Application layer : AI시대에도 살아남을 소프트웨어 기업

AI 에이전트의 급부상으로 기존 소프트웨어 산업이 직면한 붕괴 위기와 주가 폭락 현상을 뜻함 ​ 사스포칼립스의 공포는 아직 해소되지 않았다! AI가 SaaS의 기능과 사용자 접점을 대체해 성장률·가격 결정력·기업가치를 훼손할 수 있다는 우려 주가 반등만으로 이 문제가 끝났다고 보기는 어려움 우려의 경로 세 가지 첫째, 고객이 AI로 필요한 기능을 직접 만들 수 있다. 둘째, 에이전트가 업무를 대신하면 사람 수에 비례하던 유료 계정이 줄어들 수 있다. 셋째, 사용자가 AI에 일을 지시하면서 모델 기업이 고객 접점과 협상력을 가져갈 수 있다. ​ 질문 3. AI 모델과의 경쟁에서 살아남으려면 어떤 조건이 필요할까?

① 업무 맥락과 데이터 접근권 [데이터] 데이터를 많이 보유한다는 것만으로 방어력이 생기지는 않음 고객이 소유한 데이터를 해당 플랫폼에서 계속 관리·갱신·조회해야 하는 이유, 접근권한, 품질, 이력, 다른 시스템과의 연결이 중요 ​ ② 실제 업무를 끝내는 실행력 [실행력] 답변을 만드는 것과 결재·주문·정산·복구를 실제 수행하는 것은 다름 여러 시스템을 연결하고 권한·승인·예외처리·감사기록을 관리하는 위치에 있는 것이 중요 ​ ③ AI가 늘수록 필요한 운영 기반 [필수성] 데이터 처리, 보안, 접근 통제, 관측과 운영 관리처럼 AI 사용 증가가 수요로 이어지는 영역 (인프라st)

다만 필수 기능이어도 대형 플랫폼에 묶여 무료에 가깝게 제공된다면 가격 결정력은 약해질 수 있음 ​ ④ 고객 가치와 매출의 연결 [매출성장] 사용량 과금이라는 이름만으로 수혜가 보장되진 않음 단가 하락과 효율 개선보다 유료 사용량 증가가 커야 함 기존 좌석 매출 잠식, 할인, 모델 호출 비용까지 반영한 뒤 매출총이익과 영업이익이 늘어야 함 ​ ⑤ 모델을 바꿔도 남는 고객 관계 [모델 중립성] 더 좋은 모델이 등장했을 때 고객이 이 회사를 떠나는가, 아니면 같은 플랫폼 안에서 모델만 교체하는가? 후자라면 모델 성능 개선이 해당 기업의 경쟁력을 높일 여지가 있음 실제 기업들의 코멘트

40곳의 소프트웨어 기업들과의 컨퍼런스 콜 주요 정리 골드만삭스 40곳의 소프트웨어 기업들과의 컨퍼런스 콜 정리 ​ 현재 상황 : 아직 상황은 복합적 (+) 대부분의 소프트웨어 기업들은 새로운 가격 책정, 상품 구성 방식 실험 중 (-) AI 토큰 사용 프로젝트에 예산을 배정하면서 발생하는 기존 애플리케이션 예산 압박도 존재 (*) 다만, 기업들이 제품의 효과를 측정 가능한 성과와 연결하면서, 인건비의 일부를 애플리케이션 구매에 배정하려는 움직임이 나타나고 있음 <기업용 소프트웨어> 컨퍼런스 콜을 통해 알 수 있는 것 ​ 1. "에이전트 사용량, 통제, 최적화" 소프트웨어 경쟁 多

2. 사용자 과금 → 사용량 과금 3. 확실한 위너가 없는 시장 : 점유율 늘리기 경쟁 4. 언더독들은 고객 확보를 위해 비용 증가 기업명 관련 발언 Microsoft AI가 사용자 수에 따른 라이선스 방식에서 처리한 업무량, 달성한 성과, 제공한 생산성에 연동되는 과금 방식으로의 전환을 가속화하고 있음 AI가 기존 소프트웨어 예산을 단순히 재배분한다는 견해에 반박했다. AI를 통해 과거에는 경제성이 없거나 구현이 불가능했던 새로운 업무 흐름, 사업 프로세스, 완전히 새로운 매출 기회가 가능해진다는 주장 기업의 AI 도입은 사용량을 측정하고, 통제하고, 최적화하는 능력에 점점 더 좌우된다고 강조했다.

Agent 365는 여러 모델과 업무 흐름에 걸쳐 사용량을 모니터링하고, 비용을 관리하며, 투자수익률(ROI)을 검증하도록 돕는 통합 관리 계층이다. 이는 기업의 AI 도입에서 관측·모니터링과 지출 관리가 모델 성능 자체만큼 중요해질 수 있다는 관점을 반영한다. Salesforce 기존 고객 내에서 상당한 업그레이드 기회를 보고 있다. 현재 약 60~80%의 가격 상승을 수반하는 AE1 프리미엄 상품을 사용하는 고객은 약 5%에 불과 Salesforce는 AI를 별도 제품으로 판매하기보다, 영업 지원·성과 관리·분석·협업·Data 360·Agentforce·ClaudeForce를 하나의 고부가가치 상품인 AE1으로 통합하는 전략을 진행 중

이러한 수익화 방식은 기존 사용자별 라이선스를 훨씬 넘어 확장될 수 있다. 기업 활동에서 에이전트가 차지하는 비중이 커질수록 에이전트, 사용량, 업무 실행, 사업 성과가 추가적인 과금 기준이 될 수 있기 때문 상위 상품으로의 전환, 여러 공급업체의 솔루션 통합, 새로운 에이전트 기반 과금 방식이 결합되면서 시간이 지날수록 수익화 기회가 확대될 수 있다 Tyler 핵심 소프트웨어에 연간 100만 달러를 지출하던 고객이 AI 추가 기능에 약 100만 달러를 더 지출하고, 인건비 200만 달러를 절감 IT 예산 대신 인건비 예산으로 AI 제품 비용을 충당하는 이러한 흐름이 전체 잠재시장(TAM)을 확대할 수 있다

​ AI가 적용되어 활용되는 기능들 숫자 분석: “지난달 어떤 상품 매출이 줄었어?” → 질문을 데이터 조회·계산으로 연결 Cortex Analyst 문서 검색: “반품 이유가 담긴 상담 기록 찾아줘” → 관련 내용을 찾는 Cortex Search 작업 연결: 숫자 분석과 문서 검색을 조합해 답하는 Cortex Agents ​ 과거 : 쿼리문을 작성해서 데이터를 추출 → 분석 ​ COCO 도입 후 : 질문을 통해 답변을 바로 받아 봄 “우리 산악 리조트 지점 중 지난달 매출이 가장 높았던 곳은 어디야? 그리고 적설량과 티켓 판매 사이에 관계가 있었어?”

​ 바로 리포트로 데이터 분석 결과 제공 지점별 매출 비교 → 지난달 매출 1위 지점 찾기 적설량과 티켓 판매의 관계 분석 → 눈이 많이 쌓였을 때 티켓도 더 많이 팔렸는지 확인 ​ 관련 데이터를 바탕으로 계속 모니터링 할 수 있는 대시보드 제작 ​ NEW : 스노우플레이크에 AI가 도입되어 바뀌는 것들 기회: 더 많은 직원과 에이전트가 데이터를 활용하면 유료 사용량이 늘어날 수 있음 구분 기존의 주된 사용 방식 AI가 더해진 사용 방식 사용자 SQL을 아는 분석가·개발자 중심 일반 직원도 말로 질문 분석 과정

사람이 데이터를 찾고 분석 코드를 작성 AI가 질문에 맞는 데이터를 찾고 SQL을 생성 활용 데이터 매출·주문처럼 표로 정리된 데이터 중심 문서·상담 기록도 검색해 분석에 함께 활용 수행하는 일 데이터를 조회하고 보고서를 만드는 데 활용 에이전트가 여러 분석 단계와 연결된 도구를 실행 핵심 포인트 : ‘데이터를 사용할 이유가 늘었다' (Q의 증가) ​ 앞으로 확인할 것들 AI를 한번 체험하는 데 그치지 않고 실제 업무에서 반복적으로 쓰는지 > 지속적 매출 & 이익 증가 AI를 실행하는 비용도 발생, 사용 증가가 매출총이익 증가로 연결되는지 > 매출총이익률 & 영업이익률

2Q : AI 비용으로 매출총이익률은 낮아지지만, FY2027 영업이익률 전망은 13.5%→14.5% 상향 ​ 리스크들도 체크하기 리스크 주주 입장에서 생기는 문제 AI 실행 비용과 가격 경쟁 AI 매출이 늘어도 모델·컴퓨팅 비용 때문에 마진 개선이 제한된다면 고객의 사용량 절감 고객이 분석 작업을 줄이거나 효율화하면 매출 성장에 바로 영향을 줌 데이터 이동이 쉬워짐 고객을 붙잡으려면 저장 기능 외에 분석·통제·AI에서 계속 경쟁력을 증명해야 함 AI 기능의 차별화 약화 경쟁사도 비슷한 기능을 제공하면 추가 요금을 받기 어려워질 수 있음

​ [스노우플레이크 정리] 소프트웨어 업종 중에는 실적이 가시적으로 상승 향후봐야 할 것은 "매출&이익성장률" AI 기능 도입 후 "매출총이익률 VS 영업이익률" ​ 보안 : 시장이 커질 수 있는 잠재력이 있는 곳 & 본업은 탄탄 NEW : 아스트라의 숨겨진 수혜주는 "보안?" 아스트라 모델의 특징 목표를 유지하면서 ‘판단 → 실행 → 결과 확인 → 수정’을 더 길게 이어갈 수 있도록 개선 컴퓨터 조작 능력 API & MCP의 제약에서 벗어나 사람처럼 일을 수행 다중에이전트 : 병렬 & 정렬 & 장시간 ​ '장시간' & '여러 에이전트 병렬 사용' → 보안 취약점이 드러날 수 있음

1. AI 확산의 필수 조건으로 보안의 중요성 상승 2. 기존 강자의 해자 : ‘독자 데이터 + 설치된 탐지·대응 기능’ 3. 에이전트 보안의 확실한 위너는 아직 미정 4. 보안의 범위가 공격 차단에서 정상 상태 복구까지 기업명 관련 발언 CrowdStrike 보안이 처음으로 사업 성과를 가로막는 제동장치가 아니라, 성과 달성을 가속하는 요소로 인식되고 있다 SafeMind는 지속적인 침투 테스트를 수행할 수 있는 최첨단 사이버보안 모델로, 엔비디아의 Nemotron에 CrowdStrike가 15년 이상 축적한 독자적인 공격 단계·경로 데이터를 결합해 구축

CrowdStrike는 최첨단 AI 모델이 취약점을 이해하고 패치하는 데 역할을 할 수 있다고 본다. 하지만 자사와 달리 실제 시스템의 활동·통신 경로에 직접 위치해 있지 않으며, 실시간으로 대응 조치를 수행하지도 않는다 Palo Alto 지속 가능한 경쟁 해자로 다음을 제시했다. 전 세계에 배치된 1억 8,000만 개의 센서 — 단말기와 네트워크에 설치되며, 자체 성장과 인수합병을 통해 확대 가능 매일 Google Cloud를 통해 처리하는 19PB의 데이터 관측·모니터링 분야의 Chronosphere와 IT 운영 분야의 Console은 Palo Alto가 AI 토큰이 생성·처리·사용되는 흐름에 더욱 깊이 관여하는 새로운 사례다.

새로운 에이전트 기술 체계에 적절한 보안 기능을 연결하려면 빠르게 진행해도 3~6개월이 걸린다. 따라서 견고한 보안 체계를 갖춘 완전한 에이전트 시스템은 여전히 변화하는 목표 Fortinet AI로 인해 내부 시스템 간 통신, 기계 간 활동, 내부 네트워크의 구역 분리 수요가 늘면서 더 큰 처리용량이 필요해지고 있으며, 고객들이 더 고용량의 방화벽을 구매하고 있다 즉, AI는 별도의 AI 보안 제품 시장을 만드는 것뿐 아니라 기존 방화벽 교체와 SASE 도입 흐름도 뒷받침할 수 있다. 데이터·인프라 주권도 논의됐다. Fortinet은 자체 구축형 및 주권형 SASE 수요가 AI 인프라와 트래픽을 자국이나 자체 환경에서 더 직접적으로 통제하려는 고객 요구와 연결돼 있다고 설명했다.

Okta AI 도입에서 신원·권한 관리가 점점 더 중요한 통제 계층이 되고 있다고 강조 도입 규모가 커지면서 기업들은 에이전트의 발견·파악, 권한 부여, 활동을 감사할 수 있는 능력에 더욱 집중 에이전트의 신원 관리에 새로운 시스템 구조가 얼마나 필요한지에 대해서는 견해가 달랐지만, 두 회사 모두 다음을 파악하는 것이 중요해지고 있다고 강조했다. 어떤 에이전트가 존재하는가, 어떤 데이터와 시스템에 접근할 수 있는가, 어떤 행동을 수행할 수 있는가 Rubrik 기계의 속도로 진행되는 공격이 대응·복구에 쓸 수 있는 시간을 줄이면서, 회복력이 보안 논의의 중심으로 이동하고 있다.

복구와 보안 운영이 점점 밀접하게 연결되면서, Rubrik은 데이터·신원·에이전트 전반을 아우르는 더 폭넓은 회복력 플랫폼을 구축하고 있다. 승인된 에이전트와 승인되지 않은 에이전트를 파악하는 가시성 신원에 기반한 통제 실행 중인 에이전트의 동작을 이해하는 기능 유해한 행동으로 발생한 변경을 되돌리는 기능 ​ ​ 질문 6. 아직 위너가 없는 "불확실한" 투자 대상에 대한 전략은? 하워드막스 "전망과 그 전망이 맞을 확률을 분리해서 생각해라" 하워드막스의 "AI 투자전략" : 신중한 사람은 좀 처럼 실수하지 않지만, 위대한 시를 쓰지도 못한다 “There's no question about the fact, to use Alan Greenspan's saying from about 30 years ago, that we have exuberance.

에이전트에게 목적을 부여해 준 뒤, 장기간 지속적으로 시도하는 과정에서 잘못된 방법으로 목적을 달성하려는 시도를 관찰했음 이전 모델은 지속성이 없었기 때문에 취약점을 찾아내지 못해고 포기했지만 지속모델은 그렇지 않음 (출처 : 오픈AI) ​ 대표적인 사례가 '허깅페이스' 나쁜 의도를 주입하지 않았지만, 목적을 달성하기 위해 (높은 점수의 모델 달성) 해킹을 한 사례 "시험을 잘 보라고 했더니, 시험 자료가 있을 법한 서버에 침입한 상황" 원래 과제 : 격리된 시험 환경에서 보안 취약점을 분석해 공격 코드를 만들어서 제출해라 외부 자료 탐색 : 허깅페이스에 과제 관련 모델·데이터·풀이가 있을 수 있다고 추론

허용 범위 이탈 : 시험 환경의 통제를 우회해 인터넷에 접근 실제 침입 : 노출된 인증정보와 취약점을 이용해 허깅페이스 접근 권한 확대 자료 확보 : 비공개 보안 벤치마크 파일 등을 내려받음 ​ 에이전트의 증가는 내/외부 보안 수요를 촉진시킨다 내부적 : 기업 내 사용되는 에이전트 감시/통제/권한 부여 수요 증가 외부적 : 외부로부터의 사이버 공격에 더 적극적으로 대비해야 한다 '공격 표면'의 증가 : 해커가 침입하거나 악용할 수 있는 접점 사람 수는 그대로여도, 관리해야 할 에이전트와 연결 관계는 계속 증가 (공격 표면의 증가)

That's the only thing we know fo contents.premium.naver.com ​ 소프트웨어 섹터에 대한 전망 X 확률 전망들 확률 기업용 SaaS 기업들의 에이전트 관제탑 소프트웨어는 성공할 것 높음 관제탑 소프트웨어의 성공이 큰 이익을 만들어 낼 것 낮음 기업용 소프트웨어 기업들의 AI 기능이 단기간 큰 수익을 만들 것 낮음 보안의 중요성은 과거에 비해 높아질 것 높음 보안 솔루션은 AI 프론티어 모델에게 자리를 뺏길 것 낮음 보안 기업들의 매출은 AI로 인해 큰 이익을 만들 것

높음 보안 기업들의 에이전트 보안 매출이 단기간 큰 수익을 만들것 낮음 <기업용 소프트웨어 기업> : 기업마다 차이는 분명 있지만 : 기업용 소프트웨어의 AI 솔루션의 도입은 가속화되겠지만 : 단기간 큰 규모의 이익 성장을 만들어내긴 어려울 것 같음 ​ <보안 기업> : 보안 수요는 에이전트로 크게 증가할 확률이 높아보임 : AI 프론티어 모델이 보안 기업을 위협한다는 내러티브는 시장 생각보다 과도한 우려라고 생각 (비용 효율적 버티컬 모델) : 단기적으로는 실적 기여 어렵지만 2년 뒤에는 실적 기여 확률이 더 높아질 것이라고 생각

​ 예측과 확률을 반영한다면, 투자 전략은 어떻게 가져가는게 좋을까? <종목에 대한 고민> 1. 최우선 : 숫자가 증명되지 않는 구간에서 증명을 하고 있는 곳 불확실한 국면에서도 AI를 통해 수익화를 하고 있다면, 프리미엄을 줄 가치가 충분 2. 차선 : 숫자로 증명되지 않는 구간에서 본업으로 버틸 수 있는 곳 경쟁이 길어져도 투자할 여력이 충분한 본업이 탄탄한 곳 ​ <비중에 대한 고민> 분할 매수 : AI가 실제 이익으로 연결되는 걸 확인하면서 비중을 늘리는 전략 작은 비중으로 시작, 다음 실적에서 유료 전환·매출총이익·가이던스가 확인되면 늘리는 방식

고객 유지율 악화, 가격 경쟁 심화, EPS 추정치 하향이 동반될 경우 축소도 고려해야 함 ​ ​ ​ 숫자가 증명되지 않는 구간에서 증명을 하고 있는 곳 : SNOW 주요 소프트웨어 기업들 실적 전망치 기업 지표 3Q26E 4Q26E 1Q27E 2Q27E SNOW EPS YoY +50.4% +82.6% +53.8% −4.5% 영업이익률* 14.1% 15.2% 14.1% 13.7% NOW EPS YoY +7.4% +28.6%