AI-네이티브 애플리케이션을 정의하고, 디자인·데이터·도메인 전문성·다이내미즘·디스트리뷰션의 5가지 차원으로 평가하는 프레임워크를 제시한다. 최근 투자 흐름과 사례, 가격·유통 모델의 변화, 그리고 향후 기술·시장 전개에 대한 시사점을 담았다.
지난 2년간 벤처 커뮤니티와 더 넓은 기술 생태계에서는 다가오는 AI-네이티브 애플리케이션 시대에 대한 논의가 활발했습니다. 인프라에서 플랫폼, 애플리케이션 레이어로 이어지는 가치 포착의 진화를 설명하는 여러 프레임워크, AI 에이전트의 발전에 대한 높은 관심, 각자 선호하는 버티컬 AI에 대한 수많은 딥다이브가 있었습니다.
하지만 AI-네이티브 기업을 규정짓는 고유한 특성과 엔터프라이즈 소프트웨어 지형이 어떻게 변화할지에 대해서는 상대적으로 덜 탐구되어 왔습니다. 다시 말해, 무엇이 진정한 ‘AI-네이티브’ 애플리케이션을 구성하며, 향후 이들 기업은 어떤 경쟁 구도를 맞이하게 될까요?
이 글은 현장에서의 실시간 관찰과 부상하는 시장 트렌드를 바탕으로 한 전향적 인사이트를 결합해 그 질문들에 직접 답하고자 합니다. 우리의 결론은 폭넓은 리서치, 핸즈온 제품 테스트와 데모, 스타트업 창업자들과의 직접 협업, 그리고 무엇보다 규모를 불문하고 생성형 AI로 실제 제품을 구축 중인 다양한 기업의 제품·기술 리더들과의 심층 대화를 통해 도출했습니다.
현재의 GenAI 열풍과 투자는 2022년 11월 애플리케이션(챗GPT)에서 시작되었지만, 전반적으로 애플리케이션 레이어는 스택의 다른 부분에 비해 뒤처져 있었습니다. 많은 GenAI 비판가들은 ‘킬러 앱’의 부재를 과대평가의 증거로 듭니다. 그러나 최근 애플리케이션 레이어가 따라잡고 있다는 정황 증거가 쌓이고 있습니다.
2024년 들어 GenAI 네이티브 애플리케이션에 대한 투자는 10월 말까지 85억 달러로 급증하며, 지난 2년과 비교해 전체 GenAI 투자에서 차지하는 비중도 확대되었습니다. 최근 몇 달 동안 Perplexity (5억 달러), Poolside (5억 달러), Magic (3억 2천만 달러), Sierra (1억 7천5백만 달러), Abridge (2억 5천만 달러), Glean* (2억 6천만 달러), Writer (2억 달러), EvenUp (1억 3천5백만 달러) 등 대규모 라운드가 잇따라 발표되었습니다. 투자 규모는 시장 과열의 신호일 수 있지만, 진짜 증거는 트랙션에 있습니다—이 지표는 분명히 가속 중입니다. 최근 몇 달 사이 상당수 AI-네이티브 애플리케이션이 가시적인 매출 성과를 내기 시작했습니다. 우리의 집계로는 연초 34개에서 현재 최소 47개의 AI-네이티브 애플리케이션이 ARR 2,500만 달러 이상을 달성했고, 내년 이맘때에는 5천만 달러를 넘는 기업 수가 비슷한 규모로 늘어날 것으로 봅니다. 코드 보조, 고객 지원, 마케팅 같은 초기 성공 분야는 새로운 기능과 산업별 유스케이스로 빠르게 확장되고 있습니다. 스타트업과 기존 강자들 모두 야심찬 AI-네이티브 제품을 속속 내놓고 있습니다. 요컨대, 오늘날의 AI-네이티브 애플리케이션 생태계는 1년 전은 물론, 분기 전과 비교해도 훨씬 탄탄해졌다고 봅니다.
우리의 경험상, AI-네이티브 애플리케이션이란 AI가 애플리케이션 경험의 중심에 있는 경우를 말하며, 단지 보조 기능이 아닙니다. 용어 사용은 널리 퍼졌지만, 정의는—AI 분야의 많은 것과 마찬가지로—모호하고 진화 중입니다. Canva, Glean*, Meta, Runway, Figma, Abridge 등에서 제품을 만드는 분들과의 폭넓은 리서치와 대화를 바탕으로, 우리는 더 설명적이고 정교한 정의를 다음과 같이 정리했습니다.
AI-네이티브라는 말이 반드시 GenAI 기능으로 시작해야 함을 뜻하지는 않습니다. 온프레미스 시대의 카테고리 정의급 소프트웨어 프랜차이즈 중 일부가 제품을 성공적으로 클라우드-네이티브 버전으로 전환했던 것처럼(예: Adobe Photoshop, Microsoft Office), 많은 기업은 시간이 지나며 클라우드-네이티브에서 AI-네이티브로 진화할 수 있다고 봅니다.
본론으로 들어가기 전에 마지막으로 짚고 갈 점입니다.
AI-네이티브라는 용어는, 오늘날에는 구분에 도움이 될 수 있지만, 일시적일 것입니다. 오늘날 더는 인터넷-네이티브, 클라우드-네이티브, 모바일-네이티브라고 잘 말하지 않듯, 시장의 거의 모든 제품과 서비스에서 AI가 핵심 구성요소로 당연시되면 ‘AI’ 접두사는 서서히 사라질 것입니다. 우리는 지금 채택 초기 국면에서, 기존 제품을 빠르게 증강·확장하는 기업과, 완전히 새로운 가정과 역량으로 바닥부터 쌓는 기업을 구분하기 위해 이 용어를 사용합니다. 시간이 흐를수록 경계는 흐려지고, 출발점보다는 제품과 조직을 얼마나 깊이 AI-퍼스트 방식으로 구축하느냐가 더 중요해질 것입니다.
보다 AI-네이티브한 세계에서도 가치 창출의 근본 동인은 변하지 않습니다. 기업은 고객의 페인 포인트를 깊이 이해하고, 고객 니즈를 충족하고 넘어서는 제품과 서비스를 만들어야 합니다. 뛰어난 창업가는 훌륭한 팀을 만들고 집요하게 실행해야 합니다. AI는 아무리 발전해도 어디까지나 그 야심을 위한 도구일 뿐, 다음 못을 찾는 망치가 아닙니다.
우리가 하는 모든 일은 고객을 위한 최우선 ‘잡-투-비-던’, 핵심 페르소나, 최상위 페인 포인트에 매우 단단히 앵커링되어야 합니다. 고객이 우리의 주된 혁신 원천입니다.
엠레잔 도안(Emrecan Dogan) Glean* 제품 총괄
변하지 않을 것들을 정리했으니, 이제 앞으로 무엇이 새롭고 달라질 수 있는지 이야기할 때입니다. 올해 초부터 사파이어는 AI로 애플리케이션을 구축하는 회사를 평가하기 위해 다섯 가지 차원의 프레임워크를 사용해왔습니다.
엔터프라이즈 소프트웨어 내 경쟁 강도가 이미 높아지고 있고, AI 보조 개발팀의 시대가 초래한 기능 차별화의 반감기가 급격히 짧아졌기에, 지속 가능한 카테고리 리더십을 확립하려면 여러 차원에서 애플리케이션을 차별화해야 한다고 봅니다.
각 차원을 차례로 살펴보겠습니다.
엔터프라이즈 소프트웨어는 운영 효율과 스케일을 높이는 솔루션에 막대한 비용이 지출되며, 수조 달러 규모의 시장으로 성장했습니다. 그럼에도 사용자 중심 디자인은 오랫동안 소홀히 다뤄졌고, 종종 ‘형식보다 기능’에 밀렸습니다. 끝없이 많은 설정, 복잡한 메뉴, 빈번한 알림으로 어지러운 경험—기능은 하지만 ‘기쁨’과는 거리가 먼 경험이 보편적이었습니다. 우리는 이 상황이 바뀌고, 차세대 엔터프라이즈 소프트웨어에서 디자인이 핵심 차별화 요소로 부상할 것으로 봅니다. GenAI는 이미 디자인 공간을 확장하고 있으며, 우리는 기술이 빌더들에게 다음을 가능케 하는 방식을 주의 깊게 지켜보고 있습니다.
지난 2년간 채팅과 검색 인터페이스는 GenAI UI의 지배적 형태였습니다. 사용자는 텍스트 기반 AI 컴패니언과 함께 데이터에 질문하고, 통합·요약·브레인스토밍하는 등 수많은 방식으로 상호작용할 수 있었습니다. GenAI-네이티브 UI는 사용자가 애플리케이션과 더 자연스럽게 상호작용하게 하고, 이전에는 파워유저에게만 제한되던 고급 기능에도 접근하도록 돕습니다.
많은 엔터프라이즈 도구에는 대부분의 사용자가 거의 쓰지 않는 강력한 기능이 숨어 있습니다. 모르거나, 효과적으로 사용하는 법을 몰라서입니다. 텍스트나 음성 같은 자연어로 니즈를 표현함으로써, 사용자는 이미 존재하는 제품 역량을 더 많이 열어젖힐 수 있습니다. 멀티모달 GenAI 모델은 최근 텍스트 중심 모델을 빠르게 따라잡고 있어, 사용자가 소프트웨어로 일하는 방식을 재고할 기회가 커지고 있습니다. 더 성능 좋은 음성·비디오 모델은 클릭과 타이핑을 보완하는 새로운 입력·출력 생성·수집·변환 방식을 제시합니다. OpenAI의 Canvas, Anthropic의 컴퓨트 활용 관련 신기능 등은 아직 매우 초기이지만, 챗봇에서 공동 창작 캔버스로, 코파일럿에서 오토파일럿으로의 잠재적 진화를 시사합니다.
멀티모달리티는 풍부하고 다양한 출력을 제공하기 위해서만이 아니라, 입력과 상호작용 방식이 계속 진화하기 때문에 매우 중요합니다. 다양한 모달리티를 이해·생성할 수 있는 유연하고 표현력 있는 모델과 도구는 기술이 발전하고 미래를 향해 나아갈수록 더욱 중요해질 것입니다.
Runway
GenAI 출력의 비결정론적 특성은 프로덕션 배포 시 과제를 만듭니다. 모델 레이어에서는 RLHF가 인간 의도와의 정렬을 높이고, 반복적 개선을 가속하는 데 핵심적이었습니다. GenAI 애플리케이션을 만드는 기업들은 이러한 훈련 기법을 차용하는 동시에, 사용자 피드백을 수집해 성능 튜닝과 기능 개발 속도를 높이는 새로운 방법을 찾고 있습니다. 제품 리더들과의 대화에서 우리는 출력에 대한 찬반/별점 평가, 휴먼-인-더-루프 검토자, 그리고 공유, 호버 시간, 콘텐츠 최신성·참여 빈도, 복사·붙여넣기 등 의도 신호를 수집하기 위한 창의적인 참여 모니터링 방식 등 다양한 사례를 들었습니다.
사용자 경험에 지능적으로, 방해되지 않게 피드백을 통합하는 제품은 더 빠르게 반복하고, 시간이 지남에 따라 사용자 니즈에 맞춰 성능을 정제할 수 있을 것입니다.
AI-네이티브 애플리케이션 기업들과의 상호작용에서 얻은 가장 큰 시사점 중 하나는, 그들이 애플리케이션 설계에서 수준 높은 시스템적 사고를 구현한다는 점입니다. 이는 범용 AI 구성요소(기성)와 특정 유스케이스 성능을 최적화하는 독자 역량(자체 개발) 간 균형을 잡는 것을 포함합니다. 또한 파인튜닝, RAG, 프롬프트 엔지니어링 같은 다양한 그라운딩 기법과, 모델 레이어에서의 앙상블 접근을 통해 쿼리 단위의 가격-성능 최적점을 달성합니다. 많은 AI-네이티브 애플리케이션은 UI 레이어의 우아한 디자인 뒤로 믿기 힘들 정도의 백엔드 복잡성을 숨기고 있습니다.
독자적 AI 시스템을 구축하는 역량은 ‘어느 모델을 쓰느냐’가 아니라, 태스크를 분해하고 애플리케이션 깊숙이 들어가 구성요소를 가르는 데서 나옵니다. 오픈소스 모델로 대체 가능한 부분, 우리가 독자적으로 파인튜닝할 가치가 있는 부분, 더 주관적인 부분을 구분해야 하며… ‘독자성’을 주장하려면 그 자격을 실력으로 증명해야 합니다.
재커리 립튼(Zachary Lipton) Abridge CTO
AI-네이티브 시스템 설계의 또 다른 핵심은 프로세스 여러 단계에 설명가능성을 통합하는 것입니다. 우리가 ‘행동과 보조’의 시대에서 ‘답변과 에이전트’의 시대로 전환함에 따라, 사용자를 대신해 AI가 어떻게 작동하는지 설명해 신뢰를 구축하고 정렬을 보장하는 것이 중요해지고 있습니다. AI-네이티브 애플리케이션은 입력과 출력을 명확히 연결하고, 구체적 출처를 인용하며, 필요시 신뢰 구간을 포함하고, 시스템 성능을 심층적으로 따져보려는 사용자에게 더 깊은 설명 수준을 제공해야 합니다.
우리가 본 흥미로운 AI-네이티브 애플리케이션 디자인 사례는 다음과 같습니다.
지난 2년간 출시된 모든 AI 제품·서비스의 기반이 되는 파운데이션 모델 훈련에서 데이터가 얼마나 중요한지는 널리 알려져 있습니다. 우리는 애플리케이션 레이어에서도—어쩌면 더—데이터가 그 못지않게 중요하다고 봅니다. 데이터는 모달리티 전반의 범용 역량을 고객 니즈에 맞춘 방어 가능한 제품으로 변환하기 때문입니다. AI-네이티브 애플리케이션에서 데이터를 어떻게 실천하는지 평가할 때, 우리는 다음을 확인합니다.
‘데이터 전략 없는 AI 전략은 없다’는 말은 상투적이지만, 우리는 사실이라고 생각합니다. AI-네이티브 애플리케이션은 파운데이션 모델 기업이 글로벌 데이터를 제품에 통합하는 이점, 고객이 데이터 에스테이트를 현대화하는 이점을 누리지만, 여전히 견고한 데이터 관리 모범사례로 차별화할 수 있습니다.
이는 데이터 조달·큐레이션, 데이터 품질, 데이터 거버넌스, 데이터 보안을 포함합니다. 더 나아가 멀티모달 모델 역량이 발전함에 따라, 정형·비정형 데이터를 모두 다루는 능력이 GenAI 잠재력을 극대화하는 데 필수적이 됩니다. 더 지능적이고 빠르게 데이터를 안전하게 수집·정제·통합하는 기업이 승리할 것입니다.
많은 기업은 오래전부터 데이터의 가치를 알고 있었지만, 그 가치를 실현하는 일은 대부분의 조직에서 여전히 과제였습니다. GenAI 기업 리더들과의 대화에서 반복적으로 나온 주제는, 제품이 고객 데이터를 해방한다는 점이었습니다. 이는 오랫동안 잠들어 있던 데이터(예: Box/Google Drive/SharePoint에 방치)나, 아예 시스템에 캡처되지 않던 데이터(예: 고객 통화, 환자 대화, 미팅 노트)를 의미합니다. 그 이점은 큽니다. 사용자가 다음을 할 수 있게 돕습니다.
이 모든 것은 기업 데이터로 비즈니스 가치를 창출하는 방법에 대한 더 나은 이해로 이어지며, 1) 더 많은 AI 투자를 뒷받침하도록 데이터 아키텍처를 최적화하고(위 참조), 2) 초기 ROI를 입증하는 신뢰할 수 있는 AI-네이티브 애플리케이션 파트너에게 더 많은 데이터를 제공하도록 동기를 부여합니다.
우리는 직원 머릿속에만 있고 문서화되지 않은 표준 운영 절차나, 고객 대화에서 나온 통찰 같은 ‘암묵지’를 팀이 실제로 활용하고 확장할 수 있는 구조화 데이터로 번역합니다.
토니 스토야노프(Tony Stoyanov) EliseAI* 공동창업자 & CTO
기존 데이터를 넘어, GenAI는 새로운 데이터 세트를 포착할 잠재력을 제시합니다. 이는 기존 애플리케이션 대비 경쟁 차별화의 기반이 될 수 있습니다. 그 형태는 멀티모달 참여 데이터, AI 생성 콘텐츠의 제작·소비 메타데이터, 마이크로·매크로 수준의 패턴 인식 등 다양합니다. 공통점은 이 데이터가 기존 시스템에는 없다는 것입니다. 따라서 AI-네이티브 기업은 이를 포착하고, 그 주위에 데이터 허브를 만들며, 그 가치를 확장하는 차별적 워크플로를 구축할 기회를 얻게 됩니다.
이 새로운 데이터와 사용자 워크플로에 대한 이해는 훈련 데이터로 전환되어, 기저 모델의 성능을 반복적으로 개선하고 AI-네이티브 도전자의 경쟁우위를 확대합니다. 더 이상 단순히 ‘데이터의 양’만이 우위를 주지 않는다는 점을 상기시킵니다.
과거에는 ‘가장 많은 데이터’를 가진 플랫폼이 가장 큰 기술적 해자를 갖는다고 여겨졌습니다. 이제 우선순위는 양에서 질, 프라이버시, 그리고 ‘적용’으로 분명히 이동했습니다.
바이바브 니바르기(Vaibhav Nivargi) Moveworks* 창업자 & CTO
강력한 데이터 관리·활용을 보여주는 AI-네이티브 애플리케이션 사례는 다음과 같습니다.
앞서 언급했듯 지난 1년간 버티컬 AI 애플리케이션에 대한 논의와 기대가 컸습니다. 이러한 관심은 타당합니다. 산업 특화 AI-네이티브 애플리케이션은 법률, 헬스케어, 부동산, 금융 서비스 등 여러 분야에서 가장 빠르게 스케일했습니다. GenAI가 특정 제품 상호작용뿐 아니라 E2E 워크플로 전반에서 깊은 도메인 이해를 표현하는 능력은, 버티컬은 물론 수평 소프트웨어 카테고리에도 큰 영향을 미칠 흥미로운 발전이라고 봅니다. 이 차원을 평가할 때 우리는 애플리케이션이 다음을 얼마나 잘하는지 봅니다.
버티컬 AI가 빠르게 떠오르는 한 가지 이유는, GenAI가 특정 도메인 내 최종 사용자 활동의 디지털 표현을 훨씬 더 잘 만들어내고 있기 때문입니다. 창업자·제품 리더들과의 대화에서 우리는 의사-환자 대화 같은 고객 대화의 더 정확한 번역/전사, 법률 리서치·재무 분석에서의 더 강력한 자료 요약, 엔터프라이즈 검색에서의 사용자-사용자/사용자-엔티티 관계의 더 정교한 이해 등 많은 사례를 들었습니다. 이 모든 경우, 그리고 더 많은 사례에서 GenAI 모델은 특정 산업·기능 문맥을 깊이 이해하도록 훈련되고, 사용자를 더 빠르고 효율적인 결과로 이끄는 행동을 자동화합니다.
도메인 전문성이 반드시 산업 특화일 필요는 없습니다. 고객 조직의 파워유저와 시니어 리더를 연구해 사용 패턴을 정식화했다고 말하는 제품·엔지니어링 리더들도 여럿 만났습니다. 이 패턴을 프롬프트와 구조화 출력으로 번역해, 조직 모든 레벨에서 접근 가능하게 하려는 것입니다. Supio*의 제품 총괄 Pamela Wickersham은 이를 _“플랫폼의 매우 정교한 사용자들이 실제로 무엇을 하는지 관찰하고, 그것을 회사의 다양한 역할과 페르소나를 위해 반복 가능하게 만드는 일”_이라고 설명합니다. 이렇게 회사 고유 데이터로 파인튜닝된 파운데이션 모델 위에 놓인 GenAI 애플리케이션은, 전사적 역량을 끌어올리는 지식 이전을 가능케 합니다.
AI-네이티브 애플리케이션의 또 다른 강점은, 방대한 데이터에서 거의 실시간으로 인사이트를 도출하는 능력입니다. 검증된 산업별 문서·데이터(예: SEC EDGAR), 파인튜닝된 모델, 채팅 기반 인터페이스를 결합해 고객이 특정 목표에 유의미한 정보를 훨씬 빠르게 식별·처리하도록 돕는 새로운 AI-네이티브 애플리케이션이 다양한 분야에서 등장하고 있습니다. 이 트렌드는 지금까지 법률 분야에서 특히 뚜렷했는데, Harvey, EvenUp, Robin AI, Supio* 같은 회사들이 그 예입니다. 우리는 같은 패턴이 헬스케어, 공공, 보험, 금융 서비스, 교육에서도 전개되고 있음을 봅니다.
AI-네이티브 애플리케이션은 도메인 특화 요청과 관련된 하나 이상의 차원에서 사용자에게 초인적 능력을 부여합니다. 과장이 아닙니다. 과거에는 종종 주니어 인력(혹은 외부 컨설턴트)으로 구성된 큰 팀이 며칠, 몇 주 걸리던 질문이, 이제는 이런 새로운 서비스로 몇 분 만에 최소한 부분적으로라도 해결됩니다.
AI-네이티브 애플리케이션은 세 가지 지식을 결합할 수 있는 독특한 위치에 있습니다. 광범위한 학습 데이터로 파운데이션 모델에 내재된 글로벌 지식, 산업별 데이터베이스에 존재하는 도메인 지식, 조직 고유 산출물에서 나오는 회사 특화 인사이트입니다. 마지막으로, 도메인 전문성은 고품질 프레젠테이션, 메모, 미팅 노트, 독자 리서치, 교육 자료, 과거 문서 등에 반영되어, 개별 사용자가 기대하는 ‘좋음의 기준’에 부합하는 애플리케이션 출력을 최적화하는 데 쓰입니다.
이는 위에서 논의한 ‘독자 데이터 접근’ 이상의 의미입니다. 특정 문맥에서 그 데이터가 직원·팀·조직의 관련 지식을 어떻게 반영하는지에 대한 이해입니다. 이 조합은 개별 태스크 최적화를 넘어, 더 구체적 성과에 집중하면서 전체 워크플로 자동화를 가능케 합니다. 깊은 도메인 이해를 탁월하게 구현하는 버티컬 AI 사례는 다음과 같습니다.
Abridge는 실시간 환자 음성을 대규모 의료 대화 데이터로 학습한 멀티-LLM 아키텍처로 정밀한 임상 노트로 변환합니다.
EliseAI*는 PMS, CRM, 지식베이스, 리스 담당자 입력 등에서 건물 관련 정보를 수집·이해하고, 잠재·기존 세입자의 질문에 대한 응답을 자동화합니다.
Supio*는 방대한 인바운드·개인상해 케이스 데이터로 훈련된 독자 모델을 갖추고, 정확도 높은 법률 문서 분석·생성을 제공합니다.
**Magic School**은 교사들의 수업 설계, 평가 작성, 학습 콘텐츠 생성/관리 등을 개선·자동화하도록 80개 이상의 AI 도구를 제공합니다.
최근 “Meta’s AI Abundance”라는 글에서 벤 톰슨은 메타의 GenAI 기회에 대해 설득력 있게 논증합니다. 특히 멀티모달 동적 광고 생성·테스트의 가속화, 그리고 새로운 Imagine Yourself 모델을 통한 차세대 개인화 콘텐츠 구현 능력을 강조했습니다. 디지털 마케팅과 커머스 산업에의 함의는 명확하며, 그 영향은 머지않아 현실화될 것입니다.
이는 우리가 더 큰 흐름으로 보는 바, GenAI가 여러 엔터프라이즈 소프트웨어 카테고리에서 사용자 기대를 진화시킬 것이라는 점과도 맞닿습니다. 앞서 논의한 세 차원만큼 보편적이지는 않겠지만(예: 총계정원장에 ‘과도한’ 다이내미즘은 바람직하지 않습니다), 우리는 정적 경험에서 더 동적인 애플리케이션 경험으로의 전환을 예상하며, 다음을 잘 구현하는 기업을 주목하고 있습니다.
우리가 만나는 대부분의 회사는 단일 모델로 개념을 테스트하는 단계를 넘어, 특정 유스케이스 출력을 최적화하기 위해 모델 상호작용 시퀀스를 오케스트레이션하고 있습니다. 입력에서 출력까지의 과정이 훨씬 더 동적이 된 것입니다. 기업은 모듈형 구성요소를 손쉽게 교체해 성능 향상과 비용 효율을 이끌어낼 수 있도록 유연성을 염두에 두고 인프라를 개발합니다. 이 동학은 AI-네이티브 애플리케이션을 떠받치는 인프라 스택의 핵심 구성요소로 Martian 같은 모델 라우터의 부상을 촉발했습니다. 시간이 지나면서, 현재는 사용자 선택으로 표현되는 고급 AI 역량(예: ChatGPT나 Perplexity에서의 모델 선택, 출력 톤, 점수화)이 수면 아래로 내려가, 시스템이 사용자를 대신해 적응적으로 결정을 내리게 될 것으로 봅니다.
디자인 섹션에서 언급했듯, 엔터프라이즈 소프트웨어는 사용자 경험에서 기대에 못 미쳤습니다. 하루아침에 바뀌진 않겠지만, GenAI가 현 상황을 개선할 잠재력에는 기대가 큽니다. 한 가지 상상은, 최종 사용자·고객에 대한 더 깊은 이해를 표현하는, 더 동적이고 적응적인 콘텐츠 경험의 창조입니다. 개인별 선호에 맞춘 세일즈·마케팅 자산을 떠올려 보십시오—아웃리치 이메일, 피치 덱, 랜딩 페이지, 계약서 작성까지. 커머스 플랫폼이 고객의 실제 공간의 디지털 트윈이나 본인 아바타 위에 상품을 시각화하게 하는 모습도 가능합니다.
이미 시장에는 많은 예시가 있지만, 가까운 미래에는 **Jeeva*의 CEO 가우라브 바타차리아(Gaurav Bhattacharya)**가 말했듯, 애플리케이션이 “고객 상호작용에 따라 AI가 자율적으로 적응하는 실시간, 연속 학습 시스템”이 되는 모습을 상상할 수 있습니다. 더 나아가, 사용자 의도 표현에 따라 필요한 역량과 콘텐츠를 노출·숨기는 전체 UI가 실시간으로 생성되는 수준에 이를 수도 있습니다.
마지막으로, 엔터프라이즈 소프트웨어에서 훨씬 더 개인화된 경험의 기회가 커지고 있습니다. 이는 AI가 관련 선호, 참여 패턴, 관계를 학습함에 따라, 개인 사용자·팀·부서·조직 레벨에서 모두 일어날 것입니다. 예를 들어 Outreach*는 조직의 모든 팀과 셀러를 위해 커스텀 ‘승리 모델’을 만들고, 딜 진행에 따라 실시간으로 업데이트합니다. 또한 커뮤니케이션과 자료는 점점 더 개인 고객에 맞춰 정교하게 튜닝되고 있습니다. 시간이 지나면, 공유 메모리를 가진 에이전트가 이 테마의 가장 완전한 표현이 될 것이라고 봅니다.
다이내미즘을 잘 보여주는 사례는 다음과 같습니다.
마지막으로, 새로운 AI 가치를 어떻게 패키징하고 가격 책정할지에 대한 논의입니다. 클라우드 시대 애플리케이션 기업이 선호하던 전통적 ‘좌석 기반’ SaaS 모델에, GenAI가 멸종 수준의 위협을 가할까요? 우리가 2024년 8월 마켓 메모에서 썼듯, 소프트웨어의 임박한 종말 소식은 과장됐습니다. 지배적 모델이 현상 유지를 뒤흔들지, 판단하기엔 아직 이르지만, 기업들이 새로운 가치와 비용을 균형 있게 다루고, 경쟁 위협을 완화하기 위해 적극적으로 실험하고 있음은 분명합니다. 우리는 AI-네이티브 애플리케이션이 다음을 어떻게 해나가는지 주의 깊게 살펴보고 있습니다.
우리는 이미 훨씬 이질적인 가격 환경에 들어섰습니다. 1) 기존 서비스에 GenAI 기능을 추가 비용 없이 포함시키는 경우(예: Workday), 2) GenAI 역량 접근을 제공하는 기존 제품의 프리미엄 SKU를 만드는 경우, 3) 완전히 새로운 독립형 GenAI 애플리케이션을 제공하는 경우, 4) 베이스 플랫폼 약정 위에 일부 사용량·성과 기반 상품을 테스트하는 경우가 보입니다.
GenAI 배포의 ‘지배적’ 모델은 아직 정립되지 않았습니다. 카테고리에 따라 크게 다를 수 있습니다. 다만 우리는 GenAI가 고객 니즈를 충족하기 위해 가치를 전달하는 방법을 확장하는 기술이라고 봅니다. 미래는 앱과 에이전트, 코파일럿과 오토파일럿의 혼합일 가능성이 큽니다. 가격에 관한 “이거나, 저거나” 논쟁 대신, 좌석 기반, 사용량 기반, 그리고 더 선별적으로 성과 기반 가격의 혼합을 보게 될 것입니다. 다양한 모델의 균형을 맞춰 고객 커버리지를 넓히고, 가격을 제공 가치와 더 투명하게 정렬하는 애플리케이션 개발사가 앞으로 승리할 것입니다.
최근 소프트웨어 지원 서비스의 성장과, 명시된 비즈니스 성과를 기준으로 가격이 매겨지는 에이전틱 시스템의 부상 가능성에 대해 많은 글이 나왔습니다. 여기에 더 시간을 쓰진 않겠습니다. 다만 진정한 파괴는 제품의 기술 역량만으로 오지 않으며, 종종 비즈니스 모델의 변화까지 수반한다는 점을 강조하고자 합니다(예: 라이선스에서 구독 소프트웨어로의 전환).
많은 기업이 이미 사용량·성과 기반 요소를 포함한 새로운 가격 접근을 도입했습니다. 주목할 만한 예시는 다음과 같습니다.
우리가 제시한 프레임워크는 빌더와 투자자 모두가 애플리케이션 레이어에서 AI로 가능한 차별화 지점을 사고하는 데 유용한 렌즈를 제공합니다. 그러나 진정한 돌파구는 이 차원들을 새로운 방식으로 혼합해 업무 자체를 근본적으로 재구상하는 창업자들로부터 나올 것입니다. 기존 제품을 더 앞선 역량으로 레트로핏하는 일은 여전히 필요하며 큰 가치를 만들겠지만, 장기적으로 오늘날의 엔터프라이즈 소프트웨어 리더를 능가할 수 있는 회사를 탄생시키려면 재발명이 필요합니다. 여러 서비스를 가로지르는 역량을 단일 경험으로 압축한 싱글 캔버스, ‘항상 켜져 있는’ 멀티모달 애플리케이션, 미터 기반 가격 같은 모습을 떠올려 보십시오.
오늘에서 그 잠재적 미래로 가려면, 테크 스택의 모든 레이어에서 상당한 개선이 필요합니다. 이는 적어도 일정 부분 스케일링 법칙이 유효해, 향후 수년간 프런티어 모델 역량이 계속 개선된다는 가정에 기대고 있습니다. 또한 성능 향상, 환각 감소, 정렬 보장, 컴플라이언스 유지, 보안 강화, 비용 관리 등 현재 모델들을 길들이는 어렵지만 덜 화려한 작업도 필요합니다.
고무적인 점은, 이들 과제는 모두 ‘익숙한’ 문제라는 것입니다. 여러 포트폴리오 기업 리더들은, 비용이 계속 하락하는 한 현세대 모델의 역량만으로도 향후 수년간 혁신할 여지가 남아 있다고 확신합니다.
GenAI의 정확한 궤적은 불확실하지만, 역량이 정체되지는 않을 것이라는 기대는 합리적입니다. 그렇다면 ‘무엇이 잘 풀릴 수 있는가?’라는 렌즈로 미래를 바라보면 무엇이 보일까요? 향후 몇 년간 엔터프라이즈 소프트웨어 애플리케이션은 어떻게 변모할까요?
그 미래는 어떻게 오게 될까요?
GPT-5급 모델이 언제 오든, 과대평가 대비 과소/과대 성과 여부와 무관하게 사람들의 AI 궤적에 대한 인식을 바꿀 것입니다. 산산이 부서지는 벤치마크와 새롭게 출현하는 역량은 무한한 낙관론을 촉발할 것이고, 점진적 개선은 단기적으로 기대와 밸류에이션을 낮출 수도 있습니다.
어느 쪽이든, 앞으로 몇 년 안에 무엇이, 어떤 비용으로 통할지 더 분명해질 것입니다. GenAI를 만드는 기업도, 사는 기업도 그에 맞춰 계획할 수 있습니다. 그들 스스로 ‘자기 편’을 드는 면이 있겠지만, 샘 알트먼과 그렉 브록먼이 표현한 전망—모델 역량은 계속 전진하고, AI 애플리케이션을 만드는 회사는 그 가정하에 운영해야 한다—에 우리도 동의합니다.
하지만 최근 몇 달간 보았듯, 모델 이름 뒤 숫자가 올라가야만 AI의 미래에 대한 기대가 커지는 것은 아닙니다. 제품 리더들에게 향후 가장 기대되는 부분을 물었을 때, 그들은 추론 연구의 방향과, 그것이 ‘핵심 이해’에서 ‘더 깊은 사고’, ‘진정한 에이전틱 시스템’으로의 진화를 어떻게 가속할지에 대해 이야기했습니다.
지금 사람들은 AI의 ‘패스트푸드’ 버전에 집중하며 즉각적 답을 원합니다. 우리의 큰 베팅 중 하나는, 충분한 시간을 주면 복잡한 질문에 새로운 답을 찾아낼 수 있는 시스템을 가동하는 것입니다.
마크 벨르메어(Marc Bellemare) Reliant 공동창업자 & 최고과학책임자
모델의 행동 실행, 더 오래 ‘생각’하는 모델, 텍스트에 비해 뒤처졌던 다른 모달리티의 ‘추격’은 모두, 우리가 제시한 프레임워크의 여러 차원에서 애플리케이션이 차별화할 기회를 더 확장할 것입니다. 거의 확실히 새로운 연구 영역도 보조를 맞출 것입니다. 이는 애플리케이션 레이어에서의 새로운 실험의 시대로 이어지고 있으며, 우리는 이보다 더 흥분될 수 없습니다. 빌더의 팔레트는 거의 매주 확장되고 있고, 이제 제품 아키텍처, 모델, 사용자 인터페이스, 공공·사설 데이터 소스, 전달 메커니즘을 이전에는 존재하지 않던 방식으로 ‘믹스’할 수 있습니다. 변화의 속도는 숨가쁩니다.
그렇다고 길이 평탄한 것은 아닙니다. 많은 카테고리에서 광범위 배포까지의 진전은 예상보다 더 오래 걸릴 수 있습니다. 워크플로 재발명을 위한 실험의 상당수—아니 대부분—는 실패할 것입니다. 그리고 파괴 대신, 많은 소프트웨어 카테고리에서 AI는 오히려 기존 리더를 강화할 것입니다. 그러나 새로운 역량을 빠르게 통합·표현하는 ‘조합적 혁신’을 보여주는 애플리케이션·에이전트 기업은, 다가올 AI 소프트웨어 시대를 정의할 ‘의미 있는 기업’으로 자리매김할 것입니다.
사파이어 벤처스(Sapphire Ventures)는 AI-네이티브 애플리케이션 기업을 지속적으로 지원하고, 그들로부터 배우는 데 전념합니다. 이 영역에서 빌딩 중이라면 꼭 연락 주세요! cathy@sapphireventu res.com, kburke@sapphireventu res.com, misty@sapphireventu res.com, aditya@sapphireventu res.com로 연락 바랍니다.
Pamela Wickersham(Supio* 제품 총괄), Emrecan Dogan(Glean* 제품 총괄), Emily Golden(Runway 그로스 마케팅 총괄), Vaibhav Nivargi(Moveworks* 창업자 & CTO), Tim Smith(Medable* 공동창업자 & CTO), Alon Slutzky(Paradox* 엔지니어링 VP), Sola Bright(Meta 프로덕트 리드), Zachary Lipton(Abridge CTO), Kunal Gosar(Arcus 공동창업자 & CEO), Tony Stoyanov(EliseAI* CTO), Gaurav Bhattacharya(Jeeva* CEO), Marc Bellemare(Reliant AI 공동창업자 & CSO), Drew Regitsky(Gem* 리드/창립 엔지니어)께 감사드립니다.
*** 별표(*)는 Sapphire Ventures 포트폴리오 회사를 의미합니다.**
