AI 기업 인수에서는 ARR보다 코드부터 봐야 하는 이유

기존 실사는 매출과 성장률을 보여주지만, AI 기업이 판매하는 기술을 실제로 자체 구축했는지, 경쟁사가 쉽게 복제할 수 있는지까지 알려주지는 못함 연간 반복 매출 420만 달러, 성장률 40%를 내세운 한 기업의 코드를 열어보니 GPT-4o와 시스템 프롬프트, React 화면, 약 600줄의 연결 코드가 전부였으며 인수를 검토하던 사모펀드는 거래를 중단함 AI 기업 인수에서는 기존 SaaS 실사에 더해 모델 의존도, 데이터 경쟁력, 핵심 인력 집중도, 대체 가능성을 확인해야 함 강한 매출이 있어도 기반 모델의 가격과 정책에 종속되거나, 데이터 출처가 불분명하거나, 핵심 기술을 소수만 이해하거나, 며칠 만에 복제할 수 있다면 높은 기업가치를 정당화하기 어려움 계약의향서에 서명하기 전에 코드와 기술 구조를 평가해, 플랫폼을 사는지 프롬프트를 사는지부터 구분해야 한다는 주장 ARR은 진짜여도 기술 경쟁력은 아닐 수 있음 재무 실사는 매출의 질, 고객 집중도, 이탈률, 단위 경제성, 시장 규모 등을 검증하는 데 효과적임 전통적인 SaaS 기술 실사도 코드 품질, 인프라 확장성, 보안 상태를 확인하는 검증된 절차를 갖추고 있음 하지만 이러한 절차만으로는 제품의 핵심 AI가 자체 기술인지, 외부 모델 API를 호출하는 얇은 제품인지 구분하기 어려움 매출과 고객이 실제로 존재한다는 사실은 제품의 기술적 차별성까지 증명하지 않음 AI 기업을 평가할 때는 “얼마를 벌고 있는가”와 함께 무엇을 직접 만들었고, 다른 회사가 얼마 만에 다시 만들 수 있는가를 확인해야 함 매출 420만 달러 뒤에 있던 600줄의 코드 한 AI 기업은 연간 반복 매출 420만 달러와 전년 대비 40% 성장을 기록하고 있었음 투자 설명 자료에는 독자적인 AI 플랫폼과 기반 모델 아키텍처를 설명하는 14장의 슬라이드가 포함됐으며, 매출의 12배에 해당하는 기업가치를 요구함 실제 코드베이스에서 확인된 제품의 핵심은 GPT-4o 호출, 0.2로 설정된 temperature, 시스템 프롬프트, React 화면과 약 600줄의 연결 코드였음 자체 모델, 학습 파이프라인, 독점 데이터는 없었고 숙련된 엔지니어가 주말 동안 다시 만들 수 있는 수준이었다고 평가함 인수를 검토하던 사모펀드는 코드 검토 결과를 받은 당일 거래를 중단함 사례의 핵심은 매출이 가짜였다는 것이 아니라, 일반적인 API 래퍼를 독자적인 AI 플랫폼 가격으로 살 뻔했다는 것 복제해보는 것도 기술...