2026년 5월 초 HackerNews 첫 페이지를 한참 차지한 링크가 있었어요. AI Product Graveyard(HN 136점)는 출시 1~6개월 안에 사라진 AI 제품들을 한 페이지에 모아둔 사이트예요. 같은 주에 떠있던 글이 또 있었어요. "When everyone has AI and the company still learns nothing"(HN 135점), 그리고 "Lessons for Agentic Coding: What should we do when code is cheap?"(HN 143점).
이 세 글이 같은 주에 동시에 떠있었다는 게 이번 시그널이에요. 한쪽에서는 AI 제품이 시체처럼 쌓이고, 다른 쪽에서는 AI를 쓰는데도 회사가 아무것도 배우지 못하고 있고, 또 다른 쪽에서는 "코드가 싸졌으니 이제 무엇을 해야 하는가"라는 기본 질문이 나오고 있어요. 한국 스타트업이 2026년 후반 6개월을 어떻게 보내야 할지에 대한 거의 모든 답이 이 세 글의 교차점에 있어요.
그 사이트의 카드들을 한참 넘겼어요. 단명한 제품들의 공통점이 의외로 깔끔하게 4가지로 묶이더라고요.
HN 135점 글 "When everyone has AI..."은 같은 사고를 회사 안에서 다뤄요. 직원 90%가 ChatGPT를 쓰는데, 그 사용 데이터가 회사 자산으로 돌아오지 않으면 1년 뒤 회사가 한 발자국도 못 나가 있다는 거예요. AI Graveyard의 외부 버전이 회사 안에서도 똑같이 일어나는 거고요.
dbreunig의 10가지 교훈은 길지만, 한국 스타트업이 5월~10월에 의사결정에 쓸 수 있는 라인은 두 개예요. "implement to learn(배우려고 구현하라)"과 "focus humans on design and security(사람의 시간은 설계와 보안에 묶어둬라)". 코드 자체는 더 이상 가치의 중심이 아니에요. 그러면 가치는 어디에 있느냐 — 출시 전에는 설계의 정확성, 출시 후에는 학습 루프의 속도에 있어요.
여기서 한국 시장 특수성을 한 줄 더해야 해요. 2026년 1분기 기준 국내 SaaS 평균 LTV/CAC가 2.4를 밑돌고, 결제 수단 5종 + PIPA + 전자상거래법까지 동시에 쳐내야 하는 환경에서, "기능 1개짜리 AI"는 6주 안에 죽어요. 클라우드 인프라 인계 가이드를 다룰 때도 같은 결론이었어요. 출시는 시작이 아니라, 학습 인프라가 갖춰진 후의 첫 마일스톤이에요.
출시 1주일 안에 사용자 행동·프롬프트·교정 로그가 우리 DB에 쌓이는지 확인하세요. 안 쌓이면 6개월 뒤 우리가 가진 자산은 0이에요. NYU 간호학과 학생의 약물 DB 사례는 같은 사고를 1인이 1년에 만든 가장 깔끔한 증거예요.
모델 가격이 6개월마다 30~50%씩 떨어지는 게 기본값이에요. 우리 가격을 토큰 원가에 묶지 마세요. 결과 단위(처리한 보고서 1건, 진단 1건, 캠페인 1건)로 가격을 매기고, 모델 라우팅으로 마진을 회수하세요. DeepClaude 17배 절감 사례가 같은 사고예요.
Product Hunt 하나로 끝나면 7일 만에 죽어요. SEO + 콘텐츠 + 커뮤니티 + 파트너 + (옵션) 광고 — 적어도 3개 채널을 4주 차에 동시에 돌리고 있어야 해요. Agensi의 6주 1만 활성 사용자 사례가 distribution 분리의 교과서예요.
LLM 기능을 베타로 던질 때, 200건짜리 평가셋과 5분 안에 환불 가능한 정책을 같이 깔아두세요. 환각 사고가 한 건 터지면 환불 분쟁 4팀이 4주를 잡아먹어요. PIPA 23·24조와 전자상거래법까지 동시에 걸리면 6주가 사라지는 일도 봤어요.
2026년 후반의 의사결정: 출시 전 6주를 코드를 더 짜는 데 쓰지 마세요. 그 시간을 데이터 파이프라인·평가셋·distribution 채널·환불 정책에 나눠 쓰세요. 코드는 6주 뒤에 더 싸지지만, 그 네 가지는 회사가 직접 만들지 않으면 6주 뒤에도 0이에요.
외주 개발사를 고를 때 이 두 질문은 RFP에 직접 박아두세요. (1) 출시 1주일 안에 사용자 로그·프롬프트·교정 데이터가 우리 DB로 흘러들어 오는 파이프라인이 포함되는가, (2) 출시 후 4주차까지 평가셋 200건과 환불 SLA가 운영 가능한 상태로 인계되는가. 이 두 가지가 빠진 RFP는 6개월 뒤 AI Graveyard에 들어가는 가장 빠른 방법이에요.
포텐랩은 97% 수행완수율을 유지하면서, 출시 시점에 데이터 파이프라인과 평가셋·환불 SLA까지 함께 인계하는 운영 표준을 가지고 있어요. AI 특화 개발이 필요하다면 트리숲(TreeSoop)도 좋은 선택이에요. 6개월 뒤에도 살아남는 AI 제품을 만들고 싶다면 포텐랩 상담을 걸어주세요.