- 제3-2부 빌드 vs 구매 전략과 미래 전망
2. AI 에이전트가 엔터프라이즈 SaaS를 위협할 것인가?
AI 개발의 급속한 발전과 함께 도발적인 질문이 부상했다. AI 코딩 에이전트(GitHub Copilot, Cursor, Claude Code, Devin)가 소프트웨어 개발을 극적으로 가속화할 수 있다면, 기업들이 CRM 플랫폼을 완전히 우회하고 정확한 요구사항에 맞춘 커스텀 애플리케이션을 구축할 것인가? 이 질문에 대한 답을 계속하여 기술하기로 한다.
2.6 커스텀의 숨겨진 비용: 왜 엔터프라이즈 CRM 교체가 실패하는가?
커스텀 엔터프라이즈 애플리케이션 개발에 대한 역사적 증거는 그 심각성에서 명백하다:
• 프로젝트 실패율: Gartner는 커스텀 IT 프로젝트의 75-85%가 목표를 충족하지 못한다고 보고한다.
• 빌드 대 구매 실패: Forrester는 엔터프라이즈 실패의 67%가 잘못된 빌드 대 구매 결정으로 추적된다고 말한다.
• 비용 배수: McKinsey는 커스텀 빌드가 SaaS 대안보다 초기 비용이 3-5배 더 많이 든다고 문서화했다.
• 배포 후 비용: a16z는 커스텀 AI 솔루션의 총 비용의 65%가 배포 후에 나타난다고 보고한다.
• 유지보수 부담: 엔터프라이즈 애플리케이션은 유지보수를 위해 초기 빌드 비용의 연간 15-20%를 요구한다.
배포 후 비용 발견은 특히 관련이 있다: 총 비용의 65%가 버그 수정, 보안 패치, 성능 최적화, 규정 준수 업데이트, 사용자 교육, 기능 향상의 형태로 애플리케이션이 라이브된 후에 나타난다. AI 코딩 에이전트는 초기 빌드를 가속화할 수 있지만, 장기적인 유지보수 부담을 제거하지 않으며 현재 증거는 이를 악화시킬 수 있음을 시사한다.
더욱이 McKinsey의 엔터프라이즈 AI 전략 분석은 이제 결정을 이진 빌드 대 구매가 아니라 네 가지 옵션으로 프레임한다: 빌드, 구매, 블렌드, 또는 파트너. 그들의 권장사항은 명확하다: 표준화된 기능(CRM, ERP)을 구매하고 진정한 경쟁 차별화를 창출하는 독점 워크플로를 위해 커스텀 개발을 예약하라. 현재 엔터프라이즈 AI 사용 사례의 24%만 커스텀 구축되며, 이는 2024년의 과반수에서 감소한 수치로, 76%는 벤더 플랫폼에서 구매되거나 블렌드된다.
2.7 AI 생성 코드: 품질 및 보안 문제
AI 도구가 코드 작성 시간을 줄인다 하더라도, 코드 품질에 대한 증거는 고객 데이터를 처리하는 미션 크리티컬 엔터프라이즈 애플리케이션에 대한 심각한 우려를 제기한다:
• 보안 취약점: Veracode의 100개 이상의 LLM이 생성한 코드 분석에서 45% 보안 취약점 비율을 발견했다 - AI 생성 코드의 거의 절반이 악용 가능한 보안 결함을 포함했다. CodeRabbit의 독립 분석에서는 인간이 작성한 코드에 비해 2.74배 더 많은 크로스 사이트 스크립팅(XSS) 취약점과 1.7배 더 많은 전체 문제를 발견했다.
• 코드 품질 저하: GitClear의 2025년 연구에서는 AI 코딩 도구 사용이 많은 리포지토리에서 코드 중복이 8배 증가한 반면, 리팩토링 활동은 코드 변경의 25%에서 10% 미만으로 감소했음을 발견했다. 이 패턴 (더 나은 새로운 코드, 기존 코드의 더 적은 유지보수)은 지속 가능한 소프트웨어 엔지니어링 관행의 정반대다.
• 섀도우 AI 위험: IBM의 2025 Cost of Data Breach 보고서는 섀도우 AI와 관련된 보안 침해가 AI 개입 없는 침해보다 평균 67만 달러 더 많은 비용이 든다는 것을 발견했다. Gartner는 조직의 69%가 직원의 금지된 GenAI 사용 증거를 가지고 있다고 보고한다.
개인 식별 정보(PII), 금융 데이터, 헬스케어 기록을 처리하는 엔터프라이즈 CRM 애플리케이션의 경우, 이러한 품질 및 보안 위험은 추상적 우려가 아니라 - 물질적 재정적 결과를 초래하는 잠재적 규제 위반이다.
2.8 역사적 선례: 모든 “자체 CRM 구축”운동이 실패한 이유
현재 AI 기반 “자체 구축”서사는 새로운 것이 아니다. 네 차례의 이전 기술 물결이 엔터프라이즈 규모에서 커스텀 CRM 개발을 실현 가능하게 만들 것이라고 약속했으며, 각각은 궁극적으로 지배적인 플랫폼 생태계를 대체하기보다는 흡수되었다.
• Wave 1 - 4GL 및 RAD 도구 (1990년대): 4세대 프로그래밍 언어와 신속한 애플리케이션 개발 도구가 커스텀 애플리케이션 개발을 가속화할 것이라고 약속했다. 엔터프라이즈 CRM 벤더(Siebel, SAP)가 생산성 향상을 자체 플랫폼에 흡수했다.
• Wave 2 - 오픈 소스 CRM (2004-2015): SugarCRM은 오픈 소스 CRM이 독점 플랫폼을 대체할 수 있다는 논제로 1억 1천만 달러의 벤처 자금을 조달했다. 상당한 투자와 유능한 제품에도 불구하고 SugarCRM은 Salesforce에 대해 의미 있는 엔터프라이즈 시장 침투를 달성하지 못했다. SuiteCRM, vTiger, 기타 오픈 소스 대안은 틈새 솔루션으로 남아 있다.
• Wave 3 - 로우코드 플랫폼 (2014-현재): 로우코드 및 노코드 플랫폼(OutSystems, Mendix, Appian)이 애플리케이션 개발을 민주화할 것이라고 약속했다. 시장은 300억 달러에 도달했지만, CRM 플랫폼을 대체하기보다는 로우코드 기능이 그들에 흡수되었다. Salesforce Flow, Microsoft Power Platform, ServiceNow App Engine이 이제 각자의 생태계에서 가장 큰 로우코드 플랫폼이다.
• Wave 4 - AI 코딩 에이전트 (2023-현재): 현재 물결. Wave 1-3의 패턴은 시사적이다: 생산성 향상 개발 기술은 엔터프라이즈 플랫폼의 필요성을 제거하지 않는다; 그들은 그들에 의해 흡수된다. Salesforce의 Einstein for Developers, Agentforce, Flow 생성 기능은 Salesforce Flow가 로우코드 운동을 흡수한 것처럼 플랫폼의 AI 코딩 지원 흡수를 나타낸다.
일관된 역사적 패턴은 엔터프라이즈 플랫폼이 개발 생산성 도구에 의해 파괴되는 것이 아니라 엔터프라이즈 플랫폼이 그러한 도구를 통합하여, 커스텀 애플리케이션이 복제할 수 없는 구조적 이점(멀티테넌시, 규정 준수, 생태계)을 유지하면서 자체 속도를 높이는 데 사용한다는 것이다.
2.9 시장 판결: 대체가 아닌 가속
파괴 서사에도 불구하고, CRM 시장은 위축되지 않고 가속되고 있다.
• 글로벌 CRM 시장 (2024): 1,280억 달러 (13.4% 성장)
• CRM 시장 예측 (2032): 2,630억 달러
• AI-in-CRM 하위 부문 성장: 28% CAGR (2033년까지 41억 달러에서 484억 달러로)
• Salesforce CRM 매출 (FY25): 216억 달러 (가장 가까운 경쟁자의 4배)
• Salesforce Data Cloud + AI ARR: 9억 달러
증거는 AI가 CRM 플랫폼을 대체하는 것이 아니라 오히려 그 안에서 주요 성장 동력이 되고 있음을 시사한다. AI-in-CRM 하위 부문은 28% CAGR로 성장하고 있으며(CRM의 다른 어떤 카테고리보다 빠르게) 플랫폼 벤더들은 AI 기능을 플랫폼에 직접 내장함으로써 이 성장을 포착하고 있다.
3. 구성 가능한 중간 지대: 미래의 아키텍처
빌드 대 구매 긴장에 대한 진정한 아키텍처 대응은 이진 선택이 아니라 플랫폼 기능과 표적 커스텀 개발을 결합하는 구성 가능한 아키텍처다. Gartner의 Composable Enterprise 프레임워크는 조직의 70%가 새로운 기술에 대한 핵심 선택 기준으로 구성 가능성을 사용할 것이라고 예측한다. MACH(Microservices, API-first, Cloud-native, Headless) 아키텍처 운동은 이 트렌드를 강화하며, 새로운 디지털 커머스 솔루션의 60%가 2027년까지 구성 가능한 원칙을 사용할 것으로 예상된다.
3.1 구성 가능한 아키텍처의 3계층 모델
구성 가능한 CRM 아키텍처는 세 가지 명확한 계층으로 구성되며, 각 계층은 서로 다른 전략적 목적을 수행한다.
(1) 구매 계층: 플랫폼 핵심
이 계층은 엔터프라이즈 CRM 플랫폼의 구조적 이점을 활용한다. 멀티테넌트 인프라는 운영 비용을 2-5배 절감하고, SOC 2 Type II 및 HIPAA와 같은 규정 준수 인증은 공유 서비스로 제공되며, 표준 데이터 모델(Account-Contact-Opportunity)은 수백만 건의 구현에서 검증된 모범 사례를 인코딩한다. 이 계층의 핵심 원칙은 차별화되지 않은 무거운 작업(heavy lifting)에 대해서는 플랫폼을 활용하는 것이다.
McKinsey의 연구에 따르면, 엔터프라이즈 IT 예산의 평균 74%가 시스템 유지보수와 운영에 사용되며, 혁신에는 26%만이 투자된다. 플랫폼 계층은 이 비율을 역전시킬 수 있는 기회를 제공한다. 인프라, 보안, 규정 준수, 핵심 데이터 모델을 플랫폼에 위임함으로써 조직은 차별화된 가치 창출에 리소스를 집중할 수 있다.
(2) 빌드 계층: 차별화 구성요소
이 계층은 진정한 경쟁 우위를 창출하는 맞춤형 구성요소에 집중한다. 금융 서비스 기업의 독점 신용 평가 알고리즘, 헬스케어 제공자의 환자 위험도 계층화 모델, 제조업체의 예측 유지보수 엔진 등이 여기에 해당한다. 이러한 구성요소는 산업별 도메인 지식과 독점 데이터를 활용하여 시장에서 차별화를 만든다.
AI 코딩 에이전트는 이 계층에서 가장 큰 가치를 제공한다. GitHub Copilot과 Claude Code는 비즈니스 로직 구현을 가속화하고, 단위 테스트 생성을 자동화하며, 코드 리뷰를 지원한다. 그러나 중요한 것은 AI가 개발 속도를 높이지만 무엇을 구축할지에 대한 전략적 결정을 대체하지 않는다는 점이다. 어떤 기능이 진정으로 차별화되는지, 어떤 비즈니스 로직이 핵심 경쟁력을 구성하는지에 대한 판단은 여전히 깊은 도메인 전문 지식을 요구한다.
Bain & Company의 분석에 따르면, 차별화된 기능에 대한 투자는 차별화되지 않은 기능보다 3배 높은 투자 수익률을 보인다. 구성 가능한 아키텍처는 이 투자를 전략적으로 집중할 수 있게 한다.
(3) 블렌드 계층: API 우선 통합
이 계층은 플랫폼 기능과 커스텀 구성요소를 연결하는 접착제 역할을 한다. REST API, GraphQL 엔드포인트, 이벤트 기반 통합, 웹훅이 여기에 포함된다. 블렌드 계층의 설계 품질은 전체 아키텍처의 유연성과 진화 가능성을 결정한다.
MACH Alliance의 데이터에 따르면, API 우선 아키텍처를 채택한 조직은 새로운 기능을 출시하는 데 평균 40% 더 빠르며, 기술 부채를 30% 더 낮게 유지한다. 이는 느슨하게 결합된 구성요소가 독립적으로 진화할 수 있기 때문이다. 플랫폼 공급자가 새로운 AI 기능을 출시할 때, 커스텀 구성요소를 다시 작성할 필요 없이 API를 통해 통합할 수 있다.
3.2 AI 에이전트의 역할: 구축 가속화, 구매 대체 아님
구성 가능한 아키텍처 맥락에서 AI 코딩 에이전트의 역할은 명확하다. AI는 구매 계층의 필요성을 제거하지 않고, 빌드 및 블렌드 계층을 가속화한다. 이는 세 가지 방식으로 나타난다.
첫째, AI는 API 통합 코드 생성을 극적으로 가속화한다. Salesforce API를 호출하거나, 외부 데이터 소스를 통합하거나, 이벤트 핸들러를 구현하는 보일러플레이트 코드는 AI가 탁월한 영역이다. GitHub의 데이터에 따르면, 개발자는 API 통합 작업에서 AI 도구를 사용할 때 46% 더 빠르게 완료한다.
둘째, AI는 차별화된 비즈니스 로직의 초기 프로토타입을 빠르게 생성한다. 복잡한 가격 책정 알고리즘이나 고객 세분화 모델을 구축할 때, AI는 기본 구조를 몇 분 만에 제공할 수 있다. 그러나 이는 시작점일 뿐이다. 도메인 전문가는 여전히 비즈니스 규칙을 검증하고, 엣지 케이스를 처리하며, 성능을 최적화해야 한다.
셋째, AI는 테스트 커버리지를 개선한다. 단위 테스트, 통합 테스트, 엔드투엔드 테스트 생성은 시간이 많이 걸리지만 필수적인 작업이다. AI 도구는 이 작업을 자동화하여 코드 품질을 높이면서 개발자 시간을 절약한다. Google의 DORA 보고서는 AI 지원 테스트 생성이 테스트 커버리지를 평균 25% 증가시킨다고 보고한다.
중요한 것은 이러한 모든 기여가 플랫폼의 구조적 이점을 활용하면서 이루어진다는 점이다. AI는 멀티테넌트 경제학, 규정 준수 인증, 생태계 네트워크 효과, 데이터 모델 성숙도를 대체하지 않는다. 대신 AI는 이러한 기반 위에서 작동하여 커스텀 기능을 더 빠르고 안정적으로 구축할 수 있게 한다.
3.3 구성 가능한 아키텍처의 실제 구현
구성 가능한 접근 방식을 성공적으로 구현하려면 아키텍처 원칙과 조직적 역량이 모두 필요하다. 선도 조직들은 다음과 같은 패턴을 따른다.
먼저, 명확한 구성요소 경계를 정의한다. 어떤 기능이 플랫폼에 속하고, 어떤 것이 커스텀 구축이 필요한지에 대한 아키텍처 결정 프레임워크를 수립한다. 이는 단순히 기술적 결정이 아니라 전략적 결정이다. 한 글로벌 금융 서비스 기업은 모든 새로운 기능 요청에 대해 '차별화 점수'를 매기고, 높은 점수를 받은 기능만 커스텀 개발한다.
다음으로, API 계약을 버전 관리하고 문서화한다. 블렌드 계층의 안정성은 잘 정의된 인터페이스에 달려 있다. OpenAPI 명세, API 게이트웨이, 버전 관리 전략은 필수적이다. Forrester의 연구에 따르면, 성숙한 API 관리 관행을 가진 조직은 통합 실패를 50% 더 적게 경험한다.
마지막으로, 지속적인 진화를 위한 거버넌스를 구축한다. 플랫폼 공급자는 연간 수백 개의 새로운 기능을 출시한다. 이러한 기능 중 일부는 기존 커스텀 구성요소를 대체할 수 있다. 정기적인 아키텍처 리뷰는 '빌드에서 구매로' 마이그레이션 기회를 식별한다. Salesforce의 고객 데이터에 따르면, 이러한 리뷰를 정기적으로 수행하는 조직은 총 소유 비용을 연평균 15-20% 절감한다.
구성 가능한 아키텍처는 빌드와 구매 사이의 잘못된 이분법을 해결한다. 이는 플랫폼의 검증된 강점을 활용하면서 AI 개발 속도의 이점을 포착하는 균형 잡힌 접근 방식이다. 조직은 더 이상 모두 구축하거나 모두 구매하는 것 중에서 선택할 필요가 없다. 대신 각 구성요소에 대해 전략적으로 올바른 선택을 하고, API를 통해 이를 함께 구성하여 플랫폼만으로도, 커스텀 개발만으로도 달성할 수 없는 결과를 만들어낼 수 있다.
4. 결론
CRM 시장은 1,280억 달러 규모로 가속되고 있으며(13.4% 성장), AI-in-CRM은 28% CAGR로 가장 빠르게 성장하는 하위 부문으로 부상하고 있다. 이것은 AI가 CRM 플랫폼을 대체하기보다는 변환하고 있다는 명확한 신호다.
1부에서 소개한 벌크화 패턴부터 3부에서 탐구한 구성 가능한 아키텍처까지, 이 시리즈는 엔터프라이즈 CRM 아키텍처가 정적 청사진이 아니라 진화하는 관행임을 보여준다. 멀티테넌트 제약의 기초는 안정적으로 유지되지만, AI 계층은 새로운 패턴, 새로운 트레이드오프, 새로운 기회를 도입하고 있다.
향후 10년은 엔터프라이즈 CRM 아키텍처를 위한 가장 변화무쌍한 시대가 될 것이다. 예측형 AI에서 생성형 AI로, 그리고 이제 에이전틱 AI로의 여정은 시작에 불과하다. Gartner는 2030년까지 엔터프라이즈 소프트웨어의 80%가 멀티모달이 될 것이라고 예측한다. MIT와 BCG는 에이전틱 AI 채택이 전통적 및 생성형 AI 채택 곡선을 능가하고 있다고 보고한다. Forrester는 조직 경계를 넘어 확장되고, 지속적으로 학습하며, 인간 개입 없이 최적화하는 “에이전틱 비즈니스 패브릭”을 설명한다.
이러한 비전이 실현된다면, CRM 아키텍처 패턴은 인간 주도 워크플로를 지원하는 것에서 CRM 시스템의 “사용자”가 인간이 아닌 다른 AI 에이전트일 수 있는 기계 주도 자율 작업을 관장하는 것으로 진화해야 할 것이다.
그러나 기술 혁명 속에서도, 일부 진실은 변하지 않는다. 멀티테넌트 경제학의 수학, 생태계 네트워크 효과의 복리, 규제 준수의 거버넌스 부담, 엔터프라이즈 소프트웨어의 유지보수 현실. 이것이 역사가 우리에게 가르쳐주는 것이다. 그리고 이것이 엔터프라이즈 CRM 플랫폼이 파괴되기보다는 AI 시대를 위해 재탄생할 가능성이 높은 이유다.
—
참고문헌
1. AI Enterprise 2025: The CIO Survey. Andreessen Horowitz, 2025. Available online: https://a16z.com/aienterprise-2025/.
2. Harvard Business Review. It's Time for Your Company to Invest in AI — Here's How. Harvard Business Review, July 2025. Available online: https://hbr.org/2025/07/its-time-for-your-company-to-invest-in-aiheres-
how.
3. Veracode. GenAI Code Security Report 2025: Security Analysis of Code Generated by 100+ LLMs. Veracode, 2025. Available online: https://www.veracode.com/blog/genai-code-security-report/.
4. CodeRabbit. State of AI vs Human Code Generation Report. CodeRabbit, 2025. Available online: https://www.coderabbit.ai/blog/state-of-ai-vs-human-code-generation-report.
5. GitClear. AI Code Quality Research 2025: Measuring the Impact of AI Coding Assistants on Code Quality. GitClear, 2025. Available online: https://www.gitclear.com/ai_assistant_code_quality_2025_research.
6. IBM. Cost of a Data Breach Report 2025. IBM Security, 2025.
7. Gartner. Gartner Predicts 30% of Enterprise GenAI Spend Will Target Open Models by 2028. Gartner Newsroom, 2025.
—
저작권 정책
SaaS 전환지원센터의 저작물인 『AI 시대의 엔터프라이즈 CRM 아키텍처와 멀티테넌트 SaaS의 미래』은 SaaS 전환지원센터에서 『상명대학교 서광규 교수』에게 집필 자문을 받아 발행한 전문정보 브리프로, SaaS 전환지원센터의 저작권정책에 따라 이용할 수 있습니다. 다만 사진, 이미지, 인용자료 등 제3자에게 저작권이 있는 경우 원저작권자가 정한 바에 따릅니다.