핵심 요약

  • Vanta는 AI 에이전트의 토큰 비용을 현재 직접 부담한다. 과금 방식을 먼저 정하기보다 실제 사용을 늘리고 고객 경험을 개선하는 데 집중한다.
  • 토큰에 가격을 얹으면 고객은 애플리케이션을 기반 모델과 직접 비교한다. 성과에 따른 과금도 합의 가능한 작업 단위를 정하기 어렵다는 문제가 있다.
  • AI 제품의 기반으로 기존 고객 데이터와 연동, 업무별 평가 체계를 강조한다. 조직에서는 기술 부족뿐 아니라 실패를 허용받지 못한다는 인식도 전환을 막는다.
  • 기업가치는 자금 조달을 넘어 직원의 보상 기대와 이직 판단에 영향을 준다. 크리스티나는 회사와 고객의 맥락을 알고 스스로 실행하는 사람의 가치를 높게 평가한다.
  • 보안에서는 AI가 작은 취약점을 끈질기게 연결하는 위협을 예상한다. Vanta는 기존 고객층을 중심으로 탐지와 조치를 자동화하는 제품 확장을 구상한다.

성장과 이익률이 높아도 달라진 시장의 평가

Invest Like the Best에 출연한 Vanta의 크리스티나는 약 8년 전 회사를 시작한 목적을 기업이 신뢰를 쌓고 이를 고객에게 입증하도록 돕는 일이라고 설명했다. 보안·규정 준수 프로그램을 구축하고 감사나 고객의 보안 질문에 대응하도록 지원하는 사업이다. 대담 시점 고객은 전 세계 약 1만6,000곳이며 제품은 약 5개다.

진행자는 빠른 성장과 높은 이익률이라는 사업의 특성이 유지되는데도, 이런 소프트웨어 기업에 적용되는 가치평가 배수가 과거의 3분의 1이나 4분의 1 수준으로 내려갔다고 문제를 제기했다.

크리스티나는 장기적인 사업 가치와 당장의 시장 평가를 동시에 받아들여야 한다고 답했다. 성장률 80%·이익률 80%인 사업과 성장률 160%·이익률 30%인 사업을 예로 들며, 충분한 시간이 지나면 전자가 더 많은 현금을 돌려줄 수 있다고 봤다. 이는 Vanta의 실제 실적을 공개한 수치가 아니라 두 사업 유형을 비교한 예시다.

그렇다고 시장의 판단을 무시할 수는 없다. 다시 자금을 조달하려면 현재 투자자의 선호를 상대해야 하고, 직원 역시 자신이 더 큰 기회를 가진 회사에 있는지 판단한다. 가치평가는 채용과 인재 유지에도 작용하는 변수가 됐다.

토큰을 되파는 가격표의 한계

Vanta의 에이전트는 단순히 보안 경고를 보여주는 데서 더 나아간다. 퇴사자의 계정 접근 권한이 남아 있으면 이를 제거할 맞춤형 에이전트를 만들고, 사용자에게 실행 여부를 확인하는 식이다. 한 번만 실행할지 계속 수행할지도 승인받는다.

이 과정에서 발생하는 토큰, 즉 모델이 처리하는 텍스트 등의 단위에 따른 비용은 현재 Vanta가 부담한다. 크리스티나는 토큰에 가격을 얹어 청구하면 고객이 그 차이를 빠르게 알아본다고 말했다. 기반 모델을 직접 쓰는 것보다 얼마나 나은지 비교하게 만들기 때문이다. 크레딧으로 바꿔 가격 구조를 감춰도 고객은 의도를 파악한다는 판단이다.

대담 시점에는 전체 고객의 약 25%가 이런 에이전트 중심 흐름을 사용하고 있었다. 크리스티나는 이를 75%까지 늘릴 수 있다면 고객 유지에도 도움이 될 것으로 기대했다. 유지율 개선이 이미 입증됐다는 설명은 아니다. 지금은 사용과 보급에 집중하고 필요하면 이후 가격을 정리하겠다는 전략이다.

성과 과금에도 해결되지 않은 문제가 있다. 고객지원 요청을 종료하는 것은 산출물이고, 고객의 기기가 실제로 작동하게 되는 것이 결과다. 문서 작성, 경고 처리, 계정 제거처럼 과금할 작업을 세분화할 수는 있지만, 항목이 늘면 고객이 매번 비용을 계산해야 한다. 모두가 동의할 수 있는 간결한 작업 단위를 찾는 일이 어렵다는 것이다.

기존 데이터와 평가 체계가 만드는 제품의 기반

크리스티나는 Vanta의 경쟁력을 지속적인 제품 출시와 데이터 연동에서 찾았다. Vanta는 약 400개 도구와 연결해 데이터를 수집한다. 회사가 ‘트러스트 그래프’라고 부르는 이 기반은 보안 데이터를 모아 놓은 저장소이며, 자동화와 에이전트가 작동하는 토대다. 그는 이 데이터 기반 덕분에 새 제품을 더 빠르게 만들 수 있었다고 평가했다.

사용자에게는 하나의 Vanta 에이전트로 보이지만, 내부에는 특정 업무를 맡고 도구를 사용하는 수백 개의 에이전트가 있다. Vanta는 다른 회사에서 보안·규정 준수 프로그램을 운영했던 전문가들이 업무별 평가 체계를 작성하고, 그 평가 자체도 점검하도록 투자했다. 평가란 모델이나 에이전트가 해당 작업을 제대로 수행하는지 확인하는 절차다.

모델을 교체할 때 현재 우선하는 기준은 비용보다 품질이다. 다만 여기에는 업무 특성이라는 조건이 붙는다. 크리스티나는 Vanta의 판단·실행 업무가 코딩 에이전트보다 상대적으로 적은 토큰을 사용하기 때문에 이런 선택이 가능하다고 설명했다.

사내 개발에서는 오래된 코드가 별도의 과제다. 작은 코드베이스에 비해 8년 된 코드 전체를 에이전트가 이해하기는 어렵다. Vanta는 코드 일부를 나눠 에이전트가 작은 범위를 충분히 이해하도록 구조를 정리하고 있다. 그렇지 않으면 회사 코드를 잘 아는 엔지니어가 계속 감독해야 해 자동화의 이점이 줄어든다는 설명이다.

AI 전환을 막았던 것은 실패에 대한 두려움이었다

대기업 고객의 초기 설정 경험을 개선할 때 Vanta 팀은 여러 차례 단계별 입력 화면을 제안했다. 크리스티나는 기존 통제 항목, 위험 정보, 정책과 절차를 옮기는 작업을 대규모 언어모델로 해결하기를 원했다. 그러나 의욕과 역량이 있는 팀도 익숙한 입력 화면으로 돌아갔다.

이유를 확인하자 팀은 파일을 넣으면 AI가 정리하는 방식이 작동할지 확신하지 못했고, 이 프로젝트에서는 실패하면 안 된다고 생각하고 있었다. 기존 방식은 만들어 본 적이 있어 성공을 예상할 수 있었다.

크리스티나는 언어모델을 활용하는 방향으로 가되 반복해서 개선하겠다는 결정을 분명히 했다. 이후 팀은 정리되지 않은 파일과 스크린샷을 넣으면 AI가 내용을 해석하고 필요한 질문을 하는 경험을 출시했다. 그는 실제로 잘 작동하고 있다고 설명했다.

이 사례는 AI 도입에 소극적인 직원을 곧바로 동기 부족으로 해석해서는 안 된다는 판단으로 이어졌다. 직접 사용하며 모델의 장단점을 이해하는 일과 함께, 유능한 사람이 시도를 주저하게 만드는 장애물을 확인해야 한다는 것이다.

인재 경쟁에서 중요해진 보상과 의사결정권

크리스티나는 회사가 큰 기업이 될 것이라는 약속만으로 채용 경쟁에 대응하지 않으려 한다고 말했다. 후보자에게 사업 지표와 성장 경로를 보여주고, 회사가 실제로 하는 일을 설명하는 방식이다. 과도하게 약속하고 덜 실행하지 않겠다는 원칙을 유지하려는 선택이다.

인재가 다른 회사를 검토하는 이유도 보상만은 아니었다. Vanta의 한 유능한 리더는 외부 회사에서는 큰 성장을 이끌 의사결정권을 약속받았지만, Vanta에서는 그런 결정을 내릴 수 없다고 느꼈다. 크리스티나는 어떤 권한이 필요한지 확인하고 결정을 맡기는 방식으로 대응했다고 설명했다.

보상 수준 자체도 올랐다. 최상위 인력의 총보상이 5년 전과 비교해 어느 정도 달라졌느냐는 질문에 그는 약 10배라고 추정했다. 동시에 앞으로 보상이 계속 오르는 데에는 주식 보상에 따른 지분 희석을 투자자가 얼마나 문제 삼느냐가 제약이 될 수 있다고 봤다.

그가 높게 평가하는 인재는 회사와 고객, 업무 영역을 이해하면서 스스로 결정을 내리고, 잘못된 판단도 수정하며 실행하는 사람이다. 직무 기술만 뛰어난 사람보다 회사의 맥락을 아는 사람의 가치가 상대적으로 덜 인정받고 있다고 판단했다. 직원 주식 매입을 통한 현금화 기회 역시 보상의 기대 요소가 됐지만, Vanta가 과거에 이를 시행한 것은 아니라고 밝혔다.

AI라는 이름과 실제 도입의 경제성 사이

크리스티나는 마케팅을 위해 모델을 추가 학습시키는 관행에도 회의적이었다. 비용 절감이나 일부 대기업의 도입 형태에 도움이 될 가능성은 인정했지만, 고객에게 맞춘 모델을 건네는 것만으로 사용자 경험과 배포 문제가 해결되지는 않는다고 봤다.

고객 현장에 투입돼 구축을 돕는 엔지니어인 FDE도 비슷한 검토 대상이다. 그는 이 역할의 실질적인 필요성을 인정하면서도 계약 규모와 인력 비용이 맞아야 한다고 지적했다. 대규모 계약에서 가능한 방식을 훨씬 작은 계약에 적용하면 경제성이 뒤집힐 수 있다는 우려다.

AI 중심 제품을 만드는 속도와 고객이 받아들이는 속도도 다르다. Vanta와 계약을 논의하던 한 미국 대기업은 비AI 도구가 구매 심사를 통과하기 쉽다는 이유로 AI 기능을 우선 꺼달라고 요청했다. 크리스티나는 이를 위한 끄기 기능을 만들 계획은 없다고 밝혔다. AI 중심으로 옳은 방향을 잡았더라도 너무 이르면 사업적으로 틀릴 수 있다는 시간의 문제가 남는다.

한편 그는 오픈소스 모델의 중요성에 대한 기대에 비해 주변 도구와 도입 생태계가 덜 발달해 있다고 봤다. 정부와 기업의 현대화 수요도 기회로 꼽았다. AI가 보안 책임자들에게 위험 관리 프로그램을 개편할 예산을 요구할 명분을 제공하면서 구매 우선순위가 달라지고 있다는 관찰이다.

보안의 다음 단계는 발견과 조치의 속도다

크리스티나는 AI 보안 위협을 새로운 취약점 발견만으로 설명하지 않았다. 모델은 사람이 포기할 만한 시도도 계속하고, 각각은 위험이 낮아 보이는 문제를 연결해 공격 경로를 만들 수 있다는 것이다. 이런 환경에서는 낮은 심각도의 문제를 오랫동안 미뤄두는 기존 우선순위가 흔들릴 수 있다고 봤다.

그가 그린 방향은 에이전트가 계속 침투를 시도하며 약점을 찾고, 다른 에이전트가 이를 수정하는 구조다. 다만 이를 이미 완성한 제품이라고 말하지는 않았다. Vanta 일부 영역의 제품 비전이며, 전환 과정이 순탄하지 않을 것이라고 예상했다.

시장 범위도 구분했다. 대기업에는 CrowdStrike가 더 잘할 수 있다고 인정하면서, Vanta가 이미 자리 잡은 고객층에 적합한 보안 제품을 쌓는 방향을 설명했다. 기존 데이터와 에이전트를 활용해 클라우드 설정 오류 같은 문제로 확장하되, 고객 규모와 구매 여건에 맞추겠다는 구상이다.

크리스티나가 제시한 Vanta의 방향은 기존 고객과 데이터 위에서 보안 제품을 확장하고, 기업이 신뢰할 만하다는 것을 구체적으로 입증하도록 돕는 일이다. AI에 대한 기대가 커지는 동시에 신뢰는 부족한 환경에서, 사용 경험과 검증 가능한 근거를 함께 쌓겠다는 선택이다.