SaaS의 종말인가, 진화인가? — AI 에이전트 시대에 SaaS 기업이 취해야 할 전략

SaaS라는 개념이 제시되기 전에는 소프트웨어를 패키지 제품으로 구매했습니다. 개인은 이를 자신의 PC에 설치했고, 기업은 데이터센터의 서버에 설치했습니다. 즉, 소프트웨어 사용은 온프레미스 환경을 전제로 했습니다.

1995년 Windows 95가 출시되면서 인터넷은 빠르게 대중화되기 시작했습니다. 개인과 기업 모두 인터넷상의 콘텐츠와 서비스를 사용하기 시작했고, 1990년대 후반은 닷컴 붐의 열기로 가득했습니다.

당시 소프트웨어를 제공하던 모든 기업은 온프레미스 사용을 당연한 전제로 삼고 있었습니다. 그러나 통신 인프라가 발전하고 인터넷이 급속히 확산되면서, Amazon이나 eBay처럼 소비자 대상 비즈니스를 하던 기업들은 인터넷 기반의 새로운 사업 모델로 동네 서점이나 소규모 소매점을 무너뜨리기 시작했습니다. 반면 엔터프라이즈 소프트웨어 세계에서는 아무것도 바뀌지 않았습니다.

Salesforce의 창업자 Marc Benioff는 소프트웨어가 물리적인 패키지가 아니라 인터넷을 통해 제공되는 서비스가 된다면 대규모 서버가 필요 없어지고, 고액의 초기 투자도 사라지며, 사용자는 월 구독료만으로 필요한 기능을 사용할 수 있게 될 것이라고 보았습니다.

그렇게 되면 소프트웨어 설치와 설정이 더 이상 필요 없고, 사용자는 어디서나 항상 최신 기능을 이용할 수 있습니다. 벤더 입장에서도 소프트웨어를 CD-ROM에 구워 배포할 필요가 없고, 업그레이드할 때마다 새 CD-ROM을 배포할 필요도 없어져 비용을 크게 줄일 수 있습니다.

이러한 관점을 가진 Marc Benioff는 도발적인 슬로건인 "No Software"를 내세웠습니다. 이 메시지를 통해 그는 벤더의 소프트웨어 제공 방식을 바꾸었고, 결제 모델도 일회성 구매에서 월간 또는 연간 구독료로 전환시켰습니다. 이는 소프트웨어를 자산이 아니라 전기나 수도처럼 비용으로 처리하는 재무적 변화로도 이어졌습니다.

지금 돌아보면 이것은 하나의 거대한 전환점이었습니다.

이전에는 비쌌던 소프트웨어를 누구나 훨씬 저렴하게 사용할 수 있게 했다는 점에서 이를 "소프트웨어의 민주화"라고 부를 수도 있습니다. 그리고 SaaS를 가능하게 한 기술적 기반은 멀티테넌트 아키텍처였습니다. 이는 하나의 시스템 인프라를 여러 고객사가 함께 공유하는 설계 방식입니다. SaaS 벤더는 이를 통해 인프라 운영 비용을 획기적으로 줄일 수 있었고, 더 낮은 가격으로 서비스를 제공할 수 있었습니다. 결과적으로 멀티테넌트 아키텍처는 벤더와 고객 모두에게 이익이 되는 구조를 만들었습니다.

반면 많은 기업은 인터넷 너머에 자사 데이터를 저장하는 것에 대해 우려했습니다. 당시에는 아직 "클라우드"라는 용어가 널리 쓰이지 않았습니다. 또 인터넷 통신이 끊겨 서비스에 접속할 수 없게 되면 어떻게 되는지, SaaS 벤더가 파산하면 어떻게 되는지와 같은 질문도 있었습니다. 이런 우려는 기업이 스스로 완전히 통제할 수 없는 시스템에 의존하는 데 대한 저항감을 만들었습니다.

Salesforce의 CRM 애플리케이션(서비스)은 처음부터 빠르게 확산되지는 않았습니다. 그러나 Salesforce가 한 일은 단지 슬라이드를 보여주는 것이 아니었습니다. 실제로 작동하는 CRM 화면을 시연한 것입니다. 여러 이유로 회의적이던 기업들도 전사 도입이 아니라 부분 도입이나 무료 체험과 같은 방식으로 사용하기 시작했습니다. Salesforce뿐 아니라 다른 많은 SaaS 벤더도 비슷한 접근으로 점차 기업에 받아들여졌습니다.

Salesforce는 "End of Software"라는 행사도 개최했습니다. 업계 관계자, 애널리스트, 미디어, 고객을 초청해 SaaS라는 카테고리와 그 가능성에 대한 인식을 넓혔습니다. 또한 2000년 닷컴 버블이 붕괴하며 시장이 냉각되었을 때, 일반적으로는 시장 전체에 악재로 여겨졌습니다. 하지만 역설적으로 Salesforce와 다른 SaaS 벤더에게는 오히려 순풍이 되었습니다. 기존의 소프트웨어 구매 방식은 비쌌지만, 구독 모델은 더 낮은 비용으로 도입할 수 있었기 때문에 전통적인 온프레미스 소프트웨어 구매 방식에서의 전환이 가속화되었습니다.

그 이후 SaaS는 시장에서 확고한 인정을 받았고, 과거에는 온프레미스 소프트웨어 패키지로 제공되던 서비스들이 점점 인터넷을 통해 제공되기 시작했습니다.

2025년 9월 후지 키메라 종합연구소는 백오피스 솔루션을 포함해 기업 사용자에게 제공되는 53개 소프트웨어 유형의 시장 규모를 분석한 보고서 "소프트웨어 비즈니스 신시장 2025년판"의 요약을 발표했습니다. 이 보고서는 2025 회계연도에 SaaS/PaaS 제공 모델이 전년 대비 10% 이상 성장하고, 시장 규모가 3조 엔을 넘을 것으로 전망했습니다.

기업용 소프트웨어는 온프레미스용 패키지를 구매해 쓰는 형태에서 인터넷을 통해 접근하는 형태로 전환되었습니다. 그 결과 지난 20년 동안 SaaS 벤더는 IT 산업의 중심 플레이어가 되었고, 기업 운영을 지탱하는 기반을 형성해 왔습니다. SaaS는 매우 편리한 서비스였으며, 이를 활용함으로써 기업은 업무 효율을 높일 수 있었습니다.

그렇다면 SaaS가 패키지 소프트웨어와 온프레미스 사용 방식을 시장에서 밀어냈듯이, AI 에이전트는 SaaS를 시장에서 밀어낼까요?

결론부터 말하면, 그 위험은 상당히 높습니다.

실제로 자본시장은 이미 이 변화를 반영하기 시작했습니다. 2026년 1월 30일 기준으로 SAP, Adobe와 같은 SaaS 기업의 주가는 지난 6개월 동안 약 20% 하락했습니다. 반면 AI에 적극 투자하고 있는 Tesla는 32% 상승했고, Google(Alphabet)은 73% 상승했습니다. 또한 OpenAI, Anthropic과 같은 비상장 AI 기업들은 수조 엔 규모의 기업가치를 인정받고 있습니다. 자본의 흐름은 SaaS 시대의 종말과 AI 시대의 도래를 분명하게 시사합니다.

AI 에이전트란 무엇인가? (SaaS에서의 사용자 측 동작)

SaaS는 소프트웨어 비즈니스에서 하나의 큰 전환점이었습니다. 하지만 사용자 관점에서 보면, 온프레미스 소프트웨어와 SaaS 사이에는 실제로 사용성 측면에서 큰 변화가 없었습니다.

물론 온프레미스 패키지 소프트웨어에만 있던 특정 조작 방식이나 사용자 인터페이스는 있었습니다. 하지만 오늘날의 SaaS 애플리케이션은 온프레미스 패키지 소프트웨어와 거의 같은 기능을 수행할 수 있습니다. 그 결과 사용자는 경비 정산, CRM, SFA(Sales Force Automation), MA(Marketing Automation), 문서 작성과 같은 업무를 수행할 때 SaaS 화면을 열고, 텍스트를 입력하고, 드롭다운 메뉴에서 항목을 선택하고, 버튼을 눌러 왔습니다.

많은 분들이 아시듯 Microsoft Excel에서 할 수 있는 대부분의 일은 Google Sheets에서도 할 수 있습니다.

그러나 Microsoft Excel이든 Google Sheets든 여전히 사람 사용자가 직접 조작해야 합니다. 하지만 AI 에이전트가 있다면 인간이 직접 그런 조작을 할 필요가 없어집니다.

여기서는 많은 분들이 이미 익숙한 생성형 AI와 AI 에이전트의 차이를 간단히 설명하겠습니다.

생성형 AI와 AI 에이전트는 모두 최신 AI 기술에 기반하고 있지만, 그 역할과 작동 방식에는 큰 차이가 있습니다. 생성형 AI는 뛰어난 제작자이자 조언자입니다. 사용자의 지시에 따라 텍스트, 슬라이드, 이미지, 영상, 소프트웨어 코드와 같은 콘텐츠를 생성합니다. 그러나 스스로 행동하지는 않으며, 사용자가 요청할 때에만 반응합니다.

반면 AI 에이전트는 자율적으로 움직이는 실행자입니다. 검색, 예약, 데이터 집계처럼 특정 목표를 달성하기 위해 작업을 수행합니다. 자율성이 있기 때문에 목표 달성을 위해 스스로 행동 계획을 세우고, 과제가 끝날 때까지 그 과정을 지속합니다. 간단히 말해 생성형 AI는 구체적으로 지시한 일만 수행하지만, AI 에이전트는 다소 모호한 지시만으로도 유능한 인간처럼 결과를 만들어 냅니다.

예를 들어 다음과 같은 자연어 지시를 내린다고 해보겠습니다. "이 폴더에 있는 영수증 이미지를 바탕으로 경비를 등록하고, 이번 분기의 부서별 경비 보고서를 작성한 뒤, 예산을 초과한 부서의 부서장에게 보고서를 첨부한 이메일을 보내 대책을 요청해 줘. 그리고 부서장들이 회신하면 그 대책을 평가해서 내게 알려줘."

AI는 사내 데이터베이스, 사용자 기기에 저장된 데이터, 이메일 서버에 접근해 필요한 데이터와 파일을 확인하고 몇 분 안에 이 작업을 끝낼 수 있습니다.

이 문서에서는 이 과정에서 어떤 AI 에이전트가 구체적으로 어떤 행동을 하는지까지 자세히 설명하지는 않습니다. 다만 여러분이 이런 지시를 비서나 각 부서장에게 내린다고 생각해 보면, 보통은 매우 많은 단계가 필요합니다. 지금까지 인간은 이런 일을 SaaS를 사용해 처리해 왔습니다. 이제 AI는 생성형 AI처럼 인간을 보조하는 역할에서, AI 에이전트라는 형태의 실행자로 진화하고 있습니다.

UI 중심의 업무는 사라질 것이다

경영진, 제품 마케팅 책임자, 사업 책임자, 기술 책임자는 이런 생각을 할 수 있습니다. 자연어만으로 업무를 처리할 수 있다면, 지금까지 사용자 편의성을 높이기 위해 정교하게 개발해 온 사용자 인터페이스(UI)와 사용자 경험(UX)은 여전히 필요한가? 우리의 경험에 비추어 보면, 그 필요성은 매우 빠르게 줄어들 것이라고 생각합니다.

지금까지 시스템은 인간이 조작한다는 전제를 바탕으로 설계되었습니다. 그래서 기업은 누르기 쉬운 버튼, 보기 쉬운 메뉴, 직관적인 조작, 입력하기 쉬운 설계를 만들기 위해 큰 노력을 기울여 왔습니다. 그러나 인간이 시스템을 조작한다는 전제가 사라지면, 이러한 노력은 더 이상 필요하지 않게 됩니다. 예를 들어 기존 화면과 AI 에이전트를 위한 화면은 다음과 같이 달라집니다.

인간이 더 이상 시스템을 조작하지 않는다면, 시각적으로 매력적인 인터페이스나 사용하기 쉬운 버튼 배치는 가치를 잃게 됩니다. 기업이 SaaS에 비용을 지불해 온 이유는 직원이 이를 활용해 생산성을 높이기 위해서였습니다. 그러나 AI가 원하는 결과를 쉽게 만들어 줄 수 있다면, 더 이상 SaaS 벤더에 비용을 지불하거나 직원들에게 해당 시스템 사용법을 교육할 필요가 없어집니다.

이 점은 SaaS 벤더의 관점에서도 마찬가지입니다. 고객이 자연어로 지시하는 것이 일반화된다면, 지금까지 투자해 온 보기 좋은 UI/UX는 더 이상 필요하지 않습니다. 벤더는 위에서 말한 "AI 에이전트를 위한 인터페이스"만 만들고 여기에 AI 기능을 탑재하면 됩니다.

하나의 SaaS 애플리케이션만 다룰 때는 인터페이스가 위와 같은 형태일 수 있습니다. 하지만 앞으로는 여러 시스템이나 여러 SaaS 애플리케이션을 위한 각각의 화면 자체가 필요 없어질 것입니다. 예를 들면 다음과 같은 모습이 될 것입니다.

모든 사내 시스템이나 데이터베이스에 접근할 수 있고, 자연어 인터페이스를 통해 지시만 하면 업무가 진행된다면 사람은 더 이상 시스템 메뉴나 명령어를 배울 필요가 없습니다. 대신 시스템이 인간의 언어를 이해하게 됩니다.

다른 예를 들어 보겠습니다. 여러분은 부하 직원에게 지시하듯 AI 에이전트에게 이렇게 말할 수 있습니다. "다음 달 프로모션 캠페인을 기획하고 실행해 줘."

그렇다면 AI 에이전트는 실제로 무엇을 할까요? 대략 다음과 같은 프로세스를 수행할 것이라고 상상할 수 있습니다.

1. 과거 프로모션 캠페인 기획안과 실행 결과 데이터를 분석한다.

2. 그중에서도 유사한 경제 환경, 유사한 고객 세그먼트, 유사한 프로모션 캠페인에 초점을 맞춰 분석한다.

3. 이번 캠페인에 가장 적합한 타깃을 선정하고 고객 데이터베이스에서 해당 고객을 추출한다.

4. 캐치카피, 리드카피, 텍스트, 캠페인 내용, 캠페인 기간을 포함한 전체 캠페인 계획을 설계한다.

5. 이어서 디자인 AI 에이전트가 전체 계획에 따라 광고 배너와 이메일 뉴스레터 콘텐츠를 만든다.

6. 소셜미디어 예약 게시와 이메일 뉴스레터 발송 준비를 여러 단계로 나누어 진행한다.

7. 마케팅 예산 관리 시스템에 캠페인 예산과 필요한 매출을 입력하고 목표 ROI를 설정한다.

이 시점에서 여러분은 "프로모션 캠페인 준비가 완료되었습니다"라는 보고를 받게 됩니다.

그다음 과거 분석, 전체 캠페인 설계, 광고 디자인 등 여러 단계의 산출물을 검토하고, 만족스럽다면 승인하게 됩니다.

1번부터 7번까지의 과정에서 지시를 내린 사람은 어떤 SaaS 도구도 사용하지 않았습니다. 대신 유능한 부하 직원 역할을 하는 AI 에이전트가 다른 AI 에이전트들과 협업하며 일을 완수한 것입니다.

이것은 어디까지나 예측이지만, 많은 기업이 자신들만의 AI 에이전트를 개발하게 될 가능성이 큽니다. 기업은 SaaS나 시스템을 사용한다는 관점보다, 뛰어난 AI 에이전트들로 구성된 디지털 팀을 개발하고 활용한다는 관점으로 옮겨가게 될 것입니다.

아무리 유능한 직원이라도 영업, 엔지니어링, 마케팅, 사업 개발, 브랜딩, 재무, 회계 등 모든 영역에서 전문가가 되는 것은 현실적으로 불가능합니다. 그래서 업무는 팀 단위로 조직되고 수행됩니다.

AI 에이전트도 마찬가지일 것입니다. 초기에는 특정 업무에 특화된 형태로 시작하겠지만, 시간이 지나면서 전문화된 AI 에이전트들이 자율적으로 협력하기 시작할 것입니다. 이는 각 업무 영역의 천재들만으로 구성된 팀을 거느리는 것과 비슷할 것입니다.

애플리케이션이라는 개념의 붕괴

애플리케이션은 사용자가 특정 작업을 수행할 수 있도록 개발된 것입니다.

너무 당연해서 거의 의식하지 않지만, 이메일을 보내려면 이메일 애플리케이션을 쓰고, 문서를 작성하려면 워드 프로세서를 쓰며, 프레젠테이션 슬라이드를 만들려면 프레젠테이션 소프트웨어를 쓰고, 스프레드시트를 사용하려면 스프레드시트 소프트웨어를 쓰고, 경비 정산을 하려면 경비 관리 도구를 쓰고, 정보 공유를 하려면 협업 도구를 쓰며, 프로젝트 관리를 하려면 프로젝트 관리 애플리케이션을 써야 했습니다. 각 작업마다 별도의 애플리케이션을 실행하는 것이 당연했습니다.

그러나 AI 에이전트가 보편화되면, 사용자가 하고자 하는 작업이 여러 애플리케이션을 필요로 하더라도 사용자는 더 이상 서로 다른 애플리케이션을 선택하거나 사용한다는 사실 자체를 의식하지 않게 될 수 있습니다.

예를 들어 앞서의 지시인 "다음 달 프로모션 캠페인을 기획하고 실행해 줘"를 수행하려면 CRM, BI 도구(Business Intelligence 도구로서 경영 의사결정을 지원하는 도구), 분석 애플리케이션, 텍스트 편집 소프트웨어, 프레젠테이션 소프트웨어, 디자인 도구, 이메일 뉴스레터 도구, 예산 관리 시스템, 영업 관리 시스템, 프로젝트 관리 도구, 이메일 소프트웨어 등이 필요할 수 있습니다.

그런데 이 지시를 완수하기 위해 사용자는 어떤 애플리케이션이 쓰이고 있는지 알 필요가 없습니다. 애플리케이션은 AI 에이전트 뒤에서 작동하는 서비스가 되어 우리 눈앞에서 사라지게 될 것입니다.

이 변화는 대단히 중요하며, 그 규모는 인터넷의 등장에 비견할 수 있을지도 모릅니다.

컴퓨터가 등장한 이후 인간은 끊임없이 컴퓨터를 조작하는 방법을 배워 왔습니다. 지금은 익숙해져서 잘 느끼지 못할 수 있지만, 우리는 키보드 타이핑, 마우스 클릭, 최근에는 스마트폰 제스처 입력까지 컴퓨터와 디바이스를 다루는 법을 배우는 데 상당한 시간을 써 왔습니다.

하지만 AI 에이전트가 주류가 되면, 그런 학습의 필요성은 줄어들 것입니다. 사람에게 지시하듯 텍스트나 음성의 자연어로 지시만 하면 되기 때문입니다. 그렇게 되면 나이나 배경과 무관하게 누구나 컴퓨터 자원을 쉽게 활용할 수 있게 됩니다.

AI 에이전트는 SaaS 비즈니스 모델과 UI/UX에 큰 영향을 줄 수밖에 없습니다. 동시에 다른 관점에서 보면 이 변화는 인간의 창의성의 중요성을 더욱 높이게 됩니다. 사람들은 UI/UX 설계, 시스템 아키텍처, 데이터베이스 정의에 매달리기보다 "우리는 왜 이것을 하는가?" "무엇을 만들어야 하는가?"와 같은 더 근본적인 질문에 직접 집중할 수 있게 될 것입니다.

그렇다면 이것은 SaaS 벤더에게 절망적인 미래를 의미할까요?

우리는 그렇지 않다고 생각합니다. 오히려 SaaS 벤더에서 일하는 구성원의 창의성이 더욱 중요해지는 시대의 시작이라고 봅니다.

AI 에이전트 시대의 일과 조직

AI 에이전트가 자율적으로 일하고, 애플리케이션을 조작할 필요도 없어지면 인간에게 남는 일은 거의 없을 것처럼 보일 수 있습니다. 그러나 중요한 점은, 현재 AI 에이전트에게는 자기 의지가 없다는 사실입니다.

"다음 달 프로모션 캠페인을 기획하고 실행해 줘"라고 지시하면 자율적으로 수행합니다. "진척이 늦어진 프로젝트를 정상화해 줘"라고 지시하면 자율적으로 수행합니다. "우리의 다이렉트 마케팅을 최적화해 줘"라고 지시하면 자율적으로 수행합니다. "소셜미디어를 통해 신규 리드를 확보해 줘"라고 지시하면 자율적으로 수행합니다.

이처럼 지시에 따라 자율적으로 움직이는 AI 에이전트는 매우 빠르고 정확하게 결과물을 만들어낼 수 있습니다. 그러나 AI 에이전트는 의도를 갖고 있지 않습니다. "왜 이것을 해야 하는가?"라는 상위의 의도를 가질 수는 없습니다.

앞으로 SaaS 벤더와 더 넓게는 비즈니스 전문가들에게 요구되는 것은 생성형 AI의 사용법을 익히는 것이 아닙니다. Excel 함수를 외우는 것도 아니고, 프로그래밍 코드를 작성하는 것도 아니며, 단순히 마케팅 지식을 습득하는 것도 아닙니다.

필요한 것은 "왜 이것을 하는가?"라는 질문을 정의하는 능력, 그리고 여러 AI 에이전트가 업무를 수행할 수 있도록 전체 비전과 접근 방식을 제시하는 능력입니다. 여기에 더해 인간은 AI 에이전트가 만들어 낸 결과물의 품질을 감독하고, 최종 결과에 대한 책임을 져야 합니다.

인간만이 할 수 있는 역할

"왜 이것을 하는가?"라는 질문 설정

앞서 말했듯 AI 에이전트는 의도를 갖고 있지 않습니다. 이는 AI 에이전트에 주관적 가치관이 없기 때문입니다. AI는 결국 프로그램 코드와 데이터를 바탕으로 최적의 결과를 산출하는 소프트웨어 프로그램입니다. "배가 고프니까", "사랑받고 싶으니까"와 같은 인간의 근원적 욕망을 갖고 있지 않습니다. AI 에이전트의 출력은 외부에서 주어진 입력에 대한 반응일 뿐이며, 적어도 지금으로서는 스스로 "이것을 이루고 싶다"고 생각하는 의지를 갖고 있지 않습니다.

AI 에이전트는 인간보다 수백 배 효율적으로 업무를 수행할 수 있지만, 무엇을 왜 해야 하는지를 결정하는 것은 오직 인간만이 할 수 있습니다. 질문을 세운다는 것은 본질적으로 그 결과에 대한 책임을 지는 것과 같습니다. AI 에이전트는 결과에 대한 책임을 질 수 없습니다. 이 점은 뒤에서 최종 책임에 대한 절에서 다시 설명하겠습니다.

전체 방향과 접근 방식 제시

AI 에이전트는 매우 짧은 시간 안에 수많은 아이디어와 자료를 만들 수 있고, 1년 365일 24시간 쉬지 않고 일할 수도 있습니다. 그러나 그 가운데 어떤 결과물이 의도한 맥락에 가장 잘 맞는지, 어떤 것이 사람의 마음을 움직일지를 선택하는 일은 인간의 직관과 경험에 달려 있습니다.

기업과 비즈니스는 논리만으로 움직이지 않습니다. 인간의 감정, 조직 내부의 역학, 사회적 분위기, 그 순간의 공기처럼 수치화하기 어려운 맥락을 해석하고, AI가 제안한 결과가 그러한 맥락에 맞는지 판단해야 합니다. 이는 인간만이 가진 고도의 능력입니다. 또한 인간은 AI에게 인간의 언어로 피드백을 주고, 그 결과물을 다듬어야 합니다.

최종 책임

AI 에이전트는 자신이 만들어 낸 결과에 책임을 질 수 없습니다. "AI 에이전트가 그렇게 하라고 해서 그렇게 했다"는 말은 현실 세계에서는 통하지 않습니다. 다시 말해 AI 에이전트는 결국 윤리적이거나 사회적 판단이 필요한 영역까지는 들어갈 수 없습니다. AI 에이전트는 물리적 신체도 감정도 없고, 개인적 책임감도 없는 단지 소프트웨어 프로그램일 뿐이기 때문입니다. 적어도 현재로서는 그렇습니다.

AI와 상호작용하다 보면 문맥을 이해하는 것처럼 느껴질 수 있습니다. 그러나 AI의 출력은 근본적으로 소프트웨어 모델 안의 데이터 패턴 확률에 기반합니다. 예를 들어 "비"라는 단어를 주면 AI는 관련 단어를 수십 개, 수백 개 즉시 생성할 수 있습니다. 하지만 인간이 경험하는 비에 얽힌 개인적 기억이나 서사적 의미처럼 다층적인 의미를 해석하는 일은 AI에게 훨씬 더 어렵습니다.

반면 인간은 자신의 경험, 감정, 사회적 맥락을 바탕으로 사건에서 다차원적인 의미를 읽어낼 수 있습니다. 의미를 부여한다는 것은 사건, 경험, 환경에 대해 주관적인 가치와 목적, 중요성을 부여하며 해석하는 과정입니다. "왜 이것이 필요한가?"라는 질문에 대해, 자신의 미의식이나 철학에 따라 판단하는 능력은 자기의식을 지닌 인간만이 가질 수 있습니다.

따라서 질문을 설정한다는 것, 즉 무엇을 왜 해야 하는지를 정의한다는 것은 본질적으로 결과에 대한 책임을 지는 것과 같습니다. 그렇기 때문에 최종 책임은 결국 인간이 져야 합니다.

AI 에이전트 시대, 어디서부터 시작해야 하는가?

원하든 원하지 않든 AI 에이전트가 중심이 되는 시대는 오고 있습니다. 따라서 가장 중요한 것은 그저 무엇이든 시작하는 것입니다.

상상력을 발휘하면 거의 모든 종류의 업무와 작업에 AI를 어느 정도든 도입할 수 있습니다. 그렇기 때문에 우선 AI 플랫폼을 이용해 AI와 AI 에이전트를 직접 써 보며, 무엇을 할 수 있는지, 무엇을 할 수 있을 것 같은지 탐색해 보는 것이 좋습니다. 계속 사용하다 보면 새로운 아이디어와 통찰을 발견할 수 있습니다.

동시에 개인의 인간적 역량과, 유능한 사람들로 구성된 조직 전체의 힘을 강화하는 것도 중요합니다. AI 에이전트가 더 발전하고 널리 확산될수록 인간의 상대적 가치도 더욱 높아질 것입니다. AI가 할 수 있는 일과 이해할 수 있는 일, 그리고 인간만이 할 수 있는 일이 더 선명하게 구분될 것입니다. 예를 들어 신체감각과 오감에 대한 더 깊은 이해가 중요해지고, 공감, 직관, 감수성과 같은 자질이 강력한 역량이 될 것입니다.

우리 자신의 전환 경험을 바탕으로, 당사 CEO는 기업이 AI 네이티브 조직으로 전환하기 위해 필요한 세 가지 핵심 조건을 제시했습니다.

1. 리더십이 전환을 주도해야 한다

빅데이터와 클라우드 시대에는 전문가를 채용함으로써 기술 업그레이드를 이룰 수 있었습니다. 그러나 AI 도입은 조직 문화와 비즈니스 모델 자체를 바꾸는 일입니다. 우리는 CEO와 경영진이 직접 AI를 경험하고, 그 가능성과 한계를 모두 이해한 뒤 전환의 방향을 정의해야 한다고 생각합니다. 이 정도 규모의 전환은 전문가에게만 맡겨서는 실현될 수 없습니다.

2. 기존의 전제를 과감하게 재검토하라

새로운 것을 얻기 위해서는 기존의 전제를 다시 살펴볼 각오가 필요합니다. 우리 회사 역시 지난 7년간 구축해 온 보안 SaaS 비즈니스를 단순히 연장하는 대신, AI 플랫폼 비즈니스라는 새로운 방향으로 전환했습니다. 기업이 신중하게 계획을 세우는 동안에도 AI는 계속 진화하고 새로운 경쟁자는 계속 등장합니다. 우리의 경험상, 지나치게 많은 시간을 들여 세부 계획을 만드는 것보다 작은 규모로 빠르게 실행하고, 실패에서 배우는 사이클을 신속히 반복하는 편이 결국 더 확실한 진전을 가져옵니다.

3. 항상 촉각을 세우고 실제로 기술을 사용하라

매일 새로운 LLM 모델, 새로운 AI 제품, 새로운 기술이 등장하고 있습니다. 우리 회사는 최신 AI 관련 뉴스를 30분마다 수집, 정리, 번역해 Slack으로 사내 배포하는 AI 에이전트를 운영하고 있습니다. 그러나 정보를 아는 것만으로는 충분하지 않습니다. 우리는 AI 도구를 실제로 사용해 보고, 그것이 무엇을 할 수 있는지, 우리 조직의 문제를 어떻게 해결하는 데 도움을 줄 수 있는지를 체감하는 것이 의사결정의 질을 근본적으로 끌어올린다고 믿습니다.

QueryPie AI의 전환 — "SaaS의 죽음"을 넘어선 실제 이야기

지금까지 우리는 AI 에이전트가 SaaS에 미칠 영향과 인간에게 요구되는 역할의 변화에 대해 이야기했습니다. 이제부터는 QueryPie AI가 SaaS 벤더에서 AI 네이티브 기업으로 실제로 전환해 온 이야기를 공유하겠습니다.

우리 회사는 2017년 실리콘밸리에서 설립되었으며, 7년 동안 엔터프라이즈 보안 제품을 제공하는 SaaS 벤더로 사업을 운영해 왔습니다. 한국 시장에서는 유니콘 스타트업의 80%가 우리 솔루션을 도입하는 등 일정한 성공을 거두었습니다. 그러나 이 비즈니스에는 구조적 한계가 있었습니다. 보안 제품 판매는 보수적인 의사결정자들을 상대해야 하기 때문에 개발 비용에 비해 충분한 가격을 확보하기 어려웠고, ROI 관점에서 성장의 상한선이 보이기 시작했습니다.

2022년 11월 GPT-3.5와 ChatGPT가 출시되었고, 불과 4개월 뒤 GPT-4가 발표되었습니다. 이때부터 IaaS, PaaS, SaaS 사이에 존재하던 경계가 무너지기 시작했습니다. 우리 역시 많은 기업과 마찬가지로 처음에는 기존 제품에 AI 기능을 추가해 가치를 높이는 방안을 고민했습니다. 하지만 곧 CEO의 판단은 그 방향에서 크게 전환되었습니다.

MCP와의 만남 — "기존 제품 개선"만으로는 부족하다는 것을 깨달은 순간

전환점은 2024년 11월 Anthropic이 MCP(Model Context Protocol)를 발표했을 때 찾아왔습니다.

MCP가 등장하기 전까지 LLM은 자신이 학습한 지식과 웹 검색을 결합하는 "똑똑한 챗봇"에 가까웠습니다. 그러나 MCP를 통해 LLM은 API를 통해 사내 데이터베이스, 서버, 인프라, 업무 애플리케이션에 직접 연결되고 소프트웨어를 조작할 수 있는 존재로 진화했습니다.

당사 CEO는 MCP를 접한 순간, 기존 제품을 개선하는 것만으로는 충분하지 않으며 완전히 새로운 유형의 제품을 만들어야 한다는 확신을 갖게 되었다고 말합니다. 이 깨달음이 우리가 AI 네이티브 기업으로 전환하는 출발점이 되었습니다.

AI 네이티브 개발 조직 구축

새 제품을 개발하는 과정에서 CEO가 가장 먼저 한 일은 AI 활용에 최적화된 개발 조직을 만드는 것이었습니다.

우리는 머신러닝 경험이 있는 사람, 고속 개발이 가능한 사람, 새로운 AI 도구를 적극적으로 도입하는 사람을 중심으로 소수 정예 팀을 꾸렸습니다. 초기 단계에서 이 팀은 약 10명 규모였습니다.

AI 도구 선정 과정에서도 우리는 중요한 교훈을 얻었습니다. Devin, Windsurf, Cursor 같은 여러 AI 코딩 도구를 서로 다른 팀에 배정해 병렬로 평가했습니다.

예를 들어 10명은 Devin, 10명은 Windsurf, 10명은 Cursor를 사용하도록 나눠 각 도구의 강점과 약점을 비교하고 파악할 수 있게 했습니다.

이 과정을 통해 우리는 Cursor와 Windsurf처럼 LLM API를 활용해 제품을 만드는 도구들은 자체 LLM을 개발하고 보유한 기업이 제공하는 도구의 발전 속도를 따라가기 어렵다는 사실을 알게 되었습니다.

현재 우리 회사의 모든 직원은 Anthropic의 Claude Code를 사용하고 있습니다. 결정적인 이유는 내장 기능과 플러그인의 발전 속도가 압도적으로 빨랐기 때문입니다.

우리 접근 방식에서 특히 주목할 점은 모든 AI 도구를 월 구독 형태로 유지한다는 방침입니다. 연간 계약을 하면 비용을 10~20% 절감할 수 있지만, AI 영역에서 "1년 뒤"는 거의 영원에 가까운 시간입니다. 내일이라도 더 나은 도구가 등장할 수 있습니다. 우리는 언제든 도구를 바꿀 수 있는 자유가 장기 계약 할인보다 훨씬 더 가치 있는 자산이라고 믿습니다.

소스 코드 100% AI 생성 — 개발자의 역할은 어떻게 바뀌었는가

이 정예 팀은 불과 2주 만에 MCP와 연결된 AI 채팅 시스템의 첫 번째 프로토타입을 시연했습니다.

현재 QueryPie AI의 모든 제품에서 소스 코드는 100% AI가 생성합니다. 그 결과 개발자의 역할은 코드를 직접 작성하는 일에서 다음 세 가지 책임으로 바뀌었습니다.

• 사양(Spec)을 명확히 한다

• 테스트 코드의 정확성을 검증한다

• 결과가 기대에 부합하는지 확인한다

품질 보증(QA)도 바뀌었습니다. 이제는 전통적인 화이트박스/블랙박스 테스트를 직접 수행하는 대신, Claude Code를 사용해 개발자의 코드를 리뷰하고 Playwright와 연동해 테스트를 자동화합니다.

디자인 프로세스 역시 근본적으로 달라졌습니다. 과거에는 Figma에서 디자인을 만들고 프런트엔드 엔지니어가 React로 구현했습니다. 지금은 브랜딩 가이드라인을 Claude.md 파일에 자세히 기술하고, AI가 직접 UI를 생성합니다. 그 결과 디자이너의 역할은 UI 레이아웃 제작에서 브랜딩 가이드라인 설계와 AI가 생성하기 어려운 아이콘 또는 세밀한 이미지 제작으로 이동했습니다.

이 전환의 결과로 개발 속도는 세 배 빨라졌습니다. 과거에는 2~3명이 필요했던 작업을 이제는 한 사람이 AI와 함께 처리할 수 있게 되었습니다.

보안 회사에서 AI 플랫폼으로 — 전략적 전환

새 제품의 포지셔닝을 검토하는 과정에서 당사 CEO가 주목한 것은 Salesforce로 대표되는 생태계 기반 비즈니스 모델이었습니다. 모든 기능을 자체 개발하는 대신, AI 에이전트를 구축할 수 있는 플랫폼을 제공하고 고객사가 자신의 필요에 맞게 이를 활용하도록 하는 전략입니다.

이 플랫폼은 다양한 LLM 연결, MCP, Skills, RAG 같은 핵심 기능을 구현하고 있습니다.

특히 MCP에는 업계 공통의 과제가 있습니다. 연결되는 도구 수가 많아질수록 LLM의 컨텍스트 윈도우에 부담이 커질 수 있다는 점입니다. 이 문제를 해결하기 위해 우리는 "Smart MCP Tool Discovery"라는 자체 메커니즘을 개발했습니다. 이 방식에서는 먼저 도구를 벡터 임베딩으로 변환한 뒤, 필요한 순간에 필요한 도구만 동적으로 로드합니다.

RAG 역시 문서 유형, 언어, 파일 형식에 따라 성능 차이가 큽니다. 그래서 우리는 VLM, OCR, AWS Bedrock을 포함한 여러 모델을 조합해 일본어, 영어, 한국어 3개 언어에서 높은 정확도를 구현하고 있습니다.

Skill 실행을 위해서는 Kubernetes(k8s) 샌드박스를 동적으로 생성해 작업이 격리된 환경에서 안전하게 실행되도록 합니다.

"작동하는 제품"으로 신뢰를 얻다 — 첫 고객 확보

플랫폼을 개발한 뒤에도 초기 영업은 쉽지 않았습니다. AI 에이전트를 구축하려면 LLM의 특성을 이해하고, 데이터를 준비하고, 보안을 세심하게 고려해야 합니다. 단순히 "플랫폼이 있으니 사용해 주세요"라고 말하는 것만으로는 고객의 행동을 바꿀 수 없었습니다.

전환점은 2025년 7월, 한 대형 BPO 기업과의 만남이었습니다. 이 기업은 글로벌 대기업을 포함한 수많은 조직에 급여 서비스를 제공하며, 매월 100만 명이 넘는 직원의 급여를 처리하고 있었습니다. 하지만 이 회사에는 "AI를 활용해 운영을 혁신하고 싶지만 어디서부터 시작해야 할지 모르겠다"는 과제가 있었습니다.

당사 CEO는 직접 현장으로 가서 약 10일 동안 머물며 프로토타입을 개발했습니다. 우리 AI 플랫폼만으로 구현할 수 없는 부분은 오픈소스 솔루션을 조합했습니다. 핵심은 아이디어가 실제로 작동할 수 있다는 점을 증명하는 것이었습니다.

작동하는 제품을 보여 줌으로써 우리는 고객의 신뢰를 얻을 수 있었습니다. 그리고 약 한 달 후, AI 제품으로서 첫 계약을 체결했습니다.

결론

이 백서는 "SaaS의 죽음"이라는 강렬한 주제에서 출발해, AI 에이전트가 가져올 미래와 우리 자신의 전환 이야기를 살펴보았습니다. 미국 주요 SaaS 기업의 시가총액은 15조 엔 감소했으며, 이 파도는 분명 일본 시장에도 도달하고 있습니다. 최근 일본 SaaS 기업들의 주가를 보더라도 뚜렷한 하락을 확인할 수 있습니다.

그러나 우리는 이것을 SaaS 벤더의 종말이 아니라 하나의 큰 기회로 봅니다.

AI 에이전트는 분명 컴퓨터 사용 방식의 미래를 바꾸고 SaaS 벤더의 비즈니스에도 큰 영향을 줄 것입니다. 하지만 SaaS 자체도 한때 전통적인 소프트웨어 패키지 비즈니스에 큰 영향을 주었습니다. SaaS로의 전환은 많은 신생 기업의 탄생을 이끌었고, 동시에 기존 소프트웨어 패키지 벤더들이 SaaS로 성공적으로 전환해 계속 성장한 사례도 수없이 많습니다. 다시 말해 이 변화는 SaaS 벤더에게 경쟁사보다 한발 앞서 나갈 수 있는 중대한 기회입니다.

혁신은 비즈니스와 기술 모두에서 반드시 일어납니다. 언제나 혁신을 직접 만들어 내야만 하는 것은 아니지만, 혁신에 적응하는 것은 필수입니다. 과거의 사업 모델이나 시스템에 집착하기보다, 계속 혁신하고 계속 혁신에 적응하며, 어제의 전제를 내려놓고 새로운 기술을 호기심과 열린 태도로 받아들이는 것이 중요합니다. 적어도 AI 에이전트는 SaaS 벤더에게 강력한 무기가 될 수 있습니다.

여러분의 서비스에도 이 새로운 역량, 즉 AI 에이전트를 반드시 탑재해 보시길 권합니다.