전략 재구성
"네 개의 렌즈, 하나의 전략"

아이데이션 시작 — "상품이 먼저다"

범용 MCP 10개(Work 6 + Wisdom 4) + 타깃 전용 30개 = 총 40개 MCP 후보를 정의했다.
"팔 물건이 없으면 시장도 없다." 상품 라인업을 먼저 확보하고, 그 다음 고객을 찾는다.
핵심 전제: 좋은 상품은 고객을 만든다.

타깃별 — "고객이 먼저다"

개인(10) + 개인사업자(11) + 기업(9) = 30개 MCP를 타깃별로 재설계했다.
"카페 사장님과 CTO가 같은 MCP를 쓸 리 없다." 고객 세그먼트가 상품을 결정한다.
핵심 전제: 고객의 문제에서 상품이 나온다.

인물 — "차별화가 먼저다"

글로벌 비저너리부터 실무 전문가까지 = 22명의 뇌를 MCP로 패키징했다.
"MCP 도구는 6개월이면 따라잡힌다. 잡스의 뇌는 따라잡을 수 없다." 방어 가능한 차별화.
핵심 전제: 복제할 수 없는 것만이 가치 있다.

에이전트 — "시스템이 먼저다"

9개 팀, 55인의 거장이 멀티에이전트로 토론하는 시스템을 설계했다.
"한 명의 의견은 편향이다. 7명의 논쟁이 지혜다." 도구가 아니라 도구들의 협업이 가치.
핵심 전제: 개별 부품보다 조합된 시스템이 가치 있다.

문제 1 — 엔트리 포인트 부재

71개 MCP 후보가 있지만, 고객이 "첫 번째로" 구매할 MCP가 무엇인지 정해지지 않았다.
메뉴판이 40페이지인 식당에 사람은 들어오지 않는다.
[아이데이션 시작]의 실패: 상품을 나열했지만 진입점을 설계하지 않았다.
[타깃별]의 실패: 세그먼트는 나눴지만 세그먼트별 첫 구매 여정을 그리지 않았다.

문제 2 — 업셀 경로 단절

Work MCP → 인물 MCP → 에이전트 MCP는 가치가 상승하는 사다리다.
하지만 고객이 자연스럽게 이 사다리를 오르는 경로가 설계되지 않았다.
저가 도구를 쓰던 사람이 프리미엄 에이전트 팀을 구독하게 만드는 트리거가 무엇인가?
[인물]과 [에이전트]의 실패: 상위 상품은 멋지지만 아래에서 올라오는 계단이 없다.

문제 3 — 프롬프트 대비 차별화 부족

"잡스처럼 생각해줘"라는 프롬프트 한 줄과 유료 인물 MCP의 차이를 고객이 체감할 수 있는가?
체감할 수 없으면 돈을 내지 않는다.
[인물]의 실패: 기술적 깊이(전용 DB + 맥락 엔진)는 주장했지만, 고객 체감 전략이 없다.
[에이전트]의 실패: 멀티에이전트는 기술적 해자지만, 데모가 없으면 "그냥 긴 대화 아니냐"로 귀결.

문제 4 — 타깃 우선순위 미결정

개인, 개인사업자, 기업 — 세 타깃을 동시에 공략할 자원이 없다.
파일럿 시점에 어떤 타깃에 집중할 것인가?
[타깃별]의 실패: 세 타깃을 병렬로 나열했지 우선순위를 정하지 않았다.
개인사업자용 최저가 MCP와 기업용 프리미엄 에이전트 MCP를 같은 팀이 동시에 만들 수 있는가?

문제 5 — PMF 검증 순서 부재

71개 MCP 중 무엇을 먼저 만들어서, 누구에게, 어떻게 검증할 것인가?
파일럿 1(마켓) vs 파일럿 2(자체 생산) — 어디서 시작하는가?
전체의 실패: 아이디어의 양은 풍부하지만 실행의 순서가 없다.
"무엇을 먼저"가 아니라 "무엇을 하지 않을 것인가"를 결정해야 한다.

Tier 0 — Free (무료 체험) R6 수정

목적: 진입 장벽 제거. "뭔지 모르겠는데 일단 써보기"
상품: Surface Depth 기반 맛보기. "프롬프트와 비슷하지만 살짝 다른" 수준 — 기대치 관리 필수
주의: Free가 첫인상이 되면 안 된다. "이것은 맛보기입니다. 진짜는 Mentorship부터." 명시
전환 트리거: 무료 한도 소진 → "더 깊은 판단을 원하시면 Starter로"

Tier 1 — Starter (저가) R6 수정

목적: 첫 결제. "이건 프롬프트로 안 되는 거니까 돈 낼 가치가 있다"는 경험
상품: Core Depth 기반 데이터 연동형 MCP 1개 (● 판정 MCP 중 택 1 — 사용자 인터뷰 후 확정)
핵심: 첫 유료 제품은 반드시 Core. Surface로 시작하면 "ChatGPT랑 같다" → 첫인상 파괴
전환 트리거: 도구적 가치 체감 → "이 도구에 AI 멘토를 붙이면?" → 인물 MCP 탐색

Tier 2 — Pro (중가)

목적: ARPU 상승. 도구 + 인물의 결합
상품: Work MCP + 인물 MCP 1~2인 번들. "데이터 연동형 MCP + 인물 Brain"
전환 트리거: "잡스 혼자 보는 것보다, 잡스랑 베조스가 토론하면?" → 에이전트 MCP

Tier 3 — Enterprise (고가)

목적: 최고 가치. 팀 단위 의사결정 지원
상품: 에이전트 MCP (멀티에이전트 토론) + 커스텀 세션 + 팀 공유
전환 트리거: 팀 전체가 사용 → 연간 계약 전환 → LTV 극대화

파일럿 타깃: 개인 (직장인 기획자/마케터/디자이너)

왜 개인 먼저인가:
- 개인사업자: CAC 대비 ARPU가 낮다. 볼륨 게임인데 초기에 볼륨이 없다
- 기업: 세일즈 사이클이 길다 (3~6개월). 파일럿에서 속도가 안 나온다
- 개인 (직장인): 본인 카드로 즉시 결제. 효과를 느끼면 팀에 전파 → B2B 전환 경로

첫 번째 MCP: "기획서 작성 MCP" 또는 "마케팅 전략 MCP"
이유: 기획자/마케터의 가장 반복적인 고통 — "빈 문서 앞에서의 30분"을 해결

엔트리 시나리오

1단계 (Week 1~2): 엔트리 MCP 무료 체험 (Surface 맛보기) → "프롬프트로는 안 되는 걸 해준다"
2단계 (Week 3~4): 한도 소진 → Starter Tier 전환 → 매일 사용
3단계 (Month 2~3): "이 초안, 잡스라면 어떻게 판단했을까?" → 인물 MCP 추가 → Pro Tier 업셀
4단계 (Month 4+): "팀 전체가 쓰면 좋겠다" → Enterprise 문의 → B2B 전환

번들 설계 원칙

단독 MCP: "도구" → 프롬프트와 비교당한다
도구 + 인물: "코칭 받는 도구" → 프롬프트로 대체 불가
도구 + 인물 + 에이전트: "팀이 토론하는 시스템" → 완전히 다른 카테고리

Phase 1 — MVP (0~6개월) : "한 명으로 증명" R7 수정

왜 마켓(파일럿 1)이 아닌가: 마켓은 셀러가 있어야 돌아간다. 초기에 셀러도 없고 바이어도 없다.
자체 MCP로 먼저 PMF를 검증하고, 그 실적이 마켓 셀러를 유인하는 증거가 된다.

Phase 0 — 검증 (2주):
- 현직 전문가 1명 섭외 (유튜브/블로그 하는 PM 또는 마케터)
- 타깃 사용자 10명 인터뷰 → 상담형 엔트리 MCP 확정

두 트랙 병행:
트랙 A — 두뇌 복제: 전문가 1명 × 6-Layer 인터뷰 14시간 → Core Depth MCP 제작 → 블라인드 테스트 합격 후 출시
트랙 B — 상담형: ● 판정 Work MCP 1개 Core Depth 개발. 데이터 연동 필수인 것으로
먼저 트랙션 나오는 쪽에 올인.

동시 진행: 데이터 플라이휠 설계 (피드백→리뷰→DB 보강 루프) / 소비자 브랜드 네이밍
목표: 유료 500명, MRR $10~25K

만들지 않을 것: 22명 동시(안 함), Surface 선출시(안 함), 블라인드 테스트 전 출시(안 함), 에이전트(Phase 3)

Phase 2 — Scale (3~6개월) : 라인업 확장

Phase 1의 데이터 기반 판단:
- 전환율 > 5% → 같은 구조로 마케터 번들, 디자이너 번들 추가
- 인물 MCP 단독 구매율 확인 → 인물 라인업 확대 (머스크, 베조스, 고딘 등)
- B2B 문의 발생 시 → 팀 기능 + 에이전트 MCP 1개 (마케팅 워룸) 파일럿

이 시점에 파일럿 1 (마켓) 시작: "우리 MCP가 MRR $10K 달성" → 셀러에게 "이만큼 팔린다"는 증거 제시

Phase 3 — Platform (6~12개월) : 마켓 + 에이전트

- 파일럿 1 (마켓) 본격 가동: 외부 셀러 온보딩, 큐레이션 시스템
- 에이전트 MCP 확대: 검증된 인물 MCP를 기반으로 멀티에이전트 팀 구성
- Enterprise 계약 시작: 연간 계약, 커스텀 에이전트 팀 구성
- 개인사업자 시장: Phase 1~2에서 검증된 MCP를 저가 패키지로 재구성

데이터 소스: 유튜브 + 공개 강연 + 팟캐스트 + 공개 인터뷰

성격: 누구나 접근할 수 있는 공개 자료. 비용 제로.
학습 데이터 예시 (잡스 Brain 기준):
- 스탠포드 졸업 연설 (2005) 전문
- Apple 키노트 프레젠테이션 100+ 전문
- D Conference, AllThingsD 인터뷰 시리즈
- 공개 다큐멘터리 (Steve Jobs: The Man in the Machine 등)
- YouTube에 공개된 인터뷰, 패널, Q&A 전체

판단 해상도: 잡스의 공개적 철학과 원칙을 재현. "잡스가 자주 말한 것"을 기반으로 판단.
한계: 공개석상에서의 발언은 정제되어 있다. 실제 의사결정의 맥락, 갈등, 실패 과정은 빠져 있다.

데이터 소스: Depth 1 + 저서 + 전기 + 학술 논문 + 업계 분석

성격: 구매/구독해야 접근 가능한 유료 자료. 취득 비용 발생.
추가 학습 데이터 예시 (잡스 Brain 기준):
- 월터 아이작슨 《Steve Jobs》 전문 (공식 전기, 40시간 인터뷰 기반)
- 브렌트 슐렌더 《Becoming Steve Jobs》 (잡스의 성장 과정 중심)
- 켄 시걸 《Insanely Simple》 (Apple 내부 의사결정 사례)
- 리앤더 카니 《Jony Ive》 (디자인 의사결정 맥락)
- 에드 캣멀 《Creativity, Inc.》 (Pixar에서의 잡스 경영 스타일)
- Harvard Business Review 잡스 관련 케이스 스터디 전체
- 업계 분석 보고서 (Gartner, CB Insights 등 Apple 전략 분석)

판단 해상도: 잡스의 내면적 사고 과정과 의사결정 맥락까지 재현. "잡스가 왜 그렇게 판단했는가"의 이유를 안다.
한계: 저서와 전기는 결국 '타인의 해석'이 섞여 있다. 잡스 본인의 필터링되지 않은 사고는 아니다.

데이터 소스: Depth 2 + 실제 인터뷰 + 측근 증언 + 내부 문서 + 미공개 자료

성격: 직접 취재/인터뷰하거나, 비공개 자료를 확보해야 하는 희소 데이터. 취득 난이도 최상.
추가 학습 데이터 예시 (잡스 Brain 기준):
- 전 Apple 임원/직원 인터뷰 (직접 수행, 의사결정 현장 증언)
- Apple 내부 미팅 메모, 제품 리뷰 세션 기록 (가능 범위 내)
- 잡스와 직접 일한 디자이너/엔지니어의 1:1 증언
- 비공개 이메일, 메모 (공개된 법정 자료 포함)
- 경쟁사(Microsoft, Samsung) 관계자의 교차 증언
- 업계 전문가의 잡스 의사결정 분석 인터뷰

판단 해상도: 잡스의 필터링되지 않은 사고까지 재현. "공개석상에서는 이렇게 말했지만, 실제로는 이렇게 생각했다"를 구분.
차별화: 이 데이터는 우리만 가지고 있다. 경쟁사가 유튜브+책으로 만든 MCP를 따라잡아도, Deep Tier는 복제 불가.

Stage 1 — 데이터 수집 & 정제 (Raw → Clean)

유튜브/팟캐스트:
- Whisper (OpenAI) 또는 자체 STT로 전체 음성 → 텍스트 변환
- 화자 분리(Speaker Diarization) — 인터뷰에서 대상 인물의 발언만 분리
- 타임스탬프 매핑 — "이 발언이 어떤 맥락(질문)에 대한 답인가" 보존

책/전기:
- OCR + 구조화 파싱 — 챕터, 인용문, 직접 발화, 저자 해석을 구분 태깅
- 직접 발화 vs 타인 해석을 명확히 분리 (Core Tier의 핵심 품질)

인터뷰:
- 인터뷰 녹취 → 전사 → 검수 (인터뷰이 확인)
- 비공개 조건 태깅 — 어디까지 MCP에 반영 가능한지 법적 검토
- 교차 검증 — 동일 사건에 대한 복수 증언 비교

Stage 2 — 지식 구조화 (Clean → Structured)

정제된 데이터를 4가지 지식 레이어로 구조화 → R7에서 6-Layer로 업그레이드됨:

Layer 1 — 사실 (Facts):
인물의 이력, 의사결정 사건, 날짜, 결과. "잡스는 1997년 Apple 복귀 후 70%의 제품 라인을 폐지했다."

Layer 2 — 원칙 (Principles):
반복적으로 나타나는 판단 기준. "잡스의 Simplicity Filter — 뺄 수 있으면 뺀다."

Layer 3 — 맥락 (Context):
왜 그 판단을 했는가의 상황적 조건. "1997년의 Apple은 90일 후 파산 예정이었다. 70% 폐지는 생존 판단이었다."

Layer 4 — 갈등 (Tensions):
인물 내부의 모순, 시기별 변화, 공개 발언 vs 실제 행동의 차이. "잡스는 '직관을 믿으라'고 했지만, 실제로는 수백 개의 프로토타입을 테스트했다."

왜 4 레이어인가: Layer 1~2만 있으면 "교과서적 잡스". Layer 3~4가 있어야 "살아 있는 잡스"가 된다.
Surface = Layer 1~2 중심 / Core = Layer 1~3 / Deep = Layer 1~4 전체

Stage 3 — 판단 프레임 추출 (Structured → Frames)

구조화된 지식에서 "이 인물이 의사결정할 때 실제로 거치는 단계"를 추출:

방법:
1. 의사결정 사례 수집 — 인물이 실제로 결정을 내린 모든 사례를 수집 (최소 50개)
2. 패턴 클러스터링 — 유사한 판단 패턴을 가진 사례를 그룹핑
3. 프레임 명명 — 각 패턴을 하나의 판단 프레임으로 정의 (예: "Simplicity Filter")
4. 적용 조건 정의 — 이 프레임이 발동되는 트리거 조건을 명시
5. 충돌 규칙 — 두 프레임이 충돌할 때 어느 쪽이 우선하는지 위계 정의

예시 (잡스 — 5개 핵심 프레임):
- Simplicity Filter → 트리거: 기능/요소 수 > 3 → "이것을 빼면 제품이 죽는가?"
- End-to-End → 트리거: 사용자 터치포인트 검토 → "첫 접촉부터 마지막까지 전부 통제하라"
- Adjacent Possible → 트리거: 신기술/신시장 판단 → "지금은 안 되지만 2년 후에는?"
- 1,000 Nos → 트리거: 새 제안 검토 → "좋은 아이디어도 타이밍이 아니면 No"
- Taste Gate → 트리거: 최종 품질 검수 → "이걸 우리가 자랑스러워할 수 있는가?"

Stage 4 — MCP 서버 임베딩 (Frames → Server)

추출된 판단 프레임을 MCP 서버에 실장하는 기술 아키텍처:

1. Knowledge Base (벡터 DB):
- 4 레이어 지식을 벡터 임베딩 (OpenAI Embeddings 또는 자체 모델)
- 사용자 질문 → 관련 지식 검색 (RAG — Retrieval-Augmented Generation)
- Depth Tier별로 접근 가능한 레이어를 제한 (Surface: L1~2, Core: L1~3, Deep: L1~4)

2. Frame Engine (판단 프레임 실행기):
- 사용자 입력 분석 → 적합한 판단 프레임 자동 선택
- 프레임별 System Prompt 동적 생성 → LLM에 주입
- 복수 프레임 충돌 시 위계 규칙에 따라 우선순위 결정

3. Session Memory (세션 메모리):
- 사용자의 산업, 역할, 이전 질문 이력을 세션에 저장
- "잡스라면 '당신의 상황에서는' 이렇게 판단했을 것" — 개인화된 맥락 매칭

4. Multi-Agent Bridge (에이전트 MCP 전용):
- 각 인물 MCP 서버가 독립 실행 → Orchestrator가 토론 프로토콜 관리
- 발제 → 개별 의견 → 상호 반박 → 수렴의 Debate Protocol을 서버에서 처리
- 에이전트 간 대화 로그를 Knowledge Base에 피드백 → 토론이 축적될수록 품질 향상

안 1 — 관계 은유 (추천)

장점: "이 사람과의 관계 깊이"로 비유하면 직관적. 상위 Tier의 가치가 자명해진다.
UI 예시: "잡스 Brain — Inner Circle" → "잡스의 측근이 된 것처럼 판단을 받습니다"

안 2 — 해상도 은유

장점: 영상 해상도에 익숙한 사용자에게 직관적. "더 선명한 판단"이라는 메시지가 명확.
UI 예시: "잡스 Brain — IMAX" → "가장 선명한 해상도의 판단"

안 3 — 접근 은유

장점: "접근할 수 없는 곳에 접근한다"는 희소성 강조. 프리미엄 느낌.
UI 예시: "잡스 Brain — Private" → "잡스의 개인 서재에 초대된 것처럼"

전략 1 — "Core부터 출시하고, Surface는 무료 데모로" R6 수정

기존: Surface(유튜브)를 먼저 출시.
문제: Surface = 프롬프트와 동일 품질 → "ChatGPT랑 같다" 리뷰 → 첫인상 파괴
수정: 첫 유료 제품은 반드시 Core. Surface는 무료 맛보기 전용.

실행:
- Month 0~1: Surface를 무료 데모로 공개. "맛보기입니다. 진짜는 Mentorship부터." 명시
- Month 1~3: 유튜브 + 저서 데이터 학습 → Core(Mentorship) MVP 출시. 이것이 첫 유료 제품
- Month 3~6: Core 사용자 피드백 수집 + Deep 인터뷰 데이터 축적 병행
- Month 6+: Deep(Inner Circle) 출시. "한정판" 포지셔닝

핵심: 속도보다 첫인상. 3개월 늦더라도 "이건 프롬프트와 다르다"를 자명하게 보여주는 것이 우선.

전략 2 — "Deep 데이터가 해자다"

왜: Surface(유튜브)는 누구나 만들 수 있다. Core(책)도 시간이 걸릴 뿐 가능하다.
Deep(실제 인터뷰)만이 우리만의 데이터다. 이것이 진짜 경쟁 해자.

실행:
- 인터뷰 파이프라인 구축: 인물 본인(생존 시) 또는 측근/전 동료/가족 접근
- 한국 인물부터 시작: 백종원, 나영석, 방시혁 등 → 접근 가능성이 높다
- 글로벌 인물: 전 Apple 직원, 전 Tesla 임원 등 → LinkedIn 네트워크 + 전문 인터뷰어 고용
- 학술 파트너: 경영학과, 저널리즘 스쿨과 협력 → 인터뷰를 학술 연구로 포장하면 협조율 ↑

효과: Deep Tier 인물이 늘어날수록 경쟁사와의 격차가 비가역적으로 벌어진다

전략 3 — "Depth 차이를 체감시키는 데모"

왜: "더 깊은 데이터" → "더 좋은 판단"을 말로 설명하면 안 믿는다. 보여줘야 한다.

실행 — 3단 데모:
같은 질문 ("이 기획서를 잡스라면 어떻게 판단했을까?")에 대해 3개 Tier의 답변을 나란히 보여준다:

Lecture (Surface):
"잡스라면 단순화를 강조했을 겁니다. 핵심 기능에 집중하세요." — 원칙 수준. 교과서적.

Mentorship (Core):
"잡스는 1997년 Apple 복귀 시 제품 70%를 폐지했습니다. 당신의 기획서에서 기능 8개 중 '이것이 없으면 고객이 떠나는 것' 3개만 남기세요. 나머지 5개는 '당신이 만들고 싶어서 만든 것'일 가능성이 높습니다." — 사례 기반. 구체적 판단.

Inner Circle (Deep):
"잡스는 공개적으로는 '직관'을 강조했지만, 실제로는 수백 개의 프로토타입을 만들어 테스트했습니다. '직관으로 정했다'는 말은 '테스트를 다 해봤는데 결국 처음 직감이 맞았다'는 뜻이었어요. 당신도 3개로 줄이기 전에 — 8개 전부를 2주간 사용자 테스트하세요. 그 데이터가 '어떤 3개를 남길지'를 알려줍니다." — 공개 발언 너머의 실제 행동. 반직관적 조언.

효과: 3단 비교를 보면 "아, Deep은 진짜 다르구나"가 설명 없이 체감된다

전략 4 — "인물별 Depth 로드맵"

모든 인물을 동시에 Deep까지 만들 수 없다. 인물별로 Depth 확장 우선순위를 정한다.

해결 — 3단계 상품명 전략

방법 1 — 아키타입 네이밍 (추천):
실명을 상품명에서 빼고, 판단 프레임 자체를 이름으로 쓴다.
"Steve Jobs Brain" → "Simplicity Master MCP"
"Elon Musk Brain" → "First Principles MCP"
"Warren Buffett Brain" → "Moat Finder MCP"
상품 설명에 "잡스의 Simplicity Filter에서 영감을 받은" 정도는 가능 (공정 사용 범위).

방법 2 — 허가 기반 (한국 인물):
백종원, 나영석 등 접근 가능한 인물 → 직접 협의. 이름 사용 라이선스 + 인터뷰 데이터 확보를 동시에.
"백종원 공식 MCP" → 허가 있으면 최고의 마케팅. Deep Tier 데이터도 확보.

방법 3 — 아키타입 + 참조 (절충안):
"Product Visionary MCP — 잡스식 판단 프레임 기반"
이름은 수식어로만, 상품명에는 넣지 않는다. 법적 리스크 최소화.

해결 — "프롬프트보다 낫다"가 아니라 "프롬프트로는 불가능하다"를 찾아야 한다

프롬프트로 절대 할 수 없는 것만이 MCP의 존재 이유다:

1. 외부 데이터 실시간 연동
GA, POS, 광고 API, 네이버 리뷰 크롤링 → 프롬프트에 데이터를 수동으로 복붙? → 불가능
MCP는 API로 직접 데이터를 가져와서 분석한다. 이건 프롬프트가 절대 못 한다.

2. 시계열 추적 + 상태 유지
"지난주 대비 이번 주 기획서 품질이 어떻게 변했는가?" → 프롬프트는 기억이 없다
MCP는 사용자 이력을 서버에 저장하고, 시간에 따른 변화를 추적한다.

3. Multi-Source RAG (200+ 문서 교차검증)
"잡스의 자서전, 전기 3권, 인터뷰 200개, 법정 자료를 교차검증해서 답하라"
→ 프롬프트 창에 이걸 다 넣을 수 없다. MCP는 벡터 DB에서 관련 지식을 실시간 검색한다.

4. 멀티에이전트 오케스트레이션
7명의 에이전트가 각자 다른 지식DB를 참조하며 실시간으로 토론
→ 프롬프트 하나로 "7명인 척" 할 수 있지만, 각자 다른 DB를 참조하는 건 불가능.

결론: 아이데이션 시작 페이지의 "Why MCP" 기준을 "서버가 필요한가?"에서 "프롬프트로 불가능한가?"로 격상해야 한다.
프롬프트로도 가능한 MCP는 상품 가치가 없다.

현재 선택: Proposal Architect (기획서 MCP)

문제점:
- 기획서는 모든 기획자가 매일 쓰는 것이 아니다. 주 1~2회 정도.
- "기획서 아키텍처 자동 설계"라는 말을 3년차 마케터가 이해할 수 있는가? → 바보 테스트 실패
- 기획서 작성은 이미 Notion AI, Gamma, Beautiful.ai 등이 경쟁

대안 검토:

재결론:
"프롬프트로 불가능한가?" 기준으로 보면, TETReS Diagnostics 또는 Competitive Radar가 더 강한 엔트리 포인트.
데이터 연동이 필수인 MCP = "이건 ChatGPT로 안 돼"가 자명.

수정 권고: Phase 1 MVP를 기획서 MCP가 아닌, 데이터 연동형 MCP 1개 + 두뇌 복제 1명으로 재구성.
→ R7에서 "한 명으로 증명"으로 최종 확정. 사용자 인터뷰 후 상담형 엔트리 결정.

해결 — 3단 출력 모드

Mode 1 — Executive Summary (기본값):
결론 1줄 + 핵심 근거 3개 + 액션 아이템 3개. 총 10줄 이내.
"바쁜 임원이 30초 안에 읽고 판단하는" 포맷.

Mode 2 — Structured Report:
합의 사항 / 비합의 사항 / 각 에이전트의 핵심 주장 요약 / 추천 액션.
"팀 미팅에서 공유하는" 포맷. A4 1~2장.

Mode 3 — Full Debate (옵션):
에이전트 간 토론 전문. 현재 문서에 있는 형태.
"왜 이런 결론이 나왔는지 과정을 보고 싶은" 사용자만 선택.

핵심: 기본값이 Mode 1이어야 한다. 대부분의 사용자는 결론만 원한다.
토론 과정은 "신뢰의 근거"로 존재하면 충분하다 — "원하면 볼 수 있다"는 것 자체가 가치.

바보가 이해하는 언어로 번역

바보 테스트 체크리스트

• 5초 테스트: 랜딩 페이지를 5초 보고 "이게 뭐하는 서비스인지" 말할 수 있는가? → "MCP MARKET" 이름으로는 실패. "AI 전문가 도구"로는 통과
• 엄마 테스트: 엄마에게 설명할 수 있는가? "유명한 사람처럼 생각해주는 AI" → 통과. "멀티에이전트 오케스트레이션" → 실패
• 가입 3클릭: 첫 가치 체험까지 3번의 클릭 안에 도달하는가? → 회원가입 → MCP 선택 → 질문 입력 → 답변. 4클릭. 회원가입 없이 체험 가능하게 줄여야 함
• 이탈 시나리오: "이거 ChatGPT에서도 되는데?"라고 생각하는 순간 이탈. → 첫 체험에서 "프롬프트로는 불가능한 것"을 반드시 보여줘야 함
• 재방문 이유: 내일 다시 올 이유가 있는가? → 시계열 추적("어제보다 나아졌습니다") 또는 알림("경쟁사가 새 캠페인 시작")이 필요

수정 권고 — 프론트엔드 vs 백엔드 분리

백엔드: MCP 기술 기반. 서버, API, 벡터 DB, 에이전트 오케스트레이션 — 기술자만 안다
프론트엔드: "AI 전문가 도구". MCP라는 단어를 사용자에게 절대 보여주지 않는다

"MCP MARKET"은 B2B 셀러용 브랜드 (기술 이해하는 개발자/셀러 대상).
소비자용 브랜드는 별도로 만든다 — "AI Mentor", "BrainPick", "Expert.ai" 등.

이미 존재하는 경쟁자

우리만의 것 — 진짜 경쟁 해자 3개

• 해자 1: 판단 프레임 엔진 — Character.ai는 "잡스인 척"하지만, 판단 프레임이 없다. 우리는 의사결정 사례 50+에서 추출한 프레임으로 "잡스의 방식으로 판단"한다. 이건 프롬프트 한 줄과 다르다.
• 해자 2: Deep Tier 독점 데이터 — 실제 인터뷰, 측근 증언은 우리만 확보. 시간이 지날수록 격차가 비가역적으로 벌어진다. Character.ai가 5년을 투자해도 우리의 인터뷰 데이터를 복제할 수 없다.
• 해자 3: Multi-Agent Debate Protocol — 7명의 에이전트가 각자 다른 Knowledge Base를 참조하며 실시간 토론하는 시스템. 기술적 복잡도가 높아 빠른 복제가 어렵다. 단, OpenAI가 이 기능을 네이티브로 추가하면 해자가 약해진다.

탑다운 (위에서 아래로) — 전략 → 상품 → 기능

MCP MARKET 비전 → 두 파일럿 → 71개 MCP → 전략 필터 → Phase 1 (R4 당시 3개 → R7에서 "한 명으로 증명"으로 수정됨)

문제: 71개에서 좁혔지만, 좁힌 근거가 "자원이 부족해서"뿐이었다.
"이 3개가 시장에서 가장 수요가 높다"는 데이터가 없다.
모든 Pain Point가 가정이다. 한 명의 타깃 사용자도 인터뷰하지 않았다.

수정: Phase 1 시작 전, 타깃 사용자 최소 10명 인터뷰 필수.
질문: "지금 업무에서 가장 반복적으로 고통받는 것은?" / "그걸 해결하기 위해 돈을 쓴 적 있는가?"

바텀업 (아래에서 위로) — 사용자 문제 → 솔루션 → 시장

사용자의 실제 여정 (현재 설계):
1. "기획서 쓰기 귀찮다" → 검색: "기획서 AI" → MCP MARKET 발견
2. 무료 체험 → "오, 쓸 만하네" → 구독
3. "잡스처럼 판단해주는 기능도 있네?" → 인물 MCP 추가
4. "팀 전체가 쓰면 좋겠다" → Enterprise

문제점:
- 1번에서 "기획서 AI"로 검색하면 Notion AI, Gamma가 먼저 나온다. 어떻게 유입시킬 것인가?
- 2번→3번 전환이 부자연스럽다. "도구"를 쓰다가 "멘토"를 구독하는 사람이 얼마나 되는가?
- Customer Acquisition Cost(CAC)에 대한 고민이 전혀 없다.

수정:
- 유입 채널 전략 필요: SEO? 유튜브 마케팅? 커뮤니티? 입소문?
- 2→3 전환을 자연스럽게 만들 장치: "이 기획서의 구조를 잡스식으로 재평가하시겠습니까?" → 한 번 클릭으로 인물 MCP 체험
- CAC 추정 + LTV 대비 검증 → 유닛 이코노믹스 설계 필요

해결 — MVP를 Core로 시작하거나, Surface를 무료 한정으로

옵션 A — Core부터 시작:
유튜브 + 책 데이터까지 확보한 후 출시. 3개월 더 걸리지만 체감 차이가 확실.
"첫 제품이 곧 브랜드"다. 첫 인상을 지킬 수 있다.

옵션 B — Surface를 무료 맛보기로:
Surface = 완전 무료. "이것은 맛보기입니다. 진짜는 Mentorship부터."
기대치를 낮추고, Core로 업그레이드할 때 "오, 진짜 다르네"를 체감시킨다.
단, "무료인데도 별로네"가 되면 역효과.

추천: 옵션 A.
시간이 더 걸리더라도, 첫 유료 제품은 반드시 "프롬프트와 다르다"가 자명한 수준이어야 한다.
Surface는 무료 데모 용도로만 활용.

현재 설계된 MCP는 대부분 "필요할 때 쓰는 도구"다.
기획서는 주 1~2회. 경쟁사 분석은 프로젝트당. 잡스 Brain은 고민 있을 때만.
문제: 필요할 때만 쓰는 도구는 구독 해지율이 높다. 월 구독을 유지하려면 매일 돌아올 이유가 있어야 한다.

해결 — 일상 터치포인트 설계:
- 알림형: "경쟁사가 새 캠페인을 시작했습니다" (Competitive Radar) / "이번 주 사고 습관 리포트" (Thinking Habit Tracker)
- 대시보드형: TETReS 스코어 일별 변화 / 마케팅 성과 주간 요약
- 데일리 챌린지형: "오늘의 판단 — 잡스라면?" 하루 1건 의사결정 시나리오 제시

결론: ● 판정 MCP 4개 중 시계열 추적 + 알림이 가능한 것이 리텐션에 유리.
TETReS(일별 스코어 변화)와 Thinking Habit Tracker(주간 습관 리포트)가 가장 강함.

전체 상품이 LLM(Claude, GPT 등) 위에 구축된다.
리스크:
- 모델 가격 인상 → 원가 구조 붕괴
- 모델 품질 저하/변화 → 인물 MCP 판단 품질 변동
- 경쟁 모델 등장 → 더 좋은 모델로 갈아타야 하는데, 프롬프트/파이프라인이 모델 종속적이면 전환 비용 큼

해결:
- 모델 추상화 레이어: 특정 LLM에 종속되지 않는 중간 계층 설계. 모델 교체가 1일 내 가능하도록
- 핵심 자산 분리: 판단 프레임 DB, 인터뷰 데이터, 세션 히스토리는 모델과 무관한 자체 자산. 이것이 진짜 가치
- 멀티 모델 전략: 추론은 저비용 모델, 판단은 고성능 모델로 분리. 원가 최적화

잡스의 판단 프레임은 2011년에 멈춰 있다. AI 시대, 생성형 AI, TikTok 마케팅 — 잡스는 이걸 경험하지 못했다.
"잡스라면 AI 시대에 어떻게 했을까?"는 추론이지 사실이 아니다.

범위 정의가 필요:
- 사망 인물: "이 인물의 프레임을 현재 상황에 적용"이지 "이 인물이 지금 살아있다면"이 아님을 명시
- 생존 인물: 지속적 데이터 업데이트 필요. 머스크의 2024년 판단과 2020년 판단은 다르다
- 실무 전문가: "토스 10년차 PM"은 토스가 변하면 함께 업데이트해야 함

해결:
- 인물 MCP에 "마지막 데이터 기준일" 명시. "이 Brain은 2024년 12월까지의 데이터로 학습되었습니다"
- 생존 인물: 분기별 데이터 업데이트 파이프라인
- 사망 인물: "프레임 적용"이지 "예측"이 아님을 UX에서 명확히. "잡스의 Simplicity Filter로 이 상황을 분석합니다" (O) / "잡스가 이렇게 했을 겁니다" (X)

우리 문서는 Work MCP / Wisdom MCP / 인물 MCP / 에이전트 MCP로 나눴지만,
본질적으로 두 가지 타입으로 나뉜다:

전략적 함의:
- 상담형은 빠르고 확실하다. 정답이 있으니 품질 검증이 쉽다. 하지만 한국 한정 + 가격 천장 낮음.
- 두뇌 복제형은 스케일이 크다. 글로벌 + 고가. 하지만 품질 검증 어렵고, "프롬프트와 뭐가 다르냐" 문제 더 심함.
- 결론: 둘 다 준비하되, 먼저 트랙션이 나오는 쪽에 올인한다.

수정된 Phase 1 — "한 명으로 증명"

두뇌 복제 트랙:
유튜브/블로그를 이미 하고 있는 한국 스타트업 현직 PM 또는 마케터 1명을 섭외.
기존 콘텐츠(유튜브 영상 + 블로그 포스트) + 인터뷰 14시간 → MCP 출시.
목표: 유료 500명, MRR $10~25K

왜 유명인이 아니라 "현직 전문가"인가:
- 잡스/머스크는 법적 리스크 + 접근 불가 + 검증 불가 ("잡스라면 이렇게 했을 것"은 추측)
- 현직 전문가는 접근 가능 + 인터뷰 가능 + 본인이 검증 가능 ("맞아, 나 이렇게 판단해")
- 성공하면 → 유명인 버전도 같은 방법론으로 확장

상담형 트랙 (병행):
● 판정 Work MCP 1개를 Core Depth로 개발. 데이터 연동이 필수인 것으로.
먼저 트랙션 나오는 쪽에 올인.

현재 설계에 빠진 것: 사용자 데이터가 상품을 개선하는 루프.
지금 구조는 "만들어서 팔기"다. 팔고 나면 끝. 이러면 해자가 안 쌓인다.

플라이휠 설계:
사용자 질문 → AI 답변 → 사용자 피드백 (👍/👎 + "이 부분이 아쉬웠어요")
→ 피드백 축적 → 전문가 리뷰 (인물 본인 또는 도메인 전문가)
→ 지식 DB 보강 → AI 판단 품질 개선 → 더 나은 답변 → 더 많은 사용자

3개월 후 얻는 것:
"PM들이 가장 자주 틀리는 의사결정 TOP 10" — 이 데이터는 프롬프트로 복사 불가능.
6개월 후: "이 프레임을 적용한 사용자의 프로젝트 성공률 데이터" — 경쟁사가 절대 못 만드는 것.

Phase별 해자 누적:
0~6개월: 전문가 지식 (약함)
6~12개월: + 사용자 데이터 + 신뢰 브랜드 (중간)
12~24개월: + API 고객 전환 비용 + 네트워크 (강함)
24개월+: + 도구(계산기, 신고서 등) = 겹겹이 해자 (매우 강함)

기존 4-Layer vs 신규 6-Layer

R5에서 설계한 4-Layer(사실/원칙/맥락/갈등)는 부족하다.
대표 분석에서 도출된 6-Layer 모델이 더 정밀하다:

핵심: L1(지식)은 LLM이 이미 안다 → 차별화 가치 없음.
L4(의사결정) + L5(직관)이 전체 가치의 70%. 여기에 인터뷰 시간의 36%를 집중해야 한다.
L6(경계선)은 100% 정확해야 한다 — AI가 "이 인물이라면 절대 안 했을 조언"을 하면 신뢰 붕괴.

인터뷰 플레이북 — 7회 세션 (14시간)

R5의 "4-Stage 파이프라인"을 구체화. 실제 전문가 앞에서 쓸 수 있는 수준으로:

4회(Think Aloud)가 핵심: 실제 케이스를 주고 "소리 내어 생각하기". 판단의 분기점이 드러난다.
5회(Critical Incident): "경력에서 가장 어려웠던 판단 5개"를 깊이 파면 직관의 패턴이 나온다.
7회(역할극): AI가 답변하고 본인이 "이건 내 답이 아니다"를 수정. 최종 품질 게이트.

출시 전 필수 — 3자 블라인드 테스트

같은 질문에 대해 A. 전문가 본인 답변 / B. 우리 AI 답변 / C. ChatGPT 답변을
제3자에게 블라인드로 제시한다. 누가 전문가인지 모르는 상태에서 평가.

합격 기준:
- 60% 이상이 우리 AI를 전문가로 오인 OR "가장 도움 됨"으로 선택
- ChatGPT 대비 "확실히 다르다"고 느끼는 비율 70% 이상

Layer별 품질 기준:
- L1(지식): 정답률 90%+
- L4(의사결정): 전문가 본인 판단과 8/10 일치
- L5(직관): 전문가가 "맞다" 판정 4/5 이상
- L6(경계선): 10/10 거절 — 100% 필수. 하나라도 실패하면 출시 불가

한 문장 전략 (R7 최종)

"현직 전문가 한 명의 두뇌를 14시간 인터뷰로 완벽히 복제하고,
블라인드 테스트로 'ChatGPT와 다르다'를 증명하고,
유료 500명으로 사업을 증명한 뒤 확장한다."

의사결정 요약 (R7 최종)

• 뭘 먼저 하나? — 현직 전문가 1명 섭외 + 타깃 사용자 10명 인터뷰 (2주)
• 두뇌 복제 트랙: — 전문가 1명의 MCP를 6-Layer 인터뷰(14시간)로 제작. "한 명으로 증명"
• 상담형 트랙 (병행): — ● 판정 Work MCP 1개를 Core Depth로 개발. 먼저 트랙션 나오는 쪽에 올인
• 어떻게 차별화하나? — "프롬프트로 불가능한 것"만 만든다 + 블라인드 테스트 합격 전 출시 안 함
• MVP 깊이? — Core로 시작. Surface는 무료 맛보기. 첫인상이 곧 브랜드
• 핵심 지식 구조: — 6-Layer (L4 의사결정 + L5 직관이 가치의 70%). L6 경계선은 100% 필수
• 쓸수록 좋아지나? — 데이터 플라이휠 Day 1부터 설계. 피드백→전문가 리뷰→DB 보강 루프
• 품질 검증? — 전문가/AI/ChatGPT 3자 블라인드 테스트. 60% 오인율 합격
• MCP라고 하나? — 안 한다. "AI 전문가 도구". MCP는 백엔드 기술명
• 해자는 어디서? — 독점 인터뷰 데이터 + 사용자 피드백 데이터. 시간이 갈수록 격차 벌어짐
• 목표: — Phase 1: 유료 500명, MRR $10~25K → Phase 2: 멀티 카테고리 + 영어 → Phase 3: 크리에이터 플랫폼 + B2B
• 뭘 하지 않나? — 22명 동시 개발(안 함), Surface 선출시(안 함), 블라인드 테스트 전 출시(안 함), 플라이휠 없이 출시(안 함)