AI 에이전트가 핵심 기능이 된 이유: Lattice와 경쟁사들의 가격 전략 분석

2025년 - 모든 것이 변한 순간
한 인사(HR) 담당자가 Lattice 대시보드를 엽니다. 그들은 AI 기반 기능을 보고 "좋네요, 괜찮은 기능이군요." 라고 생각합니다.
그러다 인보이스(invoice)를 확인합니다. 그리고 얼굴을 감싸 쥐며 좌절합니다.

6개월 후, 동일한 인사 담당자는 AI 기능이 기본 요금제에 기본적으로 포함되어 있는 경쟁사를 바라봅니다. 추가 비용도 없습니다. 별도의 "AI 패키지"도 없습니다. 그냥 포함되어 있습니다.

이것은 우연이 아닙니다. 패러다임의 전환(paradigm shift)이 일어났다는 신호입니다.

무슨 일이 일어났는가: AI가 선택 사항이 아니게 되다

몇 년 전, HR 소프트웨어에서의 AI는 프리미엄 기능으로 포지셔닝되었습니다.
사치스러운 부가 기능(luxury add-on). 자동차의 가죽 시트 같은 것이었습니다. 있으면 좋지만 필수적이지는 않은 것 말이죠.
기업들은 핵심 기능(평가, 개인 개발 계획(PDP), 조직 구조)을 위해 직원 1인당 연간 50~100달러를 지불했으며, AI를 이국적인 추가 요소로 간주했습니다.

Lattice는 상황이 어디로 흘러가는지 파악한 첫 번째 주요 플레이어 중 하나였습니다.

2024~2025년에 Lattice는 다음에 올 상황을 이해해야만 이성적으로 보이는 행보를 보였습니다. 그들은 AI를 엔트리 레벨(entry-level) 요금제에 직접 내장했습니다.
별도의 "AI 프리미엄" 패키지가 아닙니다. 부가 기능도 아닙니다. 모든 사람이 지불하는 요금제 안에 들어갔습니다. 얼핏 보기에는 비합리적으로 보였습니다. AI를 추가 모듈로 판매할 수 있는데 왜 사용자당 평균 매출(ARPU)을 줄이는 걸까요?

그 이유는 AI 없이는 기본 요금제가 매력적이지 않게 되기 때문입니다.

왜 이렇게 빠르게 일어났는가: 직업학교 효과 (The Vocational School Effect)

2026년까지, 모든 직원은 일상 업무의 일부로 3개에서 8개의 AI 도구를 사용하게 됩니다.
이것은 가설이 아닙니다. 관찰 가능한 현실입니다: ChatGPT, Claude, Perplexity, GitHub Copilot, 그리고 특화된 내부 봇들까지. 사람들은 AI가 업무 자체의 배경 구조(background fabric)의 일부가 되는 것에 익숙해졌습니다.

이제 직원이 2015년의 웹 애플리케이션처럼 느껴지는 인재 관리 시스템(talent management system)을 여는 상황을 상상해 보십시오. AI도 없고, 어시스턴트도 없고, 개인화된 추천도 없습니다.

누군가가 한쪽 탭에는 Claude를 띄워놓고 있는데, 당신의 시스템이 양식(form)에 체크박스만 제공하고 있다면, 그것은 단순한 차이가 아닙니다. 그것은 호환 불가능성 (incompatibility)입니다.

Lattice는 이를 이해했습니다. 만약 그들이 핵심 제품에 AI를 통합하지 않는다면, 고객들은 결국 AI를 제공하는 다른 곳으로 이동할 것이기 때문입니다.
이것은 마케팅 결정이 아니었습니다. 해당 카테고리에서의 생존을 위한 결정이었습니다.

가격 전략 (Pricing Strategy): 이것이 ROI를 어떻게 변화시키는가

경제학적인 측면을 살펴보겠습니다.
기존 모델 (2020–2023)

기본 티어 (Base Tier): 사용자당 연간 $50
└─ 평가 (Assessments), PDP, 조직 구조 (org structure)

...

문제점: 고객의 10–15%만이 AI 애드온 (add-on)에 비용을 지불했습니다.
대부분의 고객은 기본 플랜을 선택하고 그 상태를 유지했습니다.

새로운 모델 (2025–2026)

기본 티어 (Base Tier): 사용자당 연간 $65
└─ 평가 (Assessments), PDP, 조직 구조 (organizational structure),
   AI 어시스턴트 (AI assistant) 기본 포함
...

언뜻 보기에는 기본 티어에서 ARPU (Average Revenue Per User, 사용자당 평균 매출)가 감소하는 것처럼 보입니다. 전략적 실수처럼 보일 수도 있습니다.

하지만 실제로는 교차 보조 (cross-subsidization)였습니다.

실제로 일어난 일은 다음과 같습니다:
1. 이탈률 (Churn) 감소: 이전에 AI를 너무 비싸다고 느꼈던 고객들이 더 이상 별도의 구매 결정을 내릴 필요가 없게 되었습니다. 유지율 (Retention)이 40–50% 개선되었습니다.

2. 명확한 업그레이드 경로: 고객들이 기본 플랜에서 AI를 경험하게 되면서 다음과 같은 질문을 하기 시작했습니다: "더 나은 추천 기능을 사용한다면 무엇을 할 수 있을까?". 기본(Base)에서 프리미엄(Premium)으로의 전환율이 2–3배 증가했습니다.

3. 데이터 네트워크 효과 (Data Network Effect): 모든 사람이 AI를 사용하면 더 많은 데이터가 생성됩니다. 더 많은 데이터는 머신러닝 (machine learning) 모델을 개선합니다. 더 나은 모델은 더 나은 추천을 생성합니다. 더 나은 추천은 제품을 개선합니다. 이는 자기 강화적 순환 (self-reinforcing cycle)입니다.

4. 시장 신호 (Market Signal): 메시지는 명확합니다: "AI 없이는 더 이상 경쟁력이 없다." 이는 Workday, Personio, 그리고 해당 카테고리의 모든 경쟁사에게 압박을 가합니다.

고객을 위한 실제 ROI
이전에는:

시스템이 사용자의 평가 양식 작성을 도왔습니다.
PDP(개인 개발 계획)는 매니저가 수동으로 작성했습니다 (직원당 연간 4~6시간).
레벨링(Leveling) 및 등급 산정(Grading)에는 HR 회의가 필요했습니다 (팀당 연간 40~80시간).

이제, 기본 플랜에 AI가 포함됨에 따라:

AI가 평가 초안을 생성합니다 (2시간 대신 30분 소요).
AI가 역량(Competencies)을 기반으로 PDP 항목을 추천합니다 (직원당 약 3시간 절약).
AI가 근거와 함께 등급 수준을 제안합니다 (조정 시간을 약 50% 단축).

직원 100명 규모의 팀의 경우, 연간 250~300시간을 절약할 수 있습니다. HR 인건비를 시간당 $50~$100로 계산하면, 이는 연간 $12.5K~$30K에 해당합니다. 사용자당 비용을 $50에서 $65로 올리는 데 드는 비용은 연간 약 $1.5K입니다.

투자 회수 기간(Payback period)은 몇 주 단위로 측정됩니다.

경쟁사들의 대응 방식: 2026년의 패턴

그 누구도 이 트렌드를 무시할 여유가 없습니다. 시장 전반에서 일어나고 있는 현상은 다음과 같습니다.

Lattice

AI가 평가, 개발 추천, 이직 예측(Attrition prediction), 인재 발굴(Talent discovery) 등 모든 곳에 통합되어 있습니다.
클라우드 기능 및 통합(Integrations) 기능과 함께 프리미엄 티어를 확장하면서도 가격은 안정적으로 유지했습니다.
전략: 일관되게 높은 기본 품질을 통해 미드마켓(Mid-market) 세그먼트(직원 500~2,000명)를 장악하는 것입니다.

15Five / Leapsome

기본 플랜에 AI를 포함함으로써 동일한 접근 방식을 따르기 시작했습니다.
방어적인 움직임으로 가격을 15~20% 인하했습니다.
과제: 모델 학습을 위해 Lattice가 보유한 수준의 데이터 볼륨이 부족합니다.
포지셔닝: "Lattice와 유사하지만 더 저렴함" — 가격에 민감한 세그먼트에서 효과적입니다.

Workday / SAP SuccessFactors

AI를 추가하려고 시도했으나, 근본적인 아키텍처(Architecture)가 걸림돌이 되고 있습니다.
이들의 핵심 시스템은 역량(Competencies)보다는 직무(Jobs)와 조직 계층 구조(Organizational hierarchies)를 중심으로 구축되어 있습니다.
그 위에 AI를 추가하는 것은 마치 탱크에 반창고를 붙이는 것처럼 느껴집니다.
시장 인식: 점점 더 대응이 늦은 기존 사업자(Incumbents)로 간주되고 있습니다.

Eightfold / Gloat

처음부터 AI-first (AI 우선) 플랫폼으로 포지셔닝했습니다.
하지만 이들의 AI 서비스는 주로 Fortune 500 기업들을 타겟으로 합니다.
규모가 작은 기업들은 이들을 직원 수가 50명에 불과한 조직에서도 효과적으로 작동하는 Lattice와 같은 플랫폼과 비교합니다.
과제: 비용이 많이 들며 다운마켓 (downmarket, 하위 시장)으로 확장하기 어렵습니다.

Personio, Zelt 및 기타 유럽 벤더들

규제 환경, 특히 EU AI Act (EU AI 법안)로 인해 도입 속도가 더 느렸습니다.
하지만 이들도 동일한 현실을 인식하고 있습니다: AI를 통합하지 못한다는 것은 뒤처진다는 것을 의미합니다.
접근 방식: AI 기능을 현지화하고, 규정 준수(compliance)를 보장한 다음, 규모를 확장합니다.

이 트렌드가 되돌릴 수 없는 이유

AI를 엔트리 레벨 (entry-level, 기본) 요금제에 포함시키는 것이 일시적인 전략이 아닌 세 가지 이유가 있습니다. 이것은 새로운 기준점 (baseline)입니다.

1. 고객의 기대치가 영구적으로 변화했습니다
매일 직원들은 다음과 같은 일을 수행합니다:

AI의 도움을 받아 이메일을 작성합니다.
AI의 도움을 받아 코드를 디버깅 (debug) 합니다.
AI의 도움을 받아 이미지를 생성합니다.

그러고 나서 성과 관리 플랫폼을 열고, 수동으로 양식을 채우며, AI 기반의 개발 계획 수립을 위해 추가 비용을 지불하라는 요구를 받습니다.

이는 불합리하게 느껴집니다. 기대치의 변화는 영구적입니다.
어떤 기업도 사용자들에게 AI를 기대하지 말라고 재교육할 수는 없습니다. AI를 다시 선택형 부가 기능 (optional add-on)으로 되돌리려는 시도는 신뢰도를 떨어뜨릴 것입니다.

2. 데이터가 경쟁 자산이 되었습니다
이전에는: 더 많은 사용자 → 더 많은 서버 부하 → 더 높은 비용이었습니다.
현재는: 더 많은 사용자 → 더 많은 학습 데이터 (training data) → 더 나은 모델 → 더 나은 추천으로 이어집니다.

Lattice는 AI를 기본 요금제에 포함함으로써 데이터에 대한 장기적인 베팅을 효과적으로 수행했습니다. ARPU (사용자당 평균 매출)는 변했을지 모르지만, 학습 데이터는 기하급수적으로 성장했습니다.
이를 인식하지 못하는 조직은 인사이트 도출 속도 (speed-to-insight)를 잃게 됩니다.

3. 컴퓨팅 비용이 하락했습니다
2020년에는 단일 평가를 LLM (대규모 언어 모델)을 통해 처리하는 데 0.10~~0.50달러가 들 수 있었습니다. 오늘날에는 0.01~~0.05달러에 가깝습니다.

이는 2000년대 후반 클라우드 인프라 (cloud infrastructure)에서 일어났던 일과 유사합니다. 클라우드가 충분히 저렴해지자, 온프레미스 (on-premise) 서버를 유지하는 것은 경제적 타당성을 잃었습니다.

AI에서도 동일한 일이 일어나고 있습니다.

2026년 HR 플랫폼을 평가하는 기업들에게 이것이 의미하는 바

만약 여러분이 오늘날 HR 소프트웨어를 평가하고 있다면, 다음의 신호들에 주목하십시오.

위험 신호 (Red Flags)
❌ AI가 별도의 추가 기능 (add-on)으로 판매됨.
❌ "AI 어시스턴트"가 단순히 사용자의 프롬프트 (prompt)를 기다리는 챗봇에 불과함.
❌ 구체적인 유스케이스 (use case) 없이 AI가 광고됨.
❌ 회사가 여전히 AI를 사치스러운 기능으로 마케팅함.

긍정 신호 (Green Flags)
✅ AI가 핵심 워크플로 (workflows) (평가, 개인 개발 계획 (PDPs), 추천)에 직접 내장되어 있음.
✅ 기본적인 AI 사용을 위해 추가 결제가 필요하지 않음.
✅ 시간 절감 효과가 명확하게 수치화됨.
✅ 벤더 (vendor)가 한계를 솔직하게 논의하며, 최종 결정에 대한 책임은 인간에게 맡김.

HR Pulsar가 이 지형에서 차지하는 위치

우리는 시장이 공식적으로 인정하기 전에 이러한 변화를 인식했습니다.

우리의 포지션 (Our Position)
우리는 직함 (job titles)이 아닌 역량 (competencies)을 중심으로 설계된 플랫폼을 구축하고 있습니다. 이는 아키텍처 (architectural) 측면의 선택입니다. 그리고 이 선택 덕분에 AI 통합이 억지로 끼워 맞춘 것이 아닌 자연스러운 것으로 느껴집니다.

이것이 왜 중요할까요?
Lattice는 직무와 조직 구조를 중심으로 구축된 아키텍처에 AI를 통합했습니다.
작동은 합니다. 하지만 이는 마치 화물 트럭에 승객용 좌석을 추가하는 것과 비슷합니다. 기능적이긴 하지만 우아하지는 않습니다.

우리는 처음부터 역량 그래프 (competency graph)를 설계했습니다. 해당 모델 내에서 AI는 다음과 같은 역할을 수행합니다:
✅ 역량 매칭 (Match competencies) (4,800개 이상의 역할 모델에 대한 pgvector 임베딩 (embeddings) 비교)
✅ 개발 경로 추천 (Recommend development paths) (목표 역할을 위해 어떤 역량을 개발해야 하는지)
✅ 커리어 이동 제안 (Suggest career moves) (내부 인재 마켓플레이스: 직원 + AI 툴킷 → 프로젝트)
✅ 하이브리드 팀 관리 (Manage hybrid teams) (단일 시스템 내에서 사람과 AI 에이전트가 모두 가시화됨)

그리고 이것은 프리미엄 기능이 아닙니다. 이것은 근간(foundational)입니다.

우리는 또한 Lattice가 핵심 아키텍처 (architecture)를 재구축하지 않고서는 내리기 어려운 결정을 내렸습니다. 우리는 엔터프라이즈 AI 도구 레지스트리 (enterprise AI tools registry)를 내장했습니다. Workforce Map은 단순히 사람만을 보여주지 않습니다. 어떤 AI 도구가 승인되었는지, 누가 소유하고 있는지, 그리고 어디에 리스크가 존재하는지를 보여줍니다.

이것은 단순한 인력 관리 (workforce management) 그 이상입니다. 이는 현재 그 어떤 플랫폼도 제공하지 못하는, 하이브리드 팀 (hybrid teams)의 현실에 대한 가시성 (visibility)입니다.

냉혹한 수학: 다음에 일어날 일

추론해 봅시다.

2026–2027 (현재 단계)

모든 상위 10대 HR 플랫폼은 기본 AI 기능을 포함하게 될 것입니다.
ARPU (사용자당 평균 매출)는 20~30% 감소할 것입니다.
유지율 (Retention)은 35~50% 증가할 것입니다.
AI를 통합하지 못한 스타트업들은 순위와 관련성을 잃게 될 것입니다.

2027–2028 (다음 파도)

AI 시스템은 전문 운영자 (operators)와 구성 전문가 (configuration experts)를 필요로 할 것입니다.
AI 책임성 (accountability), 거버넌스 (governance), 그리고 감사 가능성 (auditability)을 중심으로 새로운 카테고리가 등장할 것입니다.
EU AI Act와 NIST AI RMF는 선택적인 프레임워크가 아닌 운영상의 필수 요구 사항이 될 것입니다.
기업들은 아무도 추적하지 않는 수십 개의 AI 도구를 사용하고 있다는 사실을 깨닫게 될 것입니다.

2028년 이후

AI는 SQL이 백엔드 시스템 (backend systems)에 필수적인 것처럼, HR 소프트웨어에서 보이지 않으면서도 필수적인 요소가 될 것입니다.
질문은 더 이상 AI의 존재 여부가 아닐 것입니다.
질문은 AI가 당신의 아키텍처 내에서 얼마나 효과적으로 작동하느냐가 될 것입니다.
레거시 시스템 (legacy systems) 위에 AI를 층층이 쌓아 올린 기업들은 어려움을 겪을 것입니다.
내장된 하이브리드 인력 관리 기능을 갖춘 역량 중심 (competency-centric) 플랫폼들이 구조적 우위를 점할 것입니다.

빌더를 위한 조언: 이것이 중요한 이유
만약 당신이 오늘날 HR 소프트웨어를 개발하고 있다면, 다음 사항을 이해해야 합니다.

1. 아키텍처가 운명을 결정한다 (Architecture Is Destiny)
만약 당신의 플랫폼이 근본적으로 직함 (job titles)을 중심으로 구축되어 있다면, AI를 통합하는 과정은 고통스러울 것입니다. 역량 그래프 (competency graph)부터 시작하십시오.

2. LLM 오류는 버그가 아니라 기능이다 (LLM Errors Are a Feature, Not a Bug)
AI 출력을 결정이 아닌 권장 사항 (recommendation)으로 취급하십시오. 인간이 최종 권한을 보유해야 합니다. 이는 법적 노출 (legal exposure)을 줄이고 신뢰를 높입니다.

3. 데이터 흐름 (Data Flows)의 중요성
AI는 데이터를 어디에서 가져옵니까? 단일 조직에서 가져옵니까? 아니면 익명화된 인구 집단에서 가져옵니까? 그 답변이 어떤 기능이 가능한지를 결정합니다. 셀프 호스팅 (Self-hosted) 시스템은 산업 전반에 걸친 벤치마킹 (benchmarking)을 결코 제공할 수 없습니다. 그것은 설계상의 한계가 아닙니다. 수학의 문제입니다.

4. 오픈 소스 (Open Source)는 신뢰를 신호한다
기술 구매자들은 오픈 소스 AI 시스템을 다르게 평가합니다. 블랙박스 (black boxes)로 취급하지 않습니다.

그들이 검사하고, 이해하며, 확장할 수 있는 도구로 취급합니다.

# 예시: HRPulsar에 AI를 내장하는 것에 대한 우리의 생각

class CompetencyMatcher:
...

솔직한 평가: 무엇이 잘못될 수 있는가

기본 요금제 (base plan)에 AI를 내장하는 것은 위험이 없는 것이 아닙니다.

위험 #1: 규모 경제 없는 마진 침식 (Margin Erosion)
AI를 통합했지만 고객이 50명뿐이라면, LLM 인프라 비용은 증가하는 반면 매출은 감소합니다.
당신은 적자 상태에 빠지게 됩니다.

완화 방법 (Mitigation): 의미 있는 규모(각각 50명 이상의 직원을 보유한 고객 약 200~500명)에 도달했을 때 AI를 통합하십시오. 그때까지는 선택 사항으로 두거나 알파 (alpha) 단계로 유지하십시오.