전통적인 엔터프라이즈 소프트웨어의 확장은 종종 방대한 영업 조직과 긴 구축 기간을 수반합니다. 초기 접촉부터 실제 배포까지 보통 수개월이 걸리며, 여러 차례의 데모, 컴플라이언스 검토, 커스터마이징 개발이 필요합니다. 하지만 AI 직원 Viktor는 이러한 상식을 깨뜨렸습니다.

비즈니스 데이터를 깊이 살펴보기 전에, Viktor가 정확히 무엇인지 먼저 이해할 필요가 있습니다. 이 제품은 DeepMind 출신 연구 개발팀이 설립했으며, 핵심 철학은 단순한 Copilot이 아닌 'Tier 3 AI Coworker'(제3계층 AI 동료)를 만드는 것입니다. Viktor 팀의 관점에서 현재 대부분의 AI 도구는 '초안을 작성하고 사람이 완료하기를 기다리는' 단계에 머물러 있으며, Viktor의 목표는 '엔드투엔드 실행 및 결과 전달'입니다.

쉽게 말해, Viktor는 지치지 않는 디지털 직원과 같습니다. 여러 소프트웨어 사용법을 가르칠 필요도, 복잡한 명령어를 작성할 필요도 없습니다. Slack이나 Teams 채팅창에서 동료를 @멘션하듯 Viktor를 호출하여 "지난주 화둥 지역 매출 데이터를 조회하고 차트가 포함된 브리핑을 생성해 줘"라고 말하면, Viktor는 스스로 CRM 시스템에서 데이터를 가져와 스프레드시트 도구에서 차트를 만들고 최종 브리핑을 대화창으로 보내줍니다. 수동적인 응답 외에도 특정 시간이나 이벤트 발생 시 능동적으로 작업을 수행할 수 있습니다. 예를 들어 심야에 자동으로 대사(對査)를 진행하거나, 6개의 서로 다른 도구에서 데이터를 수집해 이사회용 PPT를 생성하는 식입니다.

공식 발표에 따르면, 바로 이 제품이 Slack 플랫폼에서 영업팀이나 구축 프로젝트 없이 연간 반복 매출(ARR) 2천만 달러를 달성하고 3만 개 이상의 회사에 서비스를 제공하고 있습니다. 최근 Viktor는 Microsoft Teams에 정식으로 통합되어 3억 2천만 사용자 생태계에 무료 체험을 개방했습니다. AI 직원이 프롬프트 엔지니어링을 버리고 '제로 진입 장벽 @멘션'으로 나아갈 때, 기업 자동화 업무의 임계점이 도래한 것일까요? 이는 단순한 제품 기능 업데이트의 문제가 아니라, 기업용 AI 애플리케이션 비즈니스 모델의 근본적인 재구성에 관한 문제입니다.

영업팀 없이 2천만 달러 매출, 기업용 AI에서 PLG 모델의 승리

기업용 SaaS 업계는 오랫동안 '영업 주도'를 신봉해 왔습니다. 대형 고객을 확보하기 위해 기업은 방대한 영업팀을 구성하고, 고객 성공 매니저를 배치하며, 긴 POC(개념 증명) 및 구축 기간을 거쳐야 합니다. 이 모델은 고객 획득 비용이 매우 높고, 인간 관계 유지에 크게 의존합니다. Viktor가 Slack에서 보여준 성과는 완전히 다른 경로를 제시합니다.

공식적으로 공개된 데이터에 따르면, Viktor는 영업팀, 구축 프로젝트, 좌석 기반 계약 없이 연간 반복 매출 2천만 달러를 달성하고 3만 개의 회사에 서비스를 제공했습니다. 이러한 순수 PLG(제품 주도 성장) 모델은 전통적인 SaaS 시대에도 선례가 있었지만, 복잡한 기업용 AI 애플리케이션에서는 극히 드뭅니다. AI 제품은 보통 많은 컨텍스트 설정과 시나리오 디버깅이 필요하여 바로 사용하기 어렵습니다. Viktor가 자발적 확산을 이룰 수 있었던 핵심은 설정 진입 장벽을 최소화한 데 있습니다.

전통적인 SaaS의 좌석 기반 과금 모델은 기업이 구매 시 '유휴 낭비'에 대한 우려를 갖게 만듭니다. 100개의 계정을 구매해도 실제로는 20명만 자주 사용하고 나머지 80개 계정은 매몰 비용이 될 수 있습니다. Viktor는 크레딧 또는 작업 소모량 기반 과금을 선호하며, 이 모델은 AI가 작업을 실행하는 실제 로직에 더 부합합니다. 기업은 더 이상 'AI를 사용할 가능성이 있는 직원 수'가 아니라 'AI가 실제로 완료한 작업량'에 대해 비용을 지불합니다.

이러한 과금 방식은 기업 구매의 시행착오 비용을 낮춰, 부서급 관리자나 심지어 일반 직원이 신용카드나 무료 크레딧으로 직접 사용을 시작할 수 있게 하여 긴 IT 구매 승인 과정을 우회하게 합니다. 이 비즈니스 모델의 성공은 기업용 AI 제품의 핵심 진입 장벽이 영업 채널의 커버리지 능력이 아니라, 제품 자체가 매우 짧은 체험 주기 내에 그 가치를 입증할 수 있는지에 달려 있다는 판단을 입증합니다.

Viktor가 제공하는 100달러 무료 크레딧과 신용카드 등록 불필요 전략은 바로 이 '가치 검증' 주기를 극대화하기 위한 것입니다. 직원이 Viktor를 @멘션하는 것만으로 원래 몇 시간 걸리던 대사 작업을 완료할 수 있다는 것을 발견하면, 제품의 자발적 확산이 자연스럽게 일어납니다. 공개 보도에 따르면, Viktor는 최근 DN Capital이 주도한 7,500만 달러 규모의 시리즈 A 투자를 유치했으며, 이는 자본 시장이 PLG 모델을 인정하고 있음을 방증합니다. 하지만 2천만 달러 ARR의 구체적인 계산 기준은 공식적으로 상세히 공개되지 않아, 크레딧 소모 기준인지, 액션 과금 기준인지, 혹은 혼합 모델 환산인지 외부에서는 알 수 없습니다. 이러한 불투명한 과금 방식은 초기에는 사용 진입 장벽을 낮추는 데 도움이 되지만, 기업이 대규모로 구매할 때 ROI 계산에 장애가 될 수 있습니다.

프롬프트 장벽을 허물다, '초안 작성 및 대기'에서 '엔드투엔드 전달'로

Viktor가 제로 설정으로 자발적 확산을 이룰 수 있었던 핵심은 상호작용 패러다임의 차원 축소에 있습니다. 전통적인 AI 도구의 사용 효과는 사용자의 프롬프트 작성 능력에 크게 의존합니다. OmniTools의 사내 기사 '3년간 관찰한 결과, 나는 모든 사람의 AI 사용 수준을 10단계로 나누었다'에서 이 현상을 상세히 분석한 바 있습니다. 구조화된 프롬프트에서 에이전트 스킬 패키징까지, AI 사용자의 수준은 여러 단계로 나뉘며, 프롬프트 엔지니어링은 보이지 않는 장벽이 됩니다.

기업의 실제 시나리오에서 이 장벽은 특히 치명적입니다. 재무 담당자, HR 담당자, 운영 관리자는 AI와 복잡한 '프롬프트 게임'을 하는 방법을 배울 시간도, 의무도 없습니다. AI 사용 효과가 직원의 프롬프트 작성 능력에 달려 있다면, AI는 영원히 소수 얼리어답터의 효율성 도구에 머물 뿐 기업의 범용 인프라가 될 수 없습니다.

Viktor의 포지셔닝은 단순한 Copilot이 아닌 'Tier 3 AI Coworker'입니다. 기본 Copilot의 로직은 '초안을 작성하고 사람이 완료하기를 기다리는 것'으로, 문서 요약이나 이메일 초안 작성에는 능숙하지만 마지막 단계에서는 여전히 사람의 개입이 필요합니다. 예를 들어, Copilot에게 고객 후속 이메일을 작성하게 하면, 작성 후 사용자가 이메일 클라이언트에 복사하고 수신자를 수동으로 입력하여 발송해야 합니다. Viktor의 로직은 '엔드투엔드 실행 및 결과 전달'입니다. 사용자는 자연어로 목표만 설명하면, 에이전트 런타임이 자율적으로 실행 단계를 결정하고 필요한 도구를 호출하여 루프를 완성합니다. 동일한 고객 후속 작업에서 Viktor는 이메일 시스템에 직접 연결하여 고객 정보를 자동으로 채워 발송하고, 고객의 답장에 따라 자동으로 다음 알림을 예약할 수도 있습니다.

이 메커니즘은 프롬프트 엔지니어링으로 인한 수준 격차를 직접적으로 해소합니다. AI 사용 효과는 더 이상 직원의 프롬프트 작성 기술이 아니라 비즈니스 목표의 명확성에 달려 있습니다. 이러한 상호작용 방식은 AI를 '보조 도구'에서 '실행자'로 밀어 올려, 비기술 직원도 마찰 없이 AI 혜택을 누릴 수 있게 합니다.

그러나 이것이 Viktor에게 이해 편차의 위험이 전혀 없다는 의미는 아닙니다. 사용자가 모호한 자연어로 목표를 설명할 때, AI의 런타임 자율 의사 결정 메커니즘은 사용자의 기대와 일치하지 않는 실행 경로를 생성할 수 있습니다. 예를 들어, 사용자가 "영업 파이프라인을 정리해 줘"라고 말하면, Viktor는 장기간 후속 조치가 없었던 기회를 자동으로 '실패'로 표시할 수 있으며, 이는 기업의 영업 프로세스에서 더 복잡한 승인이 필요할 수 있습니다. 진입 장벽이 낮아지면 사용 장벽은 낮아지지만, 비즈니스 목표 설명의 정확성에 대한 요구는 더욱 높아집니다.

심야 자동 대사 및 여러 도구를 넘나드는 PPT 생성, AI가 '프로세스 계층'으로 자리 잡는 방법

@멘션이 인간 명령에 대한 수동적 응답이라면, Viktor의 자동 트리거 메커니즘은 AI 직원의 능동성을 보여주며, 이는 전통적인 챗봇과 구별되는 핵심 특징입니다. Viktor 공식 발표에 따르면, 이 제품은 사람의 @멘션 없이도 자동 트리거 시나리오를 지원합니다. 예를 들어 심야 마감, 대사 및 오류 표시, 지원자 선별 및 통화 예약, 6개의 분리된 도구에서 데이터를 수집해 이사회용 PPT 생성, 오전 5시 정기 운영 작업 실행 등이 있습니다.

이러한 시나리오는 AI가 '대화 계층'에서 기업의 '프로세스 계층'으로 내려가고 있다는 중요한 추세를 보여줍니다. OmniTools의 사내 기사 '일간 활성 사용자 수 업계 2위의 3~4배, 텐센트 WorkBuddy가 사무용 Agent의 어떤 틈을 열었나?'에서 사무용 Agent가 비개발자 그룹에 어떻게 서비스를 제공하는지 탐구한 바 있습니다. Viktor든 WorkBuddy든, 그 핵심 로직은 원래 여러 시스템과 여러 사람의 개입이 필요했던 고정된 프로세스를 AI가 자동으로 실행할 수 있는 원자적 작업으로 패키징하는 것입니다.

재무 대사를 예로 들면, 전통적인 프로세스에서 재무 담당자는 Stripe에서 결제 데이터를 내보내고, Xero에서 계정 데이터를 내보내고, Excel에서 VLOOKUP으로 비교하여 차이점을 찾아 수동으로 표시해야 합니다. 이 과정은 지루하고 시간이 많이 소요되어 보통 재무 담당자에게 2시간이 걸립니다. Viktor는 관리형 인증을 통해 3200개 이상의 도구에 연결되어 있습니다. 시스템 시간이 심야 설정 노드에 도달하면, Viktor는 자동으로 Stripe와 Xero에 로그인하여 당일 데이터를 가져오고, 비교 로직을 실행하며, 오류 항목이 표시된 보고서를 재무 채널로 전송합니다. 전체 과정에 사람의 개입이 필요 없으며, 공식 발표에 따르면 단 6분밖에 걸리지 않습니다.

또 다른 예로 여러 도구를 넘나드는 이사회용 PPT 생성이 있습니다. 임원은 매출 데이터, 제품 진행 상황, 시장 피드백이 포함된 브리핑이 필요합니다. 전통적인 방식에서는 비서가 CRM, 프로젝트 관리 도구, 고객 서비스 시스템을 각각 열어 데이터를 복사하고 차트를 만든 후 마지막으로 PPT에 붙여넣어야 합니다. Viktor는 오전 5시에 이 일련의 작업을 자동으로 실행하여 대화창에 완성된 PPT 파일을 직접 출력할 수 있습니다.

이러한 자동 트리거 기능을 뒷받침하는 것은 Viktor의 조직 수준 메모리 및 컨텍스트 인식 메커니즘입니다. 제3자 평가에 따르면, Viktor는 영구 메모리를 갖추고 있습니다. 재무 담당자가 UTM 형식이나 대사 규칙에 대한 Viktor의 오류를 한 번 수정하면, Viktor는 이를 영구적으로 기억하고 이후 모든 관련 작업에 해당 규칙을 자동으로 적용합니다. 심지어 채널의 대화 기록을 읽고 과거 의사 결정의 이유를 능동적으로 설명할 수도 있습니다.

이 메커니즘은 Viktor를 단순한 작업 실행 도구가 아니라 기업의 모범 사례와 비즈니스 규칙이 축적된 '프로세스 계층'으로 만듭니다. 이는 수동 알림, 인수인계 및 '감정 관리'의 마찰 비용을 낮춥니다. 숙련된 직원이 퇴사하고 신입 직원이 입사해도 Viktor의 메모리에 저장된 규칙과 프로세스는 그대로 유지되어 비즈니스 실행의 연속성을 보장합니다.

Slack에서 Teams로, PLG 모델이 기업 컴플라이언스 심해를 건너는 방법

Viktor의 Microsoft Teams 통합은 상용화 과정에서 중요한 단계입니다. Slack은 유연성과 개발자 친화성으로 유명하며 린(Lean) 팀과 최전선 회사의 '테스트베드' 역할을 하지만, Microsoft Teams는 더 완전한 부서 구조, 승인 체인 및 조직도를 갖춘 '실제 대규모 조직'의 소재지입니다. 공식 데이터에 따르면 Teams는 3억 2천만 명의 사용자를 보유하고 있습니다. Viktor가 Teams에 진출한 것은 AI 직원이 '얼리어답터의 장난감'에서 공식적으로 '기업 핵심 구매 고려 대상'으로 진입했음을 의미합니다.

그러나 Slack에서 Teams로의 이동은 단순한 플랫폼 마이그레이션이 아니라, PLG 모델이 컴플라이언스 심해로 진입하는 시작입니다. Slack에서는 사용자가 몇 초 만에 앱 설치 및 권한 부여를 완료할 수 있으며, 이러한 극히 낮은 마찰이 Viktor의 바이럴 확산 기반이었습니다. 하지만 Teams에서는 이 몇 초 만의 설치가 긴 IT 관리자 승인 대기열, 보안 검토(예: SOC 2 컴플라이언스 요구 사항) 및 앱 거버넌스 정책으로 대체됩니다.

대기업의 IT 부서는 데이터 읽기 및 쓰기 권한을 가진 모든 서드파티 앱에 대해 높은 경계심을 유지합니다. Viktor는 엔드투엔드 작업 실행을 위해 CRM, 재무 시스템, 심지어 코드 저장소에 대한 읽기 및 쓰기 권한을 획득해야 합니다. 이러한 높은 권한은 기업의 구매 주기를 우회할 수 없음을 의미합니다. Viktor가 Slack에서 검증한 '상향식' PLG 확산 경로는 Teams에서 IT 부서의 '하향식' 통제에 의해 차단될 수 있습니다.

이러한 도전에 대응하기 위해 Viktor는 Teams에서도 100달러의 무료 크레딧 체험을 개방했으며, 신용카드 등록이 필요하지 않습니다. 이는 전형적인 '웨지(wedge)' 전략으로, IT 부서가 미처 인지하기 전에 먼저 일반 직원들이 제품 가치를 경험하게 하여 내부 요구를 형성한 후, IT 부서의 컴플라이언스 승인을 역으로 압박하는 것입니다. 그러나 이 전략이 Teams 생태계에서 얼마나 효과를 거둘지는 지켜봐야 합니다. 결국 기업 구매 결정은 제품 경험뿐만 아니라 컴플라이언스 위험과 데이터 자산 보안에 달려 있습니다.

완전 자동 실행의 대가: 블랙박스 위험과 신뢰 게임

Viktor가 그리는 '제로 진입 장벽'과 '완전 자동 실행' 비전은 의심할 여지 없이 기업 운영 효율성의 핵심 문제를 찌릅니다. 그러나 실제 배포에서 이 모델은 무시할 수 없는 신뢰 위기와 블랙박스 위험에 직면합니다.

광범위한 커버리지와 엔드투엔드 전달을 실현하기 위해 Viktor는 각 실행 단계에 대한 세밀한 제어를 희생했습니다. 전통적인 워크플로우 자동화 도구(예: n8n 또는 Zapier)는 설정이 번거롭지만, 각 단계의 데이터 흐름과 로직 분기를 볼 수 있어 운영자가 오류를 명확하게 찾을 수 있습니다. 반면 Viktor의 런타임 자율 의사 결정 메커니즘은 실행 과정을 어느 정도 '블랙박스'로 만듭니다. AI가 CRM이나 재무 시스템에 대한 '읽기 및 쓰기 권한'을 가질 때, 한 번의 모델 환각이나 자연어 명령에 대한 잘못된 이해는 잘못된 데이터가 운영 시스템에 기록되도록 하여 데이터 오염이나 심지어 비즈니스 중단을 초래할 수 있습니다.

기업 구매 의사 결정권자가 가장 우려하는 것은 종종 '오작동' 위험입니다. AI 직원이 HubSpot의 고객 정보를 자동으로 업데이트하거나 Xero에서 인보이스를 생성할 수 있지만, 엄격한 사용자별 권한(Per-user permissions)과 감사 로그(Audit logs)가 없다면, 한 번의 잘못된 실행으로 인해 데이터 롤백 및 복구에 막대한 인력이 소요될 수 있습니다. 예를 들어, Viktor가 영업 파이프라인을 자동 정리할 때 실수로 고가치 기회들을 '실패'로 표시하면, 영업팀은 중요한 고객 단서를 잃을 수 있으며, 이러한 오류는 며칠 후에야 발견될 수 있습니다.

이러한 위험을 방지하기 위해 기업은 실제 사용 시 종종 '검토 우선 기본 설정'을 활성화해야 합니다. 이는 Viktor가 중요한 쓰기 작업을 실행하기 전에 반드시 사람의 확인을 기다려야 함을 의미합니다. 이러한 타협은 위험을 낮추지만, '완전 자동 무인 운용'이라는 비전을 깨뜨리고 사람의 개입 단계를 다시 도입합니다. '효율성 향상'과 '오작동 재앙' 사이에서 균형을 찾는 것은 모든 AI 직원 제품이 반드시 답해야 할 질문입니다.

Viktor의 자동 트리거 메커니즘은 새로운 관리 과제도 제기합니다. AI가 이벤트나 시간에 기반하여 자동으로 작업을 실행할 수 있게 되면, 기업은 AI의 행동이 항상 비즈니스 규칙과 컴플라이언스 요구 사항을 준수하는지 확인하기 위한 완전히 새로운 모니터링 시스템을 구축해야 합니다. 엄격한 권한 관리, 상세한 감사 로그, 그리고 설명 가능한 의사 결정 경로는 AI 직원이 대규모로 배포될 수 있는 전제 조건입니다. 이러한 문제가 제대로 해결되지 않으면, AI 직원은 영원히 부서 수준의 주변적 시나리오에 머물러 기업의 핵심 비즈니스 흐름에 진정으로 진입하지 못할 수 있습니다.

Slack에서 Teams까지, Viktor는 제로 장벽 인터랙션이 엔터프라이즈 시장에서 갖는 매력을 검증했으며, PLG 모델이 대규모 조직에서 직면하는 컴플라이언스 저항도 드러냈습니다. AI 직원이 진정한 기업 인프라가 되려면 더 스마트한 모델과 더 낮은 인터랙션 장벽뿐만 아니라, 기업의 신뢰를 얻을 수 있는 거버넌스 프레임워크가 필요합니다. 효율성과 보안의 균형이 점차 맞춰질 때, 기업 자동화 오피스의 티핑 포인트가 비로소 도래할 것입니다.

월러 연준 총재: 데이터가 좋은 결과를 보인다면 올해 3~4번의 금리 인하가 있을 수 있습니다.

인기 기사