AI SaaS가 아니라 AI 노동을 팔아라

지난 20년 동안 소프트웨어는 사람의 일을 없앤다고 약속했다. 실제로 없앤 것은 종이와 서류함인 경우가 많았다. 해야 할 일은 대시보드, 입력폼, 알림함, 작업 큐로 옮겨갔다. 예전에는 종이에 적던 사람이 이제 브라우저에서 클릭한다.

그래서 작은 사업자의 문제는 소프트웨어가 없다는 것이 아니다. 소프트웨어를 계속 사람이 눌러야 한다는 것이다.

치과를 생각해보자. 진료가 끝나도 일은 끝나지 않는다. 보험 포털에서 지급 내역을 내려받고, 진료관리 시스템에 입력하고, 환자 잔액을 확인하고, 청구서를 만들고, 반려된 청구를 다시 처리해야 한다. 시스템은 이미 여러 개다. 하지만 시스템 사이를 건너다니며 업무를 끝내는 사람도 여전히 필요하다.

이 지점에서 AI Agent는 기존 SaaS와 다른 상품이 된다. 더 좋은 화면을 파는 것이 아니라 완료된 노동을 팔 수 있기 때문이다.

좌석을 팔던 소프트웨어, 결과를 파는 소프트웨어

기존 SaaS의 기본 판매 단위는 좌석이었다. 사용자가 로그인해 기능을 쓰도록 만들고, 더 많은 사람이 더 자주 사용할수록 가치가 커졌다. 고객은 소프트웨어 비용과 함께 그 소프트웨어를 운영할 사람의 시간도 지불했다.

AI 노동의 판매 단위는 다르다. 처리된 청구, 대조가 끝난 입금, 회수된 미수금, 예약이 확정된 고객처럼 업무의 종료 상태가 상품이 된다. 고객이 사고 싶은 것은 “보험금 정산 대시보드”가 아니라 “보험금 정산이 끝난 상태”다.

이 차이는 카피가 아니다. 제품 설계 전체를 바꾼다. 대시보드는 사용자가 판단하고 행동하도록 돕는다. Agent는 여러 시스템에서 필요한 정보를 찾고, 판단하고, 입력하고, 실패를 처리한 뒤, 결과를 정본에 남겨야 한다. 버튼 한 번을 대신 누르는 자동화가 아니라 업무 한 건의 생애주기를 책임져야 한다.

Lassie의 공동창업자 Steijn Pelle는 자사 시스템이 미국 49개 주 700곳 이상의 사업장에서 작동하며, 사업장당 월평균 약 30시간의 노동을 제공한다고 썼다. Lassie 공식 사이트도 치과의 보험 청구, 지급 내역 대조, 환자 청구 같은 업무를 제품 범위로 제시한다. 이 숫자는 독립 연구가 아니라 회사와 창업자의 자기보고다. 그래도 무엇을 판매하려는지는 선명하다. 기능 사용량이 아니라 사람이 돌려받은 시간이다.

대시보드를 하나 더 만드는 것은 자동화가 아니다

많은 AI 제품이 Agent라는 이름을 달지만 실제로는 새로운 작업함을 만든다. AI가 초안을 만들면 사람이 검토하고, 다른 시스템에 복사하고, 오류를 고치고, 마지막 버튼을 누른다. 인터페이스는 새로워졌지만 책임은 그대로 사람에게 남는다.

진짜 자동화인지 확인하는 가장 간단한 질문은 이것이다.

“이 제품을 도입한 뒤 사람이 마지막으로 해야 하는 일은 무엇인가?”

답이 복사, 확인, 승인, 재입력, 예외 추적이라면 노동은 제거되지 않았다. 위치만 바뀌었다. 반대로 정상 업무는 끝까지 처리되고, 사람은 위험하거나 모호한 예외만 맡는다면 소프트웨어는 처음으로 노동을 흡수하기 시작한다.

그렇다면 AI 노동 제품의 핵심 기능은 화려한 생성 화면이 아니다. 정상 경로의 데모를 넘어, 업무를 정말 끝냈다고 믿게 만드는 완전성과 신뢰성이다.

완전성은 한 번의 정답률보다 더 까다롭다. 작은 사업장의 행정업무는 하나의 깨끗한 API 안에서 끝나지 않는다. 오래된 보험 포털, 각기 다른 진료관리 시스템, 은행 계좌, 이메일, PDF가 연결되어 있다. 로그인 세션이 끊기고, 화면 구조가 바뀌고, 같은 항목도 시스템마다 이름이 다르다. 정상 처리보다 예외 처리가 제품의 대부분이 된다.

AI 노동은 모델보다 운영 시스템에 가깝다

이런 환경에서 “모델이 얼마나 똑똑한가”만 묻는 것은 부족하다. 더 중요한 질문은 업무가 중간에 멈췄을 때 무엇이 일어나는가다. 재시도는 중복 청구를 만들지 않는가. 입력한 값은 원본과 대조되는가. 확신이 낮은 사건은 사람에게 올라오는가. 누가 언제 무엇을 바꿨는지 기록되는가. 잘못된 행동을 되돌릴 수 있는가.

따라서 AI 노동 제품에는 최소한 네 가지가 필요하다.

1. 종료 조건: 무엇이 되어야 업무 한 건이 끝난 것인지 명확해야 한다.
2. 예외 큐: 자동으로 끝낼 수 없는 사건만 사람에게 올라와야 한다.
3. 검증과 감사 기록: 결과가 원본 시스템과 일치하는지 확인하고 행동 이력을 남겨야 한다.
4. 복구 경로: 외부 시스템이 실패해도 중복 없이 재개하거나 안전하게 되돌릴 수 있어야 한다.

이 네 가지가 없으면 Agent는 유능한 인턴처럼 보일 수는 있어도 운영을 맡길 직원처럼 행동하지 못한다. 특히 의료·금융처럼 민감정보와 돈을 다루는 영역에서는 평균 정확도보다 틀렸을 때의 통제가 제품의 신뢰를 결정한다.

고객 인터뷰보다 고객의 의자에 앉아야 한다

Lassie 사례에서 가장 중요한 대목은 기술보다 제품개발 방식이다. 창업팀은 치과와 병원에서 수개월 동안 직접 행정업무를 수행했다고 설명한다. 보험 지급 내역을 대조하고, 청구를 제출하고, 환자에게 비용을 청구했다. 초기 100개 사업장에는 직접 찾아가 설치했다.

이 방식이 중요한 이유는 고객이 자신의 업무를 정확히 설명하기 어렵기 때문이다. 인터뷰에서는 “청구 자동화가 필요하다”고 말할 수 있다. 실제 업무에 들어가면 포털별 로그인 방식, 지급 코드의 예외, 동명이인, 이미 처리된 건, 누락된 문서, 담당자만 아는 우회 절차가 보인다. 제품의 진짜 명세는 정상 절차가 아니라 이 예외의 목록에서 나온다.

AI 노동을 만들려는 팀에게 현장 투입은 사용자 조사보다 가깝게는 수작업 서비스다. 먼저 사람이 고객 대신 일을 끝내면서 입력, 판단, 예외, 승인, 종료 조건을 기록한다. 반복되는 판단만 자동화하고, 자동화가 실패하는 지점은 다시 운영 데이터로 남긴다. Agent는 이 노동의 압축본이어야 한다.

AI 시대의 SaaS 지표도 달라져야 한다

로그인 횟수와 화면 체류시간은 AI 노동의 성공을 설명하지 못한다. 고객이 제품을 덜 열어볼수록 더 잘 작동하는 경우도 있기 때문이다. 대신 완료된 업무량, 돌려받은 시간, 예외율, 사람의 개입 시간, 재작업률, 금전 오류, 완료까지 걸린 시간을 봐야 한다.

이 변화는 사업모델에도 이어진다. 좌석당 과금은 도구 사용권을 판다. 처리량이나 결과 기반 과금은 노동의 일부를 판다. 후자는 더 큰 가치를 가져갈 수 있지만, 동시에 결과에 대한 더 큰 책임을 진다. “AI를 붙였다”는 이유가 아니라 고객의 운영비와 실패 비용을 실제로 줄였다는 증거가 필요하다.

다음 AI 시장의 승자는 대시보드에 채팅창을 붙인 회사가 아닐 가능성이 크다. 고객이 매일 미뤄두던 일을 조용히 끝내고, 문제가 생겼을 때만 정확한 맥락과 함께 사람을 부르는 회사일 것이다.

AI SaaS의 다음 단위는 사용자 좌석이 아니다. 믿고 맡길 수 있는 한 시간의 노동이다.

출처: Steijn Pelle, Small Businesses Are the Next Frontier for AI; Lassie 공식 사이트. 사업장 수와 절감 시간은 저자와 회사의 자기보고 수치이며 독립 검증된 연구 결과로 취급하지 않았습니다.