2026년 7월 13일 하루에 한국에서 다섯 개 산업이 버티컬 에이전트를 동시에 발표했다.

의료(딥노이드), 채권 회수(청구스), 보험 상담(베스핀글로벌 × AIA생명), 농업(이스트소프트), 결제 인프라(NHN KCP). 각각 다른 도메인, 다른 벤더, 다른 문제. 그런데 하나의 패턴이 겹쳤다.

파는 방식이 달랐다.

딥노이드는 흉부 X-ray 판독 에이전트를 발표하며 “환각률 0.2%“를 앞세웠다. 의료 AI가 얼마나 정확한지를 말하는 게 아니라, 얼마나 틀리지 않는지를 수치로 명시했다. 청구스는 소액 미수금 회수 에이전트를 “채무자 1명당 AI 에이전트 1명”이라는 단위로 설명했다. 에이전트의 기능(LLM 기반 추심)이 아니라 운영 방식(채무자별 1:1 배치)을 팔았다.

이건 마케팅 문구가 아니다. 구매자가 이해하는 언어로 상품을 정의하기 시작한 것이다.

농업 에이전트를 개발 중인 이스트소프트는 714억 원 국책 사업을 수주했다. 베스핀글로벌은 AIA생명의 AI 상담 센터를 프라이빗 클라우드로 구축했다. NHN KCP는 에이전트 결제 표준 컨소시엄(AAIF)에 합류해 MS·Google·AWS·Stripe와 같은 테이블에 앉았다.

이 다섯 건은 각각 따로 보면 개별 도입 소식이다. 그런데 같은 날 묶어보면 다른 그림이 나온다.

버티컬 에이전트 시장이 ‘데모에서 계약’으로 이동하고 있다.

계약 단계에서는 기능 목록이 아니라 지표가 설득 도구가 된다. 구매자(의사, 추심 팀장, 보험사 IT 임원, 농업 연구원)는 “이 에이전트가 무엇을 할 수 있나”가 아니라 “이 에이전트를 쓰면 내 부서에서 어떤 숫자가 바뀌나”를 묻는다.

채널코퍼레이션의 AI 에이전트 ‘알프’가 이 논리를 먼저 증명했다. 11년간 축적된 상담 데이터, 룰 기반 가드레일, 월 100만 건 처리, 해결률 80%. 알프가 고객사에 파는 건 챗봇이 아니라 이 네 숫자다.

글로벌 사례도 같다. OpenAI가 도이체 텔레콤의 AI 도입 사례를 공개할 때 강조한 건 GPT 버전이 아니었다. 고객 서비스·직원 워크플로우·네트워크 운영 각각에서 무엇이 바뀌었는지, 어떤 흐름이 재설계됐는지였다. 통신 버티컬에서의 업무 흐름 재설계가 발표의 본체였다.

PM으로서 이 패턴이 의미하는 바는 하나다.

버티컬 에이전트를 만들거나 도입할 때, 지금 당장 물어야 할 질문이 있다.

우리 에이전트의 판매 지표는 무엇인가?

기능 목록(“자연어로 문서를 요약합니다”)은 지표가 아니다. 운영 단위(“계약서 검토 시간 70% 단축”, “상담원 1명당 동시 처리 케이스 8배”)가 지표다.

Anthropic이 Claude Science를 출시하며 “도메인 도구, 패키지, 컴퓨팅을 한 세션에 묶고 감사 가능한 산출물을 남긴다”고 했을 때, 이것도 지표 언어다. 연구자가 원하는 건 AI 스펙이 아니라 재현 가능한 결과물과 추적 가능한 이력이다.

지표를 먼저 정의하면 설계 결정이 역산된다. 가드레일을 어디에 둘지, 어떤 데이터를 먼저 쌓을지, 어느 단계에서 사람이 개입해야 할지가 지표로부터 결정된다.

딥노이드가 “환각률 0.2%“를 목표로 잡았기 때문에, 의료 품목허가 기반 상용화라는 설계 경로가 나왔다. 청구스가 “채무자별 1:1 배치”를 단위로 잡았기 때문에, 개인화된 추심 흐름이라는 제품 구조가 나왔다. 지표가 설계를 이끈다.

오늘 다섯 개 산업 발표 중 어느 하나도 “우리 에이전트는 최신 LLM 기반입니다”로 자기 자신을 소개하지 않았다.

그건 이제 기본값이라서가 아니다. 구매자가 그걸 안 묻기 때문이다.

버티컬 에이전트 경쟁에서 모델은 진입 조건이다. 지표는 선택 이유다.

당신의 팀이 만들고 있는 에이전트 — 고객에게 설명할 때 어떤 숫자를 먼저 꺼내나요?