AI 에이전트가 소프트웨어를 쓰기 시작하면 SaaS 회사의 기본 가정이 바뀝니다. 지금까지는 사람이 소프트웨어를 썼고 회사는 사람 수만큼 좌석을 팔았습니다. 그런데 직원 1,000명이 에이전트 10만 개를 돌린다고 해서 10만 석 요금을 받을 수는 없습니다.

원문은 이 지점에서 앱 회사의 생존 조건을 두 가지로 좁힙니다. 하나는 사용자가 어떤 결정을 내렸는지 보여주는 데이터입니다. 다른 하나는 실제 돈이 움직이는 흐름입니다. 에이전트가 남기는 건 판단과 결제입니다. 앱 회사가 오래 버티려면 둘 중 하나는 가져야 합니다. 가능하면 둘 다 가져야 합니다.

컨텍스트보다 수정 기록이 더 중요합니다

요즘 AI 앱 피치를 보면 대부분 컨텍스트를 방어력으로 말합니다. 사내 문서, 고객 정보, 업무 흐름, 관계 그래프를 모델 앞에 잘 가져다 놓으면 경쟁사가 따라오기 어렵다는 논리입니다. 원문은 이 부분을 이미 기본값으로 봅니다. 컨텍스트는 누구나 모으려 합니다.

차이를 만드는 건 사용자가 AI의 결과를 고친 기록입니다. 개발자가 제안 코드를 받아들이거나 되돌리는 순간, 변호사가 계약서 문장을 고치는 순간, 금융 애널리스트가 모델의 분석을 손보는 순간마다 그 분야의 판단 기준이 남습니다. 이 기록은 단순 로그가 아닙니다. 특정 업무에서 무엇이 맞는지 알려주는 채점표에 가깝습니다.

이 채점표는 두 가지 일을 합니다. 먼저 빌려 쓰는 프런티어 모델을 우리 업무에 맞게 조정하는 학습 신호가 됩니다. 동시에 에이전트가 실제로 나아지고 있는지 확인하는 테스트셋이 됩니다. 공개 벤치마크는 우리 회사의 계약 검토 방식이나 투자 메모 작성 방식을 측정하지 못합니다. 사용자의 수정 기록만이 그 일을 합니다.

Cursor 사례가 말하는 데이터 Moat

원문은 Cursor를 긴 예시로 듭니다. 코드 에디터 화면은 빠르게 복제됩니다. 실제로 비슷한 클론은 금방 나왔습니다. 하지만 사용자가 모델 제안을 어디서 받아들이고 어디서 거절하며 어떤 식으로 다시 쓰는지는 복제하기 어렵습니다.

Cursor가 쌓은 diffs는 개발자의 취향과 판단이 누적된 데이터입니다. 원문은 xAI가 Cursor를 거액에 살 수 있는 옵션을 갖고 있다는 사례까지 끌어옵니다. 소프트웨어 자체보다 토큰 흐름과 수정 기록이 더 중요해졌다는 주장입니다. Anthropic과 OpenAI도 Claude Code와 Codex에서 개발자의 작업 흐름을 봅니다. 그만큼 판단 데이터가 모델 경쟁의 재료가 됐습니다.

법률과 금융 분야도 같은 구조입니다. 변호사가 초안을 어떻게 고치는지, 애널리스트가 모델과 메모를 어떻게 수정하는지는 외부에서 점수화하기 어렵습니다. Sarah Guo가 말한 “untrainable” 영역입니다. 정답을 바깥에서 채점할 수 없는 업무일수록, 제품 안에 남는 수정 기록이 더 큰 자산이 됩니다.

데이터만 쌓으면 과학 프로젝트가 됩니다

데이터가 많다고 강한 비즈니스가 되지는 않습니다. 원문은 23andMe 사례를 꺼냅니다. 유전자 데이터는 귀하지만 그 데이터 위에서 돈이 흐르지 않으면 회사는 오래 버티기 어렵습니다. 데이터만 있고 결제 흐름이 없으면 연구 프로젝트에 가깝습니다.

Toast, Ramp, Shopify 같은 회사가 다른 길을 보여줍니다. 처음에는 소프트웨어처럼 보였지만 실제 방어력은 결제, 카드, 대출 같은 금융 흐름에서 생겼습니다. 식당 운영 소프트웨어는 결제 처리와 연결됩니다. 법인카드는 지출 데이터와 연결됩니다. 쇼핑몰 도구는 판매 데이터와 대출로 연결됩니다.

에이전트 시대에는 이 길목이 더 중요해집니다. 에이전트가 항공권을 예약하고 부품을 주문하며 광고비를 집행합니다. 벤더 결제까지 맡는다면 누군가는 승인, 정산, 위험 관리를 처리해야 합니다. Stripe, Visa, Mastercard가 에이전트 결제 표준을 두고 움직이는 이유도 여기에 있습니다.

가장 강한 회사는 판단과 돈을 서로 바꿉니다

원문에서 가장 실용적인 부분은 Shopify 이야기입니다. Shopify는 쇼핑몰 구축 도구에서 시작했지만 결제를 붙였습니다. 이후 판매 데이터를 바탕으로 Shopify Capital을 만들었습니다. 은행이 보기 어려운 상점의 실제 매출 흐름을 플랫폼이 이미 보고 있었기 때문에 가능한 일입니다.

상인이 Shopify에서 팔고 결제받고 성장 자금을 빌리면 데이터와 돈이 같은 경로에 쌓입니다. 매출이 늘면 다음 대출의 근거도 좋아집니다. 이 루프가 강합니다. Stripe Radar나 Ramp의 지출 데이터 기반 금융 상품도 비슷한 방식으로 판단 데이터를 돈의 흐름으로 바꿉니다.

앱 회사가 오래 남으려면 단순 기능을 제공하는 화면에서 멈추면 안 됩니다. 사용자가 실제로 어떤 결정을 내렸는지 기록해야 합니다. 그 결정이 돈의 이동으로 연결되는 지점도 잡아야 합니다. 둘이 연결될 때 방어력이 생깁니다.

읽기는 열고 쓰기는 지켜야 합니다

에이전트를 막을 수는 없습니다. 앞으로 소프트웨어는 사람이 직접 클릭하는 화면만이 아니라, 에이전트가 호출하는 시스템이 됩니다. 앱 회사가 살아남으려면 에이전트가 읽을 수 있게 열어야 합니다. 읽기를 막으면 제품이 업무 흐름에서 빠질 가능성이 커집니다.

다만 쓰기 경로는 지켜야 합니다. 여기서 쓰기는 단순히 데이터베이스에 row를 추가하는 일이 아닙니다. 새로운 판단이 입력되는 순간입니다. 사람이 승인하고 에이전트가 제안하며 누군가 수정하거나 되돌리는 지점입니다. 경쟁사가 긁어갈 수 있는 건 어제의 상태에 가깝습니다. 지금 막 생긴 결정은 제품 안에 남겨야 합니다.

Salesforce가 Slack 데이터를 외부 에이전트에서 차단한 사례도 같은 긴장 위에 있습니다. 시스템은 에이전트에게 충분히 열려 있어야 합니다. 하지만 고객이 필요한 것만 가져가고 떠날 정도로 완전히 열려 있으면 안 됩니다. 원문은 이 균형을 “읽기는 열고 쓰기는 지킵니다”로 설명합니다.

“Anthropic이 만들면?”이라는 질문

앱 회사가 가장 자주 묻는 질문은 비슷합니다. OpenAI나 Anthropic이 같은 기능을 만들면 우리는 어떻게 되나. 원문은 이 질문에 두 층으로 답합니다.

먼저 연구소가 보는 데이터는 대부분 일반적인 작업 흐름입니다. 코딩, 글쓰기, 검색 같은 영역은 여러 모델 회사가 동시에 보고 있고 빠르게 상품화됩니다. 반면 병원이 스캔을 읽는 방식, 특정 회사가 어떤 거래를 포기하는 기준, 법무팀이 계약서의 어느 문장을 특히 민감하게 보는지는 제품 안쪽에 있습니다. 기업 계약상 모델 제공자가 학습에 쓰지 않겠다고 약속한 데이터라면 더더욱 제품 회사가 지켜야 할 자산입니다.

두 번째는 금융입니다. 모델 회사는 데이터에는 관심이 많지만 대출 장부, 사기 손실, 결제 라이선스, 주별 송금업 규제까지 떠안고 싶어 하지는 않습니다. 데이터는 인수 매력을 만듭니다. 돈의 흐름은 대체하기 어려운 운영 복잡도를 만듭니다.

앱 회사가 단순 기능 회사로 남으면 “모델 회사가 만들면 끝”이라는 질문을 계속 피하기 어렵습니다. 사용자의 판단이 쌓이는 쓰기 경로를 잡아야 합니다. 그 판단이 돈의 이동으로 이어지는 길목에도 서야 합니다. 그때부터는 기능 경쟁이 아니라 운영 흐름 경쟁이 됩니다.

짧게 보면

  • 에이전트가 소프트웨어의 주 사용자가 되면 기존 인당 과금 모델은 약해집니다.
  • 앱 회사의 핵심 자산은 컨텍스트 자체보다 사용자가 AI 결과를 수정, 승인, 거절한 판단 기록입니다.
  • 결제, 카드, 대출처럼 돈이 움직이는 경로를 잡아야 데이터가 실제 비즈니스 방어력으로 바뀝니다.
  • 에이전트에게 읽기는 열어주되, 새로운 결정이 입력되는 쓰기 경로는 제품 안에 남겨야 합니다.