미국 의료 서비스 입문서

보험의 복잡성을 알아보고, 어려움을 겪고 있는 로스앤젤레스 주택 보험 시장의 발전 상황을 설명하며, 앞으로의 문제점을 살펴봅니다. 로스앤젤레스 화재는 수만 명의 가족에게 엄청난 재앙이었습니다. 연기가 걷히고 재가 가라앉으면서 중요한 질문이 떠오르기 시작합니다: 누가 피해 비용을 지불할 것인가? 왜 대부분의 사람들이 가장 중요한 자산의 가치에 비해 보험에 가입하지 않은 것일까요? 미래의 재난에 어떻게 대비할 수 있을까요? 이러한 질문 중 상당수는 유명 뉴스 매체와 학술 기관에서 질문하고 토론해 왔습니다. 그러나 제공되는 답변은 표면적이고 이해하기 쉬운 수준 또는 세부적이고 엄청나게 기술적인 두 가지 범주 중 하나에 속하는 경향이 있습니다. 이 글은 그 간극을 메우고 로스앤젤레스 화재 참사와 주택 소유에 대한 장기적인 영향에 대해 상세하고 기술적이며 이해하기 쉬운 요약을 제공하는 것을 목표로 합니다. 기업 및 정치적 인센티브, 주택 소유, 보험이라는 주제는 시의적절하고 영향력 있는 주제이며 금융 외적인 부분과도 관련이 있습니다. 그럼 시작해 보겠습니다!  소개 많은 미국인에게 '아메리칸 드림'은 주택 소유로 시작해서 주택 소유로 끝납니다.정부의 주택 구입 지원 프로그램과 패니매 및 프레디 맥과 같은 준정부 기관은 희망이 있는 미국인들에게 모기지 신용을 안정적으로 공급하기 위해 설계되었습니다.결과적으로 이러한 기관이 지원하는 주택 시장은 전체 경제의 재정 건전성을 뒷받침합니다. 실제로 거의 모든 지방 정부와 민간 영리 기업은 세금 납부를 위해 직접적으로 또는 강력한 소비자 수요를 위해 간접적으로 강력한 주택 시장에 의존하고 있습니다.예를 들어, 2008년에는 느슨한 인수 기준과 잘못된 리스크 관리로 인해 주택 시장에 대한 명백한 의존도와 관계없이 모든 산업에서 신용 가용성이 저하되고 수백만 개의 일자리가 위태로워졌습니다. 오늘날 주택 시장은 동일한 유형의 총체적 붕괴에 덜 취약하지만, 높은 이자율로 인해 신규 모기지가 엄청나게 비싸고, 공급 부족으로 인해 첫 주택 구매자의 가격이 상승하거나 구매가 지연되며, 보험 보장 부족으로 인해 기존 주택 소유자가 잠재적 재앙적 손실에 노출되는 등 다양한 이유로 다시 압박을 받고 있습니다[1]. 이자율과 주택 공급 부족은 단기 및 중기적으로 해결할 수 있지만, 현재 보험 솔루션의 구조적 한계로 인해 전체 시스템의 장기적인 생존 가능성에 대한 우려가 제기되고 있습니다. 오늘은 보험의 복잡성을 이해하기 쉽게 분석하고, 어려움을 겪고 있는 로스앤젤레스 주택 보험 시장의 발전 상황을 설명하며, 비판적 논의를 위해 남겨진 향후 문제를 살펴보고자 합니다. 보험 비즈니스 모델 시장 경제에서 구매는 위험한 형태의 거래입니다. 구매자가 새 휴대폰을 현금으로 500달러를 지불하는 경우를 예로 들어보겠습니다. 이 거래는 구매자에게 여러 층의 위험을 초래합니다. 첫째, 구매자가 휴대폰을 사용하려고 할 때 휴대폰에 결함이 있을 가능성이 있습니다. 둘째, 구매자가 다음 날 아침에 새 휴대폰에 커피를 엎질러 회로를 손상시킬 수 있습니다. 마지막으로, 구매자가 휴대폰 매장을 나와서 상자를 확인한 후 휴대폰이 전혀 없다는 사실을 알게 될 수도 있습니다. 이러한 시나리오를 종합하면 각 시나리오에는 특정 확률이 부여됩니다. 가장 간단한 형태로 보험은 각 시나리오의 확률을 결정하고 특정 시나리오가 발생할 경우 구매자에게 경제적 보상 또는 배상을 제공하는 사업입니다. 이 시스템이 작동하는 데에는 몇 가지 이유가 있습니다. 첫째, 휴대폰 구매자에게 500달러는 큰 돈이기 때문에 전액 손실로부터 자신을 보호하기 위해 기꺼이 10달러를 추가로 지불할 의향이 있습니다. 둘째, 보험사는 실제 전손 확률이 10달러 미만이라는 것을 알기 때문에 10달러의 보험금과 예상 전손액의 차이에서 이익을 얻을 수 있습니다. 이 예시를 통해 보험사가 이익보다 손실 확률이 더 높은 계약을 작성하는 사업을 계속할 수 없는 이유를 알 수 있습니다. 개념적으로는 간단하지만 보험은 보험 계약이 작성될 때 보험사의 비용을 알 수 없기 때문에 다른 비즈니스와 근본적으로 다릅니다. 이를 누구나 이해할 수 있는 용어로 설명하기 위해 보험사의 손익계산서를 예로 들어 보겠습니다. 수익은 사람들이 보장을 위해 지불하는 금액(보험료라고도 함)과 투자 수익(나중에 설명하겠습니다)으로 구성됩니다. 비용은 청구 비용이라고 하는 보험금 지급 비용과 영업 및 마케팅 비용으로 구분할 수 있습니다. 위의 예를 들어 구매자가 새 휴대폰 보험에 10달러의 보험료를 지불하여 최초 구매 후 최대 6개월까지 새 휴대폰 교체 비용 전액을 보상받는다고 가정해 보겠습니다. 결과에 관계없이 보험사는 항상 10달러의 수익을 얻게 됩니다. 그러나 6개월이 지나기 전까지는 보험사는 실제 보험금 청구 비용을 알 수 없으며, 대신 정교한 보험 계리 모델을 사용하여 이 금액을 추정해야 하며 이는 최선의 추측이라고도 합니다. 안타깝게도 단일 보험에서 실현된 보험금 청구 비용은 0달러 또는 500달러라는 이분법적인 결과가 나오기 때문에 보험사의 최선의 추측과 절대 같을 수 없습니다. 보험사가 잠재적 수익에 비해 막대한 보험금 지급에도 불구하고 지속적으로 수익을 내기 위해서는 총 예상 손실 확률이 실제 발생한 손실에 근접할 수 있도록 충분한 보험을 작성해야 합니다. 이러한 방식으로 보험은 보험 계약자가 배상을 보장하는 대가로 서로에게 보조금을 지급하는 “공동” 위험 관리입니다. 보험이 기존 비즈니스와 다른 또 다른 점은 자금 조달 구조에 있습니다. 기존 기업은 부채와 자본을 통해 자금을 조달하여 자산을 구매하는 반면, 보험은 소위 '플로트'라고 하는 추가 자금 조달원이 있습니다. 플로트는 회사가 작성한 보험계약에 대해 지불한 모든 보험료의 총액에서 아직 수령하지 않은 보험료를 차감한 금액입니다[2].복잡하게 들릴 수 있지만, 모든 회사는 기술적으로 자체적인 버전의 “플로트”을 가지고 있으며, 이를 “마이너스 운전 자본”이라고 부릅니다.기존 비즈니스에서는 고객으로부터 들어오는 현금을 거의 즉시 공급업체나 직원에게 지급하거나 새로운 재고에 지출하기 때문에 일시적인 초과 자본의 수익 잠재력이 제한됩니다.반면 보험사는 선불 비용이 제한되어 있고 기간이 길기 때문에 징수한 보험료의 현금은 향후 보험 사고의 결과에 따라 지급해야 할 금액으로, 들어오는 보험료는 매출로 생각할 수 있습니다.이러한 역학을 이해하는 것은 주로 자산 측면의 투자와 부채 측면의 보험금 지급 준비금, 미수보험료(미래의 보장을 위해 미리 지급한 돈) 및 부채로 구성된 보험사의 대차대조표를 이해하는 데 매우 중요합니다.  일반적으로 보험사는 규제 자본 요건 충족, 인수, 매력적인 투자처 매각 등 세 가지 이유 중 하나로 부채를 조달하며, 보험사는 항상 언더라이팅 수익을 창출하는 것이 목표이지만 일반적으로 합산 비율((청구 비용 + 판매 및 마케팅 비용) / 수입 보험료)을 100% 미만으로 달성하고 유동성 투자 수익으로 수익성을 높이는 데 활용합니다. 반면, 재해 보험은 일반적으로 좋은 해에는 합산 비율이 낮고 나쁜 해에는 예외적으로 높은 비율을 보입니다. 이러한 변동성으로 인해 산불, 허리케인, 홍수는 주택 보험에서 더 복잡하고 비용이 많이 드는 위험 요소가 됩니다. 재보험 손실 예측과 관련된 어려움으로 인해 보험 회사는 또 다른 보안 계층을 추가하기 위해 재보험이라는 자체적인 손실 보호 장치를 찾는 경우가 많습니다. 일반 보험이 개별 보험 계약자 수준에서 공동 위험 분담 메커니즘을 제공하는 것처럼 재보험은 보험 회사 수준에서 유사한 상품을 제공합니다. “원보험사” 또는 ‘양도 보험사’라고 하는 최초 보험사는 재보험사와 계약을 체결하여 보험의 위험을 공유합니다. 이러한 계약은 일반적으로 비례 재보험과 비비례 재보험의 두 가지 방식으로 구성됩니다. 비례 재보험은 기본적으로 재보험사가 기본 보험 위험의 일정 비율을 소유하고 그 결과 그에 상응하는 순보험료를 지급받는 것을 의미합니다. 비(非)비례 재보험에서는 재보험자가 개별 보험 또는 보험 포트폴리오에 대해 특정 한도를 초과하는 모든 비용을 부담하는 데 동의합니다. 이러한 유형의 계약은 종종 여러 재보험사에 판매되며 원보험사의 좌꼬리 하락을 제한하는 데 사용되어 모든 위험이 동시에 실현 손실로 전환되는 “퍼펙트 스톰” 청산 이벤트의 가능성을 줄입니다. 재보험사는 관리 인수 부담 없이 보험료를 받는 것 외에도 특정 손실 임계값을 초과하는 공동 손실 충당금과 함께 계약을 구조화하여 보상하는 보험사와 인센티브를 조정합니다.   간단히 설명하기 위해 보험사가 연간 보험료가 50,000달러인 주택 소유자에게 1백만 달러의 보험을 제공하는 비례 및 비비례 재보험의 예를 살펴봅시다. 50% “쿼터 공유” 비례 계약의 경우 재보험사는 잠재적 책임 50만 달러를 인수하는 대신 연간 보험료로 2만 5,000달러를 벌게 됩니다. 반면, 비비례 계약의 경우 재보험사는 최대 $1백만 달러까지 $200,000를 초과하는 모든 손실을 보장하는 데 동의합니다. 따라서 총 손실이 70만 달러인 경우 주 보험사가 20만 달러를 지불하고 재보험사가 나머지 50만 달러를 보상합니다. 또한 재보험사는 일반적으로 고객이 지불한 보험료의 고정 비율을 통과하는 대신 인수하는 위험에 대한 대가로 연간 일시불로 지급하는 협상을 진행합니다. 이 두 가지 경우 모두 기본 보험 계약자는 1백만 달러의 보험금을 받지만 보험 회사 차원에서 책임이 나뉩니다. 마지막으로, 주 보험사가 파산한 경우 개별 보험계약자는 주 보험사를 '경유'하여 재보험사로부터 직접 보험금을 수령할 수 없다는 점에 유의해야 합니다. 이렇게 하면 보험 계약자가 재보험사에 양도한 보험금 규모에 따라 보험금 수령 결과가 크게 달라질 수 있습니다. 보다 공평한 결과를 얻기 위해 파산 재산은 대신 재보험 보상금을 징수한 다음 파산 우선 순위 규칙에 따라 모든 보험 계약자 또는 채권자에게 수익금을 ...

OpenAI 심층 분석 1부에서는 OpenAI가 얼마나 중요한지 말씀드렸습니다. 2부에서는 중요한 만큼 복잡할 수 있다고 말씀드렸습니다. 3부에서는 그 복잡성만큼이나 흥미로울 수 있다는 점을 덧붙이겠습니다. 투자를 흥미롭게 만드는 것은 바로 이 모든 것의 사고 실험입니다. 우리는 미래에 대해 생각하고, 그에 따라 베팅하고, (희망적으로) 돈을 벌 수 있습니다. OpenAI와 같은 회사에게 이러한 사고 실험은 매우 흥미로운 일입니다. 제가 OpenAI에 대해 확실한 예측을 해줄 수 있기를 바란다면 잘못 찾아오셨습니다. 확률론적 사고에 대한 찰리 삼촌의 명언을 떠올려보세요: “이 기초적이지만 약간은 부자연스러운 확률의 수학을 레퍼토리로 삼지 않으면 엉덩이 차기 시합에 출전한 외다리 남자처럼 평생을 살게 됩니다. 다른 모든 사람에게 큰 이점을 주는 것이죠. 제가 오랫동안 함께 일해 온 [워렌] 버핏 같은 사람의 장점 중 하나는 의사 결정 트리와 순열과 조합이라는 기초 수학의 관점에서 자동적으로 사고한다는 점입니다.” 그래서 저는 “OpenAI의 미래”라는 글을 쓰는 대신. 저는 “OpenAI의 확률론적 미래”라는 글을 쓰겠습니다. 그러기 위해서는 OpenAI의 미래가 가장 많이 의존하는 변수를 정리해야 합니다(제가 놓친 부분이 많을 수도 있습니다. 결국 제 생각일 뿐이죠). 이러한 질문(스펙트럼으로 생각해야 합니다)은 다음과 같습니다: 1. 비용 구조: OpenAI가 추구하는 수직 통합과 비용 구조 개선이 얼마나 성공할 수 있을까요? 2. 비즈니스 모델: OpenAI는 모델을 통해 어떻게 수익을 창출하며, 이러한 모델이 얼마나 상품화될 수 있을까요? 3. 시장: AI 애플리케이션 시장의 최종 상태(규모, 시장 점유율, 수익성)는 어떤가요? 4. 제품: 모델의 지능을 어떻게 활용하고 에이전트의 행동을 현실화할 수 있나요? 5. 가치 평가: OpenAI의 가치를 어떻게 평가하나요? 이러한 변수 중 첫 번째는 수직 통합입니다: 1. 비용 구조: 모든 것을 소유하거나 시도하다 죽거나! (물론 시도하다 죽지는 않을 것입니다. 수백억 달러를 모금했으니 어차피 다 소유하는 게 낫겠죠!) 역사상 그 어떤 산업보다 초기 단계에 있는 AI에 더 많은 자금이 유입되고 있습니다(지난 4년간 VC 자금은 4,500억 달러로 추정되며, 닷컴 버블 당시의 2,560억 달러와 비교했을 때). 즉, 역사상 그 어느 산업보다 많은 자본이 경쟁하고 있습니다. 이러한 환경에서 경쟁 우위를 구축하는 것은 어려운 일이며, 이를 위해 OpenAI는 AI 스택의 위아래로 수직 통합을 추구하고 있습니다. 스타게이트와 OpenAI의 칩 노력에서 보았듯이, 스택 아래로 내려갈수록 비용 우위와 하드웨어 수준에서 경쟁하는 데 필요한 통제력을 확보할 수 있습니다. 대부분의 경쟁업체는 맞춤형 하드웨어(Google, Amazon, Meta) 또는 데이터 센터(xAI 및 하이퍼스케일러)에서 우위를 점하고 있습니다. OpenAI는 하드웨어를 충분히 제어할 수 없기 때문에 경쟁에서 밀릴 수밖에 없습니다. 그러나 OpenAI는 자체 데이터 센터나 하드웨어 없이도 생존할 수 있습니다. 애플리케이션을 선도할 수 있을까요? 이는 ...

이 글의 목표는 매우 간단합니다. OpenAI를 설명하는 것입니다. 기술. 비즈니스 모델. 현재 상태. 이 글은 세 개의 섹션으로 구성되어 있습니다: 1. OpenAI의 기술에 대한 입문(딥러닝, LLM, 추론, 에이전트) 2. OpenAI의 비즈니스 분석(비즈니스 모델, 수익, 경쟁사) 3. 시장 통계 및 경쟁 환경 첫 번째 글이 OpenAI의 역사라면 이번 글은 현재이며, 마지막 글은 미래(또는 적어도 미래를 위해 제가 생각하는 질문)가 될 것입니다. OpenAI의 역사를 다시 한 번 살펴보기 위해 여기까지 오게 된 과정을 살펴보겠습니다: 1. OpenAI의 기술 먼저 고백할 것이 있습니다: 저는 원래 OpenAI의 기술에 대해 수천 자에 달하는 글을 썼습니다. 하지만 기술에 대한 이해가 부족하다고 느꼈습니다. 제가 내린 결론은 이것이었습니다. 어떻게 여기까지 왔는지에 대한 이야기 없이 LLM을 설명하기는 정말 어렵다는 것이었습니다. LLM에 대해 자세히 알아보려면 제가 추천하는 세 가지 자료가 있습니다: 1. Stephen Wolfram의 “ChatGPT는 무엇을 하며 왜 작동하는가?” 2. 3Blue1Brown의 딥러닝 및 LLM에 관한 시리즈 3. Andrej Karpathy의 ChatGPT와 같은 LLM에 대한 심층 분석 4. 보너스: 저녁 식사 자리에서 “잠깐만요, 다시 설명해 주시겠어요?”라고 반복해서 묻는 Devansh와 몇 시간 동안 대화를 나눴습니다. AI의 개념화 → 수십 년간의 연구 → 딥러닝의 획기적인 발전 → 주의력 및 변환기 → 초기 LLM → ChatGPT → 추론 → 에이전트 등으로 압축된 AI의 진화 과정을 살펴볼 수 있습니다. 이러한 각 단계는 LLM을 위한 빌딩 블록을 제공했으며, 저는 아래의 핵심 아이디어를 추출하기 위해 최선을 다할 것입니다(그리고 제 기사를 즐기려면 틈새 시장과 호기심 많은 동료가 필요하다는 것을 잘 알고 있습니다. 지금 고개를 숙여도 괜찮습니다!) AI의 뿌리 AI의 핵심 아이디어는 일상적인 인간 작업의 자동화와 인간 유사성 추구입니다. 계산기는 인공 지능의 한 형태였고, 그다음에는 메인프레임, 그다음에는 소프트웨어, 그리고 지금은 LLM으로 발전했습니다. 컴퓨팅의 진화를 통해 우리는 앨런 튜링이 인공지능에 대해 처음 설명한 것에 점점 더 가까워지고 있습니다: “우리가 원하는 것은 경험을 통해 학습할 수 있는 기계입니다...[기계가 스스로 명령을 변경할 수 있는] 가능성이 이를 위한 메커니즘을 제공합니다.” 1940년대에 오늘날 AI 시스템의 기초가 되는 신경망이 이론화되었습니다. 신경망은 튜닝할 수 있는 다이얼처럼 '노드'의 레이어로 구성된 모델입니다. 신경망은 여러 노드 간의 관계를 “가중치”를 부여함으로써 복잡한 시스템을 모델링할 수 있습니다. 일반적으로 '노드'가 많을수록 더 복잡한 시스템을 모델링할 수 있습니다. 이러한 모델은 복잡한 시스템의 데이터로 학습됩니다. 목표는 실제 데이터와 예측 데이터 사이의 '손실 최소화'입니다. 일반적으로 더 많은 데이터가 제공될수록 더 나은 모델을 만들 수 있습니다. 신경망이 실용적으로 발전하는 데는 수십 년이 걸렸습니다. 현대 딥 러닝은 빅 데이터의 부상과 Nvidia GPU의 병렬 컴퓨팅 능력이라는 두 가지 잠금 해제에 의해 탄생했습니다. 2012년에 인공 신경망의 성능을 크게 향상시킨 AlexNet의 돌파구가 열렸습니다. 한 가지 중요한 혁신은 GPU로 워크로드를 병렬화하는 것입니다. 최신 AI 시스템 - LLM의 블랙박스 AI의 다음 구성 요소는 지금은 유명한 “주의만 있으면 된다”라는 2017년 Google의 논문에서 발표된 트랜스포머였습니다. 여기서 핵심 아이디어는 '주의'를 통해 단어의 의미에 문맥을 통합할 수 있다는 것입니다. 예를 들어, '떠다니다'는 물 위에 떠다니다, 루트비어 수레, 퍼레이드 수레, 심지어 구름 위를 떠다니는 것을 의미할 수 있습니다. 트랜스포머는 이러한 의미를 단어에 통합하는 메커니즘을 제공합니다. LLM은 먼저 주어진 데이터 세트(프롬프트)를 토큰(단어 조각과 같은 작은 데이터 비트)으로 나누고, 해당 단어의 의미(임베딩)를 벡터(데이터 열)에...

처음부터 제너레이티브 밸류의 목표는 세계에서 가장 중요한 기업과 산업을 연구하는 것이었습니다. OpenAI를 그 범주에 넣는 데는 많은 상상력이 필요하지 않습니다. 그들은 이 모든 것을 시작했고, 세계에서 가장 가치가 높은 AI 스타트업이며, 스타게이트, 반도체, 로봇 공학, 데이터 센터, 재단 모델, 에이전트 등 많은 쿠키 항아리에 손을 댔기 때문입니다. AI를 이해하기 위해 공부해야 할 회사가 하나 있다면 바로 OpenAI입니다. 이것이 바로 GV 역사상 가장 상세한 심층 분석이 될 것이며, 여러 파트로 구성된 시리즈가 될 이유입니다. 이 회사에 꼭 필요하기 때문입니다. 이 글은 OpenAI에 대한 멀티 파트 시리즈 중 첫 번째 글입니다. 이번 편에서는 OpenAI의 배경과 역사를 다루고, 다음 편에서는 기술, 비즈니스 모델, 그리고 회사의 미래에 대한 제 생각을 다룰 예정입니다. 가능한 한 상시적으로 연재하기 위해 회사 심층 분석에 사람들이 가져가야 할 교훈에 대한 새로운 섹션을 추가하려고 합니다. “우리의 임무는 세상의 모든 일을 따라잡는 것이 아니라 몇 가지 현명한 일을 찾아내는 것입니다."라는 Charlie의 말처럼 세상의 지혜를 얻을 수 있을 것입니다. 세상의 지혜 1. “적절한 장소, 적절한 시간” -> ”적절한 장소, 적절한 시간이 될 때까지 충분히 오래 살아남아라.” OpenAI가 설립되고 ChatGPT가 출시되기까지 7년이라는 시간이 걸렸고, 그때도 그들은 놀라움을 금치 못했습니다. 엔비디아가 15년 동안 CUDA를 구축한 후 AI가 본격화되기 전에도 같은 일이 벌어졌습니다. 클라우드는 30년 이상 걸렸고, AI라는 개념은 컴퓨터만큼이나 오래 전부터 존재해 왔으며, 로봇 공학은 아직 'ChatGPT의 순간'을 보지 못했을 정도로 '기술 실현 시간'은 예측하기 거의 불가능해 보입니다. “적절한 장소, 적절한 시기"라는 용어가 많이 사용됩니다. 회복탄력성이 뛰어난 사람들은 그 때가 될 때까지 충분히 오래 버틴다고 말하는 것이 더 정확합니다. 2. 특별한 사람들이 특별한 회사를 만든다 위의 핵심 용어는 “회복탄력성 있는 사람”입니다. OpenAI가 어떻게 성공할 수 있을지에 대한 구체적인 내용은 명확하지 않았습니다. OpenAI가 설립되던 2015년에 볼 수 있었던 것은 세계 최고의 혁신가들이 이 조직 주변에 모여 있었다는 사실입니다. 일리야, 그렉, 샘, 일론, 그리고 세계 최고의 투자자들이 모두 이 회사와 인연을 맺고 있었습니다. 3. 힘의 법칙을 과소평가하지 마세요 대부분의 사람들은 200억 달러의 기업가치가 비싸다고 생각했습니다. 실제로 CBInsights가 선정한 비상장 유니콘 중 200억 달러의 가치를 지닌 기업은 13개에 불과합니다. OpenAI는 최근 1,570억 달러의 가치를 평가받았으며 조만간 더 높은 가치를 인정받을 것으로 보입니다. 핵심은 긍정적인 피드백의 개념, 즉 장점의 복합화입니다. 일단 복리가 시작되면 멈추기가 어렵습니다. 4. 무료와의 경쟁은 어렵습니다. 데이터 산업에 관한 제 포스팅을 읽어보셨다면 오픈 소스의 한계에 대해 이야기한 것을 보셨을 것입니다. 더 많은 통제권, 더 저렴한 서비스, 더 많은 혁신 등 업계에는 멋진 일입니다. 하지만 비즈니스 모델에 있어서는 경쟁자이자 수익을 창출하려는 기업 모두에게 잔인한 일입니다. 파운데이션 모델에서도 같은 상황이 벌어지고 있습니다. OpenAI의 모든 성공에서 가장 큰 문제는 지속 가능한 비즈니스 모델을 어떻게 만들 것인가인데, 오픈소스는 이를 훨씬 더 어렵게 만듭니다. 그렇다고 모든 것을 잃은 것은 아니지만, 이는 OpenAI가 직접 판매 관계를 맺거나 ChatGPT에서 상위 모델만 제공하는 등 첨단 모델을 중심으로 해자를 구축할 다른 방법을 찾아야 한다는 것을 의미합니다. 5. 충분히 멀리 보면 큰 아이디어만 중요하다. “장기적으로는 높은 수준이 가장 중요하다는 믿음으로 우리가 관리할 수 있는 한 높은 수준으로 논의를 유지합니다."라는 닉 슬립의 말을 투자 관련 맥락에서 처음 들었습니다. OpenAI는 무엇을 만들 것인지에 대한 명확한 아이디어도 없었고, 주요 후원자를 잃었으며, 수익이 보이지 않는 상태에서 수십억 달러를...

소개 컴파운딩 거북이를 검색할 때, 연쇄 인수 기업은 추가 심사를 위한 좋은 출발점으로 입증되었습니다. 유기적 성장과 함께 새로운 회사를 인수하는 것만으로도 두 자릿수 성장을 이어갈 수 있기 때문입니다. 최고의 연쇄 인수 기업은 단기적인 사고보다 기업가 정신과 기업 문화를 우선시하는 매우 유능한 경영진에 의해 운영됩니다. 자회사 수가 늘어날수록 탈중앙화는 인수한 기업에게 지속적인 자율성을 제공하는 궁극적인 방법입니다. 따라서 연쇄 인수자는 재정적으로 튼튼해야 할 뿐만 아니라 모방하기 어려운 견고한 문화적 정신도 갖춰야 합니다. 위에서 언급한 바와 같이 매력적인 M&A 대상을 찾는 과정이 두 자릿수 복리의 플라이휠을 작동시키는 원동력입니다. 연쇄 인수자들은 성공을 위해 자본 집약도가 낮고 내부 자기자본수익률(ROIC)이 높으며 수익성이 높고 유기적인 성장 분야를 갖춘 방어적인 비즈니스를 선택하는 경향이 있습니다. 높은 ROIC는 이전 글에서 설명한 것과 정확히 일치합니다. 사모펀드와 달리 연쇄 인수자는 일반적으로 기업의 영구 소유주이기 때문에 이자율이 높거나 낮더라도 출구 전략(기업 인수, 업그레이드, 매각)이 없으므로 방해가 되지 않습니다. 간단한 수학 방정식 기업 인수를 통해 얻을 수 있는 수익은 무엇인가요? 역사적으로 연쇄 인수자들은 EBITDA에서 정기적인 감가상각을 공제한 EBITA의 약 7~8배를 지불했습니다. 법인세율 20%를 기준으로 할 때, 이는 1년 차에 10%에서 11.4%의 비레버리지 ROI로 해석할 수 있습니다. 여기에 3~5%의 유기적 성장률을 더하면 M&A의 ROIC는 일반적으로 14%에서 16% 사이입니다. 여기서 문제가 발생합니다. 일정한 거래 배수와 유기적 성장률에 대한 가정은 현실에서는 통용되지 않습니다. 1. 연쇄 인수자가 규모가 커지고 더 큰 거래에 집중하게 되면 ROIC는 하락하는 경향이 있습니다. 다르게 표현하면, 매년 동일한 상대적 성장률로 성장하는 데 더 많은 '비용'이 든다는 뜻입니다. 2. 재무 항목 이전의 전체 NOPAT/순환 잉여현금흐름이 인수에 사용되거나 사용될 수 있다는 보장은 없습니다. 따라서 연쇄 인수자는 잠재적 인수 대상에 대한 데이터베이스와 노련한 M&A 팀을 구축하여 수많은 기회가 발생할 경우 신속하게 대응할 수 있어야 합니다. 3. 유기적 성장률은 전체 경제 성장률과 높은 상관관계를 보이는 경향이 있습니다. 몇 년간의 경제 침체 또는 위축은 복리 가정에 영향을 미칠 가능성이 높습니다. 세 번째 요소와 관련하여, 연쇄 인수자 자회사의 내부 ROIC에 따라 특정 유기적 성장률을 달성하는 데 필요한 현금 유출이 결정된다는 점에 유의해야 합니다. 연쇄 인수자가 인수에 대한 12%의 ROI와 40%의 유기적 ROIC를 가지고 있다고 가정해 보겠습니다. 세테리스 파리부스의 경우, 1년간 4%의 유기적 성장을 달성하려면 연쇄 인수자의 NOPAT 중 10%를 비즈니스에 재투자해야 합니다. 그런 다음 남은 90%의 NOPAT는 M&A에 할당됩니다. 외부 자금 조달을 가정하기 전의 총 주주 ...