SaaS 종말론은 왜 안 왔을까 | 아틀라시안 CEO가 본 AI 도입
AI가 사내 도구를 다 만들어 줄 거라던 'SaaS 종말론'에 아틀라시안 CEO가 반론했어요. 연 매출 규모 70억 달러에서 30% 성장, MCP 연결 고객은 매출 증가 속도 2배, 연결 사용자 98%가 화면도 함께 써요. 사내 도구를 만들지 살지 정할 때 볼 3가지를 정리했어요.
📰 2026년 9월 29일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.
“이제 AI로 금방 만들 수 있는데, 매달 돈 내는 SaaS를 계속 써야 하나요?”
요즘 사내 AI 에이전트 이야기를 하다 보면 꼭 나오는 질문이에요. 미국에선 이걸 두고 “SaaSpocalypse(SaaS 종말론)“라는 말까지 생겼어요. AI가 업무 도구를 직접 만들어 주니, 지라·트렐로 같은 SaaS 회사는 사라질 거라는 주장이에요. 9월 28일 더버지(The Verge)의 팟캐스트 ‘디코더’에 지라를 만든 아틀라시안의 공동 창업자 겸 CEO 마이크 캐넌-브룩스가 나와 여기에 정면으로 반론했어요. 기업 AI 도입 사례로 읽을 만한 대목이 많아서, 발주자 입장에서 쓸 수 있는 것만 골라 정리했어요.
1. SaaS 종말론은 무엇을 주장했나요
진행자가 정리한 종말론은 두 갈래예요.
- AI가 도구를 대신 만든다 — 필요한 업무 도구를 AI가 그때그때 만들어 주니, 완성된 SaaS를 살 이유가 없어진다.
- AI가 화면을 대신한다 — 잘 만든 화면은 필요 없고 데이터만 있으면 된다. 업체가 15곳이어도 AI가 알아서 데이터를 읽어 합쳐 준다.
두 번째 주장은 이렇게도 팔려요. “비싼 돈 들여 옛 시스템을 옮기지 마세요. AI가 지금 있는 낡은 데이터베이스를 그대로 읽고 새 화면을 보여 줄게요.” 레거시 전환을 고민하는 회사라면 솔깃한 이야기예요.
2. 아틀라시안 CEO는 무엇으로 반론했나요
캐넌-브룩스의 반론은 숫자 세 개로 요약돼요. 모두 본인 발언 기준이고, 이해관계가 있는 쪽의 말이라는 점은 감안해서 읽어야 해요.
| CEO가 밝힌 숫자 | 뜻 |
|---|---|
| 연 매출 규모 약 70억 달러에서 지난 분기 약 30% 성장 | 약 2년 만에 가장 빠른 성장 |
| 자사 연결 도구(CLI·MCP 서버)를 쓰는 고객은 계정 수가 최소 5% 더 빨리 늘고, 매출 증가 속도는 2배 | AI가 SaaS를 대체하기보다 더 많이 쓰게 만든다는 근거 |
| MCP 서버를 쓰는 사람의 98% 이상이 화면(UI)도 같이 써요 | AI가 화면을 없애지 않았다는 근거 |
MCP(Model Context Protocol)는 AI 에이전트가 다른 서비스의 데이터와 기능에 접속하는 표준 연결 방식이에요.
핵심은 이거예요. AI 에이전트가 지라를 읽고 쓰기 시작하자 사람도 지라를 더 쓰게 됐다는 거예요. AI가 도구를 밀어낸 게 아니라, 도구 위에 한 겹이 더 올라간 모양이에요.
3. “직접 만들면 된다”는 말은 어디까지 맞을까요
CEO도 AI로 대충 만드는 걸(흔히 ‘바이브 코딩’이라 불러요) 부정하진 않았어요. 오히려 선을 분명히 그었어요. 발언 요지를 옮기면 이래요.
“집에서 쓸 걸 바이브 코딩으로 만드는 건 괜찮아요. 적당히 돌아가면 되니까요. 하지만 유럽 규정에 맞게 데이터를 특정 지역에 보관해야 하는 플랫폼은 바이브 코딩으로 만들 수 있는 게 아니에요.”
사내 도구로 옮겨 보면 이렇게 나뉘어요.
- AI로 금방 만들어도 되는 것 — 한 팀이 쓰는 집계표, 일회성 자동화, 확장할 필요 없는 내부 화면
- 금방 만들면 안 되는 것 — 권한이 나뉘는 시스템, 개인정보를 보관하는 시스템, 여러 부서가 같이 쓰는 기록 시스템
차이는 화면이 아니라 뒤쪽에 있어요. 누가 어디까지 볼 수 있는지, 기록을 얼마나 보관하는지, 장애가 나면 누가 알아차리는지 같은 일이요. 이 부분은 AI가 코드를 빨리 써 준다고 줄어들지 않아요.
4. AI가 80%를 자동화하면 일도 80% 줄어들까요
인터뷰에서 가장 실무적인 대목은 이거예요. 캐넌-브룩스는 “한 단계의 80%를 자동화하는 것”과 “전체 거리의 80%를 가는 것”은 다르다고 했어요.
예로 든 건 영업 예외 승인이에요. “결제 기한을 30일이 아니라 45일로 해 달라” 같은 흔한 요청은 AI가 규정을 읽고 바로 통과시킬 수 있어요. 그런데 훨씬 복잡한 조건을 거는 고객이 꼭 있어요. 그 나머지 20%는 여전히 사람이 판단해야 하고, 대개 가장 시간이 많이 드는 20%예요.
AI 에이전트 도입을 검토할 때 이 구분은 중요해요. “업무의 80% 자동화” 같은 제안을 받으면, 남는 20%를 누가 어떤 화면에서 처리하는지를 같이 물어보세요. 그 화면이 없으면 자동화는 절반만 된 거예요.
5. 새로 만들기 전에 ‘연결’부터 봐야 하는 이유
흥미로운 건 CEO가 대기업 고객에게 “모든 걸 우리 플랫폼 하나로 모으지 마세요”라고 말한다는 거예요. 한곳에 다 모으는 건 CIO에게 좋은 전략이 아니라고 봤어요. 대신 디자인 툴 피그마와 서로의 MCP 서버를 연결해 두 제품을 오가는 업무를 풀고 있다고 했어요.
발주자에게 주는 시사점은 분명해요. 사내 AI 에이전트를 붙일 때 첫 선택지는 새 시스템 개발이 아니라 이미 쓰는 SaaS에 연결하는 것일 수 있어요.
| 선택지 | 맞는 경우 | 조심할 점 |
|---|---|---|
| 기존 SaaS에 AI 연결 | 쓰는 도구가 MCP·API를 열어 둔 경우 | 에이전트 권한 범위를 좁게 |
| 얇은 사내 도구를 새로 제작 | 여러 SaaS의 데이터를 한 화면에서 봐야 할 때 | 원본 데이터는 SaaS에 두기 |
| 기록 시스템 자체를 새로 개발 | 규정·보관·권한이 업계 특수할 때 | 운영 인력과 비용까지 같이 산정 |
에이전트에게 권한을 얼마나 줄지는 AI 에이전트에 권한을 줄 때 정할 4가지에서 다뤘어요.
6. 개발 조직은 어떻게 바뀌고 있나요
아틀라시안은 올해 3월 인력의 약 10%를 줄였어요. CEO는 AI가 사람을 대체해서가 아니라 필요한 역량의 구성이 바뀌어서라고 설명했어요.
바뀐 모습은 이래요. 디자이너가 그림 대신 실제로 돌아가는 시제품 코드를 내고, 개발자는 AI 코딩 도구로 예전보다 디자인 일을 더 많이 해요. 그래도 역할이 사라지진 않았다고 했어요. 대신 디자이너의 일이 “화면 하나 도와주기”에서 회사 전체 디자인 규칙을 만들고, AI가 그 규칙을 읽을 수 있게 MCP·CLI로 여는 일로 옮겨 갔어요.
외주를 맡기는 쪽에서도 볼 만한 변화예요. 업체가 “AI로 빨리 만든다”고 하면, 무엇을 기준으로 일관되게 만드는지를 물어보세요. 규칙 없이 빨리 만든 화면은 두 번째 기능부터 서로 모양이 달라져요.
7. 사내 도구, 만들까 살까 정할 때 볼 3가지
인터뷰 내용을 사내 도구 결정에 옮기면 세 가지 질문이 남아요.
- 이 시스템이 ‘기록’을 가지고 있나요? 권한·보관·감사가 걸리면 AI로 빨리 만들 대상이 아니에요.
- AI가 처리 못 하는 나머지는 어디서 처리하나요? 예외를 다룰 화면과 담당자가 없으면 자동화 효과가 반쪽이에요.
- 이미 쓰는 도구에 연결할 수는 없나요? 연결이 되면 새로 만드는 것보다 빠르고, 원본 데이터도 한곳에 남아요.
AI 플랫폼을 사서 쓸지 만들지에 대한 더 자세한 기준은 AI 플랫폼, 사서 쓸까 만들까에, SaaS가 갑자기 종료됐을 때의 교훈은 서비스를 잘 접는 법 3가지에 정리했어요.
8. 자주 묻는 질문
AI 플랫폼 도입 전에 PoC에서 뭘 확인해야 하나요?
기능이 되는지보다 예외가 얼마나 남는지를 먼저 재 보세요. 실제 업무 데이터 100건을 넣었을 때 AI가 끝까지 처리한 건수와 사람이 다시 본 건수를 나눠 적으면, 도입 뒤 필요한 인력과 화면이 보여요. 권한 범위와 기록 보관 방식도 PoC 단계에서 정해 두는 게 좋아요.
사내 AI 에이전트를 붙이면 기존 SaaS 구독을 줄일 수 있나요?
인터뷰 기준으론 오히려 반대 흐름이 나왔어요. 연결 도구를 쓰는 고객의 사용량이 더 빨리 늘었어요. 다만 이건 한 회사의 발표라 모든 SaaS에 그대로 적용되진 않아요. 쓰는 도구별로 AI가 대신할 수 있는 화면과 여전히 사람이 봐야 하는 화면을 나눠 보는 게 먼저예요.
레거시 시스템을 옮기지 않고 AI가 읽게만 해도 될까요?
조회와 요약은 그 방식으로 충분할 때가 많아요. 하지만 AI가 데이터를 고치기 시작하면 옛 시스템의 규칙을 AI도 똑같이 지켜야 해요. 쓰기 권한이 필요한 순간이 전환을 다시 검토할 때예요.
9. 정리하면
AI가 화면을 빨리 만들어 주는 건 사실이에요. 그런데 SaaS가 돈을 받는 곳은 원래 화면보다 뒤쪽의 규칙과 기록, 그리고 운영이었어요. 그 부분은 AI 시대에도 누군가 계속 책임져야 해요.
저희도 자체 SaaS 4종을 직접 운영하면서 같은 걸 느껴요. 기능을 만드는 시간보다 권한을 나누고, 장애를 먼저 알아차리고, 기록을 지키는 시간이 훨씬 길어요. 10년 넘게 50개 이상의 프로젝트를 해 오면서 롯데·캐논 같은 곳의 시스템을 운영 환경까지 맞춰 본 경험도 그 판단의 바탕이에요. 사내 도구를 새로 만들지, 쓰는 도구에 AI를 연결할지 고민이라면 어디까지 만들지부터 같이 정해 볼까요 →
출처: The Verge Decoder, “The SaaSpocalypse that wasn’t, with Atlassian CEO Mike Cannon-Brookes”(2026-09-28). 수치는 인터뷰 속 CEO 발언 기준이에요.