대부분의 회사는 지금 AI 구매를 멈춰야 하는 이유

한 줄 요약

AI 전환 회사를 운영하는 Liam Ottley가 "대부분의 기업은 적어도 1년은 AI 시스템 구매를 멈춰야 한다"고 주장해요. 지금은 하네스(엔진)만 있고 기업용 올인원 AI 플랫폼(차체)은 아직 완성되지 않은 '대기실' 단계라서, 맞춤형 구축에 큰돈을 쓰기보다 플랫폼을 고르는 기준을 미리 세워 두라는 이야기예요.

전체 내용 정리

AI를 파는 사람이 "지금은 사지 마세요"라고 말해요

Liam은 바로 그 제품을 파는 사람으로서 이 말을 한다고 밝혀요. 자기가 틀렸거나, 아니면 이 말로 큰 손해를 보게 된다는 뜻이죠. 그런데도 오랫동안 이 분야에 있었기에 어느 쪽인지 안다고 해요. 대부분의 기업이 지금 AI에서 잘못된 것을 사고 있다는 게 Liam의 진단이에요.

지금 시청자의 상황은 대개 둘 중 하나예요. Claude 플랜을 쓰면서 프로젝트 몇 개와 통합 기능, 스킬을 붙여 둔 경우라면 좋은 출발이지만, 사업 운영 방식은 2023년과 크게 다르지 않을 거라고 Liam은 봐요. 아니면 Claude Code 기반 AI 운영체제(AIOS) 같은 맞춤형 솔루션을 도입했을 수도 있죠. 사업에 딱 맞을 것 같지만 덕트 테이프로 붙여 놓은 것처럼 허술하게 느껴지는데, Liam은 실제로 그렇다고 말해요. 만든 사람들이 임시방편으로 만들었기 때문이고, 그 이유는 AI 네이티브 기업이 어떤 모습인지 아직 아무도 제대로 모르기 때문이에요. 연구소도, 스타트업도, Liam 자신도요.

Liam의 회사는 고객사 현장에 7일 동안 들어가 기업 전체를 AI 기반으로 바꿔 주는 일을 해요. 그런 Liam도 지난 4개월 동안 작업 공간이나 맞춤형 코드 사용량 등 시스템 스택을 여러 번 바꿨다고 해요.

엔진은 나왔지만 자동차는 아직이에요

Liam은 이 상황을 자동차 역사로 설명해요. 헨리 포드는 1896년에 작동하는 자동차 엔진을 만들었어요. 그런데 일반인이 그의 차를 살 수 있게 되기까지 7년, 두 번의 실패, 수많은 시제품이 필요했죠. 그렇게 나온 게 1,000대가 생산된 모델 A였고, 그로부터 5년 뒤 최초의 대량 생산차인 모델 T가 나왔어요. 어려운 건 엔진이 아니었어요. 바퀴, 서스펜션, 점화 플러그, 기화기, 배기 장치, 스티어링 휠을 만들고 이를 성능뿐 아니라 신뢰성과 경제성까지 갖춘 패키지로 묶는 일이 관건이었죠.

AI도 지난 3년 반 동안 기업 도입 방식을 두고 세 가지 경쟁 구도가 있었어요. 자체 모델을 훈련하는 방식, 작은 모델 여러 개를 함께 훈련하는 방식, 뛰어난 모델 하나에 모든 도구를 쥐여 주고 직접 일하게 하는 방식이에요. 이긴 건 세 번째였고, 그게 지금 우리가 하네스(harness, 모델 하나와 그 모델이 쓰는 도구 세트, 이를 둘러싼 전체 시스템)라고 부르는 거예요. Claude Code, Grok Bot, Codex가 모두 하네스예요.

Liam의 비유로는 하네스가 엔진이고, AI 플랫폼이 차체예요. 엔진은 있지만 성능 좋고 믿을 수 있고 경제적인 자동차까지는 아직 10% 정도밖에 오지 않았다고 해요. 1898년에 연료 시스템과 브레이크가 그랬듯 지금도 부품이 계속 발명되고 검증되는 중이죠. Liam은 이 단계를 '대기실'이라고 불러요. 결국 하나의 설계가 이기고 다들 그걸 따라 하면서, 10년 안에 도로 위 차들이 대략 같은 모양과 부품을 갖게 될 거라고 봐요.

기다리는 건 '올인원 AI 플랫폼'이고, 구성 요소는 7개예요

대기실에서 기다리는 다음 단계는 비즈니스용 올인원 AI 플랫폼이에요. 작업만 하는 에이전트 하네스 하나를, 사람과 에이전트가 같은 환경·같은 시스템 위에서 모든 일을 기록하고 관리하는 완전한 업무 환경으로 바꾸는 거죠. Liam은 고객사 작업을 하며 이 시스템을 7개 구성 요소로 나눴는데, 아직 7개를 다 만든 스타트업이나 연구소는 없다고 해요.

1. 컨텍스트 레이어: 모든 에이전트가 쓰는 문서예요. 데이터가 사라지지 않게 하고 담당자별 업무를 기록하는 메모리 범위를 줘요. 조직 컨텍스트와 역할별 컨텍스트로 나뉘어요.
2. 데이터 레이어: 흔히 '제2의 두뇌'라고 부르는 곳이에요. 모든 문서, 핵심 녹음 파일, 모든 소스를 에이전트와 사람이 한곳에서 조회해요.
3. 에이전트: 역할, 도구, 연결, 자체 VPS(대부분은 개인 컴퓨터)를 갖춘 AI 직원이에요.
4. 워크스페이스: 사람과 에이전트가 실제로 협업하는 공간이에요.
5. 원장(ledger): Liam이 가장 좋아하는 부분이에요. 대부분의 기업은 업무가 어디에도 기록되지 않거든요. Liam의 회사와 고객사에서는 프로젝트가 끝나면 사람과 에이전트가 무슨 작업을 했고 어떤 파일이 생겼는지, 필요하면 세션 링크까지 확인할 수 있어요. 팀원과 채팅하지 않아도 에이전트가 원장을 조회해 특정 프로젝트에서 무슨 일이 있었는지 알려 줘요.
6. 관리자 패널: 자주 놓치는 부분이에요. 사람과 에이전트가 데이터·도구에 접근하는 방식, 토큰 사용량, 비용, 조직 전체 활동을 모니터링해요.
7. 맞춤형 앱: 플랫폼이 지원하지 않는 워크플로가 있으면 에이전트가 직접 앱을 만들어 외부 서버에 올리거나 플랫폼 안에 통합해요.

Liam은 이 흐름을 러시아 인형에 빗대요. ChatGPT가 나온 2022년 말부터 2025년 초까지는 모델을, Claude Code가 나온 2025년 초부터 지금까지는 하네스를 만들어 왔고, 다음 단계가 플랫폼이라는 거죠. 모델이 하네스 안에, 하네스가 플랫폼 안에 들어가는 구조예요.

기다림에도 비용이 있고, 그동안 두 가지 유혹이 찾아와요

사업을 하는 사람이라면 이미 대기실에 있는 셈이에요. 선택지는 인내심을 갖고 적절한 때를 기다리거나, 2027년 봄이면 바뀌어 있을 기술에 수만 달러를 쓰는 것이죠. Liam은 기다림이 수동적이지도, 공짜도 아니라고 말해요. 기회비용을 내는 셈이고, 그동안 두 가지 일이 벌어지거든요.

첫 번째는 직접 만들거나 Liam 같은 전문가에게 맡기고 싶은 유혹이에요. Liam은 자기 본업이라 이상하게 들리겠지만 말리고 싶다고 해요. 지금 자기 회사와 고객사에서 쓰는 맞춤형 AI 플랫폼(Liam의 표현으로는 AI 운영체제)은 실제로 효과가 좋고 창업자들도 만족해요. 하지만 멀티플레이어 AI 플랫폼 구축은 장기적으로 5인 개발팀이 풀 수 있는 문제가 아니라고 Liam은 봐요.

근거는 2023년의 경험이에요. 당시 Liam이 아는 스타트업 절반이 ChatGPT API로 맞춤형 지식 시스템을 몇 달씩 만들었는데, OpenAI가 GPT와 Assistants API를 내놓자 하루 만에 사라졌어요. 촬영 시점 기준으로 한 시간 뒤 OpenAI DevDay가 열릴 예정이었고, Liam은 연구소보다 앞서 만든 또 다른 스타트업들이 무너질 거라고 내다봤어요. 대형 연구소보다 먼저 만들면 밟히지만, 필요한 걸 정확히 알고 신중하게 움직이면 그들이 쏟는 수십억 달러에 올라탈 수 있다는 거예요.

맞춤형 구축의 문제는 품질이 아니에요. 접근 권한 관리, 그리고 수십·수백 명 규모로 넓히는 데서 막혀요. 소규모 기업에는 지금도 적합하지만, 만든 사람이 유지해야 한다는 게 핵심 약점이에요. 담당 엔지니어가 떠나면 덕트 테이프처럼 느껴지고, 모델 업데이트나 API 변경, 기존 기능 절반을 쓸모없게 만드는 새 플랫폼 기능이 나올 때마다 유지보수가 필요해요. 지금은 그런 변화가 적어도 한 달에 하나씩 생기죠. 막상 새 버전을 받을 때가 되면 기존 시스템은 업그레이드가 아니라 통째로 교체될 거라고 Liam은 말해요.

수만 달러를 주고 산 프로토타입을 연구소는 20달러 정도에 팔아 버리죠.

Liam도 최근 AI 시스템 개선 프로젝트에서 자체 플랫폼을 만들어 모든 고객을 올리는 걸 진지하게 고민했대요. 하지만 그러려면 1년을 들여야 하고, 그동안 연구소는 훨씬 싼 가격에 훨씬 튼튼하고 유지보수도 덜 드는 시스템을 내놓을 테니 접었다고 해요.

두 번째 유혹은 공격적인 영업이에요. 지금까지 겪어 본 어떤 소프트웨어 회사보다 강한 영업이 들어올 거라고 Liam은 경고해요. HubSpot이나 Salesforce로 옮겨 본 사람은 데이터 정리, 필드 매핑, "당분간 기존 시스템도 쓰자"는 3개월간의 시행착오를 알죠. CRM 하나 설정하는 데도 몇 주와 수천 달러의 컨설팅비가 들어요.

그런데 AI 플랫폼은 한 부서 도구가 아니에요. 제대로 쓰려면 모든 데이터와 맥락, 업무 내역이 에이전트가 볼 수 있게 한곳에 모여 있어야 해서, 설계상 전부 아니면 전무예요. 반쯤 옮기면 진실 소스(source of truth)가 둘이 되고, 에이전트는 절반쯤 틀린 답을 내요. 그래서 플랫폼에 기업을 올리는 일 자체가 진짜 작업이에요. 프로세스를 매핑하고, 데이터를 연결하고, 컨텍스트 문서를 쓰고, 에이전트를 만들고, 권한을 설정하고, 팀을 교육해야 하죠.

일단 올라가면 매몰 비용과 교육 비용, 전환 비용 때문에 잘 떠나지 않아요. 그래서 플랫폼을 깔아 주는 쪽은 기업 규모에 따라 월 수천에서 수십만 달러짜리 계약으로 고객을 몇 년씩 붙잡을 가능성이 높아요. 연구소와 투자받은 스타트업은 이 계산을 다 할 줄 알기에, Liam은 앞으로 2년 동안 무료 온보딩, 무료 엔지니어 지원, 첫해 할인, 아주 설득력 있는 데모가 쏟아질 거라고 봐요. 앞으로 12~24개월은 시장을 차지하려는 치열한 경쟁이라는 거죠.

그래서 사업주라면 발만 담그지 말고, 도입할 땐 완전히 들어가야 한다고 Liam은 말해요. 부분 마이그레이션은 맞춤형 시스템 유지보수 부담과 플랫폼 종속을 동시에 떠안는 최악의 선택이에요. AI 에이전시에게는 고객용 플랫폼을 직접 만들고 맞춤 코드를 쓰는 것보다 플랫폼을 제대로 설치해 주는 일이 훨씬 가치 있다고 봐요. 결국 살아남는 에이전시는 특정 플랫폼 하나 또는 몇 개를 골라 깊게 파는 곳이 될 거라는 전망이에요.

지금 플랫폼은 몇 점일까요, 연구소와 스타트업 중 어디가 나을까요

지금 시중 플랫폼은 대부분 엔진에 좌석만 붙여 놓고 자동차라고 부르는 수준이라고 Liam은 말해요. 직접 테스트해서 각 연구소와 스타트업이 얼마나 완성도 높은 AI 플랫폼을 제공하는지 7점 만점으로 매겼어요.

• Anthropic의 업무 공간 제품: 아마 가장 완성도 높은 작업 공간이에요. 혼자나 소규모 팀이면 만족스럽지만 공유 컨텍스트나 데이터 레이어가 없고, 에이전트는 예약 작업이나 루틴일 뿐 팀이 쓰는 직원은 아니에요. 3점.
• Google: 이미 사용자 데이터를 갖고 있고 관리자 기능도 탄탄하며 7달러로 저렴해요. 다만 만들 수 있는 자동화는 스프레드시트 기반으로만 돌고, 만든 에이전트를 다른 사람이 볼 수 없어요. 4점.
• OpenAI: Liam은 연구소 중에서는 OpenAI가 가장 낫다고 봐요. 에이전트 공유, 조회 가능한 회사 정보, API 가격으로 쓰는 크레딧이 강점이에요. 5점.
• Microsoft: 이론상 가장 완벽해 보이지만 중소기업용은 아니에요. 중견·대기업용이라 5.5점.
• xAI의 Grok Bot: 꽤 흥미롭고 쓰기도 아주 간단하지만 완성된 AI 플랫폼과는 한참 멀어요. 1.5점. 다만 1인 기업과 소규모 팀에 맞는 방향으로 가고 있어서, 멀티플레이어 기능이 붙으면 훨씬 강해질 거라고 봐요.
• Kylan: 대형 연구소를 상당한 차이로 앞선 스타트업으로 꼽아요. Liam이 최근 메이크오버 작업에 쓴 플랫폼으로, 테스트한 것 중 아키텍처 완성도가 가장 높대요. Slack과 Lovable 등을 합쳐 놓은 느낌의 올인원이에요. 수백 명 규모 기업에는 아직 안 맞지만 소규모 기업용으로는 필요한 걸 다 갖췄다며 6.5점.
• Victor AI: Liam이 본 것 중 진정한 멀티플레이어 플랫폼에 가장 가까워요. Slack 기반이라 Kylan과는 조금 달라요. 5.5점.
• Lindy: 오래된 플랫폼이고 다소 평범하지만 규정 준수에 강해요. SOC 2 같은 인증을 갖춰 병원 운영처럼 규제가 중요한 곳에 맞아요. 5점.
• OpenClaw: 하네스 그 자체예요. 무료이고 혼자 쓰는 용도이며, 올해 Anthropic이 두 번이나 사용 권한을 막은 적이 있어 2.5점.

Liam의 예상으로는 스타트업이 대부분의 중소기업, 그러니까 종형 곡선 가운데쯤 있는 기업이 실제로 써 볼 수 있을 만큼 준비되기까지 6~12개월, 연구소가 따라잡기까지 12~18개월이 걸려요. 스타트업이 앞서는 이유는 사용자 경험, 온보딩, 실제 사용 방식, 권한 설정, 자동 스킬 생성에 100% 힘을 쏟기 때문이에요. 연구소는 플랫폼에 5~10% 정도만 쓰고 나머지는 연구와 새 모델에 쓰죠.

플랫폼은 수십억 달러를 투자받은 범용 플랫폼과 수백만 달러를 투자받은 전문 플랫폼 두 방향에서 나올 거고, 어느 쪽도 안전하지 않다고 Liam은 말해요. 결국 무엇을 잃을 수 없는지에 따라 골라야 해요.

연구소의 장점은 수천억 달러의 자금과 세계 최고 엔지니어예요. AI 원가에 가까워 중간 마진도 없죠. 단점은 모델 종속이에요. OpenAI 플랫폼을 쓰면 OpenAI 모델을 쓰게 되고, 그 모델이 뒤처지면 거기 묶인 채 전체 비즈니스 시스템을 새 플랫폼에 다시 만들어야 해요. Google처럼 수백만 개 기업용으로 만들면 너무 범용적이라 누구에게도 딱 맞지 않을 수도 있고요.

스타트업은 시장에 따라 최적의 모델로 자유롭게 갈아탈 수 있어요. 영상·이미지 생성, 코딩, 추론 등 분야별 최고 모델을 조합해 쓰죠. 전자상거래나 마케팅 대행사처럼 업종에 맞춘 기능을 기본으로 갖추고 나오는 경우도 많고, 고객 피드백으로 로드맵에 영향을 줄 수도 있어요. 대신 3년 뒤에도 살아 있을지, 초기 계약 가격이 3년 차에 5배로 오르지 않을지 걱정해야 해요. 싸게 고객을 모은 뒤 수익을 위해 값을 올릴 수 있거든요. 대부분은 대기업이나 규제 업종이 요구하는 규정 준수 서류도 아직 없고요.

양쪽 다 확실한 건 고객이 쉽게 떠나게 두지 않는다는 점이에요. 그래서 처음 설치를 맡긴 플랫폼과 계속 가게 될 가능성이 높고, 누가 먼저 연락해 오기 전에 스스로를 평가해 둬야 한다고 Liam은 강조해요.

고르기 전에 스스로에게 3가지, 영업 담당자에게 4가지를 물어보세요

먼저 스스로에게 던질 질문 세 가지예요.

1. 지금 규모와 2년 뒤 예상 규모는? 대부분의 플랫폼은 1인 사업자나 10~50명 규모용이고, 양쪽을 다 아우르는 곳은 거의 없어요. Grok Bot은 아주 작은 회사에, Microsoft는 중견·대기업에 맞는 식이죠.
2. 무엇을 잃어서는 안 되나요? 플랫폼이 사라지는 것인지, 특정 연구소 모델에 갇히는 것인지요.
3. 이 카테고리에서 월 소프트웨어 지출로 절대 넘지 않을 금액은? 꼭 적어 두라고 해요. 첫해 가격은 시장 선점 전략일 테니까요.

플랫폼 업체가 연락해 오면 네 가지를 물어보래요.

1. 직접 설치까지 해 주나요, 아니면 로그인 정보와 고객센터 링크만 주나요?
2. 실제 월 사용료는 얼마인가요? 초기 비용이 아니라 우리 회사 규모 기준 월 비용이에요. 구체적인 숫자를 못 내놓으면 다른 곳을 알아보는 게 낫다고 해요.
3. 어떤 모델을 쓰고, 필요하면 바꿀 수 있나요? 특정 업체가 시장을 주도할 때 갈아탈 수 있게 모든 모델을 지원하는지 확인하라는 거예요.
4. 3년 뒤에도 회사가 있을까요? 없다면 무엇이 남는지, 다 연기처럼 사라지는지 아니면 다른 플랫폼으로 옮길 기반이 남는지요.

이 질문에 우리 사업에 맞는 답을 주고, 규모와 가격이 합리적이며, 설치를 도울 엔지니어까지 붙여 준다면 진지하게 검토할 만하다고 Liam은 말해요. 그때까지는 사업주든 에이전시든 같은 조언이에요. 최신 기술을 따라잡으려 애쓰지 마세요. 앞으로 6~12개월 안에 나올 기능을 직접 만드는 게 아니라, 기다리다가 맞는 때에 기회를 잡는 게 할 일이라는 거죠. 전환 비용을 감당할 수 없거나, 대형 연구소 업데이트 뒤 2~3개월 만에 기존 시스템을 버리고 다시 만들어야 할 수도 있다는 걸 받아들일 수 없다면 섣불리 뛰어들지 말라고 해요. 플랫폼이 정규 인력과 설정 전문가를 지원하는지도 확인하라고 덧붙여요.

AI를 파는 사람 중 투자를 멈춰도 된다고 말할 사람은 (이번엔 자기를 빼고) 없을 거라고 Liam은 말해요. 그들은 여러분의 비즈니스를 원하니까요.

영상 끝에 Liam은 촬영 뒤 상황도 덧붙였어요. 촬영 당시 한 시간 뒤라던 OpenAI DevDay가 열렸고, OpenAI는 ChatGPT 비즈니스 제품군에 새 기능을 여럿 내놨어요. 이어 Google도 새 Gemini 플랫폼을 공개했죠. 몇 주 만에 두 대형 연구소가 새 기능을 쏟아낸 거예요. 그래서 연구소가 따라잡는 데 12~18개월이 걸린다던 자기 예상도 훨씬 짧아질 것 같다고 해요. 조금 진정하고, 곧 정리될 거라 믿고 기다리다가 때가 오면 잡으라는 게 Liam의 마지막 당부예요.

핵심 인사이트

• 맞춤형 AI 시스템의 약점은 품질이 아니라 유지보수예요: 잘 만든 시스템도 만든 사람이 계속 붙어 있어야 하고, 매달 나오는 모델·API 변화마다 손봐야 해요. 연구소가 같은 기능을 싸게 내놓으면 업그레이드가 아니라 교체 대상이 되죠.
• AI 플랫폼은 전부 옮기거나 아예 안 옮기는 구조예요: 데이터가 두 군데 나뉘면 에이전트가 틀린 답을 내요. 그래서 도입 자체가 큰 작업이고, 한 번 들어가면 나오기 어렵다는 점을 영업 쪽은 잘 알고 있어요.
• 도입 시점보다 고르는 기준이 먼저예요: 규모, 잃을 수 없는 것, 월 지출 상한을 먼저 정해 두면 무료 온보딩과 첫해 할인 같은 공세 속에서도 흔들리지 않아요. 모델을 바꿀 수 있는지와 업체가 사라졌을 때 무엇이 남는지는 꼭 물어야 할 질문이죠.

오늘 당장 해볼 것

1. Liam의 자기 점검 질문 세 개(지금·2년 뒤 규모, 잃어서는 안 되는 것, 월 지출 상한)에 대한 답을 메모 한 장에 적어 보세요. 영업 연락이 오기 전에 적어 둬야 첫해 할인에 흔들리지 않아요.
2. 지금 쓰는 AI 도구나 맞춤형 자동화를 하나 골라 "이걸 만든 사람이 없어지면 누가 고치나?", "모델이 바뀌면 다시 만들어야 하나?"를 점검해 보세요. 유지보수 부담이 어디에 숨어 있는지 보여요.
3. 다음에 AI 플랫폼이나 구축 대행 제안을 받으면 네 가지 질문(설치 지원 여부, 우리 규모 기준 월 사용료, 모델 변경 가능 여부, 3년 뒤 업체가 없을 때 남는 것)을 그대로 보내 보세요. 구체적인 숫자로 답하지 못하는 곳은 걸러집니다.