2026년 8월 11일 Gamma는 자사 누적 데이터를 바탕으로 210개 국가와 지역에서 1억 명 이상의 이용자가 6억2,500만 개 이상의 콘텐츠를 만들었다고 공개했습니다. 불과 9개월 전인 2025년 11월에는 50명 규모의 팀으로 연간 반복 매출(Annual Recurring Revenue, ARR) 1억 달러를 넘어섰다고 발표했습니다.
두 숫자를 곧바로 연결해서는 안 됩니다. 50명은 2025년 11월의 팀 규모이고, 1억 명 이상이라는 이용자 수는 2026년 8월 공개 자료입니다. 이 사례에서 봐야 할 것은 현재의 직원당 매출이 아니라, Gamma가 1억 달러 ARR에 도달할 때까지 제품·고객 획득·과금·AI 운영을 어떤 구조로 묶었는가입니다.
CASE SNAPSHOT
Gamma
설립 · 2020년
사업 · AI 기반 프레젠테이션·문서·웹사이트·시각 콘텐츠 제작 플랫폼
고객 · 개인 창작자, 교육자, 컨설턴트, 영업·마케팅팀, 기업
팀 · 2025년 11월 회사 공개 기준 50명
성장 지표 · 2025년 11월 회사 공개 기준 ARR 1억 달러·이용자 7천만 명
현재 이용 규모 · 2026년 8월 공개 기준 1억 명 이상, 누적 생성물 6억2,500만 개 이상
자본 · 초기 조달 2,300만 달러 이후 2025년 11월 6,800만 달러 시리즈 B, 당시 기업가치 21억 달러
모델 · 무료 사용 + 개인 유료 구독 + Teams·Business + API
EVIDENCE NOTE
ARR·수익성·이용자 수의 핵심 수치는 회사 공개 자료를 기준으로 합니다. Gamma는 비상장사이므로 이를 감사된 공개 재무제표와 같은 수준으로 해석하지 않습니다.
CASE QUESTION
Gamma의 작은 팀을 가능하게 만든 것은 AI 자체였을까, 아니면 제품·유통·결제·실험을 연결한 운영 설계였을까?
Gamma는 어떤 문제를 해결했나?
Gamma가 처음부터 AI 프레젠테이션 회사였던 것은 아닙니다. 2020년 창업한 뒤 여러 아이디어를 시험했고, 프레젠테이션이라는 영역을 선택한 뒤에도 초기 성장은 기대만큼 빠르지 않았습니다. 2022년 말에는 이용자가 약 6만 명, 팀은 12명 정도였고 현금 여력도 1년 남짓이었습니다.
팀은 약 3개월 동안 인프라, 사용자 인터페이스와 온보딩을 다시 만들면서 생성형 AI를 제품 중심에 배치했습니다. 여기서 Gamma가 해결하려 한 문제는 슬라이드에 AI 버튼을 하나 추가하는 것이 아니었습니다. 사용자가 빈 화면에서 구조를 만들고, 내용을 정리하고, 디자인을 맞추는 과정을 한꺼번에 줄이는 것이었습니다.
OPERATING POINT
Gamma의 제품 가치는 가장 강력한 모델을 소유하는 데 있지 않았습니다. 사용자가 모델과 디자인 도구를 선택해야 하는 복잡성을 제품 뒤로 감추는 데 더 가까웠습니다.
1억 달러 ARR까지의 성장은 어디까지 확인되는가?
2022년 말
약 6만 명의 이용자, 약 12명의 팀. AI 중심 제품으로 전환하기 위한 3개월 재설계에 들어갑니다.
2023년
AI 기능을 무료 크레딧 방식으로 제공한 뒤 이용자들의 유료 결제 요구를 확인합니다. 구독 도입 후 2개월 안에 ARR 100만 달러를 넘어섰다는 것이 Stripe의 고객 사례 설명입니다.
2025년 4월
Upstarts Media 보도 기준 30명의 직원, 이용자 5천만 명, ARR 5천만 달러 수준에 도달했습니다.
2025년 11월
Gamma는 직원 50명, 이용자 7천만 명, ARR 1억 달러와 2년간의 수익성 유지를 공식 발표합니다. 같은 날 21억 달러 기업가치로 6,800만 달러 시리즈 B도 공개했습니다.
2026년 8월 공개
Gamma는 2026년 5월까지의 데이터를 기반으로 1억 명 이상의 이용자와 6억2,500만 개 이상의 누적 생성물을 공개했습니다.
2025년 11월의 ARR 1억 달러와 직원 50명을 같은 시점으로 놓으면 직원 1인당 ARR은 약 200만 달러입니다. 이는 AgencyTimes 계산 기준으로는 유효한 비교입니다. 다만 이 숫자를 곧바로 높은 수익성이나 낮은 총비용으로 해석하면 안 됩니다. AI 모델 사용료, 클라우드, 결제 수수료, 마케팅 비용과 외부 서비스는 직원 수에 포함되지 않기 때문입니다.
성장을 만든 것은 광고보다 유통 구조였다
Gamma의 고객 획득 구조에서 눈에 띄는 것은 대규모 광고 집행보다 입소문과 창작자 네트워크입니다. Business Insider가 공동창업자 Grant Lee의 인터뷰를 토대로 보도한 내용에 따르면 입소문은 Gamma 구독자 성장의 50% 이상을 차지했습니다.
초기에는 창업자가 마이크로 인플루언서를 직접 온보딩했습니다. 단순히 광고 문구를 전달한 것이 아니라 제품을 설명하고, 콘텐츠 아이디어를 함께 고민하고, 피드백을 주는 방식이었습니다. 많은 팔로워를 가진 한 명보다 실제로 도구를 사용할 가능성이 높은 여러 창작자에게 제품 경험을 심은 셈입니다.
여기에 제품 안의 추천 구조가 붙었습니다. Gamma는 초기 무료 이용자에게 제한된 AI 크레딧을 제공했고 친구를 초대하면 추가 크레딧을 받을 수 있게 했습니다. 사용자가 제품을 써보고, 결과물을 만들고, 다른 사람에게 소개하면서 신규 이용자가 들어오는 구조입니다. 전형적인 제품 주도 성장(Product-Led Growth, PLG)에 창작자 유통을 결합한 형태로 볼 수 있습니다.
GROWTH LOOP
아이디어 입력 → AI로 결과물 생성 → 공유·사용 → 입소문·창작자 노출 → 신규 가입 → 무료 체험 → 유료 전환 → 사용 데이터·피드백 → 제품 개선
광고 플랫폼과 B2B 고객 성과를 운영하면서 반복해서 확인한 것은 유입이 많아지는 것과 사업이 커지는 것은 다른 문제라는 점이었습니다. 트래픽 뒤에 전환, 과금, 결제, 고객지원과 반복 사용 구조가 붙지 않으면 성장할수록 조직 부담도 커집니다. Gamma에서 흥미로운 부분은 바로 이 중간 운영층을 상당 부분 제품과 외부 인프라로 처리했다는 점입니다.
작은 팀은 무엇을 직접 만들지 않았나?
작은 팀을 설명할 때 흔히 자동화된 업무만 찾게 됩니다. Gamma 사례에서는 반대로 무엇을 내부에서 직접 만들지 않았는가를 보는 편이 더 유용합니다.
2023년 유료화를 시작할 당시 Gamma는 결제·구독 인프라를 처음부터 자체 구축하지 않았습니다. Stripe의 결제, 구독 관리와 고객 포털을 활용해 이용자가 직접 요금제와 결제수단을 관리하도록 했습니다. Stripe의 고객 사례에 따르면 이 선택은 자체 구축 대비 결제 시스템 출시를 6~8주가량 앞당겼고, 작은 계정관리 조직이 반복적인 구독 변경 업무를 직접 처리하지 않도록 했습니다.
글로벌 확장도 같은 방식입니다. 현지 결제수단을 하나씩 자체 개발하지 않고 기존 결제 인프라 위에서 실험했습니다. Stripe는 인도 통합 결제 인터페이스(Unified Payments Interface, UPI)를 추가한 뒤 인도 지역 매출이 22% 증가했다고 설명합니다. 이 수치는 Stripe와 Gamma가 공개한 고객 사례라는 출처 성격을 함께 봐야 하지만, 작은 팀이 글로벌 운영을 설계하는 방식을 보여주는 사례로는 의미가 있습니다.
| 운영 영역 | Gamma가 집중한 것 | 외부 또는 자동화한 것 |
|---|---|---|
| 제품 | 사용자 경험, 콘텐츠 구조, 디자인 흐름, 온보딩 | 여러 외부 AI 모델 활용 |
| 과금 | 크레딧 구조와 가격 설계 | 결제·구독·고객 결제정보 관리 |
| 유통 | 제품 경험, 창작자 관계, 입소문 | 추천 크레딧과 셀프서비스 가입 |
| 글로벌 확장 | 시장별 전환 실험 | 다국어·현지 결제 인프라 |
Gamma의 AI 경쟁력은 모델 소유보다 선택과 조합에 가깝다
Gamma를 자체 대규모 언어 모델(Large Language Model, LLM)을 개발해 성장한 회사로 이해하는 것도 정확하지 않습니다. Upstarts Media의 2025년 취재에 따르면 Gamma는 Anthropic, Google, OpenAI, Perplexity 등 여러 공급자의 20개 이상 AI 모델을 제품 안에서 비교하고 조합했습니다.
사용자가 어떤 모델로 개요를 만들고 어떤 모델로 이미지를 생성할지 선택하도록 하지 않고, Gamma가 내부 실험을 통해 작업별 모델을 고르는 구조입니다. 기반 모델의 성능을 제품 경쟁력으로 가져오되 모델 선택의 복잡성은 사용자에게 노출하지 않는 방식입니다.
자동화된 A/B 테스트 환경을 구축하고 운영했던 경험에서도 실험 자체보다 중요한 것은 선택을 반복할 수 있는 운영체계였습니다. Gamma가 여러 모델을 비교하는 방식 역시 단순히 AI 모델을 많이 연결했다는 사실보다 모델 성능 변화를 계속 제품 의사결정으로 흡수할 수 있다는 점이 더 중요합니다.
AGENCYTIMES INTERPRETATION
Gamma의 방어력은 특정 AI 모델을 보유했다는 데 있기보다 여러 모델을 바꿔 끼울 수 있는 제품 계층, 사용 데이터, 실험 속도, 사용자 경험과 유통망의 결합에서 찾아야 합니다. 모델 성능이 평준화될수록 이 운영 계층의 중요성은 오히려 커질 수 있습니다.
이 사례를 그대로 복제하기 어려운 이유
Gamma의 숫자만 보면 작은 팀을 유지하는 것이 정답처럼 보이기 쉽습니다. 그러나 이 사례에는 다른 기업이 그대로 가져오기 어려운 조건도 많습니다.
첫째, 프레젠테이션은 결과물을 다른 사람에게 보여주는 제품입니다. 제품을 사용한 결과 자체가 외부 노출과 입소문으로 이어질 가능성이 높습니다. 내부 회계 시스템이나 보안 솔루션처럼 사용 결과가 외부에 드러나지 않는 B2B 제품은 같은 유통 루프를 만들기 어렵습니다.
둘째, 외부 AI 모델을 활용하면 자체 모델 개발 인력을 줄일 수 있지만 비용과 의존성이 사라지는 것은 아닙니다. 모델 가격, 성능, 이용 정책이 바뀌면 제품 경제성도 영향을 받습니다. Gamma가 사용량에 따라 크레딧을 차감하는 이유 역시 AI 사용 비용을 가격 구조와 연결해야 하기 때문입니다.
셋째, 기업 시장으로 갈수록 작은 팀 구조의 난도가 높아집니다. Gamma는 이미 Teams와 Business 요금제를 운영하며 중앙 결제, 관리자 기능, 데이터 제어와 기업용 기능을 확대하고 있습니다. 개인 사용자가 조직 안으로 퍼지는 단계와 대기업의 보안·구매·지원 요구를 처리하는 단계는 같은 운영 문제가 아닙니다.
마지막으로 ARR과 수익성은 회사가 공개한 지표입니다. 비상장 기업의 감사 재무제표로 확인된 수치가 아니며, 직원 수 또한 총비용 구조를 설명하지 않습니다. 따라서 이 사례를 “50명이면 1억 달러 사업을 만들 수 있다”는 공식으로 받아들이는 것은 적절하지 않습니다.
다른 기업이 Gamma에서 가져갈 수 있는 운영 기준은 무엇인가?
Gamma 사례에서 가장 가져가기 쉬운 것은 직원 수가 아닙니다. 핵심 제품 경험은 직접 통제하고, 차별화가 약한 운영 기능은 검증된 외부 인프라를 이용하며, 유통과 과금을 제품 흐름 안에 넣는 방식입니다.
CHECKLIST
- 고객이 처음 5분 안에 제품 가치를 경험할 수 있는가?
- 무료 사용이 단순 비용이 아니라 추천이나 유료 전환으로 연결되는가?
- 고객 획득이 광고비 증가에만 의존하지 않는가?
- 결제·고객지원·관리 업무 중 직접 만들 필요가 없는 것은 무엇인가?
- AI 모델을 바꾸더라도 제품 경험과 고객 관계를 유지할 수 있는가?
- 기업 고객이 늘어날 때 새로 필요한 영업·지원·보안 비용을 계산했는가?
Gamma의 다음 단계에서 봐야 할 숫자도 직원 수만은 아닙니다. 1억 명 이상의 이용자가 얼마나 유료 고객과 기업 계정으로 전환되는지, 기업 시장 확대에도 높은 자본 효율성을 유지하는지, 외부 AI 모델 비용이 매출보다 빠르게 증가하지 않는지를 함께 봐야 합니다.
Gamma는 2025년 11월 50명 규모의 팀으로 ARR 1억 달러에 도달했습니다. 그러나 성장 원인을 작은 팀이나 AI 사용 자체에서 찾기는 어렵습니다. AI 중심 제품 재설계, 무료 체험과 추천, 마이크로 인플루언서와 입소문, 빠른 유료화, 셀프서비스 결제, 다중 AI 모델 실험이 서로 연결됐습니다. 다른 기업이 복제해야 할 것은 인원수가 아니라 핵심 역량과 외부 인프라의 경계, 제품 안에 들어간 유통과 과금, 반복 실험이 가능한 운영체계입니다.
FAQ
자주 묻는 질문
Q. Gamma는 정말 직원 50명으로 ARR 1억 달러를 달성했나요?
2025년 11월 Gamma의 공식 발표 기준으로는 그렇습니다. 당시 회사는 직원 50명과 ARR 1억 달러를 함께 공개했습니다. 다만 현재 직원 수와 동일한 수치로 해석해서는 안 되며, ARR 역시 비상장 회사의 자체 공개 지표라는 점을 구분해야 합니다.
Q. Gamma는 자체 AI 모델을 개발하나요?
Gamma의 핵심 차별점은 자체 기반 모델 하나를 개발하는 것보다 여러 외부 AI 모델을 제품 안에서 비교하고 조합하는 데 가깝습니다. 공개 취재 자료에서는 Anthropic, Google, OpenAI, Perplexity 등 여러 공급자의 20개 이상 모델을 테스트한 것으로 설명됩니다.
Q. Gamma의 가장 중요한 성장 채널은 무엇인가요?
공동창업자 인터뷰를 토대로 한 Business Insider 보도에서는 입소문이 구독자 성장의 50% 이상을 차지한다고 설명합니다. 초기 마이크로 인플루언서 관계, 추천 크레딧과 무료 체험이 이 유통 구조를 보완했습니다.
Q. 다른 AI 스타트업도 Gamma처럼 작은 팀을 유지해야 하나요?
그럴 필요는 없습니다. 제품이 자연스럽게 공유되는지, 셀프서비스 판매가 가능한지, 외부 인프라로 대체할 수 있는 운영 업무가 많은지에 따라 필요한 조직 규모는 크게 달라집니다. 인원수를 목표로 삼기보다 어떤 업무를 내부 핵심 역량으로 유지할 것인지부터 정하는 편이 낫습니다.
TERMINOLOGY
본문의 주요 용어
| 용어 | 뜻 | 실무자가 볼 포인트 |
|---|---|---|
| ARR | 연간 반복 매출 | 구독형 사업의 반복 매출 규모를 연간 기준으로 환산한 지표다. 현금흐름이나 순이익과 같지 않다. |
| PLG | 제품 주도 성장 | 영업 인력보다 제품 체험, 공유, 추천과 셀프서비스 전환이 고객 획득을 주도하는 방식이다. |
| LLM | 대규모 언어 모델 | Gamma는 하나의 모델에 모든 작업을 맡기기보다 여러 공급자의 모델을 제품 안에서 조합하는 방식을 사용해왔다는 공개 자료가 있다. |
| API | 응용 프로그램 인터페이스 | 다른 업무 시스템에서 Gamma의 생성 기능을 호출할 수 있게 해 개인 도구에서 업무 인프라로 확장할 수 있는 접점이다. |
| UPI | 인도 통합 결제 인터페이스 | 글로벌 서비스라도 현지 결제수단이 전환율과 실제 매출에 영향을 줄 수 있음을 보여준다. |
References
- [1] Gamma | The Creation Index: How 100 million people actually create with AI · 2026-08-11
- [2] Gamma | How we built Gamma differently · 2025-11-10
- [3] Business Insider | Why one founder personally onboarded every influencer in the early days to build his $2.1 billion AI startup · 2025-11-14
- [4] Upstarts Media | Meet Gamma, A Low-Profile AI Startup That’s Actually Profitable · 2025-04-29
- [5] Stripe | Gamma expands to $100 million ARR and 70 million users with Stripe
- [6] Gamma | Plans and Pricing
- [7] Gamma Help Center | What options does Gamma offer for teams and business?
댓글
댓글 쓰기