스타트업 경영 코치 수드입니다.
지난 6월 'MVP 설계 4단계 그레이드' 발행 후 가장 많이 받은 질문은 "요즘 실제로 성공한 MVP” 관한 것이었습니다. 이에 최근 2년 내 가장 가파르게 성장한 세 곳의 MVP를 정리했습니다.
세 기업 모두 첫 제품의 스펙은 아주 단순했습니다. 핵심은 무엇을 구현했느냐가 아니라, '무엇을 과감히 포기했는가'에 있었습니다.
오늘 포스팅은 세 팀의 군더더기 없는 MVP 설계 방식과 최초 100명의 고객을 검증한 구체적인 전략을 다룹니다.
1. 승부처는 첫 제품(MVP)
가) 초기 스타트업의 냉혹한 현실
테크42가 집계한 국내 스타트업 폐업 통계에 따르면 폐업 기업의 69%가 업력 3년 미만, 92%가 초기 투자 단계에 머물러 있습니다.
이는 기술력이 부족해서가 아니라, 시장의 선택을 받아야 할 '첫 제품(MVP)'이 문턱을 넘지 못하고 멈춰 선다는 뜻입니다.
나) 2026년 급성장 기업 3곳의 공통점
최근 2년 내 출시되어 폭발적으로 성장한 세 곳의 첫 제품을 분석했습니다.
① 고등학생 둘이 만든 칼로리 계산 앱 (Cal AI)
② 두 번 실패한 끝에 타깃을 바꿔 성공한 앱 제작 도구 (Lovable)
③ 맥(Mac) 전용으로 시작해 회의실을 장악한 메모 앱 (Granola)
세 회사 모두 첫 제품은 놀라울 정도로 단순했으며, 무엇을 추가했는지 보다 무엇을 과감히 덜어냈는가가 뚜렷했습니다.
2. 폭발적으로 성장한 3가지 MVP 사례
가) 사례 1 — Cal AI: 사진 한 장, 기능 하나, 외부 투자 0원
① 무엇을 만들었나: 음식 사진을 찍으면 칼로리와 영양 성분을 분석해 주는 단일 기능 앱입니다. 식단 커뮤니티, 운동 기록, 코치 매칭 등 부가 기능은 일체 배제했습니다. 당시 18세 고등학생이던 잭 야데가리(Zach Yadegari)와 헨리 랭맥(Henry Langmack)이 2024년 3월 코딩을 시작해 5월에 출시했으며, 개발 기간은 두 달 남짓이었습니다.
② 성과 지표: 출시 4개월 만에 다운로드 10만 건 및 매출 100만 달러(약 13억 원)를 달성했고, 2025년 연 매출은 약 3,000만 달러(약 400억 원)를 기록했습니다. 외부 투자 유치 없이 월 총이익 약 140만 달러를 내며 매출만으로 회사를 키워낸 대표적인 부트스트랩(Bootstrap) 성공 모델입니다.
③ 무엇을 안 만들었나 (덜어내기): TechCrunch에 따르면 Cal AI는 OpenAI와 Anthropic의 범용 이미지 인식 모델을 그대로 활용하고, GitHub에 공개된 음식 칼로리 데이터베이스를 결합해 두 달 만에 시장에 진입했습니다. 마케팅 역시 대형 광고 대신 건강·식단 분야 마이크로 인플루언서를 대상으로 CPM(1,000회 조회당 비용) 5달러 기준을 설정해 철저한 가설 검증 실험으로 집행했습니다.
나) 사례 2 — Lovable: 두 번의 실패 후 고객을 바꿔 ARR 1,000만 달러 돌파
① 무엇을 만들었나: 자연어로 설명하면 웹 애플리케이션 코드를 즉각 구현해 주는 서비스입니다.
② 두 번의 상용화 실패: 2023년 6월 창업자 안톤 오시카(Anton Osika)가 주말 프로젝트로 공개한 오픈소스 'GPT-Engineer'는 GitHub에서 별 5만 2천 개를 받으며 폭발적인 관심을 모았습니다. 그러나 2024년 8월 이를 웹 서비스(gptengineer.app)로 유료 출시했을 때 성장은 멈췄습니다. 코드를 다룰 줄 아는 개발자들에게는 무료 오픈소스만으로도 충분했고, 굳이 유료 웹 서비스를 구독할 유인이 없었기 때문입니다.
③ 세 번째 출시에서 바꾼 것: 2024년 11월, 사명을 'Lovable'로 변경하고 재출시했습니다. 기반 기술은 유지하되 타깃 고객을 완전히 재정의했습니다. 개발자가 아닌 '코드를 전혀 모르는 일반인이 아이디어를 제품으로 구현하는 도구'로 포지셔닝을 전환했습니다.
④ 성과 지표: 재포지셔닝 60일 만인 2025년 2월 ARR(연환산 반복 매출) 1,000만 달러를 돌파했고, 7월 1억 달러, 11월 2억 달러를 넘어섰습니다. 30일 리텐션은 85%에 달했으며, 2025년 7월 시리즈 A에서 18억 달러 기업가치를 인정받았습니다.
다) 사례 3 — Granola: 맥(Mac) 전용, 미팅 봇 제외, 첫 타깃은 VC
① 상식을 뒤집은 역발상: 2023년 창업 당시 화상회의 메모 시장에는 '회의 봇'을 화면에 띄워 녹음하는 도구들이 이미 포진해 있었습니다. 그러나 공동 창업자 크리스 페드레갈(Chris Pedregal)은 봇을 과감히 없앴습니다. 회의실에 봇이 들어오는 순간 참가자들이 심리적 부담을 느끼고 대화의 온도가 얼어붙는다는 점에 주목했기 때문입니다.
② 첫 제품의 형태: 맥북 자체 오디오를 조용히 받아 적고, 사용자가 대충 휘갈겨 적은 메모를 회의 종료 즉시 정갈한 요약 노트로 변환해 주는 기능만 담았습니다. 윈도우 지원, 모바일 앱, 음성 원본 저장 기능은 모두 제외했습니다. 덕분에 줌(Zoom) 미팅뿐 아니라 대면 미팅, 캐주얼 티타임, 전화 통화까지 모든 대화를 자연스럽게 커버할 수 있었습니다.
③ 선명한 첫 100명의 정의: 시드 투자 425만 달러를 유치한 후 1년 동안 일반 대중에게 제품을 공개하지 않고 150명의 벤처캐피털(VC) 심사역들에게만 독점적으로 제공했습니다. 미팅 빈도가 압도적으로 높고 네트워크 파급력이 큰 VC들이 제품의 열성 팬이 되자, 그들이 만나는 스타트업 창업자들에게로 자연스럽게 바이럴이 이어졌습니다. 2024년 5월 정식 출시 당시 주간 사용자(WAU)는 5,000명에 불과했으나 10주 차 리텐션 50%를 기록하며 압도적인 제품 지속성을 입증했습니다.
3. 세 회사의 결정적 공통점 3가지
가) \[공통점 1\] 한 문장으로 설명되는 단일 가치 제안
- Cal AI: "사진 찍으면 칼로리"
- Lovable: "말하면 앱 완성"
- Granola: "회의 끝나면 노트 완성"
첫 제품에 접속사 '그리고'가 붙어 기능이 두 개 이상으로 늘어나는 순간, 고객은 기대치를 설정하지 못하고 창업자는 어떤 기능 때문에 이탈이 발생하는지 원인을 추적할 수 없게 됩니다.
나) \[공통점 2\] 기존 인프라와 오픈소스의 스마트한 조립
Cal AI는 외부 파운데이션 모델(LLM)과 공개 영양 데이터베이스를 결합했고, Lovable은 자체 오픈소스 자산을 재구성했으며, Granola는 표준처럼 여겨지던 '회의 봇' 부품을 오히려 제거했습니다. 세 팀 모두 첫 제품 개발에 3개월 이상을 허비하지 않았습니다.
다) \[공통점 3\] 실체가 존재하는 명확한 첫 사용자
세 팀 모두 '2030 직장인'이나 '일반 대중' 같은 모호한 타깃을 설정하지 않았습니다.
- Cal AI: 틱톡에서 식단 영상을 찾아보며 칼로리 계산에 피로를 느끼던 사용자층
- Lovable: 아이디어는 명확하나 개발 역량이 전무했던 1인 창업가 및 기획자
- Granola: 하루 8시간 이상 미팅을 소화하며 기록 정리가 절실했던 VC 투자자들
4. \[인사이트\] AI 시대 MVP 패러다임의 전환
과거 소프트웨어 MVP가 "기술적으로 직접 구현 가능한가(Feasibility)"를 확인하는 엔지니어링 중심의 검증이었다면, 인프라가 고도화된 2026년의 MVP는 "어느 유통 채널과 구체적 페르소나를 공략할 것인가(Distribution)"의 설계 싸움입니다.
가) 기술 스택의 모듈화
자체 엔진을 처음부터 개발하는 데 수개월을 쏟는 것은 시장 출시만 늦출 뿐입니다. 이미 검증된 API, 오픈소스, 노코드 도구를 레고 블록처럼 연결해 핵심 기능 하나만 빠르게 구현해야 합니다.
나) 유통 경로의 제품화
Granola가 VC 생태계의 네트워크 효과를 이용하고, Cal AI가 틱톡 바이럴 구조를 첫날부터 설계한 것처럼, 첫 제품의 스펙 안에는 '어떤 좁은 통로를 통해 전파될 것인가'가 반드시 포함되어 있어야 합니다.
5. 핵심 요약
가) MVP는 기능이 적은 제품이 아니라, '한 문장으로 설명되는 단 하나의 가치'다.
나) AI 엔진과 인프라는 조립해 쓰고, 개발 기간은 최대 3개월을 넘기지 않는다.
다) 첫 고객을 구체적으로 특정한다. 반응이 없다면 기능을 더할 게 아니라 타깃 고객을 바꾼다.
