핵심 요약

  • Atlassian 공동창업자 겸 CEO 마이크 캐넌브룩스는 AI 에이전트가 모든 인터페이스를 대체한다는 전망에 동의하지 않는다. 기술을 만들기 쉬워질수록 디자인과 사용자 경험이 차별화 요소가 된다는 입장이다.
  • 일부 고객은 중국 모델에 거부감을 보이지만, 오픈 모델 전반에 반대하는 것은 아니라는 설명이다. 그는 Atlassian이 실제 운영 환경에서 중국 모델을 사용하지 않는다고 밝혔다.
  • 특화 모델은 출시 시점의 성능만으로 가치를 입증할 수 없다. 최신 범용 모델보다 나은 가격 대비 성능을 계속 유지할 수 있는지가 관건이다.
  • 기업용 AI에는 조직의 문서·사람·프로젝트·코드를 연결하는 최신 맥락이 필요하다. Atlassian은 고객별 정보를 연결하고 미리 해석하는 데 집중한다.
  • 비용 관리는 중요하지만 초기 기능 개발부터 비용을 과도하게 최적화하지는 않는다. 고객이 가치를 확인하고 사용 규모가 커지면 비용을 낮추는 접근이다.

에이전트가 늘어도 인터페이스는 중요하다

20VC 대담에서 캐넌브룩스는 에이전트가 데이터를 가져오고 업무를 수행하면 기존 소프트웨어가 단순한 데이터 공급자로 밀려날 것이라는 전제부터 짚었다. 결과만 얻으면 되는 기능적 업무와 취향·상호작용·협업이 중요한 업무를 같은 방식으로 볼 수 없다는 것이다.

그는 충전 케이블을 구매하는 일과 쇼핑 경험 자체를 즐기는 일을 비교했다. 전자에서는 과정을 줄이는 것이 유용하지만, 후자에서는 직접 살펴보고 선택하는 경험이 가치가 된다. 기업의 협업과 업무 흐름에서도 에이전트가 작업을 진행하는 동시에 사람이 창의적인 부분에 집중하는 구도가 가능하다고 봤다.

여러 서비스를 가로지르는 범용 에이전트, 특정 업무를 깊이 수행하는 전문 에이전트, 개별 제품의 인터페이스는 함께 존재할 수 있다. 예를 들어 Confluence에서 문서의 숫자를 선택해 Databricks나 Snowflake를 통해 확인하고 작은 차트를 받는 것은 편리하다. 그렇다고 Confluence가 본격적인 데이터 분석 도구를 대체한다는 의미는 아니다. Figma와 Atlassian 사이에서도 상대 플랫폼의 기능을 활용하면서 각자의 작업 환경을 유지할 수 있다.

캐넌브룩스가 경계하는 것은 고객 경험을 발전시키는 일을 포기하는 전략이다. 외부 에이전트가 플랫폼의 데이터를 읽고 쓰도록 연결하는 것과 자체 인터페이스에 투자하는 것은 양립한다. 기술 제작이 저렴하고 풍부해질수록 제품을 구별하는 힘은 디자인과 경험에서 나온다는 주장이다.

빈 입력창 이후의 디자인 과제

그는 강력한 AI를 빈 입력창 하나로 제공하는 방식에 한계가 있다고 지적했다. 많은 사용자가 AI를 검색창처럼 사용한다면, 제품은 적절한 순간에 어떤 기능을 쓸 수 있는지 보여줘야 한다.

또 다른 과제는 콘텐츠의 출처와 책임을 어떻게 표시할 것인가다. Codex가 코드 변경을 제안하는 풀 리퀘스트를 만들었을 때, 이를 사용자의 작업으로 볼지 에이전트의 작업으로 볼지, 사용자를 대신한 작업으로 볼지는 단순하지 않다. 사람이 얼마나 관여했는지도 중요하다.

AI에 글 전체를 작성하게 하는 것과 사람이 쓴 글을 다듬게 하는 것은 다르다. AI가 관여했다는 표시만으로 이 차이를 충분히 설명하기 어렵다는 것이다. 사람의 댓글만 보거나 에이전트의 댓글만 보고 싶은 경우도 있어, 출처 정보는 실제 협업 기능과 연결된다.

자동화가 늘수록 사람이 언제 개입해야 하는지도 설계해야 한다. 일이 잘 진행될 때는 모든 세부 사항을 볼 필요가 없지만, 문제가 생기면 알림을 받고 필요할 때 상세 내용을 확인할 수 있어야 한다. 그는 소프트웨어를 공장에 비유하는 데에는 창의성을 충분히 반영하지 못하는 한계가 있다고 덧붙이면서도, 사람이 개별 작업뿐 아니라 작업이 흘러가는 과정 자체를 개선하는 역할을 맡게 된다고 설명했다.

중국 모델에 대한 경계와 오픈 모델의 활용은 다르다

캐넌브룩스는 일부 고객이 중국 모델에 거부감을 보이는 것은 인정했다. 다만 이를 오픈 모델 전반에 대한 거부로 확대해서는 안 된다고 말했다. Atlassian은 여러 오픈 모델을 활용하며, 고객에게 필요한 결과를 적절한 비용으로 제공하도록 모델을 조합한다는 설명이다.

그는 고객의 우려를 고려해 Atlassian은 실제 운영 환경에서 중국 모델을 사용하지 않는다고 밝혔다. 동시에 모델의 출신을 단순하게 구분하기는 점점 어려워질 수 있다고 봤다. 일부 미국 모델이 중국 모델을 활용해 학습한다는 주장과, 다른 기업이 기존 모델을 조정한 뒤 자체 모델이라고 부르는 사례를 들어 경계가 복잡하다고 설명했다.

그의 논점은 지정학적 통제 문제와 기술을 선택하는 문제를 구별해야 한다는 데 있다. 그는 관련 사회적 문제에 대한 판단은 피하면서, 기업이 내용을 확인할 수 있고 더 저렴하며 더 나은 결과를 주는 공개 기술을 장기간 배제하기는 어려울 것이라고 예상했다. 이는 향후 고객 태도에 대한 그의 전망이며, 현재 고객의 우려가 사라졌다는 뜻은 아니다.

특화 모델은 우위를 계속 증명해야 한다

캐넌브룩스는 특정 분야에 맞춘 특화 모델의 이점에 대해 아직 결론이 나지 않았다고 평가했다. 독점 데이터가 많거나 용도가 매우 특수한 경우에는 타당한 접근이 될 수 있다. 그는 일부 로봇 기술과 환경을 이해하는 월드 모델을 사례로 들었다.

그러나 특정 용도에서 출시 당시 가격 대비 성능이 좋았다는 사실만으로 장기 경쟁력이 보장되지는 않는다. 범용 모델이 빠르게 좋아지면 특화 모델의 이점이 줄어들 수 있다. 그는 2~3년 전 자체 모델을 개발하던 일부 스타트업의 기능을 범용 모델이 따라잡거나 넘어섰다고 평가했다.

또한 기존 모델을 특정 목적에 맞게 추가 학습하는 미세조정과 처음부터 모델을 만드는 일을 구분했다. Atlassian도 학습된 가중치가 공개된 모델을 특정 용도에 맞게 조정해 사용하지만, 이를 처음부터 만든 자체 모델이라고 부르지는 않는다는 것이다.

그가 판단을 바꿀 조건은 특화 모델이 최신 기반 모델보다 비용과 전력 사용을 고려한 성능 우위를 지속적으로 입증하는 것이다. 여기에는 계속 확보되는 특수 데이터와 범용 모델의 발전만으로 해결되지 않는 문제가 필요하다고 봤다. 프롬프트와 설정을 반복 적용해 모델의 능력을 끌어내는 에이전트 실행 체계, 즉 하네스의 개선도 중요하지만, 이를 모델 자체의 발전과 혼동해서는 안 된다고 덧붙였다.

비용은 품질·속도와 함께 관리한다

캐넌브룩스는 비싼 모델로 좋은 결과를 빠르게 얻는 것보다 저렴하거나 오래된 모델을 잘 적용하는 능력이 경쟁력이 될 수 있다고 말했다. 그가 만나는 대기업 고객은 AI 비용을 점점 더 큰 예산 항목으로 보고, 어떤 모델과 기능에서 가치를 얻는지 확인하려 한다는 설명이다.

Atlassian은 작업에 맞는 모델을 선택하는 라우팅과 여러 모델을 조합하는 방식을 내부에서 운영한다. 목표는 답변 품질·가격·속도의 균형이다. 회사 규모가 크면 이를 직접 잘 수행해야 하지만, 작은 기업이나 기술이 전문 분야가 아닌 기업에는 외부 라우터와 게이트웨이가 실용적인 선택이 될 수 있다고 봤다. 다만 자동 선택에도 충분한 목적과 방향을 제공해야 한다고 지적했다.

비용 규율이 초기 실험을 막아서는 안 된다는 조건도 붙였다. 제품팀에는 먼저 고객이 가치 있다고 느끼는 기능을 만들고, 사용이 확대되면 비용을 최적화하라고 주문한다. 다섯 명이 쓰는 기능과 500만 명이 쓰는 기능은 비용의 중요도가 다르기 때문이다.

그는 새로운 칩, 데이터센터 설계, 모델을 압축하는 기술 등에 투입되는 자본과 인재를 근거로 앞으로 추론, 즉 모델이 답을 생성하는 비용이 크게 내려갈 것으로 예상했다. 사용량이 늘 수는 있지만 무한히 늘어나는 것은 아니라고 봤다. 현재는 기술과 기능을 만드는 속도가 고객이 실제 업무에 받아들이는 속도보다 빠르다는 진단이다.

기업 맥락의 가치는 최신성에 있다

Atlassian의 팀워크 그래프는 사람·프로젝트·문서·코드·서비스의 관계를 연결하는 구조다. 캐넌브룩스는 기업의 지식이 데이터베이스에만 있는 것이 아니라 발표 자료와 의사결정 기록에도 흩어져 있다고 설명했다.

그는 이를 회사별 검색 인덱스를 만드는 일에 비유했다. 질문이 들어올 때마다 모든 정보를 처음 살피는 대신, 미리 연결하고 추론해 에이전트가 효율적으로 답을 찾도록 준비한다. 투자회사와 제조회사, 의료 관련 회사가 필요로 하는 고유한 정보도 각자의 맥락에 포함된다.

핵심은 데이터를 사들여 Atlassian의 자산으로 쌓는 것이 아니다. 고객 자신의 맥락을 연결하고 활용하도록 돕는 것이다. 직원의 입사와 퇴사, 프로젝트별 협업 관계가 달라지므로 그래프는 계속 갱신돼야 한다.

과거 기록도 그대로 유지하는 것과 배움을 추출하는 것은 다르다. 그는 자신이 2003년에 작성한 Java 코드의 구체적 내용은 현재 업무에 거의 쓸모가 없지만, 과거 프로그래머였다는 사실은 기술 개념을 설명하는 방식에 도움이 될 수 있다고 말했다. 조직의 현재 사실은 최신 상태로, 과거 경험은 유용한 배움으로 남겨야 한다는 설명이다.

경쟁과 창업을 오래 이어가는 조건

OpenAI와 Anthropic이 기존 업무용 애플리케이션 영역으로 들어오는 데 대해 캐넌브룩스는 두 회사 모두 중요한 파트너라고 밝혔다. 컴퓨팅 서비스를 제공하는 역할과 애플리케이션을 만드는 역할의 경계는 치열하게 경쟁할 영역이며, 결과를 누구도 안다고 보기 어렵다는 입장이다.

그는 몇 분기 전 마지막 공개 수치 기준으로 Confluence의 연간 반복 매출이 15억 달러를 넘었고, 연간 성장률도 25%를 상당히 웃돈다고 설명했다. 글을 입력하는 도구가 많아도 사업의 가치는 입력 기능 하나로 결정되지 않는다. 디자인, 경험, 목적, 다른 업무 흐름과의 통합이 함께 작용한다는 주장이다.

창업을 오래 지속하는 문제에서도 그는 제품을 만들고 똑똑한 동료들과 어려운 문제를 푸는 일에서 에너지를 얻는다고 말했다. 다른 사람의 생계, 다음 투자 유치, 매출과 고객, 자신의 평판을 함께 책임지는 초기 창업자의 부담도 인정했다. 돈이나 인맥만으로 5~10년의 동기를 유지하기는 어렵다는 것이 그의 생각이다.

그 자신이 개선하려는 것은 깊이 생각할 시간을 확보하는 일이다. 에이전트가 여러 작업을 수행해도 관심을 끄는 일이 늘어나면 바쁘게 움직이기 쉽다. 그는 최근 2~3개월 동안 일주일에 몇 시간이라도 긴 사고를 할 여유를 만들려 노력했다고 밝혔다.

대담에서 캐넌브룩스가 강조한 경쟁력은 모델 선택 하나로 환원되지 않는다. 고객 경험을 계속 개선하고, 조직의 맥락을 최신 상태로 연결하며, 사용 규모에 맞춰 비용을 관리하는 능력이다. 특화 모델의 우위와 AI 기업들의 경쟁 구도에 대해서는 가능성과 불확실성을 함께 남겼다.