다섯 웨이브 · 지금에 집중
에이전트의 시대는
아직 커지는 중입니다
다섯 웨이브로 큰 흐름을 보되, 지금 눈앞의 기회에 집중합니다. 에이전트는 소프트웨어를 만들고 여러 앱에 걸친 일을 수행합니다. 신뢰성, 기억, 도구 사용, 협업이 발전하면 맡길 수 있는 일도 넓어집니다. 웨이브는 서로 겹칩니다. 과학과 로봇이 등장한다고 에이전트의 시대가 끝나는 것은 아닙니다.
우리의 관점: 에이전트는 채팅창 하나를 더하는 것이 아니라 소프트웨어의 업무 영역을 흡수하고 있습니다. 기회는 요청부터 결과까지 일을 책임지는 데 있습니다. 어떤 앱은 대체하고, 어떤 앱은 연결하고, 아직 없는 도구는 만들어내는 것입니다.
업무 활용 근거 — SaaS 전체 대체를 예측하는 자료는 아닙니다: Anthropic · Microsoft Copilot Studio
편집부 분석 · 2026년 10월 1일 업데이트. 연도는 큰 흐름을 가리키며 정확한 시작 시점은 아닙니다. 링크한 출처는 개별 사례의 근거이며, 경제적 판단은 우리의 해석입니다.
웨이브 1 · 2016 —
칩과 메모리
지능에도 물리적 토대가 필요합니다. 대규모 AI 시스템은 연산, 메모리, 네트워크, 전력이 함께 작동해야 합니다. 경제적으로 중요한 질문은 어디의 공급을 늘리기 가장 어렵고, 그 병목이 공급자에게 얼마나 오래 가격 결정력을 주는가입니다.
돈은 병목에 모입니다. 병목이 옮겨가기 전까지는.
AI는 지능으로 팔리지만 물리적 인프라를 통해 제공됩니다. NVIDIA의 Blackwell 플랫폼도 연산, 고대역폭 메모리, 연결 기술을 함께 묶습니다. 여기서 우리가 보는 핵심은 칩 하나의 사양이 아니라 대규모로 공급할 수 있는 작동하는 시스템입니다. 전력을 확보하지 못하고, 연결하지 못하고, 충분히 가동하지 못한다면 더 빠른 칩의 가치도 제한됩니다.
근거: NVIDIA · Blackwell architecture지능이 싸진다고 하드웨어 수요까지 줄지는 않습니다.
두 힘을 나눠 봐야 합니다. 효율이 좋아지면 같은 작업에 필요한 연산은 줄어듭니다. 반대로 비용이 내려가면 자동화할 만한 작업이 늘어납니다. 에이전트는 변수 하나를 더합니다. 요청 한 번이 여러 번의 모델 호출, 테스트, 재시도로 이어질 수 있습니다. 결국 유용한 수요가 효율 개선보다 빨리 늘어나는지가 중요합니다. 영원한 공급 부족도, 수요 붕괴도 저절로 따라오는 결론은 아닙니다.
메모리는 위로상이 아닙니다.
메모리를 조력자라고만 부르면 부품의 위치와 가져가는 가치를 혼동하게 됩니다. 챗봇과 얼마나 가까운가보다 희소성, 고객 인증, 수율, 공급사 교체 비용이 중요합니다. 한국은 이 산업적 기반을 지키되, 새로운 칩에는 더 어려운 질문을 던져야 합니다. 소프트웨어 이전과 지원 비용까지 포함해 경쟁력이 있고, 고객이 반복해서 도입하는가? 국산이라는 답으로 대신할 수는 없습니다.
- 확인할 신호
- 반복 주문, 실제 가동률, 유용한 작업당 총비용을 봅니다. 발표된 증설 규모와 수익성 있는 수요는 다릅니다.
- 이 판단이 달라질 조건
- 유료 사용보다 공급이 빨리 늘면 AI 산업이 성장하는 중에도 공급 부족에 따른 프리미엄은 사라질 수 있습니다.
주요 플레이어와 역할
같은 시스템 안의 서로 다른 위치입니다. 가속 컴퓨팅의 NVIDIA, 제조의 TSMC, 메모리의 SK하이닉스와 삼성전자입니다.
한국의 위치 · 현재의 병목은 지키고, 다음은 증명할 것
메모리는 단순한 보조 역할이 아니라 실체가 있는 산업적 기반입니다. 다음 질문은 아키텍처와 공급이 바뀌어도 이 위치를 얼마나 잘 지킬 수 있는가입니다. 리벨리온과 퓨리오사AI 같은 국내 가속기는 기술적 가능성과 고객의 반복 도입을 구분해서 봐야 합니다.
웨이브 2 · 2020 —
프런티어 모델
모델은 능력을 만들어내는 엔진입니다. 하지만 성능과 유통, 수익성은 서로 다른 경쟁입니다. 폐쇄형 서비스와 오픈웨이트 대안은 서로 압력을 가합니다. 전략적으로 중요한 질문은 이번 주 벤치마크 1위가 아니라 다음 모델이 나온 뒤에도 어떤 우위가 남는가입니다.
더 좋은 모델이 곧 더 좋은 사업은 아닙니다.
벤치마크 우위는 기회를 만듭니다. 지속적인 수익에는 더 많은 것이 필요합니다. 남아 있는 사용자, 플랫폼 위에 제품을 만드는 개발자, 혹은 서비스 비용의 우위입니다. 구매자는 자기 업무에서의 품질과 속도, 신뢰성, 가격을 함께 봅니다. 좁은 업무에는 조금 약한 모델이 더 나을 수 있습니다. 반대로 비싼 모델도 재시도와 검토를 줄여준다면 전체 비용은 더 낮을 수 있습니다.
오픈웨이트는 청구서를 옮깁니다. 없애지는 않습니다.
가중치에 접근하면 모델 라이선스가 허용하는 범위에서 배포와 맞춤화의 통제권을 더 가질 수 있습니다. 서빙, 모니터링, 보안까지 무료가 되는 것은 아닙니다. 전략적 의미는 다른 선택지가 생긴다는 데 있습니다. 폐쇄형 공급자의 가격과 제약을 모두 받아들일 필요가 없어집니다. 다만 직접 운영한다면 운영 부담도 직접 집니다. 무료 다운로드와 API 청구서를 비교할 게 아니라, 쓸 수 있는 결과 하나를 얻는 총비용을 비교해야 합니다.
소버린 AI에도 구매 명세서가 필요합니다.
한국에 필요한 질문은 모델이 국산인가에서 끝나지 않습니다. 어떤 의존을 줄이는가가 핵심입니다. 오프라인 운영인가, 민감한 데이터의 통제권인가, 대안 모델이 풀지 못하는 한국어 업무인가? 설득력 있는 소버린 사업은 요구사항을 명시하고, 대안을 시험하고, 계속 들어갈 연산·인재 비용을 계산합니다. 연구 역량을 지원할 이유는 있습니다. 모든 연구 모델을 이미 경쟁력 있는 상용 플랫폼이라고 포장할 필요는 없습니다.
- 확인할 신호
- 고정된 업무 묶음에서의 유지율, 실제 유료 운영, 쓸 수 있는 결과당 비용을 봅니다. 리더보드는 능력의 신호이지 시장점유율 표가 아닙니다.
- 이 판단이 달라질 조건
- 모델 간 격차가 크고 대체하기 어렵다면, 그 위에 만든 앱보다 모델 공급자가 더 많은 가치를 가져갈 수 있습니다.
주요 플레이어와 역할
Anthropic, OpenAI, Google DeepMind 같은 모델 공급자와 DeepSeek, Qwen 같은 오픈웨이트 계열을 함께 봅니다. 서로 다른 배포 선택지이지 영구적인 한 줄 순위가 아닙니다.
한국의 위치 · 줄여야 할 의존부터 명확하게
HyperCLOVA X, EXAONE, Solar, A.X는 구체적인 고객 요구와 대안을 기준으로 평가해야 합니다. 독자적인 역량에는 전략적 가치가 있을 수 있습니다. 상업적 경쟁력은 별도로 증명해야 합니다. 국산이라는 이름도, 한국은 영원히 경쟁할 수 없다는 단정도 쓸 만한 평가 기준은 아닙니다.
웨이브 3 · 2024 — 확장 중
일하는 에이전트
에이전트는 소프트웨어를 만들고, 그 안에서 일을 처리하는 방식이 되고 있습니다. 도구를 쓰고, 작업 단계를 조율하고, 필요한 코드를 만들면서 개별 SaaS 기능과 앱마다 사람이 직접 조작해야 하는 방식에 압력을 가합니다. 이 웨이브는 끝나지 않았습니다. 장기 작업의 신뢰성, 기억, 연동, 권한, 평가까지 발전할 여지가 큽니다. 일부 소프트웨어는 대체되고, 다른 소프트웨어는 에이전트가 기대는 데이터·서비스·기록 시스템으로 남을 것입니다.
화면은 대체하기 쉽습니다. 원장은 다릅니다.
SaaS가 파는 것을 세 가지로 나눠 봅니다. 조작하는 화면, 일을 처리하는 기능, 그리고 무엇이 일어났는지 믿고 확인할 수 있는 기록입니다. 에이전트는 첫 번째를 건너뛰고 두 번째와 경쟁하면서도 세 번째에는 의존할 수 있습니다. 고객 정보를 고치라고 요청한다고 CRM 데이터베이스와 접근 규칙, 감사 이력까지 사라지는 것은 아닙니다. 단순한 절차를 사람이 클릭하게 해주는 것이 핵심 가치인 제품이 더 위험합니다. 중요한 기록과 통제권을 가진 시스템은 화면의 중요성이 줄어도 가치가 커질 수 있습니다.
코드가 싸지면 기능의 방어력은 약해집니다. 운영은 남습니다.
팀이 자체 대시보드나 결재 도구를 만들 수 있다면, 공급자는 그 기능을 복제하기 어렵다는 데만 기대기 힘듭니다. 하지만 대체 도구에도 인증, 백업, 업데이트, 장애가 났을 때 책임질 사람이 필요합니다. 직접 만들지 구매할지의 경계가 움직이는 것이지 없어지는 것은 아닙니다. 맞춤형 소프트웨어에 적합한 것은 입력과 테스트가 명확하고 실패의 영향을 감당할 수 있는 한정된 업무입니다. 핵심 업무 시스템에는 오후 한나절의 성공적인 시연이 아니라 수명 전체의 운영 예산이 필요합니다.
기회는 기존 소프트웨어 예산 밖에도 있습니다.
기회가 기존 SaaS의 매출을 빼앗는 데만 있는 것은 아닙니다. 맞춤형 소프트웨어를 발주할 만큼 경제성이 없어 스프레드시트와 이메일, 수작업으로 처리하던 업무가 있습니다. 제작과 운영 비용이 충분히 낮아지면 이런 일도 자동화할 가치가 생깁니다. 단순한 대체가 아니라 새로운 수요입니다. 어려움은 실제 업무를 파악하고, 예외를 처리하고, 사람들이 결과를 신뢰하게 만드는 쪽으로 옮겨갑니다. 아무도 의존하지 않는 범용 비서보다 매일 쓰는 작은 업무 도구가 더 중요할 수 있습니다.
성과에 과금한다고 이해관계까지 일치하지는 않습니다.
에이전트가 일을 한다면 사람의 좌석 수로만 과금하는 방식은 덜 자연스러워집니다. 사용량이나 성과 기반 과금이 대안이지만 정의를 읽어야 합니다. Intercom의 Fin 문서에는 설정된 절차에 따른 인계도 과금 대상 성과에 포함됩니다. 성과가 반드시 사람 없이 문제를 해결했다는 뜻은 아닙니다. 어떤 제안이든 성공의 기준은 무엇이고, 재시도 비용은 누가 내며, 사람이 뒤처리할 일이 얼마나 남는지 물어야 합니다. 낮은 단가 뒤에 비싼 절차가 숨어 있을 수 있습니다. 에이전트의 활동량이 아니라 검토를 통과한 일을 측정해야 합니다.
근거: Intercom · Fin outcome definitions신뢰성은 마무리 작업이 아니라 제품 그 자체입니다.
각 단계를 훌륭하게 수행하는 모델도 긴 작업에서는 맥락을 놓칠 수 있습니다. Anthropic의 장기 작업 에이전트 연구는 진행 기록, 점진적 실행, 세션 사이의 테스트를 다룹니다. 여기서 구분해야 할 것이 있습니다. 능력 있는 모델이 곧 믿고 맡길 수 있는 작업자는 아닙니다. 누군가는 완료 기준을 정하고, 상태를 보존하고, 실패를 감지하고, 안전하게 재개하도록 만들어야 합니다. 에이전트 수를 늘린다고 저절로 해결되지 않습니다. 인계와 수정 충돌, 검토 부담이 늘 수도 있습니다. 병렬화할 것은 독립된 작업이지 정리되지 않은 의존관계가 아닙니다.
근거: Anthropic · Long-running agent harnesses똑똑함과 권한은 별개의 문제입니다.
예를 들어 에이전트가 요청을 읽고, 견적을 준비하고, CRM 초안을 수정한 뒤 청구서 발행을 제안한다고 해봅시다. 읽기와 초안 작성에는 제한된 권한을 줄 수 있습니다. 견적을 보내거나 청구서를 발행하는 순간은 다릅니다. 고객에게 회사의 약속이 전달됩니다. 그 경계에서 승인을 받고, 실행을 기록하고, 재시도해도 중복 발행되지 않도록 설계해야 합니다. 샌드박스는 실행 범위를 가둘 뿐, 악의적인 이메일을 믿을 만한 지시로 바꿔주지는 않습니다. 빠른 업무는 모든 도구에 무제한 접근을 주는 것이 아니라 경계를 명확히 하는 데서 나옵니다.
벤치마크의 작업 시간은 무인 근무 시간이 아닙니다.
METR는 인간 전문가에게 걸리는 시간과 정해진 성공 확률로 작업의 난도를 측정합니다. 이 시간 지평은 에이전트를 안전하게 혼자 돌릴 수 있는 시간도, 대체 가능한 일자리의 직접적인 척도도 아닙니다. 기업에 유용한 평가는 누락된 데이터와 까다로운 예외까지 포함한 자사 업무 표본입니다. 완료율, 수정에 걸리는 시간, 실패의 심각성을 함께 봐야 합니다. 성공률이 오르는 것은 좋은 신호입니다. 그래도 잘못된 송금을 아무도 알아채지 못한다면 받아들일 수 없습니다.
근거: METR · Time-horizon methodology and limitations한국의 기회는 또 하나의 범용 비서보다 구체적인 업무에 있습니다.
한국어 문서와 국내 업무 시스템, 범용 비서가 바로 이해하지 못하는 규칙을 가로지르는 업무가 현실적인 출발점입니다. 가치 있는 자산은 번역이 아닙니다. 허가된 접근권, 검증된 절차, 예외 처리 이력, 그리고 갱신할 의사가 있는 고객입니다. 이런 강점은 운영을 통해 쌓입니다. 기존 공급자가 에이전트를 붙인 뒤에도 살아남아야 합니다. 내일 기반 모델의 능력이 두 배가 되어도 고객이 이 제품을 계속 쓸 이유가 무엇인지 물어야 합니다.
- 확인할 신호
- 검토자 시간당 완료 업무, 재시도를 포함한 비용, 고객 갱신, 사람이 수습해야 하는 작업 비율을 봅니다. 아무것도 하지 않는 경우가 아니라 기존 방식과 비교해야 합니다.
- 이 판단이 달라질 조건
- 검토와 연동 비용이 높게 남으면 많은 업무에서 에이전트는 보조 역할에 머물 수 있습니다. 기존 시스템이 좋은 에이전트를 기본 제공하면 독립 공급자는 모델 접근 이상의 가치를 내야 합니다.
주요 플레이어와 역할
코딩 에이전트는 출발점 중 하나입니다. 기업용 에이전트와 업무 자동화 플랫폼이 같은 방식을 실제 비즈니스로 넓히고 있습니다.
한국의 위치 · 실제 업무에서 기회를 찾을 때
지금 필요한 업무에서 기회를 찾아야 합니다. 기업 시스템을 연결하고, 도메인 지식을 담고, 실제 운영에 쓸 만큼 신뢰할 수 있는 에이전트를 만드는 일입니다. 한국어 업무와 국내 시스템 연동이 출발점은 될 수 있습니다. 다만 경쟁력은 국적이 아니라 고객 도입, 데이터 접근, 측정 가능한 성과로 증명해야 합니다.
웨이브 4 · 2026 →
과학을 하는 AI
AI는 근거를 모으고, 가설을 제안하고, 실험을 돕는 연구 업무로 확장될 수 있습니다. 과학적 성과에는 여전히 재현성, 전문가 판단, 실제 검증이 필요합니다. 앞선 웨이브와 겹쳐 발전하는 방향이지, 소프트웨어와 에이전트의 기회가 끝났다는 뜻은 아닙니다.
가설은 싸집니다. 증명까지 저절로 따라오지는 않습니다.
Google DeepMind의 Co-Scientist 연구는 생성한 가설을 실험으로 검증합니다. 이 구분이 사업의 핵심입니다. 그럴듯한 아이디어가 많아지면 병목은 실험의 선택, 실험실의 처리 능력, 재현성 검증으로 옮겨갈 수 있습니다. 문헌 검토를 빠르게 해주는 연구 비서는 유용합니다. 그렇다고 실제로 효과가 있는 치료제를 발견한 것과 같은 성과는 아닙니다. 각 제품이 실제로 도달한 단계에서 평가해야 합니다.
근거: Google DeepMind · Co-Scientist research예측 하나보다 실험의 순환 구조가 더 중요할 수 있습니다.
우리는 외부에서 볼 수 없는 실험을 제안하고, 검증하고, 그 결과로 배우는 순환을 반복하는 쪽이 더 강한 위치를 차지할 수 있다고 봅니다. 실패한 실험도 탐색 범위를 줄여줍니다. 다만 데이터를 쓸 권리가 있고 학습을 유료 성과로 바꿀 수 있어야 경쟁력이 됩니다. 한국 바이오 AI에도 근거 데이터와 후속 수익의 권리가 누구에게 있는지 물어야 합니다. 제휴 발표만으로는 어느 쪽도 알 수 없습니다.
- 확인할 신호
- 사전에 정한 검증, 독립적인 재현, 시범사업을 넘어선 유료 사용을 봅니다. 연구 생산성, 실험 성공, 상용화 승인은 서로 구분해야 합니다.
- 이 판단이 달라질 조건
- 실험이 여전히 비용의 대부분을 차지하고 생성된 가설이 검증을 거의 통과하지 못한다면, 모델 개선은 연구 생산성을 높여도 개발 경제성 자체를 바꾸지는 못할 수 있습니다.
주요 플레이어와 역할
OpenEvidence 같은 근거 탐색 비서, Co-Scientist 같은 가설 생성 연구, 신약 발굴 플랫폼을 구분해야 합니다. 연구 과정의 서로 다른 부분을 다룹니다.
한국의 위치 · 검증 결과와 권리의 주인을 볼 것
스탠다임, 갤럭스, 온코크로스는 한국 바이오 AI를 살펴볼 출발점입니다. AI라는 이름 다음을 봐야 합니다. 어떤 예측을 시험했고, 어떤 결과를 독립적으로 재현했으며, 데이터와 상업적 권리는 누구에게 있는가? 과학적 가능성과 반복 가능한 사업은 서로 다른 이정표입니다.
웨이브 5 · 장기
피지컬 AI
로봇은 AI를 물리적 작업으로 가져갑니다. 소프트웨어 배포와 달리 하드웨어, 안전 검증, 유지보수, 경제성이 함께 필요합니다. 소프트웨어 에이전트와 나란히 지켜볼 장기 기회이지, 정해진 시점에 다음 주자가 되어 지금의 에이전트 업무를 밀어내는 것은 아닙니다.
멋진 1분보다 끝까지 마친 근무를 봅니다.
평가 단위는 시간에 걸쳐 안정적으로 해낸 일입니다. 시연에 성공한 로봇도 작업 중단, 부품 마모, 달라지는 환경을 감당해야 합니다. 설치와 감독, 가동 중단, 유지보수, 복구까지 비용에 넣어야 합니다. 영상에서 다양한 동작을 보여주는 범용 로봇보다 한 가지 일을 경제적으로 처리하는 전용 기계가 상업적으로 더 중요할 수 있습니다. 피지컬 AI는 모델의 문제인 동시에 현장 운영의 사업입니다.
제조 현장은 출발점이지 승리 판정이 아닙니다.
한국은 실제 생산 환경에서 비용 절감과 일상적인 사용을 견디는지를 시험할 수 있습니다. 미래 도입을 약속하는 양해각서보다 첫 현장의 운영 뒤 두 번째 현장이 구매하는 것이 더 강한 신호입니다. 하드웨어, 제어 소프트웨어, 서비스 공급자가 가져가는 가치는 서로 다를 수 있습니다. 지금 국가 단위의 승자를 선언할 필요도, 공장 주변의 소프트웨어 업무를 개선하기 위해 이 웨이브를 기다릴 필요도 없습니다.
- 확인할 신호
- 반복 도입, 개입 없이 운영한 시간, 완료 작업당 전체 비용을 봅니다. 주문, 납품, 지속적인 사용을 구분해야 합니다.
- 이 판단이 달라질 조건
- 하드웨어와 서비스 비용이 AI 성능 개선의 이익을 흡수할 수 있습니다. 능력 있는 로봇이 곧 경제적인 작업자는 아닙니다.
주요 플레이어와 역할
살펴볼 사례는 Figure, Physical Intelligence, Tesla Optimus, Unitree, UBTech입니다. 시연 영상만이 아니라 실제 현장 작업과 신뢰성을 비교해야 합니다.
한국의 위치 · 기회는 있지만 승리는 보장되지 않음
한국의 제조업 기반은 시스템 통합, 부품, 생산에서 활용할 수 있는 역량입니다. 그것만으로 AI 로봇 시장의 승자가 보장되지는 않습니다. 수요, 반복 도입, 운영 경제성을 증명해야 합니다. 기업이 지금 에이전트 소프트웨어를 활용하기 위해 로봇의 성숙을 기다릴 필요는 없습니다.
지금 내릴 수 있는 결론
AI라는 이름보다 결과를 책임지는 쪽으로.
일하는 사람은 결과를 확인할 수 있는 반복 업무부터 시작하면 됩니다. 만드는 사람은 고객이 직접 관리하지 않기 위해 돈을 낼 업무를 찾아야 합니다. 경영자와 정책 담당자는 시연 횟수가 아니라 측정된 현장 도입과 유용한 역량에 투자해야 합니다. 다섯 웨이브 모두에 같은 질문을 던져봅니다. 지능이 더 싸졌을 때, 이 회사에는 어떤 희소한 자산과 책임, 고객 관계가 남는가?
03 · 큰 그림에서 개별 플레이어로