회사
Swan AI
창업자
Amos Bar-Joseph
매출
연 14억원
웹사이트
자기소개 & 비즈니스 소개
안녕하세요, 저는 Swan AI를 운영하고 있는 Amos Bar-Joseph입니다. Swan AI는 'GTM(Go-To-Market)을 위한 Lovable'이라고 할 수 있어요.
영업, 마케팅, 그리고 창업자들이 모든 GTM(Go-To-Market) 프로세스를 몇 초 만에 에이전트 워크플로우로 전환할 수 있도록 돕는 AI GTM 엔지니어죠.
저는 이전에 두 번의 스타트업 엑싯 경험이 있지만, 그때는 제대로 하지 못했다고 생각해요.
전통적인 방식대로 벤처캐피탈을 유치하고, 빠르게 성장시켜서 인수합병에 성공했지만, 겉으로는 성공처럼 보였어도 내부적으로는 건강하지 못했거든요.
이번에는 다르게 하기로 결심했습니다.
공동창업자 3명과 함께 직원 1인당 약 145억 원의 매출을 달성하는 자율적인 회사를 만들겠다는 목표를 세웠어요. 그리고 약 1년 만에 3명의 공동창업자만으로 거의 14억 5천만 원의 연간 반복 매출(ARR)에 근접했습니다.
창업자 배경과 사업을 시작하게 된 계기
저는 예전에 스타트업을 두 번이나 ‘정석대로’ 키워본 적이 있어요.
벤처캐피탈 투자도 받고, 빠르게 성장시키고, 결국 두 번 다 인수까지 갔죠. 겉으로 보면 꽤 성공적인 이야기처럼 보일 수 있어요.
근데 솔직히 안을 들여다보면 조금 달랐습니다.
제품이 시장에 맞는지도 제대로 검증되기 전에 수십억을 먼저 유치했고, 매출 145억을 찍기도 전에 팀이 40명 넘게 커졌어요.
그리고… 다음 투자를 받기 전까지 버티기 위해, 또 다음 라운드로 이어가기 위해, 약간은 ‘될 것처럼 보이게’ 하면서 계속 시간을 태워왔죠.
결과적으로 두 번 다 인수되긴 했지만, 마음 한쪽에서는 계속 알고 있었습니다.
“이거, 제대로 쌓은 게 아닌데…”
저희는 결국 투자자들의 타임라인에 맞춰 움직이고 있었고, 진짜 오래 갈 수 있는 비즈니스를 만든 게 아니라, ‘성장하는 것처럼 보이는 구조’를 만들어내고 있었던 거였거든요. 몇 년을 그렇게 갈아 넣었습니다.
그래서 한동안은 ‘린하게 간다 = 작게 남는다’라고 생각했어요.
성장하려면 결국 그 방식밖에 없는 줄 알았던 거죠.
하지만 지금은 상황이 달라졌습니다.
AI 에이전트가 나오면서, 적은 리소스로도 돌아가는 비즈니스, 즉 ‘자율적으로 굴러가는 구조’를 만들 수 있는 시대가 온 거예요.
저는 이걸 보면서 확신했습니다.
예전 방식은 점점 힘을 잃고 있고, 새로운 방식이 결국 이긴다는 걸요.
그래서 Swan을 시작했습니다.
첫 제품/서비스를 만들었던 과정
처음에는 저희도 완전히 잘못된 걸 만들었어요.
이 시장에 있는 다른 팀들처럼, 저희도 AI SDR부터 시작했습니다. 자동으로 잠재고객을 찾고, 개인화된 이메일을 보내는, 말 그대로 익숙한 플레이북이었죠. 화이트보드 위에서는 꽤 그럴듯해 보였고, 만드는 것도 어렵지 않았습니다.
그런데 한 고객이 질문 하나를 던졌어요.
“콜드 리드 말고, 웨비나 참석자한테도 이게 작동하게 만들 수 있나요?”
그 질문 하나로 저희가 만든 구조가 한순간에 무너졌습니다.
그때 깨달았어요. 저희는 ‘지능적인 시스템’을 만든 게 아니라, _그럴듯해 보이는 자동화_를 만들고 있었던 거예요. 새로운 사용 사례가 나올 때마다 처음부터 다시 뜯어고쳐야 했으니까요.
그 순간 확실히 알게 됐습니다.
저희가 진짜로 필요한 걸 만들고 있지 않았다는 걸요.
당시 저희는 Swan의 GTM 전체를 직접 운영하고 있었어요. 공동창업자 3명이 전부였고, SDR도 없었고 마케팅 팀도 없었습니다. 결국 저희 자신이 가장 먼저 이 제품이 필요한 사용자였어요. 그래서 저희 전략이 바뀌는 속도만큼 빠르게 따라올 수 있는 무언가가 필요했습니다.
그래서 기존의 딱딱한 워크플로우는 과감히 버렸습니다.
대신 완전히 다른 방향으로 다시 만들기 시작했어요. 미리 정해진 단계만 따라가는 시스템이 아니라, 어떤 GTM 액션이든 상황에 맞게 추론하고 대응할 수 있는 AI를 만들기로 한 거죠.
재구축에는 몇 달이 아니라 몇 주가 걸렸습니다.
저희는 3명뿐이었고, 여유가 없는 팀에게 긴 개발 사이클은 사치였거든요. 그래서 빠르게 만들고, 바로 출시하고, 직접 써보면서 개선했습니다.
결국 저희가 실제로 겪는 불편함과 문제들이 모든 반복의 방향을 정해줬어요.
첫 고객 유치, 유지에 가장 효과적이었던 방법
저희는 Swan을 거의 전부 **유기적인 LinkedIn 콘텐츠**로 키웠습니다.
유료 광고도 없었고, 마케팅 담당자도 없었고, PR 에이전시도 없었어요.
그런데도 첫해에 600만 이상의 노출을 만들었고, 200명 이상의 고객을 확보했습니다.
전부 창업자들이 꾸준히 올린 콘텐츠에서 나온 결과였어요.
LinkedIn은 자연스럽게 저희 퍼널의 ‘최상위’가 됐습니다.
처음 6개월 동안 성사된 모든 거래는
누군가가 포스트를 보고 → 사이트를 방문하고 → 저에게 DM을 보내면서 시작됐어요.
여기서 중요한 건, 콘텐츠가 단순히 “알려지는 역할”만 한 게 아니라는 점이에요.
이미 첫 대화를 시작하기 전에 신뢰를 만들어주고 있었거든요.
그 덕분에 전환율은 올라가고, 이탈률은 낮아지고, 훨씬 더 ‘맞는 고객’이 들어오기 시작했습니다.
그래서 저는 Claude Projects를 활용해서 일종의 ‘AI 콘텐츠 엔진’을 만들었습니다.
이건 단순히 글을 더 빨리 쓰기 위한 게 아니라, 더 잘 생각하기 위한 시스템이에요.
제 콘텐츠의 핵심 주제들(콘텐츠 기둥), 브랜드 톤앤매너, 그리고 성과가 좋았던 포스트들을 전부 Claude Project에 넣어두고 활용합니다.
작업 방식은 꽤 단순합니다.
제가 먼저 아주 거친 아이디어나 인사이트를 던지면, Claude가 그걸 바탕으로
-
어떤 각도로 풀면 좋을지 잡아주고
-
훅을 제안해주고
-
전체 구조를 점검해줍니다
이걸 계속 반복하면서
전략 → 스토리 → 실행까지 같이 다듬어가는 거죠.
하지만 중요한 원칙이 하나 있습니다.
저는 Claude가 혼자 쓴 글은 절대 그대로 올리지 않습니다.
항상 같이 다듬고, 수정해서 결국 ‘제 목소리처럼 들리는 글’만 올립니다.
이 방식이 바로 저희의 해자라고 생각합니다.
비즈니스 운영에 사용하는 툴 & 플랫폼
우리 스택은 한 가지 원칙을 중심으로 구성되어 있어요.
기존 도구에 AI를 덧붙이는 게 아니라, 처음부터 AI 네이티브로 구축하는 것입니다.
엔지니어링 부문에서는 Cursor를 사용해요.
우리 CTO가 예전 같으면 15명 팀이 필요했을 일을 혼자 처리할 수 있게 해주는 AI 코파일럿이죠.
V0 by Vercel은 제품 컨셉을 몇 시간 만에 작동하는 프로토타입으로 바꿔주고, Baz는 사람이 놓치는 부분까지 잡아내는 AI 코드 리뷰 도구입니다.
GTM과 영업에는 당연히 우리 제품인 Swan AI를 사용하고 있어요. 익명 트래픽을 검증된 파이프라인으로 전환하죠. Shortwave는 수백 개의 대화를 완벽한 후속 타이밍으로 관리하는 AI 이메일 에이전트이고, Unipile은 링크드인 자동화 API입니다.
데이터 부문에서는 Explorium을 AI 에이전트용으로 특별히 구축된 B2B 데이터 기반으로 활용하고, Sonar by Perplexity는 멈추지 않는 에이전트 웹 리서치를 제공합니다.
Attio는 단순한 데이터베이스가 아닌 프로그래밍 가능한 CRM이에요. 에이전트 구축에는 n8n, Retool Agents, Base44를 사용합니다.
패턴은 명확해요. 모든 도구는 AI 네이티브이거나 프로그래밍 방식 자동화를 위해 구축된 것들입니다. 사람이 계속 지켜봐야 하는 도구는 하나도 없어요.
처음 창업을 시작하려는 분을 위한 조언
제가 드릴 수 있는 가장 중요한 조언은 이거예요.
AI를 하나의 ‘제품’으로 보지 말고, 반드시 익혀야 할 ‘스킬’로 보세요.
지금 대부분의 창업자들은 기다리고 있습니다.
“더 좋은 AI 도구 나오면 해야지”
“완벽한 사용 케이스 찾으면 시작해야지”
“누가 방법 좀 알려주면 해봐야지”
이렇게요.
그 사이에서 소수의 사람들은 이미 움직이고 있어요.
투박하더라도 일단 만들고, 돌려보고, 망가뜨리고, 다시 고치면서 “진짜 뭐가 되는지” 몸으로 배우고 있습니다.
이게 바로 AI 근육을 키우는 과정이에요.
그럼 실질적으로 뭘 해야 하냐면요.
시스템적으로 생각하는 연습부터 해야 합니다.
프로세스를 단계별로 쪼개고, 도구들이 API나 웹훅으로 어떻게 연결되는지 이해하고,
Make, n8n, Retool 같은 것들을 직접 만져보는 거죠.
솔직히 LLM이 내부적으로 어떻게 돌아가는지는 몰라도 괜찮아요.
중요한 건 워크플로우를 설계하는 능력입니다.
그다음에는 아주 작은 것 하나만 골라보세요.
-
리드 관리
-
미팅 준비
-
고객 문의 분류
뭐든 좋습니다.
그리고 그걸 자동화해보세요.
완벽할 필요 없습니다.
지금 사람이 하는 것의 60% 정도만 해도 충분해요.
일단 만들고 → 어디서 깨지는지 보고 → 고치고 → 다시 돌리는 것, 이 반복이 핵심입니다.
저희가 진짜 크게 깨달은 포인트는 이거였어요.
AI 에이전트는 완벽한 지시보다, ‘피드백 루프’가 더 중요하다는 것.
AI가 계속 수정되면서 배울 수 있는 구조를 만들어두면, 시간이 지날수록 점점 더 똑똑해집니다.
지금 이 근육을 키우는 사람들은 시간이 지날수록 격차가 벌어지는, 일종의 복리 효과를 얻게 될 거예요.
반대로 “AI가 좀 더 좋아지면 해야지”라고 기다리는 사람들은 앞으로 몇 년 동안 이미 먼저 시작한 사람들이 만든 도구를 사면서 따라가게 될 가능성이 높습니다.
그래서 결론은 하나입니다.
준비되기 전에 시작하세요.
이건 항상 맞는 말이지만,
AI 시대에서는 특히 더 맞는 말입니다.