AI 시장은 지금 중요한 전환점에 서 있다.
2022년부터 2025년까지의 AI 가 주로 채팅 기반 AI 였다면, 2026년부터는 AI가 직접 목표를 수행하는 Agentic AI 중심으로 이동하고 있다. 이 변화는 단순한 성능 개선이 아니라 "구조적 불연속" 이다. 즉, AI가 더 빨라지고 똑똑해지는 수준이 아니라, 기업 소프트웨어와 조직 운영 방식 자체를 바꾸는 변화라는 뜻이다.
기존 AI는 사람이 질문하면 답을 주는 도구였다. 사람은 그 답을 읽고, 판단하고, 실제 업무 시스템에 옮겨 실행해야 했다. 생산성은 높아졌지만, 여전히 “아는 것”과 “하는 것” 사이의 간극은 사람이 메워야 했다.
반면 Agentic AI는 목표를 받으면 스스로 상태를 유지하고, 도구를 호출하고, 다른 에이전트에게 하위 작업을 위임하며, 결과를 완수하는 방향으로 발전하고 있다.
쉽게 말하면, AI의 역할이 이렇게 바뀌고 있다.
| 과거의 AI | 앞으로의 AI |
| 질문에 답하는 도구 | 목표를 수행하는 실행자 |
| 인간이 해석하고 실행 | AI가 직접 워크플로 수행 |
| Chat 중심 | Agent 중심 |
| 생산성 보조 | 업무 대체 또는 위임 |
이 변화의 핵심은 AI가 인터페이스가 아니라 실행 레이어로 이동한다는 것이다.
SaaS의 해자가 흔들리는 이유
전통적인 SaaS 기업은 보통 세 가지 레이어 위에 경쟁력을 쌓았다.
첫째, 데이터.
둘째, 업무 로직.
셋째, 사람이 사용하는 UI.
지난 20년 동안 많은 SaaS 기업의 차별화는 세 번째 레이어, 즉 UI에서 만들어졌다. 좋은 화면, 쉬운 사용성, 빠른 도입, 사용자 교육 등이 경쟁 우위였다. Salesforce가 강력했던 이유도 단순히 데이터베이스가 좋아서가 아니라, 영업 조직이 실제로 사용할 수 있는 인터페이스를 제공했기 때문이다.
하지만 Agentic AI 시대에는 이 UI 중심 해자가 약해질 수 있다.
에이전트가 MCP 같은 프로토콜을 통해 CRM, ERP, 결제, 마케팅 자동화 도구의 데이터와 기능에 직접 접근할 수 있다면, 사람을 위한 UI는 더 이상 필수 접근 경로가 아니다. AI 에이전트는 화면을 클릭하지 않고도 데이터를 읽고, 레코드를 업데이트하고, 보고서를 만들고, 워크플로를 실행할 수 있다. 원문은 이를 “UI가 장식적 요소가 되는 변화”로 본다.
즉, 앞으로 기업 구매자가 묻는 질문은 바뀔 수 있다.
과거에는 이렇게 물었다.
“이 소프트웨어는 사용하기 쉬운가?”
“모바일 앱이 있는가?”
“우리 직원들이 잘 쓸 수 있는가?”
앞으로는 이렇게 물을 가능성이 크다.
“이 시스템은 에이전트가 직접 접근할 수 있는가?”
“MCP 서버를 제공하는가?”
“다른 에이전트와 협업 가능한가?”
“감사 추적과 권한 통제가 가능한가?”
이 변화는 단순히 UI가 사라진다는 뜻이 아니다.
소프트웨어의 가치가 ‘사람이 쓰기 쉬운가’에서 ‘AI가 안전하게 실행할 수 있는가’로 이동한다는 뜻이다.
Agentic AI는 '소프트웨어 시장'이 아니라 '노동 시장'을 겨냥한다
SaaS는 기본적으로 사람이 일을 잘하도록 돕는 도구다.
기업은 소프트웨어를 구매하고, 직원이 그 소프트웨어를 사용해 업무를 수행한다.
하지만 Agentic AI는 다르다.
목표를 주면 AI가 직접 일을 수행한다.
따라서 기업이 구매하는 것은 더 이상 “툴”이 아니라 “결과”에 가까워진다.
예를 들어 기존 방식은 이렇다.
CRM을 사고, 마케팅 자동화 도구를 사고, 영업개발 담당자를 채용하고, RevOps 인력을 붙여 파이프라인을 만든다.
Agentic AI 방식은 이렇게 바뀔 수 있다.
일정 수준의 qualified meeting을 보장하는 오케스트레이터에게 월 단위 비용을 지불한다.
이는 Outcome-as-a-Service, 즉 "성과 기반 서비스" 모델이라고 설명할 수 있다. 사용자는 소프트웨어 라이선스를 사는 것이 아니라, 특정 결과를 구매한다.
이 경우 공급자는 여러 전문 에이전트를 조율하고, 품질을 관리하고, 예외 상황을 처리하며, 결과 달성에 대한 책임을 진다.
이 지점에서 시장의 크기도 달라진다.
SaaS가 겨냥하는 시장은 소프트웨어 예산이다.
Agentic AI가 겨냥하는 시장은 인건비와 운영비 전체다.
그래서 이 변화는 단순히 “AI SaaS가 더 좋아진다”는 이야기가 아니다.
소프트웨어가 노동의 일부를 흡수하는 구조적 변화에 가깝다.
블루오션 1. 에이전트 거버넌스와 컴플라이언스 인프라
첫 번째 고성장 영역은 Agent Governance & Compliance Infrastructure다.
에이전트가 단순히 문서를 요약하거나 이메일 초안을 쓰는 수준이라면 거버넌스는 부가 기능일 수 있다. 그러나 에이전트가 실제로 계약을 체결하고, 클라우드 인프라를 프로비저닝하고, 송금을 지시하고, 고객과 협상한다면 이야기가 달라진다.
이때 중요한 질문은 다음과 같다.
이 에이전트는 어떤 권한을 가지고 있는가?
어느 시스템까지 접근할 수 있는가?
얼마까지 승인할 수 있는가?
문제가 생기면 어떤 판단 과정으로 그런 결정을 했는가?
누가 책임지는가?
현재의 기업 통제 시스템은 대부분 인간을 전제로 설계되어 있다. 권한 매트릭스, 승인 절차, 감사 로그, 내부 통제 모두 “사람이 행동한다”는 가정 위에 있다. 하지만 Agentic AI 환경에서는 수천 개의 에이전트가 동시에 의사결정을 내릴 수 있다. 이 환경에서 책임성과 추적 가능성이 핵심 인프라가 된다.
여기서 새로운 시장이 열린다.
첫째, 에이전트 신원과 권한 관리.
에이전트마다 암호학적으로 검증 가능한 신원을 부여하고, 접근 가능한 시스템과 실행 가능한 업무 범위를 제한하는 인프라가 필요하다.
둘째, 변경 불가능한 감사 추적.
에이전트가 어떤 정보를 보고, 어떤 도구를 호출했고, 어떤 판단을 통해 결정을 내렸는지 재구성할 수 있어야 한다.
셋째, 에이전트를 감시하는 컴플라이언스 에이전트.
GDPR, HIPAA, SEC 규제처럼 산업별 규제를 실시간으로 확인하고 위반 가능성을 감지하는 메타 레이어가 필요하다.
넷째, 에이전트 오류에 대한 보험과 리스크 언더라이팅.
에이전트가 재무적 손실을 일으킬 수 있다면, 기존의 전문가 배상책임 보험만으로는 부족할 수 있다.
이 영역은 “있으면 좋은 기능”이 아니라, 대기업이 에이전트를 실제 운영 환경에 배포하기 위해 반드시 필요한 지출 항목이 될 가능성이 높다.
블루오션 2. 산업 특화 에이전트 플랫폼
두 번째 기회는 Vertical Agent Enablement Platform, 즉 산업 특화 에이전트 플랫폼이다.
범용 모델의 성능은 빠르게 좋아지고 있다. 하지만 원문은 향후 경쟁 우위가 어떤 모델을 쓰느냐보다, 그 모델 위에 어떤 도메인 맥락, 도구, 규제 대응, 워크플로를 얹느냐에서 나온다고 본다.
특히 의료, 법률, 금융처럼 규제가 강하고 오류 비용이 큰 산업에서는 단순히 Claude나 GPT API를 붙이는 것만으로는 제품이 되기 어렵다.
의료 분야를 보자.
병원 워크플로에 들어가는 에이전트는 HIPAA 같은 개인정보 규제를 준수해야 하고, EHR 시스템과 통합되어야 하며, HL7/FHIR 같은 표준도 이해해야 한다. 임상 의사결정 지원 기능이 있다면 FDA 관점의 가드레일도 고려해야 한다.
법률 분야도 마찬가지다.
관할권별 절차, 법원 제출 시스템, 변호사-의뢰인 비밀 유지, 변호사 협회 규정 등을 만족해야 한다. 단순 문서 작성 AI와 실제 법률 업무를 수행하는 에이전트 사이에는 큰 간극이 있다.
금융 분야에서는 더 복잡하다.
수탁자 책임, 거래 규제, 실시간 컴플라이언스 체크, 감사 가능한 거래 기록이 필요하다. 금융 에이전트가 잘못 판단하면 단순 오류가 아니라 법적·재무적 리스크로 이어질 수 있다.
따라서 진짜 기회는 “AI 모델을 산업에 붙이는 것”이 아니라,
산업별 데이터 커넥터, 규제 가드레일, 책임 구조, 업무 템플릿을 갖춘 플랫폼을 만드는 데 있다.
이런 플랫폼은 한 번 도입되면 전환 비용이 높고, 도메인 전문성이 깊을수록 방어력이 강해진다.
블루오션 3. Outcome-as-a-Service 오케스트레이터
세 번째 기회는 가장 급진적인 모델인 Orchestrator Model이다.
기존 SaaS 모델에서는 고객이 소프트웨어를 구매하고, 그 소프트웨어를 운영할 사람을 고용하고, 실행 리스크를 직접 부담한다. 하지만 오케스트레이터 모델에서는 고객이 특정 성과를 구매한다. 공급자는 여러 에이전트를 조율해 결과를 만들어내고, 실패와 예외를 관리한다.
예를 들어 채용 분야를 생각해볼 수 있다.
기존 방식에서는 기업이 리크루터에게 연봉의 일정 비율을 수수료로 지급하거나, 내부 채용팀과 ATS 도구를 운영한다.
오케스트레이터 모델에서는 기업이 “검증된 후보 채용”이라는 결과에 비용을 지불한다. 그 뒤에서는 소싱 에이전트, 스크리닝 에이전트, 일정 조율 에이전트, 평가 에이전트가 함께 움직인다. 고객은 어떤 에이전트가 몇 개 돌아가는지보다, 정해진 기간 안에 적합한 후보를 채용했는지에 관심을 둔다.
Revenue Operations도 비슷하다.
CRM, SDR 팀, 마케팅 자동화 도구, RevOps 인력을 따로 운영하는 대신, “월 몇 건의 qualified meeting”이라는 성과를 구매할 수 있다.
이 모델이 중요한 이유는 리스크의 위치가 바뀌기 때문이다.
SaaS에서는 소프트웨어가 정상 작동하면 공급자의 책임은 대체로 끝난다.
하지만 Outcome-as-a-Service에서는 결과를 달성하지 못하면 공급자가 책임을 진다.
따라서 이 시장의 승자는 단순히 AI를 잘 만드는 회사가 아니다.
에이전트 실패를 처리하고, 예외 상황을 관리하고, SLA를 지키고, 단위 경제성을 유지할 수 있는 운영 역량을 가진 회사가 된다.
결론: 승부처는 기술이 아니라 조직 설계다
승패를 가르는 핵심은 "기술" 보다 아키텍처와 조직 설계에 있다.
Agentic AI는 단순히 더 똑똑한 챗봇이 아니다.
기업 안에서 누가 어떤 권한으로 무엇을 실행할 수 있는지, 실패했을 때 누가 책임지는지, 수천 개의 자동 의사결정을 어떻게 감시할지에 대한 문제다.
따라서 Agentic AI 시대의 진짜 블루오션은 모델 자체보다 그 주변에 있다.
- 에이전트의 권한을 관리하는 인프라
- 에이전트의 행동을 감사하는 시스템
- 산업별 규제를 반영한 실행 플랫폼
- 결과를 보장하는 오케스트레이터
- 인간이 에이전트를 운영할 수 있게 하는 조직 설계
정리하면, Agentic AI의 본질은 다음과 같다.
AI가 답을 주는 시대에서, AI가 일을 수행하는 시대로 이동하고 있다.
이 변화는 소프트웨어 시장을 넘어 노동, 조직, 거버넌스 시장까지 재편할 가능성이 있다.
즉, Agentic AI의 블루오션은 더 좋은 챗봇을 만드는 데 있지 않다.
AI가 실제로 일할 수 있도록 만드는 실행/신뢰/거버넌스 인프라를 구축하는 데 있다.
References:
https://investinginai.substack.com/p/blue-ocean-opportunities-in-the-agentic