Install any skill in seconds. Free to start, no credit card required.
Get Started Free →투자 유치를 위한 IR 피치덱과 3개년 재무 모델(매출 예측·손익·현금흐름·밸류에이션)을 만들어 드립니다. 다음과 같은 요청 시 사용하세요: - "IR 덱 만들어줘" - "투자자 피치 자료 써줘" - "재무 모델 만들어줘" - "매출 예측 좀 해줘" - "밸류에이션 계산해줘" - "시리즈 A 투자 유치 자료 준비해줘" - "투자자 보고서 정리해줘" 투자 단계(Pre-Seed~Series B)에 맞춘 12슬라이드 피치덱·재무 모델·예상 질문 Q&A를 만들고, PPT/엑셀 변환으로 이어집니다.
.claude/skills/modu-ai-investor-relations/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-02 | ✗→✓ | ▲ Improved | 116% | 0% |
| case-03 | ✗→✓ | ▲ Improved | 165% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 226% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 214% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 235% | 0% |
투자 유치를 위한 IR 자료와 재무 모델을 체계적으로 준비합니다. 시리즈 A/B 투자 유치용 피칭 덱, 재무 모델, 매출 예측, 손익분석, 현금흐름, 밸류에이션을 작성하여 투자자를 설득하는 전문적인 IR 자료를 생성합니다.
이 스킬은 투자 단계(Pre-Seed, Seed, Series A, Series B+)에 맞는 IR 자료를 준비합니다. 12슬라이드 표준 피칭 덱 구조, 3개년 재무 모델, 밸류에이션, 투자자 예상 질문 Q&A를 포함한 종합적인 IR 자료를 생성합니다.
2026년 한국 스타트업 투자 환경은 승자독식 구조 심화입니다. 전체 투자 건수는 줄어드는데 100억+ 대형 라운드는 늘었고, 그 75%가 정부 6대 전략산업(AI·바이오·콘텐츠·방산·에너지·첨단제조)에 집중되고 있습니다. 시드는 가능성과 문제 인식에 베팅하지만 시리즈 A는 그 가능성이 지표로 입증되었는지 확인하는 단계입니다.
| 슬라이드 | 본질 | 안티 패턴 | |---|---|---| | 시장 분석 | 구조적 균열·패러다임 시프트 포착 | "00조 시장" 일반론 나열 | | 시장 규모 | Bottom-up [고객수 × 단가 × 빈도] 산식 | Top-down "시장의 1% 점유" | | 경쟁사 분석 | 격차가 만들어지는 구조적 지점 | 기능·가격 비교표, 로고 나열 | | SWOT | "어디서 이길지 + 무엇을 포기했나" | 4칸 나열식 진단표 | | PMF | CAC·LTV·Retention·Churn·Unit Economics | 누적 가입자·다운로드 (허무 지표) | | 트랙션 차트 | 변곡점 + 트리거 이벤트 명시 | 단순 우상향 그래프 | | 재무 전망 | 보수적 가정 + 명확한 산식 | "시장 1% 점유" 막연 낙관 | | 글로벌 확장 | 구체적 진출국·진출 시점·자원 | "추후 글로벌 진출 계획" 추상 |
① TAM·SAM·SOM 전략적 배치
② 도메인별 북극성 지표 (NSM) — 2026 한국 SaaS 검증
| 비즈니스 | NSM | 가드레일 | |---|---|---| | SaaS·구독 | Weekly Active Engaged Users / ARR | LTV:CAC ≥ 3:1 | | 마켓플레이스 | 수수료 매출 + 재구매율 (GMV X) | Net Take Rate | | 딥테크·B2B | PoC 통과율 + 앵커 고객 수 | 영업 사이클 단축률 | | AI·머신러닝 | 모델 활용도·인용률 | Inference 비용/매출 | | 피지컬 AI (로봇·자율주행) | 현장 작업 사이클 타임·정확도 | 단위 비용 절감률 |
같은 산업도 단계에 따라 NSM이 달라짐 — 우리만의 단일 지표 선언이 핵심.
③ 코호트 리텐션 커브 = PMF 신호 누적 가입자는 성장 착시. 월·분기별 코호트 리텐션 그래프에서 "0으로 수렴하지 않는 평평한 구간" 이 PMF 신호. Revenue Churn(매출 이탈률)도 별도 관리 — 사용자 유지되어도 매출 줄면 PMF 무효.
④ 사회적 증거 (B2B 한국 시장 필수) "누가 우리를 검증했는가"가 가장 강력한 PMF. 대기업·대학·기관과의 PoC 사례, 베타 협업, 공동 연구는 내부 데이터보다 신뢰도 높음. 신생 B2B는 앵커 고객 1-2개 확보 후 IR 진입. 2026 한국 시리즈A 트렌드는 VC + CVC + 정책금융 + 은행 직접 투자 복합 구조 다양화.
⑤ "왜 지금인가" 구조적 트리거 (2026 한국)
| 트리거 | 2026 한국 사례 | |---|---| | 규제 변화 | 개인정보보호법 개정·식약처 디지털 헬스케어 가이드·중대재해법·ESG | | 기술 임계점 | LLM 비용 곡선 하락·피지컬 AI 상용화·5G→6G 전환 | | 인구·라이프스타일 | 고령화·1인 가구 50%+·노동력 부족 | | 정부 정책 | 6대 전략산업 집중·K-스타트업·디지털 뉴딜 | | 글로벌 충격 | 공급망 재편·AI 패권 경쟁 |
일시 유행 X — 수년간 의사결정 구조와 구매 행태를 바꿀 변화임을 증명.
⑥ SWOT은 "선택과 포기"의 언어 일반 진단 X. 의도적으로 포기한 경로 명시할 때 전략의 깊이가 드러남.
⑦ 경쟁사 "없다" = 시장조사 부족 신호 강력한 경쟁자 전면 노출 → 그들의 구조적 한계(자본 구조·기술 스택·운영 모델·고객 도달 채널) 명시 → 우리가 그 공백을 어떻게 점유하는지 설계. "위협을 기술적·구조적 공백으로 재정의"하는 프레임이 2026 한국 시리즈A 표준.
⑧ 글로벌 확장 로드맵 필수 (2026 시리즈A) 한국 시장만 보고 시리즈A 통과 거의 불가능. 다음 18-24개월 글로벌 확장 계획 필수:
2026 한국 시리즈A 100억+ 라운드의 거의 모든 사례에서 글로벌 확장 계획이 핵심 평가 요소.
> 💡 2026 한국 시리즈A 통과 공식: (1) 6대 전략산업 명확 카테고리 (2) NSM + Unit Economics 입증 (3) 글로벌 확장 로드맵 + 1-2개 앵커 고객 (4) AI 네이티브 차별성. 시장·경쟁사·PMF·재무·글로벌을 분리된 정보가 아닌 하나의 인과 사슬로 설계.
매출 모델
비용 구조
손익분석
현금흐름
밸류에이션
입력:
회사: AI옵틱스
단계: Series A
현재 지표: ARR 5억원, MAU 3만명, 월 성장률 15%
투자 요청: 30억원출력:
# AI옵틱스 시리즈 A 피칭 덱
## 슬라이드 1: 표지
AI옵틱스 - 중소 제조업체를 위한 AI 생산 최적화 플랫폼
## 슬라이드 2: 문제
중소 제조업체의 생산 비용 최적화 어려움
- 85%가 엑셀로 관리 (조사)
- 평균 설비 가동률 68% (업계 평균)
- 불량률 2.1% → 연간 5억원 손실
## 슬라이드 3: 솔루션
AI 기반 실시간 생산 최적화 SaaS
- IoT 센서 설치 → 데이터 수집
- AI 최적화 알고리즘 → 실시간 조언
- 효과: 가동률 8%↑, 불량률 60%↓ (베타 사례)
## 슬라이드 4: 시장 규모
TAM 3조원 → SAM 3,000억원 → SOM 30억원 (3년 내 1%)
## 슬라이드 5: 비즈니스 모델
SaaS 구독 (월 50-200만원)
- 직접 영업 (50%)
- 파트너 (SI사, 30%)
- 인바운드 (20%)
## 슬라이드 6: 트랙션
- ARR 5억원 (YoY 300% 성장)
- 유료 고객 42사 (리텐션 95%)
- MAU 3만명 (월 15% 성장)
## 슬라이드 7: 경쟁 분석
[포지셔닝 매트릭스: 가격 vs 기능]
AI옵틱스: 중가, 고기능 (차별화)
## 슬라이드 8: 팀
- CEO: 삼성전자 생산최적화팀 10년
- CTO: KAIST AI 박사, 8년 경력
- COO: 현대중공업 운영 15년
## 슬라이드 9: 로드맵
- 6개월: 고객 100사, ARR 10억원
- 12개월: 고객 200사, ARR 25억원
- 18개월: 시리즈 B 준비
## 슬라이드 10: 재무 전망
| | 1년차 | 2년차 | 3년차 |
|---|---|---|---|
| 매출 | 10억 | 35억 | 100억 |
| 매출원가 | 2억 | 5억 | 12억 |
| 영업이익 | -5억 | 5억 | 25억 |
## 슬라이드 11: 투자 요청
- 금액: 30억원
- 사용 계획: R&D 50%, 마케팅 30%, 팀 20%
- Runway: 18개월
## 슬라이드 12: 비전
2030년까지 국내 1위, 동아시아 Top 5입력:
비즈니스: 구독 SaaS
현재: 월 100명 신규 가입, 월 5만원 ARPU
성장: 월 10% 성장 가정출력:
## 3년 재무 모델 (구독 SaaS)
### 매출 모델
| 월 | 0 | 6 | 12 | 18 | 24 | 30 | 36 |
|---|---|---|---|---|---|---|---|
| 신규 가입 | 100 | 177 | 313 | 555 | 985 | 1,747 | 3,098 |
| 누적 고객 | 1,000 | 1,813 | 3,047 | 5,003 | 8,082 | 12,866 | 20,246 |
| MRR(만원) | 500 | 906 | 1,523 | 2,501 | 4,041 | 6,433 | 10,123 |
| ARR(억원) | 0.6 | 1.1 | 1.8 | 3.0 | 4.8 | 7.7 | 12.1 |
### 비용 구조 (월)
- 고정비: 1,000만원 (팀 5명 인건비 + 사무실)
- 변동비: MRR의 30% (서버, CS)
- 마케팅: 신규 고객당 5만원 (CAC)
### 손익분석 (P&L)
| | 1년차 | 2년차 | 3년차 |
|---|---|---|---|
| 매출 | 1.8억 | 4.8억 | 12.1억 |
| 매출원가 | 0.5억 | 1.4억 | 3.6억 |
| 매출총이익 | 1.3억 | 3.4억 | 8.5억 |
| 영업비 | 2.0억 | 3.5억 | 7.0억 |
| 영업이익 | -0.7억 | -0.1억 | 1.5억 |
### 현금흐름
- Burn Rate: 1년차 0.6억/월, 2년차 0.1억/월
- Runway: 1년차 12개월, 2년차 24개월
- BEP: 2년차 말 (매출 5억원)
### 밸류에이션
- ARR Multiple: 10x (Series A 기준)
- 2년차 말 ARR 4.8억 × 10 = 480억원 (밸류에이션)Pre-Seed: 아이디어, 팀, 시장 기회 중심 Seed: 초기 트랙션, PMF 검증, 베타 사례 Series A: ARR 5-20억원, 성장성 증명, 시장 리더십 Series B+: ARR 50억원+, 단위 경제 확립, 확장 전략
> IR 덱의 재무 모델·매출 예측·밸류에이션 등 표·수치 산출물은 humanize 대상이 아닙니다 — moai-office:xlsx-creator로 라우팅하세요. 위 체인은 문제·솔루션·시장·비전 등 서술(narrative) 슬라이드 본문에만 적용합니다.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 26,059 | 31,035 | +19% | 1 | 1 | 0% | 4,178 | 9,626 | +130% | 0 | 0 | — |
case-02 | fail→pass | 28,932 | 31,783 | +10% | 1 | 1 | 0% | 4,436 | 9,562 | +116% | 0 | 0 | — |
case-03 | fail→pass | 18,898 | 19,899 | +5% | 1 | 1 | 0% | 2,924 | 7,755 | +165% | 0 | 0 | — |
case-04 | pass→pass | 19,797 | 19,303 | -2% | 1 | 1 | 0% | 2,985 | 7,710 | +158% | 0 | 0 | — |
case-05 | fail→pass | 17,398 | 23,666 | +36% | 1 | 1 | 0% | 2,551 | 8,309 | +226% | 0 | 0 | — |
case-06 | fail→pass | 15,952 | 18,676 | +17% | 1 | 1 | 0% | 2,393 | 7,508 | +214% | 0 | 0 | — |
case-07 | fail→pass | 15,289 | 19,732 | +29% | 1 | 1 | 0% | 2,243 | 7,514 | +235% | 0 | 0 | — |
case-08 | fail→fail | 28,183 | 33,655 | +19% | 1 | 1 | 0% | 4,236 | 10,242 | +142% | 0 | 0 | — |
case-09 | fail→pass | 17,625 | 18,092 | +3% | 1 | 1 | 0% | 2,628 | 7,424 | +182% | 0 | 0 | — |
case-10 | fail→fail | 23,774 | 26,128 | +10% | 1 | 1 | 0% | 3,963 | 9,334 | +136% | 0 | 0 | — |
case-11 | pass→pass | 18,625 | 18,412 | -1% | 1 | 1 | 0% | 2,696 | 7,319 | +171% | 0 | 0 | — |
case-12 | pass→pass | 16,421 | 18,952 | +15% | 1 | 1 | 0% | 2,572 | 7,703 | +199% | 0 | 0 | — |
case-13 | fail→pass | 22,242 | 20,963 | -6% | 1 | 1 | 0% | 3,202 | 7,873 | +146% | 0 | 0 | — |
case-14 | fail→pass | 16,813 | 18,137 | +8% | 1 | 1 | 0% | 2,648 | 7,369 | +178% | 0 | 0 | — |
case-15 | fail→pass | 23,061 | 27,114 | +18% | 1 | 1 | 0% | 3,367 | 8,780 | +161% | 0 | 0 | — |
case-16 | pass→pass | 16,057 | 14,848 | -8% | 1 | 1 | 0% | 2,526 | 6,949 | +175% | 0 | 0 | — |
case-17 | pass→pass | 21,078 | 22,829 | +8% | 1 | 1 | 0% | 3,218 | 8,280 | +157% | 0 | 0 | — |
case-18 | pass→pass | 20,758 | 20,131 | -3% | 1 | 1 | 0% | 3,374 | 7,985 | +137% | 0 | 0 | — |
case-19 | pass→pass | 20,787 | 21,826 | +5% | 1 | 1 | 0% | 2,919 | 7,819 | +168% | 0 | 0 | — |
case-20 | pass→pass | 13,885 | 13,992 | +1% | 1 | 1 | 0% | 2,653 | 7,473 | +182% | 0 | 0 | — |
case-21 | pass→pass | 14,491 | 15,567 | +7% | 1 | 1 | 0% | 2,895 | 7,911 | +173% | 0 | 0 | — |
case-22 | pass→pass | 18,535 | 19,147 | +3% | 1 | 1 | 0% | 3,809 | 8,840 | +132% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +41 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.