소프트웨어의 패러다임이 바뀌고 있다. 글로벌 소프트웨어 기업들은 2000년대 닷컴버블 시기 범용 소프트웨어의 출현으로 인류의 삶을 혁신했고, 그 영향력은 여전히 우리 곁에 남아 있다. 그렇지만 숫자를 자세히 들여다보면 ‘활공의 관성’이 멈추고, 누구도 예측할 수 없는 변화가 기존의 기술 패러다임을 잠식하고 있다.

결론부터 말하면 SaaS는 죽지 않는다. 기존의 과금하는 방식이 죽는다. 이 글에서는 왜 그런지를 인간의 작업 시간으로 설명한다.

AI는 분명 거대한 흐름으로 경제를 주도하고 있다. 또한 소프트웨어의 발전 속에서, 생산성의 새로운 공급과 수요는 예측할 수 없는 불균형을 보이고 있다. 소프트웨어 섹터는 15.1% 성장한(YoY) 1.44조 달러를 기록할 전망이지만, 전년 대비 거의 2배 이상 급증한 AI 모델 개발 및 R&D 자금이 대부분이며, AI 없이 동작할 수 없는 ‘AI 네이티브’ 트렌드에 종속 되어가고 있다.

반면, 빅테크와의 격차가 심화되는 가운데 AI라는 거대한 흐름에 올라타지 못한 레거시 소프트웨어와 전통 IT 서비스 부문은 성장 속도가 상대적으로 더디며, 자본 유입마저 동결되는 양상이다. 이는 경영진의 의사결정을 흐리게 만드는 요인이 된다. 사용자의 니즈를 뒤늦게 수용하여 기존 버전을 점진적으로 개선하고, 단순한 성능 향상만을 반복하는 소프트웨어 기업들은 [사용자 요구 기능대비 과도한 개선 여력]이라는 운영의 악순환에 빠지기 쉽다.

섹터 내 기업들은 시장 전반의 표면적인 성장세와 멀어져, 서서히 도태되고 있음을 1차적 모델로 설명할 수 있다. 분명 자본 확장성 측면만 놓고 보더라도, 기존의 성장 공식을 고집하는 중소형 기업들부터 시작해 이제는 서서히 이해관계자들로부터 외면받고 있다.

(Resource : SaaStr)

위와 같이 자본 유입은 AI & 데이터센터 인프라에 기형적으로 편성됨과 달리, 전통의 ‘코어 테크섹터’였던 범용 소프트웨어(이하 - SaaS) 섹터는 2026년, 닷컴버블의 붕괴 전조세처럼, ‘제품의 가치 프리미엄이 절하’ 위기에 빠졌다.

Covid 시기 EV/Sales 10~12배에 거래되던 SaaS 섹터는 2026년 3월 기준 3.1배까지 주저앉았다. 2024년 저점 2.9배에서 2025년 3.8배로 반등한 뒤 다시 하락한 수치다. Meritech 집계 기준 NTM 기준으로는 금융위기 이후 최저치다.  같은 기간 PER은 84배에서 22배로 떨어졌지만, 이는 적자 기업이 많아 PER 자체가 의미를 잃었기 때문이다. 진짜 프리미엄 하락세는 EV/Sales를 주의깊게 확인해야한다.

멀리보아 ‘산업 싸이클의 순환’로 치부한다면 충분히 납득할 수 있다. 그렇지만 이 글에서 ‘소프트웨어의 진정한 가치’는 무엇이며, 왜 AI 트렌드에 대체가 되는지, 그것이 정말로 논리적으로 설명할 수 있는 것인지, 놓치고 있는 것은 무엇인지, 무엇을 대비해야하는지를 생각함이 바람직하다.

소프트웨어 섹터에 대한 평가

iShares 소프트웨어 ETF는 연초 이후로만 21% 이상 수축했으며, 2025년 9월 피크 대비 ‘프리미엄 가치’ 소멸은 30%를 넘어, 시총 3000조원 가까이 투자금이 증발했다.(*환율 1500원 기준) 투자 흐름이 멈추고 사용자들이 전통 SaaS를 이탈하는 본질적인 이유는 간단하다.

표면적으로 사용자들은 더 이상 [정형 데이터를 수동으로 입력하고 조회하는 행위]에, 자신의 귀한 에너지 낭비와 라이선스 비용을 이중으로 낭비하고 싶어 하지 않으며, 데이터가 입력되는 즉시 자동화된 가치가 생성되는 '결과 중심의 지능형 서비스'를 요구하고 있기 때문이다.

소프트웨어의 진정한 가치는 무엇인가

역사적으로도 소프트웨의 역할은 정형화된 데이터의 입력, 보관, 조회를 수행하는 제3의 손발과도 같았다. 소프트웨어는 두 가지 측면이 있다. ‘사용자가 자리에 없는 순간에서 적합한 알고리즘 기반의 기능은 (User-off에 대한 대응), 사용자가 지닌 업무 역할의 일정한 패턴을 답습 &모방하여 작업자 1인 이상의 효율성을 내는 (자기 복제 측면)을 함께 가지고 있는 것이 소프트웨어 산업의 본질적 가치다.

SaaS는 클라우드를 매개 하여, 구독 방식으로 반복 순환 매출을 일으켜, 사용자에 생산성을 공급하고, 수익 유발을 돕는다. 과거와 산업 경제와 다르게 [한 번의 거래가 끝나는 것이 아닌, 지속적인 반복 구매 주도 성장]은 기업 측에서도 소프트웨어를 더욱 길게 유지관리 가능하게끔 한다. 그저 완벽한 선순환처럼 보이지 않는가?

사용자의 니즈를 파악한 SaaS 개발사는 그들의 수준에 맞게 최대한 가치 있는 도구를 만들어내는 것, 그것이 2020년대 초반까지 스타트업이 가져야할 하나의 태도였다.이러한 소프트웨어를 시장에 내놓기 내놓기 위해선(Launching) 단 하나의 태도, ‘애자일 원칙의 이행’으로써 지켜나갈 수 있었다. 한 번이라도 전통 소프트웨어의 필드에서 일을 해본 작업자라면 특히나 공감할 것이라고 생각한다. 소프트웨어 생태계의 태도는 ‘애자일 원칙’을 토대로 다음 단계를 밟아가는 것은 모두에게 일종의 성경과도 같았다.

1. 유저의 반응을 살피고

2. 기업의 목표에 부합하는 점에서

3. 유저가 원하는 기능을 제공하여

4. 더 많은 서비스 우위를 지녀

5. 유저를 확보하고

6. 독점적 플레이어로 자리잡는 것

‘네트워크 효과를 통한 락-인(Lock-in)을 이뤄라’ 마치 성경 구절과도 같다. 따라서 더 나은 기능을 더 많은 유저에게 더 적은 가격으로 제공하는 '시트 기반' 과금 체제가 SaaS의 비즈니스 모델의 기준이다. 그것이 선진 인류가 혁명속에서 빠르게 자리잡은 돈 벌이 패턴의 기준이었다. 시트 카운트라는 비즈니스 모델의 변수는 락-인과의 깊은 연관이 있다.

개념은 간단하다.

기업들과 제품이 행해야하는 목표 또한 단순하지만, 기업의 경영이 아닌 작금의 생존에 있어서,이 논리는 현재 의심 받고 있다. 업무 처리의 주체가 [인간에서 스스로 사고하고 행동하는 AI 에이전트]로 변화하는 내러티브에 따라, 섹터 내의 분위기는 불안으로 바뀌었다.

단 한 명의 엔지니어나 에이전트가 과거 수십 명의 노동 분량을 실시간으로 수행하게 되면서 기업 내부의 필요 라이선스 계정 수는 급격히 감소하기 시작했기 때문이다. 결제 구조 역시 ‘사람 한 명’이 아닌 ‘사람 한 명이 할 법한 일의 컴퓨팅량’인 토큰(인지 노동당 컴퓨팅 비용)으로 바뀌었다. 즉, 앞으로의 시장 흐름은 몇 명인지를 따지는 것은 애초에 중요하지 않다라는 뜻이다. 몇 명분의 인지 노동을 컴퓨팅이 처리할 수 있는가?에 집중하는 것이 시대적 흐름을 반영함에 적합하다.

IT 산업의 추상적 정보들, 인지 노동은 가산적이지 않을 거라는 믿음이, 할루시네이션이라는 불신과 잡음 속에서도 '토큰'으로 인해 새로운 대안으로써 '자본의 기준'이 되어가고 있다.

무엇이 바뀌었을까?

1.먼저 이탈이 일어났다. (이탈이 일어나는 이유, AI를 선택하는 이유 → 즉, 체감이다. 내가 서비스를 받는다는 느낌, 사실 Seat 가격과 AI 가격이 큰 차이가 없다는 것, 유저가 직접 결과를 내어 주는 만족감보다 중요한건 결과가 주는 부가가치 때문이다.)

2.SaaS 사용자의 이탈세는 증가하며, 신규 유입은 축소된다. (이 현상은 크게 세 가지 패러다임을 가지고 있다. [1] 정말 AI가 제공해주는 결과의 만족감을 느끼거나 [2] 남들이 따라해보는 하이프 때문에 이동하거나 [3] AI를 경험한 후, 불만족하여 레거시 SaaS로 돌아오거나)

3.또한 AI 변화에 대한 낮은 적응성은 단일적인 문제가 아닌 ‘관료적인 조직 구조 문제’에 기인한다. 높은 사용자 이탈 흐름은 기존 조직 문제가 가지고 있는 악순환을 더욱 크게 만든다.

(Resource : Benchmarkit)

이러한 추세를 CAC Ratio로 확인 가능하다. 차트의 X축은 연간 계약 가치인 ACV다. Benchmarkit 2025 SaaS Performance Metrics를 따르면 소프트웨어 기업이 신규 ARR 1달러를 위해 사용해야 하는 CAC는 중앙값 2달러 수준으로 2023년 대비 YoY 14% 상승했고, 하위 4분위 그룹의 경우 무려 2.82달러까지 상승하여 신규 고객 유치만으로는 비즈니스를 영위하는 것이 불가능에 가까워졌다.

차트의 X축은 연간 계약 가치인 ACV다. 흥미로운 지점은 "계약 금액이 커질수록 영업 비용이 많이 드니 CAC Ratio가 선형적으로 정비례하여 증가할 것”이라는 편향이다. 하지만 차트를 들여다보면 중형 구간인 10K -25K 구간의 중앙값 1.81달러이며, 엔터프라이즈 구간인 100k -250k 구간보다 오히려 더 값 비싸다.

계약 규모에 상관없이 훌륭한 기업일 수록 효율적인 CAC 지출한다. 제품 주도 성장(PLG) 문제를 전제한다. 영업 기반 성장(SLG)에 대한 현상 유지는 현재의 SaaS 섹터의 문제를 더욱 심각하게 만든다.

소프트웨어 출현 전과 출현 이후의 인류

‘AI가 경제에 미친 발전 효과’를 이야기 전, 명백한 것은 ‘인간의 기술 수준과 변화 수용의 정도,그리고 욕구’를 기반으로 서비스(생산성 가치의 모든 것)를 발전 시키려는 사회적 노력은 역사에 매 순간 존재했으며, 그것은 티핑 포인트마다 기하급수적으로 결과를 보였다.

(Resource : Situational awareness lp)

생산성 혁명 이후에는, 과거로 돌아가지 않는 비가역성이 존재하며, (적어도 프로스트펑크의 세계관과 다르게 현재까지는) 오히려 더 나은 생산성을 끊임없이 원한다. 생존을 위한 노동을 즐겁게 일하는 태도를 갖기 어렵고 이를 극복하려는인간 의지는 ‘고통스럽지만 숭고한 과정’을 즐길 수 없으며, 이를 극복해야 하는의지로 보기 때문이다. 즉, 과정(시스템논리)은 결과보다 중요하지만, 대부분의 사람은 이 고통을 빠르게 회피하기 위해 결과를 더 먼저 바라본다.

사회는 SNS가 존재하며 점점 더 서로를 만나지 않고, 1초만에 지구 반대편까지 내 목소리를 들려주는 것도 현실이다. 또한 대한민국에서 실제로 미국의 주식을 거래 가능한 것도, 독일에서 만들어진 자동차가 언제 뉴욕주에 입항하는지 조회도 가능하다. 모두 일련의 업무 패턴들을 ‘자동화’했기 때문이다. 인간의 컴퓨팅 공급과 알고리즘, 모델, 프레임워크는 중요한 과정을 굳이 직접 확인하지 않게 했으며, 인간의 욕망에 따라 결과’만’ 더 바라봐도, ‘큰’ 문제 없게 발전 가능하게 했다. 이를 시스템, 글에서는 ‘자동화’라고 부르겠다.

인류의 역사는 모든 것을 패턴화하고 저장하려고 노력한다. 모든 것이 행렬 데이터로 치환되고 있으며, 기술 혁명과 과학적 사고의 중요성을 대중화하고 일반화 하는것이 얼마나 중요한지 시장과 국가 차원에서 전략적으로 인식시키게 되었다. 친화적인 정책과 규제 완화, 유동성 공급이 모두 기술 혁명으로 쏠리게 되었다. 결국 인류는 가장 골치 아팠던 노동의 많은 부분을 하드웨어(산업혁명 이후)의 물리적 노동 혁명과 소프트웨어(컴퓨터의 등장)의 정보화 혁명으로 생산성이 혁신되었다라고 정리할 수 있다.

얼마나 생산성이 증가하였는가?

노동이 줄고, 생산성이 크게 늘었다. 그렇다면 이 생산성이란 무엇일까?

첫 번째로, 고전적 정의는 ‘단위 노동을 들여 만들어 낸 산출량’을 의미한다. 노동 생산성은 ‘일정한 단위 시간에 투입한 노동량에 대한 산출량의 비율’이며, 작업자 생산성이란 ‘일정 시간의 일에 대하여 산출한 실제 공수에 대한 표준 공수’의 비율이다. 단위 노동을 투입한 노동 시간과 공수로 나누는 값이 생산성이다.

두 번째로, 생산성은 시대마다 그 정의가 달랐다. 그 시대에 가장 희소한 자원을 생산하는 것을 이해함이 중요하다. 산업 시대 이전에는 농업 생산성, 정보화 시대 이전에는 노동 생산성, 지금은 자본 생산성과 컴퓨팅 파워(토큰 트랜잭션)이 가장 중요하다. 특히나 자본과 컴퓨팅 파워는 AI 시대에서는 즉결적인 노동 생산성으로 이어질 가능성이 매우 높다.

SaaS는 노동 생산성과 이윤 매출을 직접적으로 상승 시킨다.

(Output은 총 처리한 태스크 수, Automation SaaS는 0부터 1 범위의 SaaS 자동화율, Seat Cost는 시트당 구독 비용, W는 시간당 인건비, t Human은 인간의 직접 조작 및 검수 시간, L cognitive는 정규화한 0부터 1 범위의 인지 피로도, alpha는 피로도가 시간 비용에 미치는 가중치로 분모가 모두 달러 단위로 합산되어 피로도가 높을수록 생산성이 감소)

SaaS로 인한 생산성 P_SaaS는 데이터 노동 가치 Output과 자동화 계수 Automation_SaaS를, 구독 비용과 인간이 투입하는 시간 , 그리고 작업 피로도 L_cognitive로 나눈 값으로 정의할 수 있다. 고전적 노동 생산성이 노동량과 생산 도구를 기준으로 성립하기 때문에, SaaS와 AI의 생산성을 설명하기에는 적합하지 않다.

SaaS의 생산성은 여전히 소프트웨어를 통제하는 인간의 수와 시간에 종속된다. 데이터 태스크 중 패턴화할 수 있는 업무만 수식에 포함되기 때문이다. 그렇다면 AI 에이전트의 생산성은 어떻게 달라지는가? 인간의 직접 조작 시간 t_Human은 0에 수렴하고, 분모는 검수 시간과 개입 시간 , 그리고 대폭 낮아진 인지 피로도로 대체된다.

((Output은 총 처리한 태스크 수, Automation_orch는 MCP 이후 툴을 엮는 오케스트레이션 효율, eta는 0∼1 범위의 인간-에이전트의 유효 대체율, Agent Cost는 API 호출, 전력, 오케스트레이션을 합친 명목 비용이며, W는 시간당 인건비, t_review, t_intervention은 인간의 검수와 예외 개입 시간, alpha L_cognitive,agent는 에이전트 결과에 대한 인간의 인지 부하 가중치, C_overcall은 과잉 호출/재시도로 인한 초과 비용)

이때 직접 조작 시간 t_Human은 0에 수렴하고, 인지 피로도는 SaaS 대비 에이전트에서 급격히 낮아진다.기본적으로 현재의 에이전틱 생산성을 이야기할 때, 우리는 AGI나 초지능을 전제하지 않는다. 얼마나 많은 컴퓨팅과 언호블링이 필요할지 아직 모르기 때문이다. 기존 소프트웨어의 생산성처럼 에이전트 또한 Ouput을 갖는다. 다만 기존의 방식과 다른 가중치를 갖는, 자동화(오케스트레이션과 효율), 또한 추론의 질과 양이 중요할 것이다. 따라서 대체율 eta를 추가한다.

*1. eta는 0<eta<1 /// *2. 언호블링 : 모델의 제약을 해제해 도구 사용, 장기 기억, 자기 수정을 허용하는 것

또한 Automation 역시 오케스트레이션의 효율성에 따라 달라지며,이에 따른 전용 장비와 기술이 달라지지만, 식을 추상적으로 이해하기 위해 기존 식에서 차입한다.분모에서 재미있는건 단순 시트 카운트를 컴퓨트 가격 자체로, 인간의 시간을 ‘개입’만으로 전제한다는 점이다. [작업을 확인하거나, 부분적으로 개입하거나, 이를 결정하거나 ] 그에 따른 시간의 성격이 변한다.

컴퓨트 코스트는 더 복잡하다. 흔히 미디어에서 접하는 [모델 API 호출가,전력,오케스트레이션 효율]까지 요구된다. 기존의 컴퓨팅으로 해결할 수 없으며 이는 현재 가격이 과도하다는 점을 기억해야한다.

아주 간단한 모델링이지만

개념적인 이해를 위해 수 많은 다변수를 고려할 수 있지만, (추론의 유무, 언호블링이 주는 가중치, 제약 범위 등) 지금 수식을 간단하게 이해한다면 다음과 같을 수 있다.

1.인간 인지를 모두 대체하지 않지만 부분적인 자연어 기반으로, 최대한의 의도를 적극 반영하여, 빠르게 원하는 의도를 잡아낼 수 있다. 또한 이는 메모리에 저장되어 대화의 컨텍스트를 이어나가, 파편화된 사용자의 의도를 일관성 있게 재조정해 줄 수 있다. 즉, 원하는 목적을 끝까지 이뤄내기에 더 적합하다. 사람이 직접 머리를 써서 의사결정을 내리는 피로도 충격을 크게 감소시킨다.

2.Congitive(인지 노동)는 사용자가 제시하는 목표에 대한 이해 뿐만이 아닌, 상상력을 더한 새로운 의사결정의 제시를 의미한다. 즉, 업무 해결 자체의 초점을 맞춰, Object-Driven한 해결을 의미한다.

3.인간의 업무는 [1. 다양한 도구의 조합] , [2. 주 목표와 부 목표의 연결] , [3.에너지의 소비]라는 속성으로 크게 볼 수 있다. 에이전트는 도구의 조합 피로도에 있어서 사용자의 정신적 피로도를 감소 시키고, 목표들간의 맥락을 이해함으로써 정신적 피로도를 낮춰준다. 목표가 뚜렷하고 결과물의 깊이와 규모가 큰 경우,레거시 SaaS와의 하이브리드 작업이 더욱 유리하다. 추론 비용이 과하고 불필요한 개입성을 되려 요구하기 때문이다. 과잉 추론이 요구하는 테스크를 해결할 때 이것이 적합한지, 기존 작업 패턴의 노동 강도 또한 고려해 보아야한다.

4.즉 모델의 효율 성장성(+), 컴퓨팅 파워와 에너지 인프라의 효율성(+), 사람의 정신적 부하 감소(+) 모두 다 생산성을 끌어올리는 지표이다. 다만 여전히 과잉 호출(-) , 병목적인 오류의 무한 재귀(-) 등은 생산성을 감소 시킨다.

5.분명 이는 인류가 언젠가 에너지와 인프라 효율이 0에 가까이 수렴하는 순간 병목적인 오류의 무한 재귀와 과잉 호출을 커버할 수 있겠지만, 그 전까지는 레거시 소프트웨어의 역할이 남아 있음을 의미한다

즉, 과잉 호출을 요구하지 않는 의사결정 등 정신적 피로도가 낮은 의도가 명확한 인간의 업무들이다. 또한 의사결정의 의도(예를 들어 판사의 재판 가결과 같은)의 책임이 윤리적인 업무들에 있어서는 아직까지도 인간의 개입이 필요하다. 사회적 책임을 요구하는 업무에 있어서 레거시 소프트웨어의 기능과 그 역할은 남아있다.

피로도를 고려한다면 어느 선에서 에이전트 생산성이 더 앞지를까?

먼저 전통 소프트웨어를 사용하는 부담감을 모델링할 수 있을까?

모든 케이스에 적합하지 않지만 큰 틀의 해석을 위해 고통 지수(Pain Index)를 생각해볼 수 있다. 또한 앞서 언급된 (P_SaaS)는 소프트웨어가 기본적으로 내재하는 생산성을 의미하며, 값이 커질수록 고통은 상쇄된다. 생산성은 높아질 수록 고통은 낮아진다. 1차적인 전제이지만 생산성이 높아질 수록 고통이 낮아진다는 점을 생각해볼 때, 아주 간단한 생각을 해볼 수 있다.

마찬가지로 앞서 초기 정의한 생산성식을 이용한다면 에이전트를 사용했을 때의 고통도 생각해볼 수 있다. 그렇다면 궁금한 것은 Pain_agentic < Pain_SaaS인 지점이다.

에이전트가 경제성을 갖는 조건은 간단하다. 사람이 쓰는 돈과 시간과 머리의 피로도를 다 합친 것보다, 기계가 대신해주며 벌어다주는 가치가 더 커지는 순간이다.

돈 쪽은 이미 추세가 기울었다. 모델을 만들고 돌리는 비용은 인프라가 깔리고 모델끼리 경쟁이 붙으면서, 특히 중국에서 가성비 모델이 나오면서 계속 떨어지고 있다. 앞으로도 더 싸질 것이다. 피로도 쪽도 마찬가지다. 에이전트는 사람이 직접 입력하고 검수할 때 드는 정신적 소모를 확 줄여준다.

그래서 남은 병목은 결국 사람의 개입 시간이다. 에이전트가 일을 끝낸 뒤에 사람이 개입해서 고치고, 검토하고, 최종 판단을 내리는데 얼마나 시간이 드는지가 핵심이다. 예전 SaaS는 프로그램끼리 연결되는 것 자체에 제약이 많았지만, MCP가 나온 뒤로는 연결 효율이 비약적으로 올라왔다.

이제 중요한 것은 대체율이다. 사람이 하던 일을 어디까지 믿고 맡길 수 있는가. 결국 앞으로 봐야 할 것은 모델의 지능이 추론 능력과 언호블링의 효율을 얼마나 더 끌어올리느냐다.

당신이 투자자라면

투자자라면 EV/Sales 3.1배를 싸다고 볼 것이 아니라, 그 회사가 파는 결과물이 에이전트에게 대체되는 결과물인지, 에이전트가 오히려 의존해야 하는 결과물인지 구분해야 한다. 폼을 채우고, 요약하고, 옮겨 적는 인터페이스성 결과물은 대체되는 쪽이다. 이쪽은 2021년 멀티플로 절대 돌아가지 않는다. 반대로 에이전트가 반드시 읽고, 쓰고, 의존해야 하는 기록과 권한, 진실의 원천이 되는 결과물은 의존하는 쪽이다. 이쪽은 오히려 멀티플이 확장된다.

당신이 사용자라면

당신이 사용자라면 지금 당장 SaaS를 끄라는 이야기가 아니다. 당신의 고통이 어디서 오는지를 봐라. 팀원 한 명이 하루에 SaaS 6개를 오가며 복사 붙여넣기하는 데서 온다면, 그건 내일 당장 에이전트로 대체된다. 반대로 법무, 재무, 의료처럼 최종 승인에 책임이 무겁고 검토와 예외 처리에 시간이 오래 걸리는 곳은 다르다. 그런 곳은 기존 SaaS에 에이전트를 얹는 하이브리드가 2년은 더 생산성이 높다.

당신이 창업자라면,

SaaS는 구조적으로 사용자의 직접 개입이 길고 숙련을 요구한다. 그래서 수많은 튜토리얼과 온보딩 시스템이 표준으로 자리 잡은 것이다. 이탈을 막으려면 SaaS가 주는 생산성이 압도적이어야 한다.

자본주의에서 인간은 과정보다 결과를 본다. 99%의 성과가 나오면 과정을 묻지 않는다. AI가 기업과 경영진에게 주는 만족이 바로 이것이다. 값비싼 인건비와 감정 소모 없이 수익을 올릴 수 있다면, 기업은 당연히 그쪽을 선택한다. 이제 [결과 가치 중심의 소프트웨어]의 시대에서 무엇이 가치인지 본질을 논해야 한다.

소프트웨어는 죽지 않는다. 소프트웨어를 파는 방식이 죽었을 뿐이다.

사람이 폼을 채우는 인터페이스로서의 앱은 더 이상 프리미엄을 받지 못한다. 에이전트는 시트도 쓰지 않는다. 단일 기능으로 쪼개진 얇은 포인트 솔루션은 그 자체가 사일로이며 병목의 원인이므로 사라질 것이다.

그래서 창업자는 태스크별 인간 개입 시간을 정량적으로 측정해야 한다. 단순 작업 시간이 아니라, 에이전트가 일한 뒤에 인간이 얼마나 개입하고 검토해야 하는지의 시간축으로 나눠서 봐야 한다.

(Resource : Gartner)

아직 SaaS가 이기는 곳은 개입 시간이 급증하는 영역이다. 과잉 호출과 무한 재귀가 일어나는 복잡한 추론, 판사의 판결과 같은 윤리적 책임이 따르는 의사결정이 여기에 해당한다. 추론 비용이 과하고 오히려 불필요한 개입을 요구하기 때문에, 추론 비용이 0에 수렴하기 전까지는 레거시 SaaS의 역할이 남는다.

(Resource : Outlook)

이미 에이전트가 이긴 곳은 반대다. 사람이 직접 하는 시간은 길지만 검토 시간은 짧은 곳이다. 의도가 명확하고 정신적 피로도가 낮으며, 툴 5개를 넘나드는 반복적인 입력, 조회, 요약 작업이 여기에 속한다. 이 영역이 바로 2026년 2월에 먼저 증발한 2850억 달러짜리 시장이다.

따라서 창업자는 세 가지를 추적해야 한다. 평균 사용자를 기준으로 한 모델의 고차원 추론 벤치마크, 에이전트의 제약을 어디까지 해제할 수 있는지에 대한 언호블링, 그리고 기업과 정부의 규제다. 작은 SaaS라도 이 흐름에 맞는 경량화 모델은 반드시 필요하다.