스페

셜

[AI 브리프 스페셜] SaaSpocalypse의 파급효과와 산업 전망 

1)

 Anthropic, Cowork: Claude Code for the rest of your work, 2026.1.12.

2)

 Anthropic, Customize Cowork with plugins, 2026.1.30.

SaaSpocalypse의 파급 효과와 전망

앤트로픽의 Claude Cowork 플러그인 출시를 계기로 2026년 2월 소프트웨어 주식이 

폭락하는 ‘SaaSpocalypse’가 발생했다. 이는 AI 에이전트가 SaaS 사업모델을 직접 위협할 수 있다는 

시장의 우려가 잠복하다가 일시에 폭발한 사건으로, AI가 소프트웨어 산업의 수익 구조 자체를 

재편할 수 있다는 인식의 확산을 시사한다. 다만 일각에서는 이번 사태가 에이전틱 AI의 실제 침투 

속도와 범위가 충분히 검증되지 않은 상황에서 나타난 과도한 반응이며, AI 에이전트가 소프트웨어를 

대체하는 것이 아니라 오히려 그 활용도와 가치를 높일 수 있다는 주장도 제기된다. 장기적으로 

에이전틱 AI의 확산은 도구 접근성 중심의 SaaS(Software as a Service)에서 결과물을 직접 

만들어내는 SaS(Service as Software)로의 패러다임 전환을 촉발할 전망이다. 소프트웨어 산업뿐 

아니라 법률·금융·의료·제조·공공 등 산업 전반에 걸쳐 AI 도입이 가속화되면서 에이전틱 AI 기반 

생태계 기반의 근본적 변화가 일어날 것으로 예상되나, 분야별 고유한 마찰 요인도 병존한다. 이에 따라 

국내 소프트웨어 산업의 사업모델 전환 전략 마련, 소버린 AI 관점의 인프라 구축 및 데이터 

거버넌스 체계 수립, AI 협업 중심의 역량 체계 설계, 에이전틱 AI 환경을 반영한 법·제도 정비 등 

선제적 정책 대응이 필요하다.

Ⅰ. SaaSpocalypse의 원인과 전개 과정

1) 앤트로픽의 Claude Cowork와 Claude Opus 4.6 출시로 ‘바이브 워킹’ 대두

‘Claude Cowork’ 플러그인 출시로 전문 업무의 자동화 지원 

■

앤트로픽(Anthropic)은 2026년 1월 12일 일반 사용자를 위한 AI 협업 도구 ‘클로드 

코워크(Claude Cowork)1)’를 출시한 데 이어 1월 30일 클로드 코워크에 11종의 

플러그인을 공개2)

●

코워크는 기존 개발자용 코딩 에이전트 ‘클로드 코드(Claude Code)’를 누구나 쉽게 사용할 수 

있도록 만든 버전으로, 사용자의 로컬 파일을 읽고 편집하거나 새로 생성하는 등 작업을 

자율적으로 완수

●

출시 단계에는 최상위 요금제 ‘클로드 맥스(월 100/200달러)’ 구독자에게만 연구용 

프리뷰로 제공되다가 이후 ‘클로드 프로’와 기업용 요금제 ‘팀’ 및 ‘엔터프라이즈’ 구독자로 

적용을 확대

●

앤트로픽이 오픈소스로 공개한 플러그인은 코워크의 기능을 확장해, 영업과 법무, 재무 등 

기업 각 부서의 전문 업무의 처리 방식과 연동할 도구, 데이터, 핵심 업무 흐름 등의 세밀한 

정의를 지원

■

앤트로픽이 사내에서 직접 사용한 결과를 토대로 오픈소스로 공개한 11종의 플러그인은 

생산성 관리, 엔터프라이즈 검색, 영업, 재무 분석, 제품 관리, 고객 지원 등 11개 업무 

영역을 포괄 

●

가령 영업용 플러그인은 CRM과 사내 지식 베이스를 연동해 영업 프로세스를 학습하고 잠재 

고객 조사부터 고객 통화 후 후속 조치까지 모든 작업을 위한 명령을 지원

SPRi AI Brief Special

 2026년  3월호

2

3)

 Anthropic, Introducing Claude Opus 4.6, 2026.2.5.

4)

 CNBC, Anthropic launches Claude Opus 4.6 as AI moves toward a ‘vibe working’ era, 2026.2.5.

●

각 플러그인은 코워크에서 바로 설치할 수 있으며, 모든 구성요소가 파일 기반으로 설계되어 

전문 기술 지식이 없어도 쉽게 만들고 수정 및 공유할 수 있는 것이 특징

●

앤트로픽에 따르면 플러그인은 기업 고객이 각자의 업무 환경에 맞게 자유롭게 맞춤화할 수 

있도록 설계된 것이 특징으로, 플러그인을 처음부터 새롭게 만들거나 기존 플러그인의 변경도 가능

구분

지원 기능

생산성

 작업, 일정, 일간 업무 흐름 및 개인 상황 관리

엔터프라이즈 검색

 회사에서 사용하는 도구와 문서 전반의 정보 검색

플러그인 생성/사용자 정의

 새로운 플러그인의 생성 및 사용자 정의

영업

 잠재 고객 조사와 거래 준비, 영업 프로세스 이행 

재무

 재무 분석, 모델 구축 및 주요 지표 추적

데이터

 데이터셋의 조회와 시각화, 해석

법률

 문서 검토, 위험 요소 파악 및 규정 준수 추적

마케팅

 콘텐츠 작성, 마케팅 캠페인 기획 및 출시 관리

고객 지원

 고객 문의 사항 분류, 답변 초안 작성 및 해결책 제시

제품 관리

 사양 작성, 로드맵 우선순위 설정 및 진행상황 추적

생물학 연구

 문헌 검색, 결과 분석 및 실험 계획 수립

 

표 1

  앤트로픽 ‘클로드 코워크’의 플러그인 11종

                출처: Anthropic

■

2026년 2월 10일에는 맥OS로 처음 공개한 ‘클로드 코워크’를 윈도우용으로 출시하며, 

전 세계 데스크톱 시장의 약 70%에 접근하게 되면서 기업용 SW 시장에서 영향력을 확대

●

윈도우 버전은 맥OS와 같이 로컬 파일 접근, 복잡한 다단계 작업 실행, 플러그인 사용 등의 

핵심 기능을 모두 지원하며, 전체 지침과 폴더 단위 지침 설정 기능을 통해 사용자가 선호하는 

방식을 자동으로 반영 

‘Claude Opus 4.6’ 출시와 함께 ‘바이브 워킹’ 시대 선언

■

앤트로픽은 2026년 2월 5일에는 코딩과 에이전트 성능을 강화한 최신 AI 모델 ‘Claude 

Opus 4.6’을 출시하며 ‘바이브 워킹(Vibe Working)’ 시대를 선언3)

●

Claude Opus 4.6은 더욱 정교한 계획 수립, 에이전틱 작업의 장시간 유지, 대규모 

코드베이스에서의 안정적인 동작이 가능하도록 설계되었으며, 향상된 코드 검토 기능으로 자체 

오류도 조기에 발견

●

Opus 계열 모델 최초로 베타 버전 기준 100만 토큰 규모의 컨텍스트 창을 지원하며, 향상된 

성능으로 재무 분석, 조사, 문서·스프레드시트·프레젠테이션 작성 등 다양한 일상 업무를 수행 가능

●

이번 업데이트에서는 클로드 코드에서 하나의 에이전트가 순차적으로 작업을 처리하는 대신 

복잡한 작업을 여러 에이전트가 병렬로 처리하는 ‘에이전트 팀(Agent Team)’ 기능도 연구용 

프리뷰로 공개

●

앤트로픽의 기업용 제품 책임자 스콧 화이트(Scott White)는 ‘지난 1년간 바이브 코딩*이 

소프트웨어 개발 분야에 일으킨 변화를 모두가 목격한 데 이어, 이제는 바이브 워킹** 시대에 

접어들고 있다“고 강조4)

  * AI 도구와의 자연어 대화와 느낌(Vibe)에 의존해 빠르게 결과물을 생성하는 개발 방식

 ** 마이크로소프트가 2025년 9월 MS 365 Copilot의 에이전트 모드를 발표하며 처음 사용한 용어로, 사람과 AI 에이전트 

간 협업을 통해 결과물을 만들어내는 새로운 업무 방식을 의미

3

5)

 Anthropic, Introducing Claude Sonnet 4.6, 2026.2.17.

6)

 Anthropic, Anthropic raises $30 billion in Series G funding at $380 billion post-money valuation, 2026.2.12.

■

최상위 모델인 Claude Opus 4.6에 이어 약 2주 만인 2026년 2월 19일에는 무료와 프로 

요금제(월 20달러)에서 기본으로 제공되는 중급 모델 ‘Claude Sonnet 4.6’도 발표5)

●

Claude Sonnet 4.6은 코딩과 컴퓨터 사용(Computer Use)*, 에이전트 계획 수립과 장기 

추론 등 전 영역에서 업그레이드된 모델로, 100만 토큰의 컨텍스트 창을 지원

  * API 없이도 사람이 가상 마우스와 키보드를 클릭하고 타이핑하는 것처럼 모델이 컴퓨터를 직접 조작할 수 있는 능력

●

Claude Sonnet 4.6은 플래그십 모델인 오퍼스 4.6 대비 가격이 5분의 1 수준(입력/출력 100만 

토큰당 3달러/15달러)에 불과하나 주요 벤치마크 평가에서 오퍼스에 거의 대등한 성능을 발휘* 

  * 소프트웨어 코딩 벤치마크(SWE-Bench Verified)에서 79.6%로 오퍼스 4.6(80.8%)에 근접, 에이전틱 금융 분석

(Finance Agent v1.1)에서는 63.3%로 오퍼스 4.6(60.1%)을 능가

●

앤트로픽에 따르면 Claude Sonnet 4.6은 복잡한 스프레드시트 탐색이나 여러 단계에 

걸친 웹 양식 작성, 여러 브라우저 탭의 결과 통합 등의 작업에서 인간 수준의 능력을 달성 

●

앤트로픽이 2024년 10월 처음 공개한 컴퓨터 사용 기능은 초기에는 오류가 많았으나 지난 

16개월간 꾸준히 성능이 향상되어 AI 컴퓨터 사용 벤치마크인 OSWorld 점수가 72.5%로 

약 5배 증가 

그림 1

  앤트로픽 ‘Claude Sonnet’ 모델의 컴퓨터 사용 벤치마크(OSWorld) 평가 점수 추이

앤트로픽, 300억 달러 규모 신규 투자 유치하며 기업 가치 경신

■

클로드 코워크 플러그인에 이어 최신 AI 모델을 출시한 앤트로픽은 2026년 2월 12일 

300억 달러 규모의 신규 투자 유치를 발표6)  

●

이는 2025년 400억 달러 이상을 조달한 오픈AI에 이어 역대 두 번째 규모의 민간 기업 투자 

라운드로, 기업 가치는 2025년 9월 대비 두 배 이상 급증한 3,800억 달러를 달성 

■

이처럼 기록적인 투자 규모는 기업 고객 중심의 빠른 매출 성장세에 따른 것으로, 2026년 2월 

현재 앤트로픽의 연간 반복 매출(ARR)은 140억 달러로 지난 3년간 매년 10배 이상 성장

●

앤트로픽에 따르면 포춘(Fortune) 10대 기업 중 8개가 클로드 고객이며, 클로드에 연간 10만 달러 

이상을 지출하는 기업 수는 지난 1년간 7배 증가, 연간 100만 달러 이상 지출하는 기업도 500개 

이상을 기록

SPRi AI Brief Special

 2026년  3월호

4

7)

 Bloomberg, Anthropic AI Tool Sparks Selloff From Software to Broader Market, 2026.2.3.

8)

 CNN, Anthropic’s new AI tool sends shudders through software stocks, 2026.2.5.

9)

 Forbes, Anthropic’s Claude Sonnet 4.6 Release Sends Software Stocks Declining, 2026.2.17.

10)

 Financial Content, Software Stocks Under Siege by New AI Tools: The 'SaaSpocalypse' of 2026, 2026.2.17.

11)

 Advisor Perspectives, Software Stocks: Navigating the SaaSpocalypse, 2026.3.2.

12)

 Bloomberg, ‘Get Me Out’: Traders Dump Software Stocks as AI Fears Erupt, 2026.2.3.

●

특히 2025년 5월 출시된 클로드 코드의 연간 매출은 25억 달러를 넘어섰으며, 주간 활성 사용자 

수는 2026년 1월 대비 두 배로 증가하는 등 기업 시장에서 빠르게 채택되는 추세

2) 시장 반응

SaaS 기업들의 주가가 급락하는 ‘SaaSpocalypse*’ 발생 

  * 서비스형 소프트웨어(Software as a Service, 이하 SaaS)와 종말을 의미하는 Apocalypse의 합성어로, AI의 

발전이 기존 구독형 소프트웨어 사업 모델을 위협하는 현상을 의미 

■

앤트로픽이 공개한 클로드 코워크의 플러그인이 기존 SaaS 사업모델을 직접 위협할 

것이라는 공포가 확산하면서 2026년 2월 3일 하루 동안 소프트웨어 주식 전반에서 2,850억 

달러가 증발7)

●

기업들이 클로드 코워크와 같은 AI 도구를 활용해 자체적으로 서비스를 구축하고 외부 서비스 

구독을 중단함에 따라 소프트웨어 기업들의 매출에 직접적 타격이 될 것이라는 불안이 월가에서 

확산

●

미국 주식 시장 개장 전부터 매도세가 시작되어 골드만삭스의 미국 소프트웨어 종목군은 6% 

하락하며 2025년 4월 관세로 인한 급락 이후 최대 일일 하락폭을 기록했고 금융 서비스 기업 지수는 

거의 7% 급락

●

특히 법률 플러그인의 영향으로 법률 서비스 기업 톰슨 로이터(Thomson Reuter)의 주가는 15.83% 

급락하며 사상 최대의 일일 하락폭을 기록했으며, 리걸줌닷컴(LegalZoom.com)의 주가도 19.68% 하락8)

●

미국뿐 아니라 아시아 소프트웨어 주가 역시 인도 IT 기업을 중심으로 하락세를 보여, 타타 

컨설턴시 서비스(Tata Consultancy Services)는 6%, 인포시스(Infosys)는 7.1% 하락   

■

앤트로픽이 최신 AI 모델 Claude Sonnet 4.6을 출시한 2월 17일에도 주요 소프트웨어 

관련 주식은 하락세를 보이며 AI가 소프트웨어 시장을 전복할 것이라는 우려가 증폭9)

●

오라클(3.4%), 톰슨 로이터(3%), 세일즈포스(2.7%) 등이 하락세를 보였으며, 올해 들어 

각각 11%와 23% 이상 하락한 팔로알토 네트웍스와 오토데스크의 주가도 2% 이상 하락

■

2월 중순까지 S&P 소프트웨어·서비스 지수의 시장 가치는 1조 달러 가까이 증발하고 

소프트웨어 산업의 선행 주가수익비율(PER)은 1년 사이 평균 39배에서 21배로 

급락했으며10), 소프트웨어 특화 ETF인 IGV는 2025년 9월 최고점 대비 30% 하락11)

AI의 소프트웨어 시장 잠식 우려, 클로드 코워크 플러그인을 도화선으로 폭발   

■

이번 사태와 관련해 AI 확산의 영향으로 지난 수개월간 소프트웨어 산업에 대하여 

잠복해 있던 시장의 우려가 클로드 코워크 플러그인을 도화선으로 삼아 폭발했다는 분석이

지배적12)  

●

블룸버그(Bloomberg)에 따르면 S&P 북미 소프트웨어 지수는 2026년 2월 3일 기준 3주 연속 

내림세를 기록했고 1월 한 달 동안 15% 떨어졌으며, 이는 2008년 10월 이후 최대 월간 하락폭에 

해당

●

2026년 초 실적 발표 시즌 동안 S&P 500 지수에 포함된 미국 상장 소프트웨어 기업 중 매출이 

예상치를 상회한 기업은 67%에 불과(기술주는 83%)

5

13)

 Forbes, SaaSpocalypse Now? AI Is Disrupting SaaS — But Not All Software Is Doomed, 2026.2.6.

14)

 Financial Content, The SaaSpocalypse: Software Sector Plunge Freezes IPOs and Reshapes the Digital Economy, 

2026.2.11.

15)

 Reinvestmentadvice, Software Stocks: Navigating The SaaSpocalypse, 2026.2.25.

16)

 Philippdubach, The SaaSpocalypse Paradox, 2026.2.13.

17)

 CNBC, Nvidia’s Jensen Huang says markets ‘got it wrong’ on AI threat to software companies, 2026.2.26.

●

2025년 1분기 상장 SaaS 기업의 연간 반복 매출은 29% 감소한 16억 5천만 달러를 기록했으며, 

2025년 4분기에는 SaaS 매출 증가율이 12.2%로 감소해 AI 도입에 따른 기업들의 SaaS 의존도 

감소를 반영13)

그림 2

  S&P 북미 소프트웨어 지수와 S&P 500 지수 추이 비교

                                  출처: Bloomberg(2026.02.03.)

■

SaaSpocalypse 사태의 여파로 주요 기업의 IPO와 M&A가 잠정 중단되고 중견 SaaS 

기업에 대한 벤처캐피털 투자도 감소하는 2차 파급효과도 가시화14)

●

일례로 사모펀드 블랙스톤의 투자를 받은 모바일 마케팅 플랫폼 리프트오프 

모바일(Liftoff Mobile)은 2월 초로 예정되어 있던 상장 계획을 공식 철회 

SaaSpocalypse에 대한 반론도 부상

■

시장 일각에서는 SaaSpocalypse 사태가 에이전틱 AI의 실제 침투 속도와 범위가 충분히 

검증되지 않은 상황에서 FOBO* 투자 심리로 인해 벌어진 과도한 반응이라고 경계

  * Fear of Becoming Obsolete: 기술의 급격한 발전으로 기존 사업모델이나 기술이 쓸모 없어질 것을 두려워하는 심리

●

일부 투자 분석가들은 SaaS 기업이 수년간 축적된 고객 데이터 및 기업의 핵심 IT시스템과의 

긴밀한 통합 수준, 기업 환경에 필수적인 신뢰도 측면에서 지속적인 경쟁우위를 갖는다고 강조15)

●

뱅크 오브 아메리카(BoA)의 비벡 아리아(Vivek Arya) 애널리스트는 투자자들이 AI 투자 

실패를 우려해 클라우드 기업의 주식을 매도하는 동시에 AI 대체 우려로 소프트웨어 기업의 

주식을 매도하는 모순을 지적하며, 두 가지 극단적 반응은 모두 실제 현실을 제대로 반영하지 

못하고 있다고 언급16)

■

엔비디아의 젠슨 황(Jensen Huang) CEO도 에이전트가 기업용 소프트웨어를 대체하는 

것이 아니라 오히려 사람을 대신해 소프트웨어를 조작하는 ‘도구 사용자’가 될 것이라고 강조17) 

●

젠슨 황 CEO는 서비스나우(ServiceNow)나 SAP 같은 SaaS 기업들이 자사의 소프트웨어 

도구 사용에 최적화된 정교한 에이전트를 개발함으로써 사용자의 생산성 향상을 지원할 

것이라고 설명

SPRi AI Brief Special

 2026년  3월호

6

18)

 TechCrunch, Salesforce CEO Marc Benioff: This isn’t our first SaaSpocalypse, 2026.2.25.

19)

 

https://www.linkedin.com/posts/bslowey_ai-will-replace-software-also-ai-companies-activity-7429638024474566656

-LgyJ/

20)

 Citadel Securities, The 2026 Global Intelligence Crisis, 2026.2.24

21)

 Robert Half, 2026 Technology job market: In-demand roles and hiring trends, 2026.2.3

●

그는 세일즈포스나 SAP, 서비스나우와 같은 소프트웨어 도구는 각각 명확한 존재 이유가 있으며,

AI는 이를 처음부터 다시 만드는 것이 아니라 오히려 해당 도구의 활용도와 가치를 높일 

것이라고 주장

■

세일즈포스의 마크 베니오프(Marc Benioff) CEO 역시 2월 25일 실적 발표에서 여섯 차례에 

걸쳐 SaaSpocalypse를 직접 언급하며, 이 같은 시장 반응은 이번이 처음이 아니라고 일축18)

●

그는 에이전트 덕분에 SaaS가 더욱 발전해 여러 기업이 SaaS를 활발히 이용하고 있다며, 

2025년 4분기(2025년 11월 1일~2026년 1월 31일) 실적이 전년 동기 대비 13% 증가했고,

향후 1년의 매출 전망치도 458억~462억 달러로 10~11% 성장이 예상된다고 견조한 실적을 강조

●

한편, 세일즈포스의 버나드 슬로이(Bernard Slowey) 디지털 고객 성공 부문 수석부사장은 2월 

중순 자신의 링크드인(Linkedin)에 앤트로픽의 세일즈포스 관리자 채용 공고 스크린샷을 

게시하며, AI가 소프트웨어를 대체할 것이라는 주장을 반박하는 단적인 사례로 소개19) 

■

아울러, AI가 소프트웨어 개발자를 대체할 것이라는 우려와 달리 주요 고용지표는 

오히려 개발자 수요의 구조적 확대를 시사

●

시타델 시큐리티즈(Citadel Securities)는 2026년 2월 발간한 글로벌 전략 보고서에서 

소프트웨어 엔지니어 채용 공고가 전년 대비 11% 증가했다고 밝혔으며, 미 노동통계국도 

2023~2033년간 소프트웨어 개발자 고용이 17% 성장하고 연간 약 31만 7,700개의 신규 

일자리가 창출될 것으로 전망20)

●

실제로 로버트 하프(Robert Half)의 2026년 기술 채용 보고서에서도 2025년 미국 내 기술직 

채용 공고가 약 110만 건에 달한 가운데 AI/ML 및 데이터 사이언스 관련 공고가 전년 대비 

163% 급증(약 4만 9,200건)한 것으로 나타나, AI가 개발자를 대체하기보다 AI를 

설계·통합·운영할 수 있는 엔지니어에 대한 수요를 폭발적으로 창출하고 있음을 방증21)

그림 3

  2024~2025년 SaaS 가격 책정 모델의 변화

           출처: Citadel Securities(2026.2.25.)를 바탕으로 재구성22)

7

22)

 HFS Research, Ditch same-old SaaS and differentiate with Services-as-Software, 2025.6.12.

23)

 TechCrunch, Klarna CEO doubts that other companies will replace Salesforce with AI, 2025.3.4.

24)

 Deloitte, SaaS meets AI agents: Transforming budgets, customer experience, and workforce dynamics, 2025.11.18.

25)

 IDC, IDC FutureScape 2026 Predictions Reveal the Rise of Agentic AI and a Turning Point in Enterprise Transformation, 

2025.10.23.

II. 에이전틱 AI가 촉발한 소프트웨어 시장의 변화

1) SaaS 모델의 기본 전제인 ‘시트’의 종말

AI 에이전트의 확산으로 시트 기반 SaaS 가격 책정 방식의 한계 노출

■

클라우드 컴퓨팅의 확산과 함께 등장한 SaaS는 소프트웨어 산업의 기본 비즈니스 

모델로서 자리 잡았으나, 생성형 AI와 에이전틱 AI 기술의 도입이 본격화되면서 

사업모델에 구조적 압박이 발생

●

전통적인 SaaS 모델은 “소프트웨어 사용자는 인간 직원이며, 사용자 라이선스(시트*) 수와 

매출이 비례”한다는 기본 전제에 따라 작동 

  * Seat: 소프트웨어를 사용할 수 있는 사용 권한(라이선스)의 단위를 의미

●

이에 따라 지난 20여 년간 SaaS 기업들이 제공하는 소프트웨어의 가격 책정과 영업 전략은 

사용자당 월간/연간 구독료를 기준으로 하는 시트 기반 라이선스가 사실상의 표준으로 자리매김

●

그러나 클로드 코워크로 대표되는 에이전틱 AI의 도입으로 AI 에이전트가 한 명의 사용자가 

수행하던 다수의 디지털 업무를 자동화하면서 SaaS 사업자의 시트 기반 매출에 직접적인 

타격을 야기

■

핀테크 기업 클라르나(Klarna)가 2024년 9월 세일즈포스 고객관계관리(CRM) 계약을 

해지하고 ChatGPT 기반 자체 개발 AI 시스템을 도입한 사건은 SaaS의 위기를 시사하는 초기 

사례로 회자23)

●

클라르나는 자체 개발한 AI 고객 시스템을 활용해 정규직과 계약직 직원 700명을 

대체하고 연간 약 4천만 달러를 절감할 수 있었다고 강조

●

단, 클라르나의 세바스티안 시미아트코우스키(Sebastian Siemiatkowski) CEO는 자사의 

선택이 세일즈포스의 종말을 뜻한다거나 다른 기업들도 동참할 것이라는 확대 해석을 경계하며, 

SaaS를 AI로 대체한 것이 아니라 여러 SaaS 시스템에 저장된 데이터를 통합하는 자체 기술 

스택을 개발했다고 설명  

■

딜로이트(Deloitte)는 2026년 들어 에이전틱 AI에 투자하는 기업이 급증하면서 2026년부터

AI 에이전트가 SaaS 시장의 점진적 변화를 주도할 것으로 예상24)

●

딜로이트에 따르면 AI 에이전트가 보급되면서 한 명의 사용자가 다수 사용자를 대체해 시트 수가 

감소하게 되며, 기존의 가격 모델로는 공급자와 사용자 간 실제 가치 교환을 제대로 반영 불가

●

또한 자율적으로 작동하는 AI 에이전트의 동작을 정확히 예측할 수 없어, 작업을 완료하는 

과정에서 인간 사용자와 다르게 새로운 방식이나 비효율적인 경로를 선택할 가능성도 존재 

AI 시대의 SaaS 기업들, 하이브리드 가격 모델로 전환 추세

■

주요 시장 조사 기관에 따르면 SaaS 시장에서 AI 에이전트의 보급으로 시트 기반 가격 책정 

모델을 대신해 사용량 기반이나 성과 기반 등 새로운 가격 정책 모델이 부상할 전망 

●

IDC는 인간이 수동으로 처리하던 반복 업무를 AI 에이전트가 디지털 방식으로 빠르게 대체하면서,

2028년까지 SaaS 업체의 70%가 시트 기반이 아닌 새로운 가격 책정 방식을 도입할 것으로 예상25)

SPRi AI Brief Special

 2026년  3월호

8

26)

 Bain & Company, Per-Seat Software Pricing Isn’t Dead, but New Models Are Gaining Steam, 2025.10.

27)

 Growth Unhinged, The state of B2B monetization in 2025, 2025.6.4.

28)

 BCG, Rethinking B2B Software Pricing in the Agentic AI Era, 2025.8.13.

■

베인 앤드 컴퍼니(Bain & Company)에 따르면 이미 상당수 SaaS 기업은 AI로 인한 시장 

잠식 위험에 대응해 생성형 AI 기능을 도입하면서 하이브리드 가격 모델을 채택하는 추세26)

●

2025년 하반기 기준 줌(Zoom)을 포함한 약 35%의 기업은 기존 요금제에 AI 기능을 포함해 

시트당 가격을 인상했으며, 어도비(Adobe)와 세일즈포스(Salesforce) 등 약 65%는 시트 기반 

가격 모델에 AI 사용 기준(사용량이나 기능 사용)을 결합한 하이브리드 가격 모델을 적용

●

특히 세일즈포스는 AI 처리 단위인 토큰을 단순 계산하는 대신 에이전트가 실제 작업을 

완료했을 때만 과금하는 ‘AWU(Agentic Work Unit)’이라는 새로운 측정 지표를 개발

●

SW 전문 미디어 Growth Unhinged에 따르면 2025년 6월 기준 시트 기반 모델의 비율은 지난 

12개월 사이 21%에서 15%로 감소했고, 사용량을 결합한 하이브리드 방식은 27%에서 41%로 

증가27)

그림 4

  2024~2025년 SaaS 가격 책정 모델의 변화

                     출처: Tremont’s 2025 State of B2B(2025.6.4.)

■

보스턴 컨설팅 그룹(BCG)은 SaaS 기업들이 AI 기반의 고부가가치 기능을 제공하는 방향을 

추구하면서 점진적으로 에이전트 기반 및 성과 기반 가격 모델로 전환해 나갈 것으로 예상28) 

●

에이전트 기반 가격 모델은 개별 AI 에이전트를 일회성 또는 구독 방식으로 제공하는 

방식이며, 성과 기반 가격 모델은 AI 에이전트가 사전 정의된 특정 작업을 완수한 이후에 

비용을 청구

●

단기적으로는 기존 구독 모델과 새롭게 등장하는 에이전트 기반 가격 모델을 결합한 

하이브리드 방식이 우선 채택되고, 궁극적으로는 에이전트 기반 가격 모델과 성과 기반 가격 모델을 

결합함으로써 에이전트가 제공하는 성능 및 에이전트가 달성한 작업의 가치 모두를 수익화할 

것으로 전망 

2) Software as a Service에서 Service as Software로

AI 에이전트, 도구를 넘어 결과물이 중심이 되는 사업모델로의 변화 주도 

■

AI 에이전트의 보급은 가격 책정 모델의 변화를 넘어, 문제 해결을 돕는 도구로서의 SaaS

에서 소프트웨어가 직접 서비스를 수행해 결과를 내는 SaS(Service as Software)로의 전환을 

촉발

●

지난 20년간 소프트웨어 시장을 지배한 SaaS 모델은 클라우드 기반 소프트웨어 배포 모델을 

바탕으로 사용자가 인터넷을 통해 소프트웨어를 이용할 수 있게 하는 접근성 측면의 혁신이 중점

9

29)

 HFS Research, Ditch same-old SaaS and differentiate with Services-as-Software, 2025.6.12.

30)

 IDC, Is SaaS Dead? Rethinking the Future of Software in the Age of AI, 2026.12.2.

●

이에 따라 기업들은 인사, 급여, 고객관계관리(CRM) 등 수많은 업무 영역에서 SaaS에 

의존하면서 기업 사용자들은 오히려 복잡성이 가중되어 직원들은 매일 수십 개의 인터페이스를 

탐색하며 서로 연동되지 않는 여러 시스템을 오가면서 “소프트웨어에 사람이 적응하는” 불편을 

감수

●

SaaS 모델에서 SaaS 기업은 자사 플랫폼이나 도구에 대한 접근 권한만 판매할 뿐, 원하는 

결과를 얻기 위해 도구를 사용하는 책임은 고객에게 있는 반면, SaS 모델에서는 서비스 기업이 

결과물을 직접 산출

■

SaaS에서 SaS로의 변화는 소프트웨어가 단순한 생산성 도구가 아니라 마케팅, 고객 관리, 

금융 데이터 분석 등 전문 서비스를 수행하는 진화로 진화함을 의미

●

이러한 변화를 주도하는 것은 에이전틱 AI로, 사용자는 여러 인터페이스를 탐색하는 대신 

에이전트 기반의 대화형 인터페이스를 통해 시스템 전반의 다양한 작업을 수행 가능

●

가령 AI 에이전트에게 “다음 분기 매출을 예측하라” 또는 “지난주 경비 보고서를 승인해”라고 

지시하면, AI 에이전트는 백그라운드에서 인사, 재무, CRM 시스템 전반의 워크플로를 조율해 

결과물을 생성

●

사전에 설정된 워크플로에 따라 작동하고 맞춤 설정 역시 제한적인 SaaS와 달리 SaS 모델에서는

AI 에이전트가 사용자의 의도를 해석하고 실시간 데이터를 이해하여 상황에 맞는 결정을 내림으로써 

기업 워크플로를 동적으로 생성하므로 사용자 맞춤 설정이 무제한으로 가능

구분

SaaS(Software as a Service)

SaS(Service as Software)

핵심 가치

기능 중심의 디지털 도구 제공

 결과 중심의 업무 완결성 제공

가격 정책

 기능 기반 시트당 과금

 결과 기반 또는 사용량 기반

업무 주체

도구를 조작하는 인간 직원

 자율적으로 워크플로를 생성하는

 AI 에이전트

적응성

 사전 설정된 워크플로

 역동적·실시간 대응

거버넌스

역할 기반 권한 제어

상황 인식/정책 주도형

인터페이스

고정된 UI나 서식

대화형, 멀티모달, 생성형

데이터 활용

정적이니 데이터 저장 및 조회 

실시간 데이터 연결 및 지능형 추론

 

표 2

  SaaS와 SaS의 비교

           출처: HFS Research(2025.6.12)을 바탕으로 재구성29)

, 

■

IDC는 오늘날의 기업 기술 스택이 SaaS 인터페이스를 중심으로 구축되어 있다면, 미래의 

기술 스택은 모듈형 백엔드 서비스와 상호작용을 하는 AI 에이전트를 중심으로 구축될 

것으로 예상30) 

●

AI 에이전트가 자율적으로 업무를 수행하는 방식은 기존 SaaS 애플리케이션과 인간 사용자의 

직접적 상호작용을 상당 부분 대체하면서, AI가 새로운 인터페이스 계층으로 자리 잡아 반복적인

프로세스를 자동화하고 기업의 소프트웨어 사용 방식을 재정의

●

기업 데이터베이스와의 실시간 데이터 연결이 핵심 요소가 되는 한편, 서비스 공급업체와 기업의 

관계는 사용자 인터페이스 중심의 소극적 협력 관계에서 에이전트 구현 중심의 능동적 협력 관계로

변화 전망

SPRi AI Brief Special

 2026년  3월호

10

31)

 Deloitte, SaaS meets AI agents: Transforming budgets, customer experience, and workforce dynamics, 2025.11.18.

32)

 IBM, Agentic AI vs. generative AI

SaaS 기업들, AI 에이전트 기반 솔루션 출시로 AI 시대에 대응31)

■

주요 SaaS 기업들은 기존 제품에 AI 에이전트를 추가하거나 AI 에이전트 기반의 새로운 

제품을 개발하고, 고객의 AI 에이전트 구축을 지원함으로써 SaS 기업으로의 변신을 

꾀하는 추세  

●

SaaS 기업들이 최근 출시한 AI 에이전트 솔루션으로는 세일즈포스의 ‘Agentforce’, 

서비스나우의 ‘Now Assist AI Agent’, 워크데이의 ‘Illuminate Agents’ 등이 대표적

●

기존 서비스 기반의 에이전트 구축 프레임워크 개발 또는 AI 에이전트의 생성과 관리하는 

데이터 관리 오케스트레이션 서비스 사례로는 구글 클라우드의 ‘Agent Development Kit’, 

오라클의 ‘AI Agent Studio’, 워크데이의 ‘Build’, 어도비의 ‘Experience Platform 

Agent Orchestrator’ 등이 있음 

■

SaaS 기업들은 기존 사업모델을 위협할 수 있는 분야별 에이전트 스타트업 인수에도 나설 전망

●

시장조사기관 가트너는 2030년까지 단일 제품 SaaS 도구의 35%가 AI 에이전트에 대체되거나, 

주요 SaaS 기업의 에이전트 생태계에 흡수될 것으로 예측

■

딜로이트는 SaaS 기업들의 AI 에이전트 통합 시도에 따라 초기에는 기업들이 기존 SaaS 

기업을 통해 AI 에이전트 기반 솔루션을 신중하게 탐색해 나갈 것으로 예상

●

그러나 장기적으로는 기업들이 자체 데이터를 기반으로 광범위하고 복잡한 생태계에서 자사에 

필요한 기능을 선택하고 자체 개발 에이전트를 통합한 다중 에이전트 시스템을 구축해 나갈 전망

3) 에이전틱 AI가 촉발하는 변화

복잡한 업무를 자율적으로 수행하는 ‘에이전틱 AI’의 부상

■

2022년 말 처음 등장한 생성형 AI는 새로운 기능과 활용 사례를 지속적으로 추가하며 업무에 

빠르게 통합되었으나, 최근 1~2년 사이 복잡한 업무를 수행할 수 있는 ‘에이전틱 AI’가 대두

●

오픈AI가 2022년 11월 ChatGPT를 출시한 이후 급속히 보급된 생성형 AI(Generative AI)는 

사용자 지시에 따라 텍스트, 이미지, 동영상, 오디오, 소프트웨어 코드와 같은 콘텐츠를 생성

●

반면, 에이전틱 AI는 콘텐츠 생성보다는 인간의 개입을 최소화하고 복잡한 목표를 추구할 수 

있도록 자율적으로 작동하고 의사결정을 내리도록 설계된 AI 시스템을 의미32)

●

사용자의 입력에 반응하는 일반 AI와 달리, 능동적 시스템인 에이전틱 AI는 변화하는 상황에 

적응할 수 있으며, 맥락에 따라 스스로 문제를 해결할 수 있는 자율성을 보유

●

에이전틱 AI는 워크플로 자동화와 사전 예방적 모니터링, 다단계 프로세스 처리에 특히 

효과적으로, 법률, 세무, 준법과 같은 전문 분야에서 변화하는 상황에 적응하며 기존 운영을 

유지하는데 유리

●

에이전틱 AI와 AI 에이전트도 구분이 필요한 개념으로, 에이전틱 AI가 자율적으로 문제를 

해결할 수 있는 프레임워크라면, AI 에이전트는 시스템 내에서 일정 수준의 자율성을 갖고 

작업과 프로세스를 처리하도록 설계된 구성요소를 의미

●

가령, 전체 에너지 소비 시스템을 관리하고 운영하는 스마트홈에서 에이전틱 AI 시스템은 실시간 

데이터와 사용자 선호도에 따라 스마트 온도 조절기, 조명, 가전제품 등의 개별 AI 에이전트를 조율  

 

11

33)

 Thomson Reuters, Agentic AI vs. generative AI: The core differences , 2025.6.5.

34)

 Gartner, Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 

5% in 2025, 2025.8.26.

구분

에이전틱 AI 

생성형 AI

핵심 기능

여러 단계로 이루어진 복잡한 업무를 

스스로 계획·실행하여 목표를 달성하는 

워크플로 자동화

사용자의 구체적 프롬프트에 따라 

텍스트·이미지·코드 등 콘텐츠를 생성

작동 방식

초기 목표와 제약을 주면 다양한 

도구·API를 이용해 연속된 동작을 스스로 

결정·수행

요청–응답 형태로, 사용자의 지시에 반응해 

결과를 차례로 생성

자율성 수준

높음: 설정된 목표를 향해 여러 시스템을 

오가며 의사결정·행동을 이어감

낮음: 단계별 사용자의 새로운 입력과 

지시가 필요

작업 유형

조사–분석–보고 등 여러 단계를 잇는 

연쇄·복합 작업, 규칙 기반 

프로세스, 모니터링

초안 작성, 요약, 번역, 정보 정리 등

 단일·개별 작업

주요 이점

프로세스 자동화 등 복잡한 작업 해결로 

넘겨 시간 절감

문서 초안·요약·정리를 빠르게 수행, 반복적인 

콘텐츠 작업의 생산성 향상

활용 사례

실사 조사, 규제 변화 모니터링, 계정·지불 

처리, 일정·업무 자동 관리

계약서·보고서 초안 작성, 대량 문서 요약, 

기술 문서 평이화, 맞춤 커뮤니케이션 생성

 

표 3

  에이전틱 AI와 생성형 AI의 비교

출처: Thomson Reuters(2025.6.5.)33)

에이전틱 AI, 2030년 이후 기업 소프트웨어의 새로운 표준이 될 전망 

■

2025년 들어 에이전틱 AI가 기업 시장의 핵심 화두로 부상하면서 서두에 다룬 앤트로픽 외 

글로벌 빅테크와 SaaS 기업들은 에이전틱 AI를 표방하는 제품과 서비스를 잇달아 출시

●

오픈AI는 웹 브라우저로 항공편 예약, 식료품 주문 등의 작업을 수행하는 ‘Operator’, 리서치와 

실행을 겸하는 범용 에이전트인 ‘ChatGPT Agent’, 복수의 에이전트를 동시에 관리하고 장시간 

작업을 병렬로 실행할 수 있는 개발도구 ‘Codex’ 앱, 기업용 AI 에이전트 관리 플랫폼 ‘Frontier’ 

등을 공개

●

구글 클라우드는 제미나이 모델과 외부 AI 에이전트, 오케스트레이션 기술 등을 통합해 기업 

사용자가 직접 에이전트를 조율할 수 있는 ‘Gemini Enterprise’를 출시

●

아마존은 에이전트를 안전하게 대규모로 구축·배포·운영할 수 있는 에이전틱 플랫폼 

‘Amazon Bedrock AgentCore’를 선보였으며, 세일즈포스는 에이전틱 엔터프라이즈 

플랫폼 ‘Agentforce 360’을 공개

■

가트너는 기업 시장에서 AI 에이전트가 빠르게 진화하면서 특정 작업이나 응용 

소프트웨어에 특화된 에이전트 중심에서 통합 에이전틱 생태계로 발전할 것으로 예측34)

●

가트너의 최상 시나리오 예측에 따르면 에이전틱 AI는 2025년 기업용 소프트웨어 매출의 약 

2%에서 2035년에는 약 30%를 차지하며, 매출 규모가 4,500억 달러를 넘어설 전망

●

2026년 말까지 기업 애플리케이션의 40%가 특정 작업에 특화된 AI 에이전트와 통합될 

전망으로, 이는 2025년 8월 기준 5% 미만에서 크게 늘어난 수치

●

2027년까지는 에이전틱 AI 구현 사례의 3분의 1이 응용 소프트웨어 및 데이터 환경 내에서 

복잡한 작업 관리를 위해 다양한 기능을 가진 에이전트를 결합하는 방식으로 이루어질 전망

●

2028년까지는 전문 에이전트가 여러 응용 소프트웨어와 업무 기능에 걸쳐 동적으로 협업할 수 

있는 AI 에이전트 생태계가 구축되어, 사용자가 개별 소프트웨어와 상호작용 없이도 목표를 

달성하게 될 전망

SPRi AI Brief Special

 2026년  3월호

12

35)

 Mckinsey, The state of AI in 2025: Agents, innovation, and transformation, 2025.11.5

36)

 Deloitte, AI is capturing the digital dollar. What’s left for the rest of the tech estate?, 2025.10.16.

●

가트너는 에이전틱 AI가 성숙해지면서 표준화된 프로토콜과 프레임워크를 통해 원활한 

상호운용성이 보장되고, 에이전트가 다양한 기업 시나리오를 지원하게 될 것으로 예측

그림 5

  기업용 소프트웨어에서 에이전틱 AI의 미래 예측

             출처: Gartner(2025.8.26.)

글로벌 기업들, AI 에이전트에 대한 높은 관심을 바탕으로 도입 실험

■

맥킨지(Mckinsey)가 2025년 11월 발표한 설문조사 결과*에 따르면 글로벌 기업 상당수는 

아직 AI를 실험하거나 시범 운영하는 단계에 머물러 있으나, AI 에이전트에 대한 높은 

관심을 보유35)

  * 2025년 6~7월 전 세계 105개국의 1,993명을 대상으로 온라인 설문조사 실시(응답자 38%는 연 매출액 10억 

달러 이상 기업 소속). 응답률 차이 보정을 위해 응답자 소속 국가의 글로벌 GDP 기여도에 따라 가중치 적용  

●

응답자의 62%는 소속 기업이 AI 에이전트를 한 차례 이상 실험하고 있다고 답했으며, 이 중 

23%는 기업 내에서 에이전트 기반 AI 시스템을 확장 중이고, 39%는 AI 에이전트 실험을 

시작했다고 응답 

●

그러나 에이전트 사용은 아직 초기 단계로 대부분 조직은 한두 가지 업무 영역에 국한해 

에이전트를 확장하고 있으며, 개별 업무 영역에서 에이전트를 확장하고 있다는 응답 비율은 

모두 10% 미만을 기록

●

업무 영역 중에서 에이전트 사용이 가장 활발히 이루어지는 영역은 IT 및 지식 관리로, IT 

분야의 서비스 데스크 관리나 지식관리 분야의 딥 리서치와 같은 에이전트 기반 활용 사례가 

빠르게 발전

●

산업별로는 IT, 미디어와 통신, 의료 분야에서 AI 에이전트 사용이 가장 활발한 것으로 조사

■

딜로이트가 2025년 10월 발표한 ‘2025 Tech Value’ 조사*에서는 응답자의 57%가 AI 

자동화에 연간 디지털 전환 예산의 21~50%를, 20%는 50% 이상을 투자하고 있다고 응답36)

  * 2025년 5~6월 5개 산업(소비재, 에너지·자원·산업재, 금융 서비스, 생명과학 및 헬스케어, 기술·미디어·통신)에 

걸쳐 548명의 기업 및 기술 의사결정권자를 대상으로 실시

●

조사 대상 경영진의 약 4분의 3이 지난 12개월간 AI와 생성형 AI 기술 역량에, 39%는 에이전틱 

AI에 투자했다고 응답

●

딜로이트는 이를 근거로 2026년까지 기업의 절반가량이 디지털 전환 예산의 50% 이상을 AI 

자동화에 투자하고, 에이전틱 AI에 투자하는 기업 비율은 더욱 증가해 75%에 이를 수 있다고 전망 

13

37)

 Thomson Reuters, 2025 Generative AI in Professional Services Report, 2025.4.15.

III. 주요 산업별 AI 침투의 지형도

1) 법률

(개요) SaaSpocalypse의 진앙지인 법률 분야, AI 도입에 최적화

■

앤트로픽의 법률 전문 플러그인 공개 직후 법률 서비스 기업의 수익 구조에 대한 의구심이 

증가하면서 관련 기업들의 주가가 크게 하락하는 등, SaaSpocalypse의 진앙지로 지목

●

월가에서는 앤트로픽과 같은 AI 기업이 단순한 모델 공급자에서 워크플로를 직접 장악하는 

플랫폼 사업자로 변모하고 있다며, 법률 서비스 부문의 지속적 성장 가능성에 대한 의구심이 

커지고 있다고 분석

●

방대한 규모의 특화 데이터를 바탕으로 복잡한 과업을 해결해야 하는 법률 분야는 AI 도입에 

최적화된 것으로 평가되나, AI 에이전트 활용 시의 법적 책임, 기밀 유출 우려, AI 환각, 

법원의 낮은 수용도 등은 마찰 요인으로 작용 

(침투 현황과 전망) 2024~2025년 사이 AI 도입률이 두 배 가까이 증가

■

(수요 현황) 톰슨 로이터가 2025년 4월 공개한 설문조사 결과*에 따르면 법률 회사의 26%가 

이미 생성형 AI를 적극 활용 중이며, 이는 2024년의 14%에서 두 배 가까이 증가한 수치37)

  * 2025년 1~2월 미국, 캐나다, 영국 등 8개국 법률, 세무, 위험관리 분야 전문가 1,702명 대상 온라인 설문조사 

그림 6

  법률·세무·기업 위험·정부 분야의 생성형 AI 활용 현황

               출처: Thomson Reuters(2026.4.15.)

●

응답 기업 중 15%만이 현재 차세대 AI가 워크플로의 핵심이라고 답했으나, 78%는 향후 

5년 내 AI가 핵심 역할을 하게 될 것이라고 응답

●

법률 기업들의 차세대 AI에 대한 인식은 2024~2025년 사이 크게 변화하여, 2024년에는 

망설임(35%)이 주된 반응이었다면, 2025년에는 기대(27%)와 희망(28%)이 우세하고 

망설임은 24%로 감소

■

(공급 현황) 법률 서비스 기업들은 생성형 AI를 넘어 에이전틱 AI 기능을 담은 법률 솔루션을 

선보이는 추세이며, 리걸테크 기업 하비(Harvey) 등 법률 전문 AI 솔루션 시장도 확대 

●

톰슨 로이터의 ‘CoCounsel Legal’, 법률 리서치 기업 렉시스넥시스의 ‘ Protege’ 등은 전문가를 

대체하기보다는 협업 모델로 설계되어, 문서 검토·조사·초안 작성 업무를 자동화함으로써 

법률 전문가의 생산성과 판단 품질을 높이는 방향으로 작용

●

하비는 생성형 AI를 법률 업무에 특화해 제공하는 플랫폼으로 글로벌 로펌과 기업 

법무팀에 채택 

SPRi AI Brief Special

 2026년  3월호

14

38)

 Deloitte, The future of legal work? The use of Generative AI by legal departments, 2024.6.

39)

 Thomson Reuters, Agentic AI use cases in the legal industry, 2025.8.18.

40)

 Lawwave, AI 에이전트 시대, 법적 쟁점과 변호사의 역할, 2025.12.26.

■

(전망) 딜로이트에 따르면 생성형 AI는 법률 업무의 수행 방식에 장기적으로 상당한 변화를 

미칠 전망으로, 법무 담당자의 절반은 생성형 AI가 기존 법률 업무의 일부를 완전히 대체할 

것으로 예상38)

●

특히 기업 법무팀의 경우, 규모는 현재와 같이 유지되더라도 내부 인력 구성과 직급, 사내외 

변호사 비율 등에서 근본적인 변화가 예상되며, 자동화 기능 강화로 외부 법률 서비스에 대한 

의존도가 감소 전망

(주요 활용 사례) 문서 검토와 조사, 문서 초안 작성과 요약 등에 우선 활용

■

톰슨 로이터의 조사에 따르면 2025년 기준 법률 전문가들이 생성형 AI를 가장 많이 사용한 

분야는 문서 검토(77%), 법률 조사(74%), 문서 요약(74%), 문서 초안 작성(59%) 순으로 

나타남39)

■

위험 부담이 큰 법률 업무에 필수적인 상황 인식 능력과 전략적 사고를 가진 에이전틱 AI가 

도입되면, 단순한 반복 업무를 넘어 복잡한 문서 작성과 검토, 사건 조사와 준비 지원 등도 

처리하게 될 전망

●

에이전틱 AI는 관할권이나 거래 상대방 이력 등에 따라 언어를 변경하고, 다단계 품질 관리를 

통해 회사 기준과 최근 판례, 고객 요구에 따라 초안을 검토해 사람이 놓칠 수 있는 오류를 

찾아내거나, 버전 관리를 통해 수정 내역을 확인하고 복잡한 계약서를 수 분 만에 작성하고 

검토할 수 있도록 지원

●

판례 분석을 할 수 있는 에이전틱 AI는 특정 법원과 판사에 맞춘 접근 방식을 제안할 수 

있으며, 논점의 허점을 감지해 가능한 반론과 증거상의 약점을 알려주는 등의 방식으로 사건 

준비도 지원 가능

(마찰 요인) 법적 책임 소재, 기밀 유지, 환각, 법원의 느린 AI 채택 등은 AI 

도입을 저해

■

(법적 책임) AI 에이전트가 자율적으로 계약을 체결하게 되면, 그 계약의 효력을 어떻게 볼 

것인지가 쟁점이 되며, AI 에이전트의 오류로 인해 예기치 않은 결과 발생 시의 책임성도 

쟁점으로 부각 

●

국제적 논의에서는 자동화 계약에 관해 기술 중립성과 비차별 원칙을 강조하고 있으며, 인간의 

개입 없이 AI 간 계약이 체결되더라도 계약 효력을 인정*

  * 국제상거래법위원회의 2024년 ‘자동화 계약에 관한 모델법’은 전자적 자동화 수단에 대한 차별 금지 원칙을 천명40)

●

그러나 AI 에이전트의 오류로 인해 사용자가 의도치 않은 결과가 발생할 경우, 가령 과도한 가격에 

주문하거나 엉뚱한 거래를 체결했다면 새로운 분쟁 가능성이 대두될 수 있으며, AI 에이전트의 

자율적 판단과 행동으로 손해 발생 시 책임이 누구에게 귀속되는지의 문제도 해결 필요

●

기본적으로 AI 에이전트는 법률상 권리 의무 주체가 아니므로, 행위 책임을 직접 물을 수 없고 

개발자와 운영자, 사용자 중 누구에게 책임을 물을지 법리 정립이 필요하나, AI의 불투명한 

의사결정 특성상 결함과 인과관계를 증명하기 어렵다는 점에서 별도의 입법 논의가 필요할 수 있음

■

(기밀 유지) 법률 분야는 정보의 기밀성이 매우 중요해 데이터 유출 우려도 주요 마찰 

요인으로 작용

●

변호사는 의뢰인의 비밀을 보호해야 하는 엄격한 법적 의무가 있어, AI 프롬프트에 사건의 핵심 내용을 

입력하는 행위 자체가 법적·윤리적 문제가 될 수 있으며, 법률 데이터가 기업 외부로 전송되는 과정에서 

외부로 유출될 가능성을 완전히 배제할 수 없다는 점에서 보안 우려도 발생

15

41)

 Reuters, Judge fines lawyers $12,000 over AI-generated submissions in patent case, 2026.2.4.

42)

 Thomson Reuters, Technology and staffing are the biggest challenges facing courts, says new report, 2025.5.28.

43)

 EY, How AI in banking can result in major transformative benefits, 2025.9.19.

●

특히 범용 AI의 표준 설정에서는 사용자가 입력한 데이터를 모델 성능 향상을 위한 학습 데이터로 

재사용하는 경우가 일반적이어서 데이터 프라이버시 침해 위험도 존재

■

(AI의 환각) 실제로 존재하지 않는 허위 판례나 법 조항을 마치 실재하는 것처럼 꾸며내는 

환각 현상 역시 법률 업계에서 주요 이슈로 부상

●

일례로 미국 캔자스 연방법원은 2026년 2월 챗GPT가 만들어낸 가짜 판례를 법정에 제출한 

변호사 5명에게 총 1만 2천 달러의 벌금을 부과하고, 해당 변호사들이 윤리적 의무를 

저버렸다고 지적41)

■

(법원의 수용도) AI 활용에 적극적인 로펌 대비 법원들의 저조한 AI 채택 수준도 마찰 

요인으로 꼽힘

●

톰슨 로이터가 2025년 5월 발표한 미국 주 법원 현황 조사에 따르면 응답자의 17%만 소속 

법원에서 AI를 사용 중이라고 답했으며, 향후 1년 내 AI를 도입할 계획이라고 응답한 비율도 

17%에 불과42)

2) 금융

(개요) 데이터 밀도가 높고 규칙 기반의 업무 특성을 바탕으로 AI 도입을 선도

■

금융 분야에서는 주식 거래, 신용·대출 심사, 보험 청구 등을 중심으로 여타 산업보다 

빠르게 AI가 도입되었으며, 에이전틱 AI의 확산으로 은행업계의 수익성이 저하될 

위험이 대두 

●

방대한 데이터와 정밀한 의사결정이 수익에 직결되는 구조로 인해, 시장 분석, 알고리즘 

트레이딩과 자동 의사결정, 고객 서비스 및 이상 거래 탐지 등을 중심으로 AI 기술을 적극 

도입하고 있으며, 향후 3~5년 내 에이전틱 AI 기반의 혁신적 사업모델이 등장할 전망

●

그러나 AI 모델의 설명 불가능성으로 인한 규제 이슈와 시스템적 리스크, 금융업계의 레거시 

시스템으로 인한 데이터 품질과 인프라 문제 등은 AI 확산을 저해하는 마찰 요인으로 작용 

(침투 현황과 전망) 2030년 전후 에이전틱 AI에 의한 혁신적 변화 예상

■

(수요 현황) EY의 2025년 9월 은행업계 대상 생성형 AI 설문조사에 따르면 은행의 77%가 생성형 

AI를 적극 또는 시범적으로 도입해 2023년(61%) 대비 16%p 증가했고 에이전틱 AI를 향한 

관심도 증가43)

●

응답자의 61%는 생성형 AI 도입으로 상당한 효과를 보고 있다고 답했고, 89%는 향후 2년 내 

획기적 변화를 기대한다고 답하는 등, 생성형 AI에 매우 낙관적 견해를 표시

●

응답자의 38%는 향후 5년 주요 기능 전반에서 완전한 자동화가 가능할 것으로 예상했으며, 

이는 2023년 응답 대비 30%p 증가한 수치로 생성형 AI에 대한 높은 신뢰도를 반영

■

(공급 현황) 금융권의 AI 활용은 머신러닝 기반 리스크 관리에서 생성형 AI를 활용한 내부 

역량 강화로 빠르게 전환되는 추세로, 최근에는 AI 기반 세무·자산관리 플랫폼도 등장하며 기존 

금융 기업을 위협

●

금융업계는 초기에는 머신러닝 기반 AI로 이상 거래 탐지와 자금세탁 방지, 신용 평가 등의 

리스크 관리 및 로보어드바이저와 알고리즘 거래 등의 자동화를 진행

●

생성형 AI 등장 이후에는 모건스탠리의 AskResearchGPT, 골드만삭스의 GSAAssistant 등 

내부 생성형 AI 챗봇을 개발해 직원 생산성과 역량 강화에 활용

SPRi AI Brief Special

 2026년  3월호

16

44)

 Gartner, Gartner Identifies 8 Forces That Will Reshape Corporate Finance Through 2030, 2025.8.27.

45)

 Mckinsey & Company, Global Banking Annual Review 2025: Why precision, not heft, defines the future of banking, 

2025.10.23.

●

핀테크 스타트업 알트루이스트(Altruist)는 2026년 2월 자사의 자산관리 AI 플랫폼 ‘Hazel’에 

개인화 세무 전략 수립을 지원하는 AI 기반 세무·자산관리 기능을 추가했으며, 그 여파로 

모건스탠리, 찰스 슈왑 등 주요 금융 기업의 주가가 일제히 하락 

■

(가트너 전망) 2030년까지 에이전틱 AI가 금융 분야를 혁신적으로 변화시킬 것이며, 

일상적인 금융 업무의 15% 이상이 에이전트에 의해 자율적으로 이루어질 것으로 예측44)

●

에이전트가 업무를 자율적으로 처리하며 재무 프로세스와 공급업체 관계, 조직 구조, 인재 수요를 

변화시킬 것이며, 재무 전문가의 역할은 AI 에이전트를 감독하고 조정하는 역할로 조정될 전망

■

(맥킨지 전망) 에이전틱 AI가 은행업계를 근본적으로 재편할 가능성이 있으며, 향후 3~5년 내 

혁신적인 에이전트 기반 사업 모델이 등장할 것으로 예상45)

●

소비자들이 에이전트를 활용해 재정을 최적화하면서 은행들이 변화에 적응하기 위해 사업모델을 

재편하지 않을 경우, 향후 10년간 전 세계의 은행 수익이 9%(약 1,700억 달러) 감소할 수 

있다고 예측 

(주요 활용 사례) 지식 관리, 지급 자동화, 오류 및 이상 탐지 등에 우선 적용

■

가트너 조사에서는 금융 분야에서 가장 보편적인 AI 활용 사례는 정보 검색과 정리 등을 

포함하는 지식 관리(49%), 지급 계정 처리 자동화(37%), 오류 및 이상 탐지(34%) 

순을 기록

■

세계경제포럼(WEF)은 금융 서비스 전반에서 유망한 AI 활용 사례로 판매와 마케팅, 

고객 서비스/자산운용, 사기 관리와 탐지, 보험금 청구, 위험관리 등을 제시

산업

기능 

설명

창출 가치

은행

 영업·서비스

상품, 정책, 프로세스 전반에 대한 정보 제공

- 업무 효율성 증대

- 응답 정확성 향상

자본시장

고객 서비스/자산운용

AI 기반 투자 포트폴리오 구성, 금융 자문 제공, 

실시간 인사이트 제공과 거래 추천 

- 고객 만족도와 유지율 상승

- 경쟁우위 확보

결제

사기관리와 탐지

사기 발생 전 의심 행위나 이상 징후를 선제적으로 

탐지 및 식별

- 고객 대상 사기 방지 강화

- 오탐 최소화로 고객 경험 개선

보험

보험금 청구

보험금 청구 및 고객 서류 처리 자동화

- 워크플로 개선

- 업무 효율성 증대

금융 서비스 전반

리스크 관리 및 보험인수 

심사

사기 거래 예측 및 보험인수 심사의 효율적 처리, 

위험도 평가 등

- 내외부 리스크 감소

- 데이터 보호 강화

- 보험인수 심사 처리시간 단축

- 신용평가와 시사 접근성 확대

기술 개발

코드 작성부터 자동화 테스트 등 SW 개발주기 단축 

및 구식 코드 환경의 단계적 폐기 지원

- 워크플로와 정확성 개선

- 업무 효율성 증대

- 기술 부채 감소

 

표 4

  금융 서비스 전반의 유망 AI 활용 사례 예시

출처: WEF(2025.1.)

(마찰 요인) 설명 가능성 부재로 인한 규제 이슈와 데이터 품질 문제가 도입을 저해

■

(설명 가능성의 부재) 주요국 규제당국은 AI의 의사결정을 인간이 이해할 수 있어야 한다는 

원칙을 강조하나, AI 모델의 특성상 판단의 근거를 설명하기 어렵다는 점에서 설명 가능성이 핵심 

과제로 부상46)

17

46)

 국제금융센터, 금융권 AI의 설명가능성 규제 한계와 개선방안, 2025.10.30.

47)

 Deloitte, 2026 US Health Care Outlook, 2025.12.11.

48)

 World Economic Forum, The Future of AI-Enabled Health: Leading the Way, 2025.1.

●

설명 가능성의 부재는 금융기관 모델의 리스크 관리 역량을 약화시키고, AI 모델에 내재된 

위험을 과소평가하게 하여 건전성 감독을 저해할 수 있음

●

금융안정위원회는 다수의 금융기관이 설명 불가능한 유사 AI 모델을 광범위하게 사용할 경우, 

시장 충격 발생 시 군집 행동을 유발하여 금융 시스템 전반의 위험을 증폭할 수 있다고 우려  

■

(데이터 품질과 인프라) 국내외 금융기관 상당수는 구식 뱅킹 시스템을 운영하고 있어, 기존 

시스템에 AI를 통합하려면 API 계층 구축, 데이터 표준화, 실시간 처리 인프라 등 막대한 

투자가 필요

●

또한 동일 기관 내부에서도 여신·수신·카드·보험 부문의 데이터를 분리해 관리하는 경우가 많아, 

AI 학습에 필요한 통합 데이터셋 구성이 어려우며, 금융 데이터 내에 특정 인구통계 집단이나 

경기 사이클, 지역 편향 등이 내포되어 있어 차별 이슈가 발생하거나 여타 상황에 부적합할 수 있음

3) 의료·헬스케어

(개요) 높은 성장세가 예상되는 유망 영역으로 에이전틱 AI 기반 생태계 혁신 

전망 

■

현재 의료·헬스케어 분야의 AI 도입은 기술·통신, 금융 등의 분야 대비 뒤처져 있으나 

향후 수년간 성장률은 여타 산업을 능가할 전망

●

초기 단계에는 의료진 업무 부담 완화와 운영 효율성 증대 위주로 도입되기 시작해, 에이전틱 

AI의 확산과 함께 환자 맞춤형 예방의학, AI 통합 신약 개발, 건강 성과 기반 가격 모델 등 

구조적 혁신 기대

●

그러나 의료 분야에 적용되는 엄격한 규제 요건과 의료 사고 발생 시의 법적 책임성, 데이터 

프라이버시, 데이터 파편화 등은 도입을 저해하는 마찰요인으로 작용 

(침투 현황과 전망) 미국 기준 의료기관의 절반가량이 AI 시범 도입 단계

■

(수요 현황) 딜로이트의 2026년 미국 헬스케어 현황 조사*에 따르면 미국 의료기관의 3분의 

1만 AI를 본격적으로 도입하고 있으며, 49%는 생성형 AI와 에이전틱 AI를 실험하는 단계47)

  * 미국 의료계의 최고 경영진 120명 대상 설문조사

●

그러나 의료 시스템 및 건강보험 기관 임원의 80%는 생성형 AI와 에이전틱 AI가 2026년까지 

임상 및 사업 운영, 백오피스 기능 등 다양한 분야에서 상당한 가치를 제공할 것으로 예상

■

(공급 현황) 글로벌 빅테크와 AI 스타트업들은 의료 특화 업무 자동화를 위한 AI 어시스턴트나 

환자 관리, 의료 영상 분석, 임상 의사결정을 지원하는 AI 에이전트 기반 서비스를 다수 출시

●

마이크로소프트는 2025년 3월 환자와 의료진의 대화를 실시간으로 기록해 자동으로 의료 문서를 

작성하고 음성 기반 전자의무기록(EHR) 탐색 및 환자 정보 조회도 지원하는 ‘Dragon Copilot’을 출시

●

히포크라틱 AI(Hippocratic AI)는 2024년 실시간 환자 대화, 간호사 업무 보조, 상태 기반 

모니터링 등을 수행하는 AI 에이전트 ‘Polaris’를 출시했으며, 2025년에는 의료기관이 용도별 

에이전트를 설계 및 구성할 수 있는 ‘AI Agent App Store’를 공개 

■

(전망) 세계경제포럼에 따르면 2024년 기준 글로벌 헬스케어 분야의 AI 성숙도는 

기술·통신, 금융, 소비재 분야 대비 다소 뒤처져 있으나, 성장 속도는 여타 산업을 능가48)

●

헬스케어 분야에서 생성 AI의 연평균 성장률(CAGR)은 2022~2027년 사이 85%를 기록해 

SPRi AI Brief Special

 2026년  3월호

18

49)

 KPMG, Intelligent healthcare, 2025.6.

금융 분야(75%)와 소비재(64%)를 능가하며, 2027년까지 시장 가치가 220억 달러에 달할 전망

●

센서를 통해 확보된 광범위한 데이터 기반 예측 치료와 개인 맞춤형 웰니스 프로그램의 

보급으로 치료 중심에서 건강 증진 중심의 의료 체계로 전환되는 한편, 디지털 트윈과 예측 

분석 등으로 의료 절차가 최적화되고 행정 부담이 감소할 전망

(주요 활용 사례) 행정 효율성 향상 위주에서 생태계 혁신으로 확장 전망

■

KPMG에 따르면 헬스케어 분야의 AI 활용 사례는 1단계의 저위험·고효율 영역의 시범 

도입을 거쳐, 개별 도구를 넘어 워크플로와 가치사슬에 통합되는 2단계, 생태계를 혁신하는 

3단계로 발전 전망49)

●

1단계는 임상 문서 자동화, 의료 영상 진단 보조, 환자 커뮤니케이션 개선, 보험 청구 

자동화 등 의료진의 업무 부담 완화와 효율성 향상을 중심으로 활용 사례가 구성

●

2단계는 AI 에이전트가 본격적으로 도입되는 단계로, 환자 여정의 통합 관리, 전사적 임상 

의사결정 지원, 수요-공급 최적화, 원격 모니터링과 웨어러블 통합 등이 주요 활용 사례로 부상

●

3단계는 에이전틱 AI를 기반으로 헬스케어 생태계가 재설계되는 단계로, AI 기반 개인 맞춤 

예방의학, AI 통합 임상시험 및 신약 개발, 자율형 원격 돌봄 시스템, 건강 성과 기반의 가격 

책정 등의 활용 사례가 나타나며 산업 구조와 비즈니스 모델 재편이 이루어질 전망 

(마찰 요인) 엄격한 규제 요건 및 데이터 프라이버시와 편향 우려 

■

(법/규제 이슈) 환자의 안전과 데이터 프라이버시, 윤리적 AI 사용을 보장하기 위한 

엄격한 규제 요건과 함께 국가·지역 별 규제 환경의 지속적 변화도 부담으로 작용

●

AI 오진으로 인해 의료 사고를 발생 시 의료 과실 책임성도 법적 쟁점으로 지적되고 있으며, 

현재는 최종 의사결정이 의사에 의해 이루어지므로 의사가 책임을 지게 되지만, 의료 AI 기술의 

발전으로 의사의 개입이 낮아질 경우 AI 개발 기업의 책임 분담을 위한 입법 논의가 필요할 수 있음  

■

(데이터 관련 이슈) 의료기관 간 서로 다른 정보시스템으로 인한 데이터 파편화와 함께, 

데이터 유출 위험 및 데이터 편향으로 인한 차별적 결과 등의 위험이 마찰 요인으로 작용 

●

의료 데이터의 생성-저장-이용 과정에서 민감한 개인정보가 유출될 수 있으며, 영상이나 

이미지 등의 비정형 의료 데이터를 통한 개인 식별 위험도 존재

●

병원마다 서로 다른 정보시스템을 사용하면서 다양한 의료정보가 표준화된 방식으로 저장되지 

않을 경우, 대규모 데이터 활용을 통한 협업이나 솔루션 개발이 어려움

●

AI 학습용으로 활용할 수 있는 의료 데이터의 제한으로 인해 다양성을 갖추지 못한 데이터셋에 

내재된 편향이 특정 집단에 차별적인 결과를 초래할 가능성도 존재

19

50)

 Deloitte, 2025 Smart Manufacturing and Operations Survey: Navigating challenges to implementation, 2025.5.1.

51)

 Deloitte, 2026 Manufacturing Industry Outlook, 2025.11.13.

52)

 Siemens, Siemens unveils technologies to accelerate the industrial AI revolution at CES 2026, 2026.01.06.

53)

 IDC, Charting the AI-driven future of manufacturing, 2025.11.12.

4) 제조업

(개요) AI 도입은 초기 단계이나 경영진 사이에서는 최우선 과제로 인식

■

제조업 전반에서 생성형 AI와 에이전틱 AI의 도입은 더디게 진행되고 있으며 AI 기능을 

탐색하는 초기 단계에 머물러 있으나, 제조업 분야의 경영진들은 AI 도입을 최우선 

과제로 추진

●

초기 활용 사례는 설계 지원과 공급망 최적화, 맞춤형 고객 서비스, 품질 관리가 중심이며, 

에이전틱 AI 도입이 본격화되면 예측 유지보수, 재고 관리, 원격 자산관리 등 다양한 측면의 

혁신 기대

●

단, 물리적 환경과 사이버 환경이 연계되는 제조 현장의 고유한 위험과 함께 레거시 시스템과 AI 

연계의 어려움 및 데이터 파편화, 일자리 상실 우려에 대한 구조적 저항 등이 마찰 요인으로 작용

(침투 현황과 전망) AI 기능을 탐색하는 초기 단계이나 점진적 도입 전망

■

(수요 현황) 딜로이트의 2025년 5월 스마트 제조·운영 설문조사에 따르면 스마트 제조 

분야에서 AI 도입이 진행되고 있으나, 다수의 기업은 AI 기능을 탐색하는 초기 단계에 

머물러 있는 상태50)

●

응답자의 29%는 설비나 네트워크 수준에서 AI/ML을 사용하고 있고, 24%는 생성형 AI를 

도입했으며, 시범 운영 단계에 있다는 응답은 AI/ML이 23%, 생성형 AI가 38%를 기록

●

향후 24개월간 스마트 제조 분야의 투자 우선순위 역시 데이터(40%)에 집중되어 있으며, 

클라우드 컴퓨팅(29%), AI(29%), 산업용 사물인터넷(27%) 순을 기록

●

한편, 2025년 제조 리더십 위원회의 설문조사에 따르면 22%의 제조업체는 2년 내 피지컬 

AI를 도입할 계획이라고 밝혔으며, 이는 현재(9%)보다 두 배 이상 증가한 수치51)

■

(공급 현황) 주요 기술 기업들은 공장 운영 효율성 제고, 자동화 엔지니어링, 디지털 트윈과 

피지컬 AI, 품질 관리 등 제조업에 특화된 AI 서비스나 플랫폼을 출시

●

엔비디아는 2025년 3월 산업 디지털 전환을 촉진할 수 있도록 물리적 환경을 디지털로 복제하는 

협업 플랫폼 ‘Omniverse’와 피지컬 AI 플랫폼 ‘Cosmos’의 결합을 발표

●

지멘스는 마이크로소프트와 함께 2024년 자동화 엔지니어링 코드를 생성할 수 있는 생성형 AI 

기반 솔루션 ‘Industrial Copilot’을 출시했으며, 2026년 CES에서는 엔비디아와 협력해 산업용 AI 및 

피지컬 AI 솔루션을 공동 개발해 2026년 독일에서 세계 최초의 완전한 AI 기반 적응형 제조 현장 

구축을 목표로 제시52)

■

(전망) IDC에 따르면 제조업 전반에서 생성형 AI와 에이전틱 AI 도입은 더디게 진행되고 

있으나, 경영진 사이에서 최우선 과제로 인식되면서 향후 5년간 제조 생태계 재편이 

이루어질 전망53)

●

2026년까지 생산 스케줄링 시스템을 갖춘 제조업체의 40% 이상이 AI 기능을 추가해 자율 

프로세스를 구현하고, 상위 2,000개 완성품 및 부품 대기업의 45%가 AI를 도입해 현장과 

엔지니어링 데이터를 연결하고 제품과 서비스 품질을 향상할 전망

●

2027년까지는 표준화 향상 및 특정 데이터에 맞춤형으로 설계된 AI 에이전트 사용으로 모든 

운영 데이터의 40%가 응용 소프트웨어와 플랫폼 전반에서 자율적으로 통합될 전망

●

2028년까지는 상위 1,000개 제조업체의 65%가 AI 에이전트를 설계 및 시뮬레이션 도구와 함께 

사용해 제품 요구사항에 맞게 설계 변경과 구성을 지속적으로 검증할 전망

SPRi AI Brief Special

 2026년  3월호

20

54)

 Mckinsey & Company, Empowering advanced industries with agentic AI, 2025.9.8.

55)

 Salesforce, AI Agents for Manufacturing success

56)

 Public First, Public Sector AI Adoption Index 2026, 2026.2.5.

●

2030년까지는 제조업체의 60%가 AI 에이전트를 활용해 데이터 모델을 구축함으로써 지식 공유와 

협업을 보장하고 품질 비용을 2% 절감할 것으로 예측

(주요 활용 사례) 설계 지원과 공급망 최적화, 품질 관리 등에 우선 도입

■

초기 AI 활용 사례는 설계 지원과 공급망 최적화, 맞춤형 고객 서비스, 품질 관리 등에 집중되어 

있으나, 선도 기업들은 에이전틱 AI 도입으로 전체 프로세스 및 사업모델 혁신을 추진

●

맥킨지는 제조업 분야에서 에이전틱 AI가 워크플로 자동화, 품질 관리 강화, 혁신 추진을 통해 전체 

프로세스를 재설계하고 성과 기반 계약과 같은 새로운 사업모델을 창출할 수 있다고 강조54)

●

실제 도입 사례로 자동차 부품 공급업체 중 하나는 에이전트 기반 AI 솔루션을 도입해 기존 수동 

워크플로를 에이전트 친화적 개별 프로세스로 구분함으로써 테스트 절차의 효율성과 품질을 향상

■

세일즈포스는 제조 분야의 유망 AI 에이전트 활용 사례로 예측 유지보수, 재고 관리, 원격 

자산 관리, 고객 상호작용 요약, 제품 서비스 캠페인, 판매 계약 관리 등을 제시55)

(마찰 요인) 물리-사이버 연계 위험과 레거시 시스템, 일자리 상실 우려 제기

■

(물리-사이버 연계 위험) 여타 산업과 달리 물리-사이버 환경이 연계되는 제조업 현장에서는 

에이전트가 잘못된 지시를 내리면 사람·설비·환경에 심각한 피해가 발생 가능

●

설비 파손이나 불량품의 대량 발생뿐 아니라 로봇의 이상 동작으로 인한 작업자 부상까지 발생할 수 

있어 도입 결정이 보수적으로 이루어지며, 엄격한 안전 검증 요건을 적용 필요

■

(레거시 설비 및 데이터 파편화) 공장에 구축된 구식 설비를 AI 시스템과 연동하기 

위해서는 AI 개발 비용 이상으로 막대한 인프라 투자가 필요하며, 표준화되지 않은 데이터도 

AI 도입을 저해

●

상당수 제조 현장은 노후화된 레거시 시스템 사용으로 AI 연계가 구조적으로 어려우며, 제조 데이터 

역시 설비 별로 파편화되거나 정보화 인식 부족으로 체계적 데이터 관리가 이루어지지 않는 상태

■

(구조적 요인) AI 자율제조와 같은 무인화 기술에 대하여 제조 현장에서는 일자리 상실 

우려로 노조나 작업자의 저항이 발생할 수 있으며 이는 기술 수용성 저하를 초래 

5) 공공·행정

(개요) 내부 운영 및 공공 서비스 개선을 위한 AI 도입 활발

■

주요국 공무원들은 지난 1년 사이 AI를 본격적으로 도입하기 시작했으며, 주요 정부 

기능 중 공공 서비스와 내부 운영, 사법 기능을 중심으로 활발한 도입 양상을 보임

■

공공부문은 에이전틱 AI 도입을 통해 의사결정을 고도화하고 업무 프로세스를 혁신해 생산성을 

높이며 시민 만족도를 제고할 수 있으나, 내부 기술 역량 부족과 양질의 데이터 부족이 마찰 

요인으로 작용 

(침투 현황과 전망) 지난 1년 사이 공무원의 AI 도입 급증 

■

(수요 현황) 영국 컨설팅 기업 퍼블릭 퍼스트(Public First)가 2026년 2월 발표한 ‘공공부문 

AI 도입 지수’*에 따르면 현재 공무원 74%가 AI를 사용 중이며 그중 대부분이 지난 1년 

사이 도입56)

  * 남아공, 독일, 미국, 영국, 인도, 일본, 브라질, 사우디아라비아, 싱가포르, 프랑스 10개국 공무원 3,335명 대상 설문조사 

21

57)

 Gartner, Gartner Reveals Top Technologies Shaping Government AI Adoption, 2025.9.9.

58)

 OECD, Governing with Artificial Intelligence, 2025.9.18.

59)

 PWC, Unlocking Tomorrow: A playbook that explores the power of agentic AI for the Public Sector, 2025.9.15.

●

사우디아라비아가 총점 66점으로 가장 우수했으며, 싱가포르(58점), 인도(58점), 

남아공(55점), 브라질(49점), 영국(47점), 미국(44점), 독일(43점), 프랑스(42점) 순을 기록 

●

응답자들은 정부가 공공부문에 대한 AI 투자 확대를 희망하고 있으며, 현재 정부가 AI를 매우 

효과적으로 사용하고 있다는 응답은 18%에 불과

■

(공급 현황) 주요 빅테크와 AI 기업들은 공공부문 특화 AI 서비스를 출시하거나 전략적 

파트너십을 체결해 정부의 AI 도입을 지원하고 있으며, 각국 정부는 소버린(Sovereign) 

AI 관점에서 자국 모델, 인프라와 데이터, 규제 방면의 주권 확립을 추진

●

미국 국방부는 2025년 오픈AI와 구글, xAI, 앤트로픽과 각각 2억 달러 규모의 계약을 

체결했으며, 군사용 AI 플랫폼 ‘GenAI.mil’을 공식 출범

●

EU는 역내 AI 역량 강화를 위해 ‘InvestAI’ 이니셔티브*, ‘AI 대륙 행동계획(AI Continent 

Action Plan)**’ 등을 발표하고 차세대 AI 모델 훈련을 위한 인프라 확충 및 데이터 공유 확대를 추진

  * EU 집행위원회가 2025년 2월 출범한 민관협력 AI 인프라 민관협력 프로젝트

**  EU의 AI 역량 강화를 위해 컴퓨팅 인프라, 데이터, 인재, 규제 간소화 등 핵심 영역의 이니셔티브를 설정

●

한국은 2025년 8월 국내 기업 간 기술 경쟁을 통해 글로벌 경쟁력을 갖춘 독자 AI 모델 개발을 

위한 독자 AI 파운데이션 모델 프로젝트에 착수해 정예팀을 선정하고 단계평가를 진행할 계획*

  * 2026년 1월 LG AI연구원, SKT, 업스테이지 3개 정예팀 선정, 2026년 2월 추가 공모에서 모티프테크놀로지 추가 선정 

●

인도는 2024년부터 국가 차원의 종합 AI 전략인 ‘인도 AI 미션(IndiaAI Mission)’ 정책하에서 

고성능 AI 컴퓨팅 자원 확보, 자체 AI 모델 개발, 데이터 플랫폼 구축 등을 추진

■

(전망) 가트너는 2025년 9월 전망에서 향후 2~5년 내 소버린 AI와 AI 에이전트가 

공공부문의 AI 도입을 주도할 것으로 예상57) 

●

2028년까지 전 세계 정부의 65%가 역외 규제 간섭에서 벗어나 독립성을 강화하고자 기술 주권 

요인을 도입하고, 주권적 목표 달성을 위한 AI 개발과 활용을 통해 정부 운영 개선과 프로세스 

현대화, 공무원 경험 향상 및 시민 참여를 도모할 전망

●

2029년까지 전 세계 정부의 60%가 AI 에이전트를 활용해 對시민 상호작용의 절반 이상을 

자동화할 전망으로, 이는 2025년의 10% 미만에서 크게 증가한 수치

(주요 활용 사례) 시민 대상 공공 서비스와 내부 운영에 우선 도입

■

OECD가 전 세계 공공·행정 분야의 AI 도입 현황을 11개 핵심 기능*에 걸쳐 분석한 결과, 

AI는 주로 시민 대상 공공 서비스와 내부 운영에 주로 활용되는 것으로 확인58)

  * 공공 서비스, 시민 참여, 사법 관리, 법 집행과 재난 대응, 규제, 공공 재정 관리, 공무원 개혁, 공공 조달, 반부패, 

세무 행정, 정책 평가

●

공공 서비스 설계와 제공, 시민 참여, 사법 기능을 중심으로 채택이 활발하나, 정책 평가, 세무 

행정, 공무원 관리는 AI 도입이 저조하며, 이러한 차이는 기능별 활용 범위, 규제 제약, 실행 

용이성 등으로 인해 발생 

■

PwC에 따르면 공공부문은 에이전틱 AI를 통해 대응력과 시민 만족도 상승뿐 아니라 업무 

자동화와 생산성 향상, 데이터 기반 의사결정을 통해 경제 성장을 촉진하는 최대 수혜자가 될 

잠재력을 보유59)

●

에이전트 기반 가상 비서로 24시간 연중무휴 서비스를 제공하는 한편, 데이터를 분석해 위험에 

처한 시민을 조기에 식별해 필요한 지원을 제공할 수 있으며, 장기 예산 계획이나 전략 개발과 

같은 분야에서 더 빠르고 정보에 입각한 의사결정을 지원 가능

SPRi AI Brief Special

 2026년  3월호

22

●

국방 영역에서는 다양한 데이터 출처를 통합해 더 나은 분석을 제공하고 정보에 기반한 대응을 

가능하게 하며, 시나리오 시뮬레이션을 통한 훈련과 준비 개선을 지원해 방어와 공격 능력 

향상에 기여 

(마찰 요인) 내부 기술 역량 부족 및 양질의 데이터 부족과 공유 제한이 

해결 과제

■

(역량 격차) 정부의 AI 도입을 저해하는 최대 장벽은 AI 활용을 위한 내부 역량 부족으로, 

특히 지방정부는 AI 활용에 필요한 전문 지식을 보유한 인력이 부족한 상태

●

이러한 기술 격차는 정부가 최신 AI 기술 발전을 활용할 수 있는 능력을 제한하고 공무원들의 

AI 사용을 꺼리게 만드는 요인으로 작용하며, AI 도입 시에도 과도한 신뢰나 오용 등으로 

이어질 수 있음

■

(데이터 부족) 양질의 데이터 부족도 마찰 요인 중 하나로, 데이터 자체가 디지털화되지 않고 

종이 문서 상태로 존재하거나 사용할 수 있는 데이터가 형식 불일치나 오류 등으로 품질이 

떨어지는 경우도 존재

●

정부 기관 간 데이터 공유 역시 해결 과제 중 하나로, 데이터 공유를 위한 기술 또는 운영상의 

절차가 수립되지 않거나, IT 시스템 미 데이터 형식 간 상호 운용성이 부족한 경우 AI 도입을 저해

산업

현황 

전망

주요 활용 사례

마찰요인

법률

●

생성형 AI 도입 급증

●

AI 기업의 서비스 

출시로 사업모델 

타격

●

5년 내 AI가 

워크플로의 핵심 

차지 

●

초기: 문서 검토, 법률 

조사, 문서 요약 등

●

후기: 사건 조사와 

준비 지원

●

법적 책임 소재

●

기밀 유지

●

법원의 느린 AI 

채택

금융

●

은행 10곳 중 7곳 

이상이 생성형 AI 

도입

●

AI 기업의 서비스 

출시로 사업모델 

타격

●

3~5년 내 

에이전트 기반 

사업모델 등장 

전망 

●

초기: 지식 관리, 지급 

자동화, 오류 탐지

●

유망 사례: 판매와 

마케팅, 고객 서비스, 

자산운용, 위험관리

●

설명 가능성 

부재로 인한 규제 

이슈

●

데이터 품질, 

인프라 문제

의료·헬스케어

●

의료기관의 3분의 

1은 본격 도입, 

절반은 시범 도입 

단계

●

의료 특화 AI 다수 

출시

●

2022~2027년까지 

CAGR 85% 전망

●

치료 중심에서 건강 

중심의 의료 체계로

●

초기: 행정 효율성 

향상

●

중기: 환자 여정 

통합관리, 임상 

의사결정 지원

●

후기: 에이전틱 AI 

기반 헬스케어 생태계 

재설계

●

엄격한 규제 적용

●

데이터 프라이버시, 

데이터 편향

제조

●

AI 기능을 탐색하는 

초기 단계

●

제조업 특화 AI는 

다수 출시

●

향후 5년간 AI 

기반 제조 생태계 

재편 전망

●

초기: 설계 지원, 

공급망 최적화, 고객 

서비스, 품질 관리

●

후기: 예측 유지보수, 

재고 관리, 자산관리 

등

●

물리-사이버 연계 

위험

●

레거시 설비와 

데이터 파편화

●

일자리 상실 우려

공공·행정

●

최근 1년 사이 

공무원의 AI 도입 

급증

●

공공 특화 AI 및 

전략적 파트너십 

활발

●

향후 2~5년 내 

소버린 AI와 AI 

에이전트 중심 

도입

●

초기: 공공 서비스와 

내부 운영

●

후기: 업무 자동화와 

생산성 향상, 데이터 

기반 의사결정

●

내부 기술역량 

부족

●

양질의 데이터 

부족과 공유 제한

 

표 5

  산업별 AI 침투 지형도 비교

23

Ⅳ. 종합 및 전망

SaaSpocalypse는 에이전틱 AI의 잠재적 위협이 일시에 폭발한 사건이나, 

대체와 보완의 가능성이 병존

■

시트 기반 SaaS 모델의 구조적 한계가 노출되고 Service as Software로의 패러다임 

전환 가능성이 본격 부각되었으나, SaaS 기업의 축적된 고객 데이터와 핵심 시스템 통합, 

소프트웨어 엔지니어 채용 증가(Citadel Securities, 전년 대비 11%) 등은 AI가 보완재로 

작용할 가능성도 시사

●

주요 SaaS 기업들은 기존 제품에 AI 에이전트를 통합하거나 성과 기반 가격 모델로 전환하는 등 

적극적인 사업모델 재편에 착수하고 있으며, 이러한 적응 역량이 향후 시장 구도를 좌우할 핵심 

변수로 부상

●

•젠슨 황, 마크 베니오프 등 주요 업계 리더들도 AI 에이전트가 기존 소프트웨어를 대체하는 것이 

아니라 그 활용도와 가치를 높이는 도구 사용자가 될 것이라는 점을 강조

산업별 에이전틱 AI의 침투 속도는 데이터 밀도, 규제 환경, 분야별 고유한 

마찰 요인에 따라 상이

■

법률·금융 등 규칙 기반 업무 특성이 강한 분야에서 침투가 가장 빠르게 진행되는 반면, 

의료·헬스케어는 엄격한 규제와 데이터 프라이버시, 제조업은 물리-사이버 연계 위험과 

레거시 시스템이 도입 속도를 제약

■

공공·행정 분야에서는 소버린 AI 관점의 자국 모델·인프라 확보 움직임이 가속화되고 

있으며, 이는 에이전틱 AI 시대의 기술 주권이 산업 경쟁력과 직결된다는 각국의 인식을 반영

●

 다만 모든 산업에서 공통적으로 AI 에이전트의 법적 책임 소재, 데이터 거버넌스, 기존 인력의 

역할 재정의 등이 해결 과제로 부상하고 있어, 기술적 진보만으로 침투가 가속화되기는 어려운 상황

에이전틱 AI 확산의 속도와 범위는 기술 신뢰성, 규제 정비, 사업모델 전환 

역량, 데이터 거버넌스 성숙도에 따라 결정될 전망

■

가트너는 2030년까지 단일 제품 SaaS 도구의 35%가 AI 에이전트에 대체되거나 주요 

SaaS 기업의 에이전트 생태계에 흡수될 것으로 예측하고 있어, 소프트웨어 산업뿐 아니라 

산업 전반에 걸친 구조적 전환이 본격화될 전망

●

단기적으로는 기존 구독 모델과 에이전트 기반 가격 모델을 결합한 하이브리드 방식이 우선 

채택되고, 중장기적으로는 에이전트가 달성한 성과에 기반해 과금하는 결과 중심 모델로 수렴해 

나갈 것으로 예상

■

에이전틱 AI가 촉발한 변화는 특정 기업이나 산업에 국한되지 않고 소프트웨어가 경제 

활동의 기반으로 작동하는 모든 영역에 영향을 미칠 것으로 보이며, 이에 대한 면밀한 

관찰이 필요한 시점

●

맥킨지는 소비자들이 AI 에이전트를 활용해 재정을 최적화하면서 은행들이 사업모델을 재편하지 

않을 경우 향후 10년간 전 세계 은행 수익이 약 9%(1,700억 달러) 감소할 수 있다고 예측하는 등, 

에이전틱 AI의 파급 효과는 소프트웨어 산업을 넘어 금융·법률·의료·제조·공공 등 실물 경제 전반으로 

확산될 전망

●

이에 따라 에이전틱 AI 시대의 기술 주권 확보, 산업별 규제 프레임워크 정비, AI 협업 중심의 인력 

역량 재설계 등이 향후 각국의 산업 경쟁력을 결정짓는 핵심 의제로 부상할 것으로 예상