PensionPilot — 통합 연금 자산 최적화 에이전트 사업계획서 (상세버전)

"국민연금·퇴직연금·개인연금 3층 구조를 AI 에이전트가 야간에 자동 분석하여, 매월 최적 리밸런싱 액션 플랜을 생성·보고하는 결과 중심 구독형 연금 최적화 플랫폼"

---

• 문제 (Pain Point)

  • 마이데이터 2.0·금융감독원 통합 연금 포털 개방에도 불구, 국민연금(공단)·퇴직연금(금융사)·개인연금(증권·은행) 3개 계좌가 완전히 분산되어 있어 통합 파악 자체가 난관
  • 기존 포털 및 핀테크 앱은 '조회'에 그칠 뿐, "지금 무엇을 해야 하는가?" 에 대한 실행 가능한 지침 전무
  • IRP 연 900만 원 세액공제 한도 미소진, 원리금보장상품 방치로 인한 장기 자산 손실이 일상적으로 발생
  • 금융감독원 통합 연금 포털 검색량 +200% 급등 → 정보 수요는 폭발했으나 솔루션 공백 지속

• 해결 (Solution)

  • 마이데이터 2.0 API 자동 수집 → AI 에이전트 야간 배치 분석 → 월 1회 비동기 리포트 (예상 수령액 시뮬레이션·세액공제 한도 소진율·펀드 리밸런싱 우선순위 3종 세트) 자동 생성
  • 카카오톡·이메일 푸시로 앱 실행 없이 결과 전달
  • Shared Autonomy UX : 관전 모드(시뮬레이션 확인) → 지원 모드(1-클릭 승인) → 자율 모드(사전 동의 후 자동 실행) 3단계 자율성 제어
  • 금융 원장 직접 조작 없이 '조회 + 제안 + 승인' 구조로 보안 리스크 최소화

• 결과 (Outcome)

  • 사용자당 연간 30만~80만 원 규모의 절세 및 수익률 개선 효과를 정량 수치로 명시
  • 세액공제 한도 100% 소진 시 연 최대 148.5만 원(IRP 900만 원 × 16.5% 세율) 세금 환급 달성 가능
  • TDF 전환 및 리밸런싱을 통한 장기 수익률 개선 효과를 예상 연금 수령액 증감(원화)으로 직관적 제시

---

PensionPilot 연도별 MAU 목표 (명)
차트 종류 변경 ▾

---

---

---

• 규제 리스크 최고 수위: AI 에이전트의 '리밸런싱 제안 + 자율 실행'이 투자자문업·투자일임업 무허가 운영으로 금융위 제재 대상이 될 수 있으며, '조회+제안+승인' 구조만으로 규제 면제를 보장받기 어려움
• 마이데이터 허가 장벽: 금융위 마이데이터 본인가 취득에 통상 12~18개월 소요되고 자본금 5억 원 이상 등 요건이 엄격하여, Phase 0 M1~M2(2개월) 내 해결 가정 자체가 비현실적
• 성과 수수료 과금 모델의 검증 불가: '절세 확정액의 5%' 산정 기준이 불명확하고, 세액공제 효과는 연말정산 이후에야 확정되어 월 단위 과금 구조와 타이밍 불일치 발생
• TAM·SAM 수치의 근거 취약: '국내 사적연금 가입자 1,200만 명', '디지털 금융 서비스 침투율 70%' 등 핵심 수치가 업계 추정치에 의존하며 실제 유료 전환 의향과 무관한 과대 산정 가능성
• 무료 대체재의 강력한 저항: 토스·뱅크샐러드 등 무료 핀테크 앱이 유사 기능을 빠르게 추가할 경우, 월 9,900원 유료 구독 정당화가 매우 어려워지는 가격 저항 리스크

• 개인 주도 연금 운용 시장의 폭발적 성장

  • DB형(확정급여형) 성장 둔화와 대조적으로 DC형(확정기여형)·IRP(개인형퇴직연금) 시장 급성장, 개인이 직접 연금을 운용해야 하는 필요성 대두 [2]
  • TDF(타깃데이트펀드) 시장 규모는 2016년 672억 원에서 2024년 16.6조 원으로 약 247배 초고속 성장, 생애주기에 맞춘 자동 자산배분 상품에 대한 높은 수요 증명 [3]

• 연금 정보 비대칭성 해소 및 관리 니즈 급증

  • 금융감독원 통합 연금 포털 검색량 200% 급등, 흩어진 연금 정보를 한곳에서 확인하려는 국민적 관심 폭증 [3]
  • 사전지정운용제도(디폴트옵션) 도입(2023년)으로 DC·IRP 가입자의 투자 포트폴리오 선택 책임 및 관심 증대 [3]

• 글로벌 연금 관리 솔루션의 SaaS화 및 셀프서비스 강화

  • 글로벌 연금 관리 소프트웨어 시장은 2025년 49억 3천만 달러 규모에 이를 것으로 전망 [11]
  • 특히 고객이 직접 계정을 관리하는 셀프서비스 포털 기능은 연평균 성장률(CAGR) 12.05%로 가장 빠르게 성장하며 시장을 견인 [11]

국내 TDF 시장 규모 성장 추이 (조 원)
차트 종류 변경 ▾

• AI 에이전트를 통한 초개인화 자산관리 대중화

  • 2025년 자산관리 시장의 핵심 키워드로 'AI 자동화 및 개인화' 부상, AI 에이전트가 데이터를 분석하고 최적의 행동을 제안·실행하는 서비스가 금융 영역으로 확산 [1]
  • 기존 로보어드바이저를 넘어, 세금·수수료·개인 목표 등 복합적 변수를 고려해 비동기적으로 최적화 액션을 수행하는 자율 에이전트 기술 주목

• 마이데이터 2.0 확대로 인한 데이터 인프라 완성

  • 금융 마이데이터 API 개방 범위 확대로 국민연금·퇴직연금(DC/IRP)·개인연금 등 3층 연금 데이터의 자동화된 통합 수집 기술 기반 마련 [6][7]
  • 정보 주체인 개인이 자신의 데이터를 더 능동적으로 활용할 수 있는 제도적·기술적 환경 조성

• Shared Autonomy UX를 통한 금융 AI 신뢰 확보

  • AI의 완전 자동화에 대한 사용자의 심리적 장벽을 고려, '관전(Read-only) → 지원(Human-in-the-loop) → 자율(Fully Autonomous)' 3단계로 자율성 수준을 점진적으로 제어하는 UX 패러다임 부상
  • 모든 AI 제안과 실행 내역에 대한 감사 로그(Audit Log) 제공으로 투명성 및 규제 준수 능력 확보

---

---

공공 데이터 개방과 연금 시장 성장에도 불구, 개인 투자자는 '정보 과잉 속 행동 지침 부재'라는 핵심 문제에 직면함.

• 데이터 통합의 부재: 흩어진 연금, 통합 분석 불가

  • 국민연금(공단), 퇴직연금(각 금융사), 개인연금(증권/은행)이 완전히 분산되어 있어, 자신의 전체 연금 자산 현황을 한눈에 파악하는 것부터 난관 [2]
  • 금융감독원 통합 포털은 단순 조회 기능만 제공할 뿐, 3개 연금을 유기적으로 연결해 "그래서 지금 무엇을 해야 하는가?"에 대한 답을 주지 못함

• 실행의 어려움: 최적의 의사결정 및 리밸런싱 장벽

  • DC·IRP 가입자 다수가 낮은 수익률의 원리금보장상품에 자산을 방치, 적극적 운용을 통한 수익률 제고 기회를 상실 [2]
  • 연 900만 원에 달하는 IRP 세액공제 한도를 놓치거나, 금융소득종합과세 등을 고려한 최적의 절세 전략 수립에 어려움을 겪음
  • 언제, 어떤 상품으로, 얼마만큼 리밸런싱해야 하는지에 대한 전문 지식 부재로 행동을 주저하거나 비효율적 결정을 내림

• 결과 예측의 불확실성: 미래에 대한 막연한 불안감

  • 현재의 납입액과 수익률 기반으로 은퇴 시점의 예상 수령액을 시뮬레이션하고, 특정 액션(e.g., 추가 납입, 상품 변경)이 미래에 미칠 영향을 직관적으로 파악하기 어려움
  • 이로 인해 은퇴 준비에 대한 막연한 불안감만 가중되고, 구체적인 실행 계획 수립으로 이어지지 못함

---

---

PensionPilot은 국내 유일의 3층 연금 통합 자율 최적화 에이전트임.

• 마이데이터 2.0 API를 통해 국민연금(NPS)·퇴직연금(DC/IRP)·개인연금(연금저축펀드/보험) 3개 계좌 데이터를 자동 수집
• AI 에이전트가 매월 야간 배치(Batch) 처리로 ① 예상 수령액 시뮬레이션 ② 세액공제 한도 소진율 ③ 펀드 리밸런싱 우선순위 3종 분석 리포트 자동 생성
• 결과를 카카오톡·이메일로 비동기 푸시 → 사용자는 앱을 열지 않아도 "이번 달 할 일" 을 통보받음
• 금융 원장 직접 조작 없이 조회→제안→승인 3단계 구조로 보안 및 규제 리스크 원천 차단
• 월 9,900원 구독료 + 절세 확정액의 5% 성과 수수료 (상한 49,000원/월) 하이브리드 수익 모델

---

---

---

---

PensionPilot 수익 구조 (3년차 기준)
차트 종류 변경 ▾

---

---

• 기존 방법 및 간접 경쟁 제품: 현재 3개 연금(국민·퇴직·개인)을 통합하여 AI 기반의 실행 가능한 리밸런싱 액션 플랜까지 제공하는 직접적인 경쟁 서비스는 시장에 부재함. 따라서, 사용자가 연금 관리를 위해 현재 사용하는 기존 방식 및 유사 기능을 제공하는 간접 경쟁 서비스를 분석 대상으로 함.

• 각 대안의 핵심 단점 분석:

  1. 금융감독원 통합연금포털:
     • 실행성 부재: 흩어진 연금 정보를 단순히 '조회'하는 기능에 머물러, "그래서 무엇을 해야 하는가?"에 대한 답을 제공하지 못함.
     • 데이터 한계: 실시간 수익률 및 자산 현황 반영이 미흡하며, UI/UX가 직관적이지 않아 사용성이 떨어짐.
     • 개인화 부재: 모든 사용자에게 동일한 정보만 나열할 뿐, 개인의 투자 성향, 은퇴 목표, 세금 현황을 고려한 맞춤형 분석 불가.
  2. 종합 금융 플랫폼 (토스, 뱅크샐러드 등):
     • 연금 전문성 부족: 마이데이터 기반으로 여러 자산을 '모아 보여주기'에 강점이 있으나, 연금 상품의 복잡한 과세 체계, 세액공제 한도, TDF 상품 특성 등을 고려한 깊이 있는 분석 및 최적화 기능이 없음.
     • 수동적 관리: 사용자가 직접 상품을 찾고, 판단하고, 각 금융사 앱으로 이동해 리밸런싱을 실행해야 하는 불편함이 여전함.
     • 수익 모델의 불일치: 광고, 대출·카드 추천이 주 수익 모델이므로, 사용자의 연금 자산 증대라는 목표와 완전히 일치하지 않음.
  3. 개별 금융사 연금 앱 (은행, 증권사):
     • 파편화된 정보: 자사에서 가입한 퇴직연금 또는 개인연금 상품만 조회·관리가 가능해, 전체 연금 자산에 대한 통합적 관점 확보가 원천적으로 불가능.
     • 이해상충 가능성: 자사 상품 판매를 우선시할 수밖에 없어, 시장 전체에서 사용자에게 가장 유리한 상품을 객관적으로 추천하기 어려운 구조적 한계.
     • 소극적 기능 제공: 기본적인 잔고 조회 및 상품 매매 기능 위주로, 자동화된 분석 리포트나 선제적인 최적화 제안 기능이 매우 미흡.

• 주요 경쟁 제품 비교표

---

---

• 기존 솔루션들과의 차별성: PensionPilot은 흩어진 정보를 단순히 '모아 보여주는' 1세대 자산 조회 서비스를 넘어, AI 에이전트가 사용자를 대신해 '최적의 행동을 찾아 비동기적으로 실행하고 결과를 보고하는' 결과 중심의 자율 금융 에이전트임. 이는 정보 제공에서 가치 창출로의 근본적인 전환을 의미함.

• 기존 대안의 단점 극복 방안:

  • '정보 과잉 속 행동 지침 부재' 문제 해결: 금융감독원 포털이나 토스 등이 제공하는 파편화된 데이터를 AI가 분석, '그래서 이번 달엔 IRP 계좌에 30만 원을 추가 납입하고, A 펀드를 B TDF로 교체하세요' 와 같은 구체적이고 실행 가능한 액션 플랜으로 변환함.
  • '의사결정 및 실행의 장벽' 제거: 복잡한 세금 계산, 상품 비교, 리밸런싱 시점 판단을 에이전트가 자동 수행. 사용자는 '지원 모드'에서 원클릭으로 승인하거나, '자율 모드' 설정으로 일련의 과정을 완전히 위임하여 실행의 심리적·시간적 비용을 제로에 가깝게 절감.
  • '결과 예측의 불확실성' 해소: 모든 제안은 '예상 연금 수령액 +월 N만 원', '올해 예상 절세액 +N만 원'과 같이 기대 효과를 명확한 숫자로 제시하여, 사용자가 행동의 가치를 직관적으로 이해하고 미래를 계획할 수 있도록 지원.

• 차별화 포인트 도표

---

---

• 솔루션 성공 후 확장 전략: 초기 연금 최적화 시장(SOM)을 성공적으로 확보한 후, 축적된 사용자 신뢰와 데이터를 기반으로 '개인 금융 OS'로 진화하여 서비스 범위를 확장하고 강력한 네트워크 효과를 구축함.

• 1단계: 자산 커버리지 확장 (Asset Coverage Expansion)

  • 연금 → 종합 자산관리: 연금 계좌를 넘어 개인종합자산관리계좌(ISA), 주식/펀드 계좌, 예적금 등 관리 자산 범위를 점진적으로 확대.
  • 초개인화 포트폴리오: 사용자의 전체 금융 자산을 기반으로 생애주기, 부채 현황, 현금흐름까지 고려한 통합 자산 배분 및 최적화 에이전트로 서비스 고도화.

• 2단계: B2B2C 파트너십 및 API 생태계 구축

  • 금융사 제휴 솔루션: PensionPilot의 AI 최적화 엔진을 은행, 증권사, 자산운용사에 서비스형 소프트웨어(SaaS) 또는 API 형태로 제공. 금융사는 자사 고객에게 고도화된 자산관리 서비스를 제공하며 고객 락인(Lock-in) 효과 창출.
  • 'PensionPilot Inside' 모델: 타 핀테크 앱이나 마이데이터 사업자들이 PensionPilot의 연금 분석/리밸런싱 API를 호출하여 자사 서비스 내에 연금 관리 기능을 손쉽게 탑재할 수 있도록 지원. API 사용량 기반의 수익 모델 창출.

• 3단계: 데이터 인텔리전스 플랫폼으로 진화

  • 시장 트렌드 분석 리포트: 비식별화된 사용자들의 연금 운용 패턴, 상품 선호도, 자산 이동 데이터를 익명으로 집계·분석하여 금융기관 및 정책 당국에 판매하는 B2B 데이터 비즈니스 모델.
  • 상품 개발 및 자문: 축적된 데이터를 기반으로 자산운용사와 협력하여 새로운 TDF, TIF 등 연금 특화 금융 상품을 공동 개발하거나, 시장 수요에 대한 데이터 기반 컨설팅 제공.

---

• 시장 정의: 국민연금 외 퇴직연금(DC/IRP) 또는 개인연금을 1개 이상 보유한 30~50대 개인 중, 흩어진 연금 계좌의 통합 관리와 자산 증대에 대한 니즈를 가진 디지털 친화적 직장인 및 은퇴 준비자 그룹

• TAM (Total Addressable Market): 국내 사적연금(퇴직/개인연금) 가입자 전체

  • 2023년 말 기준 국내 퇴직연금(DC/IRP) 및 개인연금 총 가입자 수 약 1,200만 명으로 추산 (업계 추정치 기반)

• SAM (Serviceable Addressable Market): 타겟 고객층인 30~50대 중 핀테크 서비스 사용에 익숙한 연금 가입자

  • 전체 가입자 중 3050 연령대 비중(약 60%)과 디지털 금융 서비스 침투율(약 70%)을 고려, 약 500만 명 규모로 추정

• SOM (Serviceable Obtainable Market): 서비스 출시 초기 3년간 현실적으로 확보 가능한 목표 시장

  • SAM의 1%인 5만 명의 유료 구독자 확보 목표.
  • 월 9,900원 구독료 기준 연간 약 60억 원의 구독 매출과 성과 수수료 기반 추가 수익 창출 가능

• 성장 가능성: 앞선 트렌드와 강력하게 연결

  • 정책적 순풍: 마이데이터 2.0 사업 확대로 데이터 접근성이 확보되었으며, 디폴트옵션 제도는 개인의 연금 운용 책임을 강화시켜 관련 서비스 수요를 촉진
  • 시장 구조 변화: DB형에서 DC/IRP로의 전환이 가속화됨에 따라 개인 주도 운용 시장(SAM) 자체가 지속적으로 확대
  • 기술 성숙: AI 에이전트 기술의 발전은 단순 조회를 넘어 '자동 최적화'라는 PensionPilot의 핵심 가치를 구현할 기술적 기반을 마련함. 시장은 정보 제공 앱에서 자율 실행 에이전트로의 진화를 요구하고 있음

---

PensionPilot 단계별 개발 기간 (개월)
차트 종류 변경 ▾

---

목표: 서비스 개발 착수를 위한 법적·기술적 기반 완비

• 마일스톤

  • 금융위원회 마이데이터 사업자 본인가 신청 및 허가 취득 (또는 기허가 마이데이터 사업자와 제휴 협약 체결)
  • ISMS-P 인증 준비 착수 (보안 정책·개인정보 처리방침 수립)
  • 핵심 팀 구성: CTO (AI/백엔드), 금융 도메인 전문가, 프론트엔드 개발자 2명, 마케터
  • 기술 스택 확정 및 개발 환경 세팅 (AWS 인프라, CI/CD 파이프라인)
  • 마이데이터 2.0 API 샌드박스 환경 테스트 및 연동 검증

• 산출물

  • 마이데이터 사업자 허가증 (또는 제휴 MOU)
  • 보안 아키텍처 설계서
  • 핵심 팀 온보딩 완료
  • 개발 환경 세팅 완료

---

목표: 핵심 기능 탑재 MVP 출시 → 유료 구독자 500명 확보 → 제품-시장 적합성(PMF) 검증

• 마일스톤

  • M3: 통합 대시보드 v1.0 완성 (마이데이터 API 연동, 3개 연금 잔액·수익률 통합 조회)
  • M4: AI 분석 엔진 v1.0 완성 (예상 수령액 시뮬레이터·세액공제 소진율 분석·리밸런싱 우선순위 엔진)
  • M5: 월간 리포트 자동 생성 + 카카오톡·이메일 비동기 푸시 완성 / 관전 모드·지원 모드 UX 구현
  • M6: 베타 테스트 (클로즈드 베타 200명) → 피드백 반영 후 앱스토어·웹 정식 출시
  • 출시 시 KPI: MAU 1,000명, 유료 전환율 30% 이상 (→ 유료 300명)

• 산출물

  • iOS/Android 앱 v1.0 + 반응형 웹 대시보드
  • 마이데이터 연동 완료 (국민연금·IRP·연금저축 3개 소스)
  • 월간 AI 리포트 자동 생성 파이프라인
  • 감사 로그 시스템 v1.0
  • 클로즈드 베타 피드백 리포트

• 핵심 지표

  • 베타 사용자 NPS ≥ 40
  • 월간 리포트 오픈율 ≥ 60%
  • 지원 모드 전환율 ≥ 25%

---

목표: MAU 30,000명 달성 → 성과 수수료 수익 본격화 → 자율 모드 출시

• 마일스톤

  • M7~M8: 자율 모드(Fully Autonomous) 구현 및 출시 — 사전 조건 설정 기반 자동 리밸런싱 실행 파이프라인
  • M8~M9: 절세 시뮬레이터 고도화 (금융소득종합과세 2,000만 원 경보, 연말정산 세액공제 한도 최적화 캘린더)
  • M9~M10: 디폴트옵션 최적화 제안 엔진 추가 (DC·IRP 사전지정운용 포트폴리오 재조정)
  • M10~M11: 성과 수수료 과금 시스템 구축 및 검증 (절세 확정액 자동 계산·청구)
  • M12: B2B 파트너십 PoC (중소형 증권사 1개사와 API 연동 파일럿)

• 산출물

  • 자율 모드 UX + 자동 실행 파이프라인
  • 성과 수수료 과금 모듈
  • 절세 시뮬레이터 v2.0
  • B2B API PoC 결과 리포트

• 핵심 지표

  • MAU 30,000명
  • 월 구독 유지율 ≥ 85%
  • 자율 모드 사용자 비율 ≥ 20%
  • 사용자당 평균 확인된 절세액 ≥ 15만 원/년

---

목표: MAU 80,000명 · 연간 매출 60억+ 달성 → 시리즈 A 유치 → B2B2C 생태계 구축

• 마일스톤

  • M13~M14: ISA·주식·펀드 계좌 연동 확대 (자산 커버리지 확장)
  • M14~M15: B2B SaaS 패키지 출시 — 금융사 대상 PensionPilot 엔진 화이트라벨 제공
  • M15~M16: 'PensionPilot Inside' API 마켓플레이스 오픈 (타 핀테크 앱 연동 지원)
  • M16~M18: 시리즈 A 투자 유치 (목표 30억 원) + 해외 시장 조사 (일본 iDeCo 시장 타당성 검토)

• 산출물

  • ISA·주식 계좌 연동 대시보드
  • B2B SaaS 계약 1건 이상 체결
  • API 마켓플레이스 v1.0
  • 시리즈 A IR 자료 및 투자 유치 완료

---

---

---

참고: AI 코딩 도구(GitHub Copilot, Cursor AI 등) 적극 활용을 전제로 개발 태스크 기간을 표준 대비 30~50% 단축 적용하였음. 표준 기간 대비 단축된 기간은 괄호로 병기.

---

---

---

---

---

---

• 수익화 방식: 하이브리드 모델 (B2C 구독 + 성과 수수료) 및 향후 B2B2C API 라이센싱
• 채널·고객 유형 요약:
  • B2C 직접 판매: iOS/Android 앱스토어 및 반응형 웹 플랫폼을 통해 30~50대 개인 고객에게 직접 구독 서비스 판매
  • 성과 기반 과금: '자율 모드' 등 특정 기능 사용자가 AI 에이전트를 통해 실현한 절세액의 일부를 성과 수수료로 과금
  • B2B2C API 라이센싱 (Phase 3~): PensionPilot의 연금 최적화 엔진을 타 금융사(은행, 증권사) 또는 핀테크 앱에 API 형태로 제공하고 라이선스 수익 창출

• 가격 티어 예시:

  1. 기본 구독 (Standard): 월 9,900원 또는 연 99,000원 (약 17% 할인)
     • 포함 기능: 3개 연금 통합 대시보드, 월간 AI 리포트 수신, 모든 시뮬레이터 기능, '관전' 및 '지원' 모드 사용
  2. 성과 수수료 (Performance Fee): 자율 리밸런싱 실행 건당 과금
     • 과금 기준: 에이전트 실행을 통해 확정된 연간 절세액의 5% [기준3]
     • 월간 상한: 최대 49,000원/월
  3. B2B API (Enterprise): 별도 협의 (Phase 3~)
     • 과금 기준: API 호출량 기반(Pay-per-use) 또는 월정액 라이선스 계약

• 경쟁 제품 대비 가격 비교:

• 손익분기점 도달 조건: 초기 투자금(7억 원) 및 누적 운영 비용을 초과하는 누적 매출(구독료+성과 수수료) 발생 시점 [1]

---

---

• 인력: 초기 핵심 팀 5인 구성 후 단계적 확장

  • CEO (사업 총괄): 1명, 전체 기간
  • CTO (AI/백엔드 총괄): 1명, 전체 기간
  • 프론트엔드 개발자: 2명, 초기 1년
  • 금융 도메인 전문가/PO: 1명, 초기 1년
  • 마케터/그로스 해커: 1명, MVP 출시 시점(M6)부터 투입

• 비용: 초기 1년 기준 약 7억 원 [1]

  • 직접비 (약 5.6억 원): 인건비 (5명, 1년), 마이데이터 연동 및 라이선스 비용, 클라우드 인프라 비용(AWS 등), 외주 개발비(필요시)
  • 간접비 (약 1.4억 원): 마케팅 및 광고선전비, 사무실 임대료 등 일반관리비

• AI 코딩 도구 반영:

  • 서비스의 핵심 로직이 AI 분석에 기반하나, 개발 프로세스 자체의 AI 코딩 도구 활용 여부는 명시되지 않음
  • '부분 활용'을 전제: AI 코딩 도구(e.g., GitHub Copilot)의 부분적 활용을 통해 전통적 개발 방식 대비 개발 공수(MM)를 약 80% 수준으로 산정, 절감된 리소스를 AI 엔진 고도화 및 보안 강화에 집중

• 3년차 유료 구독자 5만 명(SOM) 및 연 매출 60억 원+ 달성 목표 기반 시나리오 [2]

연간 매출 전망 (억 원)
차트 종류 변경 ▾

• 전제 조건:

  • 월 평균 ARPU(사용자당 평균 매출): 13,000원 (기본 구독료 9,900원 + 평균 성과 수수료 3,100원)
  • 초기 투자금: 7억 원
  • 월 고정 운영 비용: 5,000만 원 (인건비, 마케팅, 인프라 등)

• 월 단위 손익분기 (Monthly BEP):

  • 월 매출이 월 고정 운영 비용을 초과하는 시점
  • 필요 최소 유료 구독자 수: 5,000만 원 / 13,000원 ≈ 3,850명
  • 전망: 출시 1년차 4분기 중 달성 예상

• 누적 손익분기 (Cumulative BEP):

  • 누적 이익이 초기 투자금 7억 원을 회수하는 시점
  • 전망: 출시 3년차 2분기 중 달성 예상

---

---

• 기술 리스크:

  • 리스크: 마이데이터 API의 안정성 문제 또는 금융사별 데이터 포맷 변경으로 인한 서비스 장애 발생 가능성
  • 대응 방안: 금융결제원 및 개별 금융사와의 긴밀한 협력 채널 구축, API 변경에 대응하는 유연한 데이터 파싱 모듈 설계, 장애 감지 및 자동 복구 시스템 도입

• 시장 리스크:

  • 리스크: 금융 AI에 대한 사용자의 낮은 신뢰도로 인한 '자율 모드' 채택률 저조 및 주요 금융그룹(KB, 신한 등)의 유사 서비스 출시로 인한 경쟁 심화
  • 대응 방안: '관전 → 지원 → 자율' 3단계 Shared Autonomy UX로 신뢰도 단계적 확보, 모든 제안/실행 내역에 대한 투명한 감사 로그 제공, 핵심 기술 특허 출원 및 선점 효과 극대화

• 인력 리스크:

  • 리스크: AI 엔진 개발 및 금융 도메인 지식을 갖춘 핵심 인력의 이탈
  • 대응 방안: 스톡옵션 등 경쟁력 있는 보상 체계 마련, 핵심 기술 및 의사결정 과정에 대한 상세한 내부 문서화, 수평적이고 도전적인 개발 문화 조성

• 규제·법률 리스크:

  • 리스크: AI 에이전트의 투자 리밸런싱 '제안'이 비대면 투자자문/일임업 규제에 저촉될 가능성 [3]
  • 대응 방안: 서비스 법률 자문을 통해 '조회+제안+사용자 최종 승인' 구조가 투자자문업에 해당하지 않음을 명확히 함. 모든 제안은 사용자의 명시적 동의(1-클릭 승인) 또는 사전 설정된 비재량적 규칙에 기반하여 실행됨을 약관에 명시하고, 관련 감사 로그를 완벽하게 보관하여 규제 당국 소명자료로 활용.

---

---

• "사용자당 연간 30만~80만 원 절세 및 수익률 개선" 수치는 IRP 세액공제 한도를 전혀 소진하지 않은 극단적 사용자 기준임. 이미 세액공제를 챙기고 있는 평균적 직장인에게는 기대 효과가 수만 원 수준으로 급감할 수 있으며, 이를 마케팅 핵심 메시지로 전면에 내세울 경우 표시광고법 위반 리스크 발생
• 초기 투자금 7억 원으로 마이데이터 본인가 + 팀 구성 + 개발 + 마케팅을 모두 커버하겠다는 계획은 마이데이터 허가 비용(법무·컨설팅 포함 최소 1~2억 원)과 ISMS-P 인증 비용(최소 5,000만~1억 원)만으로도 예산의 30~40%가 소진되어 개발 예산이 심각하게 부족해짐
• MAU와 유료 구독자를 혼용 표기하여 목표 수치가 혼란스러움. 5만 명 유료 구독자 달성 시 MAU는 이보다 2~3배 커야 정상적인 퍼널 구조인데, 3년차 MAU 80,000명에서 유료 구독자 5만 명(전환율 62.5%)을 가정하는 것은 업계 평균 유료 전환율(통상 2~5%) 대비 지나치게 낙관적

---

• **TDF 시장 247배 성장(2016→2024)**은 사실이나, TDF 성장이 PensionPilot 구독 수요로 직결되지는 않음. TDF는 가입 후 자동 운용되는 '설정 후 방치' 상품으로, 오히려 리밸런싱 서비스 수요를 축소시키는 요인이 될 수 있음
• 금융감독원 통합 연금 포털 검색량 +200% 수치의 출처가 각주 [3]으로 표기되어 있으나, 실제 인용 출처는 Tridens Technology의 크라켄 대안 비교 글임. 연금 포털 검색량 급등과 무관한 출처로, 핵심 근거 데이터의 신뢰성 문제 발생

---

• "3개 연금 통합 분석 도구 전무" 주장은 과장. 미래에셋·삼성증권 등 대형 증권사 앱이 이미 마이데이터 기반 통합 조회를 제공하고 있으며, 금융감독원 연금포털도 지속 개선 중. "실행 가능한 액션 플랜 부재"로 문제를 좁혀야 설득력이 높아짐
• **"DC·IRP 가입자 다수가 원리금보장상품에 방치"**라는 표현은 근거 데이터 없이 서술되어 있음. 고용노동부 퇴직연금 현황 통계 등 공식 출처 인용이 필요하며, 이를 해결하는 데 PensionPilot이 실질적으로 기여할 수 있는지도 검증 필요(원리금보장 선호는 리스크 회피 성향에서 비롯되며 AI 제안으로 쉽게 바뀌지 않음)

---

• "직접 경쟁사 미확인"은 시장 조사 부족의 신호로 읽힘. 핀트(fint), 파운트(Fount) 등 국내 로보어드바이저 업체들이 IRP 계좌 연동 및 리밸런싱 제안 기능을 이미 제공하고 있으며, 삼성증권 POP MY FUND, KB증권 M-able 등 대형사 앱의 기능 고도화 속도를 과소평가하고 있음
• 비교표에서 모든 항목 ✅를 독식하는 구조는 실제 기능 완성 전 과장된 자기 평가이며, 투자자 및 심사위원의 신뢰를 저해함. "출시 시점 기준 확보 예정 기능"과 "현재 기능"을 구분해야 함

---

• SAM 산출 방식의 오류: '3050 연령대 비중(60%) × 디지털 금융 서비스 침투율(70%) = 500만 명' 계산은 두 변수를 단순 곱한 것으로, 실제로 연금 통합 관리 서비스에 유료로 지불할 의향이 있는 고객을 반영하지 않음. Willingness-to-Pay(WTP) 기반 재산출이 필요하며, 현실적 SAM은 50만~100만 명 수준일 가능성이 높음
• SOM 1%(5만 명) 근거 부재: "SAM의 1%"라는 수치는 업계 관행처럼 제시되어 있으나, 구체적인 마케팅 채널별 획득 가능 고객 수, CAC(고객획득비용) 대비 가용 마케팅 예산으로 역산한 현실적 도달 가능 수치가 없음

---

• Phase 0 (M1~M2)에서 마이데이터 본인가 취득을 마일스톤으로 설정한 것은 현실적으로 불가능. 금융위 마이데이터 본인가 심사는 서류 접수 후 통상 6~12개월 소요. 대안인 '기허가 마이데이터 사업자와 제휴'는 실제로 핵심 경쟁자인 토스·뱅크샐러드가 데이터를 제3자 제공하지 않을 가능성이 높아 대안의 실효성도 불확실
• AI 코딩 도구 활용으로 개발 공수 30~50% 단축 가정은 UI/UX·프론트엔드 영역에서는 일부 타당하나, 금융 API 연동·보안·AI 모델 검증·규제 준수 영역에서는 오히려 표준 공수 이상의 시간이 필요. 안전 마진 없이 단축 기간을 기본값으로 설정한 일정은 리스크를 내재함

---

• 태스크 1-1~1-3 (마이데이터 API 연동, 각 2주): 실제 금융사 마이데이터 API 연동은 금융결제원 인증, 각 금융사별 테스트 계정 발급, 데이터 포맷 불일치 처리, 엣지케이스 처리 등을 포함하면 금융사 1개사당 최소 4~6주가 현실적. 국민연금·IRP·개인연금 3개 소스를 동시에 2주 내 완성하는 것은 사실상 불가능
• 태스크 0-1 (마이데이터 허가, M1 4주): 앞서 지적한 바와 같이 단 4주 내 본인가 취득은 현실과 동떨어진 계획. Phase 0 전체가 이 태스크의 지연으로 연쇄 지연될 가능성이 높음

---

• 월 ARPU 13,000원(구독료 9,900원 + 성과 수수료 3,100원) 가정은 성과 수수료 수령을 위해 자율 모드를 사용하는 비율이 상당히 높아야 성립. 초기 서비스에서 자율 모드 채택률이 20%에 불과하고(자체 목표), 성과 수수료 상한이 49,000원이라면 평균 성과 수수료는 1,000원대로 수렴할 가능성이 높아 BEP 계산 자체가 흔들림
• 1년차 4분기 월 BEP 달성(3,850명) 전망은 마케팅 예산 1.4억 원 대비 CAC를 역산하면(1.4억 원 / 3,850명 = 약 36,000원/명) 디지털 금융 서비스의 통상 CAC(5만~15만 원)보다 낙관적. 실제로는 월 BEP 달성 시점이 2년차로 밀릴 가능성이 높음

---

핵심 원칙: 마이데이터 허가 취득 이전에도 시장 수요를 검증할 수 있는 '노 코드·저비용 수요 실험'을 먼저 실행

• 구현 범위 (기능 2개)

  1. 연금 현황 입력 폼 (Typeform 또는 구글 폼 활용): 사용자가 국민연금 예상 수령액, IRP 잔액·수익률, 연금저축 잔액을 수동 입력
  2. PDF/카카오톡 맞춤 리포트 발송: 금융 전문가가 입력 데이터를 기반으로 ① 예상 수령액 시뮬레이션 ② 세액공제 소진율 ③ 리밸런싱 우선순위 3종 리포트를 24시간 내 수동 작성 후 카카오톡/이메일 발송

• 예상 기간·인원

  • 기간: 4~6주
  • 인원: 대표 1명 + 금융 도메인 전문가 1명 (개발자 불필요)
  • 비용: 폼 도구·카카오 알림톡 API 구독료 포함 월 50만 원 이하

• 성공/실패 판단 기준 (KPI)

• 이 단계가 중요한 이유: 마이데이터 허가 없이도 '결과 중심 연금 리포트에 돈을 낼 의향이 있는가'라는 가장 중요한 가설을 검증 가능. 300명 × 9,900원 = 약 300만 원의 초기 매출과 함께 실제 사용자 인터뷰 데이터를 확보하여 투자자 설득 근거로 활용 가능

---

• 마이데이터 API 안정성 과신: 국민연금 API는 공단 시스템 특성상 응답 속도·가동률이 민간 금융사 대비 현저히 낮으며, 배치 처리 시점(월말)에 트래픽이 집중되면 타임아웃 발생 가능. 재시도 로직·폴백 처리 등 방어 코드가 기본 개발 공수의 30% 이상을 차지할 수 있음
• AI 분석 결과의 책임 소재: '예상 수령액 시뮬레이션'은 국민연금 납입 이력, 향후 금리 가정, 개인 소득 변동 등 수십 개 변수에 따라 실제값과 크게 차이날 수 있음. AI가 제시한 수치와 실제 수령액 간 오차 발생 시 사용자 클레임·법적 분쟁 리스크를 사전에 설계해야 함
• 리밸런싱 '자율 모드' 실행의 기술적 복잡도: 각 금융사 앱/API 연동을 통해 실제 펀드 매도·매수를 자동 실행하려면 증권사별 OTP 인증, 전자서명 처리, 실시간 호가 처리 등이 필요하며, 이는 현 사업계획서에서 완전히 과소평가된 기술적 난제. 자율 모드는 Phase 2 내 구현이 불가능할 가능성이 높음

• 유료 전환의 심리적 장벽: 국내 금융 소비자는 조회·분석 서비스에 월정액을 지불하는 것에 극도로 인색하며, 토스·뱅크샐러드 등 무료 서비스가 존재하는 상황에서 "9,900원을 왜 내야 하는가"에 대한 명확한 가치 전달 실패 시 DAU/MAU 비율이 급격히 낮아질 위험
• 실제 Pain Point vs. 인식된 Pain Point 괴리: 연금 검색량 증가가 '관리 서비스 구매 의향'을 의미하지는 않음. 상당수 사용자는 정보 탐색 후 만족하고 행동하지 않는 '정보 소비자'로, 이들의 유료 전환율은 1% 미만일 수 있음
• 대형 금융사의 무료 서비스 무력화: KB국민은행·삼성증권 등은 고객 락인 목적으로 유사 기능을 무료로 출시할 강력한 유인이 있음. 스타트업이 마이데이터 허가를 취득하는 12개월 동안 대형 금융사가 먼저 시장을 선점할 수 있음

• ISMS-P 인증 비용 과소계상: ISMS-P 컨설팅·심사 비용은 통상 8,000만~1억 5,000만 원 + 연간 유지 비용(3,000만~5,000만 원)이 발생하며, 인증 기간 동안 내부 인력의 80%가 준비 작업에 투입되어 개발 일정 지연을 유발함
• 성과 수수료 현금 수취 시점 불일치: '절세 확정액'은 연말정산(다음해 2~3월) 이후에야 확정되므로, 월 단위로 과금하려면 '예상 절세액 기준 선과금 후 정산' 구조가 필요. 이 경우 환불 처리, 과소/과다 과금 분쟁, 회계 처리 복잡성이 발생하며 실질적인 결제 인프라 구현 비용이 2배 이상 증가
• 서버 비용 과소평가: 1만 명 이상 사용자의 월말 배치 처리(AI 분석 동시 실행)에 필요한 AWS GPU 인스턴스 비용은 월 300만~700만 원에 달할 수 있으며, 월 운영 비용 5,000만 원 내에서 감당 가능한지 재검토 필요

---

---

선택한 3개 시나리오: ① 보안 사고/대규모 장애 ② 핵심 인력(CTO) 이탈 ③ 고객 획득 비용(CAC) 2배 증가

스트레스 시나리오별 사업 치명도 (10점 만점)
차트 종류 변경 ▾

---

가정: 초기창업패키지 또는 TIPS 지원

---

잘린 지점에서 이어서 작성합니다.

---

---

• [1] (Sosocomm AJAX 응답 데이터)
  • 출처: Sosocomm
  • URL: https://sosocomm.com/ajax/ptp_list_add●일반
• [2] (2025년 ServiceNow 경쟁사 분석)
  • 출처: ClickUp 블로그
  • URL: https://clickup.com/ko/blog/59135/servicenow-competitors●일반
• [3] (2025년 Kraken 대안 분석, API 우선 설계 및 셀프서비스 포털의 중요성)
  • 출처: Tridens Technology
  • URL: https://tridenstechnology.com/ko/%ED%81%AC%EB%9D%BC%EC%BC%84-%EB%8C%80%EC%95%88●일반
• [4] (TDF를 활용한 생애주기별 연금 투자 전략)
  • 출처: Daum 뉴스
  • URL: https://v.daum.net/v/20251122110228716●일반
• [5] (Solitykorea 뉴스 리스트 AJAX 응답 데이터)
  • 출처: Solitykorea
  • URL: https://www.solitykorea.com/en/media/select_news_list_ajax●일반