컨텍스트 그래프 — AI의 1조 달러 기회 (foundationcapital.com) ↗
핵심 요약
AI 에이전트가 만드는 의사결정 흔적(Decision Trace)을 연결하는 컨텍스트 그래프가 Salesforce·Snowflake를 넘어서는 차세대 SoR이 될 것이라는 Foundation Capital의 전망.
- 기존 CRM·ERP는 “무엇이 일어났는가”만 저장하지만, 컨텍스트 그래프는 “왜 그 결정을 했는가”까지 기록함
- 컨텍스트 그래프란 조직 내 의사결정 흔적(Decision Trace)을 엔티티·시간축으로 연결한 살아있는 기록
- 현재 Slack 대화, 딜 데스크, 에스컬레이션 콜, 사람들의 머릿속에 흩어진 맥락 정보를 하나로 통합
- Foundation Capital의 핵심 논지: “다음 1조 달러 플랫폼은 의사결정 흔적을 포착하는 곳에서 만들어진다”
데이터의 두 가지 레이어
- 규칙(Rules) — 일반 정책. “공식 ARR을 보고에 사용한다”
- 의사결정 흔적(Decision Traces) — 특정 상황의 맥락. “정책 v3.2 하에서 X 정의를 사용, VP 예외 승인”
기존 플레이어가 잡을 수 없는 이유
- Salesforce, ServiceNow, Workday — 현재 상태(current state) 저장 목적 설계. 할인 승인 시 CRM에는 “20% 할인” 결과만 남고 맥락은 사라짐
- Snowflake, Databricks — ETL을 통해 의사결정 이후에 데이터를 수신. 실시간 맥락 포착 불가
- 스타트업 기회 — 에이전트 기반 스타트업은 실행 경로(execution path) 안에 위치. 의사결정 시점에 존재하므로 컨텍스트 그래프를 자연스럽게 구축 가능
3가지 스타트업 진입 전략
- 완전 대체 — 에이전트 실행 중심으로 SoR 재구축 (예: Regie)
- 모듈 대체 — 예외 빈도 높은 워크플로우 자동화, 기존 시스템에 동기화 (예: Maximor)
- 신규 SoR — 오케스트레이션으로 시작, 의사결정 이력을 권위 있는 기록으로 축적 (예: PlayerZero, Arize)
실제 시나리오: 갱신 에이전트
- 갱신 에이전트가 20% 할인 제안
- 정책상 할인 상한은 10%
- 에이전트가 자동 검색: SEV-1 인시던트 3건, 미해결 에스컬레이션, 이전 VP 승인 예외
- Finance 팀에 승인 라우팅
- CRM에는 “20% 할인”이라는 단일 사실만 기록
- 컨텍스트 그래프가 있다면 전체 의사결정 체인이 기록되어 다음 유사 상황에서 선례로 검색 가능
기회 신호
- 수동 처리 인원 50명 이상인 워크플로우
- “그때그때 달라요” 식의 예외 중심 의사결정
- RevOps·DevOps·SecOps처럼 여러 시스템을 연결하는 글루(Glue) 역할이 존재하는 곳
컨텍스트 그래프와 기존 지식 그래프의 차이는?
지식 그래프는 정적 엔티티 간 관계를 표현하고, 컨텍스트 그래프는 시간 축을 포함한 의사결정 흔적에 초점. “누가, 언제, 왜 그 결정을 했는가”가 핵심.
이미 Salesforce를 쓰고 있는 기업도 필요한가요?
Salesforce는 “무엇”을 기록하지만 “왜”는 기록하지 못함. 컨텍스트 그래프는 기존 CRM을 대체하는 것이 아니라 의사결정 맥락이라는 새로운 데이터 자산을 추가하는 것.
관련: Sequoia Capital은 AI 에이전트가 도구가 아닌 결과물을 직접 판매하는 모델로 전환하고 있다고 분석합니다. 또한 현재 AI 앱들이 기존 패턴을 복제하는 말 없는 마차 수준에 머물러 있다는 비판도 참고하세요.
관련 글
기업의 실제 AI 도입 현황 — a16z
Fortune 500의 29%가 AI 스타트업의 유료 고객. 코딩이 압도적 1위, 고객지원과 검색이 뒤를 잇는다. a16z의 실제 데이터 기반 AI 도입 현황 분석.
서비스가 새로운 소프트웨어다 — Sequoia Capital
Sequoia Capital의 AI 시대 사업 모델 분석. 도구(코파일럿)를 파는 시대에서 결과물(오토파일럿)을 파는 시대로 전환. 소프트웨어 1달러당 서비스에 6달러가 쓰이는 시장이 AI 스타트업의 새로운 기회.
AI 시대의 마차 — 왜 대부분의 AI 앱이 실패하는가
현재 AI 앱들이 구시대 소프트웨어 패턴을 그대로 복제하면서 AI의 진짜 강점을 활용하지 못하고 있다는 분석. 생성이 아닌 변환이 LLM의 진짜 능력이라는 주장.
뉴스레터 구독
매주 엄선된 1인기업 뉴스를 이메일로 받아보세요.