2026.09.09 · 네이버 프리미엄 콘텐츠 · 미국주식 사관학교

아스트라 이후: AI가 사람 대신 일하기 시작하면 돈은 어디로 갈까?

네이버 프리미엄 콘텐츠 원문 보기 선택 분석 시작 심층분석 시작 분석 기준 보기

유형

네이버 프리미엄 콘텐츠

날짜

2026.09.09

강연자/작성자

미국주식 사관학교

분석 주제

미지정

자료 길이

본문 9,169자

문서 전체 조망

핵심 구조

AI가 업무를 대신할수록 병목은 권한·검증·결제로 옮겨간다

GPT-6 아스트라는 AI가 화면을 보고 컴퓨터를 직접 조작해 긴 업무를 끝내는 방향을 선명하게 했다. 이 변화가 중요한 이유는 사람 수로 운영되던 기업 소프트웨어의 구조에서 identity 관리, 코드 검증, 결제 권한 같은 새 병목이 생길 수 있기 때문이며, 따라서 AI의 능력 향상 뒤에 남는 업무를 보는 것이 판단의 기준이다.

컴퓨터를 직접 다루는 능력이 업무 단위의 변화를 만든다

아스트라는 코드를 쓰고 여러 단계를 거쳐 일을 끝내는 능력과 Computer Use, 즉 화면을 보고 소프트웨어를 직접 조작하는 능력을 앞세웠다. 업무를 덜 개입받고 끝낼 수 있기 때문에 과금의 기준도 몇 명이 로그인했는가에서 몇 건의 일을 처리했는가로 옮겨갈 수 있다고 본다.

AI 직원이 늘수록 identity를 통제하는 일이 커진다

SailPoint 사례에서 AI 에이전트는 새 identity가 된다. 권한을 넓게 줄수록 사고의 범위도 커질 수 있기 때문에 누가 만들었는지, 어느 데이터와 서버에 접근하는지, 결제 한도와 권한 회수가 가능한지를 관리해야 하며, 자료는 identity 증가분의 약 40%가 non-human identity였다는 회사를 인용한다.

코드 생산량의 급증은 검증과 책임의 비용을 남긴다

GitLab은 AI가 코드를 빠르게 만들수록 테스트·보안 검사·승인할 변경량도 늘어나는 AI paradox를 제시한다. 코드 생산량이 늘면 검토해야 할 책임도 함께 늘어나므로 사람 수보다 업무 횟수가 과금 기준이 될 수 있다.

결제까지 맡는 AI에는 지출 한도와 결제처·상품 제한 같은 별도 규칙이 필요하다는 것이 Mastercard 사례의 연결점이다.

발생·예정 사건과 출처별 관점

이슈 분석

이 자료가 이슈의 어떤 사실을 다루고, 작성자가 무슨 결론을 어떤 근거로 내렸는지 원문에 붙여 읽습니다.

발생발표·발생 후발생일 26-9-4

26-9 OpenAI GPT-6 아스트라 출시

작성자의 핵심 판단

아스트라의 변화는 단순한 모델 성능 경쟁보다 AI가 컴퓨터를 직접 다루며 긴 업무를 끝내는 수준으로 이동했다는 데 있고, 그 결과 기업 안에서 새 병목을 찾는 관점이 중요해졌다고 본다.

근거 보기 3

원문 구간 1
[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 미국주식 사관학교 [게시일] 2026.09.09 [원문 URL] https://contents.premium.naver.com/usa/nasdaq/contents/260909212707417wk [제목] 아스트라 이후: AI가 사람 대신 일하기 시작하면 돈은 어디로 갈까? [수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다. [구독 원문 본문] 안녕하세요, 카레라입니다. 사진 출처: 오픈AI GPT-6 아스트라(Astra)가 나왔습니다. GPT가 클로드한테 밀릴 것 같으면 새로운 모델 내놓는 거야 하루이틀이 아니지만 이번엔 좀 다릅니다. 사진 출처: 구글 GPT-6 아스트라 때문에 최근 며칠 미국과 한국의 반도체 관련주가 올랐을 정도입니다(...). 특히 잊을 만하면 스멀스멀 나오는 시즌 752번째 AI 거품론을 단번에 눌러버린 모델이기도 한데, 오늘은 GPT-6 아스트라의 등장이 왜 특별한 건지 알려드리고 덤으로 투자 인사이트도 가져오겠습니다! 사진 출처: OpenAI 원래 GPT는 클로드보다 프로그래밍에서 약간 뒤처져 있었습니다. 코딩할 때 GPT-4 이런 것보다 클로드 Opus가 훨씬 나았던 시절이 있었고, 해보신 적 있다면 대체로 공감하실 겁니다. 2024년 클로드 3.5 소넷 이후 개발자들 사이에서는 "코딩은 클로드지" 하는 인식이 빠르게 자리 잡았고 클로드 코드(Claude Code)가 나오면서 차이가 더 크게 벌어졌습니다. 사진 출처: XDA Developers 사실상 클로드 코드가 개발 = 클로드 라는 이미지를 만들었다고 해도 과언이 아닙니다. 아스트라가 건드린 게 바로 이 마지막 영역입니다. 사진 출처: 레딧
원문 구간 2
(아마도) 이런 방식으로 아스트라는 고난도 업무를 굉장히 잘 처리하면서도 일부 평가에서는 필요한 토큰과 작업비용을 크게 줄였습니다. 대신 문제가 하나 생겼습니다. AI가 내부에서 어떤 과정을 거쳐 결론을 만들었는지 사람이 관찰하기가 더 어려워졌습니다. 사진 출처: 오픈AI 오픈AI도 아스트라가 이전 GPT-5.6 Sol보다 글로 드러나는 사고 과정을 감시하기 어려워졌다고 밝혔습니다. recurrent depth가 직접적인 원인이라고 말한 건 아니지만 모델의 능력이 높아질수록 AI가 무슨 생각으로 이런 결론을 내리는지를 점점 더 알기 어려워지고 있다는 뜻입니다. 심지어 아스트라는 오픈AI의 안전 기준에서 처음으로 사이버 보안 능력 Critical 등급에 도달 적절한 도구와 접근권한이 주어지면 사람이 일일이 안내하지 않아도 알려지지 않은 보안 취약점을 찾고 공격 방법을 개발할 수 있는 수준이라는 뜻 제 생각은 이렇습니다. 이제 엔비디아(NVDA), 데이터독(DDOG), 스노우플레이크(SNOW), 서비스나우(NOW) 같은 이야기는 하도 많이 해서 지겨우니까 패스합시다. 좀 신박한 아이디어가 없을까요? 지금까지 기업용 소프트웨어는 대부분 사람을 위해 만들어졌습니다. 사진 출처: 서비스나우 사람이 Salesforce에 로그인해서 메뉴를 누르고 고객 정보를 입력합니다. 다른 사람이 ServiceNow에 들어가서 티켓을 만들고 상태를 바꿉니다. 일을 보통 이런 식으로 하죠. 그래서 소프트웨어 회사들도 사람 숫자를 기준으로 돈을 받았습니다. 직원 100명이 쓰면 100석을 사고 1,000명이 쓰면 1,000석을 사는 시트 기반 과금 그런데 아스트라 같은 AI 에이전트가 직접 일을 하기 시작하면 이 전제가 흔들림 사진 출처: 오픈AI 사진 출처: 구글 ???: 아니 뭐야 내 컴퓨터 돌려줘요
원문 구간 3
???: 이게 왜 니 컴퓨터야 ㅋㅋㅋ 원래도 AI 웹 검색, AI 에이전트 때문에 이런 방향으로의 변화는 조금씩 있었는데 Fable 5와 아스트라가 아예 돌아올 수 없는 엄청난 변화의 급류를 만들어버렸습니다. AI가 컴퓨터 자체를 직접 조작하는 시대가 왔으니까요. 근데 아스트라 이전에도 AI 에이전트 뭐 이런 건 있었잖아. 그거랑 이거랑 뭐가 다른 거지? 네, 아스트라 전에도 AI 에이전트는 있었습니다. 근데 차이는 "컴퓨터를 만질 수 있느냐"가 아니라 "얼마나 오래, 정확하게, 덜 개입받고 일을 끝내느냐"에 있습니다. 예전 AI 에이전트도 클릭하고 입력하고 브라우저를 돌아다녔지만 중간에 길을 잃거나 화면이 조금만 바뀌어도 실수해서 사람이 자주 잡아줘야 했습니다. 아스트라는 아예 화면을 보고 판단하는 능력과 긴 작업을 이어가는 능력이 대폭 올라갔습니다. 그러니까 예전에는 마우스를 쓸 줄 아는 AI에 가까웠다면 아스트라는 "컴퓨터 앞에 앉혀놓고 업무 하나 정도는 통째로 맡길 수 있는 AI" 쪽으로 넘어간 겁니다. 그러면 중요한 숫자가 "몇 명이 로그인했는가?" 에서 "몇 건의 일을 처리했는가?" 로 이동합니다. 소프트웨어 회사 입장에서는 상당히 골치 아픈 변화입니다. 그리고 또 다른 병목도 생깁니다. 코드를 만드는 비용이 급격하게 내려가면 세상에 만들어서 풀리는 코드가 많아집니다. 연준이 돈을 풀 때의 양적 완화처럼요. 코드가 많아졌다고 해서 전부 믿을 수 있는 건 아닙니다. 세상에는 책임 소재라는 게 있습니다. 사건이 벌어졌을 때 누가 뒤집어쓰고 감옥에 가는가의 문제죠. 그래서 누군가는 코드를 테스트해야 함 누군가는 취약점을 검사해야 함 누군가는 기존 프로그램과 충돌하지 않는지 확인해야 함 누군가는 배포하기 전에 승인해야 함 코드를 만드는 일이 싸지면 코드를 검증하는 일이 상대적으로 귀해집니다.

이 자료에서 다룬 사실

자료는 GPT-6 아스트라 출시 뒤 최근 며칠 미국과 한국의 반도체 관련주가 올랐고, 아스트라가 코드 작성과 여러 단계를 거쳐 업무를 끝내는 능력, 화면을 보고 마우스와 키보드처럼 소프트웨어를 직접 조작하는 Computer Use 능력을 보였다고 제시한다.

근거 보기 2

원문 구간 1
[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 미국주식 사관학교 [게시일] 2026.09.09 [원문 URL] https://contents.premium.naver.com/usa/nasdaq/contents/260909212707417wk [제목] 아스트라 이후: AI가 사람 대신 일하기 시작하면 돈은 어디로 갈까? [수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다. [구독 원문 본문] 안녕하세요, 카레라입니다. 사진 출처: 오픈AI GPT-6 아스트라(Astra)가 나왔습니다. GPT가 클로드한테 밀릴 것 같으면 새로운 모델 내놓는 거야 하루이틀이 아니지만 이번엔 좀 다릅니다. 사진 출처: 구글 GPT-6 아스트라 때문에 최근 며칠 미국과 한국의 반도체 관련주가 올랐을 정도입니다(...). 특히 잊을 만하면 스멀스멀 나오는 시즌 752번째 AI 거품론을 단번에 눌러버린 모델이기도 한데, 오늘은 GPT-6 아스트라의 등장이 왜 특별한 건지 알려드리고 덤으로 투자 인사이트도 가져오겠습니다! 사진 출처: OpenAI 원래 GPT는 클로드보다 프로그래밍에서 약간 뒤처져 있었습니다. 코딩할 때 GPT-4 이런 것보다 클로드 Opus가 훨씬 나았던 시절이 있었고, 해보신 적 있다면 대체로 공감하실 겁니다. 2024년 클로드 3.5 소넷 이후 개발자들 사이에서는 "코딩은 클로드지" 하는 인식이 빠르게 자리 잡았고 클로드 코드(Claude Code)가 나오면서 차이가 더 크게 벌어졌습니다. 사진 출처: XDA Developers 사실상 클로드 코드가 개발 = 클로드 라는 이미지를 만들었다고 해도 과언이 아닙니다. 아스트라가 건드린 게 바로 이 마지막 영역입니다. 사진 출처: 레딧
원문 구간 2
과학 코딩, 긴 문맥을 읽고 추론하는 평가 등등은 여전히 Fable이 좀 더 높습니다. 그래서 Fable 5.1은 여전히 세계 최상위 모델입니다. 하지만 아스트라는 클로드가 가장 자신 있던 종류의 작업, 코드를 쓰고 여러 단계를 거쳐 업무를 끝내는 능력에서 클로드를 많이 따라잡았습니다. 특히 Computer Use라고 해서 말 그대로 AI가 화면을 보고 마우스와 키보드를 사용하는 것처럼 소프트웨어를 직접 조작하는 능력이 엄청납니다. 사진 출처: 구글 AI가 이제 컴퓨터를 직접 조작하는 게 훨씬 쉬워졌다면 어떤 기업들이 제일 타격을 받게 될까요? 그렇죠. 소프트웨어 기업(SaaS)들입니다. 얘네는 최근 많이 회복했다가 GPT-6 출시 이후 약간 충격을 받았습니다(다만 저는 SaaS 기업들 중 일부 기업은 여전히 좋게 봅니다. 미주사에 관련 콘텐츠가 많습니다). 이제 두 가지를 살펴봅시다. GPT가 갑자기 왜 이렇게 강해졌을까? 미국주식에 써먹을 수 있는 아이디어가 있는가? 사진 출처: Tosea.ai 이건 썰일 뿐입니다만, recurrent depth라는 기술이 등장합니다. 아스트라는 이 방식을 썼는지에 대해 긍정도, 부정도 하고 있지 않습니다. 개념 자체는 어렵지 않습니다. 기존 AI 연산을 아주 단순하게 표현하면 정보가 여러 층(신경망 블록)을 차례로 지나갑니다. 1층에서 처리하고 2층으로 보내고 다시 3층으로 보내는 식입니다. recurrent depth는 일부 신경망 블록을 여러 번 사용해서 같은 블록을 다시 통과시킴 그러면 AI 모델의 크기를 계속 키우지 않고도 하나의 문제를 내부에서 더 여러 번 가공할 수 있음 정말 쉽게 말하면 직원 100명이 보고서를 한 번씩 넘겨보는 방식 대신 전문가 20명이 같은 보고서를 몇 차례 다시 검토하는 방식과 비슷

이 자료에서 다룬 실제 시장 반응

GPT-6 아스트라 때문에 최근 며칠 미국과 한국의 반도체 관련주가 올랐고, SaaS 기업들은 출시 뒤 약간 충격을 받았다고 전한다.

근거 보기 2

원문 구간 1
[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 미국주식 사관학교 [게시일] 2026.09.09 [원문 URL] https://contents.premium.naver.com/usa/nasdaq/contents/260909212707417wk [제목] 아스트라 이후: AI가 사람 대신 일하기 시작하면 돈은 어디로 갈까? [수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다. [구독 원문 본문] 안녕하세요, 카레라입니다. 사진 출처: 오픈AI GPT-6 아스트라(Astra)가 나왔습니다. GPT가 클로드한테 밀릴 것 같으면 새로운 모델 내놓는 거야 하루이틀이 아니지만 이번엔 좀 다릅니다. 사진 출처: 구글 GPT-6 아스트라 때문에 최근 며칠 미국과 한국의 반도체 관련주가 올랐을 정도입니다(...). 특히 잊을 만하면 스멀스멀 나오는 시즌 752번째 AI 거품론을 단번에 눌러버린 모델이기도 한데, 오늘은 GPT-6 아스트라의 등장이 왜 특별한 건지 알려드리고 덤으로 투자 인사이트도 가져오겠습니다! 사진 출처: OpenAI 원래 GPT는 클로드보다 프로그래밍에서 약간 뒤처져 있었습니다. 코딩할 때 GPT-4 이런 것보다 클로드 Opus가 훨씬 나았던 시절이 있었고, 해보신 적 있다면 대체로 공감하실 겁니다. 2024년 클로드 3.5 소넷 이후 개발자들 사이에서는 "코딩은 클로드지" 하는 인식이 빠르게 자리 잡았고 클로드 코드(Claude Code)가 나오면서 차이가 더 크게 벌어졌습니다. 사진 출처: XDA Developers 사실상 클로드 코드가 개발 = 클로드 라는 이미지를 만들었다고 해도 과언이 아닙니다. 아스트라가 건드린 게 바로 이 마지막 영역입니다. 사진 출처: 레딧
원문 구간 2
과학 코딩, 긴 문맥을 읽고 추론하는 평가 등등은 여전히 Fable이 좀 더 높습니다. 그래서 Fable 5.1은 여전히 세계 최상위 모델입니다. 하지만 아스트라는 클로드가 가장 자신 있던 종류의 작업, 코드를 쓰고 여러 단계를 거쳐 업무를 끝내는 능력에서 클로드를 많이 따라잡았습니다. 특히 Computer Use라고 해서 말 그대로 AI가 화면을 보고 마우스와 키보드를 사용하는 것처럼 소프트웨어를 직접 조작하는 능력이 엄청납니다. 사진 출처: 구글 AI가 이제 컴퓨터를 직접 조작하는 게 훨씬 쉬워졌다면 어떤 기업들이 제일 타격을 받게 될까요? 그렇죠. 소프트웨어 기업(SaaS)들입니다. 얘네는 최근 많이 회복했다가 GPT-6 출시 이후 약간 충격을 받았습니다(다만 저는 SaaS 기업들 중 일부 기업은 여전히 좋게 봅니다. 미주사에 관련 콘텐츠가 많습니다). 이제 두 가지를 살펴봅시다. GPT가 갑자기 왜 이렇게 강해졌을까? 미국주식에 써먹을 수 있는 아이디어가 있는가? 사진 출처: Tosea.ai 이건 썰일 뿐입니다만, recurrent depth라는 기술이 등장합니다. 아스트라는 이 방식을 썼는지에 대해 긍정도, 부정도 하고 있지 않습니다. 개념 자체는 어렵지 않습니다. 기존 AI 연산을 아주 단순하게 표현하면 정보가 여러 층(신경망 블록)을 차례로 지나갑니다. 1층에서 처리하고 2층으로 보내고 다시 3층으로 보내는 식입니다. recurrent depth는 일부 신경망 블록을 여러 번 사용해서 같은 블록을 다시 통과시킴 그러면 AI 모델의 크기를 계속 키우지 않고도 하나의 문제를 내부에서 더 여러 번 가공할 수 있음 정말 쉽게 말하면 직원 100명이 보고서를 한 번씩 넘겨보는 방식 대신 전문가 20명이 같은 보고서를 몇 차례 다시 검토하는 방식과 비슷

그렇게 판단한 이유

긴 작업을 더 정확하게, 사람 개입을 덜 받으며 끝낼 수 있게 되면 사람 수 기준으로 설계된 소프트웨어의 과금과 업무 흐름이 흔들리고, 코드 검증·권한 통제 같은 후속 업무가 병목이 된다는 연결이다.

근거 보기 3

원문 구간 1
(아마도) 이런 방식으로 아스트라는 고난도 업무를 굉장히 잘 처리하면서도 일부 평가에서는 필요한 토큰과 작업비용을 크게 줄였습니다. 대신 문제가 하나 생겼습니다. AI가 내부에서 어떤 과정을 거쳐 결론을 만들었는지 사람이 관찰하기가 더 어려워졌습니다. 사진 출처: 오픈AI 오픈AI도 아스트라가 이전 GPT-5.6 Sol보다 글로 드러나는 사고 과정을 감시하기 어려워졌다고 밝혔습니다. recurrent depth가 직접적인 원인이라고 말한 건 아니지만 모델의 능력이 높아질수록 AI가 무슨 생각으로 이런 결론을 내리는지를 점점 더 알기 어려워지고 있다는 뜻입니다. 심지어 아스트라는 오픈AI의 안전 기준에서 처음으로 사이버 보안 능력 Critical 등급에 도달 적절한 도구와 접근권한이 주어지면 사람이 일일이 안내하지 않아도 알려지지 않은 보안 취약점을 찾고 공격 방법을 개발할 수 있는 수준이라는 뜻 제 생각은 이렇습니다. 이제 엔비디아(NVDA), 데이터독(DDOG), 스노우플레이크(SNOW), 서비스나우(NOW) 같은 이야기는 하도 많이 해서 지겨우니까 패스합시다. 좀 신박한 아이디어가 없을까요? 지금까지 기업용 소프트웨어는 대부분 사람을 위해 만들어졌습니다. 사진 출처: 서비스나우 사람이 Salesforce에 로그인해서 메뉴를 누르고 고객 정보를 입력합니다. 다른 사람이 ServiceNow에 들어가서 티켓을 만들고 상태를 바꿉니다. 일을 보통 이런 식으로 하죠. 그래서 소프트웨어 회사들도 사람 숫자를 기준으로 돈을 받았습니다. 직원 100명이 쓰면 100석을 사고 1,000명이 쓰면 1,000석을 사는 시트 기반 과금 그런데 아스트라 같은 AI 에이전트가 직접 일을 하기 시작하면 이 전제가 흔들림 사진 출처: 오픈AI 사진 출처: 구글 ???: 아니 뭐야 내 컴퓨터 돌려줘요
원문 구간 2
???: 이게 왜 니 컴퓨터야 ㅋㅋㅋ 원래도 AI 웹 검색, AI 에이전트 때문에 이런 방향으로의 변화는 조금씩 있었는데 Fable 5와 아스트라가 아예 돌아올 수 없는 엄청난 변화의 급류를 만들어버렸습니다. AI가 컴퓨터 자체를 직접 조작하는 시대가 왔으니까요. 근데 아스트라 이전에도 AI 에이전트 뭐 이런 건 있었잖아. 그거랑 이거랑 뭐가 다른 거지? 네, 아스트라 전에도 AI 에이전트는 있었습니다. 근데 차이는 "컴퓨터를 만질 수 있느냐"가 아니라 "얼마나 오래, 정확하게, 덜 개입받고 일을 끝내느냐"에 있습니다. 예전 AI 에이전트도 클릭하고 입력하고 브라우저를 돌아다녔지만 중간에 길을 잃거나 화면이 조금만 바뀌어도 실수해서 사람이 자주 잡아줘야 했습니다. 아스트라는 아예 화면을 보고 판단하는 능력과 긴 작업을 이어가는 능력이 대폭 올라갔습니다. 그러니까 예전에는 마우스를 쓸 줄 아는 AI에 가까웠다면 아스트라는 "컴퓨터 앞에 앉혀놓고 업무 하나 정도는 통째로 맡길 수 있는 AI" 쪽으로 넘어간 겁니다. 그러면 중요한 숫자가 "몇 명이 로그인했는가?" 에서 "몇 건의 일을 처리했는가?" 로 이동합니다. 소프트웨어 회사 입장에서는 상당히 골치 아픈 변화입니다. 그리고 또 다른 병목도 생깁니다. 코드를 만드는 비용이 급격하게 내려가면 세상에 만들어서 풀리는 코드가 많아집니다. 연준이 돈을 풀 때의 양적 완화처럼요. 코드가 많아졌다고 해서 전부 믿을 수 있는 건 아닙니다. 세상에는 책임 소재라는 게 있습니다. 사건이 벌어졌을 때 누가 뒤집어쓰고 감옥에 가는가의 문제죠. 그래서 누군가는 코드를 테스트해야 함 누군가는 취약점을 검사해야 함 누군가는 기존 프로그램과 충돌하지 않는지 확인해야 함 누군가는 배포하기 전에 승인해야 함 코드를 만드는 일이 싸지면 코드를 검증하는 일이 상대적으로 귀해집니다.
원문 구간 3
그렇지만 양이 많아지므로 이 코드를 하나하나 사람이 쫓아다니면서 검증하긴 어렵습니다. 사진 출처: 연합뉴스 그럼 가장 쉬운 방법은? 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해놔야 통제가 되겠죠. 사람 직원에게는 이름, 사번, 부서, 직급이 있습니다. 회사 데이터 가운데 어디까지 볼 수 있는지도 정해져 있습니다. 접속 기록도 있고요. AI가 직원처럼 일하려면 AI에게도 똑같은 게 필요합니다. 누가 이 AI를 만들었는지 알아야 하고 이 AI는 어떤 서버에 접근할 수 있는지 정해야 합니다. 얼마까지 결제해도 되는지도 정해야 합니다. AI 에이전트가 본격적으로 직접 컴퓨터를 건드릴 수 있게 된 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다. 이제 평범한 SaaS 기업들보다는 아스트라 같은 AI 에이전트가 실제 기업 안에 들어가 일을 시작했을 때 새로 생기는 병목을 찾아보는 게 훨씬 재미있을 겁니다. 제가 관심을 가지고 있는 회사들 중 하나는 SailPoint(SAIL)입니다. 사진 출처: SAIL SailPoint(SAIL)이라고 아시나요? identity security 회사인데... 쉽게 말하면 회사 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리합니다. 원래 이런 시스템의 중심에는 사람이 있었습니다. 회사에 직원이 입사하면 계정을 만들어줌 인사 시스템에 등록하고 이메일과 회사 서버와 각종 프로그램에 접근할 권한을 줌 회계팀 직원이라면 회계 시스템을 볼 수 있고 개발자라면 GitHub와 개발 서버에 들어갈 수 있음 퇴사하면 그 권한을 회수하고 쫓아냄 그런데 AI 에이전트가 직원처럼 일을 하기 시작하면 매우 골치 아픈 문제가 생깁니다.

발생발표·발생 후발생월 26-5

26-5 SailPoint Agentic Fabric 출시

작성자의 핵심 판단

AI 에이전트가 직원처럼 권한을 받고 업무를 수행할수록 identity security의 관리 대상이 늘어날 수 있어 SailPoint를 직관적인 사례로 본다.

근거 보기 2

원문 구간 1
얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼? 얘가 간단한 작업은 혼자 다른 AI 데려와서 걔한테 하청 맡겨도 돼? 사고 치면 한 번에 모든 권한 회수할 수 있어? 예를 들어 회사가 아스트라 기반 에이전트 하나에게 고객 환불 업무를 맡겼다고 해보겠습니다. 이 AI는 고객 데이터베이스를 읽어야 합니다. 주문 기록도 봐야 합니다. 결제 시스템에도 접근해야 합니다. 그렇다고 회사 은행계좌 전체를 건드릴 권한까지 줄 이유는 없습니다. 고객 한 명에게 최대 100달러까지 환불하도록 허용할 수도 있고 그 이상은 인간 직원의 승인을 받게 만들 수도 있습니다. 그러면 AI 하나하나에 사실상 새로운 사번과 직급과 출입증이 필요합니다. AI 에이전트 하나가 새로운 identity가 되는 겁니다. 여기에 더 까다로운 문제도 있습니다. 사진 출처: 나무위키 사람 직원은 보통 조직도에 올라가 있음. 누가 상사이고 어떤 부서 소속인지 알 수 있음 그러나 AI는 개발자가 몇 분 만에 만들어서 서버 어딘가에 띄울 수도 있음 어떤 직원이 테스트하려고 만든 에이전트가 몇 달 뒤에도 살아 있고 그동안 부여받았던 데이터베이스 접근권한도 그대로 남아 있을 수 있습니다. 몇 달 전에 퇴사한대서 자리 뺐는데 알고보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다. "누가 무엇에 접근할 수 있는가?" 가 그래서 더 중요해집니다. 회사 화장실에 누가 숨어사는지 일일이 적발하기 어렵다면 그냥 회계팀, 전산팀 문단속만 더 철저히 하면 되니까요. SailPoint가 보고 있는 시장이 바로 이것입니다. 그리고 이게 사실 먼 미래 이야기도 아닙니다. 사진 출처: SAIL SailPoint는 SEC에 제출한 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 자사 플랫폼의 identity 증가분 가운데 약 40%가 non-human identity였다고 밝혔습니다.
원문 구간 2
사람 직원이 아니라 AI 에이전트와 머신 계정과 각종 소프트웨어 identity가 신규 증가분의 거의 절반까지 올라온 겁니다. 회사 표현을 그대로 보면 이미 일부 기업에서는 이런 non-human identity가 사람 identity보다 훨씬 많습니다. SailPoint의 시장이 예전에는 직원 숫자 증가에 어느 정도 묶여 있었다면 이제는 다릅니다. 직원이 1만 명인 회사가 있다고 하면 사람 직원은 1만 명에서 갑자기 10만 명으로 늘어나지 않습니다. 하지만 직원 한 명이 AI 에이전트를 5개씩 사용하면 관리해야 할 identity는 금방 몇만 개가 추가될 수 있습니다. 자동화 프로그램과 API 계정까지 합치면 숫자는 더 커집니다. 그래서 AI가 인간 노동을 줄이는 기술인데 역설적으로 SailPoint가 관리해야 하는 "직원 비슷한 것" 의 숫자는 폭증할 수 있다 이거죠. SailPoint에만 해당되는 이야기는 아니고 가장 직관적으로 연결된 기업이라 대표 예시로 소개해드리는 겁니다. 아무튼, SailPoint도 이 변화에 맞춰 2026년 5월 Agentic Fabric을 출시했습니다. 핵심 기능은 AI 에이전트에 대해서 회사 표현으로는 discovery, visibility, governance, authorization, protection을 하나로 묶겠다는 겁니다. 쉽게 풀면 AI를 찾아내고 + 신분증을 붙이고 + 출입 가능한 방을 정하고 계속 감시하는 시스템입니다. 여기서 아스트라의 가치, 그리고 본질을 다시 봅시다. ???: AI의 지능이 올라갈수록 AI에게 더 많은 권한을 줘야 하겠지? 권한을 많이 줄수록 identity security의 가치도 커지지 않을까? 그래서 SAIL은 제가 관심있게 보는 기업들 중 하나이고...

이 자료에서 다룬 사실

SailPoint는 2026년 5월 Agentic Fabric을 출시했으며, AI 에이전트를 찾아내고 가시화·거버넌스·권한부여·보호를 묶는 기능을 제시했다고 전한다.

근거 보기 1

원문 구간 1
사람 직원이 아니라 AI 에이전트와 머신 계정과 각종 소프트웨어 identity가 신규 증가분의 거의 절반까지 올라온 겁니다. 회사 표현을 그대로 보면 이미 일부 기업에서는 이런 non-human identity가 사람 identity보다 훨씬 많습니다. SailPoint의 시장이 예전에는 직원 숫자 증가에 어느 정도 묶여 있었다면 이제는 다릅니다. 직원이 1만 명인 회사가 있다고 하면 사람 직원은 1만 명에서 갑자기 10만 명으로 늘어나지 않습니다. 하지만 직원 한 명이 AI 에이전트를 5개씩 사용하면 관리해야 할 identity는 금방 몇만 개가 추가될 수 있습니다. 자동화 프로그램과 API 계정까지 합치면 숫자는 더 커집니다. 그래서 AI가 인간 노동을 줄이는 기술인데 역설적으로 SailPoint가 관리해야 하는 "직원 비슷한 것" 의 숫자는 폭증할 수 있다 이거죠. SailPoint에만 해당되는 이야기는 아니고 가장 직관적으로 연결된 기업이라 대표 예시로 소개해드리는 겁니다. 아무튼, SailPoint도 이 변화에 맞춰 2026년 5월 Agentic Fabric을 출시했습니다. 핵심 기능은 AI 에이전트에 대해서 회사 표현으로는 discovery, visibility, governance, authorization, protection을 하나로 묶겠다는 겁니다. 쉽게 풀면 AI를 찾아내고 + 신분증을 붙이고 + 출입 가능한 방을 정하고 계속 감시하는 시스템입니다. 여기서 아스트라의 가치, 그리고 본질을 다시 봅시다. ???: AI의 지능이 올라갈수록 AI에게 더 많은 권한을 줘야 하겠지? 권한을 많이 줄수록 identity security의 가치도 커지지 않을까? 그래서 SAIL은 제가 관심있게 보는 기업들 중 하나이고...

그렇게 판단한 이유

AI가 고객 데이터와 결제 시스템에는 접근하되 은행계좌 전체에는 접근하지 않게 하려면 각 에이전트의 생성 주체, 접근 범위, 결제 한도와 권한 회수 여부를 관리해야 한다는 논리다.

근거 보기 3

원문 구간 1
그렇지만 양이 많아지므로 이 코드를 하나하나 사람이 쫓아다니면서 검증하긴 어렵습니다. 사진 출처: 연합뉴스 그럼 가장 쉬운 방법은? 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해놔야 통제가 되겠죠. 사람 직원에게는 이름, 사번, 부서, 직급이 있습니다. 회사 데이터 가운데 어디까지 볼 수 있는지도 정해져 있습니다. 접속 기록도 있고요. AI가 직원처럼 일하려면 AI에게도 똑같은 게 필요합니다. 누가 이 AI를 만들었는지 알아야 하고 이 AI는 어떤 서버에 접근할 수 있는지 정해야 합니다. 얼마까지 결제해도 되는지도 정해야 합니다. AI 에이전트가 본격적으로 직접 컴퓨터를 건드릴 수 있게 된 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다. 이제 평범한 SaaS 기업들보다는 아스트라 같은 AI 에이전트가 실제 기업 안에 들어가 일을 시작했을 때 새로 생기는 병목을 찾아보는 게 훨씬 재미있을 겁니다. 제가 관심을 가지고 있는 회사들 중 하나는 SailPoint(SAIL)입니다. 사진 출처: SAIL SailPoint(SAIL)이라고 아시나요? identity security 회사인데... 쉽게 말하면 회사 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리합니다. 원래 이런 시스템의 중심에는 사람이 있었습니다. 회사에 직원이 입사하면 계정을 만들어줌 인사 시스템에 등록하고 이메일과 회사 서버와 각종 프로그램에 접근할 권한을 줌 회계팀 직원이라면 회계 시스템을 볼 수 있고 개발자라면 GitHub와 개발 서버에 들어갈 수 있음 퇴사하면 그 권한을 회수하고 쫓아냄 그런데 AI 에이전트가 직원처럼 일을 하기 시작하면 매우 골치 아픈 문제가 생깁니다.
원문 구간 2
얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼? 얘가 간단한 작업은 혼자 다른 AI 데려와서 걔한테 하청 맡겨도 돼? 사고 치면 한 번에 모든 권한 회수할 수 있어? 예를 들어 회사가 아스트라 기반 에이전트 하나에게 고객 환불 업무를 맡겼다고 해보겠습니다. 이 AI는 고객 데이터베이스를 읽어야 합니다. 주문 기록도 봐야 합니다. 결제 시스템에도 접근해야 합니다. 그렇다고 회사 은행계좌 전체를 건드릴 권한까지 줄 이유는 없습니다. 고객 한 명에게 최대 100달러까지 환불하도록 허용할 수도 있고 그 이상은 인간 직원의 승인을 받게 만들 수도 있습니다. 그러면 AI 하나하나에 사실상 새로운 사번과 직급과 출입증이 필요합니다. AI 에이전트 하나가 새로운 identity가 되는 겁니다. 여기에 더 까다로운 문제도 있습니다. 사진 출처: 나무위키 사람 직원은 보통 조직도에 올라가 있음. 누가 상사이고 어떤 부서 소속인지 알 수 있음 그러나 AI는 개발자가 몇 분 만에 만들어서 서버 어딘가에 띄울 수도 있음 어떤 직원이 테스트하려고 만든 에이전트가 몇 달 뒤에도 살아 있고 그동안 부여받았던 데이터베이스 접근권한도 그대로 남아 있을 수 있습니다. 몇 달 전에 퇴사한대서 자리 뺐는데 알고보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다. "누가 무엇에 접근할 수 있는가?" 가 그래서 더 중요해집니다. 회사 화장실에 누가 숨어사는지 일일이 적발하기 어렵다면 그냥 회계팀, 전산팀 문단속만 더 철저히 하면 되니까요. SailPoint가 보고 있는 시장이 바로 이것입니다. 그리고 이게 사실 먼 미래 이야기도 아닙니다. 사진 출처: SAIL SailPoint는 SEC에 제출한 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 자사 플랫폼의 identity 증가분 가운데 약 40%가 non-human identity였다고 밝혔습니다.
원문 구간 3
사람 직원이 아니라 AI 에이전트와 머신 계정과 각종 소프트웨어 identity가 신규 증가분의 거의 절반까지 올라온 겁니다. 회사 표현을 그대로 보면 이미 일부 기업에서는 이런 non-human identity가 사람 identity보다 훨씬 많습니다. SailPoint의 시장이 예전에는 직원 숫자 증가에 어느 정도 묶여 있었다면 이제는 다릅니다. 직원이 1만 명인 회사가 있다고 하면 사람 직원은 1만 명에서 갑자기 10만 명으로 늘어나지 않습니다. 하지만 직원 한 명이 AI 에이전트를 5개씩 사용하면 관리해야 할 identity는 금방 몇만 개가 추가될 수 있습니다. 자동화 프로그램과 API 계정까지 합치면 숫자는 더 커집니다. 그래서 AI가 인간 노동을 줄이는 기술인데 역설적으로 SailPoint가 관리해야 하는 "직원 비슷한 것" 의 숫자는 폭증할 수 있다 이거죠. SailPoint에만 해당되는 이야기는 아니고 가장 직관적으로 연결된 기업이라 대표 예시로 소개해드리는 겁니다. 아무튼, SailPoint도 이 변화에 맞춰 2026년 5월 Agentic Fabric을 출시했습니다. 핵심 기능은 AI 에이전트에 대해서 회사 표현으로는 discovery, visibility, governance, authorization, protection을 하나로 묶겠다는 겁니다. 쉽게 풀면 AI를 찾아내고 + 신분증을 붙이고 + 출입 가능한 방을 정하고 계속 감시하는 시스템입니다. 여기서 아스트라의 가치, 그리고 본질을 다시 봅시다. ???: AI의 지능이 올라갈수록 AI에게 더 많은 권한을 줘야 하겠지? 권한을 많이 줄수록 identity security의 가치도 커지지 않을까? 그래서 SAIL은 제가 관심있게 보는 기업들 중 하나이고...

발생발표·발생 후발생월 26-7

26-7 GitLab AI 보안 검토 기능 출시

작성자의 핵심 판단

AI가 코드 생산량을 늘릴수록 GitLab의 역할은 단순한 코딩 도구가 아니라 코드를 서비스까지 보내기 위해 검증하고 책임을 관리하는 과정에서 중요해진다고 본다.

근거 보기 2

원문 구간 1
또 다른 기업이 있습니다. 사진 출처: Everhour GitLab(GTLB)입니다. 이쪽은 문제가 완전히 다릅니다. 아스트라 같은 모델이 코딩을 더 잘하게 되면 가장 먼저 떠오르는 생각이 무엇일까요? ???: 개발자가 코드를 빨리 만들면 좋은 거 아닌가? 그런데 회사 전체로 보면 일이 그렇게 간단하지 않습니다. 앞서도 말했듯, 코드는 만들어진 뒤에 끝나는 상품이 아니고 누군가는 읽고 책임을 져야 합니다. 사진 출처: Gitlab GitLab은 올해 이 현상을 아예 AI paradox라고 부르기 시작했습니다. AI 덕분에 코드 작성 속도는 크게 빨라졌는데 소프트웨어가 실제 서비스로 나가기까지 필요한 전체 과정은 그만큼 빨라지지 않는다는 겁니다. GitLab은 개발자 전체 업무시간 중 코드를 직접 작성하는 시간은 약 20% 수준이라고 설명 코딩만 10배 빨라져도 나머지 80%가 그대로 남아 있으면 전체 개발 속도는 거의 그대로 오히려 다른 문제가 생깁니다. AI가 하루에 코드 수정안을 10개 만들던 것을 100개 만들 수 있게 됐다면? 검토해야 할 코드도 100개가 됩니다. 거버넌스 문제가 생기는데요, 쉽게 말하면 이런 겁니다. ???: 이 코드 누가 만들었고 왜 만들었고 사고 나면 누가 책임질 건데? 이렇게 되면 GitLab으로 들어오는 코드 변경량과 테스트량과 보안 검사량도 같이 커집니다. AI가 만든 코드가 너무 많아져서 사람이 일일이 볼 수가 없으니 대부분의 검증도 AI로 맞불을 놓고 진짜 중요한 것만 사람이 걸러낸다는 방향이죠. GitLab이 올해 제품 방향을 이쪽으로 확 틀고 있는 이유입니다. 사진 출처: Gitlab GitLab Duo Agent Platform이라는 게 있는데...
원문 구간 2
2026년 7월 GitLab은 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못하고 있다고 직접 표현하면서 보안 취약점을 자동으로 수정하고 코드의 보안 문제를 검토하는 기능을 내놨습니다. 과금 방식도 신박한데, GitLab Credits라는 사용량 기반 과금을 도입했습니다. 예를 들어 현재 agentic code review는 코드 리뷰 한 번에 0.25달러(...)로 책정돼 있습니다. AI가 코드 리뷰를 많이 할수록 GitLab이 돈을 더 받을 수 있는 방식입니다. 이건 꽤 중요한 변화입니다. 기존 SaaS는 개발자가 몇 명인지가 중요했는데 그런데 AI가 개발자 숫자를 줄이거나 직원 한 명당 생산성을 크게 높이면 이 숫자는 매출 성장의 좋은 기준이 아닐 수도 있습니다. GitLab은 AI 시대에 맞춰 "사람 몇 명이 쓰나요?" 에서 "사람과 AI가 우리 플랫폼에서 일을 몇 번 했나요?" 로 과금 단위를 조금씩 옮기고 있습니다. 그래서 GTLB에 대한 투자 논리는 AI 코딩 회사니까 수혜를 받겠지? 로 생각하면 안 되고, 아스트라가 코딩을 너무 잘해서 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다고 해석하면 되겠죠. 다시 말하지만 누군가는 책임을 져야 합니다. 사진 출처: 마스터카드 마지막으로 조금 뜬금없는 아이디어인데... 아마 조금 더 먼 미래 이야기일 겁니다. AI 에이전트가 회사에서 실제 업무를 하면 언젠가는 돈을 써야 합니다. 직원처럼 굴어야 하는데 백날 코딩만 하고 있을 순 없으니까요. 스스로 API 토큰을 구매할 수도 있고 회사 예산을 필요한 곳에 집행할 수도 있습니다. 그러면 AI에게도 결제 권한이 필요합니다. 다만 카드번호 하나를 저장해두고 마음대로 쓰게 할 수는 없습니다.

이 자료에서 다룬 사실

GitLab은 2026년 7월 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못한다고 표현하며 보안 취약점을 자동 수정하고 보안 문제를 검토하는 기능을 내놨고, GitLab Credits 사용량 기반 과금과 agentic code review 1회 0.25달러를 제시했다.

근거 보기 1

원문 구간 1
2026년 7월 GitLab은 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못하고 있다고 직접 표현하면서 보안 취약점을 자동으로 수정하고 코드의 보안 문제를 검토하는 기능을 내놨습니다. 과금 방식도 신박한데, GitLab Credits라는 사용량 기반 과금을 도입했습니다. 예를 들어 현재 agentic code review는 코드 리뷰 한 번에 0.25달러(...)로 책정돼 있습니다. AI가 코드 리뷰를 많이 할수록 GitLab이 돈을 더 받을 수 있는 방식입니다. 이건 꽤 중요한 변화입니다. 기존 SaaS는 개발자가 몇 명인지가 중요했는데 그런데 AI가 개발자 숫자를 줄이거나 직원 한 명당 생산성을 크게 높이면 이 숫자는 매출 성장의 좋은 기준이 아닐 수도 있습니다. GitLab은 AI 시대에 맞춰 "사람 몇 명이 쓰나요?" 에서 "사람과 AI가 우리 플랫폼에서 일을 몇 번 했나요?" 로 과금 단위를 조금씩 옮기고 있습니다. 그래서 GTLB에 대한 투자 논리는 AI 코딩 회사니까 수혜를 받겠지? 로 생각하면 안 되고, 아스트라가 코딩을 너무 잘해서 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다고 해석하면 되겠죠. 다시 말하지만 누군가는 책임을 져야 합니다. 사진 출처: 마스터카드 마지막으로 조금 뜬금없는 아이디어인데... 아마 조금 더 먼 미래 이야기일 겁니다. AI 에이전트가 회사에서 실제 업무를 하면 언젠가는 돈을 써야 합니다. 직원처럼 굴어야 하는데 백날 코딩만 하고 있을 순 없으니까요. 스스로 API 토큰을 구매할 수도 있고 회사 예산을 필요한 곳에 집행할 수도 있습니다. 그러면 AI에게도 결제 권한이 필요합니다. 다만 카드번호 하나를 저장해두고 마음대로 쓰게 할 수는 없습니다.

그렇게 판단한 이유

코드 작성은 개발자 업무시간의 약 20%라는 설명처럼 코딩만 빨라져도 나머지 과정은 남으며, 변경안이 늘면 테스트·보안 검사·승인과 AI 기반 검증 수요도 함께 커진다는 연결이다.

근거 보기 2

원문 구간 1
또 다른 기업이 있습니다. 사진 출처: Everhour GitLab(GTLB)입니다. 이쪽은 문제가 완전히 다릅니다. 아스트라 같은 모델이 코딩을 더 잘하게 되면 가장 먼저 떠오르는 생각이 무엇일까요? ???: 개발자가 코드를 빨리 만들면 좋은 거 아닌가? 그런데 회사 전체로 보면 일이 그렇게 간단하지 않습니다. 앞서도 말했듯, 코드는 만들어진 뒤에 끝나는 상품이 아니고 누군가는 읽고 책임을 져야 합니다. 사진 출처: Gitlab GitLab은 올해 이 현상을 아예 AI paradox라고 부르기 시작했습니다. AI 덕분에 코드 작성 속도는 크게 빨라졌는데 소프트웨어가 실제 서비스로 나가기까지 필요한 전체 과정은 그만큼 빨라지지 않는다는 겁니다. GitLab은 개발자 전체 업무시간 중 코드를 직접 작성하는 시간은 약 20% 수준이라고 설명 코딩만 10배 빨라져도 나머지 80%가 그대로 남아 있으면 전체 개발 속도는 거의 그대로 오히려 다른 문제가 생깁니다. AI가 하루에 코드 수정안을 10개 만들던 것을 100개 만들 수 있게 됐다면? 검토해야 할 코드도 100개가 됩니다. 거버넌스 문제가 생기는데요, 쉽게 말하면 이런 겁니다. ???: 이 코드 누가 만들었고 왜 만들었고 사고 나면 누가 책임질 건데? 이렇게 되면 GitLab으로 들어오는 코드 변경량과 테스트량과 보안 검사량도 같이 커집니다. AI가 만든 코드가 너무 많아져서 사람이 일일이 볼 수가 없으니 대부분의 검증도 AI로 맞불을 놓고 진짜 중요한 것만 사람이 걸러낸다는 방향이죠. GitLab이 올해 제품 방향을 이쪽으로 확 틀고 있는 이유입니다. 사진 출처: Gitlab GitLab Duo Agent Platform이라는 게 있는데...
원문 구간 2
2026년 7월 GitLab은 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못하고 있다고 직접 표현하면서 보안 취약점을 자동으로 수정하고 코드의 보안 문제를 검토하는 기능을 내놨습니다. 과금 방식도 신박한데, GitLab Credits라는 사용량 기반 과금을 도입했습니다. 예를 들어 현재 agentic code review는 코드 리뷰 한 번에 0.25달러(...)로 책정돼 있습니다. AI가 코드 리뷰를 많이 할수록 GitLab이 돈을 더 받을 수 있는 방식입니다. 이건 꽤 중요한 변화입니다. 기존 SaaS는 개발자가 몇 명인지가 중요했는데 그런데 AI가 개발자 숫자를 줄이거나 직원 한 명당 생산성을 크게 높이면 이 숫자는 매출 성장의 좋은 기준이 아닐 수도 있습니다. GitLab은 AI 시대에 맞춰 "사람 몇 명이 쓰나요?" 에서 "사람과 AI가 우리 플랫폼에서 일을 몇 번 했나요?" 로 과금 단위를 조금씩 옮기고 있습니다. 그래서 GTLB에 대한 투자 논리는 AI 코딩 회사니까 수혜를 받겠지? 로 생각하면 안 되고, 아스트라가 코딩을 너무 잘해서 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다고 해석하면 되겠죠. 다시 말하지만 누군가는 책임을 져야 합니다. 사진 출처: 마스터카드 마지막으로 조금 뜬금없는 아이디어인데... 아마 조금 더 먼 미래 이야기일 겁니다. AI 에이전트가 회사에서 실제 업무를 하면 언젠가는 돈을 써야 합니다. 직원처럼 굴어야 하는데 백날 코딩만 하고 있을 순 없으니까요. 스스로 API 토큰을 구매할 수도 있고 회사 예산을 필요한 곳에 집행할 수도 있습니다. 그러면 AI에게도 결제 권한이 필요합니다. 다만 카드번호 하나를 저장해두고 마음대로 쓰게 할 수는 없습니다.

발생발표·발생 후발생월 26-6

26-6 Mastercard Agent Pay for Machines 출시

작성자의 핵심 판단

AI 에이전트가 경제활동까지 맡으면 소프트웨어가 새로운 결제 주체가 될 수 있으나, SailPoint나 GitLab보다 실적 연결에는 시간이 더 필요하다고 본다.

근거 보기 1

원문 구간 1
???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ 이런 규칙이 필요합니다. 사진 출처: our crypto talk 마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다. 사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다. 다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다. 그래서 간략히 요약하면... SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사 GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사 MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사 세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다. AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다. 읽어주셔서 감사합니다. ^^

이 자료에서 다룬 사실

마스터카드는 2026년 6월 Agent Pay for Machines를 출시했고, AI와 기계가 서로 서비스를 사고팔며 소액을 자동 결제하는 거래까지 겨냥한다고 전한다.

근거 보기 1

원문 구간 1
???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ 이런 규칙이 필요합니다. 사진 출처: our crypto talk 마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다. 사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다. 다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다. 그래서 간략히 요약하면... SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사 GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사 MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사 세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다. AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다. 읽어주셔서 감사합니다. ^^

그렇게 판단한 이유

AI가 API 토큰을 사거나 회사 예산을 집행하려면 카드번호를 자유롭게 쓰게 하는 대신 일일 한도와 결제처·상품 제한 같은 규칙이 필요하다는 설명이다.

근거 보기 1

원문 구간 1
???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ 이런 규칙이 필요합니다. 사진 출처: our crypto talk 마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다. 사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다. 다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다. 그래서 간략히 요약하면... SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사 GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사 MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사 세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다. AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다. 읽어주셔서 감사합니다. ^^

사실·구조, 해석·전망, 시점 관찰, 판단 방법

지식·관점

사건 밖에서도 다시 참고하거나 다른 자료와 비교할 가치가 있는 내용을 대상과 반복 가능한 논점으로 묶습니다.

해석·전망AI 에이전트 도입 뒤의 기업 병목주 대상 · 기술·제품 · AI 에이전트

AI가 사람 대신 컴퓨터 업무를 수행하면 어떤 후속 업무가 병목이 되는가?

이 자료가 더한 내용

AI가 직접 컴퓨터를 조작해 업무를 맡으면 컴퓨팅 증가보다 identity 관리, 코드 검증, 결제 권한 통제가 새 병목이 될 수 있다는 관점을 제시한다.

근거 보기 4

원문 구간 1
(아마도) 이런 방식으로 아스트라는 고난도 업무를 굉장히 잘 처리하면서도 일부 평가에서는 필요한 토큰과 작업비용을 크게 줄였습니다. 대신 문제가 하나 생겼습니다. AI가 내부에서 어떤 과정을 거쳐 결론을 만들었는지 사람이 관찰하기가 더 어려워졌습니다. 사진 출처: 오픈AI 오픈AI도 아스트라가 이전 GPT-5.6 Sol보다 글로 드러나는 사고 과정을 감시하기 어려워졌다고 밝혔습니다. recurrent depth가 직접적인 원인이라고 말한 건 아니지만 모델의 능력이 높아질수록 AI가 무슨 생각으로 이런 결론을 내리는지를 점점 더 알기 어려워지고 있다는 뜻입니다. 심지어 아스트라는 오픈AI의 안전 기준에서 처음으로 사이버 보안 능력 Critical 등급에 도달 적절한 도구와 접근권한이 주어지면 사람이 일일이 안내하지 않아도 알려지지 않은 보안 취약점을 찾고 공격 방법을 개발할 수 있는 수준이라는 뜻 제 생각은 이렇습니다. 이제 엔비디아(NVDA), 데이터독(DDOG), 스노우플레이크(SNOW), 서비스나우(NOW) 같은 이야기는 하도 많이 해서 지겨우니까 패스합시다. 좀 신박한 아이디어가 없을까요? 지금까지 기업용 소프트웨어는 대부분 사람을 위해 만들어졌습니다. 사진 출처: 서비스나우 사람이 Salesforce에 로그인해서 메뉴를 누르고 고객 정보를 입력합니다. 다른 사람이 ServiceNow에 들어가서 티켓을 만들고 상태를 바꿉니다. 일을 보통 이런 식으로 하죠. 그래서 소프트웨어 회사들도 사람 숫자를 기준으로 돈을 받았습니다. 직원 100명이 쓰면 100석을 사고 1,000명이 쓰면 1,000석을 사는 시트 기반 과금 그런데 아스트라 같은 AI 에이전트가 직접 일을 하기 시작하면 이 전제가 흔들림 사진 출처: 오픈AI 사진 출처: 구글 ???: 아니 뭐야 내 컴퓨터 돌려줘요
원문 구간 2
???: 이게 왜 니 컴퓨터야 ㅋㅋㅋ 원래도 AI 웹 검색, AI 에이전트 때문에 이런 방향으로의 변화는 조금씩 있었는데 Fable 5와 아스트라가 아예 돌아올 수 없는 엄청난 변화의 급류를 만들어버렸습니다. AI가 컴퓨터 자체를 직접 조작하는 시대가 왔으니까요. 근데 아스트라 이전에도 AI 에이전트 뭐 이런 건 있었잖아. 그거랑 이거랑 뭐가 다른 거지? 네, 아스트라 전에도 AI 에이전트는 있었습니다. 근데 차이는 "컴퓨터를 만질 수 있느냐"가 아니라 "얼마나 오래, 정확하게, 덜 개입받고 일을 끝내느냐"에 있습니다. 예전 AI 에이전트도 클릭하고 입력하고 브라우저를 돌아다녔지만 중간에 길을 잃거나 화면이 조금만 바뀌어도 실수해서 사람이 자주 잡아줘야 했습니다. 아스트라는 아예 화면을 보고 판단하는 능력과 긴 작업을 이어가는 능력이 대폭 올라갔습니다. 그러니까 예전에는 마우스를 쓸 줄 아는 AI에 가까웠다면 아스트라는 "컴퓨터 앞에 앉혀놓고 업무 하나 정도는 통째로 맡길 수 있는 AI" 쪽으로 넘어간 겁니다. 그러면 중요한 숫자가 "몇 명이 로그인했는가?" 에서 "몇 건의 일을 처리했는가?" 로 이동합니다. 소프트웨어 회사 입장에서는 상당히 골치 아픈 변화입니다. 그리고 또 다른 병목도 생깁니다. 코드를 만드는 비용이 급격하게 내려가면 세상에 만들어서 풀리는 코드가 많아집니다. 연준이 돈을 풀 때의 양적 완화처럼요. 코드가 많아졌다고 해서 전부 믿을 수 있는 건 아닙니다. 세상에는 책임 소재라는 게 있습니다. 사건이 벌어졌을 때 누가 뒤집어쓰고 감옥에 가는가의 문제죠. 그래서 누군가는 코드를 테스트해야 함 누군가는 취약점을 검사해야 함 누군가는 기존 프로그램과 충돌하지 않는지 확인해야 함 누군가는 배포하기 전에 승인해야 함 코드를 만드는 일이 싸지면 코드를 검증하는 일이 상대적으로 귀해집니다.
원문 구간 3
그렇지만 양이 많아지므로 이 코드를 하나하나 사람이 쫓아다니면서 검증하긴 어렵습니다. 사진 출처: 연합뉴스 그럼 가장 쉬운 방법은? 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해놔야 통제가 되겠죠. 사람 직원에게는 이름, 사번, 부서, 직급이 있습니다. 회사 데이터 가운데 어디까지 볼 수 있는지도 정해져 있습니다. 접속 기록도 있고요. AI가 직원처럼 일하려면 AI에게도 똑같은 게 필요합니다. 누가 이 AI를 만들었는지 알아야 하고 이 AI는 어떤 서버에 접근할 수 있는지 정해야 합니다. 얼마까지 결제해도 되는지도 정해야 합니다. AI 에이전트가 본격적으로 직접 컴퓨터를 건드릴 수 있게 된 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다. 이제 평범한 SaaS 기업들보다는 아스트라 같은 AI 에이전트가 실제 기업 안에 들어가 일을 시작했을 때 새로 생기는 병목을 찾아보는 게 훨씬 재미있을 겁니다. 제가 관심을 가지고 있는 회사들 중 하나는 SailPoint(SAIL)입니다. 사진 출처: SAIL SailPoint(SAIL)이라고 아시나요? identity security 회사인데... 쉽게 말하면 회사 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리합니다. 원래 이런 시스템의 중심에는 사람이 있었습니다. 회사에 직원이 입사하면 계정을 만들어줌 인사 시스템에 등록하고 이메일과 회사 서버와 각종 프로그램에 접근할 권한을 줌 회계팀 직원이라면 회계 시스템을 볼 수 있고 개발자라면 GitHub와 개발 서버에 들어갈 수 있음 퇴사하면 그 권한을 회수하고 쫓아냄 그런데 AI 에이전트가 직원처럼 일을 하기 시작하면 매우 골치 아픈 문제가 생깁니다.
원문 구간 4
???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ 이런 규칙이 필요합니다. 사진 출처: our crypto talk 마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다. 사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다. 다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다. 그래서 간략히 요약하면... SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사 GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사 MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사 세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다. AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다. 읽어주셔서 감사합니다. ^^

사실·구조AI 에이전트의 non-human identity 관리주 대상 · 기업·종목 · SailPoint관련 대상 · 산업·업종 · identity security

AI 에이전트를 직원처럼 운영할 때 identity security는 무엇을 관리하는가?

이 자료가 더한 내용

AI마다 생성 주체·접근 가능한 서버·결제 한도·권한 회수 조건을 정해야 하며, SailPoint는 2026년 1분기 10-Q에서 4월 말까지 3개월간 identity 증가분의 약 40%가 non-human identity였다고 밝혔다고 소개한다.

근거 보기 2

원문 구간 1
얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼? 얘가 간단한 작업은 혼자 다른 AI 데려와서 걔한테 하청 맡겨도 돼? 사고 치면 한 번에 모든 권한 회수할 수 있어? 예를 들어 회사가 아스트라 기반 에이전트 하나에게 고객 환불 업무를 맡겼다고 해보겠습니다. 이 AI는 고객 데이터베이스를 읽어야 합니다. 주문 기록도 봐야 합니다. 결제 시스템에도 접근해야 합니다. 그렇다고 회사 은행계좌 전체를 건드릴 권한까지 줄 이유는 없습니다. 고객 한 명에게 최대 100달러까지 환불하도록 허용할 수도 있고 그 이상은 인간 직원의 승인을 받게 만들 수도 있습니다. 그러면 AI 하나하나에 사실상 새로운 사번과 직급과 출입증이 필요합니다. AI 에이전트 하나가 새로운 identity가 되는 겁니다. 여기에 더 까다로운 문제도 있습니다. 사진 출처: 나무위키 사람 직원은 보통 조직도에 올라가 있음. 누가 상사이고 어떤 부서 소속인지 알 수 있음 그러나 AI는 개발자가 몇 분 만에 만들어서 서버 어딘가에 띄울 수도 있음 어떤 직원이 테스트하려고 만든 에이전트가 몇 달 뒤에도 살아 있고 그동안 부여받았던 데이터베이스 접근권한도 그대로 남아 있을 수 있습니다. 몇 달 전에 퇴사한대서 자리 뺐는데 알고보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다. "누가 무엇에 접근할 수 있는가?" 가 그래서 더 중요해집니다. 회사 화장실에 누가 숨어사는지 일일이 적발하기 어렵다면 그냥 회계팀, 전산팀 문단속만 더 철저히 하면 되니까요. SailPoint가 보고 있는 시장이 바로 이것입니다. 그리고 이게 사실 먼 미래 이야기도 아닙니다. 사진 출처: SAIL SailPoint는 SEC에 제출한 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 자사 플랫폼의 identity 증가분 가운데 약 40%가 non-human identity였다고 밝혔습니다.
원문 구간 2
사람 직원이 아니라 AI 에이전트와 머신 계정과 각종 소프트웨어 identity가 신규 증가분의 거의 절반까지 올라온 겁니다. 회사 표현을 그대로 보면 이미 일부 기업에서는 이런 non-human identity가 사람 identity보다 훨씬 많습니다. SailPoint의 시장이 예전에는 직원 숫자 증가에 어느 정도 묶여 있었다면 이제는 다릅니다. 직원이 1만 명인 회사가 있다고 하면 사람 직원은 1만 명에서 갑자기 10만 명으로 늘어나지 않습니다. 하지만 직원 한 명이 AI 에이전트를 5개씩 사용하면 관리해야 할 identity는 금방 몇만 개가 추가될 수 있습니다. 자동화 프로그램과 API 계정까지 합치면 숫자는 더 커집니다. 그래서 AI가 인간 노동을 줄이는 기술인데 역설적으로 SailPoint가 관리해야 하는 "직원 비슷한 것" 의 숫자는 폭증할 수 있다 이거죠. SailPoint에만 해당되는 이야기는 아니고 가장 직관적으로 연결된 기업이라 대표 예시로 소개해드리는 겁니다. 아무튼, SailPoint도 이 변화에 맞춰 2026년 5월 Agentic Fabric을 출시했습니다. 핵심 기능은 AI 에이전트에 대해서 회사 표현으로는 discovery, visibility, governance, authorization, protection을 하나로 묶겠다는 겁니다. 쉽게 풀면 AI를 찾아내고 + 신분증을 붙이고 + 출입 가능한 방을 정하고 계속 감시하는 시스템입니다. 여기서 아스트라의 가치, 그리고 본질을 다시 봅시다. ???: AI의 지능이 올라갈수록 AI에게 더 많은 권한을 줘야 하겠지? 권한을 많이 줄수록 identity security의 가치도 커지지 않을까? 그래서 SAIL은 제가 관심있게 보는 기업들 중 하나이고...

원문에서 제시한 근거

직원 계정은 입사·부서·직급에 따라 권한을 부여하고 퇴사 때 회수하지만, AI는 빠르게 만들어진 뒤 접근권한을 가진 채 남아 있을 수 있다는 대비를 든다.

근거 보기 2

원문 구간 1
그렇지만 양이 많아지므로 이 코드를 하나하나 사람이 쫓아다니면서 검증하긴 어렵습니다. 사진 출처: 연합뉴스 그럼 가장 쉬운 방법은? 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해놔야 통제가 되겠죠. 사람 직원에게는 이름, 사번, 부서, 직급이 있습니다. 회사 데이터 가운데 어디까지 볼 수 있는지도 정해져 있습니다. 접속 기록도 있고요. AI가 직원처럼 일하려면 AI에게도 똑같은 게 필요합니다. 누가 이 AI를 만들었는지 알아야 하고 이 AI는 어떤 서버에 접근할 수 있는지 정해야 합니다. 얼마까지 결제해도 되는지도 정해야 합니다. AI 에이전트가 본격적으로 직접 컴퓨터를 건드릴 수 있게 된 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다. 이제 평범한 SaaS 기업들보다는 아스트라 같은 AI 에이전트가 실제 기업 안에 들어가 일을 시작했을 때 새로 생기는 병목을 찾아보는 게 훨씬 재미있을 겁니다. 제가 관심을 가지고 있는 회사들 중 하나는 SailPoint(SAIL)입니다. 사진 출처: SAIL SailPoint(SAIL)이라고 아시나요? identity security 회사인데... 쉽게 말하면 회사 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리합니다. 원래 이런 시스템의 중심에는 사람이 있었습니다. 회사에 직원이 입사하면 계정을 만들어줌 인사 시스템에 등록하고 이메일과 회사 서버와 각종 프로그램에 접근할 권한을 줌 회계팀 직원이라면 회계 시스템을 볼 수 있고 개발자라면 GitHub와 개발 서버에 들어갈 수 있음 퇴사하면 그 권한을 회수하고 쫓아냄 그런데 AI 에이전트가 직원처럼 일을 하기 시작하면 매우 골치 아픈 문제가 생깁니다.
원문 구간 2
얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼? 얘가 간단한 작업은 혼자 다른 AI 데려와서 걔한테 하청 맡겨도 돼? 사고 치면 한 번에 모든 권한 회수할 수 있어? 예를 들어 회사가 아스트라 기반 에이전트 하나에게 고객 환불 업무를 맡겼다고 해보겠습니다. 이 AI는 고객 데이터베이스를 읽어야 합니다. 주문 기록도 봐야 합니다. 결제 시스템에도 접근해야 합니다. 그렇다고 회사 은행계좌 전체를 건드릴 권한까지 줄 이유는 없습니다. 고객 한 명에게 최대 100달러까지 환불하도록 허용할 수도 있고 그 이상은 인간 직원의 승인을 받게 만들 수도 있습니다. 그러면 AI 하나하나에 사실상 새로운 사번과 직급과 출입증이 필요합니다. AI 에이전트 하나가 새로운 identity가 되는 겁니다. 여기에 더 까다로운 문제도 있습니다. 사진 출처: 나무위키 사람 직원은 보통 조직도에 올라가 있음. 누가 상사이고 어떤 부서 소속인지 알 수 있음 그러나 AI는 개발자가 몇 분 만에 만들어서 서버 어딘가에 띄울 수도 있음 어떤 직원이 테스트하려고 만든 에이전트가 몇 달 뒤에도 살아 있고 그동안 부여받았던 데이터베이스 접근권한도 그대로 남아 있을 수 있습니다. 몇 달 전에 퇴사한대서 자리 뺐는데 알고보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다. "누가 무엇에 접근할 수 있는가?" 가 그래서 더 중요해집니다. 회사 화장실에 누가 숨어사는지 일일이 적발하기 어렵다면 그냥 회계팀, 전산팀 문단속만 더 철저히 하면 되니까요. SailPoint가 보고 있는 시장이 바로 이것입니다. 그리고 이게 사실 먼 미래 이야기도 아닙니다. 사진 출처: SAIL SailPoint는 SEC에 제출한 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 자사 플랫폼의 identity 증가분 가운데 약 40%가 non-human identity였다고 밝혔습니다.

해석·전망AI 코드 생산과 검증·사용량 과금주 대상 · 기업·종목 · GitLab

AI가 코드를 더 빨리 만들 때 개발 플랫폼의 병목과 과금 단위는 어떻게 달라지는가?

이 자료가 더한 내용

코드 작성이 빨라져도 테스트·보안·승인 과정은 남고 변경량이 늘면 검토량도 늘어난다. 이에 따라 사람 수보다 사람과 AI가 플랫폼에서 수행한 업무 횟수로 과금 기준이 옮겨갈 수 있다는 해석을 제시한다.

근거 보기 2

원문 구간 1
또 다른 기업이 있습니다. 사진 출처: Everhour GitLab(GTLB)입니다. 이쪽은 문제가 완전히 다릅니다. 아스트라 같은 모델이 코딩을 더 잘하게 되면 가장 먼저 떠오르는 생각이 무엇일까요? ???: 개발자가 코드를 빨리 만들면 좋은 거 아닌가? 그런데 회사 전체로 보면 일이 그렇게 간단하지 않습니다. 앞서도 말했듯, 코드는 만들어진 뒤에 끝나는 상품이 아니고 누군가는 읽고 책임을 져야 합니다. 사진 출처: Gitlab GitLab은 올해 이 현상을 아예 AI paradox라고 부르기 시작했습니다. AI 덕분에 코드 작성 속도는 크게 빨라졌는데 소프트웨어가 실제 서비스로 나가기까지 필요한 전체 과정은 그만큼 빨라지지 않는다는 겁니다. GitLab은 개발자 전체 업무시간 중 코드를 직접 작성하는 시간은 약 20% 수준이라고 설명 코딩만 10배 빨라져도 나머지 80%가 그대로 남아 있으면 전체 개발 속도는 거의 그대로 오히려 다른 문제가 생깁니다. AI가 하루에 코드 수정안을 10개 만들던 것을 100개 만들 수 있게 됐다면? 검토해야 할 코드도 100개가 됩니다. 거버넌스 문제가 생기는데요, 쉽게 말하면 이런 겁니다. ???: 이 코드 누가 만들었고 왜 만들었고 사고 나면 누가 책임질 건데? 이렇게 되면 GitLab으로 들어오는 코드 변경량과 테스트량과 보안 검사량도 같이 커집니다. AI가 만든 코드가 너무 많아져서 사람이 일일이 볼 수가 없으니 대부분의 검증도 AI로 맞불을 놓고 진짜 중요한 것만 사람이 걸러낸다는 방향이죠. GitLab이 올해 제품 방향을 이쪽으로 확 틀고 있는 이유입니다. 사진 출처: Gitlab GitLab Duo Agent Platform이라는 게 있는데...
원문 구간 2
2026년 7월 GitLab은 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못하고 있다고 직접 표현하면서 보안 취약점을 자동으로 수정하고 코드의 보안 문제를 검토하는 기능을 내놨습니다. 과금 방식도 신박한데, GitLab Credits라는 사용량 기반 과금을 도입했습니다. 예를 들어 현재 agentic code review는 코드 리뷰 한 번에 0.25달러(...)로 책정돼 있습니다. AI가 코드 리뷰를 많이 할수록 GitLab이 돈을 더 받을 수 있는 방식입니다. 이건 꽤 중요한 변화입니다. 기존 SaaS는 개발자가 몇 명인지가 중요했는데 그런데 AI가 개발자 숫자를 줄이거나 직원 한 명당 생산성을 크게 높이면 이 숫자는 매출 성장의 좋은 기준이 아닐 수도 있습니다. GitLab은 AI 시대에 맞춰 "사람 몇 명이 쓰나요?" 에서 "사람과 AI가 우리 플랫폼에서 일을 몇 번 했나요?" 로 과금 단위를 조금씩 옮기고 있습니다. 그래서 GTLB에 대한 투자 논리는 AI 코딩 회사니까 수혜를 받겠지? 로 생각하면 안 되고, 아스트라가 코딩을 너무 잘해서 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다고 해석하면 되겠죠. 다시 말하지만 누군가는 책임을 져야 합니다. 사진 출처: 마스터카드 마지막으로 조금 뜬금없는 아이디어인데... 아마 조금 더 먼 미래 이야기일 겁니다. AI 에이전트가 회사에서 실제 업무를 하면 언젠가는 돈을 써야 합니다. 직원처럼 굴어야 하는데 백날 코딩만 하고 있을 순 없으니까요. 스스로 API 토큰을 구매할 수도 있고 회사 예산을 필요한 곳에 집행할 수도 있습니다. 그러면 AI에게도 결제 권한이 필요합니다. 다만 카드번호 하나를 저장해두고 마음대로 쓰게 할 수는 없습니다.

해석·전망AI 에이전트의 결제 권한 통제주 대상 · 기업·종목 · Mastercard

AI가 결제를 수행할 때 어떤 권한 규칙이 필요하다고 보는가?

이 자료가 더한 내용

AI가 API 토큰 구매와 예산 집행을 할 수 있게 되면 일일 한도, 결제 가능한 회사, 금지 상품을 제한하는 규칙이 필요하며 소프트웨어가 새로운 결제 주체가 될 수 있다는 전망을 제시한다.

근거 보기 1

원문 구간 1
???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ 이런 규칙이 필요합니다. 사진 출처: our crypto talk 마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다. 사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다. 다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다. 그래서 간략히 요약하면... SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사 GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사 MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사 세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다. AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다. 읽어주셔서 감사합니다. ^^

시간흐름대로 모든 내용을 살려 정리

아스트라가 건드린 마지막 영역

안녕하세요, 카레라입니다. GPT-6 아스트라가 나왔습니다. GPT가 클로드한테 밀릴 것 같으면 새 모델을 내놓는 일은 하루이틀이 아니지만 이번엔 좀 다릅니다. 최근 며칠 미국과 한국의 반도체 관련주가 올랐을 정도이고, AI 거품론을 단번에 눌러버린 모델이기도 합니다. 오늘은 왜 특별한지와 투자 인사이트를 같이 보겠습니다.

원래 GPT는 프로그래밍에서 클로드보다 약간 뒤처졌고, 2024년 클로드 3.5 소넷 이후 개발자들 사이에선 코딩은 클로드라는 인식이 자리 잡았습니다. 클로드 코드가 개발=클로드라는 이미지를 만들었다고 해도 과언이 아닌데, 아스트라가 건드린 게 바로 이 마지막 영역입니다.

코드와 컴퓨터 조작 능력

과학 코딩이나 긴 문맥을 읽고 추론하는 평가는 여전히 Fable이 좀 더 높고 Fable 5.1도 세계 최상위 모델입니다. 하지만 아스트라는 클로드가 가장 자신 있던 코드 작성과 여러 단계를 거쳐 업무를 끝내는 능력에서 많이 따라잡았습니다.

특히 Computer Use, 말 그대로 AI가 화면을 보고 마우스와 키보드를 사용하는 것처럼 소프트웨어를 직접 조작하는 능력이 엄청납니다. AI가 컴퓨터를 직접 조작하기 쉬워졌다면 어떤 기업들이 제일 타격을 받겠어요? 소프트웨어 기업, SaaS들입니다. 최근 많이 회복했다가 GPT-6 출시 뒤 약간 충격을 받았습니다. 이제 GPT가 왜 강해졌는지, 미국주식에 써먹을 아이디어가 있는지 두 가지를 보겠습니다.

recurrent depth와 관찰하기 어려운 사고 과정

이건 썰일 뿐이지만 recurrent depth라는 기술이 등장합니다. 아스트라는 이 방식을 썼는지 긍정도 부정도 하지 않습니다. 기존 AI 연산은 정보가 여러 신경망 블록을 차례로 지나가는데, recurrent depth는 일부 블록을 여러 번 써서 같은 문제를 내부에서 더 여러 번 가공하는 방식입니다. 직원 100명이 보고서를 한 번씩 넘기는 대신 전문가 20명이 몇 차례 다시 검토하는 것과 비슷하다고 보면 됩니다.

아마 이런 방식으로 고난도 업무를 잘 처리하면서 일부 평가에서는 필요한 토큰과 작업비용을 크게 줄였습니다. 대신 AI가 어떤 과정을 거쳐 결론을 만들었는지는 사람이 더 관찰하기 어려워졌습니다. 오픈AI도 이전 GPT-5.6 Sol보다 글로 드러나는 사고 과정을 감시하기 어렵다고 밝혔고, 아스트라는 안전 기준에서 처음으로 사이버 보안 능력 Critical 등급에 도달했습니다. 적절한 도구와 권한이 있으면 알려지지 않은 취약점을 찾아 공격 방법을 개발할 수 있는 수준이라는 뜻입니다.

사람 수 기준 SaaS의 전제가 흔들린다

엔비디아, 데이터독, 스노우플레이크, 서비스나우 이야기는 하도 많이 해서 패스합시다. 지금까지 기업용 소프트웨어는 대부분 사람을 위해 만들어졌습니다. 사람이 Salesforce에 로그인해 고객 정보를 넣고, 다른 사람이 ServiceNow에서 티켓을 만들고 상태를 바꿉니다. 그래서 직원 100명이 쓰면 100석을, 1,000명이 쓰면 1,000석을 사는 시트 기반 과금이었습니다.

그런데 아스트라 같은 AI 에이전트가 직접 일하기 시작하면 이 전제가 흔들립니다. 예전에도 AI 에이전트는 있었지만 차이는 컴퓨터를 만질 수 있느냐가 아니라 얼마나 오래, 정확하게, 덜 개입받고 일을 끝내느냐입니다. 예전엔 화면이 조금 바뀌어도 사람이 잡아줘야 했지만, 이제는 컴퓨터 앞에 앉혀놓고 업무 하나 정도는 통째로 맡길 수 있는 AI 쪽으로 넘어간 겁니다. 중요한 숫자는 몇 명이 로그인했는가에서 몇 건의 일을 처리했는가로 이동합니다.

코드의 양적 완화와 통제

또 다른 병목도 생깁니다. 코드를 만드는 비용이 급격히 내려가면 세상에 풀리는 코드가 많아집니다. 연준이 돈을 풀 때의 양적 완화처럼요. 코드가 많아졌다고 전부 믿을 수는 없고, 사고가 났을 때 누가 책임질지가 남습니다. 누군가는 테스트하고, 취약점을 검사하고, 기존 프로그램과 충돌하지 않는지 확인하고, 배포 전에 승인해야 합니다.

코드를 만드는 일이 싸지면 검증하는 일이 상대적으로 귀해집니다. 하지만 양이 많아 사람이 하나하나 쫓아다니며 검증할 수는 없습니다. 가장 쉬운 방법은 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해야 합니다.

AI에도 사번과 출입증이 필요하다

사람 직원에게는 이름, 사번, 부서, 직급, 접근 가능한 데이터와 접속 기록이 있습니다. AI가 직원처럼 일하려면 누가 만들었는지, 어느 서버까지 접근하는지, 얼마까지 결제해도 되는지도 똑같이 정해야 합니다. 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다.

SailPoint는 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리하는 identity security 회사입니다. 직원은 입사 때 계정을 받고 부서에 맞는 권한을 받으며 퇴사하면 회수합니다. 그런데 AI 에이전트가 일하면 "얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼?"라는 문제가 생깁니다.

non-human identity가 늘어나는 사례

고객 환불을 맡은 아스트라 기반 에이전트는 고객 데이터베이스·주문 기록·결제 시스템은 봐야 하지만 회사 은행계좌 전체를 건드릴 이유는 없습니다. 고객 한 명당 최대 100달러까지만 환불하고 그 이상은 인간 직원 승인을 받게 할 수도 있습니다. AI 하나하나에 사실상 새 사번과 직급과 출입증이 필요하다는 얘기입니다.

사람은 조직도에 있지만 AI는 개발자가 몇 분 만에 만들어 서버 어딘가에 띄울 수 있습니다. 테스트용 에이전트가 몇 달 뒤에도 살아 있고 데이터베이스 권한도 그대로일 수 있죠. 몇 달 전에 퇴사한대서 자리 뺐는데 알고 보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다. 그래서 누가 무엇에 접근할 수 있는가가 중요합니다.

SailPoint가 보는 관리 대상의 확장

이건 먼 미래 이야기도 아닙니다. SailPoint는 SEC에 낸 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 플랫폼 identity 증가분의 약 40%가 non-human identity였다고 밝혔습니다. 일부 기업에서는 이런 identity가 사람 identity보다 훨씬 많다고 합니다.

직원 1만 명이 갑자기 10만 명으로 늘지는 않지만, 직원 한 명이 AI 에이전트를 5개씩 쓰면 관리할 identity는 금방 몇만 개 추가될 수 있습니다. 자동화 프로그램과 API 계정까지 더하면 더 커집니다. SailPoint는 2026년 5월 Agentic Fabric을 출시했고, AI를 찾아내고 신분증을 붙이고 출입 가능한 방을 정하고 계속 감시하는 기능을 묶겠다는 겁니다. AI 지능이 올라가 권한을 더 줄수록 identity security 가치도 커지지 않을까, 그래서 SAIL에 관심을 둡니다.

GitLab의 AI paradox와 사용량 과금

또 다른 기업은 GitLab입니다. 개발자가 코드를 빨리 만들면 좋은 것 아니냐고 생각할 수 있지만, 코드는 만들어진 뒤 끝나는 상품이 아니고 누군가는 읽고 책임을 져야 합니다. GitLab은 올해 이 현상을 AI paradox라고 부르기 시작했습니다. 코드 작성 속도는 빨라졌는데 실제 서비스로 나가기까지 전체 과정은 그만큼 빨라지지 않는다는 겁니다. 개발자 업무시간 중 직접 코딩은 약 20%이고, 코딩만 10배 빨라도 나머지 80%가 그대로면 전체 속도는 거의 그대로입니다.

AI가 수정안 10개 대신 100개를 만들면 검토할 코드도 100개입니다. "이 코드 누가 만들었고 왜 만들었고 사고 나면 누가 책임질 건데?"라는 거버넌스 문제가 생깁니다. GitLab으로 들어오는 코드 변경, 테스트, 보안 검사도 커지고, 대부분 검증은 AI로 맞불을 놓고 중요한 것만 사람이 거르는 방향입니다. 2026년 7월 GitLab은 보안 취약점 자동 수정과 보안 검토 기능을 냈고, GitLab Credits를 도입해 agentic code review 한 번에 0.25달러로 책정했습니다.

AI 직원의 결제와 세 가지 병목

AI가 코드 리뷰를 많이 할수록 GitLab이 더 받는 구조입니다. AI 시대에는 사람 몇 명이 쓰는가보다 사람과 AI가 플랫폼에서 일을 몇 번 했는가로 과금 단위가 옮겨갑니다. GTLB는 AI 코딩 회사라서 수혜를 받는다는 얘기보다, 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다는 해석입니다. 다시 말하지만 누군가는 책임을 져야 합니다.

마지막으로 더 먼 미래 얘기입니다. AI가 실제 업무를 하면 API 토큰을 사고 예산도 집행할 수 있으니 결제 권한이 필요합니다. 다만 카드번호를 마음대로 쓰게 할 수는 없죠. "너는 하루 500달러까지만!"처럼 한도·결제처·상품 제한이 필요합니다. 마스터카드가 2026년 6월 출시한 Agent Pay for Machines는 AI와 기계가 서비스를 사고팔며 소액을 자동 결제하는 거래까지 봅니다. SAIL은 AI 에이전트가 새 직원이 되는 데, GTLB는 AI 버전 코드의 양적 완화에, MA는 AI 직원들이 언젠가 돈까지 쓰는 세계에 베팅하는 회사입니다. AI 때문에 무엇이 싸지고, 그 결과 무엇의 사용량이 폭증하며, 무엇이 새 병목이 되는지 계속 고민해야 할 때라고 봅니다.

그럼에도 빠진내용 정리

잡담·곁다리 내용

사진 출처와 인사말은 원문 보존 파일에서 확인할 수 있으며, 논지에 필요한 구어적 질문과 비유는 flow에 남겼다.

생략 기록

사진 출처 표기만 별도 문장으로 반복하지 않았다.

그럼에도 빠진내용 정리

압축/생략	사진 출처 표시는 흐름의 논지를 바꾸지 않아 별도로 반복하지 않았다.
잡담/운영	원문의 질문형 문장과 비유는 흐름에 보존했다.
전사 오류 가능성	recurrent depth의 적용 여부는 작성자가 확인되지 않은 썰이라고 했으므로 단정하지 않았다.

원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.

원문 다운로드 새 창에서 보기