Genspark CEO Eric Jing, AI의 진정한 올인원 강점은 공유 컨텍스트에 있다

서론

Genspark는 2026년 싱가포르 AGI Playground 컨퍼런스에서 신제품뿐만 아니라 AI 애플리케이션의 미래 방향에 대한 더 폭넓은 논점을 제시했다.

이 제품은 GenOffice로, Windows와 macOS를 위한 오픈소스 데스크톱 오피스 제품군으로 문서, 스프레드시트, 프레젠테이션, PDF를 지원한다. Genspark에 따르면 알파 버전은 한 명의 엔지니어가 일주일 만에 약 10,000달러 상당의 모델 토큰을 사용해 개발했다.

더 폭넓은 논점은 Genspark 공동창업자 겸 CEO Eric Jing과 GeekPark 창업자 겸 CEO Jack Zhang의 대화에서 나왔다.

Genspark는 처음에는 AI 검색 제품으로 시작해 범용 Super Agent로 전환했으며, 이후 메모리, 에이전트, 콘텐츠 제작, 오피스 도구, 협업 기능을 통합한 AI 워크스페이스로 확장했다.

Jing의 핵심 논점은 다음과 같다: 올인원 AI 제품의 지속적인 가치는 단순히 많은 기능을 하나의 인터페이스에 통합하는 데서 나오는 것이 아니라, 사용자의 작업 컨텍스트를 한곳에 모아 다양한 모델과 에이전트가 사용자가 달성하려는 목표를 이해할 수 있게 하고, 동일한 배경 정보를 반복해서 묻지 않게 하는 데 있다.

대화는 네 가지 주제를 중심으로 전개되었다:

1. Genspark가 500만 명 이상의 사용자를 확보한 후 AI 검색 분야를 떠난 이유
2. '올인원'이 점점 단일 인터페이스가 아닌 공유 컨텍스트를 의미하는 이유
3. 애플리케이션 기업이 원시 모델 역량을 사용하기 쉬운 제품으로 전환하여 가치를 창출하는 이유
4. Jing이 AI 애플리케이션 기업이 궁극적으로 조 달러 규모에 도달할 수 있다고 믿는 이유

다음 한국어 개작은 이러한 점진적 논리를 유지하면서, Genspark 자체의 지표와 예측을 독립적으로 검증된 사실과 구분한다.

01. 사용자는 계속해서 더 나은 도구를 찾는다 — 제자리에 머무는 것이 진짜 위험이다

검색에서 전체 작업 수행까지

Jack Zhang: Genspark는 AI 검색으로 시작해 사용자 500만 명을 돌파한 것으로 알려졌다. 왜 상당한 성과를 거둔 제품을 떠나기로 결정했나?

Eric Jing: 내 커리어는 항상 사람과 정보를 연결하는 일에 집중되어 있었다. 2006년 소프트웨어 엔지니어로 마이크로소프트에 합류한 이후, 거의 20년에 가까운 시간을 검색 관련 업무에 투자했다.

검색은 사람과 정보를 매칭하는 것처럼 보이지만, 사용자의 진정한 목표가 웹페이지를 찾는 것인 경우는 드물다. 사람들이 검색하는 이유는 어떤 일을 완수해야 하기 때문이다.

제품을 비교해야 할 수도 있고, 프레젠테이션을 준비하거나, 여행을 계획하거나, 보고서를 작성하거나, 공급업체에 연락하거나, 의사결정을 해야 할 수도 있다. 검색은 종종 더 큰 작업의 한 단계에 불과하다.

초기 검색 팀은 이 방향으로 나아가려고 시도한 적이 있다. 우리는 Bing을 더욱 작업 엔진처럼 만드는 아이디어를 탐구했지만, 당시 기술로는 전체 작업 흐름을 안정적으로 수행할 수 없었다.

ChatGPT가 이러한 계산을 바꿨다. AI가 마침내 작업 주변의 방대한 반복 업무를 처리하고, 사람들이 판단과 창의성에 집중할 수 있게 해줄 수 있다는 것을 보여주었다.

이것이 Genspark의 초기 야망이었다: 처음부터 끝까지 작업을 완료할 수 있는 자율 에이전트.

AI 검색은 실용적인 출발점이었다

초기 기반 모델의 초기 버전은 이러한 완전한 비전을 뒷받침하기에는 부족했다.

스타트업은 이상적인 기술이 도래할 때까지 무한정 기다릴 수 없다. 당시 사용 가능한 역량을 활용해 진정한 제품-시장 적합성을 찾아야 한다.

2년 전, AI 검색은 가장 분명한 기회 중 하나였다. 유용한 제품, 친숙한 사용자 행동, 그리고 회사를 구축하기 위한 실용적인 출발점을 제공했다.

Jing에 따르면 전환점은 Claude Sonnet 3.7이 더 긴 엔드투엔드 에이전트 작업 흐름을 훨씬 더 실현 가능하게 만들었을 때 나타났다.

회사의 관점에서 볼 때, AI 검색에서 에이전트로의 전환은 초기 방향에 대한 부정이 아니라 동일한 목표를 향한 다음 단계였다: 정보를 찾는 것을 돕는 것이 아니라 작업을 완수하도록 돕는 것.

왜 500만 사용자를 포기하는 것이 가장 큰 위험이라고 생각하지 않았나

Jack Zhang: 500만 사용자는 이미 상당한 기반이다. 제품을 바꾸는 것이 기존 성과를 파괴할까 봐 우려하지 않았나?

Eric Jing: 전환에는 위험이 따르지만, 제자리에 머무는 것은 더 큰 위험이다.

사용자는 단지 익숙하다는 이유만으로 열등한 작업 흐름에 충성하지 않는다. 새로운 도구가 중요한 작업을 훨씬 쉽게 만들어 줄 때, 사람들은 보통 경험의 차이를 느낀 후 이동한다.

전환은 사용자에게 분명한 업그레이드를 제공했기 때문에 비교적 순조로웠다.

더 이상 요약을 읽고 여러 출처를 열 필요 없이, 완성된 프레젠테이션을 직접 요청할 수 있게 되었다. 더 이상 자료를 수동으로 수집하고 문서로 정리할 필요 없이, 원하는 결과를 설명하면 에이전트가 더 많은 프로세스를 실행할 수 있게 되었다.

Jing에게 중요한 교훈은 제품 전환 자체가 안전하다는 것이 아니라, 중대한 역량 변화에 대응하지 못하는 것이 기존 제품을 뒤엎는 것보다 더 위험할 수 있다는 점이다.

AI 제품 주기는 비정상적으로 압축되어 있다

챗봇에서 AI 검색, 슈퍼 에이전트, AI 워크스페이스로의 빠른 진화는 매우 짧은 시간 안에 일어났다.

Jing은 이러한 속도를 두 가지 힘에 기인한다.

첫째, 최첨단 AI 역량이 비연속적인 도약으로 향상되고 있다. 전통적인 소프트웨어는 일반적으로 점진적인 제품 개선을 통해 발전하는 반면, 한 번의 주요 모델 출시가 갑자기 완전히 새로운 제품 작업 흐름을 가능하게 만들 수 있다.

둘째, 수십 년간의 디지털화된 업무가 AI가 필요로 하는 데이터 레이어를 이미 창출했다.

현대 조직은 다음과 같은 것들을 축적해왔다:

• 이메일
• CRM 기록
• 회의록
• 클라우드 문서
• 스프레드시트
• 프로젝트 관리 이력
• 고객 서비스 대화
• 캘린더
• 내부 소프트웨어 데이터

이러한 시스템들은 수년간 작업 컨텍스트를 생성해왔다.

더 강력한 모델이 이 컨텍스트에 접근할 수 있게 되면, 에이전트는 단순히 일반적인 질문에 답하는 것을 넘어 사용자의 실제 프로젝트, 동료, 문서, 이력, 목표에 대해 추론할 수 있다.

Jing은 이러한 조합을 다음과 같은 플라이휠로 설명한다:

더 많은 작업 컨텍스트
        ↓
에이전트가 작업을 더 잘 이해
        ↓
에이전트가 더 많은 유용한 작업 수행
        ↓
더 많은 작업과 피드백이 시스템에 유입
        ↓
컨텍스트가 더 풍부해짐

모델은 중요하지만, 그 모델이 특정 개인이나 기업에게 얼마나 유용한지를 결정하는 것은 컨텍스트다.

02. AI의 '올인원'은 본질적으로 풀스택 컨텍스트 레이어다

인터페이스는 첫 번째 레이어일 뿐이다

Jack Zhang: 당신은 올인원 제품을 지지해왔다. 이러한 철학이 AI 네이티브 제품에서는 어떻게 변화하는가?

Eric Jing: 많은 성공적인 제품이 통합형 제품이다. 검색은 정보를 위한 통합 진입점을 제공했다. 스마트폰은 수많은 기능을 하나의 상호작용 패턴 뒤에 통합했다. 위챗은 커뮤니케이션, 결제, 서비스, 콘텐츠를 하나의 친숙한 환경에 융합했다.

AI 시대에도 단일 인터페이스는 여전히 가치가 있다. 사용자는 모든 작은 일에 서로 다른 제품을 배우고 싶어 하지 않는다.

그러나 더 중요한 통합 형태는 이제 인터페이스 뒤에서 일어난다.

진짜 질문은 이것이다: 제품의 모든 에이전트와 도구가 사용자의 작업에 대한 일관된 이해에 접근할 수 있는가?

모델 통합: 올바른 모델을 선택하되 사용자가 결정하게 하지 않기

Jing은 기반 모델이 점점 더 경쟁력을 갖추고 시간이 지남에 따라 상호 교환 가능해질 것이라고 예측한다.

서로 다른 모델이 서로 다른 작업에서 더 나은 성능을 보일 수 있지만, 사용자는 일상 업무를 수행하는 과정에서 모든 벤치마크, 가격표, 컨텍스트 제한, 아키텍처 세부 사항을 이해하도록 강요받아서는 안 된다.

행사 현장에서 Jing은 최첨단 모델이 많은 작업에서 강력해졌지만 가격 차이는 여전히 크다는 슬라이드를 보여주었다.

![이미지는 2024년 6월의 최첨단 모델 비용 비교를 보여주며, 제목은 "'AI가 할 수 있나?'에서 '내가 감당할 수 있나?'로"이다. 차트에는 Claude Fable, GPT-4.5, Gemini 3.1이 나열되어 있다.

Pro 등 모델에는 비용(달러 기준)이 각각 표시되어 있으며, 예를 들어 Claude Fable은 1810달러, GPT-4.5는 1506달러 등입니다. 맨 오른쪽에는 DeepSeek 대비 비용 배율도 표시되어 있는데, Claude Fable은 46배입니다. 하단 텍스트는 "이제 모든 모델이 훌륭하지만, 비용은 46배 차이"임을 강조합니다. 이 그림은 문맥과 밀접하게 연결되어 있으며, 서로 다른 프런티어 모델 간의 비용 차이를 직관적으로 보여주어 모델 선택이 복잡하고 기업 구매에 많은 우려가 있음을 설명합니다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/08/7f97e05d-435a-4e1c-a985-22bcf66717d7-5e918aa2-bb6c-496c-96a7-ccf7a17631a6.png)

이 슬라이드는 독립적인 벤치마크 테스트가 아니라 회사 프레젠테이션 자료입니다. 그 목적은 제품 차원의 문제를 설명하는 데 있습니다. 즉, 모델 선택이 대부분의 사용자와 많은 기업에게 이미 너무 복잡해졌다는 것입니다.

징셴둥(Jing Xiandong)은 마이크로소프트 CEO 행사에서 있었던 익명 투표를 회상했는데, 당시 임원들은 두 가지 반복적인 우려를 지적했다고 합니다:

• 어떤 모델 제공업체를 선택해야 할지 모르겠다.
• 비싼 AI 서비스를 구매한 후에도 직원들이 실제로 채택하지 않을까 걱정된다.

애플리케이션 계층이 이 두 가지 문제를 해결할 수 있습니다.

다음 요소를 기반으로 작업을 서로 다른 모델에 분배할 수 있습니다:

• 역량
• 비용
• 속도
• 모달리티
• 컨텍스트 길이
• 신뢰성
• 기업 정책

사용자가 작업 내용을 설명하면, 플랫폼이 어떤 모델 또는 모델 조합이 처리할지 결정합니다.

컨텍스트 통합: 애플리케이션 간 작업 복사의 종지부

두 번째 계층은 모델 라우팅보다 더 중요합니다.

지식 근로자의 데이터는 다양한 서비스에 분산되어 있습니다. 사용자는 이메일의 정보를 문서로 복사하고, 스프레드시트에서 데이터를 추출하고, 회의록에서 결정 사항을 복원한 다음, 여러 AI 도구에 배경 정보를 제공해야 할 수 있습니다.

공유 컨텍스트 계층은 이러한 중복을 줄여줍니다.

Genspark이 공식 발표한 AI Workspace 6.0 아키텍처는 네 가지 계층으로 이 철학을 구현합니다:

• SecondBrain(세컨드 브레인) - 메모리 계층
• Super Agent(슈퍼 에이전트) - 지능형 엔진
• Build, Office 및 Content Suites(빌드, 오피스 및 콘텐츠 스위트) - 실행 도구
• GenTeam - 협업 계층

SecondBrain의 설계 목표는 이메일, 회의, 채팅, 문서, 애플리케이션 및 Genspark 프로젝트의 자료를 한곳에 모으는 것입니다.

기대되는 경험은 단순히 "하나의 웹사이트에 여러 AI 도구를 모아놓는 것"이 아니라, 각 도구가 일관된 동작을 유지하기에 충분한 컨텍스트를 공유하는 통합된 작업 환경입니다.

새로운 올인원의 정의

기존 올인원의 정의는 다음과 같습니다:

하나의 애플리케이션
+ 다양한 기능
+ 하나의 인터페이스

업데이트된 AI 네이티브 정의는 다음에 더 가깝습니다:

다양한 작업 인터페이스
+ 다양한 모델과 에이전트
+ 하나의 지속적으로 공유되는 컨텍스트
+ 하나의 오케스트레이션 계층

사용자는 여전히 중앙 페이지를 자주 방문하는 대신 익숙한 소프트웨어에서 작업할 수 있습니다.

징(Jing)의 레스토랑 비유가 여기서 시사하는 바가 큽니다.

기존 소프트웨어 모델은 사용자가 레스토랑에 직접 방문해야 했습니다. AI 네이티브 모델은 레스토랑을 사용자 곁에 두거나, 음식을 직접 사용자에게 배달할 수 있습니다.

에이전트는 이메일, 오피스 문서, 데스크톱 클라이언트 또는 기타 익숙한 인터페이스에 나타날 수 있으며, 동시에 유용한 컨텍스트를 공유 시스템에 다시 기록할 수 있습니다.

HTML 슬라이드에서 GenOffice까지

Genspark의 슬라이드 제품은 사용자 피드백이 회사를 단일 형식에서 더 넓은 플랫폼으로 어떻게 이끌었는지 보여줍니다.

이 회사는 처음에 HTML 형식의 AI 프레젠테이션을 생성했습니다.

비평가들은 진지한 비즈니스 사용자가 웹 슬라이드가 아닌 PowerPoint 파일을 기대한다고 주장했습니다.

Genspark은 HTML이 언어 모델의 자연스러운 출력 형식이라고 생각했습니다. 콘텐츠와 레이아웃을 비교적 유연하게 결합할 수 있기 때문입니다.

일부 사용자는 특히 네이티브 파일보다 빠른 편집과 공유를 중시할 때 내부 커뮤니케이션에 이 온라인 형식을 수용했습니다.

이후 제품은 다음과 같이 발전했습니다:

1. Genspark은 HTML 슬라이드 생성기를 만들었습니다.
2. 사용자가 온라인 편집기를 요청했습니다.
3. 사용자가 익숙한 로컬 오피스 소프트웨어에서 계속 편집하기를 원했습니다.
4. Genspark은 Office 플러그인을 개발했습니다.
5. 사용자는 플러그인 유지보수가 느리고 비용이 많이 들 수 있다고 피드백했습니다.
6. 팀은 네이티브 데스크톱 오피스 스위트를 구축했습니다.

이 스위트는 결국 GenOffice가 되었습니다.

Genspark이 공식 발표한 정보에 따르면, 다음 기능을涵盖하는 알파 제품입니다:

• 문서(Docs)
• 스프레드시트(Sheets)
• 슬라이드(Slides)
• PDF

핵심 오피스 기능은 무료이며 광고가 없습니다. AI 기능은 Genspark 크레딧을 사용합니다.

공식 GitHub 리포지토리는 주로 Apache 2.0 라이선스로 제공되며, 향후 엔터프라이즈 디렉토리를 위한 별도의 예외 조항이 포함되어 있습니다. 이 리포지토리에는 macOS 및 Windows용 Electron 앱, 공유 문서 엔진, 에이전트 코어, 파일 파서 및 모델 제공업체 추상화 계층이 포함되어 있습니다.

Genspark은 첫 번째 알파 버전이 한 명의 엔지니어가 일주일 동안 약 10,000달러 상당의 모델 토큰을 사용하여 구축했다고 밝혔습니다. 이는 회사가 자체적으로 설명한 개발 스토리이며, 독립적으로 감사된 엔지니어링 벤치마크는 아닙니다.

이메일 클라이언트의 시작점은 개인적인 불편함

Genspark의 이메일 작업도 비슷한 경로를 따랐습니다.

징(Jing)은 이메일을 많이 사용하며, 작업을 완료하는 데 필요한 정확한 메시지, 첨부 파일 또는 결정 사항을 찾기 어려운 경우가 많았습니다.

따라서 제품 문제는 다음과 같이 바뀌었습니다: 에이전트가 이메일 클라이언트 내부에 존재하여 왕복 통신을 직접 이해할 수 있다면, 왜 이메일 옆에 별도로 배치해야 하는가?

행사 준비 기간 동안 징(Jing)은 이메일 에이전트를 사용하여 다음을 수행했다고 밝혔습니다:

• 이전에 GeekPark과 주고받은 커뮤니케이션 검토
• 전체 일정 재구성
• 첨부된 PDF에서 정보 추출
• 이벤트를 캘린더에 추가
• 자신의 스타일과 유사하게 후속 메시지 초안 작성

이러한 작업들은 각각 개별적으로는 작지만, 함께 모이면 일상적인 지식 작업에서 상당히 중요한 부분을 차지합니다.

제품이 실제 업무 흐름에 충분히 깊숙이 들어가 이러한 세부 사항을 확인했을 때 기회가 나타났습니다.

Genspark의 두 가지 제품 원칙

징(Jing)은 회사의 제품 철학을 두 가지 규칙으로 요약했습니다.

1. 팀이 실제로 사용하고 싶은 제품을 만든다

팀은 스스로 첫 번째 진지한 고객이 되어야 합니다.

직원들은 제품이 정말로 자신의 업무 문제를 해결하는지 스스로에게 물어봐야 하며, 자신도 사용하고 싶지 않은 경험을 다른 사람이 받아들일 것이라고 가정해서는 안 됩니다.

2. 많은 유사한 사용자들이 공통적으로 겪는 문제점 찾기

개인의 불편함은 충분히 많은 다른 사람들이 동일한 문제를 겪고 있을 때 비로소 비즈니스 기회로 전환될 수 있습니다.

따라서 개발 논리는 다음과 같습니다:

팀이 실제로 겪는 문제를 해결한다
        ↓
실제 업무에서 제품을 사용한다
        ↓
반복적으로 나타나는 외부 피드백을 듣는다
        ↓
수요가 실제로 존재할 때만 워크플로우를 확장한다

03. AI 제품의 가치는 모델 자체가 아닌 번역 레이어에 존재한다

대부분의 사람들은 여전히 고급 에이전트를 사용하지 않는다

이어서 논의는 최첨단 시스템이 할 수 있는 일에서 실제로 얼마나 많은 사람들이 그것을 사용할 것인지로 옮겨갔습니다.

Jing은 각 점이 약 320만 명을 나타내는 설명용 슬라이드를 보여주었습니다. 대부분의 점은 AI를 한 번도 사용해 본 적 없는 사람들을, 작은 부분은 무료 챗봇을 사용해 본 사람들을, 더 적은 부분은 AI에 비용을 지불한 사람들을, 그리고 극소수만이 고급 에이전트를 사용하는 사람들을 나타냈습니다.

이 시각화는 전 세계 AI 사용 현황에 대한 정밀한 인구 조사라기보다는 컨퍼런스 발표용 삽화로 이해해야 합니다.

그 핵심 메시지는 분명합니다:

기술 발전 속도는 사용자 채택 속도를 훨씬 앞지를 수 있습니다.

전문 사용자만을 대상으로 하는 회사는 강력한 기능의 제품을 만들 수 있지만, 에이전트 설정, 모델 선택, 토큰 예산, 복잡한 워크플로우를 이해하지 못하는 더 큰 사용자층에는 도달하지 못할 수 있습니다.

사용자가 이미 일하고 있는 곳으로 간다

Jing은 AI 기업이 모든 사람이 AI 전문가가 되기를 기대하기보다는 사용자의 학습 부담을 줄여야 한다고 생각합니다.

서비스는 사용자가 이미 익숙한 곳에 제공되어야 합니다:

• 이메일
• 문서
• 스프레드시트
• 프레젠테이션
• 데스크톱 애플리케이션
• 팀 채팅

이는 제품의 사용자 이해도 향상으로도 이어집니다.

에이전트가 실제 워크플로우에 참여하면 일회성 프롬프트만 받는 것이 아니라 주변 맥락에서 학습할 수 있습니다.

코딩 에이전트는 슈퍼카, 주류 제품은 자율주행이어야 한다

Jing은 코딩 에이전트를 고성능 스포츠카에 비유했습니다.

개발자와 연구자에게는 매우 강력하지만, 사용자가 작동 방법을 알아야 합니다.

Genspark은 자율주행에 더 가까운 형태로 유사한 핵심 역량을 제공하고자 합니다:

• 사용자가 각 모델을 수동으로 선택할 필요가 없습니다.
• 에이전트는 로컬 컴퓨팅에 전적으로 의존하는 대신 클라우드에서 실행되어야 합니다.
• 도구는 자동으로 오케스트레이션되어야 합니다.
• 인터페이스는 불필요한 복잡성을 숨겨야 합니다.
• 사용자는 달성하려는 결과에 집중해야 합니다.

이것이 바로 '번역 레이어'입니다.

이는 기본 모델의 역량과 업무를 수행하려는 사람 사이에 존재합니다.

이 레이어는 변환을 담당합니다:

• 모델의 강점을 태스크 라우팅으로
• API를 이해하기 쉬운 기능으로
• 도구 호출을 완전한 워크플로우로
• 비정형 컨텍스트를 유용한 행동으로
• 기술적 진보를 사용하기 쉬운 경험으로

에이전트 기업은 단지 토큰을 재판매하는 것인가?

Jack Zhang: Genspark의 공개 ARR은 2억 5천만 달러를 초과했습니다. 비판론자들은 때때로 에이전트 기업이 모델 토큰을 재판매하는 얇은 유통 레이어로 전락할 것이라고 주장합니다. 어떻게 답하시겠습니까?

Jing: 우리는 Genspark을 '에이전트 기업'으로 정의하지 않습니다. 처음에는 검색 제품이었고, 지금은 에이전트 또는 워크스페이스 제품으로 설명되며, 제품 형태가 진화함에 따라 계속 변화할 것입니다.

더 유용한 정의는: 통합된 컨텍스트를 중심으로 구축된 AI 기업입니다.

Jing은 또한 '유통은 본질적으로 저가치'라는 관점에 반대합니다.

많은 대형 소프트웨어 기업들은 수익의 상당 부분을 채널과 유통에서 얻습니다. 고객에게 도달하고, 제품을 워크플로우에 통합하며, 복잡한 기술을 구매하고 사용하기 쉽게 만드는 것 자체가 해자가 될 수 있습니다.

레스토랑 비유

Jing은 외식업 비교를 사용했습니다:

• 기초 모델 연구소는 원자재 공급업체와 같습니다.
• 전문 코딩 제품은 단일 요리에 특화된 고급 레스토랑과 유사합니다.
• 라우팅 플랫폼은 도매상과 유사합니다.
• Genspark은 다양한 식재료를 고객에게 맞는 식사로 만드는 편의 체인 레스토랑이 되기를 원합니다.

모델은 단지 하나의 식재료일 뿐입니다.

애플리케이션 기업은 다음을 통해 가치를 창출합니다:

• 제품 디자인
• 컨텍스트 통합
• 도구
• 오케스트레이션
• 파일 시스템
• 유통
• 지원
• 워크플로우 지식
• 사용자 경험

Jing은 이러한 야망을 하드웨어 분야에서 애플의 역할에 비유합니다. 애플은 많은 부품을 조달하지만, 통합이 최종 제품 경험을 만들기 때문에 사용자는 애플을 단지 칩과 디스플레이의 유통업체라고만 설명하지 않습니다.

Genspark은 모델 레이어 위에서 유사한 형태의 통합을 추구하고자 합니다.

04. AI 시대는 조 단위 규모의 애플리케이션 기업을 탄생시킬 수 있다

글로벌 제품은 공통 기반과 현지화 우선순위가 필요하다

Genspark은 미국, 한국, 일본, 프랑스, 인도, 브라질을 중요한 시장으로 보고 있습니다.

Jing은 회사가 지역별 차이를 연구하지만 이를 공통된 인간의 필요로 추상화하려고 시도한다고 말합니다.

대화에서 언급된 예시는 다음과 같습니다:

• 뉴욕의 금융 중심 사용자들은 스프레드시트를 많이 사용합니다.
• 일본 사용자들은 프레젠테이션과 장시간 통근에 의존하는 경우가 많습니다.
• 한국은 풍부한 디자인 문화와 매우 빈번한 창의 도구 사용을 가지고 있습니다.

표면적 행동은 다르지만, 각 시장의 사람들은 여전히 의사소통하고, 정보를 분석하고, 문서를 준비하고, 반복적인 작업을 완료해야 합니다.

제품은 국가마다 완전히 다른 시스템이 될 필요 없이 기능 우선순위를 조정할 수 있습니다.

제품이 글로벌화되어도 유통은 현지화될 수 있다

Genspark은 현지화된 마케팅도 시도했습니다.

Jing은 뉴욕 지하철의 광고 집행을 언급했습니다 — 승객들은 종종 신뢰할 수 있는 모바일 네트워크 없이 시간을 보내기 때문에 오프라인 광고에 주목하게 됩니다.

기본 제품은 글로벌을 유지하고, 유통 전략은 지역 환경에 대응합니다.

이는 검색 분야에서 Jing의 경험을 반영합니다.

검색 제품은 요청을 일반적인 문제(수요를 관련 정보와 매칭)로 추상화하기 때문에 사용자 개인에 대한 지식 없이도 대중에게 서비스를 제공할 수 있습니다.

글로벌 AI 워크스페이스도 그 아래의 공통 구조를 잃지 않으면서 차이점을 인식해야 합니다.

애플리케이션 기업이 조 단위 규모에 도달할 수 있을까?

Jing은 여전히 AI 시대가 조 단위 가치의 애플리케이션 기업을 탄생시킬 수 있다고 믿지만, 대부분의 스타트업이 실패할 것이라는 점을 반복해서 강조합니다.

그의 주장은 세 가지 가정에 의존합니다.

1. 모델 비용은 지속적으로 하락할 것이다

Jing은 오늘날의 역량 수준을 달성하는 모델의 사용 비용이 2년 내에 약 1%까지 하락할 수 있다고 예측합니다.

이는 확립된 업계 결과가 아닌 선도적인 기업의 전망입니다.

고정된 역량 수준에서 추론 비용이 하락한다는 더 넓은 방향성은 합리적이며 시장 일부에서 이미 관찰되고 있지만, 정확한 1% 수치는 불확실합니다.

2. 모델 공급은 더 경쟁적으로 될 것이다

폐쇄형 및 오픈소스 모델의 개선에 따라 기업들은 많은 작업에서 더 많은 대안을 가질 수 있습니다.

모델 레이어는 여전히 중요하지만, 여러 제공업체가 비교 가능한 결과를 제공할 때 그 경제성은 상품에 더 가까워질 수 있습니다.

3. 더 많은 가치가 제품 레이어로 이동할 수 있다

애플리케이션 기업이 다음을 결합할 수 있다면:

• 여러 모델
• 여러 양식(모달리티)
• 지속적인 사용자 컨텍스트
• 유통
• 워크플로우 실행
• 기업 거버넌스

그렇다면 단일 모델 출시보다 사용자와 더 지속적인 관계를 구축할 수 있을 것입니다.

이 시스템은 작업 하나를 완료할 때마다 다음 작업을 개선하는 컨텍스트를 생성하므로 점점 더 유용해질 것입니다.

미래의 업무: 승인 또는 반려

Jing의 장기 비전은 에이전트가 대부분의 반복적인 작업을 사전에 처리하도록 하는 것입니다.

인간의 업무는 더 감독 중심으로 바뀝니다.

사용자가 모든 단계를 수동으로 실행하는 대신 주로 결정을 내립니다:

승인 및 실행
또는
반려 및 수정

이것은 대부분의 조직이 현재 직면한 현실이 아닙니다. 이것은 Genspark이 설계하고 있는 목표 지점입니다.

기업 AI는 토큰 확장에서 토큰 최적화로 전환 중

창업자 연령에 대한 질문에 답하기 전에, Jing은 기업 AI에 대한 관찰을 추가했습니다.

기업 논의는 '더 많은 토큰 사용'에서

'Token'에서 '토큰을 더 효율적으로 사용하기'로 전환.

기업들은 점점 더 다음 사항에 주목하고 있다:

• 작업 완료당 비용
• 모델 라우팅
• 오픈소스 모델 도입
• 단일 공급업체 의존 회피
• 직원 도입률
• 보안 및 통제
• 투자 수익

성능과 가격이 빠르게 변할 수 있는 상황에서 모든 워크플로우를 하나의 모델에 맡기려는 기업은 드물다.

징은 오픈소스 모델과 클로즈드소스 모델이 기업 시스템 내에서 공존하게 될 것이며, 제품 플랫폼이 품질과 비용에 따라 둘 사이를 선택하게 될 것이라고 예측한다.

창업자의 나이보다 중요한 것은 열린 사고

마지막 질문은 일부 투자자들이 매우 젊은 AI 창업자를 선호하는 경향에 관한 것이다.

징은 생물학적 나이를 주요 기준으로 삼지 않는다.

그는 경험이 모든 낯선 아이디어를 거부하는 필터로 굳어지면 불리함이 될 수 있다고 생각한다. 그러나 열린 태도를 유지하고, 에너지가 넘치며, 새로운 기술에 직접 접근하려는 경험자들은 비정상적으로 효율적일 수 있다.

따라서 Genspark가 찾는 것은:

• 개방성
• 자기 주도성
• 행동 속도
• 호기심
• 다시 배우려는 의지
• 유용한 업계 경험

가장 강력한 조합은 단순히 젊음이 아니다. 깊은 경험과 닫히지 않은 사고방식의 결합이다.

대화 속 핵심 요점

이 인터뷰는 핵심 논점을 잃지 않으면서 몇 가지 제품 원칙으로 요약될 수 있다.

1. 기존 역량에서 출발하되 더 큰 사명을 유지하라

Genspark는 당시 실행 가능했기 때문에 처음에 AI 검색에서 시작했다. 모델 역량이 더 완전한 에이전트를 가능하게 만들었을 때 방향을 전환했다.

2. 통합의 핵심은 공유 컨텍스트

많은 도구를 하나의 인터페이스에 넣는 것은 유용하다. 그 도구들이 동일한 이메일, 회의, 문서, 결정 및 선호도를 이해하게 만드는 것은 더 강력하다.

3. 사용자는 모델 전문가가 될 필요가 없다

플랫폼은 성능, 비용 및 정책에 따라 작업을 라우팅하면서 이해하기 쉬운 워크플로우를 제시해야 한다.

4. 애플리케이션 계층은 지속적인 가치를 창출할 수 있다

컨텍스트, 오케스트레이션, 워크플로우 설계, 배포, 파일 처리 및 제품 경험은 모델 위의 사소한 계층이 아니다.

5. 실제 업무 속에서 구축하라

최고의 기회는 종종 도구가 사용자의 실제 이메일, 문서, 프레젠테이션, 스프레드시트 또는 팀 워크플로우에 들어간 후에만 나타난다.

6. 비용을 제품 기능으로 취급하라

강력한 AI 시스템은 단순히 작업을 완료해야 할 뿐만 아니라, 이를 완료할 경제적으로 합리적인 경로를 선택해야 한다.

자주 묻는 질문

Genspark란 무엇인가?

Genspark는 AI 검색 제품에서 슈퍼 에이전트, 메모리, 오피스 도구, 콘텐츠 제작, 앱 구축 및 팀 협업을 결합한 플랫폼으로 진화한 올인원 AI 작업 공간이다. 공식 Workspace 6.0 아키텍처는 SecondBrain, Super Agent, 여러 작업 스위트 및 GenTeam을 포함한다.

Genspark가 AI 검색을 포기한 이유는 무엇인가?

Eric Jing은 기초 모델이 전체 워크플로우를 안정적으로 완료할 수 없었을 때 검색이 실용적인 진입점이었다고 말한다. 더 강력한 모델이 엔드투엔드 에이전트를 더 실행 가능하게 만들면서 Genspark는 사용자가 정보를 찾는 데 도움을 주는 것에서 전체 작업을 완료하는 데 도움을 주는 것으로 확장했다.

'올인원 컨텍스트'란 무엇을 의미하는가?

이는 이메일, 회의, 문서, 프로젝트, 선호도 및 이전 작업이 여러 도구와 에이전트가 사용할 수 있는 지속적인 컨텍스트 계층으로 통합될 수 있음을 의미한다. 목표는 사용자가 모든 앱에서 동일한 배경 정보를 반복할 필요가 없게 하는 것이다.

Genspark는 하나의 AI 모델만 사용하는가?

아니다. Genspark는 제품을 여러 모델과 도구를 오케스트레이션하고 작업에 따라 구성 요소를 선택하는 것으로 설명한다. 실제 사용되는 모델 집합은 공급자가 새 시스템을 출시함에 따라 변한다.

GenOffice란 무엇인가?

GenOffice는 macOS 및 Windows용 Genspark의 오픈소스 알파 버전 오피스 스위트이다. 문서, 스프레드시트, 프레젠테이션 및 PDF 앱을 포함하며 Genspark AI 기능을 편집기에 통합한다.

GenOffice는 완전히 무료인가?

Genspark는 핵심 오피스 스위트가 무료이고 광고가 없으며 워터마크가 없다고 밝힌다. AI 기반 연구, 생성 및 분석 기능은 Genspark 크레딧을 사용하며, 저장소에는 향후 엔터프라이즈 제품군에 대한 별도의 라이선스 예외 조항이 포함되어 있다.

Genspark의 2억 5천만 달러 ARR은 독립적으로 감사받았는가?

이 수치는 인터뷰에서 공개되었으며 회사 인터뷰와 외부 보도에 등장했다. 감사된 재무제표가 발표되지 않는 한 회사가 보고한 연간 반복 매출로 설명되어야 한다.

Eric Jing이 AI 애플리케이션 기업이 1조 달러 가치에 도달할 수 있다고 생각하는 이유는 무엇인가?

그의 논지는 모델 비용이 계속 하락하고 가치가 여러 모델을 통합하고, 공유 작업 컨텍스트를 유지하고, 친숙한 워크플로우를 통해 사용자에게 도달하고, 일상 업무의 상당 부분을 자동화할 수 있는 제품을 만드는 기업으로 이동할 것이라는 것이다. 1조 달러 결과는 비전이자 예측일 뿐 보장된 시장 결과는 아니다.

관련 도구

• Genspark AI Workspace: 에이전트, 메모리, 오피스, 창작 및 협업을 위한 Genspark의 주요 올인원 작업 공간.
• GenOffice: Genspark 오픈소스 데스크톱 오피스 스위트의 공식 다운로드 페이지.
• GenOffice GitHub 저장소: 소스 코드, 릴리스 버전, 개발 명령어, 아키텍처 설명, 라이선스 및 기여 가이드.
• Genspark Super Agent: 연구, 콘텐츠 제작, 통화 및 다단계 작업을 위한 Genspark의 노코드 에이전트 계층.
• GenTeam: 인간과 AI 에이전트가 공유 대화에서 협업할 수 있는 Genspark의 협업 계층.
• OpenRouter: 인터뷰에서 언급된 배포 계층 비유에서 참조된 다중 모델 API 라우팅 서비스.

관련 링크

• Genspark AI Workspace 6.0: SecondBrain, Super Agent, 작업 스위트 및 GenTeam에 대한 Genspark의 공식 소개.
• GenOffice 출시 발표: 알파 버전, 지원 앱, 가격 정책 및 오픈소스 출시에 대한 공식 세부 정보.
• GenOffice GitHub 저장소: macOS 및 Windows 오피스 스위트의 공식 코드 저장소.
• OpenAI의 Genspark 고객 사례: Genspark가 검색에서 Super Agent로 전환한 배경 및 멀티모달 모델과 도구 사용에 대한 소개.
• GenOffice 다운로드 페이지: 공식 Mac 및 Windows 다운로드 및 제품 정보.
• Genspark 블로그: 회사의 공식 제품 발표 및 업데이트.
• Artificial Analysis: 인터뷰에서 논의된 모델 라우팅 문제를 평가할 때 유용한 독립적인 모델 성능, 속도 및 가격 분석.

요약

Eric Jing의 핵심 논지는 AI의 가장 중요한 통합 형태가 더 이상 단순히 많은 도구를 하나의 애플리케이션에 넣는 것이 아니라는 것이다. 더 깊은 기회는 여러 모델, 에이전트 및 인터페이스를 지원할 수 있는 지속적인 통합 작업 컨텍스트를 구축하는 데 있다.

Genspark가 검색에서 Super Agent, Workspace 6.0, GenMail, SecondBrain 및 GenOffice로 진화한 경로는 바로 이 논점을 보여준다.

각 제품의 표면은 시스템에게 또 하나의 작업 완료 공간이자 또 하나의 컨텍스트 소스를 제공한다. 단, 데이터가 적절한 사용자 통제, 프라이버시 및 기업 거버넌스 프레임워크 하에서 처리된다는 전제하에 말이다.

해당 기업의 매출 데이터, 비용 비교, 그리고 향후 모델 경제성에 대한 전망은 여전히 기업의 발표 자료나 전향적 진술에 해당한다. 그럼에도 제품 전략은 명확하다. 모델의 복잡성을 무감각하게 만들고, 사용자가 익숙한 작업 흐름 속에서 이를 만나게 하며, 오케스트레이션과 컨텍스트 및 배포를 통해 가치를 창출하는 것이다.

Genspark의 관점에서, 승리하는 올인원 AI 제품은 버튼이 가장 많은 제품이 아니라, 관련 컨텍스트를 가장 잘 이해하고 이를 실제 작업 완료로 전환하는 제품이다.