SaaS의 운영 주체가 사람에서 에이전트로 넘어갈 때

소프트웨어 서비스 산업이 수십 년간 지켜온 전제, '사용자가 도구를 사용한다'는 구도가 흔들리고 있다. AI 에이전트가 SaaS 플랫폼의 핵심 행위자로 올라서면서, 소프트웨어는 인간의 입력을 기다리는 수동적 도구가 아니라 목표를 자율적으로 수행하는 능동적 에이전트로 진화하고 있다. 이 전환은 SaaS의 비즈니스 모델, 사용자 경험, 기술 아키텍처 전반을 재정의하는 변화의 출발점이다.

AI가 도구가 아니라 운영 주체가 되는 소프트웨어

Agentic SaaS는 AI 에이전트가 소프트웨어의 일부 기능이 아니라 핵심 운영 주체로 기능하는 소프트웨어 모델이다. 기존 SaaS에서 사용자는 도구를 조작해 원하는 결과를 직접 만들어냈지만, Agentic SaaS에서는 사용자가 목표와 제약 조건을 제시하면 AI 에이전트가 필요한 행동 시퀀스를 스스로 계획하고 실행한다.

핵심 차이는 '루프 내 인간(human-in-the-loop)'의 위치가 바뀐다는 점이다. 기존 SaaS는 모든 단계에서 인간의 개입을 전제하지만, Agentic SaaS는 인간이 의도와 결과를 정의하고 에이전트가 그 사이의 모든 실행 과정을 자율적으로 처리한다. 인간은 감독자이자 의사결정자로서 예외적 상황에만 개입한다.

기존 SaaS와 갈리는 지점들

구분	기존 SaaS	Agentic SaaS
사용자 역할	직접 조작자	목표 설정자
소프트웨어 역할	수동적 도구	자율적 에이전트
인터페이스	GUI, 클릭 기반	자연어, 목표 기술
실행 방식	단계별 수동 실행	자동 계획 및 실행
가치 측정	사용 시간, 기능 수	달성된 성과
과금 모델	시트/월정액	아웃컴 기반
오류 처리	사용자 수동 수정	에이전트 자율 재시도

⤢✕

목표를 실행으로 옮기는 구성

Agentic SaaS의 중심에는 복잡한 목표를 하위 작업으로 분해하고 각 작업의 실행 순서와 방법을 동적으로 결정하는 계획 엔진이 있다. ReAct(Reasoning + Acting), Chain-of-Thought, Tree-of-Thought 같은 최신 AI 추론 기법을 활용해 장기 목표를 달성하기 위한 실행 계획을 수립하며, 특정 단계가 실패했을 때 대안 경로를 찾거나 인간에게 명확화가 필요한 지점을 정확히 식별해 최소한의 개입만 요청하는 '실패로부터의 자율 회복' 역량이 이 엔진의 품질을 가른다.

효과적인 Agentic SaaS는 사용자·조직·업무 흐름에 대한 컨텍스트를 지속적으로 학습하고 유지하는 컨텍스트 인식 레이어도 갖춘다. 특정 작업 이력을 담는 에피소딕 메모리, 도메인 지식을 담는 시멘틱 메모리, 성공한 실행 패턴을 담는 절차적 메모리가 조합되고, RAG와 벡터 데이터베이스로 방대한 조직 지식을 압축하며, 개인화 엔진이 사용자와 팀의 작업 스타일을 학습·적응한다.

도구 오케스트레이션 시스템은 이메일·캘린더·CRM·ERP·외부 API·코드 실행 환경 같은 다양한 도구와 시스템을 에이전트가 자율적으로 조합해 쓰도록 한다. MCP(Model Context Protocol), OpenAI Function Calling, LangChain 같은 도구 통합 프레임워크가 이 오케스트레이션을 가능하게 한다.

영업부터 개발까지, 산업이 먼저 움직인다

세일즈 자동화에서는 잠재 고객을 자동 발굴하고 개인화된 이메일을 작성·발송하며 미팅을 예약하고 후속 조치까지 자율 수행하는 Agentic CRM을 Salesforce Agentforce·HubSpot Breeze가 구현하고 있다. HR·채용에서는 채용 공고 작성부터 이력서 스크리닝, 인터뷰 일정 조율, 레퍼런스 체크 초안 작성까지 채용 파이프라인 전체를 에이전트가 관리하고 사람은 최종 의사결정에만 집중한다. 법률 서비스에서는 계약서 검토·판례 조사·법적 위험 분석·초안 작성을 에이전트가 처리하고 변호사는 전략적 판단과 의뢰인 소통에 집중하며, 재무 관리에서는 경비 승인·인보이스 처리·예산 이상 탐지·규정 준수 보고서 작성 같은 반복 업무를 에이전트가 자율 처리한다. 소프트웨어 개발에서는 Devin, GitHub Copilot Workspace 같은 에이전틱 코딩 도구가 기능 요청을 받아 코드 작성·테스트·PR 생성까지 자율 수행한다.

시트 라이선스가 아웃컴 기반으로 바뀌는 배경

Agentic SaaS의 부상은 SaaS 과금 모델의 재설계를 요구한다. 기존 시트(seat) 또는 사용자 수 기반 과금은 AI 에이전트가 인간 사용자를 대체할수록 수익 모델이 무너지는 역설적 상황을 만들기 때문이다. 그 대안으로 처리된 인보이스 건수·예약된 미팅 수·해결된 지원 티켓 수를 기준으로 삼는 태스크 완료 기반, 증가된 매출·절감된 비용·단축된 처리 시간을 기준으로 삼는 성과 기반, LLM 호출 횟수·도구 사용 횟수에 비례하는 에이전트 실행 기반 과금이 새로운 표준으로 부상한다. 이 전환은 SaaS 벤더에게 더 높은 가치를 증명해야 하는 부담을 주지만, 고객과의 이해관계 정렬을 강화해 장기적 파트너십을 구축하는 기회도 된다.

⤢✕

전환에 필요한 기술 스택

Agentic SaaS를 구축하거나 전환하려는 기업이 갖춰야 할 스택은 여러 층으로 나뉜다. LLM 레이어에서는 GPT-4o·Claude 3.7 Sonnet·Gemini 2.0 Flash 등 작업 특성에 맞는 모델을 선택하는 멀티모델 전략을 쓰고, 에이전트 프레임워크로는 LangGraph·AutoGen·CrewAI·OpenAI Swarm 같은 멀티에이전트 오케스트레이션 도구를 쓴다. 메모리·지식 베이스는 Pinecone·Weaviate·pgvector 기반 벡터 데이터베이스와 Redis 기반 에피소딕 메모리로 구성하고, 도구 통합은 MCP 서버·REST API 래퍼·RPA 도구(Zapier, Make)·브라우저 자동화(Playwright)로 이뤄진다. 관측·평가에는 LangSmith·Arize·Weights & Biases Weave를 써서 에이전트 실행을 모니터링하고 품질을 평가하며, 보안·거버넌스 영역에서는 에이전트 권한 관리·인간 감독 게이트웨이·감사 로그·데이터 프라이버시 보호를 갖춘다.

신뢰성과 권한 관리가 여전한 숙제

Agentic SaaS 전환이 유망하지만 해결해야 할 도전도 상당하다. AI 에이전트의 행동이 항상 예측 가능하지는 않아 중요한 업무 프로세스에서 오류가 발생했을 때의 영향이 크고, 견고한 오류 감지와 롤백 메커니즘이 필수적이다. 에이전트가 광범위한 시스템과 데이터에 접근권을 가질 때는 최소 권한(least privilege)과 남용 방지가 핵심 과제가 되며, 의료·금융·법률 같은 규제 산업에서는 AI 에이전트의 자율 행동이 관련 법규를 준수하는지 검증하는 일이 복잡하다. 사용자가 AI 에이전트의 자율 행동을 신뢰하고 받아들이기까지도 시간과 경험이 필요해, 투명성 설계가 중요해진다.

도구의 시대에서 에이전트의 시대로 진입하며 과금 모델·기술 아키텍처·인간-소프트웨어 관계 전반이 재정의되고 있다. 이 전환에 주도적으로 참여하는 기업이 다음 시장을 정의할 것이고, 적응하지 못하는 기존 SaaS 플레이어는 도태를 피하기 어려울 것이다.