AI 확산과 SW·IT서비스 시장 구조 변화는

1. 개요

생성형 AI와 AI Agent의 확산은 소프트웨어와 IT서비스 시장의 경쟁구조를 변화시키고 있다. 초기 생성형 AI 시장에서는 기존 소프트웨어에 AI 기능을 추가해 사용자의 업무 생산성을 높이는 것이 주요 관심사였다. 그러나 AI가 단순한 질의응답과 콘텐츠 생성을 넘어 업무를 계획하고 외부 시스템과 데이터를 활용해 작업을 수행하는 Agentic AI로 발전하면서 기존 SW와 IT서비스가 제공해 온 가치의 일부를 AI가 직접 수행할 가능성이 커지고 있는 추세이다.

이에 따라 시장의 관심도 단순히 AI가 SaaS를 대체할 것인가에서 어떤 SW·IT서비스 시장이 AI의 영향을 크게 받고, 덜받게 될 것인지, 어떤 시장이 AI 확산으로 성장할 것인가로 변하고 있다.

시장조사기관 Forrester는 이러한 변화를 분석하기 위해 AI Disruption Model을 제시했다. 이 모델은 17개 기술·서비스 카테고리에 걸쳐 200개 이상의 시장을 분석해 AI가 기존 기술 및 서비스 시장의 수요와 경쟁구조에 미치는 영향을 평가하는 데 목적이 있다.

Forrester의 접근에서 중요한 점은 AI의 영향을 단순히 시장의 성장 또는 축소로 판단하지 않는다는 것이다. AI가 기존 제품이나 서비스를 직접 대체할 가능성뿐만 아니라 해당 산업의 노동집약도, 기존 상업모델의 특성, Agentic Workload 지원 여부, 고객의 전환비용, 규제에 따른 제약 등 다양한 요인을 함께 고려한다. Forrester는 총 9개의 주요 평가요인을 활용한다고 밝히고 있으며, 이 가운데 AI Substitutability, Labor Intensity, Commercial Model, Support for Agentic Workloads, Switching Costs, Regulatory Friction 등이 확인된다. 따라서 AI가 SW·IT서비스 산업에 미치는 영향은 모든 시장에서 동일하게 나타나기보다 기존 시장의 가치창출 방식과 수익모델에 따라 차별적으로 나타날 가능성이 높다.

2. AI 영향에 따라 기술시장을 4개 유형으로 구분

Forrester는 AI가 기술시장에 미치는 영향을 Disrupted, Neutral, Contested, Accelerated의 네 가지 유형으로 구분한다.  이러한 분류는 AI가 SW 시장 전체를 일률적으로 축소시키기보다 기존 시장 간 가치 이동을 촉진할 가능성을 보여준다.

AI가 사람이 수행하던 업무를 직접 자동화할 수 있는 시장은 상대적으로 높은 압력을 받을 수 있는 반면, AI를 개발·운영하기 위해 필요한 인프라, 데이터, 통합 및 신뢰 관련 시장은 AI 확산과 함께 수요가 증가할 가능성이 있다는 것이다.

• 노동집약적 IT서비스는 AI의 직접적인 영향에 노출

AI의 영향을 상대적으로 크게 받을 가능성이 있는 분야는 사람의 노동시간과 전문인력 투입을 중심으로 가치를 창출해 온 서비스 시장이다. Forrester는 공개 자료에서 Technology Implementation, Custom Software Development, Creative Services, Corporate Training 등을 AI로 인한 Disruption 가능성이 높은 사례로 제시하고 있다. 특히 IT서비스 산업은 전통적으로 프로젝트 수행에 필요한 인력 규모와 기간이 매출에 큰 영향을 미치는 사업구조를 갖고 있다. 시스템 구축사업의 경우 요구사항 분석, 설계, 프로그래밍, 테스트, 문서화, 운영 및 유지보수 등에 다수의 전문인력이 투입돼 왔다.

그러나 생성형 AI와 Coding Agent가 발전하면서 코드 작성뿐만 아니라 테스트 코드 생성, 오류 수정, 리팩터링, 문서 작성 등 소프트웨어 개발 프로세스의 다양한 단계에서 자동화 가능성이 확대되고 있다.

이에 따라 IT서비스 사업의 생산성이 향상될 경우 기존의 인력 규모 × 투입기간 × 인력 단가 중심의 사업구조도 점진적인 변화를 요구받을 가능성이 있다. 이는 AI가 IT서비스 시장 자체를 없앤다는 의미라기보다 같은 프로젝트를 수행하는 데 필요한 인력과 시간이 감소하면서 기존 인력투입형 사업모델에 가격 압력이 발생할 수 있다는 의미에 가깝다.

향후 IT서비스 기업의 경쟁력도 단순한 전문인력 확보 규모뿐만 아니라 AI를 활용해 얼마나 빠르고 효율적으로 시스템을 구축하고, 고객의 업무성과를 개선할 수 있는가가 중요한 요소로 부상할 것으로 예상된다.

• 맞춤형 SW 개발도 AI 중심의 개발체계로 전환

맞춤형 소프트웨어 개발(Custom Software Development)은 이러한 변화가 비교적 빠르게 나타날 가능성이 있는 분야다. Forrester 역시 Custom Software Development를 AI Disruption 가능성이 높은 시장 사례로 제시하고 있다. AI 기반 개발도구는 초기의 코드 자동완성에서 점차 코드 생성, 테스트, 오류 수정, 리팩터링 및 개발 문서 작성 등으로 적용범위를 확대하고 있다. AI Agent 기술이 발전할 경우에는 여러 개발 작업을 연속적으로 수행하는 방식으로 자동화 범위가 더욱 확대될 가능성이 있다.

이에 따라 SW 개발은 기존의 개발자 → 개발도구 → 코드 작성 구조에서 개발자 → AI Coding Agent → 코드 생성·테스트·수정 → 개발자 검증 구조로 변화할 것으로 예상된다.

이러한 변화가 반드시 개발자의 직접적인 대체를 의미하는 것은 아니다. 오히려 반복적인 코딩과 테스트 작업의 자동화가 확대되면서 개발자의 역할이 요구사항 분석, 시스템 설계, AI 생성 결과 검증, 복잡한 문제 해결 및 고객 업무 이해 등으로 이동할 가능성이 있다.

I T서비스 기업 역시 개발인력 자체를 제공하는 방식에서 벗어나 AI를 활용해 개발 생산성을 높이고 시스템 구축기간과 비용을 최적화하는 역량이 중요해질 것으로 예상된다.

• SaaS 시장은 ‘Seat 기반 수익모델’ 변화 가능성 확대

AI Agent 확산은 SaaS 시장의 수익모델에도 영향을 미칠 가능성이 있다. 기존 기업용 SaaS는 상당 부분은 사용자 수(Seat) × 사용자당 구독료 방식을 기반으로 성장해 왔다. 그러나 AI Agent가 사람이 소프트웨어 화면을 직접 조작하던 일부 업무를 대신 수행하게 되면 기업 내 실제 사용자 수와 SaaS 사용량 사이의 관계가 달라질 수 있다.

예를 들어 기존에는 영업직원이 CRM 시스템에 직접 접속해 고객정보를 검색하고 영업기회를 분석하며 후속 업무를 처리했다면, 향후에는 AI Agent가 CRM 데이터와 API를 이용해 일부 업무를 자동으로 처리할 수 있다.

이 경우 SaaS의 역할은 사람이 사용하는 업무 애플리케이션에서 사람과 AI Agent가 함께 사용하는 업무 플랫폼으로 확장될 가능성이 있다.

Forrester는 이러한 변화와 관련해 AI에 따른 Seat Erosion과 Pricing Compression 가능성을 주요 논점 가운데 하나로 보고 있다. 다만 이를 곧바로 SaaS 시장 전체의 붕괴로 해석하는 것은 적절하지 않다고 지적한다. Seat 감소 가능성은 AI가 기술시장에 미치는 여러 영향 가운데 하나이기 때문이다.

이에 따라 향후 SaaS 기업들은 기존 사용자 수 기반 과금체계와 함께 사용량, 거래량 또는 AI Agent의 업무처리량 등을 반영하는 새로운 수익모델을 모색할 가능성이 있다.

• 기존 SW 시장에서는 위기와 기회가 동시에 발생

AI의 영향이 가장 복합적으로 나타날 가능성이 있는 영역은 Forrester가 Contested로 분류한 시장이다. 이들 시장에서는 AI가 기존 기능의 일부를 대체하면서 기존 사업모델을 압박하는 동시에, AI Agent와 데이터를 제품에 결합하면 새로운 성장기회를 확보할 수도 있다. 기존 기업용 SW는 주로 사용자가 화면에 접속해 정보를 입력하고 업무를 처리하는 방식으로 설계돼 왔다.

기존 구조가 사용자 → SW 화면 → 업무처리였다면 Agentic AI 환경에서는 사용자 → AI Agent → SW·데이터·API → 업무 실행 구조가 확대될 수 있다.

따라서 기업용 SW의 경쟁력도 사용자 인터페이스와 개별 기능뿐만 아니라 AI Agent가 기업 데이터와 업무 시스템을 안전하게 이용할 수 있도록 지원하는 능력으로 확대될 가능성이 있다.

이 과정에서 API 관리, 데이터 접근, Agent orchestration, 권한 관리, 감사 로그, 보안, 업무 프로세스 통합 등이 기업용 SW 플랫폼의 중요한 기능으로 부상할 것으로 예상된다.

• 인프라·데이터·통합·신뢰 기술은 AI와 함께 성장

반대로 AI 확산으로 수요가 확대될 가능성이 높은 영역도 존재한다. Forrester는 AI 확산의 수혜가 예상되는 기반 시장으로 Infrastructure, Data, Model, Integration, Trust 관련 기술을 제시한다. 기업이 더 많은 AI와 Agentic system을 도입할수록 이를 개발·운영하고 기존 업무시스템과 연결하기 위한 기반 기술에 대한 수요도 증가하기 때문이다. AI Agent가 기업에서 실제 업무를 수행하기 위해서는 모델만으로 충분하지 않다.

기업 내부의 ERP, CRM, SCM, 데이터베이스, 문서, API 등 다양한 자원에 접근해야 하며, 이 과정에서 데이터 품질과 접근권한, 시스템 통합, 보안 및 거버넌스가 함께 요구된다. 따라서 AI 시장의 확대는 다음과 같은 구조를 형성할 가능성이 있다.

AI 활용 증가 → 추론 및 컴퓨팅 수요 증가 → 데이터 활용 증가 → 기존 시스템과의 연결 확대 → Agent의 업무 실행 증가 → 보안·통제·감사 필요성 증가 등이다. 결과적으로 AI가 확대될수록 AI 인프라, 데이터 플랫폼, 시스템 통합, 보안 및 AI Governance 관련 시장의 중요성이 높아지는 구조가 형성될 것으로 예상된다.

• 데이터 플랫폼이 Agentic AI의 핵심 기반으로 부상

특히 데이터는 Agentic AI의 성능과 활용범위를 결정하는 중요한 기반요소다. 범용 AI 모델이 기업의 실제 업무를 수행하려면 기업 내부에 축적된 고객정보, 제품정보, 재고, 계약, 업무규정, 거래내역 및 운영정보 등을 활용해야 한다.

예를 들어 구매 Agent가 실제 구매업무를 지원하려면 ERP + SCM + 재고정보 + 계약정보 + 가격정보 + 공급업체 정보 + 내부 승인규정 등을 종합적으로 활용해야 한다.

따라서 기업의 AI 경쟁력은 모델 성능뿐만 아니라 분산된 데이터를 얼마나 정확하고 안전하게 연결해 Agent가 활용할 수 있도록 제공하는가에도 영향을 받을 가능성이 높다. Forrester 역시 Agentic AI 환경에서 여러 Agent가 최신 맥락을 공유할 수 있는 데이터 기반의 중요성을 강조하고 있으며, 데이터가 분절돼 있거나 최신성이 떨어질 경우 Agent orchestration 과정에서 오류가 확대될 가능성을 지적한다.

이에 따라 Data Lakehouse, Vector Database, Knowledge Graph, RAG 및 Context Layer 등 AI가 기업 데이터를 활용하기 위한 데이터 아키텍처에 대한 관심도 지속적으로 높아질 것으로 예상된다.

• AI 확산은 사이버보안과 AI Governance 수요도 확대

AI Agent가 단순한 정보 제공을 넘어 실제 업무를 수행할수록 보안과 거버넌스의 중요성도 커질 것으로 예상된다. 일반적인 생성형 AI는 사용자의 질문에 답변하는 것이 중심이지만 AI Agent는 이메일 발송, 데이터 조회·수정, ERP 입력, 코드 수정, 클라우드 리소스 생성 등 실제 시스템에서 작업을 수행할 수 있다.

이에 따라 기업은 누가 Agent를 실행했는지, Agent가 어떤 데이터에 접근했는지, 어떤 API와 도구를 호출했는지, 어떤 권한으로 업무를 수행했는지, Agent의 실행 결과가 적절했는지 등을 지속적으로 관리해야 한다.

Forrester 역시 Agentic AI 환경에서 Agent를 기존 사용자나 단순 Machine Account와 다른 새로운 Identity Class로 보고, Identity & Access Management, Data Security, Application Security, Threat Operations 및 Zero Trust 등을 통합적으로 관리하는 접근을 제시하고 있다.

이에 따라 AI 확산은 기존 사이버보안 시장을 단순히 대체하기보다 Agent Security, AI Governance, AI Runtime Security 및 AI Observability 등 새로운 보안·관리 수요를 창출할 가능성이 있다.

• IT서비스 시장, ‘인력투입형’에서 ‘AI·성과 중심형’으로 변화

AI Disruption Model이 국내 IT서비스 산업에 주는 중요한 시사점은 기존 인력투입 중심의 사업모델을 재검토할 필요성이 커지고 있다는 점이다. 기존 SI 사업에서는 프로젝트의 규모가 투입 인력과 기간에 상당 부분 연동됐다. 그러나 AI Coding, AI Agent 및 자동화 기술이 개발과 운영의 생산성을 높일 경우 동일한 시스템을 더 적은 인력과 짧은 기간에 구축할 수 있게 된다.

이에 따라 기존의 인력 × 기간 × 단가 중심 모델에서 점차 AI 플랫폼 + 데이터 통합 + Agent 구축 + 시스템 연계 + 보안·거버넌스 + 운영 + 업무성과 중심의 가치구조로 변화할 가능성이 있다.

이 과정에서 IT서비스 기업의 경쟁력 역시 개발인력 규모보다 AI를 이용한 생산성 향상, 산업별 업무 이해, 기업 데이터 통합, Agent 설계·운영, AI 보안 및 실제 업무성과 창출 능력으로 확대될 것으로 예상된다.

3. 향후 전망

AI는 SW와 IT서비스 시장 전체를 일률적으로 축소시키기보다 기존 시장의 가치가 창출되는 위치를 변화시키는 방향으로 영향을 미칠 가능성이 높다.

특히 단순 코딩, 반복적인 시스템 운영, 정형화된 업무지원 등 노동집약적 서비스는 AI 자동화에 따른 가격 및 수요 압력이 확대될 수 있다. 반면 AI를 실제 기업 업무에 적용하는 데 필요한 컴퓨팅 인프라, 데이터 플랫폼, 시스템 통합, Agent orchestration, 보안 및 AI Governance는 새로운 성장영역으로 부상할 가능성이 있다.

이에 따라 SW 시장의 경쟁도 기존의 기능과 사용자 수 중심 경쟁에서 데이터·Agent·업무 실행 및 성과 중심 경쟁으로 이동할 것으로 전망된다.

IT서비스 기업 역시 단순히 AI를 기존 개발업무의 생산성 향상 도구로 활용하는 수준을 넘어, 고객의 업무 프로세스를 AI 중심으로 재설계하고 AI Agent가 기업의 데이터와 시스템을 안전하게 활용하도록 구축·운영하는 역할로 사업영역을 확대할 필요가 있다.

결국 Forrester의 AI Disruption Model이 보여주는 핵심 변화는 ‘AI가 SW를 없애는가’가 아니라 ‘AI가 SW·IT서비스 산업에서 돈이 지불되는 지점을 어디로 이동시키는가’에 있다. 향후 시장은 사람의 노동시간과 소프트웨어 좌석 자체보다 AI가 활용하는 컴퓨팅·데이터·통합·보안과 AI를 통해 창출되는 실제 업무성과에 더 높은 가치를 부여하는 방향으로 재편될 가능성이 있다.