[이슈리포트] 워크플로우 가진 SaaS만 생존

이슈리포트 '워크플로우 보유 SaaS 생존'은 김영욱 SAP 프로덕트 엔지니어링 프로덕트 엑스퍼트가 2026년 상반기 기업 소프트웨어 시장의 변화를 짚은 내용이다. 소제목은 이제 대부분의 SaaS, 데이터 저장소 역할이다.

2026년 상반기 이스라엘 암호화폐 관리 소프트웨어 스타트업 우틸라(Utila)는 소프트웨어 예산 50% 삭감에 나섰고, 이를 위해 B2B GTM·세일즈·마케팅 영역 SaaS 10개를 해지했다. 해지 대상에는 매우 빠르게 성장 중인 클레이(Clay), 벤델룩스(Vendelux)도 포함됐다. 우틸라(Utila)는 이를 AI 에이전트 1개로 대체했으며, 이 AI 에이전트는 잠재 고객 추적, 이메일 발송, 마케팅 캠페인 관리 등 기존 10개 앱이 수행하던 기능 전부를 통합했다.

그 결과 유지한 앱은 허브스팟뿐이었고, 허브스팟의 용도는 데이터 저장소였다. 이 사례는 다수의 성장 SaaS를 없애고 AI 에이전트 하나로 영업·마케팅 관련 기능을 묶어 비용을 크게 줄인 변화이자, 남은 허브스팟의 역할도 업무 수행 도구가 아니라 데이터 보관 중심으로 축소됐음을 보여준다. 나아가 이는 2026년 기업 소프트웨어 시장 구조 전환의 본질을 선명하게 보여주는 변화다.

사노피(Sanofi)는 앤트로픽 클로드 코드·스타트업 소프트웨어 기반 자체 AI 에이전트를 구축하고 서비스나우 사용을 축소했으며, 아웃소싱 업체가 담당하던 구매 주문 감사 업무를 대체했다. 스타벅스도 마이크로소프트·IBM 제품의 AI 대안을 검토했다. 업종·규모·지역이 다른 기업들이 동일한 방향으로 이동하면서, 이 현상은 일시적 유행이 아닌 구조적 전환을 시사했다.

시장은 해당 전환의 의미를 이미 인식하고 있었다. 2026년 2월 S&P 500 소프트웨어·서비스 지수에서는 이틀 만에 2조 달러가 증발했고, 시장은 이 사건을 사스포칼립스(SaaSpocalypse)로 명명했다. 촉발 요인으로는 앤트로픽의 엔터프라이즈 에이전트 플러그인 출시와 세일즈포스·서비스나우·구글의 에이전트 제품 출시가 중첩된 점이 꼽혔고, 그 이면에는 하나의 구조적 인식이 존재했다.

AI 에이전트가 워크플로우를 자율 수행하기 시작하면서 사람의 대시보드 로그인에 가치가 연동되던 SaaS 가격 공식이 근본적으로 흔들리고 있다. 가트너는 사용자 성장과 매출 성장의 연결 고리가 단절되고 있다고 봤다.

이런 흐름 속에서 2026년 1분기 AI 네이티브 기업 지출은 전년 대비 94% 증가한 반면 전통 SaaS 성장률은 8%에 그쳤다. 가트너는 에이전트 AI가 기업 소프트웨어 지출을 잠식해 2030년까지 2340억 달러 규모에 이를 것으로 전망했다. 딜로이트는 2026년 기업 디지털 혁신 예산의 50% 이상이 AI 자동화에 배분될 것으로 예측했다. 이에 따라 20년간 기업 IT 예산 핵심 항목이던 SaaS 구독 모델은 구조적 압박에 직면하고 있다.

이 글의 목적은 압박 구조 분석에 있다. 핵심 논지는 AI 에이전트 시대 기업 소프트웨어 생존 기준 변화다. 이 환경에서는 기능 풍부함이나 사용자 경험 완성도가 기존 기준이 아니며, 실제 기준은 워크플로우 소유 여부 vs 데이터 보관 여부라는 전제를 둔다. 그 전제는 에이전트의 API 통한 워크플로우 직접 실행이며, 그 결과 실행 레이어를 상실한 소프트웨어는 데이터 창고화된다고 본다.

이 같은 변화 속에서 사례로는 허브스팟의 운명이 거론되며, 해당 전망이 예고됐다. 이 맥락에서 '사스포칼립스'를 단순한 주가 조정으로 해석하는 것은 부적절하다는 판단이 제시됐다. 그 의미는 새 위협 출현이 아니라 진행 중 구조 전환의 임계점 돌파에 대한 시장 인식의 가시화라는 데 있다. 이에 따라 투자자 질문은 AI 에이전트가 사용자 대신 워크플로우를 실행하는 세계에서 사용자 로그인 전제 소프트웨어의 현재 가격이 정당한지로 모아진다.

세일즈포스와 서비스나우는 모두 직전 분기까지 시장 기대치 상회 실적 보고를 했다. 따라서 하락 원인은 실적 부진이 아니라는 해석이 가능하다. 결국 이번 움직임은 비즈니스 모델 구조적 취약성에 대한 선제적 재평가로 읽힌다.

AI 에이전트와 기존 RPA는 소프트웨어 상호작용 방식에서 근본적 차이를 보인다. RPA가 화면 버튼 클릭과 사전 절차 수행 방식으로 작동하는 반면, AI 에이전트는 API를 통해 시스템에 직접 접근하고 비정형 입력을 처리하며 다단계 의사결정을 자율적으로 수행한다. 이 때문에 에이전트의 소프트웨어 접속 이후에는 정교한 사용자 인터페이스 존재 여부가 가치 판단의 기준이 되지 않으며, 수십억 달러의 R&D가 투입된 대시보드 디자인과 UX 최적화도 에이전트 앞에서는 의미가 없어진다.

시장의 반응은 이후 현실 전개의 예고 역할을 했고, 실제 기업 예산 데이터는 그 예고가 현실화했음을 확인해준다. AI 네이티브 기업 94%와 전통 SaaS 성장률 8%의 격차는 단순한 신기술 채택 속도 차이가 아니며, 기업 IT 예산의 한정된 총량 내에서 예산 항목이 구조적으로 이동하고 있다는 신호다.

기업들의 AI 예산 출처는 기존 IT 예산과 상이한 항목으로 나타나고 있다. 딜로이트 리포트 분석에 따르면 기업의 AI 자동화 예산 상당 부분은 소프트웨어가 아닌 운영 지출(OpEx)에서 전환되고 있으며, OpEx 내 더 구체적인 전환 원천은 인건비 항목으로 분석됐다.

이에 따라 기업들은 소프트웨어와 인력 두 축을 동시에 AI로 대체하기 시작한 흐름을 보이고 있다. 다만 이 같은 전환의 수혜를 받는 소프트웨어도 존재한다. 사노피 사례에서는 서비스나우 사용 감소와 SAP 사용 증가가 함께 나타났다.

이는 AI 에이전트 투자 확대에도 SAP 같은 ERP 시스템의 위상이 강화되고 있음을 보여준다. 이번 전환은 소프트웨어 전체의 소멸을 뜻하는 것은 아니며, 소프트웨어 내부의 선별적 재편을 시사한다.

전통적 Per-Seat 모델 구조에서는 '사용자 수×좌석 단가'가 매출이었지만, 소프트웨어 벤더들은 Per-Seat 모델 붕괴를 인식하고 사용자 수 대신 데이터 접근 지점에서 수익을 확보하려는 과금 전략을 꺼내고 있다. 벤더들의 방어 전략은 플랫폼 밖 AI 에이전트의 자사 데이터 접근 시 별도 과금하는 방식이며, 해당 전략 명칭은 '에이전트 접근세(Agent Access Tax)'다. 허브스팟은 투자자들에게 해당 전략을 예고했고, 외부 AI 에이전트의 자사 CRM 데이터 호출 과금을 계획하고 있다. 허브스팟은 사용자 로그인 감소와 무관하게 데이터 접근을 수익화한다는 논리를 폈다. 서비스나우도 유사 방향을 검토하고 있으며, SAP·오라클은 '간접 접근' 과금 정책으로 유사 전략을 이미 구축했다.

이 같은 전략은 단기적으로 매출 방어 수단으로 일정 효과가 가능하다. 데이터 소유권을 보유한 플랫폼은 에이전트의 데이터 필요가 지속될 경우 협상력을 유지할 수 있다. 다만 구조적 역설도 있다. 에이전트 접근을 과도하게 과금하는 벤더는 고객의 플랫폼 이탈에 대한 경제적 동기를 제공하는 상반된 결과를 낳을 수 있다.

우틸라 책임자 입장에 따르면 허브스팟이 외부 에이전트에 과금해도 사용은 지속된다. 다만 그 배경은 워크플로우 가치보다 기존 축적 데이터 이전 비용 부담에 있으며, 데이터 이전 비용은 곧 락인으로 작용한다. 따라서 이 락인이 소멸할 경우 에이전트 접근세의 효과는 고객 유지가 아니라 고객 이탈을 가속하는 촉매로 바뀐다.

기업들은 해당 위험을 이미 파악하고 있으며, 소프트웨어 계약 갱신 시 에이전트 접근 조건을 명시적 협상 의제로 상정하고 있다. 이 과정에서 에이전트의 자사 데이터 읽기·쓰기 비용 구조, 외부 에이전트와 벤더 자체 에이전트 간 차등 요금 여부, API 호출량 급증 시 서차지 발생 여부를 따지고 있으며, 이 질문들은 2026년 엔터프라이즈 소프트웨어 구매 협상의 표준 의제가 되고 있다. 반면 계약 이전 미확정 기업은 에이전트 배포가 본격화할 때 예상 밖 비용 구조에 직면할 위험이 있다.

에이전트 접근세 전략의 궁극적 한계는 데이터 소유권 지속 기간에 종속된다. 데이터 볼모형 방어 전략의 유효 조건도 데이터 소유권 유지에 있다. 그러나 기업들의 데이터 이전 대상이 독립 레이크하우스이고, AI 에이전트의 역량이 복수 소스 기반 데이터 재구성에 있다는 점에서, 기업의 독립 레이크하우스 이전 또는 AI 에이전트의 복수 소스 재구성 역량 확보 시 단일 플랫폼 데이터 독점력은 약화된다.

이 시나리오에서 에이전트 접근세의 초기 기능은 단기 수익 방어 수단이다. 다만 플랫폼 전환 비용 하락 시점의 에이전트 접근세 역할 변화는 고객 이탈 트리거로 이어진다. 방어 전략이 탈출구 신호가 되는 역설이 여기서 나타난다.

3. 기업 예산 이동의 실체는 글로벌 제약 기업 사노피의 AI 에이전트 구축 사례에서 드러난다. 사노피 사례의 동시 재편 비용 항목 3가지는 소프트웨어 구독·파트너 소프트웨어·인력 아웃소싱이다. 주목 지점은 단순 비용 절감이 아닌 선택 구조다.

같은 AI 에이전트 도입 결정에도 서비스나우와 SAP에는 상반된 결과가 나타나는 AI 에이전트 시대 소프트웨어 생존 법칙의 비대칭 사례가 확인된다. 서비스나우 사용 축소와 SAP 사용 확대가 동시에 진행되고 있으며, 이는 에이전트가 직접 수행할 수 있는 영역과 에이전트가 의존해야 하는 영역의 차이와 맞물린다. 서비스나우 담당 영역은 IT 서비스 관리 워크플로우로, IT 서비스 관리 워크플로우는 에이전트가 직접 수행할 가능성이 있는 반면 SAP가 보유한 ERP 데이터는 구매 주문·재무 기록·공급망 정보로 구성돼 ERP 데이터의 에이전트 작동 필수 접속 대상성이 부각된다.

SAP 데이터의 성격은 '진실의 단일 원천'이며, 이 때문에 에이전트의 SAP 대체 부재와 에이전트의 SAP 상위 작동이 함께 나타난다. 에이전트는 SAP를 대체하지 못하고 그 위에서 작동하는 반면, 워크플로우 실행 역할 담당 소프트웨어는 대체 대상이 된다. 사노피의 서비스나우 대체 사용 사례로 알려진 제품은 엘레멘텀(elementum.ai)이다.

이 같은 흐름 속에서 AI 도입 계기로 레거시 기술 부채 재인식이 이뤄지고, 기업 전략 재편 방향은 소프트웨어 스택 단순화로 향하고 있다. AI 도입 접근 변화는 기존 소프트웨어 부가가 아니라 AI로 대체하는 방식이며, 대체 우선 대상은 기능 다수 소프트웨어가 아니다. 대신 대체 대상 성격은 워크플로우 실행 역할 담당 소프트웨어다.

데이터를 소유한 소프트웨어가 잔존하고, 기능이 아닌 데이터 소유권이 생존을 결정하는 기준으로 부상하고 있다. 이 질서는 기업 구매자의 실제 의사결정에서 이미 작동하고 있다.

이런 흐름에서 사노피 사례의 주목 지점은 인도 아웃소싱 업체 역할 축소에 있다. 해당 변화의 의미는 소프트웨어 시장 재편을 넘어 노동 차익거래(Labor Arbitrage) 모델의 구조적 종언을 예고한다는 데 있다. 노동 차익거래는 선진국 기업이 반복적·대규모·노동집약 업무를 저임금 국가 인력에 위탁해 비용 절감을 추구하는 방식이며, 인도는 이 모델의 최대 수혜자였고 인도에서 수백만 명의 중산층이 이 모델 위에서 형성됐다. 그러나 노동 차익거래를 성립시킨 조건들이 현재 AI 에이전트에 의해 해체되고 있다. 해체 대상 조건은 반복성·예측 가능성·규모의 경제이며, 이 세 특성은 아웃소싱의 유효성 근거인 동시에 AI 에이전트 자동화의 최우선 대상이다.

인도 IT 업계에서 대규모 감원과 채용 둔화가 나타나고 있다. 오라클은 2026년 상반기 인도 1만 2000명 감축에 나섰고 AI 투자 확대를 병행하고 있다. TCS도 1만 2000명 감원에 나섰다. 인도 주요 IT 기업들은 2026 회계연도 첫 9개월 순 고용 증가가 17명 수준에 그쳤고, 과거 수만 명 단위 신규 채용을 이어오던 인도 IT 산업은 사실상 채용 중단 상태에 들어갔다.

이 같은 변화는 글로벌 기업들이 아웃소싱 대신 AI 에이전트 선택을 확대하는 흐름과 연결된다. AI 에이전트의 반복 업무 대체 속도 가속으로 인해 사람을 대량 투입해 성장하던 구조가 약해지고 있으며, 이는 한국 IT 서비스 산업에 대한 직접적 함의를 갖는다. 해당 구조적 흐름은 대형 SI 프로젝트 인력 기반 수익 모델에 동일한 문제를 제기하고, 인력 규모 기반 프로젝트 과금 방식에도 구조적 압박을 가하고 있다.

다만 이 압박은 위협이자 새로운 역할 전환 기회이기도 하다. 새 역할은 에이전트 구축 역량, 기업 시스템 연계 역량, 안전한 오케스트레이션 역량으로 제시된다. 이들 역량의 목적은 사노피가 외부 의뢰한 기능의 내부화 지원에 있으며, 이런 새 기회를 선제 구조화할 수 있는지가 향후 경쟁 우위를 결정하게 된다.

기존 기업용 소프트웨어는 장기적으로 시스템 오브 레코드(System of Record)와 시스템 오브 인게이지먼트(System of Engagement)로 나뉘어 함께 작동해왔다. 시스템 오브 레코드는 데이터의 단일 원천으로서 ERP, CRM, HRIS가 대표적이며, 이들은 기업 핵심 데이터의 생성·저장·참조 플랫폼 역할을 맡았다. 시스템 오브 인게이지먼트는 레코드 데이터 기반의 실제 업무 수행 인터페이스로서 이메일, 협업 도구, 마케팅 자동화 플랫폼, 프로젝트 관리 앱 등이 이에 해당했다.

이 같은 기존 구조에서는 두 레이어의 장기 공존이 이어졌고, 역할 분담도 분명했다. 데이터는 레코드 시스템에 있고, 사람의 상호작용은 인게이지먼트 시스템에서 이뤄지는 방식이었다.

그러나 AI 에이전트의 등장으로 이 공존 구조는 근본적으로 흔들리고 있다. 에이전트는 인게이지먼트 레이어를 비필수로 만들 수 있는 특성을 지니며, 목표를 수령하면 레코드 시스템 API에 직접 접속해 데이터 읽기·판단·결과 기록을 수행한다. 이에 따라 사람이 인게이지먼트 도구로 하던 중간 단계는 에이전트의 자율 실행으로 압축된다.

그 결과 인게이지먼트 레이어는 에이전트가 우회 가능한 선택적 인터페이스로 격하되고, 레코드 시스템은 에이전트가 반드시 접속하는 데이터 원천으로 위상이 강화된다. 이 구조 변화의 의미는 생존의 분기점으로 제시되며, 제목의 주장은 워크플로우를 가진 SaaS만 생존이라는 내용이다.

AI 에이전트 확산 국면에서 소프트웨어의 생존 조건은 '워크플로우의 실행자' 기능 여부와 '데이터의 소유자' 기능 여부로 갈린다. '워크플로우의 실행자' 역할 소프트웨어는 에이전트에 역할이 대체되지만, '데이터의 소유자' 역할 소프트웨어는 에이전트의 필수 접속 대상으로 남는다. 프로세스 편의성 기반 도구는 에이전트가 API 호출로 동일 결과를 직접 달성하는 순간 존재 이유를 상실한다.

이 분기점의 작동 기준은 브랜드와 무관하고, 시장 점유율과도 무관하며, 지난 10년간의 고객 관계와도 무관하다. 오랫동안 시장에서 선호된 소프트웨어라도 워크플로우 실행 역할에 의존할 경우 에이전트 시대의 구조적 압박에 직면한다.

사노피의 선택인 서비스나우 축소와 SAP 확대는 이런 분기점으로 설명 가능하다. 사노피의 선택 논리도 위 분기점으로 설명 가능하며, 제시된 사례적 결론은 SAP의 생존과 허브스팟의 '데이터 창고' 역할 유지로 이어진다.

SAP의 방어력은 자사 데이터·기록 레이어에서 나온다. SAP는 기업 구매 주문·재무 데이터·공급망 기록·인사 정보의 단일 원천이다. 기업 운영 관련 AI 에이전트 업무 다수는 SAP 데이터를 참조하거나 SAP 기록을 포함한다.

이 때문에 에이전트는 SAP의 대체가 아니라 SAP 위에서 작동하는 성격을 띤다. 에이전트 시대에도 SAP의 가치는 감소하는 것이 아니라 에이전트 오케스트레이션 허브로 강화된다. 수십 년간 기업 핵심 트랜잭션 데이터 축적 플랫폼들은 AI 에이전트 확산 시 에이전트 접속 요청이 증가하게 되며, '에이전트 접근세' 논쟁의 가장 현실적 적용 레이어도 이들 플랫폼이다.

반면 허브스팟은 SAP와 경로가 상이하다. 허브스팟은 마케팅 자동화·이메일 캠페인·영업 파이프라인 관리·고객 지원 티켓 처리의 다층 워크플로우를 한 플랫폼에서 실행하는 '올인원 CRM·마케팅 플랫폼'으로 성장했다.

허브스팟의 포지셔닝 핵심 가치는 워크플로우 실행 통합성이었다. 그러나 AI 에이전트가 이메일 발송 직접 수행, 잠재 고객 추적 직접 수행, 캠페인 관리 직접 수행을 모두 인터페이스 비경유 방식으로 처리하면서 차별점의 중심은 잔존 핵심 요소인 데이터로 이동하는 양상이다. 이 데이터 범주에는 고객 정보, 거래 이력, 커뮤니케이션 기록이 포함된다.

이 같은 변화 속에서도 에이전트 참조 데이터 내부 존재 시 허브스팟 해지되지 않음이라는 조건은 유지된다. 다만 허브스팟 역할 축소가 나타나며, 워크플로우 플랫폼에서 데이터 창고로 성격이 옮겨가는 흐름이다.

5. 깃허브(GitHub)의 위기에서는 상황을 삼면이 포위된 형국으로 규정한다. 시점은 2026년 7월이며, 깃허브 직면 과제는 전례 없는 경쟁 압박이다. 공격 대상 핵심 사업 영역 2개는 코드 저장소와 AI 코딩 보조다. 커서는 VS Code 포크를 바탕으로 AI 네이티브 코드 에디터 카테고리 창출에 나섰고, 이런 커서 행보는 깃허브 코파일럿의 AI 코딩 시장 선점 지위를 잠식하는 흐름으로 제시된다.

동시에 오픈AI는 전 깃허브 임원 영입에 이어 코드 저장소 시장 진출 전략적 선언에 나섰다. 오픈AI 자산으로는 주간 활성 사용자 9억 명의 챗GPT와 개발자 생태계 보유가 제시된다. 오픈AI 코드 저장소 시장 진입 시 깃허브 경쟁 구도 변화가 불가피하며, 이에 따라 깃허브는 AI 코딩 어시스턴트 사업에서 오픈AI와 정면 경쟁하고 저장소 사업에서 오픈AI와 정면 경쟁하는 구도에 놓이게 된다.

전 깃허브 CEO 창업 스타트업 Entire가 독자적 Git 서비스를 출시하면서 상징적 경쟁자 등장이라는 구도가 부각됐다. 깃허브 대체재 제공 주체가 깃허브 이해도 높은 인물이라는 점에서 Entire 전략은 깃허브 취약 지점을 겨냥하는 방향으로 읽힌다.

이 같은 흐름의 배경에는 AI 에이전트 확산에 따른 환경 변화가 있다. 코드 작성·커밋 주체 변화는 사람 → AI 에이전트로 옮겨가고 있으며, AI 에이전트 활동 양상은 24시간 자율 코드 생성·수정·PR 등록으로 나타난다. 이로 인해 AI 에이전트 환경에서 트래픽 패턴 변화가 발생했고, 깃허브는 6월 한 달간 서비스 장애 6차례를 겪었으며 주요 원인은 AI 에이전트 트래픽 급증으로 지목된다.

깃허브는 자체 서버→마이크로소프트 애저 인프라 이전 추진에 나섰고, 깃허브 입장은 인프라 이전으로 장애 감소 목표를 두고 있다는 것이다. 다만 전환 완료 전 기간에는 경쟁자들이 공백 공략에 나서는 흐름이며, 이는 마이크로소프트 수직통합 해자 균열과 맞물려 전개되고 있다.

기존에는 Microsoft가 Azure Cloud, GitHub, M365, Teams, OpenAI partnership을 묶은 수직통합 스택을 바탕으로 엔터프라이즈 IT 조달 채널의 Microsoft 솔루션 내 존재를 구축했고, 이는 독립 AI 스타트업에 높은 진입 장벽으로 작용했다. 그리고 지금까지 그 전략의 핵심 사례가 GitHub Copilot이었다. GitHub Copilot은 포츈 100 기업 침투율 90%와 유료 구독자 470만 명을 기록했고, M365 번들 포함 조달 구조를 통해 확산했다. 이 구도가 2026년 6월 이전까지의 현실이었다.

그러나 2026년 6월 이후 해당 해자에 균열 발생이 나타났다. GitHub의 반복적 장애 발생은 수직통합의 강점 지속 유효라는 점과 별개로, 수직통합의 전제 조건이 각 레이어의 에이전트 시대 트래픽 패턴 적응 가능성에 있다는 사실을 드러냈다. 전제 조건 미충족 시 균열 발생하며, GitHub 사례가 드러낸 새 법칙은 레이어 적응 실패 시 수직통합 구조에 균열이 생긴다는 점이다.

GitHub의 반복적 장애가 보여준 점은 수직통합 내부에서도 인프라 레이어가 AI 에이전트 시대의 사용 패턴 변화를 따라가지 못하면 문제 발생한다는 것이다. 이는 수직통합의 강점 유지 조건이 각 레이어의 새로운 환경 요구에 대한 지속 대응에 있음을 보여준다. 결국 GitHub 사례는 수직통합 자체만으로 우위가 영속되지 않으며, 각 레이어가 에이전트 시대의 트래픽과 사용 변화에 맞게 대응하지 못하면 구조적 강점에도 균열이 생긴다는 흐름을 보여준다.

마이크로소프트 구조적 문제의 발원지는 오픈AI와의 관계다. 마이크로소프트는 오픈AI에 수백억 달러를 투자했고, 애저를 통한 오픈AI 모델 배포의 핵심 파트너 역할을 맡아 AI 전략상 모델 역량 확보의 핵심 수단으로 삼아 왔다. 그러나 오픈AI가 깃허브 저장소 사업을 직접 겨냥하며 경쟁자화하면서, 마이크로소프트로서는 가장 중요한 AI 파트너가 핵심 자산을 위협하는 역설적 상황에 놓이게 됐다.

다만 이 균열이 수직통합 전체 붕괴를 의미하는 것은 아니며, 포츈 100 기업들의 마이크로소프트 의존도는 단기간에 변화하기 어렵다. 대신 깃허브 사례는 중요한 교훈을 제시한다. 수직통합이 만드는 해자는 정적 구조물이 아니며, AI 에이전트가 만들어내는 새로운 트래픽 패턴과 새로운 사용 방식, 새로운 경쟁 구도 앞에서 해자의 각 레이어는 지속적으로 적응해야 한다. 적응에 실패하면 레이어에 균열이 발생하고, 그 균열은 경쟁자 진입 공간으로 전환된다.

변화에 대응하는 리더십 함의로서 첫 행동은 조직 소프트웨어 포트폴리오의 재구분에서 출발해야 한다.

전략적 의사결정의 출발점은 조직 소프트웨어 포트폴리오의 재구분이며, 구분 범주는 워크플로우 실행자와 데이터 소유자다.

이 분류는 IT 부서 시스템 감사가 아니며, 조직 리더 직접 개입 대상이다.

분류 결과는 향후 소프트웨어 계약 구조 결정을 좌우하고, 아웃소싱 전략 결정을 좌우하며, AI 에이전트 투자 우선순위 결정을 좌우한다.

분류 기준은 단순하며, 각 소프트웨어별 질문 2가지를 적용하면 된다. 질문 1은 핵심 가치 발생 원천이 사람의 내부 작업 수행인지 여부와 핵심 가치 발생 원천이 저장 데이터의 타 시스템·에이전트 참조인지 여부를 묻는 것이다.

질문 2는 AI 에이전트의 해당 소프트웨어 API 직접 호출 가능 여부와 API 직접 호출로 동일 결과 산출 가능 여부를 묻는 것이다.

소프트웨어는 두 질문의 답으로 나눌 수 있다. 소프트웨어 생존 기준 1은 첫 번째 질문 답변이 데이터인 경우이고, 소프트웨어 생존 기준 2는 두 번째 질문 답변이 아니오인 경우다. 두 기준을 충족한 소프트웨어는 에이전트 시대 생존 대상으로 분류되고, 반대 경우의 소프트웨어는 교체 또는 역할 축소 후보가 된다.

Utila의 10개 SaaS 해지 결정도 이 기준으로 설명된다. Utila는 허브스팟만 유지했고, 해지·유지 판단 논리는 위 기준 적용이었다.

분류 완료 후 행동 우선순위는 3가지로 제시된다. 우선순위 1은 워크플로우 실행자 소프트웨어 갱신 계약 시 협상력을 최대 행사하는 것이다. 그 근거는 이미 대안이 존재한다는 점이며, 벤더들도 대안 존재를 인지하고 있다. 이에 따라 시장 협상력 균형은 구매자 쪽으로 이동한다.

우선순위 2는 데이터 소유자 소프트웨어 계약에 에이전트 접근 조건을 즉시 명시하는 것이다. 계약 명시 항목은 외부 에이전트의 API 접근 비용, 볼륨 기반 추가 요금, 벤더 자체 에이전트와의 차등 요금 문제다. 이 조건들은 계약 갱신 이전에 확정할 필요가 있으며, 미확정 시에는 에이전트 배포가 본격화될 때 예상치 못한 비용 구조에 직면하게 된다.

AI 에이전트 투자 시작 방향은 단순 자동화가 아니라 워크플로우 실행자 대체로 제시된다. 이를 보여주는 사례로 사노피는 ServiceNow 사용량 축소에 나섰고, 이어 구매 주문 감사 업무를 에이전트로 전환했다. 사노피의 순서는 ServiceNow 사용량 축소와 구매 주문 감사의 에이전트 전환이었다.

이 과정에서 전환 논리의 함정은 '비용 절감'만으로 프레이밍하는 데 있다. 우틸라는 소프트웨어 예산 50% 절감을 기록했지만, 우틸라의 50% 절감 수치 성격은 목표가 아니라 결과였다. 비용 절감의 위치는 전략적 질문에 답한 뒤 따라오는 결과다.

선행돼야 할 전략적 질문은 에이전트가 워크플로우를 실행하는 환경에서 조직 핵심 데이터의 위치를 어떻게 설정할지에 관한 것이다. 또 해당 데이터 위에서 에이전트 산출물의 품질 보장 방안과 신뢰성 보장 방안을 마련하는 문제가 함께 제기된다.

이런 변화 속에서 한국 SI 역할 재정의 방향은 에이전트 오케스트레이터로의 변화로 향한다. 한국 대형 SI 기업의 지난 30년 핵심 역량은 이기종 시스템 통합에 있었고, 통합 대상 예시로는 SAP, 오라클, 세일즈포스, 자체 개발 레거시 시스템이 있다. SI의 존재 이유는 여러 시스템을 하나의 운영 환경으로 연결하고, 연결된 환경 위에서 기업 업무 프로세스가 작동하도록 설계하는 데 있었다. 이 역량의 기반은 수십 년의 현장 경험, 대형 엔터프라이즈 고객과의 관계, 인력 기반 프로젝트 실행력이다.

AI 에이전트 시대의 역량은 기존 기반 위 확장이라는 점에서는 이어지지만 방향은 근본적으로 다르다. 중심 과제는 시스템 연결이 아니라 에이전트 오케스트레이션이다. 이는 에이전트가 시스템 데이터를 안전하게 읽고 쓰도록 지원하고, 에이전트의 자율 판단을 지원하는 일을 뜻한다. 이를 위해 아키텍처 설계에서는 데이터별 에이전트 허용 범위·권한을 결정하고, 에이전트 판단 결과의 검증·기록 방식을 설계하며, 복수 에이전트 협업 시 충돌·오류 관리 방식을 설계해야 한다. 이러한 역할이 에이전트 오케스트레이터의 역할이다.

이 같은 역할 전환은 한국 SI에 위협이자 기회다. 위협 요인으로는 인력 규모 기반 프로젝트 과금 모델의 구조적 압박이 있다. 반복 업무의 AI 에이전트 대체 속도가 가속할 경우 사람 수에 비례한 용역 단가의 협상력이 약화한다. 글로벌 기업들이 인도 아웃소싱 업체를 에이전트로 대체하는 흐름은 한국 SI 산업에도 동일하게 적용될 가능성이 있다. 동시에 이런 변화는 한국 SI가 새로운 오케스트레이션 역할로 전환할 기회가 될 수 있다.

한국 SI 기업들은 대형 엔터프라이즈 고객과의 수십 년 관계를 보유하고 있으며, 고객 시스템 이해도도 축적해왔다. 이 관계와 이해도는 에이전트 오케스트레이터 역할 전환의 독보적 자산이다. 글로벌 AI 기업의 범용 에이전트 플랫폼은 특정 산업 규제 환경 이해가 부족하고, 레거시 시스템 복잡성 이해도 부족하며, 고객 조직 의사결정 구조 이해도 부족하다. 한국 SI의 핵심 해자는 해당 이해도다.

이런 강점을 바탕으로 전환 방향은 세 가지로 수렴한다. 첫째는 에이전트 아키텍처 설계 역량 내재화다. 에이전트 설계 범위에는 업무 위임 대상 결정, 데이터 접근 권한 부여 기준 설정, 에이전트의 결과를 어떻게 감사하고 검증할지에 대한 방식 설계가 포함된다. 이 설계 역량은 새로운 핵심 서비스로 상품화된다.

둘째는 도메인 특화 에이전트 구축이다. 대상 영역은 제조·금융·의료·공공이며, 해당 영역은 규제와 도메인 지식의 중요성이 크다. 범용 AI 에이전트는 해당 영역의 복잡한 워크플로우 처리에 난점을 안고 있다. 이에 따라 특화 에이전트 구현에서는 SI의 도메인 전문성이 직접 경쟁력으로 작동한다.

셋째 과제로 에이전트 거버넌스 관리가 제시됐다. 이를 위해 기업 전반 AI 에이전트의 접속 대상 시스템·권한 중앙 관리용 거버넌스 레이어 구축이 필요하다고 봤다. 거버넌스 레이어 구축 주체는 SI의 직접 수행 또는 지원으로 제시됐다.

이어 기업 리더·전략기획 담당자 대상 마지막 질문을 제시했다. 첫 번째 질문은 현재 구독 소프트웨어 중 3년 후에도 동일 역할·동일 비용 유지 제품 여부 점검이다. 두 번째 질문은 현재 아웃소싱 업무 중 3년 후에도 사람 수행 지속 업무 여부 점검이다.

두 질문에 대한 정직한 답변은 워크플로우 보유자만 생존하는 시대의 전략 수립 첫 단계라고 했다.

출처: 아이티데일리 (IT DAILY) · 김영욱
원문: https://www.itdaily.kr/news/articleView.html?idxno=241280

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=241280