AI Agent는 "사람 대신 보이는 자리"가 아니라, "사람처럼 보이게 하는 백그라운드"에 붙여야 한다. 그리고 그 적용 지점은 반드시 액션 1회당 인건비가 API 1회 인아웃 비용보다 압도적으로 높은 영역이어야 한다. 이 두 조건이 만나는 곳에서만 AI Agent는 원가만 올리는 비용이 아니라, 매출과 이익률을 동시에 끌어올리는 레버가 된다.
AI 챗봇, AI 답변 생성기, AI 상담봇. 사용자 접점 최전선에 AI를 세운 서비스는 많다. 그런데 사용자 반응은 일관적이다. "답답하다", "상담사 연결해주세요", "이 답변이 맞는 건지 모르겠다."
이유는 단순하다. 사람이 의사결정을 신뢰하기 위해 필요한 건 "정확한 답"이 아니라 "책임지는 주체"다. AI가 전면에 나오는 순간, 사용자는 답을 의심하고, 신뢰는 깎이고, 결국 사람을 다시 찾는다. 즉, 보이는 자리에 AI를 배치하는 건 CS 비용을 줄이는 것 같지만, 실제로는 사용자 경험 비용을 늘리고 LTV를 깎는 구조다.
상담사 1명, 헤드헌터 1명, 운영자 1명이 처리하는 액션 1회의 원가는 인건비/시간으로 환산하면 수천 원에서 수만 원 단위다. 반면 LLM API 1회 인아웃 비용은 수십 원에서 수백 원 단위다. 액션당 원가 차이가 100~1000배.
이 격차가 의미하는 건 명확하다. 사람이 하던 일을 AI가 그대로 대체하면, 한 명이 처리할 수 있는 캐파(capacity)가 산술급수가 아니라 기하급수로 늘어난다. 1명이 50건 처리하던 구조에서 1명이 500건을 처리하는 구조로 바뀌면, 매출은 캐파에 비례해 올라가고 인건비는 그대로다. 이게 재무적 이노베이션이다.
사용자에게는 사람이 응대하는 것처럼 보이고, 그 사람 뒤에서 AI Agent가 80~90%의 작업을 처리하는 구조. Human-in-the-front, AI-in-the-back.
사용자는 사람과 대화한다고 느끼기 때문에 신뢰도와 매력도가 유지된다. 동시에 그 사람은 AI Agent가 초안, 매칭, 분석, 문서화를 다 해놓은 결과물을 검수하고 승인만 한다. 1명이 감당하는 캐파는 5~10배로 뛴다. 매출은 캐파에 비례해 올라가고, 액션당 원가는 인건비에서 API 비용 수준으로 수렴한다.
이 구조에서 이익률은 두 방향에서 동시에 개선된다. 매출은 캐파 증가로 올라가고, 변동비는 API 단가로 내려간다. 둘 중 하나만 움직여도 좋은데, 둘이 동시에 움직인다.
AI Agent를 서비스의 "기능"으로 그냥 붙이는 경우가 가장 흔한 실패다. 기존 서비스에 AI 답변 생성을 옵션으로 추가하거나, AI 요약을 기능으로 끼워넣거나, 검색 결과 옆에 AI 코멘트를 다는 식이다. 이런 적용은 매출도 안 늘고 인건비도 안 줄인다. 캐파는 그대로인데 API 비용만 추가로 발생한다. 원가만 올라간 채 차별화는 만들어지지 않는 상태다.
문제는 이게 겉으로는 혁신처럼 보인다는 점이다. "우리도 AI 붙였습니다"는 마케팅 메시지로는 작동하고, 투자자 미팅에서도 좋은 소재가 된다. 그러나 P&L을 열어보면 변동비 항목이 늘어났을 뿐, 매출 단가도 그대로고 인당 처리량도 그대로다. 사용자 입장에서도 "있어도 그만, 없어도 그만"인 기능이라 LTV에 기여하지 않는다.
진짜 위험은 여기서 멈추지 않는다는 데 있다. AI 기능을 붙인 만큼 운영팀은 그 기능을 유지·개선해야 하고, 프롬프트 튜닝과 모델 교체에 인력이 들어간다. 즉, 변동비뿐 아니라 고정비까지 같이 올라간다. 매출 곡선은 평평한데 비용 곡선만 두 방향으로 들리는 구조다.
결국 잘못된 적용은 단순히 "효과가 없는" 수준이 아니라, 비용 구조를 적극적으로 악화시키는 결정이 된다. AI Agent를 도입하기 전에 반드시 확인해야 하는 건 "이 적용이 인당 캐파를 늘리는가, 아니면 그냥 기능을 하나 더 얹는 것인가"다. 후자라면 붙이지 않는 편이 P&L에 낫다.
P&L(Profit and Loss Statement, 손익계산서)
사람이 할 때의 원가가 API 1회 인아웃 비용보다 충분히 큰가?
→ 작으면 붙일 이유 없음
AI가 백그라운드에서 처리하고, 사람이 프론트에서 마감하는 구조로 설계 가능한가?
→ 불가능하면 신뢰가 깨져서 매출이 빠짐
이 두 질문에 모두 Yes가 나오는 영역에만 AI Agent를 투입한다. 그러면 AI Agent는 비용이 아니라 캐파 증폭기가 되고, 서비스는 "AI를 쓰는 서비스"가 아니라 "사람보다 더 사람 같은 서비스"가 된다.
원천기술을 만들 게 아니라면, AI Agent의 적용은 기술 검토가 아니라 숫자 검토다.
액션당 인건비와 API 단가를 나란히 놓고, 그 격차가 가장 큰 지점부터 해결하면 그게 곧 혁신이다.