사스포칼립스 관련 신사업 대응 방향성 검토

작성 · 이수시스템 사업개발팀

작성 일자 : 2026.04.07

AI가 SaaS를 대체하는 구조와, 대체되지 않는 SaaS의 생존 조건을 분류한 사업개발팀의 기준

Executive Summary

생성형 AI와 에이전트 기술의 확산으로 SaaS 산업 전반의 구조 재편이 시작됐다. 2026년 2월 이후 주요 SaaS 기업 주가가 급락하며 시장은 이를 실질적 위협으로 반영하기 시작했다. 이수시스템 사업개발팀에서는 이 흐름이 어떤 SaaS에 위협이 되고, 어떤 SaaS에는 오히려 기회가 되는지를 IT 실무·신사업·AI 분석 세 관점에서 분류하고 판단 기준을 도출한 것이다.

핵심 결론은 단순하다. AI는 SaaS 전체를 대체하지 않는다. 결과물이 범용적이고 데이터 종속성이 낮은 SaaS는 대체되고, 데이터가 쌓이고 교체 비용이 크며 규제가 작동하는 SaaS는 생존한다.

✅ 생존·강화 영역

ERP · 보안 · 모니터링 · 결제·빌링 · 법무·전자서명
데이터 종속 + Lock-in + 규제 해자

❌ 대체 위험 영역

마케팅·분석 · 협업 · 제품·디자인
범용 결과물 + 낮은 전환 비용

신규 사업 및 투자 검토 시 데이터 축적 구조 · 데이터 종속성(Lock-in) · AI 강화 가능성 · 규제·컴플라이언스 4가지를 판단 기준으로 적용한다. 현 시점 우선 검토 영역은 ERP · 보안 · 모니터링 · 결제·빌링이다.

1. 용어 출현 배경

사스포칼립스 담론은 생성형 AI와 AI 에이전트 기술의 급진적 발전에서 촉발됐다. 기존 소프트웨어가 "업무를 지원하는 도구"였다면, AI는 이제 업무 자체를 직접 수행하는 방향으로 진화하고 있다. AI가 스스로 계산·시각화·요약의 전 단계를 실행하여 결과물을 가져오기 때문에, 유료 SaaS를 사용할 동기가 사라질 것이라는 우려가 확산됐다.

본 문서에서 사스포칼립스의 대상이 되는 "SaaS"는 클라우드 구독형에만 국한되지 않는다. 사람 출처의 원천 데이터를 AI가 가공하여 결과물을 만들어낼 수 있는 소프트웨어 전체 — 온프레미스 포함 — 를 아우르는 개념으로 쓴다.

시장 반응

담론이 본격화된 이후 (2026.02) 시장은 즉각 반응했다. SAP, Salesforce, Adobe, Atlassian 같은 대표적 구독형 SaaS 기업들의 주가가 단기간에 큰 폭으로 하락했으며, 빅테크 기업들의 인력 감축도 이어졌다. 이는 "AI가 SaaS를 대체할 수 있다"는 전망이 실제 기업 가치 평가에 반영되기 시작했다는 신호다.

주요 SaaS 기업 주가 추이 (2025.12 - 2026.04)

* 사스포칼립스 담론 본격화(2026.02) 이후 하락 가속 — Salesforce −21%, Adobe −25%, Atlassian −55% (2025.12 대비 2026.04 기준).

2. 핵심 정의

SaaS란?

본 문서에서 다루는 "SaaS"는 클라우드 구독형에만 국한되지 않는다.

사람이 만들어낸 혹은 입력한 데이터를 받아 재가공·자동화한 결과물을 만들어내는 소프트웨어 전체 — 온프레미스 포함

클라우드냐 설치형이냐, 구독이냐 라이선스냐는 구분 기준이 아니다. 우리는 소프트웨어 전체를 대상으로 접근해야한다.

사스포칼립스란?

입력된 데이터를 재가공·자동화하는 소프트웨어(SaaS)가 AI로 대체되는 현상

AI가 동일한 재가공·자동화를 직접 수행하게 되면서, 중간에 있던 소프트웨어의 존재 이유가 사라진다. 단, 재가공·자동화 하는 모든 SaaS가 대체되는 것은 아니다 — 대체 여부를 가르는 분류 기준은 4. SaaS 생존 분류에서 정의한다.

3. 업계 시각

긍정적 시각 — 종말이 아닌 재편

사스포칼립스는 소프트웨어 산업의 붕괴가 아니라 수익 모델의 진화를 강제하는 사건으로 볼 수 있다. 기존 SaaS의 수익은 사용자 수 기반이었지만, AI 시대의 수익은 AI가 처리한 업무량·절감 비용으로 측정 단위 자체가 바뀐다. 이는 소프트웨어 산업이 한 차원 높은 가치 기반 구조로 전환하는 원동력이 된다.

또한 AI도 결국 기존 인프라 위에서 작동해야 한다. 데이터베이스, 업무 시스템, 규제 연동 — AI가 성과를 내려면 이 기반이 필요하다. AI가 SaaS를 "대체"하는 게 아니라, 소프트웨어가 AI의 하나의 자원이 되는 구조로 재편된다는 시각이다.

구분	기존 수익 모델	지향 수익 모델
영업 목표	사용자 수 확대	AI를 통한 사용 가치 확대
측정 지표	계정 수	처리된 업무량, 생산성, 절감 비용
핵심 가치	사용 편의성·기능성	업무 완성도·직접 생산성

부정적 시각 — 대체는 시간문제다

복잡한 비즈니스 로직을 구현하는 것이 SaaS의 해자였는데, 바이브코딩(Vibe Coding)으로 자신의 데이터에 최적화된 도구를 AI가 직접 만들어주는 방향이 확산되면 소프트웨어 수요 자체가 줄어든다는 전망이다.

AI의 발전 속도를 고려하면 이는 가능성이 아니라 시간문제다. 현재 AI가 완전히 대체하지 못하는 영역 — 규제, 복잡한 워크플로우, 레거시 데이터 종속 — 도 멀티 에이전트 구조가 성숙해지면 하나씩 허물어진다. 지금은 "사람이 반드시 개입해야 한다"고 여겨지는 영역도 AI끼리 검증·승인하는 방식으로 대체될 수 있다. 이 시각에서 데이터 종속, 포맷 표준, 규제 해자는 대체를 막는 장벽이 아니라 대체 순서를 늦추는 완충재에 불과하다. SaaS 사업자가 취해야 할 태도는 "어떻게 살아남을까"가 아니라 "언제 전환할 것인가" 를 먼저 결정하는 것이라는 주장이다.

4. SaaS 생존 분류

분류 기준 정의

AI가 SaaS를 대체하는 구조는 다음과 같다.

[입력] 원천 데이터
        ↓
[기능] 재가공 도구 (SaaS) ← AI 대체 가능
        ↓
[출력] 최종 결과물 ← 이 형태가 사스포칼립스 대상 여부를 결정한다

이 구조에서 최종 결과물의 형태가 핵심이다. 결과물이 어떤 형태로 나오느냐에 따라 아래 판정 순서로 대상 여부가 갈린다.

판정 순서 — 사스포칼립스 대상 여부

판정 매트릭스

결과물 형태(X) × 교체 난이도(Y) — 두 축으로 모든 SaaS의 사스포칼립스 대상 여부가 결정된다

생존

전용 결과물 · 교체 어려움

조건부 생존

범용 결과물 · 교체 어려움

생존 (약함)

전용 결과물 · 교체 용이

대체됨

범용 결과물 · 교체 용이

Y축 교체 난이도 기준 — 0~3: 수 주 내 교체 가능 · 4~6: 수개월, 마이그레이션 필요 · 7~10: 교체 어려움 또는 불가

5. 직무별 SaaS 카테고리 현황

B2B 기준 각 직무 Function별 사용하는 소프트웨어를 리스트업하였으며, 총 11개 SaaS 카테고리 분야를 도출하였다. 국내외 주요 SaaS 카테고리와 대표 서비스를 정리하며, 이후 섹션의 AI 대체 영향 분석은 이 카테고리 구조를 기준으로 한다.

직무	기능 구분	글로벌 대표	국내 대표	SaaS 카테고리
경영기획	그룹웨어	Google Workspace (Google)	네이버 웍스 (네이버)	협업/그룹웨어
경영기획	문서/협업	Notion (Notion Labs)	플로우 (마드라스체크)	협업/그룹웨어
영업	CRM	Salesforce (Salesforce)	채널톡 CRM (채널코퍼레이션)	CRM/고객관리
영업	영업 자동화	HubSpot (HubSpot)	WEHAGO (더존비즈온)	CRM/고객관리
마케팅	웹 분석	Google Analytics (Google)	에이스카운터 (에이스트레이더)	마케팅·분석 플랫폼
마케팅	마케팅 자동화	Braze (Braze)	카카오 비즈메시지 (카카오)	CRM/고객관리
재무/회계	ERP	SAP S/4HANA (SAP)	iCUBE (더존비즈온)	ERP 서비스
재무/회계	결제/빌링	Stripe (Stripe)	토스페이먼츠 (비바리퍼블리카)	결제·빌링
인사	HRM	Workday (Workday)	flex (flex)	HR 서비스
인사	채용 (ATS)	Greenhouse (Greenhouse)	그리팅 (그리팅)	HR 서비스
법무	전자서명/계약	DocuSign (DocuSign)	모두싸인 (모두싸인)	법무·전자서명
법무	컴플라이언스	OneTrust (OneTrust)	파수 (파수닷컴)	법무·전자서명
IT/개발	클라우드	AWS (Amazon)	NCP (네이버클라우드)	개발·모니터링
	모니터링	Datadog (Datadog)	와탭 (와탭랩스)
	이슈트래킹	Jira (Atlassian)	카카오 Agit (카카오)
	보안	CrowdStrike (CrowdStrike)	파수 (파수닷컴)	보안
제품	제품 분석	Amplitude (Amplitude)	핵클 (AB180)	제품·디자인
제품	디자인	Figma (Figma)	—	제품·디자인
고객지원	CS 플랫폼	Zendesk (Zendesk)	채널톡 (채널코퍼레이션)	고객지원
고객지원	콜센터	Twilio (Twilio)	카카오 i 커넥트 (카카오)	고객지원
구매/SCM	ERP/SCM	NetSuite (Oracle)	WEHAGO SCM (더존비즈온)	ERP 서비스
구매/SCM	물류	Flexport (Flexport)	로지스팟 (로지스팟)	ERP 서비스
전사 공통	메신저	Slack (Salesforce)	카카오워크 (카카오엔터프라이즈)	협업/그룹웨어
	화상회의	Zoom (Zoom)	구루미 (구루미)
	문서협업	Confluence (Atlassian)	네이버 웍스 (네이버)

6. SaaS 카테고리 AI 대체 영향 분석

하기 X·Y 스코어는 상기 우리가 정의한 SaaS 판단 기준에 따라 AI가 분석한 추정값으로, 절대적 수치가 아닌 상대적 비교 기준으로 참고하십시오.

HR 서비스

기능 전체가 살거나 죽는 게 아니라, 기능 단위로 해체·재편되는 방향.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
급여 계산·명세서	연동·통합	생존	0.35	2.0	8.8	법정 서식 + 세무 신고 연동, 특정 앱으로만 열리는 포맷
노무·컴플라이언스	연동·통합	조건부 생존	0.25	5.0	6.8	법적 책임 귀속 문제, 규제 해자 존재하나 결과물은 범용
근태·휴가 관리	워크플로우	애매	0.20	5.5	4.5	기능 자체는 단순, 사내 시스템 연동 교체 비용 존재
성과 평가·리포트	결과물 생성	애매	0.12	6.0	4.5	결과물 자체는 범용이나 내부 데이터 기반으로 생성 돼, 즉각 대체 시 맥락 손실 발생
채용 공고 작성·스크리닝	결과물 생성	애매	0.08	6.5	3.8	공고 작성은 AI 대체 진행 중이나, 내부 지원자 DB·스크리닝 기준 이력이 플랫폼에 종속되어 완전 대체까지 시간 필요
HR 통합 (가중 평균)			1.00	4.3	6.5	급여·노무 가중치가 전체를 견인, 성과·채용의 내부 데이터 종속으로 교체 난이도 소폭 상승

ERP 서비스

포맷 표준 + 교체 비용 + 규제가 동시에 걸려 있어, 가장 두꺼운 해자를 가진 SaaS.
AI가 침투하는 건 "보고서·분석" 레이어뿐이고, 나머지 기능들은 데이터 종속·표준 포맷·규제가 복합적으로 걸려 있어 대체가 어려움. 오히려 AI가 보고서를 더 잘 만들어줄수록 그 데이터를 쥔 ERP의 가치가 올라가는 구조.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
재무·회계	연동·통합	생존	0.25	1.8	9.2	법정 서식·세무 신고 특정 앱 포맷, 규제 연동
인사·급여	연동·통합	생존	0.20	1.5	9.0	법정 서식 + 근로기준법 연동
구매·조달	데이터 저장	생존	0.18	2.2	8.8	거래처 데이터·발주 히스토리 종속
생산 관리	데이터 저장	생존	0.15	2.5	8.5	BOM·공정 데이터가 ERP 스키마에 종속
재고·물류	데이터 처리	생존	0.05	2.8	8.0	실시간 재고 데이터 ERP 중심으로 연결
규제·감사	연동·통합	조건부 생존	0.07	5.5	7.0	법적 책임 귀속 미해결
영업·수주	워크플로우	애매	0.03	5.2	5.0	데이터 종속성은 있으나 CRM으로 대체 가능성 존재
보고서·분석	결과물 생성	애매	0.02	6.5	4.5	ERP 내부 재무·경영 데이터 기반으로 생성되어 즉각 대체 시 맥락 손실
물류·배송 관리	데이터 저장	생존	0.05	3.0	7.5	배송·물류 데이터가 ERP 스키마에 종속, 실시간 재고와 연동
ERP 통합 (가중 평균)			1.00	2.5	8.5	규제·데이터 종속 기능이 압도적 가중치, 가장 두꺼운 해자

SAP, Oracle 같은 ERP 벤더가 AI를 내장해 "AI 쓰려면 우리 ERP 업그레이드"를 유도하는 방향이 현실적. Microsoft가 Copilot을 Excel에 내장한 전략과 동일한 패턴.

대응 사례 — SAP

SAP는 사스포칼립스 담론이 확산된 이후 AI 기능 확산을 위한 신규 조직을 신설하고, 기존 정액 구독 방식에서 AI 사용량 기반 과금 체계로의 전환 계획을 발표했다. 사용자 수가 줄어드는 것에 대한 대비책으로 읽힌다. 포춘 500 기업의 90% 이상을 고객으로 확보한 데이터 해자가 있는 만큼, AI 조직 신설과 수익 모델 변경을 컨설팅 인력으로 뒷받침하는 방식이다. "AI를 쓰려면 우리 플랫폼을 업그레이드하라"는 구조를 ERP가 실제로 실행하는 사례.

CRM / 고객관리

HR과 유사하게 기능 단위로 운명이 갈리는 구조.
고객 데이터 축적 레이어는 생존하지만, 상담 자동응답·리포트는 AI 대체 압박을 받음.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
고객 데이터 저장·관리	데이터 저장	생존	0.40	2.5	7.5	데이터가 플랫폼에 종속, 교체 비용 높음
영업 파이프라인 시각화	결과물 생성	애매	0.25	6.2	5.2	범용 결과물이지만 데이터 종속성 존재
고객 세그먼트·분석 리포트	결과물 생성	대체됨	0.15	8.5	2.8	어디서나 볼 수 있는 결과물
마케팅 자동화	데이터 처리	대체됨	0.12	7.8	2.2	재가공 자동화 레이어
상담 챗·이메일 자동응답	결과물 생성	대체됨	0.07	9.0	1.5	AI가 이미 직접 대체 중
영업 자동화	데이터 처리	대체됨	0.10	7.5	2.5	이메일 시퀀스·콜 스케줄링은 AI가 직접 처리, 전용 도구 필요성 소멸
CRM 통합 (가중 평균)			1.00	5.2	4.9	고객 데이터 종속이 버티나 영업·마케팅 자동화·리포트 대체 압박 심화

대응 사례 — Salesforce

사스포칼립스 위기론의 대표 기업으로 지목된 Salesforce는 2024년 말 '에이전트포스'라는 기업용 AI 에이전트 플랫폼을 출시해 단순 기능 제공 SaaS가 아닌 AI 에이전트 기술 기업이라는 이미지로 전환을 시도했다. 핵심 메시지는 명확하다 — "AI 에이전트는 데이터가 가장 정확한 자체 플랫폼 내에서 운영될 때 가장 효과적이다." 고객 데이터 해자를 AI 에이전트의 작동 근거로 역전시키는 전략이다. 채널톡처럼 AI 챗봇을 내장하는 방향이 생존 전략의 전형적 패턴.

협업 / 그룹웨어

네트워크 효과가 가장 강하게 작동하는 영역.
기능보다 "전사가 이미 쓰고 있다"는 사실 자체가 해자.
단, 회의록 자동생성·문서 요약 등 AI로 대체되는 기능을 내장하지 못하면 점점 설 자리를 잃을 수 있음.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
메신저·채팅	워크플로우	생존	0.35	3.5	7.8	네트워크 효과, 전사 도입 시 교체 불가
문서 공동편집	데이터 저장	생존	0.25	3.2	7.2	데이터·히스토리 종속
업무 보고·결재 양식	워크플로우	애매	0.20	4.8	4.8	국내 기업 관행·규제에 묶임
일정·프로젝트 관리	워크플로우	애매	0.12	5.5	4.2	기능 자체는 단순, 데이터 종속성으로 버팀
회의록·요약 자동생성	결과물 생성	대체됨	0.08	9.2	1.2	어디서나 볼 수 있는 텍스트 결과물
협업 통합 (가중 평균)			1.00	4.2	6.3	메신저·문서 네트워크 효과가 전체를 견인

보안

모니터링과 구조가 거의 동일.
탐지·방어 인프라 레이어는 규제와 교체 비용으로 생존, 분석·리포트 레이어는 대체됨, 이상탐지 레이어는 AI가 핵심이 되면서 강화.
ISMS-P 같은 국내 규제 인증이 걸린 영역은 규제 해자까지 더해져 이중으로 잠겨 있음.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
방화벽·접근제어	탐지·모니터링	생존	0.30	1.5	9.2	인프라 레이어, 규제 요구사항
백신·엔드포인트 보안	탐지·모니터링	생존	0.25	2.0	8.5	에이전트 설치 기반, 교체 비용 높음
이상행위 탐지 (SIEM)	탐지·모니터링	강화	0.25	2.2	9.0	AI가 핵심 기능이 됨, 플랫폼 가치 상승
보안 감사·컴플라이언스	연동·통합	조건부 생존	0.12	5.0	6.5	ISMS-P 등 국내 규제 인증
취약점 탐지·분석 리포트	결과물 생성	대체됨	0.08	8.2	2.5	어디서나 볼 수 있는 결과물, AI가 생성 가능
보안 통합 (가중 평균)			1.00	2.6	8.4	인프라·에이전트 설치 기반이 압도, SIEM 강화가 플러스 요인

마케팅·분석 플랫폼

데이터 수집·저장 레이어는 SDK 기반 종속으로 생존하지만, 리포트·캠페인 실행 레이어는 AI로 빠르게 대체됨.
누적 히스토리 데이터를 보유한 쪽이 경쟁 우위를 유지하며, 마케팅 자동화(이메일·시퀀스)는 LLM이 직접 처리함으로써 전용 툴의 필요성이 소멸하는 추세.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
웹 트래픽 분석·수집	데이터 저장	조건부 생존	0.35	5.5	6.0	누적 히스토리 데이터 종속, 교체 시 과거 데이터 소실
이벤트 트래킹	데이터 저장	조건부 생존	0.25	5.0	6.5	SDK 설치 기반, 이벤트 스키마 전환 비용
A/B 테스트	워크플로우	애매	0.20	6.5	4.5	실험 기록 종속이나 결과물 범용
마케팅 자동화 (이메일·SMS)	데이터 처리	대체됨	0.12	8.0	2.5	AI가 콘텐츠·시퀀스 직접 생성, 전용 툴 필요성 소멸
캠페인 성과 리포트	결과물 생성	대체됨	0.08	8.5	1.8	어디서나 볼 수 있는 결과물
마케팅·분석 플랫폼 통합 (가중 평균)			1.00	6.0	5.5	데이터 수집 레이어는 종속, 실행·리포트 레이어는 빠르게 대체됨

결제·빌링

PCI-DSS(신용업계 보안표준) 인증·금융 규제·법정 서식이 겹쳐 있어 ERP 다음으로 두꺼운 해자를 가진 카테고리.
결제 처리·세금계산서 레이어는 규제 연동으로 사실상 대체 불가. 분석 리포트 레이어만 AI 압박을 받음.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
결제 처리·PG 연동	연동·통합	생존	0.30	2.0	9.0	PCI-DSS 인증, 금융 규제, 계약 전환 비용
구독 빌링 관리	데이터 저장	생존	0.25	2.5	8.5	청구 히스토리·구독자 데이터 종속
세금계산서·정산	연동·통합	생존	0.25	1.5	9.2	법정 서식 + 전자세금계산서 연동
인보이스 자동생성	결과물 생성	애매	0.12	6.0	4.0	내부 결제 데이터 기반이나 AI 자동화 압박
결제 분석 리포트	결과물 생성	대체됨	0.08	8.5	2.0	범용 결과물
결제·빌링 통합 (가중 평균)			1.00	2.9	7.9	규제·인증·데이터 종속 레이어가 압도, 리포트 레이어만 AI 압박

법무·전자서명

전자서명 인증 체계(PKI·법적 효력)와 규제 연동이 겹쳐 있어 핵심 레이어는 대체 불가.
오히려 AI가 계약서 초안 생성을 맡으면서 플랫폼 가치가 상승하는 강화 패턴이 두드러짐.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
전자서명 인증	연동·통합	생존	0.35	1.5	9.5	법적 효력 인증 체계, PKI 연동, 규제 해자
계약서 관리·저장	데이터 저장	생존	0.25	2.0	8.5	계약 히스토리 종속, 법무 팀 의존
컴플라이언스 모니터링	탐지·모니터링	생존	0.20	2.5	8.0	GDPR·ISMS-P 등 규제 연동
계약서 초안 자동 생성	결과물 생성	강화	0.12	3.0	8.0	AI가 초안 작성 핵심 기능으로 편입, 플랫폼 가치 상승
계약 리뷰·분석	결과물 생성	대체됨	0.08	8.0	2.5	AI가 직접 검토 가능, 결과물 범용
법무·전자서명 통합 (가중 평균)			1.00	2.5	8.5	PKI·규제 레이어 압도, AI가 초안 생성 편입으로 오히려 가치 상승

고객지원

티켓 히스토리 종속과 AI 어시스트 내장으로 핵심 레이어는 강화되는 구조.
단, 챗봇·자동응답 레이어는 LLM이 직접 대체하여 전용 챗봇 SaaS 필요성이 소멸. 분리해서 볼 필요가 있음.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
티켓 관리·히스토리	데이터 저장	생존	0.30	2.5	8.0	고객 대화 히스토리 종속, 교체 시 맥락 소실
상담원 AI 어시스트	탐지·모니터링	강화	0.25	2.0	9.0	AI 내장이 핵심 기능, 플랫폼 가치 상승
챗봇·자동응답	결과물 생성	대체됨	0.20	9.0	1.5	LLM이 직접 대체, 전용 챗봇 SaaS 필요성 소멸
콜 라우팅·IVR	워크플로우	생존	0.15	2.0	8.5	전화 인프라 레이어, 통신사 연동
CS 분석 리포트	결과물 생성	대체됨	0.10	8.5	2.0	범용 결과물
고객지원 통합 (가중 평균)			1.00	4.2	6.4	티켓 히스토리·AI 어시스트 강화가 버티지만 챗봇 대체가 발목

제품·디자인

이벤트 트래킹·디자인 파일 등 데이터 저장 레이어는 종속으로 생존.
분석 리포트 자동생성은 AI가 직접 처리. 제품 분석 플랫폼과 디자인 협업 툴은 상이한 운명을 가짐.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
이벤트 트래킹·수집	데이터 저장	조건부 생존	0.30	4.5	6.5	SDK 기반, 이벤트 스키마 전환 비용
전환율/유지율 분석	결과물 생성	애매	0.20	6.5	4.5	결과물 범용이나 누적 데이터 종속
A/B 테스트	워크플로우	조건부 생존	0.20	5.0	6.0	실험 기록 종속
디자인 협업·파일 관리	데이터 저장	생존	0.20	3.5	7.5	디자인 파일·컴포넌트 라이브러리 종속
분석 리포트 자동생성	결과물 생성	대체됨	0.10	8.5	2.0	AI 직접 생성 가능
제품·디자인 통합 (가중 평균)			1.00	5.2	5.8	데이터 저장 레이어 생존, 분석·리포트 레이어는 AI 압박

개발·모니터링

"데이터/에이전트가 플랫폼에 종속되는 레이어"는 생존, "시각화·리포트 레이어"는 대체됨.
이상탐지 레이어는 AI를 흡수하며 강화. Datadog이 AI 기능을 내장하며 구독료를 올리는 전략이 대표적.

기능	타입	판단	가중치	X 결과물 범용성	Y 교체 난이도	이유
로그·메트릭 수집·저장	데이터 저장	생존	0.22	2.0	8.2	데이터 인프라 종속
CI/CD 파이프라인	워크플로우	생존	0.19	2.0	7.5	개발 표준·생태계 레이어 (Git 기반)
이상탐지·알림	탐지·모니터링	강화	0.20	2.5	9.0	AI 내장으로 핵심 가치화
APM (성능 추적)	탐지·모니터링	생존	0.15	2.8	8.0	에이전트 설치 기반, 데이터 종속
대시보드·시각화	결과물 생성	대체됨	0.06	8.0	2.2	어디서나 볼 수 있는 결과물
장애 분석 리포트	결과물 생성	대체됨	0.04	8.5	1.8	어디서나 볼 수 있는 텍스트 결과물
이슈트래킹·백로그	데이터 저장	생존	0.08	3.5	7.5	프로젝트 히스토리·이슈 데이터 종속, 팀 워크플로우 전환 비용
클라우드 인프라 관리	연동·통합	생존	0.06	1.5	9.5	인프라 레이어 깊숙이 종속, 클라우드 전환 자체가 수년 프로젝트
개발·모니터링 통합 (가중 평균)			1.00	2.9	7.6	데이터·에이전트 종속 레이어 가중치가 압도, 이상탐지 강화가 플러스

SaaS 기능별 생존·대체 분포

각 SaaS 기능별 좌표 — 카테고리 필터로 비교 · X: 결과물 범용성 · Y: 교체 난이도 · 점 위에 마우스를 올리면 상세 정보 표시

생존 조건부 생존 애매 강화 대체됨

Y축 교체 난이도 기준 — 0~3: 수 주 내 교체 가능 · 4~6: 수개월, 마이그레이션 필요 · 7~10: 교체 어려움 또는 불가

생존 판정 기능 전체 — 카테고리별

카테고리	기능	생존 이유
HR	급여 계산·명세서	법적 의무 기반 시스템으로 세무 신고와 직결된다. 계산 오류 시 법적 책임이 발생하며, 급여 데이터가 누적되어 이관 비용이 크다.
ERP	재무·회계	규제·감사 요건이 필수이며 수년치 거래 데이터가 누적된다. 교체 시 마이그레이션만 수개월 이상 소요된다.
	인사·급여	법적 의무 기반 시스템으로 HR 데이터 전반이 연동되어 있어 교체 결정 자체가 발생하기 어렵다.
	구매·조달	발주·입고 이력이 누적되고 공급사·ERP와 연동이 깊어 교체 비용이 높다.
	생산 관리	공정·작업 데이터가 설비와 연동되어 있으며 교체 시 생산 중단 위험이 따른다.
	재고·물류	실시간 트랜잭션 처리 기반으로 WMS·TMS 등 시스템 연동이 복잡하다.
CRM	고객 데이터 저장·관리	수년간 누적된 고객 이력·커뮤니케이션 기록이 플랫폼에 종속된다. 이전 시 데이터 정합성 문제로 Lock-in이 강하다.
협업	메신저·채팅	조직 내 대화 이력이 누적되고 네트워크 효과로 교체 시 전사 이주가 필요하다.
협업	문서 공동편집	팀 단위 문서 이력과 권한 구조가 플랫폼에 종속되어 이전 시 협업 구조 재구성이 필요하다.
보안	방화벽·접근제어	인프라 레이어에 위치하며 교체 시 보안 공백이 발생한다. 설정 데이터와 정책이 시스템에 종속된다.
보안	백신·엔드포인트 보안	전사 단말에 에이전트가 설치되어 있어 교체 시 재배포 비용과 보안 공백이 크다.
개발·모니터링	로그·메트릭 수집·저장	수개월~수년치 운영 데이터가 저장소에 종속되며 이전 시 히스토리 손실 위험이 있다.
	CI/CD 파이프라인	빌드·배포 파이프라인 설정이 인프라와 깊이 연동되어 있어 교체 비용이 크다.
	APM (성능 추적)	에이전트 기반 수집으로 전사 서비스에 설치되어 있고 성능 이력 데이터가 누적된다.
	이슈트래킹·백로그	수년치 이슈 이력과 프로젝트 히스토리가 플랫폼에 종속된다.
	클라우드 인프라 관리	인프라 레이어 자체로 교체 시 전체 운영 환경 이전이 필요하다.
결제·빌링	결제 처리·PG 연동	금융 규제·PCI DSS 인증 기반으로 교체 시 인증 재취득과 연동 재구성이 필요하다.
	구독 빌링 관리	고객 결제 이력과 구독 상태가 누적되며 교체 시 데이터 이전과 고객 재연동이 복잡하다.
	세금계산서·정산	법적 의무 시스템으로 세무 데이터가 연동되어 있어 교체 자체가 규제 리스크를 수반한다.
법무·전자서명	전자서명 인증	PKI 기반 법적 효력이 있으며 플랫폼 자체가 법적 인증 주체로 AI 대체가 불가하다.
	계약서 관리·저장	수년치 계약 이력이 법적 증거로서 시스템에 종속되어 있다.
	컴플라이언스 모니터링	규제 감사 요건으로 시스템 연속성이 법적으로 요구된다.
고객지원	티켓 관리·히스토리	고객별 응대 이력이 누적되며 지식베이스와 연동되어 이전 시 서비스 품질 저하 위험이 있다.
고객지원	콜 라우팅·IVR	전화 인프라와 연동되어 있어 교체 시 콜센터 운영 전반을 재설정해야 한다.
제품·디자인	디자인 협업·파일 관리	디자인 파일 이력과 버전이 플랫폼에 누적되며 팀 협업 구조가 종속된다.

생존 SaaS 서비스의 공통 시사점 4가지

데이터가 지속적으로 쌓이는 구조인가? — 업무가 진행될수록 거래 내역·고객 이력·운영 기록이 플랫폼 안에 자동으로 누적되는 구조인가. 시간이 쌓일수록 데이터 자산의 가치가 높아지고, AI가 발전할수록 그 원본 데이터를 보유한 플랫폼의 경쟁력은 오히려 강해진다. (초점: 데이터 자산 형성)
해당 서비스는 고객 데이터에 Lock-in을 만드는가? — 데이터가 쌓여도 export가 쉬우면 Lock-in이 없다. 마이그레이션 비용·포맷 종속성·타 시스템과의 연동 복잡도가 클수록 고객은 이탈하기 어렵다. Google Analytics는 데이터가 쌓여도 언제든 떠날 수 있지만, ERP 5년치 회계 데이터는 옮기는 것 자체가 프로젝트다. (초점: 이전 난이도·전환 비용)
AI가 이 서비스를 강화하는가, 아니면 대체하는가? — AI가 발전할수록 제품이 더 좋아지는 구조라면 강화다. 보안 위협 탐지·이상거래 감지처럼 AI가 판단 자체를 수행하면, 모델이 좋아질수록 제품 가치도 오른다. 반면 요약·보고서·초안 생성처럼 AI가 결과물을 직접 만들어버리는 기능은 대체된다. 같은 플랫폼 안에서도 기능마다 방향이 다르다.
법/규제/보안 등으로 대체가 어려운 영역인가? — 급여 신고 대리인, 전자세금계산서 발행 시스템처럼 플랫폼이 법적 주체인 경우 AI가 동일한 결과물을 만들어도 해당 시스템을 거치지 않으면 법적 효력이 없다. 단순히 규제 산업에서 쓰이는 툴과는 구분된다.

7. VC 관점: SaaS 투자 신중론

"사스포칼립스"라는 단어는 이제 VC 내부 용어를 넘어 월스트리트에서도 쓰이고 있다. 2026년 1~2월 두 달간 소프트웨어 주식에서 약 1조 달러가 증발했고, iShares 소프트웨어 ETF(IGV)는 2025년 9월 고점 대비 약 30% 하락했다. S&P 북미 소프트웨어 지수는 2008년 금융위기 이후 최악의 월간 하락을 기록했다. 촉매는 AI 에이전트가 복잡한 지식 노동을 자율 처리할 수 있다는 것을 시장이 확인한 것이다.

주요 우려 요인

우려 요인	내용	시장 징후 · 출처
밸류에이션 멀티플 붕괴	SaaS 기업 평균 몸값은 팬데믹 대비 3분의 1 수준으로 급락했다. 동시에 AI 네이티브 제품과 기존 SaaS 간 기업가치 격차는 구조적으로 벌어지고 있어, 시장의 옥석 가리기가 본격화되고 있다.	UncoverAlpha "The Great SaaS Unbundling" Feb 2026 · Forrester via Investing.com
시트 기반 과금 모델의 구조적 붕괴	AI 에이전트가 인간 SaaS 오퍼레이터를 대체하면서 per-seat 모델은 구조적 매출 리스크에 직면했다. 신중한 구매자들이 계약 협상 시 이를 명시적으로 반영하기 시작했다. 핵심 질문은 "이 제품이 일을 대체하는가, 아니면 추천만 하는가?"로 바뀌었다.	SEG 2026 State of SaaS M&A Buyers' Perspectives Report
VC 필터링 강화	2025년 Q4~2026년 Q1 사이 VC의 암묵적 거절이 명시적 필터로 전환됐다. 제네릭 LLM 래퍼, 미투 생산성 툴, ChatGPT UI에 자동화 툴 만 붙인 것들은 투자 검토 단계 진입 자체가 차단된다. 2024~2025년 저차별화 스타트업의 약 70%가 검토 대상에서 탈락했다. 효율성만으로는 투자자를 설득할 수 없다.	TechCrunch VC Survey 2025~2026

해외 VC 시각 : VC가 여전히 베팅하는 SaaS 조건

핵심 판단 기준: 시스템이 결정론적(Deterministic)이냐 확률론적(Probabilistic)이냐. 결정론적 시스템은 정밀도가 중요하고 오류가 연쇄 확산되는 영역으로, AI가 같은 결과물을 만들어도 시스템을 교체할 수 없다. — UncoverAlpha 2026

(= 회계·급여 등 오류가 허용되지 않는 시스템은 AI가 유사한 결과를 내더라도 신뢰 문제로 인해 대체가 어렵다.)

조건 (SEG 2026 M&A 리포트 기준)	이유	출처
높은 총매출 유지율 (고객 의존도)	고객이 해지하지 않는 구조 — 데이터·워크플로우·통합이 깊이 연결되어 있어 교체 결정 자체가 발생하지 않는다. System of Record(원천 데이터 소유)가 가장 높은 내구성을 갖는다.	SEG 2026 State of SaaS M&A Report
AI 경쟁자가 단기간 따라오기 어려운 구조(AI 복제 방어)	18~24개월 내 AI-native 경쟁자가 복제하기 어려운 구조. 헬스케어·제조·금융처럼 복잡한 산업에 특화된 버티컬 SaaS나 법적 책임이 플랫폼에 귀속되는 영역이 해당된다.
독점 데이터 + 복제 불가 AI 포지션	오랫동안 쌓인 고객 데이터로 AI를 훈련하면, 새로운 경쟁자는 데이터 자체가 없어 따라올 수 없다. 아무리 좋은 AI 모델을 만들어도 데이터가 없으면 이 플랫폼을 넘기 어렵다. 데이터가 곧 진입 장벽이다.

"이 제품이 일을 대체하는가, 아니면 추천만 하는가?" — 2026년 VC 투자 심사의 핵심 질문 (SEG 2026 M&A Report)

VC의 신중함은 SaaS 자체의 종말에 대한 우려가 아니라, 무엇이 살아남을지 아직 판별이 안 된다는 불확실성에서 비롯된다. 판별 기준이 명확해질수록 투자는 다시 집중된다 — 단, 독점 데이터·결정론적 워크플로우·규제 해자를 갖춘 곳으로.

국내 VC 시각

투자심의 현장에서 직접 수렴된 의견 (2026년 3월)

관점	내용
과금 모델 전환 인식	기존에는 사용자 수(시트) 기반 SaaS가 단순 사용료로 투자 대비 수익(ROI) 산정이 쉬웠다. 앞으로 트래픽·사용량 기반으로 전환될 것이라는 방향성에는 공감한다.
투자 결정의 어려움	트래픽·사용량 기반 전환 시점 예측이 어렵고, 이로 인해 기존 방식의 ROI 예측이 불가해졌다. 불확실성이 높아진 만큼 투자 결정 자체가 어렵다는 것이 공통된 시각이다.
여전히 유효한 영역	라이브 데이터 기반 서비스, 트래픽이 지속적으로 높은 솔루션은 과금 모델 전환과 무관하게 가치가 유지된다고 판단한다.
볼트온 전략 기회	멀티플 하락으로 매물 가격이 낮아진 현 시점을 기회로 보고, 적합한 자산을 지속적으로 볼트온하면서 AI 기능을 강화해 포트폴리오를 구축하는 전략을 고려할 수 있다.

8. 종합 의견

본 분석은 급변하는 AI에 맞춰 이수시스템의 신규사업 방향성을 IT 현업 실무 관점에서 재정의하고 조망한 것이다.

기존의 SaaS를 클라우드 기반 구독형 서비스로 한정하지 않고, 데이터 가공을 수행하는 소프트웨어 전체로 확장하여 바라보았으며, 이를 바탕으로 AI에 의한 대체 가능성을 검토하였다.

특히, 단순 기능 중심이 아닌 최종 결과물의 형태와 데이터의 종속성을 핵심 기준으로 삼아, 각 SaaS 영역의 생존 가능성을 판단하였다.

향후 신규 사업 검토 시에는 다음 기준을 중심으로 판단하고자 한다.

판단 기준

신규 사업 검토 시 아래 4가지 기준을 중심으로 각 SaaS 카테고리의 생존 가능성을 판단한다.

판단 항목	VC 검증	설명
데이터 축적	독점 데이터	업무가 진행될수록 거래 내역·고객 이력·운영 기록이 플랫폼 안에 자동으로 누적되는 구조인가. 쓸수록 플랫폼 안에 자산이 쌓이는 구조가 핵심이다.
Lock-in (교체 비용)	높은 유지율	데이터가 쌓여도 export가 쉬우면 Lock-in이 없다. 교체 시 데이터 마이그레이션 난이도와 업무 단절 비용이 고객 이탈을 막는 실질적 해자인지가 기준이다.
AI 강화 가능성		AI가 발전할수록 플랫폼이 더 좋아지는 구조인가. 이상 탐지·예측·자동화 영역에 AI가 내부 기능으로 흡수되면 강화, AI가 해당 서비스 자체를 대체하면 위협이다.
규제·컴플라이언스	AI 복제 방어	법·제도가 시스템 사용을 강제하는가. 규제 연동·감사 요건이 경쟁자 진입을 막는 해자로 작동하며, AI 네이티브 대체재도 규제 인증 없이는 진입하기 어렵다.

신규사업 집중 검토 분야

위 4가지 기준을 종합했을 때, 현 시점에서 신규사업 집중 검토 분야로 판단되는 카테고리는 다음과 같다.

ERP — 규제·데이터 종속·Lock-in이 동시에 작동하는 가장 두꺼운 해자. AI가 보고서 기능을 대체하더라도 원본 데이터를 보유한 ERP의 가치는 오히려 높아진다.
보안 — 에이전트 설치 기반으로 교체 비용이 크고, 이상 탐지·위협 분류에 AI가 흡수되면서 AI 발전이 플랫폼 가치 상승으로 이어지는 구조다.
모니터링 — 로그·메트릭 데이터가 지속 축적되고 인프라 레이어에 종속되어 있다. 이상탐지 AI 강화가 구독 가치를 높인다.
결제·빌링 — 금융 규제·PCI DSS (카드 업계 데이터 보안 표준) 인증 기반으로 교체 자체가 규제 리스크를 수반한다. 과금 모델이 트래픽 기반으로 전환되어도 처리·정산 레이어는 대체가 어렵다.

현재 기준으로는 ERP, 보안, 모니터링, 결제/빌링 영역이 상대적으로 높은 생존 가능성과 사업성을 보유한 분야로 판단된다.

결론

사스포칼립스는 특정 기업의 문제가 아니라 SaaS 산업 전반의 구조 재편이다. 대체되는 영역과 강화되는 영역을 명확히 구분하지 못한 채 사업을 전개하는 것은 리스크다. 본 기준은 그 구분 선을 기준으로, 신규 사업 발굴과 투자 판단을 지속적으로 검증하는 데 활용한다.