 실제 가동 중인 매출, 고객의 예상 사용량 확대, 자금 조달 비용을 제외한 현금 흐름, 그리고 매출 증가에 따라 함께 늘어나는 비용까지 면밀히 확인할 필요가 있습니다.
결론적으로, AI 시대의 스타트업 투자는 '실제로 작동하고 있는가', '어느 정도 잘 작동하는가', 그리고 '현재 결과에서 무엇을 실제로 외삽(extrapolate)할 수 있는가'라는 세 가지 질문에 대한 명확한 답을 요구합니다. 정의나 조건이 불분명한 지표는 결국 실제 사업 성과와 대조될 수밖에 없으므로, 창업자는 지표가 어떤 조건에서 만들어졌고 그 상태가 얼마나 지속 가능한지를 투명하게 보여주는 것이 중요합니다. 이는 투자자와 창업자 모두에게 더욱 건강하고 신뢰할 수 있는 투자 환경을 조성하는 데 필수적인 요소가 될 것입니다.