생성형 AI가 소프트웨어 사용 방식까지 바꾸면서 업계의 질문은 단순한 기능 추가를 넘어섰다. 사용자가 개별 프로그램을 열고 메뉴를 익히는 대신 대화형 인터페이스에서 작업을 지시하는 흐름이 커지자, 기존 소프트웨어 기업은 도구를 어디까지 외부에 열고 어떤 지점에서 유료 가치를 만들지 다시 정해야 한다. 어도비가 자사 창작 도구의 기능을 대화형 AI 환경과 연결하려는 움직임은 이런 전환을 보여준다. 핵심은 챗봇 자체와 경쟁하는 것이 아니라, 익숙한 제작 기능을 새로운 이용 경로에 배치하면서 전문 편집과 후속 작업은 자사 제품 안에서 이어지게 하는 데 있다.
수익 기준도 달라지고 있다. 직원이나 계정 수를 기준으로 요금을 매기던 서비스형 소프트웨어는 AI 에이전트가 사람 대신 여러 작업을 처리할수록 기존 좌석 기반 과금과 실제 가치 사이의 간격이 커진다. 세일즈포스가 AI 에이전트의 처리량과 사용량을 과금 단위로 삼으려는 방향은 이 문제에 대한 대응이다. 다만 사용량 과금은 고객이 비용을 예측하기 어렵게 만들 수 있어, 처리 단위의 정의와 월별 상한, 실패한 작업의 과금 여부, 사람이 개입한 경우의 계산 방식을 투명하게 제시해야 한다.
| 전환 축 | 확인되는 방향 | 사업 검증 지표 |
|---|---|---|
| 도구 개방 | 대화형 AI 안에서 기존 제작 기능에 접근 | 신규 이용자·전문 도구 전환율 |
| 과금 방식 | 좌석 수에서 AI 작업량·처리 가치로 이동 | 작업당 비용·예측 가능성 |
| 국내 SW 변화 | 업무 데이터와 에이전트형 서비스 결합 | 반복 사용률·고객 유지율 |
| 남은 과제 | 연동·보안·오류 책임의 명확화 | 도입 기간·운영비·사고 대응 |
국내 소프트웨어 기업에도 같은 과제가 놓여 있다. 문서·업무·회계처럼 축적된 데이터와 고객 업무 흐름을 가진 기업은 AI 기능을 기존 제품에 붙이는 데서 그치지 않고, 여러 작업을 연결하는 에이전트형 서비스와 데이터 기반 운영으로 무게를 옮기고 있다. 일부 기업은 장기 투자를 위해 지배구조나 시장 전략까지 재검토한다. 그러나 AI 전환이라는 이름만으로 성과가 보장되는 것은 아니다. 고객이 실제로 줄인 시간과 비용, 기존 시스템과의 연동 난도, 데이터 보호와 오류 책임을 함께 공개해야 사업모델 변화가 실적으로 이어졌는지 판단할 수 있다.
결국 소프트웨어 기업의 방어력은 모델 이름보다 고객의 업무 맥락에 있다. 도구를 외부 AI에 개방해 신규 이용자를 확보하고, 전문 기능과 신뢰할 수 있는 데이터 연결에서 차별화하며, 계정 수 대신 실제 처리 가치에 맞춘 가격 체계를 설계하는 일이 한 묶음으로 움직인다. 국내 기업도 기능 발표보다 반복 사용률, 유료 전환, 작업당 비용과 고객 유지율을 보여줘야 한다. AI 시대의 전환은 기존 소프트웨어를 버리는 일이 아니라, 누가 인터페이스를 소유하고 어디에서 품질과 책임을 보증할지를 다시 정하는 과정이다.
저작권자 © STORIUM 무단전재 및 재배포 금지
