세일즈포스는 고객들과 함께 AI 로드맵을 구축합니다

(techcrunch.com)

TechCrunch2026년 4월 30일AI 산업

세일즈포스가 고객 피드백을 기반으로 AI 로드맵을 구축하며 에이전틱 AI의 '라스트 마일' 문제를 해결하려는 전략은, AI 산업의 중심이 모델 성능 경쟁에서 에이전트 관리 및 운영 인프라로 이동하고 있음을 시사합니다.

이 글의 핵심 포인트

1세일즈포스는 고객 피드백을 실시간으로 수집하여 AI 로드맵을 구축하는 전략 사용
2매주 고객사와 미팅하며 제품의 문제점을 파악하고 빠르게 코드를 배포하는 애자일 프로세스 운영
3LLM이 해결하지 못하는 '라스트 마일' 문제를 해결하기 위한 Agentforce 플랫폼 출시
4제품 타임라인 중심이 아닌 '에이전트 맥락, 관측 가능성, 제어 기능' 등 테마 중심의 하향식(Bottom-up) 전략
5LLM을 기반으로 한 '에이전틱 운영체제(Agentic Operating System)' 구축을 목표로 함

이 글에 대한 공공지능 분석

왜 중요한가?

AI 기술의 발전 속도가 너무 빨라 기업이 미래를 예측하기 어려워진 상황에서, 세일즈포스는 예측 대신 '실시간 반응'을 선택했습니다. 이는 거대 기업이 어떻게 민첩성(Agility)을 유지하며 기술적 불확실성을 관리하는지를 보여주는 중요한 사례입니다.

어떤 배경과 맥락이 있나?

LLM(거대언어모델)의 등장 이후 기업들은 도입을 원하지만, 실제 비즈니스 프로세스에 적용하기 위한 제어 기능, 관측 가능성(Observability), 맥락 유지 등 '라스트 마일' 기술의 부재라는 문제에 직면해 있습니다. 세일즈포스는 이 간극을 메우는 '에이전틱 운영체제' 구축을 목표로 하고 있습니다.

업계에 어떤 영향을 주나?

AI 산업의 중심이 단순한 모델 성능 경쟁에서 '에이전트 관리 및 운영(Agent Management)'으로 이동하고 있음을 시사합니다. 이는 모델 자체보다 모델을 활용해 실제 업무를 수행하는 '에이전트 인프라'와 '제어 레이어'의 중요성이 커질 것임을 의미합니다.

한국 시장에 어떤 시사점이 있나?

글로벌 빅테크가 고객 피드백을 통해 빠르게 제품을 고도화하고 있습니다. 한국의 AI 스타트업들 또한 범용 모델 경쟁보다는 특정 산업군(Vertical)의 깊은 페인 포인트를 찾아내고, 고객사와 긴밀한 피드백 루프를 구축하여 '대체 불가능한 도메인 특화 에이전트'를 만드는 전략이 필요합니다.

이 글에 대한 큐레이터 의견

세일즈포스의 전략은 '제품 개발의 민주화'와 '고객 공동 창조(Co-creation)'의 정수를 보여줍니다. 많은 스타트업 창업자들이 완벽한 제품을 만들어 출시하려는 욕심 때문에 시장 출시 시기를 놓치곤 합니다. 하지만 세일즈포스처럼 고객을 개발 프로세스의 일부로 끌어들여, 제품의 로드맵 자체를 고객의 문제 해결 과정과 일치시키는 전략은 PMF(Product-Market Fit)를 찾는 가장 빠르고 확실한 방법입니다.

창업자 관점에서 주목해야 할 기회는 'LLM의 한계'에 있습니다. 기사에서 언급된 '라스트 마일' 기술, 즉 LLM이 스스로 판단하기 어려운 결정론적 제어(Deterministic controls)나 복잡한 워크플로우 관리 영역은 스타트업이 파고들 수 있는 거대한 블루오션입니다. 모델 자체를 만드는 것이 아니라, 모델이 비즈니스 환경에서 안전하고 정확하게 작동하도록 돕는 '에이전트 인프라'나 '가드레일' 기술에 집중하십시오.

다만, 위협 요소도 명확합니다. 세일즈포스처럼 강력한 고객 기반과 피드백 루프를 가진 거대 플랫폼이 에이전트 관리 영역(Agentic OS)을 장악할 경우, 단순한 기능적 레이어에 머무는 스타트업은 순식간에 흡수되거나 도태될 수 있습니다. 따라서 단순한 기능 구현을 넘어, 고객의 데이터와 워크플로우에 깊게 침투하여 플랫폼이 쉽게 침범할 수 없는 '맥락(Context)의 해자'를 구축하는 것이 생존의 핵심입니다.

원문 보기 →