왜 지금 SaaS를 다시 봐야 하는가

(AI를 활용하여 작성된 글입니다)

1. AI 대체 공포는 SaaS 전체가 아니라 일부 SaaS에 대한 경고입니다

2026년 들어 소프트웨어 시장을 흔든 핵심 변수는 프런티어 모델과 AI 에이전트의 발전이었습니다. 대형 언어모델은 더 긴 문맥을 처리하고, 더 복잡한 업무를 수행하며, 여러 도구를 호출하는 능력을 빠르게 키우고 있습니다. 문서, 코드, 데이터를 다루는 능력도 갈수록 좋아지고 있습니다. 사용자가 자연어로 지시만 하면 AI 에이전트가 CRM을 업데이트하고, 보고서를 만들고, 계약서를 검토하고, 고객 이메일을 보내고, 티켓까지 처리하는 시나리오가 점점 현실에 가까워지고 있습니다. 이 흐름은 기존 SaaS에 분명한 위협입니다. 사용자가 개별 SaaS 화면을 직접 클릭하지 않아도 AI 에이전트가 여러 업무를 대신 처리한다면, 일부 SaaS의 역할은 줄어들 수 있습니다. 특히 얕은 UI, 간단한 보고서, 단순 입력 자동화에 의존하는 제품은 AI 에이전트에 흡수될 가능성이 큽니다.

시장도 이 우려를 빠르게 반영했습니다. 2026년 2월 Anthropic의 기업 업무용 AI 도구 공개 이후 글로벌 소프트웨어·서비스 주식에서 약 1조 달러에 가까운 시가총액이 사라졌고, S&P 500 Software & Services Index는 6거래일 동안 약 13% 하락했습니다. 당시 투자자들은 AI가 법률, 영업, 마케팅, 데이터 분석처럼 기존 소프트웨어가 담당하던 핵심 영역으로 직접 들어올 수 있다고 봤습니다. 다만 이 매도세를 곧바로 “SaaS의 종말”로 해석하기는 어렵습니다.

AI의 위협은 모든 SaaS에 같은 방식으로 작용하지 않습니다. 단순 기능형 SaaS에는 분명한 위협이지만, 기업의 핵심 데이터, 권한 체계, 업무 프로세스, 감사 가능성, 사용자 접점을 이미 장악한 SaaS라면 이야기가 달라집니다. 이런 SaaS는 AI에 대체되는 대상이 아니라, AI가 기업 안에서 실제 돈이 되는 통로가 될 수 있습니다. AI가 기업 내부에서 제대로 작동하려면 단순한 모델 성능만으로는 부족합니다. 회사의 데이터에 접근해야 하고, 권한을 지켜야 하며, 실제 업무 흐름 안에서 행동해야 합니다. 이 조건을 이미 갖춘 곳이 SaaS입니다.

AI 투자의 초점도 이 방향으로 바뀌고 있습니다. 첫 번째 국면은 성능 경쟁이었습니다. 어떤 모델이 더 큰가, 어떤 벤치마크에서 더 높은 점수를 냈는가, 코딩·수학·추론·전문 시험에서 얼마나 뛰어난가가 중요했습니다. 두 번째 국면의 기준은 다릅니다. 이제 기업 고객은 AI가 얼마나 똑똑한지보다, 그 AI가 실제로 얼마를 벌어주거나 아껴주는지를 봅니다.

기업 고객이 궁극적으로 지불하는 것은 모델의 지능 그 자체가 아닙니다. 영업 생산성이 올라가고, 고객지원 비용이 줄고, 계약 검토 시간이 단축되고, 채용과 재무 프로세스가 빨라질 때 돈을 냅니다. 기업 AI의 최종 기준은 성능이 아니라 ROI입니다.

2. AI 경쟁의 초점은 성능에서 ROI로 이동하고 있습니다

최근 빅테크의 어닝콜에서도 이 변화가 확인됩니다. 벤치마크와 모델 성능은 여전히 중요하지만, 투자자 대상 설명에서는 추론 비용, 토큰당 효율, 사용량 기반 과금, 자본 효율성이 더 자주 등장합니다. 대표적으로 Microsoft는 어닝콜에서 주요 AI 모델의 추론 처리량을 40% 개선했고, 자체 AI 가속기가 토큰당 비용 효율을 30% 이상 개선한다고 설명했습니다. 기존 좌석 기반 소프트웨어 사업이 점차 “좌석 + 사용량” 모델로 확장될 수 있다는 말도 나왔습니다. AI가 단순히 더 똑똑해지는 단계를 지나, 실제 제품 안에서 얼마나 자주 쓰이고 그 사용량을 어떻게 과금할지가 중요해졌다는 뜻입니다.

이 변화는 SaaS 기업 투자 논지와 직접 맞닿아 있습니다. AI가 연구실의 벤치마크 경쟁에 머물 때는 반도체, 클라우드, 프런티어 모델 기업이 가장 직접적인 수혜주처럼 보입니다. 하지만 AI가 실제 제품과 업무 안으로 들어오면 가치가 생기는 지점이 달라집니다. 이제 중요한 것은 모델 그 자체가 아니라, 그 모델이 어디에서 추론되는지, 어떤 데이터를 읽는지, 어떤 업무를 실행하는지, 그 사용량을 고객에게 어떻게 과금할 수 있는지입니다. 여기서 SaaS의 가치가 다시 부각됩니다. AI의 ROI는 모델 혼자 만들 수 없습니다. ROI는 고객의 실제 업무 안에서 나옵니다. 그리고 그 업무는 이미 SaaS 위에서 돌아가고 있습니다.

CRM에는 고객 데이터와 영업 프로세스가 있습니다. HCM과 ERP에는 인사·재무 데이터와 승인 체계가 있습니다. ITSM에는 티켓, 장애 처리, 서비스 요청 흐름이 있습니다. 콘텐츠 SaaS에는 문서, 계약서, 정책 자료, 권한 체계가 있습니다. 협업 SaaS에는 프로젝트 이력과 팀의 업무 맥락이 쌓입니다. AI가 기업에서 실제 ROI를 내려면 이 데이터와 업무 흐름 안에서 작동해야 합니다. 모델의 성능이 아무리 좋아도 고객의 데이터와 프로세스에서 떨어져 있으면 업무 성과로 이어지기 어렵습니다. AI의 초점이 성능에서 ROI로 옮겨갈수록, 기업의 데이터와 워크플로를 이미 장악한 SaaS 기업의 가치가 커지는 이유입니다.

3. 프런티어 모델의 한계는 내부 데이터와 권한에⁠서 드러납니다

프런티어 모델이 아무리 강력해도 특정 회사의 내부 정보는 기본적으로 알 수 없습니다. 모델은 일반적인 지식과 공개 데이터, 학습 시점까지의 패턴을 바탕으로 답합니다. 하지만 한 회사의 최신 고객 계약, 영업 파이프라인, 미팅 기록, 지원 티켓, 재무 승인 이력, 인사 정책, 보상 데이터, 내부 문서의 최신 버전, 부서별 권한 체계까지 알고 있지는 않습니다.

예를 들어 영업 담당자가 AI에게 이렇게 요청한다고 해보겠습니다.

“이번 분기에 갱신 예정인 A 고객의 이탈 가능성을 분석하고, 담당자가 보낼 이메일 초안을 작성해줘.”

모델이 제대로 답하려면 A 고객의 계약 조건, 최근 사용량, 지원 티켓, 할인 이력, 경쟁사 언급 여부, 미팅 메모, 담당자 교체 여부를 알아야 합니다. 이 정보는 모델 안에 있지 않습니다. CRM, 고객지원 시스템, 계약 관리 시스템, 결제 시스템, 내부 문서 저장소에 흩어져 있습니다. 재무나 HR 업무는 더 민감합니다. 비용 절감 방안을 찾거나, 채용 후보자를 평가하거나, 조직 개편의 영향을 분석하려면 그럴듯한 답변만으로는 부족합니다. 어떤 데이터가 최신인지, 어떤 정책이 적용되는지, 누가 승인권자인지, 어떤 정보에 접근할 수 있는지까지 알아야 합니다. 권한, 정책, 승인 절차, 내부 통제, 감사 가능성이 함께 따라와야 합니다. 

그래서 기업 AI의 핵심은 단순히 좋은 모델을 도입하는 것이 아닙니다. AI가 회사 내부 데이터를 실제로 가져다 쓸 수 있는 상태로 만드는 것이 먼저입니다. 여기에는 여러 조건이 필요합니다. 데이터가 잘 정리되어 있어야 하고, 고객·계약·직원·제품·티켓 같은 핵심 정보가 서로 연결되어 있어야 합니다. 같은 고객이 CRM, 결제 시스템, 고객지원 시스템에서 서로 다른 이름으로 기록되어 있다면 AI는 정확한 판단을 하기 어렵습니다. 계약서는 문서 저장소에 있고, 사용량 데이터는 제품 분석 시스템에 있고, 지원 이력은 티켓 시스템에 있는데 이들이 서로 연결되어 있지 않다면 AI는 고객의 상황을 온전히 이해할 수 없습니다. 기업 AI에는 단순히 많은 ...