▲

Vertical AI의 통합 문제와 창업자들이 실제로 활용하는 해결 전략

 (insights.euclid.vc)
7P by neo 19시간전 | ★ favorite | 댓글과 토론
  • 수많은 산업별(Vertical) 소프트웨어에서 가장 큰 확장 저해 요인은, 기존 관리 시스템(ERP/SOR)의 폐쇄성과 외부 통합 차단 정책임
  • 대부분의 핵심 데이터가 레거시 ERP에 잠겨 있거나, 부분적 접근만 허용되고 있어, 신생 Vertical AI 스타트업은 고객 요구에도 불구하고 핵심 시스템 연동이 불가
  • AI 기반 신생 SaaS는 데이터 통합 요구가 특히 크며, 전통적 API뿐 아니라 비정형 데이터(이메일, 현장 사진, 전화 등)까지 통합해야 하는 새로운 과제에 직면
  • 이를 해결하기 위해 창업자들은 ‘로그인 크리덴셜 활용’, ‘파트너십’, ‘SMB 타겟팅’, ‘ERP 무관 AI’, ‘AI 인프라 활용’ 등 5가지 전략을 실제로 시도
  • 표준화된 AI 에이전트 프레임워크(MCP 등)와 AI 기반 RPA/오퍼레이터 모델이 앞으로 새로운 통합 방식이 될 것으로 전망

산업별 소프트웨어와 통합 문제

  • 미국 노동부 기준 1,000개 이상의 산업이 존재, 각 산업별로 ERP/SOR(비즈니스 관리 시스템)가 ‘데이터의 중심’ 역할
  • 대부분의 산업별 ERP는 외부 연동·통합 API 제공을 제한하거나, 고비용/복잡한 방식만 허용
    • 예시: 의료의 Epic, 부동산의 Yardi, 치과의 Dentrix 등은 강력한 데이터 독점으로 신생 SaaS의 연동을 차단하거나 일부만 허용
    • 이런 구조는 고객 불만(NPS 저하)에도 불구하고, ERP에서 이탈하기 어렵게 만드는 잠금 효과로 이어짐

Vertical AI가 직면한 통합 난관

  • 초기 고객들도 “ERP와 통합되지 않으면 쓸 수 없다”는 요구가 많음
  • 레거시 업체는 경쟁 또는 기술력 부족으로 공개 API/연동을 꺼림
  • 기업 IT팀(특히 CIO/임원)도 외부 AI/신생 SaaS의 데이터 접근을 경계

AI가 바꿀 수 있는 점과 한계

  • 기존 SaaS보다 AI 기반 제품은 ERP 외부(이메일, 종이, 사진, 구두지식 등)의 비정형 데이터 활용까지 요구
  • AI 솔루션이 오히려 데이터 통합 난관을 더 부각시킴
  • 통합의 범위가 ‘공식 API’에서 ‘비공식 경로+외부 비정형 데이터’까지 확장됨

창업자들이 실제 시도하는 5가지 전략

1. Kludge(꼼수·비공식 통합)

  • 고객으로부터 ERP 로그인 계정/권한을 받아 AI 에이전트가 직접 데이터 읽고 쓰기
  • 자동화 크롤링, DB 직접 주입 등 편법 활용
  • 실제 사례: RTMS vs PointClickCare 판결(미국 의료정보 개방법 기반, AI 접근을 제한한 EHR에 불리하게 판결)
  • 장점: 신속한 결과
  • 단점: 법적 리스크, 컴플라이언스(HIPAA, GDPR 등), 보안 이슈, 장기적 확장 불가

2. 파트너십

  • 레거시 ERP/플랫폼과 공식 파트너십 체결, AI가 ERP 위에서 함께 동작
  • ERP에 “AI는 유행이니, 우리와 제휴해 데이터 제공 받고 매출 일부 쉐어하라” 설득
  • 장점: ERP 대비 더 빠른 확장 가능성, 대형 거래 가능
  • 단점: 산업별 진입장벽/속도, ERP 측의 각성/견제 가능성

3. Segmentation(시장 세분화: SMB 집중)

  • 중소기업(SMB) 대상으로 API 개방적/교체 쉬운 ERP 타깃
  • SMB 시장은 레거시 잠금이 약하고, 경쟁은 치열하지만 진입 장벽이 낮음
  • 주의: 해당 SMB 시장의 규모가 충분해야 함

4. Wedge Selection(ERP와 무관한 AI)

  • ERP/SOR 연동 불필요한 영역의 Vertical AI에 집중
    • 예: 산업별 AI 세일즈, AI 고객 지원 등
  • 성과 기반(리드 생성, 티켓 처리량 등) 과금도 가능
  • 고객이 ERP에 직접 데이터 입력(핸드 오프)하는 방식 활용

5. AI 인프라 및 표준 활용

  • AI 통합 표준 프레임워크(예: Anthropic Model Context Protocol, MCP) 의 등장
    • 다양한 SaaS/API에 대한 일회성 통합 부담을 줄이고, 모듈형 확장 지원
  • AI 기반 ‘컴퓨터 유저’(Operator, CUA 등) 개념: 기존 RPA의 AI화로, 단순 클릭 자동화에서 이미지/상황 인식 기반 조작까지 확장
    • 예: OpenAI ChatGPT Operator(웹 기반 브라우저 자동화), Adept(엔터프라이즈 AI RPA)
  • 아직 초기 단계이나, 기업용 Vertical AI에서 유의미한 역할 기대

결론 및 인사이트

  • 산업별 AI의 ERP/SOR 통합 문제는 단순 기술·API 문제가 아니라 산업구조·시장 진입전략 문제
  • 고객, ERP, 데이터, AI 활용 범위에 따라 다층적·유연한 전략 수립 필요
  • 미래에는 표준화된 AI 에이전트 프레임워크와 AI 기반 RPA/Operator 기술이 새로운 통합 방식으로 자리잡을 가능성
  • 각 전략(꼼수, 파트너십, SMB, 비연동 AI, 인프라 표준) 조합/적용이 실제 성공사례의 핵심