Box CEO Aaron Levie: 대기업이 AI에 뒤처지는 진짜 이유 (a16z) (youtube.com) ↗

• Box CEO Aaron Levie 진단. 엔지니어는 코드를 돌려보면 맞는지 바로 확인되니 AI를 잘 씀. 일반 직장인은 비기술자에 데이터·시스템도 다 흩어져 있어 못 씀. 격차 메우는 데 수년
• “MIT의 95% 기업 AI 실패” 통계는 오해. 개인 ChatGPT는 잘 됨. 망하는 건 이사회 압박으로 컨설턴트가 위에서 박아 넣는 큰 프로젝트
• AI를 제품에 챗으로 박지 말고, AI한테도 직원처럼 계정 주고 우리 제품을 직원처럼 쓰게 시키라는 얘기. 6개월 전 챗 기능 끼워 넣은 곳들이 지금 다 갈아엎는 중
• Salesforce가 “화면 없이 API로만 써도 됨”으로 전환(풀 헤드리스). 비즈니스 모델 흔드는 신호. 단 Zillow처럼 자동화 차단 강한 곳은 AI도 결국 사람처럼 Safari 띄워 클릭
• a16z 라이브. Aaron Levie(Box CEO), Martin Casado(a16z 파트너), Stephen Sinofsky(전 MS Windows 책임자) 대담

왜 실리콘밸리는 AI 잘 쓰고 대기업은 못 쓰나?

• 엔지니어한테 AI가 통하는 5가지. 본인이 기술 이해, 도구 직접 선택, 직접 디버깅, 결과 확인 쉬움(코드는 돌려보면 끝), AI가 가장 잘하는 분야가 코드
• 일반 직장인은 정반대. 비기술자 + 데이터 흩어짐 + 시스템 다 옛날 것
• “MIT 95% 실패”의 진짜 패턴. 이사회 압박 → CEO가 컨설턴트 부름 → 한 번에 큰 시스템 깖 → 회사 업무 흐름·데이터·권한과 안 맞아서 무너짐
• 추가로 AI 에이전트 만드는 방식이 매주 바뀜. IT 책임자들이 어디 투자할지 못 정함. 3~4년 전 옛 모델 베팅했다가 사라진 트라우마도 있음

조건	엔지니어	일반 직장인
기술 이해도	높음	낮음
도구 선택권	자유	IT 부서가 결정
결과 확인	코드 돌려보면 끝	어렵고 모호
데이터 위치	한 곳에 모임	여러 시스템에 분산
옛날 시스템	적음	많음

”AI를 사용자로 본다”는 게 무슨 뜻?

• 6개월 전 방식. AI를 제품 안에 챗봇으로 박기. 지금 다 갈아엎는 중
• 새 방식. 제품을 명령어(CLI)·호출 통로(API)로 다룰 수 있게 만들고, AI 에이전트(예: Claude Code)에게 직원처럼 이메일·계정·권한을 줌. AI가 그 명령어를 사람 대신 호출
• 근거. AI는 결과가 매번 살짝 다르고 예외 케이스까지 다 처리해야 함. 그건 원래 사람 몫이었고, 회사들은 40년간 사람용 화면·절차·권한을 만들어왔음. 그 위에 얹는 게 자연스러움
• 비유. 휴머노이드 로봇이 정답인 이유와 같음. 세상이 인간 기준으로 설계됨. CES의 작은 로봇은 엘리베이터 버튼을 못 눌러서 “버튼 눌러주는 추가 로봇”을 따로 사야 했음
• 단 디지털은 물리 한계가 없음. AI는 동시에 500배까지 굴릴 수 있어서 사람용 인터페이스에 얹되 속도 제한은 풀어버리는 게 정답

왜 OpenAI는 Accenture·Deloitte와 손잡았나?

• Aaron의 “Sally와 Bob” 비유. 사람은 권한 없으면 옆자리 Sally한테 “이 파일 공유해 줄래” 부탁하고 Bob한테 “이 숫자 뭐야” 물어봄. AI는 그 부탁·확인을 못 함
• 결과. 에이전트가 잘못된 데이터로 답하고 멈춤. 큰 회사는 권한·데이터 출처가 흩어져 있어 정리에만 수년
• 그래서 OpenAI가 Codex로 Accenture·Deloitte와 손잡은 게 당연. “사람을 자동화할 에이전트를 사람이 깐다”는 비웃음은 핵심을 놓침
• 1인 창업자한테는 호재. 처음부터 깨끗한 환경으로 설계 가능. 옛 시스템 부담 없이 AI 친화적 구조로 바로 시작
• 함정. 위에서 “제일 아픈 시스템에 AI 박아라” 명령이 가장 망하는 패턴. IT는 아는데 CEO/CFO가 밀어붙임

Salesforce 풀 헤드리스, “SaaS 종말”론은 왜 더 멍청해졌나?

• Salesforce 발표가 시작점. “Salesforce 화면 없이도 어디서든 우리 데이터·기능 쓰게 만든다”(풀 헤드리스). 자기 비즈니스 모델 자체를 흔드는 큰 신호
• 여기서 Aaron이 본 핵심은, AI 에이전트도 결국 한 명의 사용자라 시트(계정 라이선스)를 따로 사야 한다는 것. 권한은 그 사람 권한 이상으로 못 줌. 안 그러면 직원이 “내가 못 보는 것까지 다 보는 에이전트 만들어 달라”는 식으로 우회해버림
• 그 결과 사용자 수가 100배, 1000배까지 늘어나는 그림이 됨. 그래서 “AI 때문에 SaaS 끝난다”는 주장이 오히려 더 멍청해 보임. 회사들이 시트값을 지금보다 훨씬 많이 내야 하는 쪽
• 이 지점에서 Martin이 반대함. API만 노출하는 방식이 만능은 아니라는 것. Zillow처럼 자동 브라우저를 감지해서 막는 사이트도 있고, 그래서 OpenClaw 같은 회사가 Mac mini에 진짜 Safari를 띄워서 돌림. AI 학습 데이터 자체가 사람이 앱 쓰는 화면이라, 그 방식이 더 잘 맞는 영역도 분명히 있음
• Aaron 반박은 단순함. API가 있으면 API가 무조건 빠름. 검색 화면을 100번 클릭하느니 검색 API 한 번 호출이 효율적. 결국 둘은 공존 — API 있는 곳은 API, 없으면 브라우저 자동화
• 마지막으로 Stephen이 짚은 부수 문제. 직원 1만 명이 에이전트 1만 개를 500배 더 자주 굴리면 기존 SaaS 서버가 못 버팀. 시스템을 다시 설계해야 하지만, 이건 평범한 엔지니어링으로 풀 수 있다는 게 그의 견해

AI 코딩이 새 문제를 만드는데, 일자리는 늘어나나?

• Box 실제 경험. 흔히 말하는 “AI로 5배, 10배 빨라진다”는 주장은 안 함. 실제로는 23배 정도. 보안·코드 검토가 병목이라 그 이상은 못 나감. AI가 새 기능 8090%를 짜도 검토 때문에 출시는 늦어짐
• 더 큰 문제. AI로 짠 코드는 시간이 가며 오히려 나빠지는 경향. 해결한 만큼 새 문제를 만듦. 큰 회사의 신중함이 합리적인 이유
• “AI가 일자리 없앤다”는 옛날부터 틀린 주장. 1990년대 “End of Work” 책은 인터넷 직전에 나옴. IBM 1965 광고는 컴퓨터가 회계사 없앤다 했지만 회계는 더 복잡해져 회계사가 더 늘었음. 변호사도 30년 전보다 훨씬 많음
• 코드가 더 쌓이면 시스템이 더 복잡해지고 다룰 사람이 더 필요해짐. AI 네이티브 회사·AI 인프라 회사가 지금 가장 빠르게 채용 중
• 다음 차례. John Deere 자동 트랙터, Caterpillar AI 시스템, Eli Lilly 신약. 이런 5000개 회사가 새 엔지니어 필요

”MIT의 95% AI 프로젝트 실패” 통계는 왜 잘못된 그림인가?

개인은 ChatGPT를 잘 쓰고 있음. 95% 망하는 건 이사회 압박에서 시작된 큰 프로젝트가 업무 흐름·데이터·권한과 안 맞은 채 굴러가는 패턴. 개인 사용과 회사 도입을 섞어 보면 결론이 왜곡됨.

Salesforce 헤드리스 전환이 1인 SaaS 빌더한테 시사하는 건?

SaaS 사용자 수가 “사람 수”에 묶이지 않게 됨. 에이전트마다 시트가 따로 필요해 가입자가 100~1000배 가능. 1인 SaaS도 처음부터 API/MCP(에이전트용 표준 연결 규격)를 열어두면 사람·에이전트 양쪽에서 매출.

AI 에이전트는 결국 API를 쓰나, 사람처럼 브라우저를 쓰나?

둘 다. API 있으면 API가 무조건 빠름. 단 Zillow처럼 자동 접근 차단 강한 사이트, iMessage처럼 API 없는 곳은 Safari 띄워서 클릭. 학습 데이터가 사람이 앱 쓰는 데이터라 그게 더 잘 맞는 영역도 있음.

1인기업 관점

큰 회사가 권한·통합 정리하는 데 수년 걸린다는 게 1인 입장에선 진짜 호재인 듯. 처음부터 권한 깔끔하게 깔고 API(외부 호출 통로)·MCP(AI 에이전트용 표준 연결 규격)만 잘 열어두면, 큰 회사가 SI 컨설팅에 수억 들이는 동안 비집고 들어갈 자리가 보임. 지금 “AI 챗 기능 끼워 넣기” 모드로 빌드 중이면 6개월 안에 갈아엎을 가능성이 큼. 처음부터 제품을 명령어(CLI)·API로 다룰 수 있게 만들고, AI 에이전트가 직원처럼 그걸 쓴다고 가정하는 게 맞는 듯.

---

관련: Replit CEO가 본 SaaS 종말, Ben Horowitz가 본 AI 시대 기업의 새 물리 법칙도 같은 흐름.