AI가 SaaS 플레이북을 다시 쓰는 방법

2016년에 Madrona는 데이터를 활용하고 “지속적인 학습 시스템”을 구축하지 않는 애플리케이션은 도태될 것이라고 예측했습니다. 우리는 실시간으로 학습하고, 적응하고, 개선하는 AI 기반의 데이터 구동 애플리케이션을 “Intelligent Applications”라고 명명했습니다.

8년이 지난 지금, 그때의 과감한 아이디어는 현실이 되었습니다. 전통적인 SaaS는 이제 지능형 애플리케이션에 자리를 내주고 있습니다. 이 변화는 단순한 기술 발전을 넘어, 결정론적 시스템에서 비결정론적 AI 시스템으로, 경직된 인터페이스에서 자연스러운 상호작용으로, 전통적인 SaaS 비즈니스 모델에서 AI 직원처럼 계속 학습하고 적응하여 새로운 방식으로 가치를 제공하는 모델로의 근본적인 전환을 의미합니다. 이 변화를 수용하지 않는 창업자들은 모든 산업이 AI로 재정의되는 시대에 뒤처질 위험이 있습니다.

우리는 모든 애플리케이션이 지능형 애플리케이션이 될 것이라고 확신합니다. 데이터를 활용하고 AI 기반의 지속적인 학습 시스템이 없는 애플리케이션은 생존하지 못할 것입니다.

2022년 11월 ChatGPT의 출시는 지능형 애플리케이션의 분기점을 마련했습니다. 우리는 처음으로 애플리케이션의 진정한 잠재력을 보게 되었습니다. 오늘날 가장 널리 사용되는 세 가지 지능형 애플리케이션인 ChatGPT, Microsoft 365 Copilot, 그리고 GitHub Copilot은 여러 산업을 혁신하고 있습니다. 2024년 현재 ChatGPT는 주간 활성 사용자가 약 2억 명에 이르러, 가장 빠르게 성장한 플랫폼 중 하나로 자리잡았습니다. Netflix가 100만 사용자에 도달하는 데 3.5년, Airbnb가 2.5년, Dropbox가 7개월, Spotify가 5개월 걸렸지만, ChatGPT는 단 5일 만에 이 목표를 달성했습니다. GitHub Copilot 역시 새로운 GitHub 프로젝트의 30%를 작성하면서 소프트웨어 작성 방식을 혁신하고 있습니다.

Software as a Service (SaaS)에서 Service as Software로

지능형 애플리케이션이 산업을 재편하면서 소프트웨어는 이제 단순한 서비스가 아니라, 사용자에게 적극적으로 일해주는 동적 도구가 되고 있습니다. 아직 AI 플랫폼에서 SaaS 시대의 “Salesforce”나 모바일 시대의 “Uber”에 해당하는 서비스는 등장하지 않았지만, Glean, Harvey, Runway, Typeface, Sierra, Read AI, Writer와 같은 여러 스타트업들이 그 길을 개척하고 있습니다.

소프트웨어는 더 이상 단순한 서비스가 아니라 목표 달성을 위한 수단이 되었습니다. 비즈니스 프로세스를 자동화하거나, 소프트웨어 코딩을 지원하거나, 창의적인 콘텐츠를 생성하는 것 등 다양한 목표를 위해 존재하는 것입니다. Software as a Service는 이제 Service as Software로 변화하고 있습니다. 이는 “여기 당신이 사용할 도구가 있습니다”에서 “필요한 작업을 알려주세요, 우리가 처리해드리겠습니다”로의 전환을 의미합니다. 예를 들어, CRM 도구를 통해 고객을 관리하는 대신 AI 에이전트가 고객 관계를 관리하고, 맞춤형 후속 조치를 수행하며, 미팅 일정을 잡아주는 것입니다. Glean은 Work AI 플랫폼을 통해 기업 검색을 혁신하고 있으며, FAQ 응답, IT 티켓 작성, 인사이트 생성과 같은 작업을 자동화하고 있습니다. 또한, Harvey는 문서 작성과 실사 업무를 자동화하여 법률 산업을 변혁하고, 고부가가치 업무에 집중할 수 있도록 돕고 있습니다.

근본적인 변화 - 새로운 기능 및 사용자 인터페이스

전통적인 SaaS와 같은 결정론적 모델은 항상 동일한 경직된 출력을 생성합니다. 예를 들어, 모든 직원에게 시간대와 상관없이 오전 9시 미팅을 제안하거나, 모든 티켓에 동일한 답변을 보내는 지원 도구를 생각해 보십시오. 반면, AI 시스템, 즉 비결정론적 모델은 문맥과 사용자 행동에 따라 적응합니다. 예를 들어, 사용자의 미팅 패턴을 학습하는 AI 스케줄러나 이전 상호작용에 기반해 답변을 작성하는 지원 시스템을 상상해 보십시오.

이러한 선형적인 경로에서 목표 지향적이고 적응 가능한 시스템으로의 전환은 SaaS의 근본적인 변화를 의미합니다. 각 작업을 프로그래밍하는 대신, 회사는 이제 결과와 가드레일을 정의하고 AI가 최적의 솔루션을 찾도록 할 수 있습니다. 물론 특정 작업에 대해서는 여전히 결정론적 소프트웨어가 사용될 수 있습니다.

한 기술 리더는 “기업에서 AI의 첫 번째 희생자는 비즈니스 앱이다”라고 말했습니다. 경쟁력을 유지하려면 애플리케이션은 단순히 기능이나 도구를 제공하는 것을 넘어, 실시간으로 적응하고 사용자 요구를 예측해야 합니다. 중요한 것은 AI를 내재화할 것인지 여부가 아니라, 이를 어떻게 활용하여 지속적인 학습과 자동화를 실현할 것인가입니다. 이 변화를 수용하지 않는 자는 점점 더 지능화되는 소프트웨어 환경에서 도태될 위험이 있습니다.

우리는 사용자 인터페이스 자체가 재구성되고 있다고도 믿습니다. 복잡한 메뉴와 워크플로우를 탐색하는 대신, 미래의 UI는 대화형이 될 것입니다. 예를 들어, “어제의 점심 영수증을 XYZ 클라이언트 미팅으로 분류해 처리해 주세요”라고 AI 직원에게 말하면, 백그라운드에서 원활하게 처리가 이루어지는 모습을 상상해 보십시오. “사용자에게 작업 방법을 보여주는 것”에서 “사용자가 원하는 작업을 말하게 하는 것”으로의 변화는 소프트웨어 디자인에 있어서도 중요한 전환을 나타냅니다.

왜 지금인가 & 시장 검증

왜 지금일까요? 이 변화를 위한 요소 – 데이터, AI/ML, 클라우드 인프라 –가 마침내 제자리를 잡았기 때문입니다. “Attention is All You Need” 논문에서 트랜스포머 아키텍처가 공개된 지 7년이 지난 지금, AI 모델은 훨씬 더 강력해지고 접근성이 높아졌으며 비용도 저렴해졌습니다. 특히 NVIDIA의 A100 GPU와 같은 하드웨어 발전은 처리 능력을 20배 향상시켰으며, 모델 양자화와 지식 증류 같은 기술 덕분에 성능을 유지하면서도 연산 요구를 줄일 수 있게 되었습니다.

한편, 주요 AI 제공 업체의 클라우드 호스팅 API 덕분에 최첨단 모델 접근이 더 쉬워졌으며, GPT-4와 같은 모델의 운영 비용은 불과 18개월 만에 거의 90% 감소했습니다. 이러한 융합은 AI를 민주화하고 있으며, 모든 규모의 스타트업이 이 강력한 도구를 자사 제품에 통합하는 것이 가능해졌습니다.

시장 신호도 명확합니다. 2010년대에 선도적이었던 SaaS 기업들은 기존 비즈니스 모델이 압박을 받으면서 가치가 축소되고 있습니다. 10대 SaaS 기업들은 한때 EV/NTM 매출 비율이 최대 58배에 달했으나, 현재는 약 15배로 하락했으며, 전체 SaaS 배수도 2021년 11월 최고치에서 16배에서 5배로 줄어들었습니다. 이는 투자자들이 새로운 AI 기반 비즈니스 모델을 찾고 있다는 신호입니다. 반면, AI 인프라 수요에 부응해 온 Nvidia는 시가총액이 4천억 달러에서 3조 달러 이상으로 폭발적인 성장을 이루었으며, OpenAI의 최근 1,570억 달러 가치 평가 역시 AI 기업에 대한 투자자들의 관심을 보여줍니다.

도전 과제, 미래 전망, 그리고 앞으로 나아갈 길

AI는 이미 지능(IQ)에서 큰 진전을 이루었으며, 감정 지능(EQ)에서도 점차 발전을 이루고 있습니다. 이러한 지능과 공감 능력의 결합이 의미 있는 행동을 가능하게 합니다. 하지만 지능과 공감을 명확하게 정의된 실행 가능한 결과로 전환하는 것은 항상 간단하지 않습니다. 작업이 명확하게 정의된 영역에서는 Service as Software 모델이 성공할 것입니다. 그러나 더 복잡하고 미묘한 상황에서는 AI가 잠재력을 최대한 발휘하고 그 가치를 효과적으로 포착하는 방법을 구체화하는 데 아직 과제가 남아 있습니다.

이러한 변화는 하루아침에 이루어지지 않을 것입니다. 결과 기반 가격 모델, 사용량 기반 가격 모델, 혹은 Service as Software와 같은 새로운 비즈니스 모델이 표준이 될 수도 있지만, 이러한 모델이 널리 채택되기까지는 시간이 걸릴 것입니다. 비즈니스 모델 관점에서 보면, 무엇을 청구할지보다 어떻게 청구할지가 더 중요해지고 있습니다. 물론 여전히 해결해야 할 문제도 남아 있습니다. 보안, 프라이버시, 데이터 무결성 문제는 여전히 해결되어야 하며, 안전하고 준수 가능한 미래를 보장하기 위한 강력한 가드레일도 필요합니다.