AI 계약 재편, 인도 IT 서비스 대기업 압박

AI가 고객사로 하여금 더 적은 비용으로 더 많은 업무를 요구하게 만들면서, Tata Consultancy Services는 현재 한 주요 서비스 부문 계약의 약 80%를 성과에 연동하고 있다. Reuters가 보도하고 Google News를 통해 알려진 이 변화는 단순한 가격 조정을 훨씬 넘어선다. 이는 TCS, Infosys, Wipro, HCLTech, Cognizant가 글로벌 아웃소싱 리더로 성장하는 데 기여한 노동력 기반 경제 모델에 도전장을 던진다.

고객들은 더 이상 AI가 언젠가 서비스 제공 효율을 높일 것이라는 약속에 만족하지 않는다. 더 낮은 가격, 측정 가능한 결과, 더 짧은 계약 기간 또는 절감액 공유를 통해 이러한 이익이 계약서에 명시되기를 원한다. AI 도구 덕분에 더 작은 내부 팀이 과거 외부 공급업체에 맡겼던 업무를 처리할 수 있게 되면서, 일부 기업은 업무를 내재화하고 있다.

이는 기업 구매자와 서비스 제공업체 사이에 까다로운 경쟁 구도를 만든다. 구매자는 새로운 기술 위험을 떠안지 않으면서 즉각적인 비용 절감을 원한다. 제공업체는 AI에 투자하고 서비스 품질을 지키며, 자동화가 일관되게 성과를 낼지 알기 전에 생산성 향상분의 일부를 포기해야 한다.

Google News가 드러낸, 이미 후퇴 중인 계약 모델

가장 중요한 변화는 인도 IT 기업들이 AI를 사용한다는 사실이 아니라, 이제 고객이 그 경제적 가치의 배분 방식을 통제한다는 점이다.

전통적인 아웃소싱 모델은 수익을 직원 수, 청구 단가, 근무 시간에 연동하는 경우가 많았다. 제공업체는 엔지니어, 지원 인력 또는 비즈니스 프로세스 전문가를 추가해 계정을 확장할 수 있었다. 그러나 이제 동일한 산출물에 더 적은 인력과 시간이 필요해지면서 자동화가 이 연결고리를 약화시키고 있다.

8월 21일자 MarketScreener가 전재한 Reuters 보도에 따르면, TCS CEO K. Krithivasan은 회사의 재무, 인사 및 관련 비즈니스 서비스 계약 중 약 80%가 성과 결과를 활용한다고 밝혔다. 사안에 정통한 한 관계자는 AI가 2023년 말 주류로 자리 잡은 이후 이 비중이 두 배로 늘었다고 Reuters에 전했다.

성과 기반 가격 책정은 공급업체 보상의 일부 또는 전부를 합의된 비즈니스 결과에 연동한다. 그 결과는 처리 속도, 시스템 가용성, 고객 서비스 성과, 운영 비용 절감 또는 다른 측정 가능한 목표를 포함할 수 있다. 따라서 공급업체는 단순 시간당 청구 방식보다 더 큰 실행 위험을 부담한다. 생성형 AI와 성과 기반 서비스 데스크 가격 책정에 관한 TCS 분석도 계약이 생산성 유인과 서비스 품질, 명확히 정의된 성과 측정 기준 간 균형을 맞춰야 한다고 지적한다.

TCS는 AI 프로젝트에 단계적 접근법을 적용한다고 설명해 왔다. 경영진은 회사가 일부 계약을 성과 약정으로 시작한 뒤 업무가 확대되면 고정 가격 계약으로 전환한다고 밝혔다. 고정 가격 계약은 정확한 투입 노동 시간과 무관하게 정의된 업무에 대한 대금을 정한다.

자동화가 계획대로 작동할 경우 이 모델은 효율성에 보상할 수 있다. TCS가 더 적은 자원으로 정해진 결과를 제공하면 생산성 이익의 일부를 유지할 수 있다. 그러나 부정확한 추정, 예상치 못한 인프라 비용 또는 부진한 AI 산출물은 그 이익을 빠르게 고객에게 다시 이전할 수 있다.

TCS 경영진은 7월에 AI가 일부 업무에서 약 10%~15%의 생산성 절감 효과를 내고 있다고 밝혔다. 회사는 가격 책정 업데이트에 따르면 이러한 혜택을 고객에게 점진적으로 이전하고 있었다. 이 단계적 이전은 TCS가 서비스 제공 비용을 조정할 시간을 확보하면서 즉각적인 매출 영향을 완화할 수 있다.

다른 기업들은 더 공격적인 구조를 시험하고 있다. Reuters는 Cognizant와 Daimler Truck의 계약이 AI 관련 절감액을 양사가 공유하도록 규정했다고 보도했다. 어느 쪽도 계약의 전체 세부 내용을 공개하지 않았다.

독일 유틸리티 기업 E.ON과 맺은 별도의 HCLTech 클라우드 관리 계약은 첫해 지급을 미뤘다고 전해진다. 2년 차부터의 지급은 효율성 개선과 구체적인 비즈니스 성과에 연동됐다. HCLTech와 E.ON은 계약 조건 논의를 거부했다. 별도로 HCLTech의 2025–26 통합 연차 보고서는 고객이 성과 기반 모델을 점점 더 원한다고 밝히며, 성과 및 소비 기반 계약을 서비스 전략의 일부로 제시한다.

이 사례들은 왜 그 근본적인 흐름이 중요한지를 보여준다. AI 생산성은 프레젠테이션 슬라이드에서 벗어나 공급업체가 언제 대금을 받고, 얼마를 받으며, 어느 당사자가 실패를 부담하는지를 결정하는 계약 조항으로 옮겨갔다.

이 변화는 기존 업무에도 영향을 미친다. 고객들은 코딩 보조 도구가 반복 노동을 줄인 뒤 애플리케이션 유지보수 계약이 왜 같은 비용이어야 하는지 묻고 갱신 조건을 재검토할 수 있다. 고객이 더 적은 인력, 더 적은 시간 또는 더 작은 전체 계약을 원할 때는 안정적인 청구 단가도 제한적인 보호막에 불과하다.

더 짧은 계약 기간은 또 다른 압박을 더한다. 고객은 공급업체와 기술 선택을 더 빨리 재고할 수 있어, 제공업체가 투자금을 회수할 시간이 줄어든다. 그 결과 공급업체는 영업, 전환, 경쟁 입찰에 더 자주 비용을 써야 한다.

그 결과 협상력에 구조적인 변화가 생긴다. 인도 제공업체들은 여전히 산업 지식, 글로벌 서비스 제공 체계, 대규모 기술 인력 풀을 갖추고 있다. 그러나 규모만으로는 기업이 더 작은 경쟁사보다 AI 기반 성과를 더 효율적으로 제공할 수 있다는 사실을 더 이상 입증하지 못한다.

구매자들이 생산성 배당을 먼저 요구한다

기업 고객들은 공급업체가 서비스 제공 방식을 완전히 재설계하기도 전에, AI 효율성을 이미 자신들이 확보한 할인으로 점점 더 간주하고 있다.

Persistent Systems CEO Sandeep Kalra는 고객들이 동일한 업무를 25%~30% 낮은 가격에 요구하고 있다고 Reuters에 말했다. 이들 고객은 더 빠른 납품과 더 높은 생산성도 기대했다. 이들의 요구는 현재 협상 내부의 핵심 갈등을 보여준다.

고객의 논리는 단순하다. AI가 코드를 생성하고, 소프트웨어를 테스트하며, 사고를 요약하고, 지원 업무를 자동화할 수 있다면 공급업체에 필요한 청구 가능 시간도 줄어야 한다. 기존 계약 가치를 지불하면 공급업체가 생산성 향상분 전체를 가져가게 된다.

공급업체가 보는 비용 방정식은 더 복잡하다. AI 도구에는 모델, 컴퓨팅 용량, 거버넌스 시스템, 보안 통제, 데이터 준비, 평가, 사람의 검토가 필요하다. 생산 속도가 빨라져도 정확성을 검증하거나 결과를 오래된 기업 시스템에 통합해야 할 필요가 사라지는 것은 아니다.

토큰 비용도 중요하다. 토큰은 AI 모델이 처리하는 작은 텍스트 단위이며, 제공업체는 일반적으로 사용량에 따라 비용을 지불한다. Wipro CEO Srini Pallia는 빠른 배포가 이런 비용을 높일 수 있어 고객과 제공업체가 총소유비용을 검토해야 한다고 말했다.

AI 생산성은 업무별로도 차이가 난다. 반복적인 코딩과 테스트는 아키텍처 결정, 규제 업무 또는 복잡한 마이그레이션보다 자동화 기회가 더 분명하다. 모든 활동에 일률적인 할인을 요구하는 구매자는 기술이 제공할 수 있는 절감 효과를 과장할 수 있다.

그럼에도 광범위한 경제 상황은 고객의 입지를 강화한다. 기업 기술 예산은 계속 신중하게 운용되고 있으며, 재량적 프로젝트는 면밀한 검토를 받고 있다. 기업들은 여러 공급업체를 서로 경쟁 입찰에 참여시키고 AI 절감 효과를 검토 조건으로 내걸 수 있다.

애플리케이션 유지보수는 초기 압박 지점이 됐다. 업계 관계자들은 Mint에 이 부문 갱신 가격이 전년 대비 약 4%~5% 하락했다고 말했다. HCLTech CEO는 별도로 업계의 연간 AI 관련 매출 디플레이션이 최대 5%에 이를 수 있다고 추정했다.

매출 디플레이션은 기술이 기존 업무량에 대해 고객이 지불하는 금액을 줄일 때 발생한다. 이는 계약을 완전히 잃는 것과는 다르지만, 재무적 영향은 수천 개 프로젝트에 걸쳐 누적될 수 있다.

업계는 이전에도 구매자 친화적 사이클을 겪었다. 2001년 기술 침체기와 2008년 금융위기 당시 고객들은 가격 상한, 절감 보장, 성과 기반 계약을 요구했다. 2023년에는 추적 대상인 기술 및 비즈니스 프로세스 거래 1,600건 중 80% 이상이 어떤 형태로든 약정된 절감액을 포함했으며, 이는 2019년의 약 65%와 비교된다. 이는 이전 Reuters 거래 검토에 따른 것이다.

AI는 업계 매출의 상당 부분을 뒷받침하는 단위를 공격한다는 점에서 이번 사이클을 다르게 만든다. 이전 침체는 수요를 줄였지만 노동과 산출물 사이의 관계는 대체로 유지했다. 자동화는 수요가 회복된 뒤에도 필요한 노동력을 영구적으로 줄일 수 있다.

이 차이는 대형 계약 발표만으로는 불완전한 그림을 제공하는 이유를 설명한다. 다년 계약은 보고되는 수주 잔고를 늘릴 수 있지만, 비교 가능한 과거 계약이 창출했던 것보다 더 적은 매출을 낼 수 있다. 또한 경제적 가치를 낮추는 벌칙, 절감 약정 또는 지급 지연을 포함할 수도 있다.

고객들은 내부 역량도 구축하고 있다. AI 코딩 도구를 사용하면 기업 기술팀이 인력을 비례적으로 늘리지 않고도 더 많은 업무를 완료할 수 있다. 기업 소유의 오프쇼어 운영 조직인 글로벌 역량 센터는 내부 비즈니스 지식과 저비용 엔지니어링 인재를 결합할 수 있다.

내재화가 외부 제공업체의 필요성을 없애지는 않는다. 기업들은 여전히 모델 통합, 데이터 보안, 오래된 시스템 현대화, 인프라 운영에 도움이 필요하다. 그러나 이는 기업이 무엇을 구매하는지를 바꾸고, 일상적인 서비스 제공을 위해 대규모 팀을 판매하는 이점을 줄인다.

따라서 즉각적인 압박은 AI가 기존 매출을 압축하는 속도보다 더 빠르게 신규 업무를 창출하지 못하는 제공업체에 가해진다. TCS는 지금까지 신규 계약이 이 하방 압력을 상쇄했다고 말한다. 이 균형이 유지되는지가 AI가 성장 엔진이 될지, 지속적인 할인 메커니즘이 될지를 결정할 것이다.

소규모 경쟁사, AI 효율성을 규모의 우위로 전환

AI는 가장 큰 인력 규모가 자동으로 가장 안전한 기술 파트너를 만든다는 가정을 약화시키고 있다.

수십 년 동안 주요 인도 IT 제공업체들은 규모를 서비스 제공 체계이자 영업 논리로 활용했다. 대규모 직원 기반 덕분에 복잡한 프로그램에 인력을 배치하고, 다국적 고객을 지원하며, 프로젝트 수요가 바뀔 때 인력을 교체할 수 있었다.

AI는 특정 업무에 필요한 인원 수를 줄여 이 계산을 바꾼다. 중견 제공업체도 거대한 서비스 제공 팀을 구성하지 않고 자동화를 활용해 프로토타입을 준비하고, 코드를 마이그레이션하며, 애플리케이션을 테스트하고, 지원 기록을 분석할 수 있다.

소규모 기업은 의사결정도 빠르게 내릴 수 있다. HFS Research CEO Phil Fersht는 많은 고객이 신속한 파일럿을 원한다고 Reuters에 말했다. 중간 규모 기업들은 해당 프로젝트에 고위 리더를 빠르게 투입하고 유연한 상업 조건을 제시해 경쟁할 수 있다.

Persistent Systems와 Coforge는 경쟁 위협을 보여준다. 두 회사는 모두 2026년 4~6월 분기까지 최소 8개 분기 연속으로 두 자릿수 달러 기준 매출 성장을 기록했다. Persistent의 매출은 16% 증가했고, Coforge의 매출은 약 3분의 1 늘었다.

TCS, Infosys, Wipro, HCLTech는 같은 기간 1%~3%에 그치는 훨씬 낮은 성장률을 기록했다고 Reuters가 보도했다. 이 수치는 사업 구성이 서로 다른 기업들을 대상으로 하므로, AI가 성장률 격차 전체를 초래했다고 입증하는 것은 아니다. 다만 이번 전환기에는 규모가 더 뛰어난 성장을 보장하지 못하고 있음을 보여준다.

Persistent의 Kalra는 이제 매출만으로는 대형 서비스 제공업체를 정의할 수 없다고 주장했다. 그의 회사는 계약 재편의 양쪽 측면에서 모두 수혜를 보고 있다. 고객은 더 낮은 가격을 요구하지만, AI는 과거라면 더 큰 기업에 돌아갔을 계약을 두고 Persistent가 경쟁할 수 있도록 돕고 있다.

이것이 업계가 직면한 핵심적인 역전이다. 자동화는 이론적으로 방대한 데이터, 전문성, 투자 여력을 보유한 대형 제공업체에 유리해야 한다. 그러나 실제로는 이들이 소규모 경쟁사로부터 자신들을 보호하던 인력 우위를 없앨 수 있다.

이 변화가 모든 도전자가 성공한다는 뜻은 아니다. 대형 제공업체들은 금융, 보험, 제조, 헬스케어, 정부 부문에서 깊은 관계를 유지하고 있다. 또한 신규 진입자가 단기간에 재현할 수 없는 보안, 규정 준수, 딜리버리 시스템도 운영한다.

그러나 고객이 하나의 대규모 혁신 프로젝트를 여러 개의 짧은 프로젝트로 분할하면 기존 사업자의 지위는 덜 가치 있어진다. 각각의 소규모 계약은 또 하나의 경쟁 기회를 만든다. 또한 고객은 더 폭넓은 약속을 하기 전에 결과를 비교할 수 있다.

AI 네이티브 딜리버리는 이러한 도전자들을 더욱 강화할 수 있다. 처음부터 자동화를 중심으로 워크플로를 설계하는 제공업체는 노동 집약적 프로세스를 재구성해야 하는 어려움을 피할 수 있다. 기존 사업자는 대체 계약을 따내기 전에 자체 매출을 줄여야 할 수도 있다.

이러한 자기잠식 문제는 내부 인센티브에도 영향을 미친다. 영업팀은 계정 가치를 확대하는 데 익숙하고, 딜리버리 관리자는 흔히 인력 배치와 가동률을 중심으로 계획한다. 두 요소를 모두 줄이는 AI 제안은 관계를 보호하는 데 도움이 되더라도 매력적이지 않게 보일 수 있다.

대형 제공업체들은 고객과 더 가까운 곳에서 전문성을 구축하며 대응하고 있다. TCS는 AI 프로토타입을 운영 시스템으로 전환하기 위해 고객 팀과 직접 일하는 전문가인 현장 배치 엔지니어 집단을 확대하고 있다. 회사는 AI 역량을 추가할 수 있는 인수도 모색하고 있다. 실험에서 운영 성과로 고객을 전환하려는 더 광범위한 노력은 2026 회계연도 실적 및 제품 발표에 반영돼 있으며, 여기에는 AI 배포를 실제 비즈니스 워크플로로 가속하기 위해 설계된 플랫폼도 포함된다.

Wipro는 수요가 실험 단계를 넘어가고 있다고 본다. Pallia는 많은 기업이 2025년에 개념 검증에 집중한 뒤, 2026년에는 이사회와 최고경영자들이 AI 투자 수익을 요구하고 있다고 말했다. 그는 코딩과 테스트 효율 향상으로 AI 지원 소프트웨어 개발 비용이 약 25% 낮아질 수 있다고 추정했다.

그 기회가 자동으로 최저가 입찰자에게 돌아가는 것은 아니다. 고객은 모델을 데이터, 보안 정책, 엔터프라이즈 애플리케이션, 비즈니스 프로세스와 연결할 수 있는 제공업체를 필요로 한다. 배포 실패 비용은 초기 계약 절감액보다 클 수 있다.

따라서 경쟁의 경계선은 기업 규모 그 자체가 아니라 신뢰할 수 있는 실행력이 될 것이다. 공급업체는 모델 오류, 인프라 비용, 운영 리스크를 통제하면서 측정 가능한 효과를 낼 수 있음을 보여야 한다.

공격적인 AI 보장은 절감 효과를 손실로 바꿀 수 있다

계약 재편은 실질적인 생산성을 보상하지만, 기술이 안정적으로 제공할 수 없는 개선을 약속하는 제공업체에는 불이익을 줄 수 있다.

Tech Mahindra CEO Mohit Joshi는 일부 경쟁사들이 예상 생산성 개선폭 70%~80%를 기준으로 계약 가격을 책정하고 있다고 경고했다. 이러한 계약은 절감 효과를 위해 고객 측의 대대적인 프로세스 또는 시스템 변경이 필요함에도 5년에서 7년까지 이어질 수 있다.

Tech Mahindra는 그러한 위험을 떠안지 않았다고 말한다. Joshi는 7월 애널리스트 콜에서 시장 일부를 비합리적으로 경쟁적인 곳으로 묘사했다. 그의 우려는 성과 기반 가격 책정의 가장 큰 불확실성을 드러낸다.

공급업체는 자체 딜리버리 프로세스를 자동화할 수 있지만, 비즈니스 성과를 결정하는 모든 조건을 통제할 수는 없다. 고객은 분산된 데이터, 노후화된 애플리케이션, 느린 승인 절차, 또는 새로운 워크플로를 거부하는 직원을 보유할 수 있다.

성과 계약은 그러한 의존 관계를 명확히 배분해야 한다. 그렇지 않으면 고객이 필수 시스템 변경을 완료하지 않았다는 이유로 제공업체가 목표를 달성하지 못할 수 있다. 그 뒤 분쟁의 초점은 기록된 시간에서 실패한 결과에 대한 책임으로 옮겨간다.

장기 계약은 또 다른 예측 문제를 만든다. 모델, 칩, 에너지 비용, 규제, 보안 요건은 계약 종료 전에도 바뀔 수 있다. 현재 가정을 기반으로 한 고정 약정은 몇 년 뒤 경제성이 없어질 수 있다.

Infosys는 제공업체들이 한 가지 방어 수단을 유지하고 있음을 보여줬다. 회사는 7월 애널리스트들에게 더 이상 재무적으로 타당하지 않은 계약에서 철수했다고 밝혔다. 철수는 마진을 보호하지만, 매출을 줄이고 장기간 이어진 고객 관계를 약화시킬 수 있다.

재무적 증거는 엇갈린다. Wipro의 영업이익률은 4월~6월 분기에 전 분기 대비 130bp 하락한 16%를 기록했다. 최근 가격 분석에 따르면 Tech Mahindra의 마진은 같은 기간 60bp 상승한 14.4%였다.

1bp는 1%포인트의 100분의 1이다. 이러한 분기별 움직임에는 AI 계약 외에도 인력 가동률, 하도급, 환율 변동, 프로젝트 구성 등 많은 요인이 반영된다. 이를 가격 전략의 명확한 검증으로 해석해서는 안 된다.

고용 변화도 또 다른 신호를 제공하지만, 그 원인 역시 신중하게 봐야 한다. TCS는 2025년 1만2,000개 이상의 직무에 영향을 미치는 감원을 발표했다. 회사는 이 조치가 신기술 투자 등을 포함한 더 광범위한 전략적 이니셔티브의 일부라고 설명했다.

전 Infosys CFO V. Balakrishnan은 Reuters에 코딩 에이전트가 대규모 초급 프로그래머 그룹의 필요성을 줄인다고 말했다. 이 평가가 정확하다면 업계의 인력 피라미드는 지속적인 재설계에 직면하게 된다.

피라미드 모델은 소수의 숙련된 관리자와 전문가 아래에 많은 주니어 직원을 배치한다. 기업이 평균 인건비를 통제하면서 대규모 팀에 대해 고객에게 비용을 청구할 수 있을 때 마진을 뒷받침한다.

AI는 기본 코딩, 테스트, 문서화, 지원처럼 전통적으로 초급 엔지니어를 훈련시키던 업무를 자동화할 수 있다. 이는 운영상 이점을 만들지만, 숙련된 기술 리더를 양성하던 경력 사다리의 일부도 없앤다.

기업은 단순히 주니어 직무를 없애는 대신 이 학습 경로를 대체해야 한다. AI 결과물을 검토하고, 고객 시스템을 이해하며, 보안을 관리하고, 자동화된 결과가 실패할 때 판단을 내릴 수 있는 직원이 필요하다.

같은 주의는 낙관적인 매출 주장에도 적용된다. AI는 데이터 현대화, 모델 배포, 거버넌스, 워크플로 재설계와 관련된 프로젝트를 만든다. 그러나 새로운 수요는 유지보수, 개발, 비즈니스 프로세스 매출의 지속적인 압박을 넘어야 한다.

TCS는 지금까지 그 균형을 관리해 왔다고 말한다. Krithivasan은 향후 성장이 매출 디플레이션을 앞서가는 데 달려 있음을 인정했다. 이는 AI 파일럿 수나 AI 교육을 받은 직원 수보다 더 유용한 척도다.

Google News를 통해 이 기사를 접하는 독자들은 보도된 계약 구조와 독립 감사를 거친 성과를 구분해야 한다. 몇몇 중요한 사례는 비공개 계약에 정통한 관계자들의 설명에 의존한다. 관련 기업들은 전체 조건 공개를 거부했다.

방향은 분명하지만 장기 수익성은 아직 확정되지 않았다. 성과 기반 가격 책정은 효율적인 제공업체의 마진을 보존할 수도 있고, 야심 찬 생산성 전망을 계약상 부채로 바꿀 수도 있다.

다음 계약 사이클의 주도권을 보여줄 세 가지 신호

다음 단계는 AI 발표의 양이 아니라 계약 경제성, 상대적 성장률, 인력 구성에 의해 결정될 것이다.

첫 번째 신호는 주요 제공업체들이 다음 실적 보고서에서 매출 디플레이션을 어떻게 설명하는지다. 투자자들은 TCS가 기존 업무에서 줄어드는 매출을 새로운 AI 계약으로 계속 상쇄하는지 지켜봐야 한다.

격차가 벌어진다면 구현 수요가 사라진 청구 가능 시간을 대체할 수 있다는 주장은 약화될 것이다. 안정적인 성장과 마진은 단계적 절감과 성과 기반 가격 책정이 사업을 보호할 수 있다는 견해를 뒷받침할 것이다.

Infosys와 Wipro도 유사한 주목을 받을 만하다. Infosys는 경영진이 더 강한 생산성 요구와 공격적인 가격 책정을 언급한 뒤 연간 전망 상단을 낮췄다. Wipro는 압박받는 딜리버리 경제성과 새로운 AI 업무에서의 기회를 모두 인정했다.

유용한 지표는 고정환율 기준 매출 성장률, 영업이익률, 대형 고객 실적, 완료된 업무의 가치다. 계약이 더 짧고, 더 저렴하거나, 달성하기 어려운 성과 목표에 좌우된다면 대규모 수주 잔고의 의미는 줄어든다.

두 번째 신호는 중견 경쟁사들이 성장 우위를 유지하는지 여부다. Persistent와 Coforge는 최대 제공업체들보다 훨씬 빠르게 성장했지만, 그 속도를 유지하는 일은 이들의 딜리버리 시스템을 시험할 것이다.

지속적인 두 자릿수 성장은 AI가 규모 장벽을 낮췄다는 결론을 강화할 것이다. 성장 둔화, 문제 프로젝트, 마진 악화는 파일럿이 복잡한 프로덕션 시스템으로 전환될 때 대형 제공업체가 여전히 의미 있는 우위를 갖고 있음을 시사할 것이다.

계약 발표는 헤드라인 가치 이상의 관점에서 검토해야 한다. 구매자는 프로젝트 기간, 지급 구조, 절감액 배분, 모델 또는 인프라 비용에 대한 책임을 살펴봐야 한다. 이러한 세부 사항은 어느 쪽이 경제성을 실제로 통제하는지 드러낸다.

세 번째 신호는 기업들이 초급 고용을 어떻게 재설계하는지다. TCS의 인력 감축과 코딩 자동화에 대한 업계 발언은 제공업체들이 지속적인 변화를 예상하고 있음을 시사한다. 채용 계획은 이들이 단순히 역량을 제거하는지, 아니면 다른 인재 모델을 만드는지를 보여줄 것이다.

성공적인 전환은 더 작은 주니어 인력 집단과 AI 평가, 엔터프라이즈 아키텍처, 보안, 고객 운영에 관한 체계적인 교육을 결합할 것이다. 단순한 채용 축소는 단기적인 절감 효과를 만들겠지만, 향후 숙련 인력 부족 위험을 초래할 수 있다.

엔터프라이즈 구매자도 이 구분에 관심을 가져야 한다. 제공업체에 실패를 관리하고, 오래된 시스템을 이해하며, 제도적 지식을 보존할 사람이 없다면 낮은 계약 가격의 가치는 제한적이다.

지식 근로자들도 실질적인 결과에 직면한다. 계약이 시간 대신 성과를 보상할 때, 직원은 AI 결과물을 비즈니스 의사결정과 연결함으로써 가치를 얻는다. 더 많은 코드나 문서를 만드는 것보다 그 결과물이 측정 가능한 성과를 개선한다는 점을 입증하는 일이 더 중요해진다.

AI를 도입하는 팀은 그러한 결정의 근거를 보존해야 한다. 검색 가능한 AI 지식 베이스는 직원들이 프로젝트 맥락을 유지하고, 모델 결과를 비교하며, 워크플로가 변경된 이유를 문서화하는 데 도움이 될 수 있다. 지급이 결과에 따라 결정될 때 이러한 기록은 특히 중요해진다.

더 넓은 시장은 이미 우려를 반영했다. Reuters는 인도의 IT 서비스 산업 연간 매출을 약 3,150억 달러로 추산했다. Nifty IT 지수는 2026년 동안 약 20% 하락해, 8월 21일까지 10개 구성 종목의 시가총액에서 합산 730억 달러가 사라졌다.

시장은 과도하게 움직일 수 있으며, 이러한 손실이 업계의 미래를 확정하는 것은 아니다. 인도 제공업체들은 여전히 기업이 챗봇이나 코딩 에이전트로 대체할 수 없는 복잡한 시스템을 관리한다. 이들의 과제는 일상적인 노동 비용이 낮아진 뒤에도 전문성이 가치를 지닌다는 점을 입증하는 것이다.

다음 계약 주기에서 어떤 기업들이 그 주장을 입증할 수 있을지가 분명해질 것이다. 공급업체들이 성과 연동 조건을 받아들이면서도 마진을 유지한다면, AI는 운영 모델을 파괴하지 않고 변화시킨 셈이 된다. 반대로 가격이 서비스 제공 비용보다 더 빠르게 하락한다면, 고객이 혜택의 대부분을 가져가게 될 것이다.

이 때문에 이 변화는 인도 주식시장을 넘어 주목할 가치가 있다. AI 생산성이 기술적 약속이 아니라 상업적 요구가 되었을 때 어떤 일이 일어나는지를 보여주는 초기 사례이기 때문이다.

다음 실적 발표 컨퍼런스콜에서는 측정 가능한 매출 대체, 지속적인 중견 기업 성장, 신뢰할 만한 인력 재설계를 주시해야 한다. 이 세 가지 신호는 인도의 IT 선도 기업들이 더 나은 성과를 판매하고 있는지, 아니면 단지 더 작은 계약을 받아들이고 있는지를 보여줄 것이다.