LLM 기반 AI와 에이전트 워크플로우의 부상으로 SaaS의 경제적 논리가 근본적으로 해체되고 있으며, 인텔리전스 비용의 급격한 하락이 엔터프라이즈 기술 시장의 가치 흐름을 재편 중
AI 서비스의 비용 우위만으로는 지속 가능한 해자를 구축할 수 없으며, LLM 인프라에 의존하는 스타트업은 택시 디스패처 문제에 직면 — 빌린 마진 위에 서 있는 구조
Jevons Paradox에 따라 AI 지출 총량은 폭발적으로 증가하지만, 그 가치가 기존 시장 참여자 모두에게 돌아가지 않으며 가치 사슬의 대규모 재편이 동반
Vertical AI에서 승리하는 기업은 외부 서비스 제공자가 아닌, 고객 운영에 깊이 내재화된 시스템을 구축하는 기업 — 데이터 중력, 네트워크 효과, 플랫폼 락인이 핵심
저가 전략을 의도적 웨지로 활용해 시장 포지셔닝을 확보한 뒤, 복합적 인텔리전스 플랫폼으로 전환하는 것이 유일하게 지속 가능한 전략
구조적 전환: SaaS에서 AI 에이전트 시대로
엔터프라이즈 기술 시장이 온프레미스에서 클라우드로의 전환에 버금가는 구조적 변환을 겪고 있음
약 20년간 SaaS 모델은 반복 수익, 시트 기반 라이선싱, 사용자 참여를 가치 대리 지표로 삼아 수조 달러의 시가총액을 창출
LLM 기반 AI와 에이전트 워크플로우의 부상이 이 SaaS의 경제적 논리를 해체 중
핵심 동인은 인텔리전스 비용의 급격한 하락 — 동일 수준의 인텔리전스 기준으로 비용이 빠르게 감소 중
단, 추론 복잡도의 증가로 토큰 지출 총량은 계속 증가 중(토큰 단가는 하락해도)
OpenAI, Google, Anthropic 등 자금력 있는 랩 간 치열한 경쟁과 하드웨어·소프트웨어 효율성 향상으로 이 추세는 둔화되지 않을 전망
AI 서비스의 디플레이션 압력
에이전트가 전통적 수동 서비스를 대체할 때, 해당 지출을 그대로 포착하는 것이 아니라 서비스의 상품화(commoditization) 가 발생
몇 년 전 10만 달러를 지불했을 서비스가 결국 그 일부 금액에 불과하게 될 구조
저렴한 AI로 인해 Vertical AI 제품에 지속적 디플레이션 압력 존재
문서에서 데이터 추출, 인바운드 전화 응대, 규정 준수 보고서 초안 작성 같은 기능은 현재 인프라와 노하우가 희소하고 채택률이 낮아 훌륭한 웨지가 될 수 있지만, 곧 테이블 스테이크가 될 것
각 카테고리에 자금력 있고 성장 중인 여러 스타트업이 존재하여 초과 마진은 경쟁으로 사라질 구조
그때까지 해자를 구축하지 못한 스타트업은 도태
AI 서비스 vs. 소프트웨어: 서비스 전달의 패러다임
인텔리전스 한계 비용이 0에 수렴하면 기업 기술의 핵심 가치 제안이 노동 보조 도구에서 노동 대체 결과물 전달로 전환
Vertical AI는 Vertical SaaS 단독보다 더 많은 엔드투엔드 워크플로우를 처리할 수 있어 고객 가치와 지불 의향이 크게 증가, 훨씬 큰 예산에 접근 가능
그러나 서비스 전달 — 내부 플랫폼이 아닌 외부 벤더와 유사한 고객 관계 — 이 AI 소프트웨어의 지배적 패러다임이라는 현재 주류 관점에는 동의하지 않는 입장
확대되는 TAM이 모든 스타트업을 띄우지는 않음
인텔리전스 비용 급락으로 AI 서비스 TAM이 크게 확장되지만, 이 기회 확대가 가치 사슬의 동일 지점에 반드시 귀속되지 않음
스프레드시트와 회계 산업 사례: Microsoft Excel 도입(1987) 이후 부기원·회계사무원 수는 약 200만에서 150만으로 감소했으나, 회계사·감사인은 약 130만에서 150만으로, 경영 분석가·재무 관리자는 약 60만에서 150만으로 증가(Morgan Stanley 리서치 인용)
스프레드시트는 단순히 부기를 자동화한 것이 아니라, 가치를 기술 곡선 상위로 이동 — 반복 노동에서 고차 분석으로 전환
Uber와 라이드헤일링 사례: 가치 사슬 내 재배치를 넘어 중간 계층 전체의 제거까지 발생
글로벌 택시 시장은 2019년 약 690억 달러에서 2024년 약 2,710억 달러로 성장, Uber 이전 전통 택시 시장은 300~500억 달러 규모
"차를 불러 어딘가로 가는" 총 지출이 15년간 약 5~8배 성장, 건당 가격은 약 절반으로 하락(VC 보조금 이후 시대에 10~20% 반등)
역사적으로 수익은 소유자(운영자 겸 소유자, NYC 메달리온 소유자 등), 브로커(택시 에이전시, 디스패처, 차고), 고용 기사에게 귀속
이 이해관계자 대부분이 파괴되고 에이전시 수익은 Uber와 Lyft가 흡수
NYC 메달리온 가격은 2013년 약 100만 달러 정점에서 현재 10만 달러 미만으로 폭락(정부 개입으로 일부 회복 조짐)
Jevons Paradox와 엔터프라이즈 AI
동일한 Jevons 역설이 현재 엔터프라이즈 AI에서 진행 중
모델 품질·컨텍스트·추론 복잡도를 고정할 때, 인텔리전스 단위 비용이 급락 중
GPT-3.5 수준 추론 비용이 2022년 11월~2024년 10월 사이 280배 이상 하락
2023년에는 중견 기업의 모든 수신 이메일을 LLM으로 읽고 분류하는 것이 비용 부담이었으나, 현재 백만 토큰당 약 $0.40으로 무시할 수준
AI 코딩 도구로 현재 코드의 41%가 AI 생성 또는 AI 보조 — 진입 장벽을 더욱 낮춤
총 AI 지출은 폭발적 증가: 엔터프라이즈 AI 매출이 2023년 17억 달러에서 2025년 370억 달러로 2년간 22배 증가
글로벌 AI 지출은 2026년 2.5조 달러 초과 전망(IDC)
Gartner는 AI가 전체 IT 지출의 1/3을 차지하는 시점 예측을 2년 앞당김
핵심 질문은 파이가 커지느냐가 아니라, 누가 먹을 수 있느냐
택시 디스패처 문제
AI Services("Service-as-Software")가 승리 비즈니스 모델이라는 대중적 논지 존재
Foundation Capital은 이를 4.6조 달러 기회로 프레이밍: IT 예산은 GDP의 1~2%이나, 노동·전통 서비스는 15% 이상 차지
AI가 회계사, 법률 보조원, 컴플라이언스 분석가의 업무를 수행하면, 해당 직원의 완전 비용(fully-loaded cost) 대비 가격 책정 가능하다는 논리
그러나 단순히 아날로그 제품을 제공하는 것만으로는 이러한 예산을 장기적으로 포착할 수 없음
서비스는 본질적으로 상품화 가능
AI 대안을 유통하며 성장하는 스타트업 대부분은 이 경제적 차익을 가능하게 하는 IP(LLM)를 소유하지 않음 — 랩이 소유
기본적 워크플로우 오케스트레이션, RAG, 도메인 특화 파인튜닝은 지속 가능한 해자가 아님
택시 디스패처 문제의 AI 적용: Uber 이전 택시 디스패치 에이전시는 라이드 매칭으로 마진 포착 — 공급(지역 기사 밀도)과 수요(지역 인지도) 집적에서 일정 방어력 보유
공급·수요를 더 효율적으로 매칭하고, 차량 소유를 외부화하여 공급을 대폭 확장하며, 이용자에게 저렴한 비용을 제공하는 플랫폼이 등장하자 디스패처의 경쟁력은 소멸
디스패처가 패한 이유는 Uber의 수수료율 때문이 아님
Uber는 기사 수익의 평균 약 30% 를 가져가며, 이는 전통 택시 에이전시·메달리온 임대인·디스패처가 총체적으로 추출하던 30~50%와 크게 다르지 않음
Uber의 해자는 덜 추출한 것이 아니라, 디스패치·결제·매칭·평판 등 모든 중개 기능을 네트워크를 소유하는 단일 플랫폼으로 통합한 것
AI Service 기업의 주요 가치가 "LLM으로 이 서비스를 더 싸게 전달합니다"라면, 이는 자기 것이 아닌 마진 위에 앉아 있는 디스패처
이 비용 곡선은 모델 랩, 하이퍼스케일러, 칩 제조사, 에너지 생산자가 통제
모델이 더 저렴해지거나, 경쟁자가 동일 모델 API에 연결하여 가격을 밑돌면, 비용 우위는 0에 수렴
현재 전 세계 약 3만 5천 개의 AI 래퍼 앱 존재, 이전 기술 시대보다 훨씬 높은 경쟁 강도
저렴하게 서비스를 전달할 수 있는 능력과 그 마진을 유지할 수 있는 능력은 별개 — 인텔리전스 비용 붕괴로 생기는 소비자 잉여를 누가 지속적으로 포착하느냐가 현 시점의 핵심 질문
내재화(Embeddedness)와 방어력
비용 곡선을 넘어서는 방어력을 구축하는 기업이 잉여를 포착·유지
엔터프라이즈 기술에서 방어력의 역사적 원천: 도메인 전문성, 속도·실행력, 파트너십·통합 관계, 데이터 중력, 브랜드·신뢰, 플랫폼 락인
초기 단계: 빠르게 약화되는 도메인 전문성과 속도·실행력이 주요 이점
파트너십·통합 관계는 지속 가능하나 규모에서 관련성 감소
성장 단계의 가장 핵심적 해자는 사용량·데이터 루프
규모에서의 방어 가능한 Vertical AI 비즈니스는 최소한 데이터 중력, 브랜드·신뢰, 플랫폼 락인 중 하나 이상의 해자 필요
Vertical AI 비즈니스 평가의 가장 중요한 축은 "서비스 vs. 소프트웨어"가 아니라 "내부(internal) vs. 외부(external)"
"내부": 고객이 매일 로그인하는 전통적 SaaS UI를 반드시 의미하지 않음 — 가치가 직접적 키보드 사용량과 상관된다는 오래된 업계 합의는 더 이상 유효하지 않음
핵심 질문: AI 기업이 고객 운영에 구조적으로 제거하기 어려운 방식으로 내재화되어 있는가?
고객이 생성한 독점 데이터를 보유하는가? 거래 상대방·공급업체·생태계에 고객을 연결하여 재구성이 고통스러운가? 인접 워크플로우에 통합되어 제거 시 연쇄 중단이 발생하는가?
"외부": 전통적 서비스 벤더와 유사 — 고객이 필요할 때 호출하지만, 더 나은 거래가 있으면 다음 주에 다른 곳으로 전환 가능
외부 솔루션은 실질적 가치를 전달하고 비용 격차가 크고 채택이 초기일 때 빠르게 성장하지만, 빌린 마진 위에 서 있어 다른 AI Services 스타트업, 자금력 있는 SaaS 인컴번트, 심지어 구매자 자체와 동일한 경쟁 역학에 노출
4분면 프레임워크: Vertical AI 평가 매트릭스
두 축으로 Vertical AI 랜드스케이프 매핑: 내부 vs. 외부(제품의 고객 운영 내재화 깊이)와 웨지 vs. 플랫폼(제품 범위와 깊이)
Durable(우상단): 내부 AI 플랫폼 — 복합적 해자로의 명확한 경로를 가진 System of Intelligence & Action, 초기 웨지에서 멀티 프로덕트 플랫폼으로 진화. Abridge, EvenUp이 대표 사례
Rare(좌상단): 외부 플랫폼 — 컨설팅 성격의 높은 ACV, 내부 AI 제품을 도그푸딩하는 경우가 많음. 높은 고객 집중도와 제한된 내재화로 불안정
Commodity Risk(좌하단): 외부 웨지 제품 — 극도의 초기 성장 잠재력이 있으나, 빌린 AI 마진으로 경쟁하기에 존재적 위험
Precarious(우하단): 내부 웨지 — 높은 초기 성장 잠재력으로 방어 가능 플랫폼으로 확장 가능하나, AI 선도 인컴번트의 웨지 복제 위험
두 가지 가치 있는 전환 경로: 외부→내부(내재화 심화)와 웨지→플랫폼(제품 폭 구축)
웨지→플랫폼은 지속 가능한 Vertical Software 구축의 검증된 모델
일부 스타트업은 외부·고확장성 AI Services 웨지에서 시작하여 두 전환을 동시에 시도
Vertical AI: 상품화로부터의 보루
Vertical AI가 강력한 이유: 모든 산업의 고유한 역학이 고객에게 깊이 내재화되는 차별화된 솔루션 구축의 비옥한 토양
최고의 Vertical SaaS 기업(Veeva, Procore, Toast, ServiceTitan 등)이 승리한 이유는 더 저렴했기 때문이 아니라, 사용자의 특수한 니즈를 더 정확히 반영하는 시스템 오브 레코드가 되었기 때문
수백만 달러의 컨설팅 비용으로 Salesforce나 NetSuite를 맞춤화할 수 있지만, 처음부터 자신을 위해 만들어진 시스템이 있는데 굳이 그럴 필요 없음
독점적 산업·퍼스트파티 데이터(임상시험 데이터, 작업 비용 데이터, 레스토랑 매출 데이터)를 축적하여 사용할수록 제품이 개선되는 구조
파편화된 수직 고유 생태계(제약사-임상 사이트, 원청-하청, 레스토랑-배달 네트워크)를 연결하여 네트워크 효과 해자 구축
웨지는 더 저렴하게 전달되는 서비스일 수 있지만, 해자는 그 웨지 위에 구축된 시스템 — 내부 포지셔닝을 활용하여 독점 데이터, 네트워크 효과, 멀티 프로덕트 플랫폼, 산업 "브레인"을 개발하여 단순 벤더가 아닌 의존하는 인프라가 되는 것
이 도약을 하지 못하고 비용 경쟁하는 외부 AI 서비스 제공자로 남으면, 택시 디스패처와 같은 운명 — 시장이 500% 성장하는 것을 지켜보면서 마진은 0에 수렴
승자는 상품화를 포용
Vertical Collective 라운드테이블에서 한 창업자의 인사이트: "많은 이들이 바닥 경쟁을 나쁘게 보지만, 우리는 반대로 봄 — 진짜 열쇠는 새로운 가치 창출"
비용 경쟁만 하면 치명적이지만, 위에서 설명한 해자를 구축할 포지셔닝을 확보하기 위한 의도적 웨지로서는 강력
일부 Vertical AI 스타트업은 AI Services 상품화에 따른 가격 바닥 경쟁을 의도적으로 포용하고 가속화해야 함
전통 플레이어가 맞출 수 없는 충격적으로 낮은 가격으로 많은 고객 유치
고객당 "결과물" 매출 기회를 자기잠식하지만, 빠른 성장, 산업 신뢰, 다른 방식으로 고객을 서비스할 권리를 획득
경쟁할 수 없는 시장 리더의 입지를 약화시켜 경쟁 진공 창출, 확장을 위한 폴 포지션 확보
이 전략은 "Nuking Pricing Power" 전략의 변형: 보완재의 저가(또는 무료) 버전을 개발·지원하여 빠른 채택을 유도하고 보완재의 가격 결정력을 약화
더 단순하게: 제품이 상품화될 것이라면, 시장을 차지하기 위해 직접 상품화하는 편이 나음
가치 가설(Value Hypothesis)
모든 엔터프라이즈 기술 패러다임 전환은 땅따먹기와 구조조정을 동반
클라우드 컴퓨팅은 2005~2015년 사이 수천 개의 SaaS 스타트업을 탄생시켰으나, 대부분 흡수·인수합병·소멸, 소수만이 지속 가능한 카테고리 정의 플랫폼으로 졸업
Vertical AI에서도 동일한 패턴을 예상하되, 더 큰 시장 기회, 더 빠른 성장, 창의적 수익화 모델, 더 높은 초기 자본 효율성 — 그리고 그 모든 이유로 전례 없는 수준의 경쟁
AI Services 창업자의 함정: 확장 가능한 웨지를 방어 가능한 비즈니스로 착각하는 것
지속할 기업: 비용 격차가 크고, 채택이 초기이고, 인컴번트가 느린 현재의 창문을 활용하여 전환이 단순히 불편한 것이 아니라 구조적으로 고통스러울 만큼 고객 운영에 깊이 내재화
이것은 새로운 아이디어가 아닌 엔터프라이즈 소프트웨어의 가장 오래된 아이디어의 재발견
새로운 것은 표면적: SaaS 기업은 몇 개 워크플로우에 내재화하고 사용자 상호작용 화면에서 데이터 포착 가능했으나, AI 네이티브 플랫폼은 모든 워크플로우에 내재화, 인간 존재 여부와 무관하게 모든 상호작용에서 데이터를 포착, 실행할수록 제품을 개선하는 복합적 인텔리전스 구축 가능
"하중 지지 인프라(load-bearing infrastructure)" 를 구축할 기회가 이보다 큰 적이 없었으며, "더 저렴한 벤더"에 안주하려는 유혹도 마찬가지
Andy Rachleff의 "가치 가설": 스타트업의 무엇을·누구에게·어떻게에 대한 가설은 첫 번째 시도에서 "거의 맞지 않음" — 창업자는 관심 있다고 말하는 사람이 아니라 제품에 진정으로 절박한 고객을 발견해야 함
고객은 항상 더 저렴한 서비스에 관심이 있지만, 진정으로 원하고 유지하기 위해 비용을 지불하는 것은 자기 비즈니스를 자신보다 더 잘 아는 시스템 — 제도적 지식을 축적하고, 생태계에 연결하고, 모든 상호작용마다 내부적 가치가 증가하는 시스템
참고
AI가 인간 노동자를 더 효율적으로 만들면 Salesforce가 대중화한 시트 기반 SaaS 모델은 더 이상 유효하지 않음 — 제품이 좋을수록 고객 지출이 감소하는 구조
자율 에이전트의 목적이 계약서 초안, 고객 지원 티켓 해결, 재무 원장 조정 등을 실질적 인간 개입 없이 수행하는 것이라면, "스크린 타임"은 무의미
새로운 패러다임에서 효율성은 스크린 타임의 부재로 정의될 수 있음
UI 자체도 대체 가능해지는 중: 데이터·액션·레코드의 "의사결정 레이어"는 여전히 중요하지만, 어떤 고객도 동일한 UI를 갖지 않는 세계로 진입
플랫폼이 각 사용자에게 고유하게 자동 생성하는 인터페이스("inception software")
MCP를 통한 에이전트 방식이나 LLM이 생성한 맞춤 앱을 통한 "Bring Your-Own UI"(BYOUI)