반도체 전문 온라인 매거진 - 올포칩

글. 벡스 심슨(Becks Simpson), 마우저 일렉트로닉스(Mouser Electronics)

최신 세대의 에이전틱 인공지능(AI) 데스크톱 도구가 출시되자, 서비스형 소프트웨어(SaaS) 업계와 기업 시장 전반은 큰 혼란에 빠졌다. 기술 시장 역시 타격을 받았으며, S&P 500의 소프트웨어 부문은 연초 이후 약 20% 하락했다.(참고자료 1) 표면적으로 보면 이는 마침내 고용 시장에 재앙을 가져올 AI 업그레이드처럼 보였다. 

이러한 새로운 도구들은 다양한 소프트웨어 및 플러그인과 상호작용할 수 있으며, 영업, 법률, 회계, 마케팅 등 화이트칼라 직종의 업무를 특징짓는 복잡한 워크플로를 모방할 수 있기 때문이다. 그러나 현실은 헤드라인이 시사하는 것보다 훨씬 더 복합적이다. 이러한 최신 도구가 출시되기 이전에도 그 기반이 되는 AI 모델의 지능 자체는 이미 존재했으며, 주로 기술 직군 종사자들이 이를 활용하고 있었다. 따라서 실제로 달라진 것은 AI의 능력이 아니라 그것에 접근할 수 있는 사람이 누구인가 하는 점이다. 

이러한 접근성의 변화는 SaaS 기업과 근로자 모두에게 실질적인 영향을 미치지만, 초기 반응이 암시했던 것보다 양측 모두 훨씬 더 많은 선택권과 대응 능력을 가지고 있다.

실제로 무엇이 달라졌는가?

추론이 가능한 최초의 AI 모델들은 2024년과 2025년에 출시되기 시작했다. 이는 ‘에이전틱’이라는 용어가 등장하고, 이를 중심으로 한 워크플로가 구축되기 시작한 시기와도 일치한다. 이러한 발전은 단순한 챗봇에서 벗어나 보다 엄밀하게 답변하고 실제 업무 프로세스에 의미 있게 통합될 수 있는 시스템으로의 전환을 의미했다. 

예를 들어 소프트웨어 개발자들은 이러한 데스크톱 애플리케이션이 등장하기 훨씬 전부터 동일한 수준의 에이전틱 워크플로 자동화와 도구 활용 기능을 갖춘 코딩 어시스턴트를 사용해 왔으며, 당시에는 지금과 같은 수준의 불안감이나 우려가 나타나지 않았다. 이들 모델은 파일을 생성하고 수정할 수 있었으며, 여러 단계에 걸친 작업을 계획하고 실행할 수 있었다. 

또한 다른 코딩 도구 및 라이브러리와 상호작용하면서 코드를 정리하고 새로운 코드 병합 요청을 생성하는 작업도 수행할 수 있었다. 다시 말해, 이러한 에이전틱 AI 모델은 소프트웨어 개발자의 일상 업무 속에서 의미 있는 작업을 수행할 만큼 충분히 똑똑했지만, 그 등장이 오늘날과 같은 수준의 사회적 동요나 불안을 초래하지는 않았다.

그렇다면 이번에는 무엇이 현저하게 달라진 것일까? 더 깊이 들여다보면, 그 전환점은 바로 접근성에 있는 것으로 보인다. 마이크로소프트에 따르면, 현재 지식 노동자의 75%가 이미 AI 도구를 사용하고 있으며, 상당수는 기업 차원의 공식 도입 없이 이를 활용하고 있다.(참고자료 2) 하지만 이번에 새롭게 달라진 점은 개발자가 아닌 사람들도 과거에는 개발자와 기술 전문가들에게만 제한적으로 제공되던 에이전틱 AI 역량에 접근할 수 있게 되었다는 것이다. 

로우코드(low-code) 및 노코드(no-code) 기반의 에이전트 플랫폼이 등장하면서 이제는 엔지니어뿐만 아니라 일반 비즈니스 사용자도 직접 AI 에이전트를 구축하고 배포할 수 있게 됐다. 이는 진정한 의미의 기술 민주화라 할 수 있으며, 시장이 이처럼 강하게 반응한 이유도 AI의 순수한 성능 향상 때문이라기보다 이러한 접근성의 확대 때문이라고 볼 수 있다.

SaaS에는 어떤 의미가 있는가?

이러한 도구들의 데모 영상과 기능 평가를 보면, 특정 소프트웨어 분야가 위협받고 있는 것처럼 보인다. 이제 AI가 일부 일반적인 소프트웨어가 수행하던 업무를 직접 처리할 수 있는 것처럼 보이기 때문이다. 이러한 우려는 특히 SaaS 기업들에 집중됐다. 법률, 영업, 프로젝트 관리 분야의 도구를 제공하는 기업들은 기업가치 하락을 경험했다. 투자자들은 에이전틱 AI가 기존과 같은 유형의 편의성 중심 소프트웨어를 기업 내부에서 직접 구축할 수 있거나, 개별 직원의 생산성을 크게 향상시켜 유료 사용자 계정에 대한 수요를 줄일 수 있다고 우려했다. 그러나 간과된 중요한 사실이 있다. 이러한 에이전틱 AI 도구의 강력한 기능 중 일부는 시장에서 가치가 하락한 바로 그 애플리케이션들과의 플러그인 연동에서 비롯된다는 점이다. 

고객관계관리(CRM) 플랫폼, 프로젝트 관리 도구, 데이터 분석 솔루션은 모두 AI 에이전트가 연결되어 활용하는 핵심 기반 인프라 역할을 한다. 또한 이러한 솔루션들은 다양한 산업과 업무 영역에서 필수 도구로 자리 잡고 있으며, 많은 에이전틱 AI 제공업체들이 별도의 설정 없이 바로 사용할 수 있도록 기본 연동 기능을 제공할 정도로 널리 활용되고 있다. 이는 해당 소프트웨어들이 시장에서 쉽게 사라지지 않을 것임을 의미한다.

이러한 변화에 성공적으로 대응하는 기업은 에이전틱 AI 생태계에서 필수적인 연결 노드로 자리매김하는 기업들일 것이다. 반면, 이제는 AI를 통해 쉽게 자동화할 수 있는 작은 불편함이나 단순한 업무 비효율을 해결하는 데만 집중하는 기업들은 경쟁력을 유지하기 어려울 수 있다.

근로자는 어디에 자리하게 될 것인가?

AI로 인해 일자리를 잃을 것을 걱정하는 근로자들 역시 이 문제를 비슷한 관점에서 바라볼 필요가 있다. PwC와 캐프제미니(Capgemini)에 따르면, 경영진의 79%는 자사에서 AI 에이전트를 도입하고 있다고 응답했지만, 완전히 자율적으로 작동하는 AI 에이전트를 신뢰한다고 답한 조직은 27%에 불과했다. 또한 사용자들의 71%는 중요한 의사결정이 필요한 경우 여전히 인간이 개입하는 ‘휴먼 인 더 루프(Human-in-the-Loop)’ 방식을 선호하는 것으로 나타났다.(참고자료 3) 이는 AI 기술이 크게 발전했음에도 불구하고, 중요한 결과가 걸려 있는 상황에서는 사람들이 여전히 알고리즘보다 사람을 더 신뢰한다는 사실을 보여준다. 그리고 바로 이 지점이 인간이 자신의 가치를 증명하고 차별화할 수 있는 기회가 된다.

따라서 현실적인 대응 방안은 이러한 도구를 활용해 일상 업무 중 일반적이고 쉽게 대체될 수 있는 작업을 자동화하고, 대신 판단력과 맥락 이해가 중요한 영역, 그리고 유용한 결과를 만들어내기 위해 인간의 개입이 필요한 업무에 더욱 집중하는 것이다. 이러한 접근을 효과적으로 실행할 경우 얻을 수 있는 생산성 향상 효과는 상당하다. 하버드 비즈니스 스쿨(Harvard Business School)과 보스턴컨설팅그룹(BCG)의 연구에 따르면, AI를 활용한 컨설턴트들은 그렇지 않은 컨설턴트들에 비해 업무를 25% 더 빠르게 완료했으며, 결과물의 품질도 40% 더 높은 것으로 나타났다.(참고자료 4)

이와 같은 생산성 향상 효과는 새로운 도구를 배우고 활용하려는 의지만 있다면 누구나 누릴 수 있다. 또한 이러한 이점은 숙련된 인간이 업무 과정에 계속 참여해야 하는 이유를 더욱 강하게 뒷받침한다. AI를 효과적으로 활용하는 방법을 이해하면서도, 동시에 AI가 부족한 전문성, 경험, 비판적 사고 능력을 적용할 수 있는 사람은 훨씬 대체하기 어려운 인재가 될 것이다. 반대로 이러한 변화를 외면하거나 적응하지 못하는 사람들은 상대적으로 더 큰 위험에 직면할 수 있다.

결론

AI 도구가 구축되는 방식과 그것이 누구를 위해 구축되는지에 의미 있는 변화가 일어나고 있으며, 이러한 접근성이야말로 이번 순간을 이전의 AI 역량 발전 물결과 다르게 만드는 요소다. 기반이 되는 지능 자체는 새로운 것이 아니지만, 이를 모든 지식 노동자의 손에 포인트 앤 클릭(point-and-click) 방식의 단순함으로 제공하게 된 것은 새로운 변화다. 앞으로 앞서 나갈 기업과 근로자는 이러한 도구를 기반으로 구축할 수 있는 새로운 인프라 계층으로 활용하는 동시에, 자동화하기가 여전히 진정으로 어려운 판단력, 맥락 이해, 그리고 신뢰에 더욱 집중하는 이들일 것이다. 시장의 반응은 이해할 만한 것이었지만, 결국 이것은 역량의 재분배에 관한 이야기다. 그리고 다음 단계, 어쩌면 가장 중요한 단계는 이 방정식 속에서 인간이 가장 중요한 역할을 하는 지점이 어디인지를 결정하는 것이다.

참고자료

1. https://finance.yahoo.com/news/why-software-stocks-are-getting-crushed-as-ai-casts-shadow-of-uncertainty-over-sector-160011783.html

2. https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part

3. https://www.capgemini.com/insights/research-library/generative-ai-in-organizations-2025/, https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-agent-survey.html

4. https://doi.org/10.2139/ssrn.4573321

저자 소개

벡스 심슨(Becks Simpson)은 AlleyCorp Nord의 머신러닝 리드(Machine Learning Lead)로 활동하고 있으며, 이곳에서 개발자, 제품 디자이너, 머신러닝 전문가들과 함께 고객의 AI 제품 아이디어를 실제 서비스로 구현하는 업무를 담당하고 있다. 그녀는 딥러닝 및 머신러닝 분야 전반에 걸쳐 폭넓은 경험을 보유하고 있으며, 새로운 딥러닝 기법을 연구하고 이를 실제 문제 해결에 직접 적용하는 연구 업무부터, 실제 환경에서 AI 모델을 학습·배포하기 위한 파이프라인과 플랫폼 아키텍처 설계까지 다양한 프로젝트를 수행해 왔다. 또한 스타트업을 대상으로 AI 및 데이터 전략 수립에 대한 자문을 제공하며 AI 기술의 실질적인 사업화와 활용을 지원하고 있다.