🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Tech analyst Philip Klöckner와 Conor McNamara의 대화는 AI가 소프트웨어·노동·독일 경제의 기준을 다시 쓰고 있지만, SaaS와 고용의 붕괴는 즉각적이라기보다 점진적이고 불균등하게 진행된다는 점을 보여준다.

📌 핵심 요점

1. AI는 완전한 독립적 싱귤래리티에 도달했다고 단정하기는 어렵지만, AI가 소프트웨어를 만들고 그 결과가 다시 AI 개발을 가속하는 구조가 생기면서 기존 소프트웨어 산업의 성장 속도와 평가 기준을 흔들고 있다.
2. 소프트웨어 개발과 지식노동에서는 AI를 적극 활용하는 스타트업·AI 네이티브 인력과, 기존 방식에 머무르는 조직·직무 사이의 생산성 격차가 커지고 있다. 특히 개발 업무는 AI 에이전트가 가장 먼저 깊게 침투하기 쉬운 시장으로 언급된다.
3. AI 도구는 한 번 업무에 붙으면 이전 방식으로 돌아가기 어려운 습관형 제품이 되고 있다. 대화에서는 AI 도구 간 이동은 있어도, AI를 쓰던 사용자가 비AI 업무 방식으로 돌아가는 흐름은 거의 보이지 않는다고 설명한다.
4. AI는 지식, 코칭, 상담, 문제 해결 능력을 무료 또는 저비용으로 확장해 개인에게 평등화 효과를 줄 수 있지만, 경제적 가치는 소수 플랫폼과 독점적 시장에 집중될 위험이 있다.
5. SaaS 붕괴론과 대규모 고용 붕괴론은 모두 과장된 측면이 있다. 일부 도구형 소프트웨어와 직군은 압박을 받지만, 시스템 오브 레코드, 보안, 컴플라이언스, 유지보수, 기업 구매 관성 때문에 변화는 영역별로 다르게 진행될 가능성이 크다.

🧩 배경과 문제 정의

• AI가 완전히 독립적인 싱귤래리티에 도달했는지는 불확실하지만, AI가 다음 세대 AI를 만들어내는 속도와 기업의 매출 확장 방식은 기존 소프트웨어 산업의 기준을 흔들고 있다.
• 소프트웨어 개발에서는 스타트업과 AI 네이티브 인력이 생산성 향상을 빠르게 받아들이는 반면, 일부 기존 기업과 직무는 AI 활용을 회피하면서 격차가 커지고 있다.
• AI는 무료 또는 저비용 접근성 덕분에 지식, 코칭, 상담 기능을 대중화할 수 있지만, 그 경제적 가치는 소수 기업과 독점적 시장에 집중될 위험이 있다.
• SaaS 붕괴론은 일부 도구형 소프트웨어에는 압박으로 작용하지만, 유지보수·보안·컴플라이언스·시스템 오브 레코드의 전환 비용 때문에 기존 엔터프라이즈 소프트웨어가 즉시 대체되기는 어렵다.

🕒 시간순 섹션별 상세정리

1. AI의 자기 가속과 새 벤치마크

• AI가 아직 완전히 독립적으로 이륙한 단계는 아니지만, AI가 소프트웨어를 만들고 그 소프트웨어가 다음 AI 버전 개발에 쓰이는 구조가 생기면서 생산 속도 자체가 달라지고 있다 [00:12]
• OpenAI와 Anthropic 같은 기업의 제품 출시 속도와 매출 확장은 기존 소프트웨어 기업의 성장 기준만으로는 설명하기 어려운 수준에 이른다 [00:35]

2. 소프트웨어 개발 생산성과 AI 격차

• 스타트업 창업자와 신규 사업을 만드는 집단은 AI의 가능성을 잘 이해하고 적극 활용하는 반면, 일부 기존 기업 인력은 자신의 소프트웨어나 업무가 AI로 대체될 수 없다는 이유를 찾는 데 머문다 [01:54]
• AI를 적극 활용하는 집단과 회피하는 집단 사이의 격차는 디지털화와 인터넷 확산 때처럼 몇 년간 이어질 수 있으며, 대학을 떠나는 세대는 이미 AI 네이티브에 가깝다 [02:35]

3. AI 도구 사용은 되돌아가지 않는 습관이 된다

• AI 버블론은 인터넷과 디지털화 회의론처럼 기술이 사라질 가능성을 전제하지만, 이미 AI를 업무에 붙인 사용자는 이전 방식으로 돌아가기 어렵다 [03:53]
• 좋은 제품의 기준은 그것을 빼앗겼을 때 사용자가 얼마나 아쉬워하는지에 있으며, AI가 사라진다면 월 2,000유로를 내고서라도 계속 쓰고 싶을 만큼 의존성이 커질 수 있다 [04:08]

4. AI의 평등화 효과와 가치 집중 위험

• AI는 무료 또는 거의 무료로 접근할 수 있는 진입장벽 낮은 기술이며, Google Gemini나 Meta 계열 도구처럼 정보와 지식에 접근하는 비용을 크게 낮춘다 [05:52]
• 접근성만 보면 AI는 강력한 평등화 장치가 될 수 있지만, AI 시장 안에서 독점이 형성되면 경제적 가치는 소수 기업과 개인에게 집중될 수 있다 [06:20]

5. SaaS 붕괴론의 한계와 기업 구매 현실

• AI가 소프트웨어를 먹어 치우고 필요한 기능을 일회용 피자처럼 한 번 만들어 쓰는 구상은 일부 영역에서는 가능하지만, 이를 전체 SaaS 시장 붕괴로 확대하는 것은 과장이다 [07:44]
• Monday.com이나 ServiceNow 같은 소프트웨어 기업의 가치가 몇 주나 몇 달 사이 75%씩 빠지는 반응은 감정적 과매도에 가깝고, 기업 구매 방식의 현실을 충분히 반영하지 못한다 [08:17]

6. 에이전트 시대의 소프트웨어 수요와 시스템 오브 레코드

• 에이전트가 실제 업무를 수행하려면 쇼핑, API 연결, 외부 서비스 사용이 필요하므로 수십억 개의 에이전트는 오히려 소프트웨어 사용량을 늘릴 수 있다 [09:56]
• 장기적으로는 AI와 SaaS를 구분하는 경계가 약해지고, 모든 AI는 소프트웨어이며 모든 소프트웨어는 어떤 형태로든 AI 기능을 포함하게 된다 [10:15]

7. AI-native 기업의 조직 규모와 소프트웨어 수요 변화

• 처음부터 AI-first로 설계된 조직은 1,200명이 아니라 12명 규모로도 운영될 수 있으며, 인간이 반드시 프로세스 안에 있어야 한다는 전제에서 생긴 절차 자체가 줄어든다 [12:00]
• 특정 직원이 보기 위해 매주 생성되던 보고서는 AI-native 회사에서는 애초에 만들어지지 않고, 보고·측정·집계 업무가 조직 구조에서 빠진다 [12:17]

8. 노동 대체는 느리지만 인구구조상 자동화 필요성은 커진다

• AI로 평균 기업 인력 규모가 줄어드는 흐름은 나타나겠지만, 실제 노동 대체 속도는 예상보다 느릴 가능성이 크다 [13:26]
• 대기업과 공공 부문은 디지털 전환 때처럼 관성이 크고 AI 도입도 느리기 때문에, 기존 일자리가 한꺼번에 사라지기는 어렵다 [14:00]

9. 직군별 노출도와 실제 고용 데이터의 엇갈림

• 카탈로그 모델 같은 직군은 이미 몇 년 사이 63% 감소했고, 고객서비스·사진·개발·법률처럼 AI 노출도가 큰 직군도 압박을 받고 있다 [15:55]
• Goldman Sachs 기준으로 변호사 업무의 44%는 단기 자동화 가능성이 있으며, 법률 분야는 AI에 두 번째로 크게 노출된 업종으로 분류된다 [16:28]

10. 신입 일자리 부족보다 직업 선택 변화가 더 큰 문제로 떠오른다

• 기업이 젊은 인력을 덜 뽑는 문제보다, 대학 졸업자가 AI를 경험한 뒤 소프트웨어 엔지니어·고객서비스 직무의 미래를 낮게 보고 해당 직업을 피하는 현상이 더 커질 수 있다 [17:43]
• 미국 컴퓨터과학 전공 등록자는 최근 2년 동안 66만 명에서 60만 명으로 줄었고, 이는 채용 축소라는 수요 문제보다 진입 감소라는 공급 문제를 시사한다 [17:52]

11. 에이전트 커머스는 소비자 쇼핑 습관 때문에 느리게 확산된다

• 에이전트 커머스는 아직 매우 초기 단계이며, 모바일 전환처럼 큰 사용 변화도 세대 교체를 거치며 매년 1~1.5%씩 천천히 진행된다 [18:21]
• WhatsApp처럼 전 세대에 빠르게 퍼진 예외도 있지만, 대부분의 기술은 인간의 느린 채택 속도와 유통 문제 때문에 시장 전체로 빠르게 확산되기 어렵다 [19:34]

12. 소비자 에이전트의 초기 사용처와 B2B 자동화 가능성

• 쇼핑 장바구니 이후의 결제나 주문 완료 단계는 에이전트가 대신 처리할 수 있지만, 전체 구매 탐색과 고관여 의사결정까지 맡기는 방식은 아직 제한적이다 [21:19]
• 열차·항공 지연 보상 같은 소비자 클레임은 귀찮고 반복적인 절차이기 때문에, 사용자는 보상금 일부를 나누더라도 에이전트에게 자동 처리를 맡길 유인이 크다 [21:31]

13. 에이전트 조달 가능성과 독일 경제 논의로의 전환

• 대기업 행사에서 30분 발표를 하려 해도 4시간짜리 조달 절차가 필요할 수 있으며, 이런 비효율은 작은 지출과 반복 구매에서 AI 에이전트가 개입할 여지를 만든다 [24:01]
• 전술적 지출뿐 아니라 더 큰 구매도 앞으로는 에이전트 기반으로 처리될 수 있고, 반복률과 물량이 큰 영역은 단위 마진이 낮아도 전체 총마진 규모가 커질 수 있다 [24:16]

14. 독일의 과거 강점과 현재의 전환 실패

• 독일 축구 대표팀의 하락은 독일 경제의 상태를 설명하는 비유로 이어지며, 과거 최상위권이던 위치에서 이제는 최종 라운드에도 꾸준히 오르지 못하는 흐름을 보여준다 [25:39]
• 독일은 생명과학, 엔지니어링, 자동차 제조, 기계 산업에서 일찍부터 강했지만, 일부 산업에서는 다음 기술과 새로운 산업으로의 전환이 충분히 이루어지지 않았다 [26:02]

15. 위험 회피 문화와 엔지니어링 DNA의 약화

• 큰 리스크를 감수하는 창업자는 이민자 배경에서 더 자주 나타나며, 미국 주요 혁신 기업 역시 이민자 또는 이민자 후손이 주도한 사례가 많다 [27:01]
• 독일의 경영학적 훈련은 기존 프로세스를 5~10% 개선해 효율을 높이는 데 강하지만, 지금 필요한 변화는 기존 과정을 근본적으로 재설계하거나 아예 불필요하게 만드는 새 사업을 만드는 데 가깝다 [27:30]

16. 유럽 단일시장 부재와 자본·인재 병목

• 유럽은 디지털 단일시장을 만들려 하지만 여전히 세금 체계, 언어, 회사 설립 양식이 국가별로 나뉘어 있어, 미국의 3억5천만~4억 명 규모 단일 내수시장보다 창업 확장이 어렵다 [30:18]
• 유럽 전체를 하나로 묶으면 미국과 같거나 더 큰 구매력을 가질 수 있지만, 실제로는 작은 국가들로 분절되어 창업 첫날부터 전 유럽을 서비스하기 어렵다 [30:38]

17. 미국식 법인 설립 접근성과 독일의 미래 유망 분야 질문

• Stripe Atlas 같은 델라웨어 법인 설립 서비스에는 미국 밖 창업자가 많이 유입되며, 유럽 창업자에게도 몇 시간 만에 미국 단일시장 접근이 가능하다는 점이 강한 유인으로 작동한다 [32:45]
• 독일이 다시 글로벌 리더십을 되찾을 수 있는 산업을 묻는 흐름 속에서, 과거 강점이 약화된 분야와 AI의 도움으로 회복 가능한 분야가 함께 검토된다 [33:08]

18. 제조·로보틱스 한계와 생명과학 중심의 기회

• 독일은 에너지 가격이 싸지 않고 천연자원도 풍부하지 않기 때문에, 값싼 에너지와 자원 접근성을 가진 중국과 러시아가 AI·로보틱스 중심 경제에서 구조적으로 유리하다 [34:06]
• 로보틱스와 제조 영역에서는 중국이 이미 로봇 부품의 80%를 생산하고 1만 유로 또는 달러 이하로 로봇을 만들 수 있는 수준에 가까워, 전기차처럼 중국이 우위를 가져갈 가능성이 크다 [34:44]

19. AI 기반 생명과학이 독일의 다음 성장 후보가 된다

• 독일은 잃어버린 산업 우위를 그대로 되찾기보다, 제약·바이오테크·생명과학에서 새로운 대형 기업을 만들어야 하며 바이온텍 같은 1,000억 달러 규모 기업이 더 필요하다 [36:04]
• 바이온텍은 한때 독일의 1,000억 달러 기업이었고 이민자들이 세운 사례이기도 하며, 독일에는 이와 같은 유형의 바이오테크 기업을 여러 개 더 만들 여지가 있다 [36:10]

20. 금융 규제 산업의 AI 스타트업이 독일의 숨은 대형 후보로 꼽힌다

• 독일의 덜 알려진 유망 스타트업으로 Taktile이 거론되며, Tiger가 주도한 신규 라운드에서 약 1억3,000만~1억6,000만 달러를 조달한 것으로 보인다 [37:19]
• Taktile은 규제 금융 산업에서 KYC 같은 절차에 AI를 적용하는 기업으로, 까다로운 산업 문제를 잘 해결할 경우 큰 영향력을 만들 수 있다 [37:33]

21. 2030년 독일 재도약의 조건은 오픈소스 AI·자본시장·병행 스타트업 경제다

• 독일이 2030년에 AI와 전통 산업 양쪽에서 다시 앞서려면, 웹서버·CMS·데이터베이스·안드로이드·브라우저처럼 핵심 기술 기반이 된 오픈소스 생태계가 AI 영역에도 필요하다 [38:47]
• 독일에는 자체 주권 LLM 플레이어가 부족하므로, 공개적이고 자유롭게 활용할 수 있는 기반 모델을 바탕으로 기존 산업 안에서 실질적 가치를 만드는 경로가 핵심이 된다 [39:23]

🧾 결론

• 이 대화의 중심 메시지는 AI가 단순한 기능 개선이 아니라 소프트웨어 생산, 기업 조직, 노동시장, 국가 경쟁력의 기준을 바꾸는 구조적 전환이라는 점이다.
• 다만 AI가 모든 SaaS를 즉시 대체하거나 모든 화이트칼라 일자리를 빠르게 없앤다고 보기는 어렵다. 기업의 기존 시스템, 규제, 보안, 유지보수, 구매 프로세스는 변화 속도를 늦추는 강한 마찰로 작용한다.
• AI-native 기업은 처음부터 자동화와 에이전트를 전제로 설계되기 때문에 기존 기업보다 훨씬 작은 인력으로 운영될 수 있다. 이는 장기적으로 HR, ERP, 보고, 관리 소프트웨어 수요의 형태를 바꿀 수 있다.
• 노동시장에서는 즉각적인 대량 실업보다 직업 선택의 변화가 더 중요한 신호로 제시된다. 젊은 인력이 소프트웨어 엔지니어링, 고객서비스 등 일부 직무의 미래를 낮게 보고 진입을 줄이는 현상이 더 큰 문제로 부각된다.
• 독일과 유럽의 과제는 AI를 기존 산업에 조금 붙이는 데 그치지 않고, 생명과학, 규제 금융, 오픈소스 AI, 자본시장, 스타트업 생태계를 함께 키워 새로운 성장축을 만드는 것이다.

📈 투자·시사 포인트

• AI 인프라와 개발자 워크플로를 장악하는 기업은 기존 소프트웨어 벤더보다 훨씬 빠른 매출 확장과 높은 고객 지출 증가를 보일 수 있다. 다만 이런 성장률은 검증 가능한 실제 매출, 유지율, 고객 이동 데이터로 계속 확인해야 한다.
• SaaS 전반을 일괄적으로 약세로 보는 접근은 위험하다. 단순 도구형 SaaS는 AI 대체 압력이 크지만, SAP, Oracle, Salesforce처럼 데이터와 업무 규칙이 깊게 묶인 시스템 오브 레코드는 방어력이 크다.
• 에이전트 시대에는 소프트웨어 수요가 줄기보다 형태가 바뀔 수 있다. 수십억 개의 에이전트가 API, 결제, 예약, 조달, 클레임 처리에 연결되면 기반 서비스와 트랜잭션 인프라의 사용량은 오히려 늘어날 수 있다.
• 소비자 에이전트 커머스는 쇼핑 탐색 전체를 대체하기보다, 결제 완료, 보상 청구, 예약, 반복 업무처럼 귀찮고 절차적인 영역에서 먼저 확산될 가능성이 크다.
• 독일의 장기 기회는 자동차·기계 산업의 방어보다 AI 기반 생명과학, 바이오테크, 제약, 규제 금융 자동화에서 더 크게 제시된다. BioNTech, Taktile 관련 기업가치와 투자 라운드 언급은 대화 내용 기준이며, 실제 투자 판단 전 별도 검증이 필요하다.
• 유럽의 구조적 병목은 기술 역량 부족만이 아니라 단일시장 부재, 느린 인재 유입, 자본시장 구조, 위험 회피 문화에 있다. 따라서 투자 관점에서는 개별 기술보다 규제·시장 접근·인재 조달 능력을 함께 봐야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• Anthropic의 고객당 지출이 전년 대비 5배 이상 늘었고 500%대 매출 확장률을 보인다는 언급은 영상 내 주장으로 정리되지만, 기준 기간·고객군·매출 정의를 별도 자료로 확인해야 한다.
• Stripe 데이터에서 AI 도구 사용자가 비AI 방식으로 거의 돌아가지 않는다는 설명은 흥미롭지만, 실제 데이터 범위가 Stripe 결제 고객에 한정되는지, 전체 AI 시장을 대표할 수 있는지는 검증이 필요하다.
• Monday.com, ServiceNow 등 SaaS 기업 가치가 몇 주 또는 몇 달 사이 75% 하락했다는 표현은 구체적 기간과 지표가 필요하다. 주가, 기업가치, 특정 고점 대비 하락률 중 무엇을 뜻하는지 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• AI가 SaaS를 대체한다는 주장을 검토할 때, 단순 도구형 소프트웨어와 시스템 오브 레코드형 엔터프라이즈 소프트웨어를 분리해서 판단한다.
• 조직 내 AI 활용 격차를 점검하기 위해 개발·운영·고객지원·법무 등 직군별로 실제 AI 사용 워크플로와 회피 요인을 조사한다.
• 에이전트 커머스 기회는 고관여 쇼핑보다 환불·보상 청구, 예약, 반복 조달처럼 귀찮고 절차적인 업무부터 우선 검토한다.
• AI-native 기업이 기존 HR, ERP, 리포팅, 프로젝트 관리 도구 수요를 얼마나 줄일 수 있는지 카테고리별로 시나리오를 만든다.

❓ 열린 질문

• AI 도구 사용자의 높은 유지율은 제품 자체의 강한 효용 때문인가, 아니면 특정 직군과 초기 채택자에 편향된 데이터 때문인가?
• AI-native 기업이 12명 규모로 1,200명 조직의 업무를 대체할 수 있다면, 어떤 기능은 사라지고 어떤 기능은 오히려 더 중요해질까?
• 에이전트가 늘어날수록 SaaS 수요는 줄어들까, 아니면 API·인프라·컴플라이언스 소프트웨어 사용량이 더 커질까?