신규 직원을 오직 문서 자료—이메일, 문서—만으로 온보딩하는 상상을 해보세요. 대화 없이 진행되면, 가장 똑똑한 사람조차 중요한 맥락과 정보를 놓치기 쉽습니다. 특히 회의나 1:1 면담에서 배제된다면, 정보 격차는 더욱 커집니다. 이 도전 과제는 공동 창업자 데이빗 구와 아만다 주에게 Recall. ai라는 API 인프라스트럭처 회사를 만들게 하는 계기가 되었습니다. 수천 명의 개발자가 대화 데이터를 수집하고 처리할 수 있도록 하는 이 회사는, AI 에이전트의 발전에도 불구하고 같은 장애물을 직면합니다. 대부분의 회사 맥락이 존재하는 대화에 접근하지 못하면, 최고의 AI조차도 인간만큼 원활히 업무를 수행하기 어렵기 때문입니다. Recall. ai는 HubSpot, ClickUp, monday. com, PagerDuty 같은 기업들이 겪는 이 절실한 인프라 문제를 해결하며 그 필요성을 충족시키고 있습니다. 우리의 사례 연구 시리즈는 AI와 SaaS 리더들이 어떻게 AI 기반 솔루션을 성공적으로 구축했는지 그들의 통찰력을 실질적 프레임워크로 정리합니다. Recall. ai에 대한 신념을 바탕으로, 우리는 CEO 데이빗 구와의 인터뷰를 통해 그들이 어떻게 인프라 문제를 사업 기회로 전환했는지, 그리고 그들이 바랐던 공급자가 됐는지 이야기했습니다. Recall. ai의 여정: 고통에서 플랫폼으로 Recall. ai가 나오기 전, 데이빗과 아만다는 사용자 연구원과 제품 담당자를 위한 영상회의 녹화 제품을 운영했습니다. 수요는 증가했지만, 그들은 약 80%의 시간을 신뢰할 수 있는 회의 데이터 확보라는 번거로운 백엔드 작업에 소모했습니다. 그들은 ‘이긴 곳이 없다’는 딜레마에 직면했습니다. 뛰어난 인프라는 눈에 띄지 않지만, 낙후된 인프라는 치명적인 데이터 손실과 불만 고객을 초래하기 때문입니다. 데이빗은 이렇게 말합니다. “제품 회사에서는 인프라가 완벽할 때 고객은 기능을 원하고, 실패하면 고객이 화내죠. 인프라가 좋다고 칭찬받지도 못하고, 나쁘다고 욕먹기만 하는 상황이죠. ” 기술적 난제도 컸습니다. 회의는 빡빡하게 몰리고(예: 서부 시간대의 오전 9시 데일리 스탠드업), 즉시 확장 가능한 인프라, 실시간 데이터 처리, 무결점 데이터 손실 방지가 필요했습니다. 조금이라도 실패하면 고객을 잃게 되는 상황. 데이빗은 인프라에 과투자(보이지 않는 수익)하거나 과소투자(이탈 위험)를 할 수 없어, 좌절과 고통 속에 갇힌 듯했지만, 바로 이 고통이 그들의 신호였던 겁니다. 영감의 원천: 인프라 전문성과 AI 기회 만남 2022년 GPT-3. 5와 기타 대형 언어모델(LLM)이 발전하면서, 몇 년 전만 해도 불가능했던 제품들이 등장하기 시작했습니다. 데이빗은 말합니다. “LLM은 인프라 구축과 유지의 고통을 해결하지 못합니다. ” 기업들이 AI 제품용 대화 데이터를 필요로 하면서, 인프라 문제는 곧 일상적인 과제로 다가왔습니다. 이들의 인프라 전문성을 인정한 데이빗과 아만다는 인프라-서비스 기업으로 전환하기로 했어요. 이전 경쟁사들과 접촉했고, 평소에 ‘이 문제 진짜 심각하다’는 반응을 얻었습니다.

이렇게 Recall. ai가 탄생한 겁니다. 빌더들을 위한 플랫폼 구축: 인프라에서 제품으로 데이빗과 아만다는 제품을 완성하기 전에 먼저 인프라를 시장에 선보였고, 한 달 만에 알파 프로그램을 시작했습니다. 고객을 최우선으로 생각하는 경험이 있었기 때문에, 개발자뿐 아니라 최종 사용자까지 이해하는 데 큰 강점이 됐습니다. “인프라 회사로서, 전체 인과관계—from 인프라에서 최종 사용자 가치까지—를 이해하는 게 중요하다”고 강조합니다. 고객의 니즈와 비용 구조, 제품 최적화에 대해 현실 경험을 바탕으로 조언하며, 고객의 목소리를 들었습니다. Recall. ai의 제품은 단계별로 발전해 왔습니다: - 미팅 봇 API: 영상회의 기록을 위한 핵심 API, 즉각적인 필요에 대응 - 데스크탑 녹화 SDK(2025년 말): 어떤 앱에서도 AI 노트 테이킹 같은 녹화 가능, 수백만 건의 설치 기록 - 모바일 녹화 SDK(곧 출시 예정): 전화통화와 대면 회의도 확장 예정 사용량 기반 가격 정책으로 고객과의 정합성 유지 Recall. ai는 자연스럽게 사용량 기반 가격 정책을 채택했고, 비용과 성공을 연동시켰습니다. 데이빗은 설명합니다. “성공하는 제품은 더 많은 데이터 처리를 하면서 비용이 늘고, 초기 단계에는 적은 데이터로 적은 비용이 듭니다. ” 이 모델은 다음을 보장합니다: - 가치에 맞춘 투명하고 예측 가능한 가격 책정 - 예상치 못한 초과 사용에 따른 충격 방지 - 도입을 제한하는 좌석당 요금 대신 간단한 구조 - 복잡한 계층 구조 없이 고객 규모에 따라 자연스럽게 구분 이 가격 정책은 일곱 자리 계약과 셀프 서비스 고객 모두에 적합하며, 유연성과 예측 가능성을 동시에 제공합니다. 반대 방향의 영업 주도 성장 일반적으로 개발자 인프라 제품은 커뮤니티 중심, 셀프 서비스 전략을 택하지만, Recall. ai는 달리 선택했습니다. 3년간, 모든 고객은 창업자 데이빗과 아만다와 직접 소통하며, 분석이나 고객 지원 티켓만으로는 가늠할 수 없는 시장 이해를 쌓았습니다. “진짜 가치는 수익이 아니라 학습이다”고 데이빗은 말합니다. 고객의 목표와 동기, Recall. ai가 어떻게 도울 수 있는지 끊임없이 묻고 들었어요. 의료, 금융, 세일즈, 고객 성공 등 다양한 산업에 걸친 고객들과의 소통은 규제와 녹음에 대한 사용자들의 다양한 반응을 파악하는 계기가 되었습니다. 2025년 초, Recall. ai는 셀프 서비스 등록을 시작했고, 현재 매주 수천 명의 고객을 확보하고 있습니다. 이 선제적 고객과의 대화 투자 덕분에 업계 선도 고객을 유치했고, 소프트웨어가 대화 데이터를 활용하는 방식의 전환을 불러왔습니다. 진흙길이 바로 기회가 된 순간 2020년, 코로나로 인한 재택근무가 확대되면서 영상녹화 툴 수요가 급증했지만, 인프라 구축이 80%의 노력을 차지했습니다. 데이빗은 이 딜레마를 이렇게 설명합니다. “인프라가 훌륭해야 한다는 것은 눈에 보이지 않지만, 부족하면 실패와 이탈로 이어집니다. 가장 큰 문제는 매일 ‘블랙 프라이데이’처럼 몰려드는 수많은 회의를 실시간으로 완벽하게 처리하는 겁니다. 결국 이 문제는 ‘이길 수 없는 상태’와 같았고, frustr만 깊어졌지만, 동시에 진짜 문제와 기회가 어디에 있는지 명백히 알게 됐습니다. ” 대화 데이터: AI 미래의 토대 데이빗은 결론을 이렇게 정리합니다. “AI 에이전트 개발은 발전했지만, 여전히 자동화를 위해서는 인간이 의지하는 대화 맥락에 접근하는 게 필수입니다. 대화 데이터를 효과적으로 수집하고 처리하지 않으면, 기대하는 자동화도 이루어지지 않습니다. ” AI가 산업 전반에 깊숙이 자리 잡는 시대에, 대화 데이터 인프라를 익히는 것이 매우 중요합니다. 여기서 뛰어난 기업들이 진짜로 도움이 되는 AI 제품을 만들어, 현재의 한계를 뛰어넘게 될 것입니다. Recall. ai 소개 데이빗 구와 아만다 주가 2022년 설립한 Recall. ai는 영상회의와 대면 회의의 오디오, 영상, 텍스트, 메타데이터를 통합 API로 수집하는 솔루션을 제공합니다. 현재 3, 000개 이상의 기업에서 인프라를 지원하며, 진정으로 대화 데이터를 이해하고 활용하는 AI 제품 개발의 선두에 서 있습니다. 자세한 내용은 Recall. ai에서 확인하세요.