Glean이 연매출 3억 달러를 돌파했습니다. (TechCrunch, 2026-06-01)

그 성공 이유가 흥미롭습니다. “더 똑똑한 AI 검색”이 아닙니다. 공식 셀링포인트는 “AI 예산 절감(budget cutting)“입니다.

같은 날, Every CEO의 Dan Shipper는 지난달 OpenAI Codex에 1만 3,000달러를 썼다고 공개했습니다. 그의 표현은 단순했습니다. “정상적인 업무비입니다.”

이 두 신호가 같은 것을 말합니다.

기업이 에이전트에 돈을 쓰는 이유는 AI가 ‘더 똑똑해서’가 아닙니다. AI 비용을 운영 가능한 고정비로 바꿔주기 때문입니다.

변동비 vs 고정비: 모든 구매 결정의 근간

기업 예산 담당자의 세계에서 비용은 두 가지뿐입니다.

변동비: 프리랜서, 외주, 컨설팅, 토큰 사용량. 쓴 만큼 냅니다. 예측이 어렵습니다. 예산을 짜기 어렵습니다.

고정비: 구독료, 라이선스, 내부 인력. 월초에 숫자를 압니다. 예산을 짤 수 있습니다. 조직에 박힙니다.

AI는 지금까지 변동비의 세계에 있었습니다. API 호출할수록 비용이 늘고, 얼마가 나올지 예측하기 어려웠습니다. 기업 구매 담당자에게 이건 “실험 예산”입니다. 승인 프로세스가 길고, 취소가 쉽습니다.

그런데 지금 일어나는 일이 다릅니다.

Dan Shipper가 Codex에 월 1만 3,000달러를 쓴다는 말의 핵심은 금액이 아닙니다. 그가 그것을 “정상적인 업무비”로 인식한다는 점입니다. 그 순간 에이전트는 실험이 아니라 운영비 항목이 됩니다. 예산에 박힙니다. 취소 저항이 생깁니다.

Glean이 “AI 예산 절감”을 셀링포인트로 쓰는 것도 같은 맥락입니다. “더 나은 검색”이 아니라 “지금 쓰는 외주·컨설팅 비용을 줄여드립니다”가 진짜 메시지입니다. 기업 구매 담당자에게 이건 투자(ROI 불확실)가 아니라 비용 절감(즉시 정당화 가능)입니다.

운영가치 실증 세 가지 — 데모가 아닙니다

이번 주 나온 사례 세 건이 이 논리를 뒷받침합니다.

Boston Children’s Hospital: 희귀질환 환자 40건 이상에서 진단 보조 에이전트를 운영합니다. 측정 지표가 “진단 정확도 향상”이 아닙니다. “운영부담 감소”입니다. 의사가 같은 시간에 더 많은 케이스를 볼 수 있는 구조를 만드는 것이 목표입니다. 의료 인력 비용은 고정비 중의 고정비입니다. 에이전트가 그 고정비를 더 효율적으로 쓰게 해줄 때 병원은 구매 결정을 냅니다.

MUFG: ChatGPT Enterprise 도입으로 “AI-native 전환”을 선언했습니다. 대규모 금융 서비스에서 AI-native의 실질적 의미는 분석가 인력 구조를 바꾼다는 뜻입니다. 외부 리서치·분석 외주를 줄이고, 내부 에이전트로 대체합니다. 변동비가 상대적으로 예측 가능한 구조로 이동합니다.

Endava: Codex로 요구사항 분석 시간을 “몇 주에서 몇 시간”으로 줄였습니다. 이 숫자가 중요한 이유가 따로 있습니다. 요구사항 분석은 클라이언트에게 청구하거나 내부 인력으로 처리하는 작업입니다. 둘 다 사람 시간 비용입니다. 에이전트가 그 시간을 압축하면 Endava는 같은 인력으로 더 많은 프로젝트를 돌릴 수 있습니다. 이것이 에이전트 ROI의 실제 형태입니다.

공통점을 보면 하나로 귀결됩니다. 세 사례 모두 “AI가 더 똑똑해졌다”가 아닙니다. “기존에 사람 시간·외주비로 처리하던 것을 에이전트가 흡수했다”입니다.

한국 시장이 말하는 것

한국에서도 같은 언어가 나오기 시작했습니다.

삼성전자·SK하이닉스가 Anthropic에 조단위 투자를 결정했습니다. 이 투자를 “AI 모델에 대한 베팅”으로 읽으면 절반만 본 겁니다. 진짜 그림은 HBM·파운드리·AI 칩이 에이전트 실행 인프라로 묶이는 구조입니다. 에이전트는 소프트웨어이면서 동시에 실행 인프라입니다. 그 인프라를 누가 공급하느냐가 다음 경쟁 축입니다.

삼성SDS는 데이터 전략·AI 운영체계·거버넌스를 묶은 기업 전환 로드맵을 발표했습니다. “AX(AI Transformation)“라는 표현에서 중요한 단어는 AI가 아니라 “운영체계”입니다. 운영체계는 교체 비용이 큽니다. 한번 들어가면 나오기 어렵습니다. 그것이 고정비의 본질입니다.

배경훈 부총리는 “모두의 AI”를 연내 출시하겠다고 했습니다. 공공 AI를 “챗봇”이 아니라 “일상 업무 대행 에이전트”로 정의한다고 했습니다. 정부 입장에서 업무 대행이란 공무원 인건비(고정비 중의 고정비)를 에이전트가 일부 흡수하는 구조입니다. B2G 에이전트 구매 논리도 결국 같습니다.

하네스 시대가 뜻하는 것

GeekNews에서 tomtunguz의 “AI 이후의 소프트웨어: 하네스 시대”가 13포인트를 받았습니다. 같은 날 yairwein의 “LLM 시대의 엔지니어링”이 14포인트였습니다.

두 글의 공통 주장은 이렇습니다. 고정 워크플로와 관리형 DB를 중심으로 돌던 SaaS가 지능형 AI 하네스로 재편된다는 것입니다.

“하네스(harness)“라는 단어가 중요합니다. 하네스는 에너지를 제어하고 방향을 잡는 구조물입니다. AI를 하네스한다는 것은 AI의 힘을 예측 가능한 방향으로, 비용 가능한 구조로 묶는다는 뜻입니다.

기업이 에이전트를 사는 것은 AI의 “지능”을 사는 것이 아닙니다. AI를 자기 업무 흐름에 하네스하는 구조를 사는 겁니다. 그 구조가 운영 가능한 고정비로 들어올 때 구매 결정이 납니다.

PM이 지금 다시 설계해야 할 것

에이전트 시대에 PM이 가장 흔히 빠지는 실수를 하나 꼽으면 이겁니다. 기능 목록을 늘리고, 정확도를 높이고, 응답 속도를 줄이는 데 집중합니다.

이 모든 것이 틀린 방향은 아닙니다. 하지만 구매 결정을 만드는 변수가 아닙니다. 성능 경쟁은 끝이 없습니다. 오늘 가장 정확한 모델이 내일 교체됩니다.

기업 구매자를 움직이는 언어는 세 가지입니다.

첫째, 대체하는 비용을 명시합니다. “지금 변동비로 나가는 외주 분석비, 컨설팅 비용, 초과근무 비용 중 하나를 줄여드립니다.” 추상적인 “생산성 향상”이 아닙니다. 구체적인 비용 항목 하나입니다.

둘째, 예측 가능한 구조를 제시합니다. 불확실한 사용량 기반 과금이 아니라 월 고정비가 어느 범위에 들어오는지를 먼저 보여줍니다. Dan Shipper가 월 1.3만 달러를 “정상 업무비”로 수용한 이유는 숫자가 예측 가능했기 때문입니다. Glean이 연매출 3억 달러를 찍을 수 있는 이유도 기업 예산에서 항목이 됐기 때문입니다.

셋째, 전환 비용을 설계합니다. 이것은 잠금(lock-in)이 아닙니다. 업무 흐름에 통합된 에이전트를 떼어내는 것 자체가 비용이 되는 구조를 만드는 겁니다. 그 전환 비용이 충성도입니다. 에이전트 비즈니스의 해자는 모델 성능이 아니라 업무 흐름 통합 깊이에서 나옵니다.

이 세 가지를 설계하지 않고 에이전트를 “성능”으로 팔면, 기업은 성능이 더 좋은 다음 모델로 언제든 갈아탑니다.

에이전트 구매 = 성능 구매가 아닙니다

Glean은 3억 달러를 버는 동안 경쟁사들은 “우리 AI가 더 똑똑합니다”를 광고했습니다.

Boston Children’s, MUFG, Endava가 에이전트를 계속 쓰는 이유는 성능 벤치마크가 높아서가 아닙니다. 운영 구조가 에이전트와 얽혔기 때문입니다.

삼성·SK가 조단위를 베팅하는 이유도 다음 모델이 나올 때 유리한 자리를 잡기 위해서가 아닙니다. 에이전트 실행 인프라 공급망을 선점하기 위해서입니다.

기업이 에이전트를 사는 결정은 기술 결정이 아닙니다. 비용 구조 전환 결정입니다.

당신의 에이전트는 고객의 어떤 변동비를 고정비로 바꿔주고 있습니까?