AI 기업 인수에서는 ARR보다 코드부터 봐야 하는 이유

X 아티클(2026-08-20 게시) 원문 앞부분(약 6,400자)을 읽고 옮겼어요. 뒤쪽 교훈들은 수집 범위 밖이라 partial로 표시해요. 작성자는 이해관계가 있다고 스스로 밝혀요.

문제 제기

재무 실사(매출 질, 고객 집중도, 이탈 코호트, 단위 경제성, TAM)와 전통 SaaS의 기술 실사(코드 품질, 인프라 확장성, 보안 감사)는 수십 년간 검증된 플레이북이에요. 하지만 AI 기업은 전통 SaaS가 아니라고 해요. "독자 기술"이 남의 모델 API 호출 위에 프런트엔드를 얹은 것일 수 있는 세상을 위해 만든 플레이북이 아니라는 거예요.

표준 플레이북은 회사가 얼마를 버는지 알려 줘요. 회사가 파는 걸 직접 만들었는지는 알려 주지 못해요.

그래서 제목이 "forget about the ARR"이고, AI 기업을 평가하려면 스프레드시트를 잊고 코드베이스를 열어야 한다고 말해요. 작성자는 PE 투자 기업에 AI 네이티브 엔지니어를 파견하는 Limestone 창업자로, "독자 AI"라고 쓴 피치덱 뒤의 코드베이스를 수백 개 열어 봤고 일부는 진짜였지만 대부분은 아니었다고 해요.

교훈 1: 피치덱은 설정 파일이다

한 PE가 인수 직전 AI 기업 검토를 맡겼어요.

• 피치덱: "proprietary AI platform"
• 데이터룸: ARR 420만 달러, 전년 대비 40% 성장
• 경영진 발표: "foundational model architecture" 슬라이드 14장

코드베이스를 열어 보니 "독자 모델"은 temperature 0.2로 설정한 gpt-4o였고, 시스템 프롬프트, React 프런트엔드, 시니어 엔지니어가 주말이면 다시 만들 600줄의 접착 코드가 전부였어요. 모델도, 학습 파이프라인도, 독자 데이터도 없었어요. 매출의 12배를 요구했고, PE는 그날 안에 발을 뺐다고 해요. ARR과 고객과 성장은 진짜였지만 AI는 진짜가 아니었다는 거예요.

Bain도 같은 결론

Bain & Company는 2023년 PE 실사용 전문 엔지니어링 역량을 만들었어요. AI 코드 생성 도구로 대상 회사 소프트웨어의 기능 복제품을 바이브코딩해 보고, 경쟁 우위가 코드·데이터·워크플로 설계·마케팅 덱 중 어디에 있는지 평가해요. Bain 글로벌 PE 부문장 Rebecca Burack은 이를 "2D와 3D로 보는 차이"라고 표현했고, 적어도 한 사례에서 PE가 Bain 프로토타입이 핵심 로직의 재현 가능성을 보여 준 뒤 분석 플랫폼 입찰을 철회했다고 해요.

정리

Bain은 복제품으로 재현 가능성을 시험하고, 작성자 쪽은 코드베이스를 열어 재현할 독자적인 것이 있는지 시험한다고 해요. 앞의 회사는 독자 모델 로직이 0이었고 해자는 시스템 프롬프트와 API 키였다며, "그건 IP가 아니라 월 청구서가 붙은 설정 파일"이라고 말해요. 재무 지표에만 집중하면 서류상 좋아 보이고 기술 검토에서 무너지는 딜로 끌려가고, "무엇을 만들었나", "다른 누가 더 싸게 만들 수 있나"를 보면 첫 주에 딜을 접는 결정도 할 수 있다고 해요.