"소프트웨어를 만드는 건
전체 비용의 15%일 뿐이다"

엔터프라이즈 환경은 생각보다 훨씬 복잡합니다. 서로 다른 수많은 시스템이 연결되고, 끊임없이 구현·조율되어야 하며, 버전 관리와 하위·상위 호환성까지 맞물려 돌아갑니다. ServiceNow는 20년 넘게 바로 그 복잡함을 대신 관리해 왔습니다. 포춘 500은 물론 포춘 2000 대부분이 우리 플랫폼 위에서 돌아갑니다.

AI도 똑같이 우리 플랫폼 안에 녹여 넣었습니다. 고객이 평소처럼 소프트웨어를 업그레이드하기만 하면, 기존 환경을 깨뜨리지 않으면서 최신 AI 자동화·효율을 그대로 얻습니다. 새로 뭔가를 배울 필요도 없죠.

지금 시장의 내러티브는 "소프트웨어 만드는 게 쉬워졌으니 다 갈아엎고 새로 만들면 된다"는 겁니다. 하지만 '만드는 것'은 전체 비용의 15~20%에 불과합니다. 진짜 비용은 유지보수, 거버넌스, 보안, 규제 준수예요. 예측할 수 없고, 안전하지 않고, 규제를 못 지키는 시스템을 기업이 운영할 수는 없습니다.

이 비유처럼, 직접 소프트웨어를 만들 수 '있다'고 해서, 이미 같은 비용(혹은 더 낮은 비용)에 그 일을 다 해주는 소프트웨어를 두고 굳이 직접 만들 이유가 없습니다. 그래서 우리 AI 사업은 고객의 기존 투자를 보존하면서 매우 빠르게, 가속해서 성장하고 있습니다.

맞습니다. 그리고 핵심이 하나 더 있어요. 기업 안의 일은 문서화돼 있지 않습니다. 표준 운영 절차 문서는 극히 일부고, 예외 처리·누가 무엇을 왜 승인했는지 같은 결정적 맥락은 대부분 문서 밖에 있습니다.

우리는 플랫폼에서 연간 1,000억 건의 워크플로와 7조 건의 트랜잭션을 돌리고, 이게 매년 20% 넘게 늘고 있습니다. 그 과정에서 "이 결정이 왜 내려졌는가"라는 맥락을 끊임없이 수집합니다. 이걸 Context Engine에 모아 AI 위에 얹으면, 우리 결과물은 90~100% 정확합니다. 문서만 읽고 돌리는 다른 시스템은 50~60%에 그치죠.

예를 들어 직원 온보딩은 회사마다 17~20개 시스템을 부서·예외에 맞춰 갱신해야 하는데, 우리는 하루 만에 끝내고 다음 날 생산성을 냅니다. 맥락 없이 직접 만들면 2주가 걸리고, 절반은 틀려서 다시 해야 합니다.

우리는 늘 개방형 생태계였습니다. 예전엔 사람이 UI로 로그인해 일을 처리했지만, 이제는 에이전트가 시스템에 들어와 "이 일을 해달라"고 요청합니다. ServiceNow는 데이터를 주는 회사가 아니라 '행동(action)을 수행하는 시스템'이에요.

그래서 Claude Cowork든, Copilot이든, 우리 자체 UI든, 요청이 들어오면 우리가 그 일을 끝까지 처리하고 결과를 돌려줍니다. 이 헤드리스 계층을 Action Fabric이라 부릅니다. 핵심은 데이터 '접근'이 아니라 일의 '완수'입니다. 맥락 데이터를 넘겨주는 게 아니라, 내가 그 일을 대신 해주는 거죠. 그래서 모든 기업에 대한 내 가치가 오히려 커집니다.

Context Engine은 워낙 우리 고유 IP라 외부에서 이해하지도 못합니다. 우리가 에이전트 위에 그걸 얹어 일을 끝내주고, 그 대가로 과금합니다. 이게 수익화 방식이에요.

100% 그렇습니다. Anthropic이 우리와 협업하는 이유도, Claude Cowork이 무언가를 실제로 '실행'하려면 누군가 그 행동 파트를 해줘야 하기 때문입니다. Action Fabric과 붙으면 end-to-end가 완성됩니다.

여기에 작년 출시한 AI Control Tower가 더해집니다. 우리 것뿐 아니라 Claude·OpenAI·Gemini·SAP Joule·Salesforce 등 회사 안의 모든 AI 시스템을 발견하고, 비용·보안·거버넌스를 한 곳에서 통제합니다. 또 Veza를 인수해 '비인간(non-human) 신원' 관리를 붙였습니다. 에이전트가 실시간으로 잘못된 짓을 못 하게 막는 거죠.

몇 년 전 Pro Plus와 Now Assist라는 상위 티어를 도입하면서 하이브리드 구조로 바꿨습니다. 시트 + 'Now Assist 사용권(entitlement)'을 소진(burn-down)하는 방식이죠. 고객은 상한선(예측 가능성)과 사용 유연성을 동시에 갖습니다. 이 구조가 크게 먹혀서 올해 계획 ACV가 15억 달러, 매우 빠르게 성장 중입니다.

이제 이 방식을 모든 SKU에 적용합니다. 기본부터 최상위까지 AI 기능을 등급별로 차등 제공하고, Now Assist를 티어 간에 자유롭게(fungibly) 쓰게 합니다. 그 결과 신규 매출의 50%가 이미 비(非)시트 기반입니다. 시트는 늘 있겠지만, 예측 가능한 소비 요소가 함께 가는 거죠.

"무제한으로 쓰고 많이 쓸수록 보상받는다"는 식의 모델은 솔직히 말이 안 됩니다. 이번 달 청구서가 얼마 나올지 모르는 구조는 기업에서 작동하지 않아요.

(웃음) 그런 게 통한다는 것 자체가 놀랍습니다. 비논리적이에요. (※ 무제한 소비형 과금의 지속 불가능성을 꼬집은 발언)

상호운용성은 늘 필요합니다. 단 하나의 제품만 쓰는 기업은 없어요. 오케스트레이터도 여러 개가 공존하고, 에이전트끼리(agent-to-agent) 연결해야 합니다. 제조사라면 공급망은 자기 고유 IP라 직접 만들겠죠 — 좋습니다. 하지만 그걸 IT·HR·재무·고객서비스 같은 핵심 운영 시스템에 연결해야 하고, 그게 ServiceNow가 가장 잘하는 일입니다.

결국 고객이 원하는 건 '솔루션'이지 '부품(spare parts)'이 아닙니다. 엔터프라이즈 소프트웨어에서 부품 조립 방식은 수십 년간 늘 실패했어요. 그래서 우리는 AI Specialist(자율 작업자)를 내놨습니다. 2일 걸리던 일을 20분 만에, 예측 가능하게 끝내 인건비를 줄여주는 거죠.

그리고 모든 게 AI일 필요는 없습니다. DB 레코드 갱신은 그냥 API 호출로 충분한데, 왜 매년 가격이 오를지 모르는 LLM 토큰을 태웁니까? 어디에 전통 소프트웨어를 쓰고, 어디에 AI·ML을 쓰고, 어떤 모델 버전을 쓸지 영리하게 골라야 합니다. 전부 Opus 4.7일 필요는 없어요. 작고 싼 모델이 필요한 곳엔 그걸 쓰고, 그 위·주변에 IP를 쌓습니다.

우리는 모델 애그노스틱(model-agnostic)입니다. 어떤 시스템·클라우드·데이터·모델 위에서도 돌아가게 했습니다. LLM(프런티어 랩)은 전체 스택의 8~10%에 불과하고, 90% 이상의 IP는 우리가 만듭니다. 차별화는 거기서 나옵니다.

모델 상당수는 서로 교체 가능합니다. 그래서 가격이 바뀌면 가장 좋은 걸 고르고, AI Control Tower로 비용 구조를 다 알기 때문에 용도별로 최적 모델을 골라 커버 아래에서(under the covers) 갈아 끼웁니다. 클라우드에서 어떤 칩을 쓰는지 아무도 신경 안 쓰듯, 모델도 결국 그렇게 될 겁니다. 자율 AI가 티켓을 2일→20분으로 줄여준다면, 밑에서 무슨 모델을 쓰는지 누가 신경 쓰겠어요?

작년 초만 해도 고객의 3대 장벽은 ①어디서 시작하지? ②어떻게 하지? ③안전·규제·가시성은? 이었습니다. 그래서 우리는 순서대로 풀었습니다.

먼저 AI Control Tower로 거버넌스·보안·가시성 문제를 테이블에서 치웠습니다(통제 없이 시스템이 날아가 버린 PocketOS 같은 사례가 있었죠). 다음으로 100가지 사용 사례를 point-and-click 방식으로 만들어 "어디서 시작하지?"를 해결했고, FDE(전진 배치 엔지니어)를 투입해 첫 사례를 몇 주 만에 라이브로 띄웠습니다.

한두 개 사례가 성공하면 '게이트가 열리듯' 부서마다 4~5개씩 추가로 달라붙습니다. 그래서 올해 Now Assist 목표를 15억 달러(+50%)로 올렸고, AI 고객의 70%가 이미 pre-prod·prod 단계입니다. 작년은 실험(파일럿)이 많았다면, 올해는 대부분 실제 생산 환경 얘기예요.

2030년 300억 달러(현재의 2배)는 '베이스 케이스'입니다 — 보수적으로 잡은 거예요. CEO Bill에게 물으면 300억은 고민거리도 아니라고 할 겁니다. 성장 엔진은 넷입니다.

①보안: 사람들이 잘 모르지만 우리는 시장 최대 사이버보안 공급사 중 하나입니다. CIO가 1순위, CISO(보안책임자)가 2순위 구매 주체예요. ②데이터: Workflow Data Fabric과 작년 출시한 RaptorDB가 1년도 안 돼 1억 달러 ACV, 10억 달러+ 사업으로 키울 겁니다. ③CRM: 고객서비스·현장서비스·CPQ가 매우 잘 나갑니다. ④여기에 견고한 IT·HR 핵심 사업과 Moveworks로 만든 직원 인게이지먼트 계층(예: CVS Health 16만 명 매일 사용)이 더해집니다.

AI는 분명한 순풍입니다. AI Control Tower와 보안 제품으로 둘러싸면 훨씬 더 많은 대화에 들어갈 수 있고, 그게 이미 숫자로 나타나고 있습니다.

비교적 새로운 사업입니다. 예전엔 임베디드 리포팅·데이터 통합이 여기저기 흩어져 있었는데, CEO Bill과 Amit이 "차세대 수십억 달러 사업을 세워달라"며 저를 영입했습니다. 동기는 둘이었어요. 고객이 "데이터를 진지하게 다뤄달라"고 했고, 무엇보다 AI 성공과의 관련성이 결정적이었죠.

다들 보셨을 겁니다 — MIT 연구에서 AI 프로젝트의 95%가 실패한다는 충격적 통계요. 그 보고서를 읽어보면 대부분 원인이 데이터 문제입니다. 데이터가 사일로(silo)에 갇혀 있고, 찾아도 의미를 모르고, '진실의 버전'이 5개나 되고, 품질이 의심스럽죠. 그래서 우리는 "에이전틱 AI에 진지하다면 데이터·분석에도 진지해야 한다"고 결론 내렸습니다.

그 결과 만든 제품 라인이 강한 반응을 얻어, 몇 분기 안에 ARR 10억 달러+를 돌파할 궤도에 있습니다.

AI 시대의 데이터를 우리는 '4C' 프레임워크로 봅니다. ①Connect(연결) — 모든 시스템·데이터 플랫폼을 연결해 AI가 학습할 수 있게 한다. ServiceNow 데이터만으론 안 됩니다. ②Control(통제) — 연결만으론 부족, 신뢰할 수 있게 지속적으로 정제·거버넌스한다. ③Context(맥락) — 데이터의 의미와 관계를 안다(우리 큰 투자 영역). ④Converge(수렴) — '인사이트를 얻는 시스템'과 '행동을 취하는 시스템'을 하나로 합친다.

제품 매핑은 이렇습니다. Workflow Data Fabric = Connect + Control, 새 분석 제품군 = Context, RaptorDB = Converge입니다.

솔직히 처음엔 스타트업으로 갈 생각이었습니다. 그런데 Bill과 통화 후 그 자리에서 "예스"를 해버렸어요(아내와 상의도 전에…). 이유는 셋이었습니다.

첫째, 이 회사는 창업자 Fred Luddy 시절부터 늘 제1원리로 돌아가 "어떻게 설계해야 이기는가"를 고민합니다. 단일 코드베이스, 단일 플랫폼, 단일 보안 모델, 단일 사용자 경험 — 이 고통스러운 규율이 레버리지를 만듭니다. 아르키메데스가 "충분히 긴 지렛대만 있으면 달도 들어 올린다"고 했죠. 그게 아키텍처 순수성이 주는 힘입니다. 둘째, 규모가 커졌는데도 스타트업 같은 혁신 문화가 살아있다는 점. 셋째… Bill의 제다이 마인드 트릭이었고요.

여기가 정말 중요한 포인트입니다. 우리는 데이터·분석팀에 직접 팔지 않고도 데이터·분석 거물(juggernaut)이 되어가고 있습니다. 방법은 이렇습니다.

이미 워크플로로 우리를 쓰는 플랫폼 오너에게 묻습니다 — "당신의 운영 워크플로와 분석을 10배 빠르게 해드릴까요? POC로 결과를 보여드리죠." 그러면 RaptorDB Pro가 팔립니다. 컬럼스토어 인덱싱이니 병렬 처리니 하는 '스펙(speeds and feeds)' 얘기는 한마디도 안 합니다. 파는 건 오직 '가치와 결과'예요.

다음 단계는 "에이전트가 ServiceNow뿐 아니라 Workday·Snowflake·Databricks 데이터로도 학습하게 할까요?" → Workflow Data Fabric. 분석도 "production 변경 중 어떤 게 실패하고 어디서 장애가 급증할지 예측해드릴까요?"처럼 결과(outcome)를 팝니다. 본질은 데이터·분석 제품을 '솔루션' 안에 숨겨서 파는 것이죠. 그렇게 권리를 얻은 뒤에야 비로소 데이터 부서에 직접 들어가는 게 2단계입니다.

엔터프라이즈 소프트웨어 역사는 둘을 분리해 왔습니다. OLTP(트랜잭션 처리 — ERP·CRM 등 '일을 실행')와 분석(질문에 답 — 데이터를 창고로 퍼 날라 분석). 그런데 이제 수백만~수십억 개의 AI 에이전트가 우리 대신 생각하고 행동하는 세상을 상상해 보세요. 데이터를 옮기면 지연(latency)이 생기고, 에이전트가 '낡은 데이터'로 행동하게 됩니다.

같은 워크호스 DB가 운영과 분석을 둘 다 하면, 지연 없는 실시간 인사이트를 줍니다. 게다가 우리는 Tableau·Power BI 같은 외부 분석 툴을 RaptorDB에 직접 꽂는 것도 허용합니다. 고객의 선택을 존중하는 거죠.

초기엔 "데이터 연결·품질·거버넌스, 해야 하는 건 알아(손 5번 씻기 같은 거)"라는 반응이었어요. 그런데 맥락(context)이 모든 걸 바꿨습니다. AI 에이전트의 품질(환각·편향 감소)이 맥락의 풍부함에 직접 비례한다는 걸 입증할 수 있게 됐거든요. 그러자 "이거 선결조건이네"가 됐죠.

우리 비전은 독특합니다. ServiceNow의 원조 비밀병기가 CMDB와 Knowledge Graph였어요 — 가장 작은 IT 부품부터 비즈니스 서비스까지 계보·영향분석을 매핑. 여기에 Snowflake·Databricks의 맥락, Veza(신원·사용자), Armis(자산) 인수로 얻은 맥락을 더했습니다. 그래서 우리 Context Graph는 '그래프들의 그래프(graph of graphs)'가 됩니다.

우리 포지션은 시장에서 독특합니다. 데이터를 우리 클라우드로 옮길 필요가 없습니다. SAP·Snowflake·Databricks·BigQuery·Oracle에 그대로 두세요. 우리는 그걸 RaptorDB에 논리적으로 표현하고, 질문이 들어오는 순간 쿼리를 해당 데이터 창고로 내려보내(federate) 처리합니다.

그들도 행복합니다(데이터 처리 소비가 계속 발생하니까). 우리도 행복합니다(우리는 '시스템 오브 액션'의 platform of platforms이자, 인사이트의 platform of platforms가 되니까). 다들 '데이터 중력(data gravity)'을 말할 때 우리는 그게 필수가 아니라고 봤습니다. 우리에게 중요한 건 '지식 중력(knowledge gravity)'이에요. 데이터 창고 위에 앉아서도 그걸 할 수 있습니다.

"BI의 죽음"은 과장됐습니다. '모던 BI'가 있고, 이건 1,000억 달러 TAM 카테고리의 완전한 재편입니다. 세 가지가 동시에 벌어지고 있어요.

①AI 에이전트도 사람처럼 '공식적이고 거버넌스된 단 하나의 비즈니스 지표'가 필요합니다(월요일 오전과 오후의 ROIC 정의가 다르면 안 되죠). ②인사이트와 행동의 분리는 에이전트 세상에서 살아남을 수 없습니다 — 업무 흐름 속 실시간 분석이 필요해요. ③대시보드는 크게 쇠퇴하고 대화형(conversational)으로 전환됩니다. 질문도 답도 대화로 하고, AI가 결과를 해석·이상치 탐지해주고, 우리는 ServiceNow니까 위험을 탐지하면 곧바로 워크플로를 트리거해 교정합니다 — 한 플랫폼 안에서요. 아무도 이걸 못 합니다. 최근 인수한 Pyramid가 이 인사이트+행동 결합의 핵심입니다.

두 가지입니다. 하나는 앞서 말한 고유한 맥락. 우리는 20년 워크플로 위에 Decision Graph(결정 그래프)를 쌓았습니다 — "이 결정이 왜 내려졌나, 누가 예외를 승인했나, 승인 체인을 거쳤나"를 과거·미래 양방향으로 추적해 AI가 더 똑똑한 결정을 하게 합니다.

둘째는 Bill이 말하는 '규칙과 레일(rules and rails)', 즉 통제 패러다임과 하네스입니다. 이게 데이터에도 적용됩니다. 우리는 데이터를 '축복받은(blessed) 자산'으로 만들어, 인증되지 않으면 AI도 사람도 못 씁니다. 그게 하네스이자 통제 장치예요. 사실 저는 이걸 'Autonomous Data Governance'라 이름 붙이기 전에 'Data Control Tower'라 부르고 싶었는데, "관제탑은 하나뿐"이어야 한다고 해서 양보했습니다.(웃음)

세 가지를 말씀드리고, 왜 그게 정답이 아닌지 말씀드리죠. ①데이터 이동 없이 운영+분석을 한 DB에서 하는 수렴 DB(우리 규모에선 아무도 없음). ②외부 데이터를 옮기지 않고 이해·행동을 federate하는 능력. ③20년 누적 워크플로 위의 CMDB — 100억+ 워크플로·수조 트랜잭션을 받쳐본 적 없으면 만들 수 없습니다.

하지만 진짜 1번은 이 모든 보석이 '단일 플랫폼' 위에 있다는 사실입니다. 단일 데이터 모델, 단일 보안 모델, 모두를 위한 통합 UX. 아무도 이걸 못 가졌어요. Fred Luddy가 창업 때 회사의 정체성으로 못 박았기 때문입니다. 그게 진짜 차별화입니다.

더 낮은 총소유비용, 더 높은 정확도, 그리고 IT 인력이 같은 기술로 HR·CRM·ERP까지 마법처럼 다룰 수 있다는 점입니다. 보안 설정 한 번 하면 HR이든 CRM이든 그 권한이 자동 상속됩니다. 대안 솔루션은 다 사일로라서, 그걸 꿰매려고 또 다른 제품을 사야 하죠.

그래서 여러 제품을 산 고객(ITSM+HR 온보딩 등)이 가치를 가장 크게 체감하고, 가장 쉬운 업셀 대상입니다. 설치 기반(installed base)은 행복하고, 그래서 우리는 '유죄로 입증되기 전까진 무죄' — 기회를 받습니다. 그게 큰 자산이에요.