AI 에이전트가 플랫폼으로 진화하는 중
소프트웨어의 역사적인 전환점
바쁘신 분들을 위한 5초 요약
2024~2026년 가장 뜨거운 투자 테마인 AI 에이전트를 둘러싸고 근본적인 질문이 제기되고 있다. "AI 에이전트는 기존 SaaS처럼 특정 업무를 자동화하는 애플리케이션인가, 아니면 Windows나 iOS처럼 모든 소프트웨어가 그 위에서 작동하는 플랫폼(OS)인가?" 이 질문의 답은 단순한 분류 문제가 아니라, 향후 10년간 소프트웨어 산업 구조를 결정짓는다. Sequoia Capital은 "AI 에이전트가 SaaS를 대체하는 것이 아니라 소프트웨어 스택 자체를 재편한다"고 전망했다. 투자자와 창업자 모두 이 패러다임 전환을 이해해야만 올바른 전략을 수립할 수 있다.
소프트웨어 역사의 전환점
"AI 에이전트는 새로운 Salesforce인가, 아니면 새로운 Windows인가?"
이 질문이 실리콘밸리 투자자들 사이에서 가장 뜨거운 논쟁거리다. 표면적으로는 철학적 질문처럼 보이지만, 실제로는 수천억 달러 규모의 투자 결정과 스타트업 전략을 좌우하는 핵심 문제다.
왜 이 질문이 중요한가?
SaaS로 본다면:
특정 업무(CRM, HR, 회계 등)에 특화된 수직적 솔루션
기존 SaaS 비즈니스 모델 적용 가능 (구독료, seat-based pricing)
시장은 여러 플레이어로 분할 (Salesforce, Workday, SAP 등 공존)
OS로 본다면:
모든 애플리케이션의 기반 레이어
Winner-takes-most 시장 구조 (Windows, iOS, Android처럼)
플랫폼 비즈니스 모델 (생태계, 마켓플레이스, API)
이 차이는 투자 규모, 경쟁 전략, Exit 밸류에이션을 완전히 다르게 만든다.
시장의 혼란스러운 신호들
SaaS처럼 보이는 증거:
대부분 AI 에이전트 스타트업이 특정 업무에 집중 (영업 에이전트, 고객지원 에이전트, 채용 에이전트)
구독 기반 가격 모델
기존 SaaS와 통합되어 작동
OS처럼 보이는 증거:
OpenAI의 GPT Store, Anthropic의 Claude 생태계 → 앱스토어 구조
에이전트끼리 대화하고 협업하는 "Multi-agent" 시스템
Microsoft Copilot이 Windows 11에 깊숙이 통합
이 혼란은 우연이 아니다. AI 에이전트는 진화 중이며, SaaS에서 시작해 OS로 향하는 과도기일 수 있다.
SaaS 관점 - AI 에이전트를 애플리케이션으로 보기
1. 현재 대부분의 AI 에이전트는 SaaS다
2024~2025년 AI 에이전트 스타트업의 전형적 패턴:
Vertical AI Agents: 특정 산업/업무에 특화
예: Harvey (법률), Hippocratic AI (헬스케어), 11x (영업 SDR)
Horizontal AI Agents: 범용적이지만 특정 기능
예: Notion AI (문서 작성), Jasper (마케팅 카피)
이들은 본질적으로 자동화된 SaaS다. 과거에 사람이 소프트웨어를 조작했다면, 이제는 AI가 대신 조작한다.
전통적 SaaS와의 비교:
특성
전통적 SaaS
AI Agent SaaS
사용자 인터페이스
GUI (버튼, 폼)
대화형 (채팅, 음성)
업무 수행
사람이 클릭/입력
AI가 자동 실행
가격 모델
Seat-based
Usage-based 또는 outcome-based
커스터마이징
설정 메뉴
프롬프트 또는 fine-tuning
핵심: 인터페이스와 실행 방식은 다르지만, 업무 범위(scope)는 여전히 제한적이다.
2. SaaS 관점의 비즈니스 모델
가격 책정 전략:
Usage-based: API 호출 횟수, 처리한 문서 수 (예: Jasper - 단어당 과금)
Outcome-based: 성과에 따라 과금 (예: 11x SDR - 예약된 미팅당)
Hybrid: 기본 구독 + 초과 사용량 (예: Notion AI)
고객 확보 전략:
기존 SaaS와 유사: 프리미엄, 제품 주도 성장(PLG), 영업 팀
차별점: 빠른 가치 실현(Time-to-value) - 몇 주가 아닌 몇 분
시장 구조:
다수의 niche player 공존 가능
각 vertical에서 1~3개 리더 출현
M&A 활발 (기존 SaaS 기업들이 AI 에이전트 스타트업 인수)
3. SaaS 관점의 경쟁 우위
AI 에이전트 SaaS가 방어 가능한 해자(moat):
도메인 특화 데이터: 법률, 의료 등 특수 도메인의 학습 데이터
Workflow 통합: 기존 엔터프라이즈 시스템과의 깊은 통합
규제/컴플라이언스: SOC2, HIPAA 등 인증 및 신뢰
브랜드/고객 관계: 엔터프라이즈 영업 관계
예시: Harvey (법률 AI)
Vertical: 법률 업무에만 집중
데이터: 법률 문서, 판례 특화 학습
통합: 법무법인 문서관리시스템과 통합
신뢰: 대형 로펌들과 파트너십
결과: 시리즈 C $100M, 밸류에이션 $715M (2024)
이는 전형적인 Vertical SaaS 성공 사례다.
4. SaaS 관점의 한계
그러나 AI 에이전트를 단순히 SaaS로만 보면 놓치는 것들이 있다:
에이전트 간 협업: Sales Agent + Marketing Agent + Finance Agent가 함께 작동
범용성의 확대: 특화 에이전트가 점점 더 많은 업무 수행
자율성의 증가: 사람 개입 없이 에이전트끼리 의사결정
이는 SaaS를 넘어서는 신호들이다.
OS 관점 - AI 에이전트를 플랫폼으로 보기
1. OS(운영체제)의 본질적 기능
전통적 OS가 하는 일:
리소스 관리: CPU, 메모리, 스토리지 배분
추상화 레이어: 하드웨어와 애플리케이션 사이 중재
애플리케이션 실행 환경: 앱들이 작동하는 기반
생태계 허브: 개발자들이 앱을 만들고 배포하는 플랫폼
AI 에이전트 OS의 유사 기능:
리소스 관리: LLM API, 데이터 소스, 외부 도구 접근 관리
추상화 레이어: 다양한 LLM, 데이터베이스, API를 통합
에이전트 실행 환경: 에이전트들이 작동하는 런타임
생태계 허브: 에이전트 마켓플레이스, 개발자 플랫폼
2. AI 에이전트 OS의 출현 신호
2024~2025년 등장한 "OS급" 플랫폼들:
OpenAI GPTs & GPT Store
누구나 custom GPT 생성 가능
GPT Store에서 배포 및 수익화
GPT끼리 연결되어 협업 (향후 로드맵)
200만 개 이상 커스텀 GPT 생성 (2024년 기준)
Anthropic Claude + MCP (Model Context Protocol)
에이전트가 외부 데이터/도구에 안전하게 접근
표준화된 프로토콜로 생태계 구축
Enterprise 고객이 자체 에이전트 배포 플랫폼으로 활용
Microsoft Copilot
Windows 11, Office 365, Azure 전체에 통합
Copilot Studio: 기업이 자체 에이전트 개발
"Copilot for X" 패턴 → 모든 앱이 에이전트 기반으로
Google AI Studio & Agent Builder
Gemini 기반 에이전트 개발 플랫폼
Google Workspace, Cloud 전체 통합
엔터프라이즈 에이전트 배포 인프라
3. Multi-Agent 시스템: OS의 결정적 증거
단일 에이전트 vs 멀티 에이전트:
과거 (SaaS 패러다임):
각 SaaS는 독립적으로 작동
통합은 API나 Zapier 같은 middleware 필요
사람이 중재자 역할
현재/미래 (OS 패러다임):
에이전트들이 직접 대화하고 협업
공통 "에이전트 프로토콜"로 통신
사람 개입 없이 자율적 워크플로우
실제 사례: AutoGPT, BabyAGI, CrewAI
이들은 "에이전트 오케스트레이션 프레임워크"로, 여러 에이전트를 조율한다. 이는 OS의 프로세스 스케줄러와 유사한 역할이다.
예시 시나리오:
Sales Agent가 잠재 고객 발견
Research Agent가 해당 고객 정보 조사
Content Agent가 맞춤형 제안서 작성
Email Agent가 발송 및 후속 관리
CRM Agent가 모든 정보 기록
이 전체 프로세스가 사람 개입 없이 자동으로 실행된다면? 이는 SaaS가 아니라 운영체제 위에서 실행되는 프로그램들에 가깝다.
4. OS 관점의 비즈니스 모델
플랫폼 비즈니스 특성:
네트워크 효과: 더 많은 에이전트 → 더 많은 개발자 → 더 좋은 플랫폼
Winner-takes-most: 지배적 플랫폼 1~2개만 살아남음
생태계 수익화: 에이전트 마켓플레이스 수수료 (앱스토어 모델) API usage fee Enterprise licensing
가격 전략:
개인/소규모: 무료 또는 저가 (생태계 확대)
엔터프라이즈: 고가 라이센스 (보안, 관리, SLA)
개발자: API usage-based (AWS처럼)
OpenAI의 전략:
ChatGPT 무료/유료 ($20/월) → 대중 확산
API ($0.01~0.06 per 1K tokens) → 개발자 생태계
Enterprise ($60/user/월) → 기업 시장
GPT Store 수익 분배 (향후) → 생태계 활성화
이는 Apple의 iOS 전략과 매우 유사하다.
과도기 - SaaS에서 OS로의 진화 경로
1. 현재 위치: SaaS와 OS 사이
대부분의 AI 에이전트는 과도기에 있다:
1단계 (2023~2024): AI-enhanced SaaS
기존 SaaS에 AI 기능 추가
예: Notion AI, Salesforce Einstein GPT
본질: 여전히 사람이 주도, AI는 보조
2단계 (2024~2025): AI-first Agent
AI가 주도적으로 업무 수행
예: 11x (AI SDR), Glean (AI 검색/분석)
본질: 특정 업무에 특화된 자율 에이전트
3단계 (2025~2027): Multi-Agent Platforms
여러 에이전트가 협업
예: LangChain, CrewAI 기반 시스템
본질: 에이전트 오케스트레이션 레이어 등장
4단계 (2027~2030+): Agent OS
모든 소프트웨어가 에이전트 기반으로 재편
에이전트 간 표준 프로토콜 확립
본질: 새로운 컴퓨팅 패러다임
2. 기존 SaaS 기업의 대응 전략
전략 A: 방어적 - AI 기능 추가
기존 제품에 AI agent 기능 통합
예: Salesforce Agentforce, ServiceNow Agent Ecosystem
장점: 기존 고객 베이스 유지
단점: 레거시 시스템 제약
전략 B: 공격적 - 플랫폼 전환
자사를 에이전트 플랫폼으로 재포지셔닝
예: HubSpot AI Agent Marketplace (가상)
장점: 새로운 생태계 주도
단점: 높은 리스크, 대규모 투자 필요
전략 C: 협력적 - 오픈 생태계 참여
OpenAI, Anthropic 같은 플랫폼 위에서 에이전트 개발
예: Zapier AI Actions, Slack AI
장점: 빠른 혁신, 낮은 리스크
단점: 플랫폼 의존성
3. 스타트업의 선택: Vertical Agent vs Platform
Vertical Agent (SaaS 접근):
특정 업무/산업에 깊이 특화
빠른 PMF, 명확한 ROI
Exit: 기존 SaaS에 M&A ($100M~$1B)
Horizontal Platform (OS 접근):
범용 에이전트 플랫폼 구축
긴 개발 기간, 대규모 자금 필요
Exit: IPO 또는 메가 M&A ($5B+)
대부분의 스타트업 현실:
Vertical로 시작 → 트랙션 확보 → Horizontal 확장
예: Notion (문서 도구 → 워크플로우 플랫폼 → AI 플랫폼)
투자자 관점 - 어디에 베팅할 것인가
1. VC들의 포트폴리오 전략
Tier 1 VC (Sequoia, a16z, Benchmark)의 접근:
멀티 베팅 전략:
플랫폼 레이어: OpenAI, Anthropic, Mistral 같은 foundation 투자
인프라 레이어: LangChain, LlamaIndex 같은 개발 도구
애플리케이션 레이어: 다양한 vertical agent 스타트업
논리: "아직 SaaS vs OS 승자 불명확 → 전 레이어 투자"
2. 밸류에이션 차이
AI Agent SaaS (Vertical):
ARR 기준 10~20x 밸류에이션
시리즈 A: $5M~$15M ARR에서 $50M~$200M 밸류
Exit 목표: $500M~$2B
AI Agent Platform (OS 지향):
사용자 수, 생태계 규모 기준
시리즈 A: 트랙션 적어도 $200M~$500M 밸류
Exit 목표: $10B+
예시 비교:
Harvey (Legal AI Agent): $715M 밸류 (2024)
OpenAI (Platform): $157B 밸류 (2025)
200배 이상 차이. 이것이 "OS 프리미엄"이다.
3. 투자 리스크 평가
SaaS 접근의 리스크:
플랫폼 의존성: OpenAI가 같은 기능 출시하면?
제한적 확장성: Vertical 시장 크기의 한계
경쟁 심화: 진입장벽 낮아 경쟁자 난립
OS 접근의 리스크:
실행 리스크: 플랫폼 구축은 시간과 자본 집약적
네트워크 효과 실패: 생태계 형성 실패 시 가치 0
거대 기업 경쟁: Microsoft, Google과 정면 대결
4. 2026년 투자 트렌드 예측
단기 (2026~2027):
Vertical AI Agent 투자 지속 (확실한 ROI)
틈새 산업 특화 에이전트 각광
M&A 활발 (기존 SaaS 기업들의 인수)
중기 (2027~2029):
Multi-agent orchestration 플랫폼 부상
"Agent OS" 컨셉의 스타트업 대규모 펀딩
표준화 시도 (Agent Communication Protocol 등)
장기 (2030+):
2~3개 지배적 Agent OS 플랫폼 등장
대부분의 vertical agent는 플랫폼 위 앱으로 전환
새로운 밸류체인 확립
답은 "둘 다"이며 "진화 중"이다
핵심 인사이트
AI 에이전트는 SaaS로 시작해 OS로 진화하는 중이다.
현재 (2024~2026):
대부분은 SaaS다 (특정 업무 자동화)
하지만 OS의 씨앗이 심어지고 있다 (플랫폼, 생태계)
향후 5년 (2026~2031):
Vertical agent들이 성숙하며 수평 확장
Multi-agent 시스템이 표준화
"Agent OS" 플랫폼들 간 경쟁 본격화
장기 (2031+):
소프트웨어 패러다임 자체가 변화
"앱"의 개념이 "에이전트"로 대체
새로운 OS 질서 확립 (Windows/iOS 이후 최대 변화)
창업자를 위한 전략
만약 Vertical Agent를 만든다면:
깊고 좁게: 특정 업무의 진정한 전문가 되기
데이터 해자: 도메인 특화 데이터 확보
빠른 PMF: 6~12개월 내 명확한 ROI 증명
Exit 계획: 3~5년 내 M&A 또는 시리즈 C
만약 Platform을 만든다면:
개발자 우선: 쉽고 강력한 개발 도구
생태계 전략: 초기부터 파트너/개발자 커뮤니티
장기 자본: 최소 $100M+ 조달 각오
인내심: PMF까지 2~3년 소요 예상
투자자를 위한 전략
포트폴리오 분산:
70%: Vertical agents (안정적 리턴)
20%: Infrastructure/tools (옵션성)
10%: Platform bets (high risk, high return)
Due Diligence 질문:
"당신의 에이전트가 다른 에이전트와 협업할 수 있나요?"
"플랫폼 의존성이 얼마나 높나요?"
"5년 후 이 회사는 독립 SaaS인가, 플랫폼의 일부인가?"
마지막 생각
AI 에이전트는 SaaS인가, OS인가?
답: 지금은 SaaS, 미래는 OS, 과정은 진화.
이 진화를 이해하고 그에 맞는 전략을 세우는 자만이 다음 10년의 승자가 될 것이다. Salesforce가 SaaS 시대를 정의했고, Microsoft가 OS 시대를 지배했듯이, AI 에이전트 시대의 새로운 거인이 곧 등장할 것이다.
당신은 그 거인이 될 것인가, 아니면 그 위에서 번창하는 애플리케이션이 될 것인가? 선택은 당신의 몫이다.
출처:
Sequoia Capital - AI Agent Market Analysis 2024
Andreessen Horowitz - The Agent Economy
OpenAI - GPT Store Ecosystem Report
Microsoft - Copilot Platform Strategy
CB Insights - AI Agent Startup Landscape 2025
a16z - SaaS vs Platform Economics
Benedict Evans - AI Agents and Software Architecture
발행일: 2026년 2월 10일
작성: Venture Digest 인사이트팀
문의: connect@abyplus.com
더 많은 정보 확보하기: https://venturedigest.lovable.app/
