U.S. SMID-Cap and Global Software competitive moats in an AI-agent world 리서치 보고서 해설

개요

이 산업 보고서는 생성형 AI, 코딩 에이전트, 보다 광범위한 기업 AI 에이전트 도입이 소프트웨어 경쟁우위를 어떻게 바꿀 수 있는지 재평가한다. Bernstein의 핵심 결론은 AI가 소프트웨어를 일률적으로 범용화하지 않으며, 깊이 내재화된 기간업무 시스템의 가치를 높이는 반면 주로 UI 복잡성, 선발자 지위 또는 기능 깊이에 의존하는 경쟁우위는 약화시킬 수 있다는 것이다.

핵심 견해

Bernstein은 AI 에이전트가 기간업무(LoB) 애플리케이션을 우회해 이를 수동적 기록 시스템으로 격하하고 교체를 쉽게 만들 것이라는 우려를 재검토한다. 초기 증거는 반대 방향을 가리킨다. 에이전트에는 기업별 데이터, 맥락 지식, 권한, 관측 가능성, 보안 및 컴플라이언스 통제에 대한 접근이 필요하다. 또한 진행 중인 작업 저장, 지식 기반과 지식 그래프 업데이트, 사람 및 다른 에이전트와의 협업, 구조화된 프로세스 내 작업 기록이 필요하다. 이는 기존 LoB 시스템을 우회 대상이 아니라 에이전트에 유용한 운영 환경으로 만든다. 조직이 맞춤형 워크플로와 인터페이스를 중심으로 효과적인 에이전트를 구축한 뒤에는 다른 플랫폼에서 이를 재구축하는 데 큰 위험과 전환비용이 든다. 보고서는 AI 코딩 에이전트 사용을 초기 실증 사례로 든다. Atlassian, Linear, GitLab 같은 프로젝트 관리 LoB 플랫폼을 직접 쓰는 에이전트는 token을 50% 미만으로 사용하고, 작업 완료 시간이 짧으며, 성공 가능성이 더 높다고 한다. 에이전트가 작업과 지식을 기저 플랫폼에 다시 축적하기 때문에, Bernstein은 플랫폼의 기록과 프로세스 그래프 가치를 높일 수 있다고 본다. Atlassian은 이미 제품팀 워크플로의 중심에 있어 특히 유리하게 평가된다. 비즈니스 AI 에이전트가 확산되면 ServiceNow도 비슷한 혜택을 받을 수 있다. Datadog은 제품·클라우드 운영에서 LoB 역할로 진화하는 사례다. Bernstein은 전통적 경쟁우위를 견고한 것, 진화하는 것, 약화되는 것으로 나눈다. 네트워크 효과, 규제 장벽, 심층 인프라는 AI가 규모, 승인 절차, 구축된 센서 네트워크, 자본지출, 운영효율성의 필요성을 없애지 않기 때문에 여전히 강하다. 사이버보안에서 CrowdStrike와 SentinelOne은 엔드포인트 원격측정, Palo Alto Networks와 Fortinet은 네트워크 보안 신호, Zscaler와 Cloudflare는 대규모 프록시 네트워크, Okta는 신원 신호와 개발자 생태계의 혜택을 받는다. 기업 데이터 중력이 관련 AI 워크로드를 데이터가 있는 곳으로 끌어들이므로 하이퍼스케일러 및 클라우드 인프라 지위도 복제하기 어렵다고 본다. 데이터 기반 경쟁우위의 성격은 변하고 있다. Bernstein은 AI와 데이터 클라우드 도구가 장벽을 낮추면서 정적 데이터의 수집·정제·정리 가치가 덜 방어적이 됐다고 본다. 반면 독점적이고 동적인 운영 데이터 및 워크플로 통합은 더 중요해진다. 벤더는 고객 사용 사례에서 지속적으로 학습하고 워크플로를 개선하며, 스타트업이나 DIY 대안이 접근할 수 없는 맥락 데이터를 이용해 모델을 훈련할 수 있다. 이 데이터 플라이휠과 강화학습은 새로운 경쟁우위가 될 수 있다. Datadog은 기능 요구에서 학습해 맞춤형·동적 코드 개선과 더 빠른 제품 개선을 지원할 수 있는 사례다. 일부 전통적 보호요인은 약화된 것으로 평가된다. 자연어 인터페이스는 복잡한 UI, 대시보드, 기능 폭이 만들던 잠금효과를 낮출 수 있다. 코딩 에이전트에 따른 더 빠른 소프트웨어 개발은 다른 지속 가능한 경쟁우위가 뒷받침되지 않는 한 선발자 및 ‘더 나은 기술’ 우위를 침식할 수 있다. AI는 고착된 레거시 코드의 현대화도 쉽게 해 독점적 애플리케이션 개발 플랫폼을 약화시킬 수 있다. Bernstein은 기존 고객 소유권, 채널, 브랜드에 주의를 촉구한다. 새로운 AI 관련 구매자나 예산으로의 전환은 혁신가의 딜레마를 만들 수 있고, 고객이 혁신을 원한다면 레거시 브랜드는 불리해질 수 있다. 보고서는 SMB 및 최종사용자 생산성 소프트웨어, 레거시 애플리케이션과 지원 인프라, 단순 CRUD 애플리케이션, 코딩 코파일럿 및 클라우드 운영 파이프라인의 자연스러운 기능이 될 수 있는 애플리케이션·클라우드 보안 기능이 가장 큰 교란 위험에 노출된다고 본다. 소규모 조직은 도입을 빠르게 하기 위해 일반적으로 더 표준화되고 맞춤화가 적은 소프트웨어를 사용한다. Bernstein은 AI 네이티브 신규 진입자가 더 높은 맞춤화를 제공해 이들 제품에 도전할 수 있다고 본다. 또한 조직의 좁은 공백을 메우고, 시스템 기록이 아니며, 중요도가 낮고, 구축·유지가 비교적 쉬운 애플리케이션도 위험하다고 본다. 신규 진입자는 AI가 새로운 구매자, 예산 또는 직무를 만드는 곳에서 가장 자연스럽게 나타나며, 깊이 내재화된 LoB 시스템을 직접 대체하는 방식은 아닐 것이라고 본다. Bernstein은 CISO 조직의 전용 “AI-Security” 역할과 예산, 기존 CI/CD 병목을 넘어서는 새로운 소프트웨어 개발 워크플로, 기존 애플리케이션 범주 사이의 그린필드 기회, 중요도가 낮은 애플리케이션용 도구를 제시한다. 기존 벤더는 기능상 시스템 기록 역할을 수행하고 충분히 혁신하면 관련성을 유지할 수 있다. ERP는 가장 보호적인 기업 애플리케이션 시장이며, 그 다음은 HCM, 그보다 낮은 정도로 CRM이라고 본다. SAP와 Microsoft를 커버리지 내 AI 승자가 될 가능성이 가장 높은 기업으로 재확인했고, Oracle의 핵심 SaaS 사업은 강하게 보호되며 OCI 성공이 상당한 상승여력을 이끌 것으로 예상한다. 기업별로 Bernstein은 Workday의 ERP 사업이 견고하며 HCM 수요는 AI보다 글로벌 고용에 더 민감하다고 보지만, 포인트 솔루션 경쟁에는 빠른 혁신이 필요하다고 한다. CRM 플랫폼 벤더가 AI 주도 가치를 포착할 수 있는지는 우려하지만 대체될 가능성은 낮다고 본다. HubSpot의 광범위한 마케팅·서비스·영업 제품군은 SMB 고객이 AI 네이티브 또는 자체 구축 애플리케이션으로 신속히 이동할 것이라는 우려에 대한 반론이다. Salesforce는 향후 수년간 Agentforce 수익 상방이 일부 AI 압력을 상쇄할 수 있지만, M&A 적극성과 AI가 사용자 경험 및 가치제안을 Anthropic 쪽으로 옮길지에 대한 불확실성을 강조한다. GitLab은 더 약하고 좁은 DevOps 경쟁우위를 가진 것으로, Zoom은 시장점유율은 비교적 안정적이나 자금력이 큰 경쟁자와 제한된 가격결정력에 제약되는 것으로 평가된다.

분석 프레임워크

Bernstein은 AI 에이전트가 전환비용을 낮추는지 높이는지 검토해 소프트웨어 경쟁우위를 평가하고, 초기 에이전트 사용 사례와 기업별 제품 포지션으로 그 논리를 검증한다. 네트워크 효과, 규제, 인프라, 워크플로 통합, 데이터, 제품 깊이, 선발자 우위를 지속성에 따라 분류하고, 기업 애플리케이션, 사이버보안, 클라우드 운영, SMB 소프트웨어에 미칠 영향을 연결한다.

방법론 메모

• 경쟁 전략 프레임워크경제적 해자 및 경쟁우위

  경쟁우위 분석

  보고서는 AI 에이전트가 소프트웨어 개발, 도입, 워크플로 실행을 바꾸는 상황에서 어떤 경쟁우위 원천이 지속되고, 진화하며, 약화되는지를 비교한다.

• 경쟁 전략 프레임워크가치사슬 분석

  워크플로 및 시스템 기록 포지셔닝

  Bernstein은 고객 워크플로, 데이터 흐름, 권한, 운영 프로세스에서 벤더의 위치를 검토해 AI 에이전트가 그 역할을 강화하는지 우회하는지 판단한다.

• 산업 분석 프레임워크기타

  데이터 플라이휠과 강화학습

  보고서는 지속적인 고객 운영 데이터 접근이 시간이 지나면서 모델과 워크플로를 개선해, 유사한 데이터나 고객 관계가 없는 신규 진입자의 추격을 어렵게 만드는 방식을 설명한다.

자산 매핑 및 비교

투자 논리에서 명시된 자산으로의 구조화 매핑(강점, 약점, 비교 대상, 위험).

• Atlassian (TEAM)

  AI 코딩 에이전트 도입의 혜택을 받을 수 있는 제품팀용 기간업무 플랫폼.

  강점

  제품팀 워크플로에서 강한 통제 지점을 보유하며, 에이전트는 이미 이 플랫폼에서의 작업을 선호한다.

  비교

  ServiceNow보다 LoB 에이전트 혜택을 더 이르게 실현하는 것으로 평가된다.

  위험

  기저 CI/CD 도구와 팀 역할은 변화할 수 있어 지속적인 적응이 필요하다.

• ServiceNow (NOW)

  비즈니스 AI 에이전트 사용 확대에 따라 혜택을 받을 것으로 예상되는 기간업무 소프트웨어.

  강점

  내재화된 워크플로 지위가 에이전트 통합과 전환비용을 뒷받침할 수 있다.

  약점

  혜택은 Atlassian보다 늦게 나타날 수 있다.

  비교

  Atlassian과 함께 LoB 경쟁우위 사례로 제시된다.

• Datadog (DDOG)

  진화하는 데이터 및 워크플로 통합 경쟁우위의 사례.

  강점

  동적 실시간 데이터 플라이휠과 제품 개발 속도가 지위를 강화한다.

  비교

  보고서는 데이터 주도 제품 개발 속도가 전통적 네트워크 효과보다 더 중요하다고 주장한다.

• CrowdStrike (CRWD), SentinelOne (S), Palo Alto Networks (PANW), Fortinet (FTNT)

  구축된 엔드포인트 또는 네트워크 보안 신호가 뒷받침하는 사이버보안 벤더.

  강점

  대규모 센서 네트워크가 침입 탐지와 대응에 가치 있는 데이터를 만든다.

  비교

  핵심 사업은 AI에 의한 대체 위험으로부터 상대적으로 보호된 것으로 평가된다.

• SAP (SAP), Microsoft (MSFT)

  Bernstein 커버리지에서 AI 승자가 될 가능성이 가장 높은 기업.

  강점

  SAP는 ERP가 보호된 시스템 기록인 점에서 혜택을 받고, Microsoft는 심층 인프라와 소프트웨어 생태계 전반에 포지션을 보유한다.

  비교

  교란 위험이 더 높은 소프트웨어 범주보다 선호된다.

• Oracle (ORCL)

  보호된 핵심 SaaS 사업을 보유하고 OCI가 상방 동력이 되는 기업.

  강점

  Bernstein은 핵심 SaaS 사업이 강하게 보호된다고 본다.

  비교

  ERP 및 인프라 연계 포지션은 내재화 정도가 낮은 애플리케이션 범주보다 더 보호적인 것으로 평가된다.

  위험

  OCI 실행이 보고서의 상방 논리에서 핵심이다.

• GitLab (GTLB)

  더 좁은 DevOps 사용 사례이며 경쟁우위 기반이 약한 기업.

  강점

  개발자 운영에서의 기존 전략적 포지션.

  약점

  AI 랩과 오픈소스의 잠재적 경쟁이 가치제안을 침식할 수 있다.

  비교

  Atlassian과 같은 워크플로 플랫폼보다 보호 정도가 낮은 것으로 평가된다.

  위험

  주요 AI 랩이 경쟁 기능을 제공하거나 전략을 가속하기 위해 인수를 추진할 수 있다.

• Zoom (ZM)

  인프라는 보유하지만 선발자 보호는 제한적인 커뮤니케이션 소프트웨어.

  강점

  일부 심층 인프라가 비교적 안정적인 시장점유율 지위를 뒷받침한다.

  약점

  Microsoft와 Google은 인프라 투자를 따라갈 수 있고 가격결정력은 제한된 상태다.

  비교

  더 강한 네트워크 효과, 워크플로 잠금효과 또는 데이터 우위를 가진 벤더보다 보호 정도가 낮다.

  위험

  자금력이 큰 경쟁자 속에서 안정적 시장점유율을 넘는 개선을 이루기 어렵다.

핵심 데이터

• AI 에이전트 플랫폼 효율성<50% of tokensBernstein은 프로젝트 관리 LoB 플랫폼을 직접 쓰는 코딩 에이전트가 token을 절반 미만으로 사용하고, 시간이 덜 걸리며, 성공 가능성이 더 높다고 말한다.
• Bernstein Outperform 기준More than 15 percentage pointsBernstein 브랜드에서 Outperform은 관련 시장지수 대비 12개월간 15퍼센트포인트 초과의 상대성과를 예상한다는 의미다.
• Cloudflare 2026E 조정 P/E331.5x11 September 2026 기준 표의 수치.
• CrowdStrike 2026E 조정 P/E221.7x11 September 2026 기준 표의 수치.
• Oracle 2028E 조정 P/E12.3x11 September 2026 기준 표의 수치.

영향과 시사점

보고서는 AI 주도 교란을 평가할 때 소프트웨어 범주만이 아니라 핵심 워크플로에서 벤더가 수행하는 역할을 봐야 한다고 주장한다. 에이전트가 배치되면 시스템 기록, 맞춤형 LoB 플랫폼, 보안 네트워크, 인프라는 가치가 높아질 수 있는 반면, 단순 도구, 정적 데이터 저장소, UI 복잡성, 레거시 채널 우위에 의존하는 벤더는 더 큰 압력에 직면한다.

위험

• AI가 새로운 구매자, 예산 또는 직무를 만들고 기존 벤더가 이를 제대로 충족하지 못하면 AI 네이티브 신규 진입자가 탄력을 받을 수 있다.
• SMB 소프트웨어, 단순 CRUD 애플리케이션, 레거시 시스템, 중요도가 낮은 애플리케이션은 AI 지원 대안에 의한 교란에 더 취약할 수 있다.
• 더 강한 우위가 뒷받침되지 않으면 AI는 제품 깊이, UI, 선발자 우위, 독점 개발 플랫폼의 경쟁우위를 침식할 수 있다.
• AI가 구매 권한을 바꾸거나 레거시 브랜드와 채널의 가치를 낮추면 기존 기업은 혁신가의 딜레마에 직면할 수 있다.

주시할 점

• 기업 AI 에이전트가 기존 LoB 플랫폼을 우회하지 않고 계속 의존하며 강화하는지 여부.
• 신규 벤더 진입 기회를 만들 수 있는 AI 보안 역할과 전용 CISO 예산의 도입.
• CI/CD 이후 소프트웨어 개발 워크플로가 새로운 소프트웨어 범주와 구매자를 만드는지 여부.
• SMB 벤더가 도메인 전문성, 의미 지식, 고객 관계를 활용해 AI 네이티브 신규 진입자에 대응하는 속도.
• 동적 고객 데이터와 강화학습이 기존 플랫폼의 더 빠른 제품 개선으로 이어진다는 증거.
• Oracle OCI 실행, Salesforce의 AI 및 M&A 전략, HCM의 잠재적 포인트 솔루션 경쟁 전개.