[해시드와 AI 창업자②] AI 롤플레잉 채팅 플랫폼 엘린

엘린은 2024년 9월 출시된 서비스다. AI 리서처(인공지능 연구원) 출신인 박정환 대표가 19세에 개발했다. 엘린은 공격적인 마케팅보다 고품질 AI 답변 제공에 집중하고 있다. 박 대표를 만나 해시드와 함께하며 달라진 점과 향후 계획 등을 들어봤다.

AI에 관심을 갖게 된 계기는

고등학생 때 친구들의 영어 공부 방식을 보며 비효율적이라고 느낀 적이 있다. 시험 범위 지문을 통째로 외우거나 수십 장의 프린트를 뽑아 빈칸 문제를 반복해서 푸는 식이었다. 이에 지문을 입력하면 자동으로 문제를 생성하고, 화면을 터치하며 학습할 수 있는 AI 서비스를 만들면 좋겠다고 생각했다.

챗GPT 등장 직전부터 자연어처리(NLP)를 공부하기 시작했고, 직접 서비스를 만들어 친구들에게 배포했다. 반응도 상당히 좋았다. 서비스를 운영하면서 자연어처리가 미래 기술이라는 확신을 갖게 됐다.

AI 학습에는 그래픽카드(GPU)가 필요하다는 이야기를 듣고 장비를 구매하기도 했다. 이후 해외 게임을 하면서 번역 품질 문제를 체감했다. 일부만 한국어로 번역돼 있었고, 나머지는 영어 문장이나 어색한 기계 번역이 많았다. AI 번역 모델을 만들어봐야겠다고 생각했고, 논문과 학습 방법을 집중적으로 찾아보며 개발에 뛰어들었다.

완성한 번역 모델을 인터넷 커뮤니티에 배포했다. 예상보다 반응이 컸고 조회수도 수십만 회를 기록했다. 시험 기간에도 하루 종일 번역 모델을 개발할 정도로 몰입했다. 몇 달간 연구를 이어가면서 AI 모델 개발 역량이 빠르게 성장했다. 이후에는 번역 모델을 넘어 챗GPT와 같은 범용 AI 모델 연구까지 영역을 확장하며 본격적으로 AI 리서치 분야에 뛰어들게 됐다.

엘린은 왜 개발했나

고등학생 시절 인턴 제안과 입사 제안을 받으면서 다양한 회사 경험을 할 기회가 있었다. 회사에서 실무를 경험하는 한편 주말에는 업계 관계자들을 만나며 AI 스타트업 시장을 가까이서 지켜봤다. 하지만 당시 국내 AI 업계 분위기에 대해서는 아쉬움도 컸다.

2022~2023년 AI 열풍이 이어지면서 기존 서비스에 AI 기능만 덧붙인 뒤 대규모 투자를 받는 사례가 많았다. 하지만 실제로는 기술적 차별성이 크지 않은 경우도 적지 않았다. 글로벌 AI 기업의 기술 발전에 따라 쉽게 대체될 수 있는 서비스들도 많다고 느꼈다. 서비스 자체의 본질적인 가치보다 비즈니스 관계 중심으로 시장이 움직이는 모습도 적지 않았다.

개인적으로는 AI 리서치와 모델 성능 개선에 흥미를 느꼈다. 그러던 중 AI 캐릭터 채팅 커뮤니티를 접하게 됐는데, 이곳 이용자들은 모델 성능을 매우 세밀하게 분석하며 사용하고 있었다. 특정 모델이 어떤 표현을 자주 사용하는지, 문체와 어휘 특성은 어떠한지 분석할 정도로 대규모 언어모델(LLM)에 대한 관심과 이해도가 높았다.

이에 직접 개발한 모델을 이용자들에게 제공하고, 피드백을 반영해 다시 모델을 학습시키는 과정을 반복했다. 모델 성능이 개선될 때마다 이용자 반응이 즉각적으로 나타났고, 어떤 부분이 좋아졌는지와 아쉬운 점이 실시간으로 반영되는 경험을 했다. 좋은 모델 성능이 곧바로 이용자 만족으로 이어지는 시장이라는 점에 큰 매력을 느꼈다.

당시 글로벌 시장에서 AI 캐릭터 채팅 서비스 중 하나가 약 8조원 수준의 기업가치를 인정받고 있다는 점도 인상적이었다. AI 캐릭터 채팅 시장이 리서처 입장에서 기술적으로도 흥미롭고, 동시에 충분한 시장성까지 갖춘 분야라고 판단했다.

무엇보다 해당 시장은 성능이 결과로 직결되는 ‘정직한 시장’이라고 느꼈다. 모델 성능이 좋아지면 이용자 반응도 즉각 긍정적으로 변화했다. 반대로 성능 개선 없이 마케팅만 강화한다고 해서 서비스의 본질적 가치가 높아지는 것은 아니라고 봤다. 장기적으로 경쟁력을 갖춘 서비스를 만들기 위해서는 리서치와 엔지니어링 역량이 핵심이라는 확신이 들었고, 이러한 점이 엘린과 같은 서비스를 만들어야겠다고 결심한 배경이 됐다.

엘린이 다른 AI 롤플레잉 채팅 플랫폼과 다른 점은

엘린은 장기간 채팅 기반의 대형 시뮬레이션 구조로, 단일 캐릭터와의 대화가 아니라 세계관 안에 다수의 캐릭터가 존재하고 이를 경험하는 방식이다. 엘린은 AI의 기억력과 출력(응답) 품질을 최우선 가치로 두고 이를 지속적으로 개선하는 데 집중하고 있다.

글로벌 기준에서 AI 캐릭터 채팅 시장은 채팅 단가가 점점 낮아지는 방향으로 이동하고 있다. 채팅 자체는 거의 무료에 가깝게 제공되고 추가 기능으로 수익을 확보하는 구조다. 반면 엘린은 상대적으로 고가지만 고품질 중심의 방향성을 지향하고 있어 서비스 간 객단가 격차가 점점 벌어지고 있다.

현재는 AI 서비스 전반에서 품질의 중요성이 점점 강조되고 있다. 이용자 입장에서는 다양한 서비스를 경험한 뒤 비용을 지불할 때 고품질 서비스를 선택하는 경향이 나타난다. 무료 중심 서비스는 비용이 분산되는 구조지만 유료 고품질 서비스는 지불한 가치가 직접적으로 체감되는 구조라는 인식이 형성되고 있다.

AI의 기억력과 출력 품질은 어떻게 높일 수 있는지

기억력 개선은 순수 연구 영역에 가깝다. AI가 이용자의 발화를 어떻게 기억할 것인지에 대한 연구는 다양한 논문으로 축적돼 있으며 지속적으로 발전하고 있다.

AI는 입력을 숫자 배열 형태로 받아 처리하고 출력 또한 그에 기반해 생성되기 때문에, 입력 단계에서 어떤 정보를 어떻게 구성해 넣을 것인지가 핵심이다. 특히 채팅 히스토리를 어떻게 효율적으로 담아낼 것인지가 중요한 연구 주제다.

입력 배열의 크기를 줄이면서도 중요한 정보를 최대한 보존하는 방식이 필요하다. 이용자 질문과 맥락을 어떤 형태로 압축해 모델에 전달할 것인지에 대한 연구가 활발하게 이뤄지고 있다. 이와 관련된 논문과 연구도 지속적으로 발표되고 있으며, 이를 서비스 구조에 맞게 적용하는 작업이 핵심이다.

외부 LLM을 활용하더라도 해당 모델에 어떤 입력을 어떻게 구성해 전달하느냐가 성능을 좌우하는 중요한 전략이다. 이러한 입력 설계와 콘텍스트(맥락) 구성 방식이 기억력과 출력 품질을 결정하는 핵심 요소라고 생각한다.

출력 품질을 높이기 위해서 이용자의 채팅 히스토리는 단순히 나열되는 것이 아니라, 일정한 방식으로 구조화돼 입력된다. 캐릭터에 대한 정보, 이용자가 생성한 캐릭터 설정, 원하는 서술 방식과 같은 추가 지시 사항들이 함께 결합돼 LLM 모델에 전달된다.

여기에 엘린만의 자체 프롬프트(입력 지시문)가 한 번 더 전체 입력을 감싸는 구조다. 해당 프롬프트는 모델에게 역할을 부여하고, 어떤 방식으로 응답해야 하는지, 어떤 유형의 표현은 지양해야 하는지 등을 정의하는 롤플레잉 전용 지침으로 구성돼 있다. 이 프롬프트는 자체적으로 설계된 규칙 세트로, 이를 어떻게 구성하느냐에 따라 AI의 응답 경향성과 말투, 서술 방식이 달라질 수 있다.

다만 일정 수준의 최적화는 가능하지만, 전체 출력 품질을 좌우하는 가장 큰 요인은 여전히 모델 자체의 성능이다.

내부 성과지표는 무엇인가

세션당 평균 턴수를 중요한 지표로 보고 있다. 평균 턴수는 한 세션에서 사용자와 AI가 주고받는 채팅 횟수를 의미하며, 이 수치가 높을수록 기억력과 대화 지속성이 우수하다고 평가하고 있다. 또한 이용자가 하나의 캐릭터에 얼마나 깊게 몰입해 대화를 이어가는지를 보여주는 핵심 지표로 보고 있다.

기억력과 평균 턴수는 직접적으로 연결돼 있다. 기억력이 부족하면 이전 대화 내용을 충분히 반영하지 못해 대화가 자연스럽게 이어지기 어렵다. 결과적으로 대화가 짧게 종료될 가능성이 높다. 반대로 과거 대화를 잘 기억할수록 이용자가 더 많은 맥락을 기반으로 대화를 확장할 수 있어 턴수가 증가하게 된다.

수익 모델은

이용자가 채팅을 보낼 때마다 사용하는 LLM에 따라 비용이 달라지는 구조다. 이용자는 내부 결제 수단인 오브를 충전해 사용하며, 1오브는 약 1.4원 수준이다. 엘린은 이 오브에 수수료를 붙이는 방식으로 수익을 창출하고 있다. 현재 손익분기점(BEP)을 넘겼다.

또한 엘린에는 공식 계약 관계와 별개로 약 100명 정도의 작가들이 활동하고 있다. 이들은 창작 의욕에 따라 세계관과 캐릭터를 설정하고 콘텐츠를 올리고 있다. 작가들은 20~30개 이상의 캐릭터를 만들고 설정값과 세계관, 웹소설 형태의 콘텐츠를 구성한다.

수익 배분 구조는 사용된 오브 기준으로 일부는 작가에게 지급되고, 나머지는 엘린이 가져가는 형태다. 가령 100오브가 사용될 경우 약 5오브는 작가에게 지급되고, 나머지는 엘린의 몫이다. 다만 이 중 상당 부분은 LLM 사용 비용으로 지출된다.

엘린의 다음 과제는 무엇인가

이용자들이 어떤 LLM으로 AI 캐릭터 채팅을 할지 가격에 따라 선택할 수 있는 구조다. 엘린 역시 자체 LLM을 제공하고 있으며, 향후에는 이 비중을 100%에 가깝게 높이는 것이 목표다. 현재 사용 비중은 약 10% 미만 수준이다.

클로드나 제미나이 수준의 고성능 모델을 목표로 하고 있다. 이를 위해 그래픽 처리 장치(GPU) 인프라와 자체 데이터센터 구축이 필요하다. 이에 필요한 비용은 약 50억원 수준으로 예상하고 있다. 향후 투자 유치가 이뤄지면 LLM 개발을 완성 단계까지 끌어올릴 수 있을 것이다.

자체 모델을 보유하는 것이 향후 핵심적인 경쟁력이 될 거라 생각한다. 경쟁사의 경우 외부 LLM 의존도가 높아 비용이 점점 증가할 수밖에 없는 구조인 반면, 자체 모델을 확보하면 비용 구조를 안정화할 수 있다. 또한 외부 LLM의 성능 한계로 구현되지 못하는 기능이나 플레이도 가능하게 될 것이다.

자체 LLM으로 내부 부가 기능들을 구현하고 있다. 가령 채팅이 발생하면 내부 기업 시스템에서 해당 내용이 요약되고 저장되는 과정이 필요한데, 이러한 내부 기억 시스템의 동작을 담당하고 있다. 또한 이용자가 검색을 수행했을 때 결과를 보다 적절하게 가져오는 로직 역시 처리하고 있다.

해시드 바이브코딩 프로그램에는 왜 도전했나

김서준 대표를 직접 만나면서 엘린에 대한 이해와 열정이 매우 깊다고 느꼈다. 당시 가장 큰 과제였던 서비스 운영을 함께 고도화해 줄 능력 있는 프로덕트 매니저(PM)의 부재를 해결할 수 있는 기회라고 판단했다. 특히 창업 경험까지 갖춘 인물이라는 점에서 많은 것을 배우고 성장할 수 있는 환경이라고 생각했다.

또한 해시드가 보유한 다양한 포트폴리오와 엘린을 연결할 수 있는 가능성도 크다고 봤다. 해시드와 함께할 때와 그렇지 않을 때의 미래를 비교해 봤을 때, 단순히 캐릭터 채팅 서비스로 머무르는 것과 달리 더 다양한 방향으로 확장될 수 있는 차이가 있다고 판단했다. 다른 콘텐츠 자산(IP)이나 프로덕트(제품) 영역까지 확장할 수 있는 가능성이 열릴 수 있다고 보고 도전에 참여하게 됐다.

해시드와의 협업으로 엘린은 무엇이 달라졌나

현재 창업팀은 소규모 구조로 운영되고 있는데, 협업을 통해 새로운 방식의 업무 과정과 제품 개발 방식에 대해 통찰을 얻을 수 있었다. 또한 다른 팀들이 프로덕트를 어떻게 만들어가는지 가까이에서 관찰하면서 내부적으로도 기준과 방향성을 재정립하는 데 도움이 됐다.

엘린 내부 개발자 역시 초기에는 역할과 필요성에 대한 고민이 있었지만, 프로그램에 참여하면서 다른 참여자들과의 교류를 통해 자신이 맡아야 할 역할과 방향을 더 명확하게 찾아가는 변화가 있었다.

AI 리서처 출신 창업자에게 있어 바이브코딩이란

초기에는 주변 사람들에게 ‘이건 무조건 된다’는 확신으로 팀을 모아 서비스를 시작했지만, 실제로 운영을 해보니 업무 분배와 개발 진행이 원활하지 않고 기능이 제대로 구현되지 않는 문제들이 많았다.

하지만 지금은 필요한 기능이 생기면 다음 날 바로 구현되는 수준으로 개발 속도와 방식이 달라졌다. AI 서버 개발이나 인프라 작업 등도 과거처럼 사람을 반드시 구해야 하는 영역이라기보다, 필요성을 정의하면 빠르게 실행할 수 있는 구조로 변화했다.

이제는 ‘사람이 없어서 못 한다’는 말이 더 이상 변명이 되기 어려운 환경이 됐다. 실제로 대부분의 코드 역시 AI가 작성하는 형태로 개발이 이뤄지고 있다. 아주 사소한 수정까지도 직접 코드를 수정하기보다 AI를 활용해 처리하는 방식으로 바뀌었다.

바이브코딩에 기반한 창업을 꿈꾸는 이들에게 조언한다면

만들고자 하는 서비스가 무엇인지가 매우 명확해야 한다. 무엇을 만들고 싶은지에 대한 정의가 선명해야 하는 것이다. AI가 특정 기능을 ‘못한다’기보다는 기획이 충분히 구체화되지 않은 경우가 많다. 점점 더 정교하게 생각을 정리하고 명확한 기획으로 발전시키는 과정이 중요하다.

또한 서비스를 만들었을 때 실제로 사람들이 사용할 것인지에 대한 판단도 기획 단계에서 함께 이뤄져야 한다. AI에게 어떤 방식으로 요청할지 프롬프트를 설계하는 과정 자체도 기획력의 일부라고 볼 수 있다.

밑바닥부터 무언가를 만들 때는 외부 자극을 최소화한 상태에서 머릿속 시뮬레이션을 충분히 돌리며 구체적인 설계를 문서화하는 과정이 중요하다. 기능 구조와 동작 방식, 발생할 수 있는 문제와 대응 방식까지 미리 상상하고 정리한 뒤 이를 기반으로 작성하면 실제 구현 가능성이 높아진다.

창업자 생태계는 어떻게 변화할까

초반에는 바이브코딩의 영향으로 1인 창업자가 크게 늘어날 것으로 보인다. 다만 이러한 흐름이 장기적으로 지속되기는 어렵다.

과거처럼 개인이 모든 것을 직접 만드는 방식보다는, 자본을 가진 개인이 팀이나 조직을 구성해 생산성을 극대화하는 형태로 변화할 가능성이 크다. 농사에 비유하자면, 개인이 직접 모든 땅을 경작하는 방식보다 넓은 땅을 확보하고 사람을 고용해 효율적으로 운영하는 방식으로 전환되는 구조다.

이러한 변화 속에서 기업의 형태도 점점 펀드처럼 변할 가능성이 있다. 즉, 아이디어를 가진 창업자에게 자본을 제공하고, 그들이 만들고 싶은 것을 만들 수 있도록 지원하는 구조가 확대될 수 있다. 이 경우 투자와 창업의 경계가 흐려지고, 기업 단위에서 창업자들을 직접 흡수하는 형태가 늘어날 수 있다. 또한 개인 창업자가 단독으로 성공하기보다는, 일정한 조직이나 플랫폼 안에서 활동해야 성과를 내는 구조로 변화할 가능성도 높다고 생각한다.

향후 1년 내에 엘린의 목표와 계획은

우선 자체 LLM 모델 비중을 확실히 확대하는 것이다. 동시에 이용자가 단순 채팅을 넘어 다양한 방식으로 가치를 소비할 수 있는 구조를 만드는 것을 목표로 하고 있다. 현재는 이용자가 더 많이 채팅을 하고 싶어도 하루에 일정 금액 이상을 쓰기 어려운 구조다. 소비 경험 자체를 확장하는 방향이 필요하다고 보고 있다.

또한 해시드와의 협업을 기반으로 외부 IP와의 연결 가능성도 중요한 확장 축으로 보고 있다. 가령 유명 웹툰이나 캐릭터, 또는 공식적인 형태의 IP를 엘린에 도입해 콘텐츠 범위를 넓히는 방식이다.

장기적으로는 채팅이라는 행위 자체의 물리적 한계를 넘어서는 방향을 고려하고 있다. 채팅 외에도 랜덤 뽑기 등 여러 콘텐츠를 결합해 이용자가 더 많은 방식으로 몰입하고 소비할 수 있는 환경을 만드는 것이 목표다.

글. 바이라인네트워크
<이수민 기자>Lsm@byline.network