코로나로 진 빚, 6년의 우회. 3인의 AI CRM 'Klipy'가 5자리 MRR·4,000개사에 이르기까지

※ 달러 표기 금액에는 1달러=150엔 환산 기준을 함께 표기한다.

사업의 성공담은 대개 오르막 부분만 이야기된다. 이 사례가 다루기 좋은 이유는 그 사이에 낀 ‘6년의 우회’가 본인의 입으로 구체적으로 이야기되고 있기 때문이다. 한국 출신·홍콩 거점의 Jung Hong Kim은 머신비전을 이용한 소매 분석 회사를 2곳 매각한 실적을 갖고 있다. 하지만 세 번째 회사는 코로나로 시장 자체가 사라졌고, 빚이 남았다. 거기서 약 6년을 경영 컨설턴트로 보내고, 2024년 11월 AI CRM ‘Klipy.ai’를 출시한다. 2026년 7월 시점에 도입 기업은 약 4,000개사, 월매출은 5자리 달러(월 1만 달러 이상=약 150만 엔 이상)에 도달했다.

공개된 숫자

Klipy가 파는 것

Klipy는 본인의 말로 “엔터프라이즈 및 컨설팅형 영업의 백오피스 업무를 모두 자동화하는 AI 최고수익책임자(AI Chief Revenue Officer)“로 규정된다. 구현 수준에서 무엇을 하는가 하면, 이메일, LinkedIn, 회의에서의 주고받음을 AI 에이전트가 자동으로 기록해 CRM에 반영한다. 영업 담당이 싫어하는 수작업 입력을, 애초에 발생시키지 않는 설계다.

착상의 출처는 두 가지다. 하나는 6년간의 컨설팅 현장에서의 관찰. 또 하나는 자신이 규모 있는 환경에서 HubSpot을 사용했을 때의 불만이다. 전자가 구조의 언어화를, 후자가 통점의 실감을 담당하고 있다.

결정타가 된 질문의 방식

이 사례의 전환점은 자금 조달도 화제성도 아닌, 과제의 정의를 옮긴 순간이다.

컨설턴트로서 기업의 시스템 도입을 계속 지켜본 결과, Kim은 이렇게 결론지었다. “업무 정보 시스템 실패의 대부분은 인간의 사고방식과 데이터가 저장되는 형식 사이의 괴리에서 생긴다.” CRM이 사용되지 않는 것은 기능이 부족해서가 아니라, 인간의 업무 흐름과 데이터 입력 형태가 맞물리지 않기 때문이라는 진단이다.

여기서 도출되는 대책은 “더 쓰기 편한 CRM을 만든다”가 아니다. “입력이라는 행위 자체를 없앤다”가 된다. Klipy가 이메일·LinkedIn·회의 기록을 자동으로 CRM으로 변환하는 것은 이 진단의 직접적인 귀결이다.

전후의 숫자로 보면 이 재정의 이후 실제로 손을 움직인 기간은 짧다. MVP는 본인이 3개월 만에 완성해 2024년 11월에 출시. 약 1년 8개월 후에는 약 4,000개사에 도달했다. 다만 출처는 월별 추이까지는 공개하지 않아 어느 시점에서 성장이 가속했는지는 추적할 수 없다. 여기는 정직하게 “초기 확산 속도는 확인할 수 있지만, 성장 곡선의 형태는 불명”이라고 적어 둔다.

그리고 이 전환점을 준비한 것은 실패 그 자체가 아니라 실패 이후 보낸 6년이다. 빚을 갚으면서 컨설턴트로서 다른 회사의 시스템 실패를 수없이 관찰한 것이, 다음 사업의 질문 정밀도를 높였다. 본인은 “빚에서 벗어나는 데 약 6년이 걸렸다”고 솔직히 말한다. 성공담이 흔히 생략하는 부분이다.

출시 방식을 분해한다

유입 경로는 하나가 아니라 성격이 다른 여러 개를 병행하고 있다.

출시 플랫폼, Product Hunt, Microlaunch, Reddit, Appsumo. 여기서 특징적인 것은 무작정 내놓은 것이 아니라 “각 플랫폼에서 상위에 오른 사례를 먼저 조사하고, 매력적인 오퍼를 만든 뒤 내놓았다”는 점이다. 노출 장치를 사용하기 전에 그 장치에서 무엇이 평가받는지를 읽고 있다.

라이프타임 딜(일괄 판매). 이익을 내기 위한 수단으로는 다루지 않는다. “라이프타임 사용자는 영구 접근을 기대한다. 즉 우리는 영구적인 테스터를 얻을 수 있다”는 논리로, 핵심 사용자 100명과 제휴사를 확보하기 위한 도구로 자리매김한다. 헐값 판매가 아니라, 장기간 피드백을 계속 돌려주는 층을 먼저 확보하는 투자라는 정리다.

콜드 직접 영업, 초기에는 “결정적으로 중요했다”고 말한다.

LinkedIn 광고, 타겟층과의 적합성이 맞을 때 효과적이다. 경쟁사 사용자에 대한 LinkedIn 경유 접근도 병행하고 있다.

콘텐츠와 SEO, 지원 문서, 유튜브 해설 동영상. 더불어 ‘빌드 인 퍼블릭’으로 만드는 과정을 공개하고 있다. 이는 집객이라기보다 AI 제품에 대한 회의감에 “진짜다”라고 보여주기 위한 수단으로 언급된다.

가격 설계도 한 번에 정하지 않았다. 애드온형, 토큰형, 라이프타임형을 시험한 끝에 최종적으로 “성과 기반 가격(사용자당 토큰)“으로 정착했다. 판단 기준으로 본인이 꼽는 것이 다음 한 문장이다. “우선 과금하고, 그 위에서 충분히 지지받고 있다고 느끼게 한다. B2B에서 사람이 최종적으로 지불하는 것은 기능이 아니라 안심감에 대해서다.” 무료로 쓰게 한 뒤 나중에 과금하는 순서를 취하지 않는다는 선택이다.

잘 풀리지 않은 것

본인이 꼽는 최대 반성은 의외로 절약을 너무 한 것이다. “가장 큰 과제는 3명이서 부트스트랩한 것이었다. 이것이 성장을 상당히 제약했다. 린(lean)하게, 무엇이든 AI로 하는 것에 너무 집중했다. PMF의 조짐이 보인 시점에 좋은 에이전시나 프리랜서를 더 일찍 확보해 뒀어야 했다.” 그러면서 “같은 실수는 두 번 다시 하지 않는다” “확장을 위한 운영 리스크를 너무 안 졌다”고 명언한다.

소수 인원으로 돌리는 것 자체가 목적화되면 수요가 일어난 순간 공급 측이 따라가지 못한다. 이는 ‘작게 시작한다’는 사고방식의 이면으로서 그대로 가져갈 가치가 있는 지적이다.

기술 면에서도 프론트엔드(Next.js)는 처음에는 익숙하지 않아 빠른 반복과 관측 환경 정비로 극복했다고 말한다. 회사 2곳을 매각한 경험이 있어도 새로운 영역에서는 초심자로서 다시 배우고 있다.

어디까지 일반화할 수 있나

재현하기 쉬운 것은 순서의 설계다. 출시할 곳을 고르기 전에 그곳에서 평가받는 유형을 조사하는 것, 일괄 판매를 이익이 아니라 테스터 확보 수단으로 쓰는 것, 무료로 길들이기 전에 과금부터 시작해 지원을 두텁게 하는 것. 모두 자본을 필요로 하지 않는 판단이다. “무료로 받는 피드백의 대부분은 있으면 좋은 정도의 요청이다. 실제로 돈을 내는 고객의 절실한 니즈에 시간의 80%를 써라”는 기준도 규모를 불문하고 적용할 수 있다.

한편 흉내 낼 수 없는 조건도 명확히 있다. 우선 회사 2곳을 매각한 실적과 엔터프라이즈 아키텍처 컨설팅 경험이 과제 정의의 정밀도를 뒷받침하고 있다. 콜드 영업이 초기에 효과를 낸 것도 법인 영업의 맥락을 이해하는 사람이 이야기하고 있기 때문이라고 보는 것이 자연스럽다. 3명 전원이 풀타임으로 움직일 수 있는 상태를 만든 것, 프리시드 투자자가 1곳 붙어 있는 것도 단신의 부업과는 전제가 다르다.

그리고 가장 재현하기 어려운 것은 6년이라는 시간 그 자체다. 빚을 갚으면서 다른 회사의 실패를 계속 관찰한 기간이 있었기에 비로소 “인간의 사고방식과 데이터 저장의 괴리”라는 질문이 나왔다. 이 사례는 “AI CRM이 성공한 이야기”가 아니라, 우회의 기간 동안 무엇을 보고 있었는지가 다음 타석의 정밀도를 결정한 이야기로 읽는 것이 실제에 가깝다.

함께 읽으면 좋은 글

• ScrapingBee가 소규모 SaaS인 채로 매각에 이르기까지
• 광고비 제로로 $1M ARR에 도달한 Plausible의 만드는 법