모든 SaaS 비즈니스는 모델을 둘러싼 하네스가 될 것

지난 1년 동안 SaaS 종말론을 수십 번 들었지만, SaaS는 여전히 대체로 같은 모습으로 남아 있음. 대부분의 기업은 적정한 비용으로 기술 문제를 외주화하는 데 만족하며, 에이전트 군단을 직접 관리하는 복잡성을 떠안고 싶어 하지 않음.
같은 이유로 SaaS의 사용자 경험도 급진적으로 바뀌지는 않을 것임. 일부는 바이브 코딩으로 만들겠지만, 동작이 예측 가능한 인터페이스는 유지될 가능성이 큼. LLM을 자연스럽게 사용하는 새 세대의 경영자가 등장하면 달라질 수 있으나, 상호운용성·지원·예측 가능한 비용·오류 책임 때문에 변화는 느릴 것임. 에이전트가 세금 사기를 저지르거나 경쟁사를 해킹했을 때의 책임까지 고려해야 함.

단순히 인간을 능가하는 정도가 아니라 압도적으로 초인적인 수준이 아니라면, AI도 현실 세계와의 접점을 대체할 수 없음. https://jerf.org/iri/post/2026/what_value_code_in_ai_era/.
많은 기업은 개발자가 무료로 일해 줘도 맞춤형 자체 솔루션을 원하지 않을 것임. 개발 외 비용까지 따지면, 다른 기업에 돈을 주고 문제를 더 확실히 해결하는 편이 낫기 때문임.
얼핏 이해하기 어려운 데이터 확보나 현장 거점 확보 경쟁도 이런 이유일 수 있음. 다른 기업이 선점해 접근을 차단하기 전에 현실과 접촉하는 경로를 차지하고 방어하려는 것임.

글에 없는 내용에 반박하는 듯함. 이 글은 SaaS가 에이전트로 대체된다는 게 아니라 SaaS 기업의 운영 방식이 변한다는 내용임. 외주화와 SaaS 수요는 계속되므로 헤드리스 구성요소를 논하는 것임.
LLM에 익숙한 새 기업이 등장할 때까지 기다려야 한다는 얘기도 아님. 기존 기업 상당수가 이미 글에서 묘사한 과정을 통해 LLM 중심으로 바뀌고 있음.

예언이 1년 안에 실현되거나 반증되어야 한다고 기대하는 것부터 무리임. 핵심은 비교우위가 여전히 존재하므로 SaaS도 살아남겠지만, 시간이 지나면 모습이 크게 달라지고 수익성도 낮아질 수 있다는 것임.
강력하면서도 처음부터 쉽게 쓸 수 있는 소프트웨어를 만들기는 어려움. 소프트웨어의 핵심 개념만 제공하고 AI가 직접 다루게 하거나, 사용자가 AI로 자신에게 맞는 인터페이스를 계속 만들어 가게 한다는 방향은 설득력 있게 느껴짐.

이 글은 사용자 경험보다 개발자 경험(DX), 즉 회사와 소프트웨어의 내부 구조에 관한 것 아닌가?

SaaS 업체가 직접 에이전트 군단을 운영하면 안 될 이유도 없지 않은가?

아직 판단이 오락가락하지만, 글의 예측을 실제로 보는 현상과 비교해 볼 수는 있음. 제품 개발과 판매 양쪽에서 사내 하네스 구축이 크게 늘어난다는 부분은 맞음.
조직과 개인 역할이 하네스 내 위치에 맞춰 재편된다는 부분은 가장 의심스러움. 지금까지 본 하네스 기반 절차는 너무 쉽게 궤도를 이탈해서 여전히 분야별 전문가가 주도해야 함. 다만 필요한 인원은 줄고 있음.
AI 중심 스타트업이 해자를 쉽게 하네스화할 수 있는 분야에서 기존 기업을 이긴다는 예측도, 실제로는 해자를 그렇게 전환하기가 쉽지 않음. 오히려 출발선에 서기 위한 비용과 노력이 늘어나는 듯함.
외부 하네스가 실행할 수 있도록 모든 소프트웨어를 헤드리스화하는 일은 기술 기업에서 확실히 진행 중임. 소프트웨어가 핵심 역량이 아닌 기업에는 아직 비현실적이지만, 가능 여부보다는 시기의 문제로 느껴짐.

완전히 비기술 분야인 기업에서도 일주일 치 업무를 AI로 대체하는 모습을 보고 있음. 고객이 전화하면 접수부터 요구 파악, 문서 작성, 계약과 협상, 공증인에게 전달하는 단계까지 AI가 처리함. 일주일 동안 주고받던 일을 에이전트 몇 개와 월 30달러로 대체하고 있음.

SaaS뿐 아니라 모든 소프트웨어에 해당함. 애플리케이션 자체와 운영, 소프트웨어 개발 생명주기를 하나의 배포 가능한 단위로 묶는 애플리케이션 하네스가 등장하고 있음. 에이전트와 사람은 여기에 연결되며, 겉모습은 대체로 조직도나 작업 보드와 비슷함.

소프트웨어 밖의 많은 사업은 AI 없이도 이미 이런 식으로 운영됨. McDonald’s 가맹점 4만 곳은 비유하자면 돈을 넣는 기계에 투자하고, 그 기계가 지정한 음식·음료·인테리어·가격을 그대로 받아 판매하는 셈임. Toyota 생산 시스템은 무엇을 언제 만들지 조율하고, 이상을 감지해 사람이 문제 해결과 개선에 집중하도록 유도함. 사람의 판단은 유지하면서도 기계를 계속 지켜볼 필요는 명시적으로 없애는 구조임.

오히려 AI로 SaaS를 대체하기 어려운 이유를 정확히 보여 줌. 계약마다 다르고, 업무 대부분은 자동화로 없앨 수 없는 지루하고 비효율적인 일임. 긴 회의에서 회피적이고 오만한 중간관리자와 씨름해 구체적인 요구사항을 끌어낸 뒤, 복잡하게 얽힌 사항을 풀고 엄격히 검증해야 함.
단순히 인내하는 게 아니라 끝까지 집중하며 쓸 만한 단서를 포착하고, 일정과 예산을 넘기지 않도록 즉시 실행 계획으로 연결해야 함. AI가 사람을 그렇게 추궁한 뒤 신속하고 정확하게 실행하지는 못할 것임.
이런 사업을 판에 박힌 방식으로 처리할 수 있었다면 10년도 전에 이미 그렇게 됐을 것이고, 수익도 남지 않았을 것임.

곁가지이지만, 글에서는 하네스가 무상태라고 하는데 에이전트 작업은 실제로 무상태가 아님.
최적화와 성능 때문에 앞으로 몇 달 안에 상태를 유지하도록 설계된 새로운 기계학습 아키텍처나 LLM·VLM 변형이 인기를 얻을 수 있다고 봄. 상태와 메모리를 관리하는 기반 구조 상당 부분이 모델 안으로 흡수되고, 이를 위해 모델이라는 개념 자체가 확장될 수도 있음.
이 가능성 때문에 AI 엔지니어링의 지속성이 걱정됨. 머지않아 모든 것을 처리하는 모델을 직접 구축·학습·맞춤화하거나, 적어도 에이전트에게 그 작업을 시키는 방법을 알아야 하는 것은 아닌지 궁금함.

기업은 의사결정과 우선순위 설정을 자동화하는 AI 하네스를 중심으로 운영될 것임. 중기적으로는 가장 좋은 하네스를 가진 기업이 이길 것임.
장기적으로는 소프트웨어가 대규모로 범용화되며 기존 해자 대부분이 무력화될 수 있음. AI로 데이터를 모사할 수 있다면 데이터 해자는 사라지고, 플랫폼의 한쪽 참여자를 AI가 대체하면 플랫폼 효과도 우회할 수 있음.
지금은 민첩한 스타트업이 유리하지만, 어느 순간 토큰을 가장 많이 확보한 쪽으로 무게중심이 옮겨갈 수 있음. 물론 지속 가능한 해자가 사실상 무한한 토큰보다 강할지는 두고 봐야 함. 스타트업이 영향력을 만들거나 AI에 무너지지 않을 해자를 구축할 시간은 제한적이며, 그런 해자도 얼마 남지 않았음. 범용화가 진행되면 소비자가 혜택을 얻는다는 점은 긍정적임.

초지능의 재귀적 자기개선 시나리오를 제외하면 여전히 실질적인 해자는 몇 가지 남음. 돈의 희소성에서 오는 자본, 인간의 관심이 희소해서 생기는 네트워크 효과와 관계, AI가 최고 연구자를 넘지 못하는 분야가 있다면 그 분야의 연구 인재가 해당함. 독점 데이터와 센서도 남을 것임. 실제 기록과 행동을 담당하는 시스템은 희소하기 때문임. 학습 데이터는 모사할 수 있을지 몰라도, 완전히 모사한 데이터에는 전반적으로 회의적임.

데이터의 정확성이 조금이라도 중요한 분야에서 일한다면, AI로 모사할 수 있으니 데이터 해자가 사라진다는 전제는 우스울 뿐임.

모든 사업을 복제하고 경쟁에서 이길 수 있다면, 왜 직접 하지 않고 토큰과 그 약속을 판매하는지 생각해 볼 필요가 있음.

하네스는 기꺼이 사다 쓰던 내부 도구에서, 제품 개발 조직이나 시장 진출 조직만큼 외주화하기 어려운 대상으로 바뀔 것임. 하네스도 모델도 직접 보유하지 않는다면, AI 중심 기업에 남는 해자는 거의 없음.

직장에서도 이런 변화를 보고 있지만, 자유롭게 실험할 수 있는 개인 프로젝트에서 훨씬 더 뚜렷하게 체감함. 지금 만드는 프로젝트는 단발성 프롬프트로 생성함. 단순한 묘기가 아니라 제품을 만들고 발전시키는 틀 자체임.
진지하지 못한 방식이라고 비웃는 사람도 많지만, 높은 보수를 받는 사람들이 일하는 내 직장에서도 실제로 일어나는 변화임. https://jaisenmathai.com/articles/sojourn-for-ios-was-45-one...

SaaS의 성공은 기술보다 고객과의 관계에 더 크게 좌우될 것임. 지금까지는 시장의 지배적 업체가 고객 응대를 못해도 대안이 적었음. 첫 고객을 얻기 전에 기능 20가지를 만들어야 한다면 경쟁하기 어렵기 때문임.
이제 AI 도구 덕분에 신규 업체도 통합 솔루션을 만들 수 있으므로, 고객의 말을 듣고 실제 과제를 해결하며 관계를 잘 쌓는다면 기회가 생김. 구매자는 공급업체에 더 높은 유연성을 기대할 수 있고, SaaS 기업의 규모는 작아질 수도 있음.

엔지니어 수나 생산량, 투자 유치액이 가장 많다고 성공하는 것은 아니라는 증거는 역사에 넘쳐남. 성공적인 기업은 고객과 판매 방법을 깊이 이해함. 에이전트 군단이 끝없이 분주하게 일한다고 성공하는 게 아님.
Google은 최고의 엔지니어를 보유해서 성공한 것이 아니라, 성공했기에 최고의 엔지니어를 확보한 것임. 광고를 보여 주고 돈을 버는 평범한 사업으로 엄청난 수익을 냈음. 다음 Google도 최고의 하네스가 아니라 압도적으로 수익성 높은 제품을 가진 기업일 것임.
불과 12개월 전 만능 해법처럼 여겨지던 창업자 모드는 창업자가 모든 일에 관심을 쏟는 방식임. 에이전트든 컨설턴트든 군단을 만들어 전부 넘긴다고 성공하지는 못함. 실제 기업이 AI 모델을 둘러싼 하네스가 되는 미래는 오지 않을 것이라고 봄.

Ramp, Stripe, DoorDash의 사내 AI 개발 도구를 근거로 들지만, 이들은 새 기술을 좋아하는 기술자가 가득한 회사임. 하네스와 공장 같은 방식으로 신기술을 극한까지 밀어붙이는 데 시간과 돈을 쓰는 것은 당연함.
기술자들이 하고 싶어 하는 일이 미래의 기술 활용 방식을 보여 주는 것은 아님. 지금 무엇이 가장 재미있는지를 보여 줄 뿐임.

그건 최고의 기업들에 관한 얘기이고, 글은 스타트업 집단의 평균적인 기업을 다루는 것일 수 있음. Google은 SaaS 기업이 아니지만, 글의 대상은 SaaS이거나 그 주변의 기업임. 살아남은 유니콘이 아니어도 꽤 괜찮은 수익을 내는 기업은 있음.

글과 반대되는 해석은 아닌 듯함. 유능한 AI 하네스가 가장 크게 증폭하는 것이 바로 모든 일에 관심을 쏟는 창업자의 역량임. AI는 좋은 판단력을 증폭하므로, 좋은 엔지니어를 많이 고용하거나 데이터와 광고를 대량 구매하는 자본의 해자 효과를 줄임.
다만 AI의 판단력이 인간보다 좋아질 때까지의 일시적 현상일 것임. 그 이후에는 결과만 따지며 극도로 장기적인 탐욕을 추구하는 기업들 사이에서 자본이 다시 가장 강력한 해자가 될 것임.

나는 현재 기업의 조직문화에 가장 가까운 개념으로 읽었음. 탁월함을 장려하는 문화는 훌륭한 기업의 필요조건이지 충분조건은 아니며, 잘 작동하는 문화에도 정답 하나만 있는 것은 아님.
마찬가지로 에이전트를 업무에 어떻게 통합하느냐가 차별점이 되고, 훌륭한 기업 대부분은 자신만의 방식을 갖게 된다는 뜻으로 이해함.

우리 회사는 200달러 요금제로도 2주 만에 JIRA 전체를 바이브 코딩해서 이후 JIRA 비용을 영구히 없앨 수 있음. 어느 제품이든 마찬가지임.
그렇다면 그 하네스로 만든 제품은 도대체 누구에게 팔 것인가?