Go / Pivot / Kill
Agentic MVP는 완성이 아니라 결정을 배송합니다. Go/Pivot/Kill 판정 신호, Pivot 7종, A~D 증거 등급, 확증 편향·매몰 비용 함정을 피하는 학습 리포트 작성법을 다룹니다.
핵심 요약
- Agentic MVP는 완성이 아니라 Go(확장)·Pivot(방향 수정)·Kill(가설 폐기)이라는 결정을 배송합니다.
- 각 결론마다 구체적 신호 목록이 있으며, Kill은 실패가 아니라 가장 빠른 학습으로 다룹니다.
- Pivot은 타겟·가치·채널·가격·품질·온보딩·신뢰 등 무엇을 바꾸는지로 종류를 나눕니다.
- 증거는 A(결제·반복·공유)부터 D(좋아요·AI 예측)까지 등급화하고, AI 예측은 Go 판정 근거로 쓰지 않습니다.
- 확증 편향·매몰 비용·합의 회피 함정을 막기 위해 Kill 근거를 먼저 쓰고 판정 기한을 Day 7에 고정합니다.
Agentic MVP가 배송하는 건 "완성"이 아니라 결정입니다. 결정이 늦어질수록 개발은 길어지고 비용은 불어납니다.
AI 에이전트가 요약한 리포트는 결정을 거들 뿐, 대신 내려주지 않습니다. Go/Pivot/Kill은 실제 타겟의 행동과 대화에 근거해야 합니다.
의사결정 유형
| 결론 | 의미 | 다음 행동 |
|---|---|---|
| Go | 신호가 충분 | 기능 확장/자동화/스케일 |
| Pivot | 신호는 있으나 방향 수정 | 타겟/가치/채널/가격 재설계 |
| Kill | 신호가 약함 | 가설 폐기, 새로운 루프 |
Go / Pivot / Kill 판정 신호
어떤 결론을 내릴지 가늠하기 어려울 때는 아래 신호를 기준으로 삼습니다.
Go 신호 (확장)
- Primary metric이 판정 기준을 충족했다
- 결제 의사/실결제/반복 요청이 발생했다
- 사용자가 자발적으로 다른 사람에게 공유했다
- "이거 없으면 곤란하다"는 피드백이 나왔다
- 제품 약속과 실제 경험 사이의 차이가 작다
- 특정 채널/메시지에서 같은 ICP의 반응이 반복된다
Pivot 신호 (방향 수정)
- 신호는 있지만 예상과 다른 곳에서 나온다 (다른 타겟, 다른 기능에서 반응)
- "좋은데, ~이면 더 쓸 것 같다"는 조건부 피드백이 반복된다
- 전환은 있지만 리텐션이 약하다 (문제는 맞지만 해결 방식이 다름)
- 특정 세그먼트에서만 강한 신호가 나온다
- 랜딩 약속에는 반응하지만 실제 온보딩에서 이탈한다
- 가격 반응은 있으나 구매권한/도입 시점이 맞지 않는다
Kill 신호 (가설 폐기)
- 충분한 노출에도 전환/반응이 거의 없다
- 사용자가 문제 자체를 인식하지 못한다
- 대안(현재 방식)에 대한 불만이 약하다
- 인터뷰에서 "있으면 좋겠지만, 돈을 내진 않겠다"가 반복된다
Kill은 실패가 아니다
Kill은 "이 가설은 아니다"를 확인한 것이라, 가장 빠른 학습입니다. Kill한 뒤에는 학습 리포트에 "왜 안 됐는지"를 적고 곧장 새 가설로 넘어갑니다.
Pivot의 종류(어디를 바꾸나)
| Pivot 유형 | 바꾸는 것 | 예시 |
|---|---|---|
| 타겟 Pivot | "누구에게" | 소상공인 → 중소 에이전시 |
| 가치 Pivot | "무엇을" | 보고서 자동화 → 인사이트 알림 |
| 채널 Pivot | "어디서" | 커뮤니티 → 세일즈 콜 |
| 가격 Pivot | "얼마에/어떻게" | 월정액 → 건당 과금 |
| 품질 Pivot | 결과 품질/신뢰 | 자동 생성 → 사람 검수 후 전달 |
| 온보딩 Pivot | 첫 가치 도달 경로 | CSV 업로드 → 샘플 데이터 체험 |
| 신뢰 Pivot | 위험 완화 방식 | AI 자동 답변 → 출처/검수 표시 |
증거 등급
초기 팀은 좋은 반응 하나에 과하게 확신하기 쉽습니다. 신호를 등급으로 나눠 판정하세요.
| 등급 | 증거 | 판정에서의 무게 |
|---|---|---|
| A | 결제, 예약금, 반복 사용, 공유 | Go 근거가 될 수 있음 |
| B | 데모 요청, 구체적 도입 일정 | 강한 Pivot/Go 후보 |
| C | 이메일 등록, CTA 클릭 | 추가 실험 필요 |
| D | 좋아요, 칭찬, AI 예측 | 참고만 가능 |
AI 예측은 D등급
합성 사용자 반응, AI 시장 분석, 에이전트가 예측한 전환율은 실제 행동이 아닙니다. 방향을 더듬을 때는 써도 되지만 Go 판정의 핵심 근거로는 쓰지 마세요.
학습 리포트 1장(템플릿)
의사결정을 방해하는 함정
| 함정 | 증상 | 해결 |
|---|---|---|
| 확증 편향 | 좋은 신호만 골라서 Go를 정당화 | 반드시 "Kill의 근거"를 먼저 작성 |
| 매몰 비용 | "이미 많이 만들었으니까 계속" | 만든 양이 아니라 학습량으로 판단 |
| 데이터 부족 핑계 | "더 모아봐야 알 수 있다" | 증거 부족도 판정임. 다음 루프에서 보강 |
| 합의 회피 | "다음 주에 정하자" | 의사결정 기한을 Day 7에 고정 |
| AI 요약 과신 | 리포트가 그럴듯해서 Go로 착각 | 원문 발화와 실제 행동 로그를 함께 확인 |
Claude Code 활용 체크리스트(결정)
- 이벤트/퍼널 요약을 기반으로 "병목 1개"를 정의해달라
- Go/Pivot/Kill 각각의 근거를 '반대 의견'까지 포함해 작성해달라
- 다음 루프 실험 3개를 제안하고, 비용/학습량 순으로 정렬해달라
- 학습 리포트 초안을 위 템플릿에 맞춰 작성해달라
- 증거를 A/B/C/D로 등급화하고, AI 추론과 실제 증거를 분리해달라
참고 자료
- Eric Ries, The Lean Startup — "Pivot or Persevere" 의사결정 프레임워크의 원형. 학습으로 결정을 내리려면 먼저 읽어둘 책입니다.
- Marty Cagan, Empowered — 제품팀이 "결과(outcome)"를 책임지는 의사결정 구조. Go/Pivot/Kill을 조직 맥락에서 풀어 읽을 수 있습니다.
- Annie Duke, Thinking in Bets — 불확실성 속에서 결정의 질을 끌어올리는 방법. 확증 편향과 매몰 비용 함정을 피하는 실전 기법.
- arXiv, Using Generative Agents to Validate Product Concepts — AI 기반 제품 발견 보조의 가능성과 실제 사용자 검증의 필요성.