문제 정의
지식 노동자와 연구자들이 직면하는 문제:
- 정보 과부하: 연간 514만 개 이상 논문 발행, 수동 검토 불가능
- 검색 시간 낭비: 직원들이 하루 1.8시간(주 9.3시간)을 정보 검색에 소비
- 지식 단절: 연구 결과가 축적되지 않고 매번 처음부터 시작
- 컨텍스트 전환: 여러 소스 간 이동으로 집중력 저하
시장 분석
| 지표 | 수치 |
|---|---|
| 정보 검색 시간 | 업무 시간의 20% |
| 연간 발행 논문 | 514만+ |
| AI 연구 도구 채택 | 급성장 중 |
타겟 고객: 연구원, 분석가, 지식 노동자, 컨설턴트
솔루션: Kerns.ai
Kerns는 연구가 “리셋"되지 않고 “복리"로 축적되게 합니다.
핵심 기능
- 원클릭 리서치 리포트: 주제 입력 → 종합 보고서 자동 생성
- 리포트 비교: 동일 공간에서 여러 리포트 비교 분석
- 백그라운드 AI 추적: 새로운 발전 사항 자동 감지 및 알림
- 소스 커스터마이징: 특정 소스에 집중하거나 AI 지식 끄기 가능
- 워크스페이스: 연구 결과가 축적되는 개인 지식 베이스
차별화
- 기존 도구: 검색 → 결과 → 잊음
- Kerns: 검색 → 결과 → 축적 → 연결 → 성장
경쟁 환경
| 경쟁사 | 특징 | 약점 |
|---|---|---|
| Perplexity | AI 검색 | 축적 기능 없음 |
| Elicit | 논문 분석 | 일반 연구 미지원 |
| Consensus | 과학 합의 | 범용성 부족 |
| Notion AI | 노트 + AI | 연구 특화 아님 |
경쟁 강도: 높음 (Red Ocean - 많은 AI 검색 도구)
MVP 개발 계획
| 단계 | 기간 | 내용 |
|---|---|---|
| 1단계 | 2주 | 웹 스크래핑, 소스 통합 |
| 2단계 | 3주 | RAG 파이프라인 구축 |
| 3단계 | 2주 | 리포트 생성 로직 |
| 4단계 | 3주 | 워크스페이스 UI |
총 MVP 기간: 8-10주 기술 스택: Python, LangChain, Vector DB, React
수익 모델
| 플랜 | 가격 | 포함 기능 |
|---|---|---|
| Free | $0 | 3 리포트/월, 기본 소스 |
| Pro | $19/월 | 무제한, 모든 소스 |
| Team | $15/인/월 | 공유 워크스페이스 |
| Enterprise | 문의 | API, 커스텀 소스 |
예상 MRR (12개월): $3,000 - $10,000
리스크 분석
| 리스크 | 수준 | 대응 |
|---|---|---|
| 기술 | 중 | RAG 품질이 핵심 |
| 시장 | 높 | 경쟁 치열, 차별화 필요 |
| 실행 | 중 | “축적” 기능으로 차별화 |
추천 이유
- 도메인 적합도: productivity, data_mgmt (선호 도메인)
- 문제 공감: 연구 시간 낭비는 실제 pain point
- 차별화 가능: “복리 연구” 컨셉은 독특
- 확장성: B2B 시장으로 확장 가능
종합 점수: 81/100