SAP, 출장과 채용 동결…Hacker News가 본 AI 추진의 대가
SAP는 인공지능을 기업용 소프트웨어 전략의 핵심으로 내세우는 가운데, 7월 대부분의 채용과 내부 출장을 제한한 것으로 알려졌다. 이 소식은 이후 hacker news에 전해졌고, 독자들은 이미 자리 잡은 소프트웨어 기업이 AI 확장 자금을 마련하기 위해 왜 일상적인 운영까지 제약해야 하는지 의문을 제기했다.
보도된 조치는 전면적인 채용 또는 출장 금지에 해당하지는 않는다. AI 관련 직무는 계속 우선순위를 유지하며, 고객 대응 출장과 AI 개발에 연계된 업무는 지속될 수 있다. 반면 그 밖의 공석 충원, 내부 출장, 공급업체 비용에는 더 엄격한 승인 절차가 적용된다.
이 구분은 실제 갈등을 드러낸다. SAP가 AI에서 물러서는 이유는 기술 비용이 지나치게 높아서가 아니다. 경영진은 뒤처지는 비용이 더 클 수 있다고 판단하기 때문에 인력과 지출을 AI로 재배치하고 있다.
이는 단순히 비용을 줄이는 기술 기업에 관한 또 하나의 이야기도 아니다. SAP는 대형 조직이 인력, 조달, 출장, 예산을 관리하도록 돕는 소프트웨어를 판매한다. 이제 이 회사는 AI를 중심으로 제품과 인력을 재편하면서, 비슷한 통제 수단을 자사에도 적용하고 있다.
Oracle, Microsoft, Salesforce와 다른 기업용 소프트웨어 업체들도 같은 전략적 압박에 직면해 있다. 고객들은 기존 비즈니스 시스템 안에서 보조 기능과 자율 에이전트를 점점 더 기대하고 있다. 공급업체들은 AI 매출, 운영 효율, 고객 도입 효과가 완전히 가시화되기 전에 그 작업에 자금을 투입해야 한다.
SAP가 실제로 바꾼 것
SAP는 회사의 남은 재량 지출 대부분에 더 엄격한 제한을 두는 대신 AI 업무를 보호하고 있다.
7월 처음 보도된 내부 직원 메시지에 따르면, SAP는 신규 채용을 선별된 직무에 집중할 계획이었다. 우선순위는 회사의 장기 전략과 연결된 핵심 AI 직무에 주어질 예정이었다.
AI 개발과 무관한 내부 출장은 중단될 예정이었다. 고객 관련 출장은 계속 허용될 수 있었는데, 이는 이 정책이 영업, 구축 또는 직접적인 계정 지원을 멈추려는 의도는 아니었음을 시사한다.
회사는 공급업체 지출도 검토할 계획이었다. 팀에는 외부 후보자를 자동으로 채용하기보다 기존 직원을 이동시켜 새로운 수요를 충족하도록 권장했다.
SAP 대변인은 이후 이러한 큰 방향을 확인했다. 회사는 채용, 외부 비용, 내부 출장에 더 큰 규율을 적용하는 동시에 AI 역량, 인재, 기술을 우선시하고 있다고 밝혔다.
이 표현은 중요하다. SAP는 이 변화를 전면적인 채용 동결이라고 공개적으로 설명하지 않았다. 대신 AI에 우대 조치를 부여하는 자원 재배치로 제한을 제시했다.
따라서 보도된 지출 통제는 한 회사 안에 서로 다른 두 운영 환경을 만든다. AI 프로젝트는 계속 인력과 관심을 끌 수 있는 반면, 관련 없는 팀은 공석, 출장, 공급업체 계약을 더 신중하게 정당화해야 한다.
이 정책은 앞선 구조조정 주기의 연장선이기도 하다. SAP는 2024년 약 8,000개 직위에 영향을 미칠 전환 프로그램을 발표했으며, 재교육과 자발적 퇴직 프로그램을 계획된 조치로 제시했다.
SAP의 연례 보고서는 이 프로그램이 비즈니스 AI를 포함한 전략적 성장 분야로 기술과 자원을 이동시키기 위해 설계됐다고 설명한다. 구조조정은 결국 초기 예상보다 더 많은 직위를 포함하게 됐으며, 전략 전환기에 인력 계획이 얼마나 빠르게 확대될 수 있는지를 보여준다.
최근의 제한 조치가 반드시 또 다른 감원 발표를 의미하는 것은 아니다. 그러나 이는 같은 자원 이동을 이어간다. SAP는 AI 사업에 기존의 직무가 얼마나 필요할지 입증하기 전에 인력 구성부터 바꾸고 있다.
직원들에게는 공식적인 감축보다 먼저 실질적인 영향이 닥칠 수 있다. 퇴사한 직원을 대체할 수 없는 팀은 사실상 역량을 잃는다. 출장을 승인받지 못하는 관리자는 프로젝트 조율이나 내부 관계 유지 능력 일부도 잃는다.
이러한 영향은 이 사안을 단순한 회계 조정보다 더 중요하게 만든다. 통제 조치는 어떤 프로젝트가 진전되고, 어떤 기술이 투자를 받으며, SAP의 어느 부문이 AI 전략의 즉각적인 비용을 떠안는지를 결정한다.
Hacker News의 반응이 모순에 주목한 이유
hacker news의 논의는 뚜렷한 역전에 초점을 맞췄다. AI는 효율성 도구로 판매되지만, 그 확장에는 다른 곳에서 즉각적인 희생이 요구된다.
제공된 브리프에 포함됐을 당시 이 기사는 43포인트와 18개의 댓글을 기록했다. 이는 첫 페이지 기준으로는 크지 않은 논의지만, 그 논의의 틀은 소프트웨어 업계 전반의 더 큰 우려를 포착했다.
AI가 더 빠른 개발, 더 나은 지원, 자동화된 비즈니스 프로세스를 만든다면, 직원들이 왜 그 이점이 아직 압박을 줄이지 못했는지 묻는 것은 당연하다. 답은 기대되는 효율성과 현재의 투자가 서로 다른 일정에 발생한다는 데 있다.
기업용 AI에는 전문 엔지니어, 안전한 데이터 시스템, 모델 접근 권한, 평가 인프라, 제품 통합이 필요하다. 또한 모델이 고객 요청을 처리할 때마다 발생하는 지속적인 추론 비용도 만들어 낸다.
이러한 비용은 많은 고객이 시험 단계를 넘어가기 전에 발생한다. AI 기능이 관심을 끌더라도, 공급업체는 도입이 반복 매출을 만드는지 아니면 기존 계정 지원 비용만 늘리는지를 판단해야 한다.
SAP의 위치는 이 문제를 특히 잘 드러낸다. 이 회사의 소프트웨어는 대형 조직의 재무, 조달, 제조, 인사, 공급망을 운영한다. 고객들은 이러한 환경에서 정확성, 접근 통제, 감사 가능성, 예측 가능한 성능을 기대한다.
일반 챗봇은 때때로 부정확한 답변을 내놓아도 기업의 결산 업무를 중단시키지는 않을 수 있다. 기업 자원 계획 시스템 안에서 작동하는 에이전트는 오류를 허용할 여지가 훨씬 적다.
따라서 SAP는 모델 역량과 함께 테스트, 권한 관리, 데이터 거버넌스, 통합에도 투자해야 한다. 이러한 덜 눈에 띄는 요구 사항은 기업용 AI를 독립형 소비자용 보조 기능보다 배포하기 어렵게 만든다.
일부 온라인 댓글 작성자들은 출장 제한을 AI 지출이 과도해졌다는 증거로 해석했다. 다른 이들은 내부 출장이 이미 제한된 가치를 제공했으며 비용을 절감하기에 분명한 대상이었다고 주장했다.
두 해석 모두 그럴듯하지만, 보도된 메모만으로 어느 쪽도 입증되지는 않는다. SAP는 제한 조치가 얼마나 절감 효과를 내는지, 또는 그 절감액이 개별 AI 프로그램에 어떻게 연결되는지를 보여주는 완전한 예산을 공개하지 않았다.
헤드라인은 모델 사용만이 정책의 원인이었다는 인상을 줄 위험도 있다. 회사의 전략은 컴퓨팅 용량을 구매하는 것 이상을 포함한다. 여기에는 인수, 전문 인력 채용, 제품 개발, 데이터 인프라, 기존 팀의 재편이 포함된다.
더 정확한 해석은 AI가 SAP의 희소 자원을 배분하는 우선 목적지가 됐다는 것이다. 채용과 출장 제한은 그 우선순위를 드러내지만, 결정의 원인이 된 단일 비용을 특정하지는 못한다.
그럼에도 hacker news의 반응은 정당한 검증 기준을 제시한다. 경영진은 결국 집중적인 AI 투자가 그것이 대체하는 제약된 업무보다 더 큰 가치를 창출한다는 점을 보여야 한다.
그 부담은 제품 시연만으로 충족될 수 없다. SAP에는 고객 도입, 신뢰할 수 있는 결과, 그리고 사용량이 늘어날수록 개선되는 경제성이 필요하다.
진짜 경쟁은 AI 약속과 운영 현실 사이에 있다
SAP의 핵심 과제는 이를 제공해야 하는 조직을 약화시키지 않으면서, 야심 찬 AI 제품 전략을 측정 가능한 사업 성과로 전환하는 것이다.
SAP는 AI를 자사 비즈니스 애플리케이션 전반의 인터페이스이자 운영 계층으로 자리매김했다. Joule 보조 기능과 확장 중인 에이전트 모음은 기업 데이터를 활용하고 재무, 조달, 인사, 공급망 전반의 작업을 조율하도록 설계됐다.
이 전략에는 실질적인 강점이 있다. SAP는 이미 기업용 AI에 필요한 구조화된 비즈니스 데이터와 워크플로 가까이에 자리하고 있다. 회사의 거래, 역할, 정책을 이해하는 모델은 고립된 보조 기능보다 더 유용할 수 있다.
그러나 비즈니스 데이터에 접근한다고 해서 신뢰할 수 있는 에이전트가 자동으로 만들어지는 것은 아니다. 소프트웨어는 권한을 준수하고, 회사별 구성을 해석하며, 중요한 결과를 낳는 행동을 설명할 수 있어야 한다.
예를 들어 구매 추천은 공급업체 관계와 운전자본에 영향을 줄 수 있다. 인사 에이전트는 기밀 직원 정보를 다룰 수 있다. 재무 에이전트는 보고와 규정 준수에 영향을 미칠 수 있다.
각 활용 사례에는 유창한 텍스트 생성 이상의 것이 필요하다. 통제된 접근, 추적 가능한 결정, 그리고 시스템이 잘못 작동했을 때의 복구 경로가 필요하다.
SAP는 수십 년에 걸쳐 발전한 다양한 고객 환경에서도 운영된다. 일부 조직은 현대적인 클라우드 제품을 사용하지만, 다른 조직은 고도로 맞춤화된 설치 환경을 유지하고 있다. 이러한 다양성은 일관된 AI 배포를 어렵게 만든다.
회사의 클라우드 전환은 중앙집중형 서비스를 더 쉽게 업데이트하고 모니터링할 수 있기 때문에 도움이 된다. 그러나 마이그레이션 자체도 고객 예산과 구축 역량을 소모한다. AI는 그 후 기반 시스템을 현대화해야 하는 다른 이유들과 경쟁하게 된다.
SAP의 2025 연례 보고서는 재무, 지출, 공급망, 인사, 고객 관리 및 기타 기능 전반의 AI 기능을 설명한다. 이러한 폭넓은 범위는 기회를 만들지만, 동시에 큰 검증 부담도 만든다.
고객은 모든 기능을 동일하게 판단하지 않을 것이다. 글쓰기 보조 기능은 가끔의 편집을 허용할 수 있지만, 결제에 영향을 미치는 자율 워크플로에는 훨씬 강력한 통제가 필요하다.
바로 이 지점에서 채용 제한이 전략적으로 중요해진다. SAP에는 희소한 AI 전문 인력이 필요하지만, 세금, 제조, 조달, 급여, 지역 규제를 이해하는 제품 전문가도 필요하다.
도메인 지식을 기술 인재로 대체하면 SAP가 기업용 AI에 제공하는 바로 그 강점이 약화될 것이다. 회사는 한쪽을 다른 쪽의 대체재로 취급하기보다 두 집단을 결합해야 한다.
직원들이 유용한 교육을 받고 명확히 정의된 역할로 이동한다면 재배치는 이러한 균형을 뒷받침할 수 있다. 반대로 채용 제한이 단지 더 작은 팀에 더 많은 업무를 분배하는 데 그친다면 실패할 수 있다.
SAP의 앞선 구조조정은 전환의 일부로 재교육을 설명했다. 최근 정책은 그 재교육의 질을 더 중요하게 만든다. 직원들은 실제 프로젝트, 기술 지원, 그리고 새로운 역량을 개발할 시간을 확보해야 한다.
실용적인 AI 워크플로는 반복적인 조율 업무를 줄일 수 있다. 그러나 팀 간 판단, 책임, 소통의 필요성을 없애지는 않는다.
SAP 전략의 가장 강력한 형태는 이미 고객 프로세스를 이해하는 직원을 AI로 증강하는 것이다. 가장 약한 형태는 고객이 신뢰할 수 있는 결과를 보기 전에 인력 역량 축소를 자동화 성공의 증거로 취급하는 것이다.
SAP의 클라우드 성장은 시간을 벌어줄 뿐, 증명은 아니다
SAP는 지속적인 클라우드 성장이라는 위치에서 이러한 통제를 도입하고 있으며, 이는 이 결정이 명백한 붕괴 대응이 아니라 전략적 선택임을 뜻한다.
회사는 2026년 2분기 클라우드 매출이 고정 환율 기준 24% 증가했다고 보고했다. SAP는 연간 클라우드 매출 전망을 유지했으며, 이는 클라우드 포트폴리오에 대한 수요가 여전히 유지되고 있음을 시사한다.
현재 클라우드 백로그도 계속 증가했다. 이 지표는 SAP가 향후 12개월 내 인식할 것으로 예상하는 계약된 클라우드 매출을 뜻한다.
이 수치는 단순한 설명에 의문을 제기한다는 점에서 중요하다. SAP가 대부분의 출장을 동결하고 채용을 제한한 이유는 클라우드 사업의 성장이 갑자기 멈췄기 때문이 아니다.
동시에 SAP는 AI 중심 데이터 인수를 완료한 뒤 영업이익 전망을 낮췄다. Reuters는 이 조정을 기업용 소프트웨어를 AI에 맞추는 데 따르는 단기 비용의 신호로 설명했다.
분기 실적은 경영진이 투자를 계속할 여력이 있는 이유도 보여준다. 확대되는 클라우드 기반은 반복 매출과 새로운 AI 기능을 배포할 유통 채널을 제공한다.
그러나 클라우드 성장이 AI 자체가 충분한 수익을 창출하고 있음을 입증하지는 않는다. 고객들은 AI와 무관하게 보안, 유지보수, 인프라 또는 마이그레이션을 이유로 클라우드 ERP를 구매할 수 있다.
SAP는 외부인이 각 주요 이니셔티브의 수익률을 평가할 수 있을 만큼 AI 매출을 공개적으로 분리해 제시하지 않았다. 이 때문에 투자자들은 눈에 보이는 비용과 더 광범위한 클라우드 계약 안에 일부 포함된 채로 남아 있는 효익을 비교하게 된다.
이익 전망 변경은 이러한 불확실성을 더욱 선명하게 만든다. 최근의 데이터 인수는 SAP의 에이전틱 AI 전략을 뒷받침하지만, 통합 비용도 발생시키고 단기 수익성에 압박을 가한다.
인수는 내부 개발보다 더 빠르게 기술을 추가할 수 있다. 동시에 중복 제품, 중복 인력, 통합이 필요한 새로운 시스템을 들여올 수도 있다.
SAP는 인수한 데이터 역량을 기존 비즈니스 애플리케이션과 연결해야 한다. 이어 고객에게 통합 플랫폼이 분리된 도구보다 더 나은 거버넌스와 성과를 제공한다는 점을 설득해야 한다.
전략적 논리가 타당하더라도 이 작업에는 시간이 걸린다. 출장 및 채용 제한은 사실상 그 대기 비용의 일부를 조직의 다른 부문에 전가한다.
따라서 클라우드 모멘텀은 SAP에 시간을 벌어주지만, 논쟁을 종결하지는 않는다. 회사는 여전히 AI가 갱신율을 높이고, 새로운 워크로드를 유치하며, 더 나은 마진을 뒷받침하는지 보여줘야 한다.
가장 설득력 있는 증거는 AI 사용과 측정 가능한 고객 성과를 연결하는 것이다. 예로는 더 짧아진 재무 처리 과정, 줄어든 조달 오류, 더 빠른 문제 해결 또는 높아진 직원 생산성이 있다.
그러한 결과도 신중하게 해석해야 한다. 고객은 파일럿 동안 시간을 절약할 수 있지만 시스템을 광범위하게 배포하지 않을 수 있다. 성공적인 시연 역시 유난히 정제된 데이터나 집중적인 인력 지원에 의존할 수 있다.
SAP에는 다양한 고객 환경에서 반복 가능한 성과가 필요하다. 그러한 결과가 나타나기 전까지 재무적 강점은 AI 투자 결정을 뒷받침할 뿐, 그 투자가 성과를 낼 것임을 증명하지는 못한다.
직원과 고객이 떠안는 위험은 다르다
즉각적인 위험은 직원과 운영팀에 돌아가며, 고객은 제품 품질, 지원 역량, 벤더 종속성에 대한 더 느린 검증에 직면한다.
우선순위 AI 직무 밖의 직원들은 가장 분명한 단기 압박을 받는다. 회사가 내부 전환을 장려하더라도 외부 채용 감소는 SAP 내부의 경력 이동성을 제한할 수 있다.
출장 중단도 직원들에게 불균등하게 영향을 줄 수 있다. 한 지역에 집중된 팀은 분산된 그룹보다 더 쉽게 조율할 수 있다. 신규 직원과 기능 간 협업팀은 가끔씩의 대면 회의에 더 크게 의존할 수 있다.
고객 대면 활동에 대한 예외는 한 가지 우려를 줄이지만, 또 다른 문제를 낳는다. 관리자는 어떤 회의가 대상인지 결정해야 하며, 이 과정에서 행정적 마찰과 지역 또는 계정별 접근성의 불일치가 생긴다.
공급업체 축소도 비슷한 상충 관계를 낳을 수 있다. 중복 계약을 줄이면 규율은 개선되지만, 전문 지원이 줄어들면 프로젝트가 지연되거나 업무가 다시 직원에게 전가될 수 있다.
어느 결과가 우세할지를 판단할 만큼 회사가 공개한 세부 정보는 충분하지 않다. 제한을 해제할 공개 일정도 마련하지 않았다.
이 검증 공백은 SAP가 위기에 처했거나 이미 더 효율적으로 운영되고 있다는 주장을 모두 절제하게 해야 한다. 보도된 정책은 결과가 아니라 투입에 관한 결정이다.
고객은 다른 질문에 직면한다. SAP가 AI에 더 많은 자원을 배정하면서도 구축, 지원, 보안, 제품 신뢰성을 유지할 수 있는지 알아야 한다.
벤더는 눈에 띄지 않는 유지보수를 소홀히 한 채 어시스턴트를 빠르게 추가할 수 있다. 기업 구매자는 일반 제품 문제에 대한 대응이 느려지는지, 또는 로드맵이 에이전트 기능에 과도하게 집중되는지 지켜봐야 한다.
또한 AI 사용이 계약상·운영상 의존성을 어떻게 바꾸는지 살펴봐야 한다. 재무와 조달 전반에 내장된 에이전트는 별도의 생산성 도구보다 교체하기 어려워질 수 있다.
그러한 의존성이 자동으로 해로운 것은 아니다. 깊은 통합은 맥락을 개선하고 수작업 데이터 이동을 줄일 수 있다. 그러나 고객이 향후 제품 또는 거버넌스 결정에 불만을 가질 때 전환 비용도 높아진다.
데이터 통제는 특히 중요하다. 고객은 어떤 모델이 자신의 정보를 처리하는지, 추론이 어디에서 이뤄지는지, SAP가 자동화된 작업을 어떻게 기록하는지 물어봐야 한다.
지원과 자율성도 구분해야 한다. 권고안을 초안으로 작성하는 도구는 거래를 실행하는 도구와 다른 위험 프로필을 만든다.
SAP의 AI 전략은 모든 프로세스를 자율화하지 않아도 성공할 수 있다. 특히 법률, 재무 통제 또는 고용 결정이 적용되는 민감한 워크플로에서는 사람의 검토가 계속 필요할 수 있다.
더 큰 고용 서사에도 회의적인 시각이 필요하다. 기업들은 구조조정을 점점 AI와 연관 짓고 있지만, AI가 인력 변화의 유일한 요인인 경우는 드물다.
더 광범위한 해고 패턴에는 비용 통제, 팬데믹 이후 인력 조정, 조직 단순화, 수요 변화가 포함된다. 모든 감원을 AI에 의한 직접적 대체로 보는 것은 현재 증거가 보여주는 범위를 과장한다.
SAP의 정책은 보다 정확히 말해 자원 배분 결정이다. 특정 기술을 위한 채용 여력을 확보하고 다른 영역의 지출을 제한한다. AI가 이후 일자리를 대체할지, 새 역할을 만들지, 기존 직무를 바꿀지는 여전히 열린 운영상 질문이다.
Christian Klein CEO는 이전에 미래의 인력이 단순히 더 적어지는 것이 아니라 달라질 것이라고 설명한 바 있다. 이 구도는 인원수, 내부 이동성, 새 역할의 질을 통해 검증될 것이다.
직원들이 지속 가능하고 생산적인 직무로 이동한다면 SAP는 재배치가 효과를 냈다고 주장할 수 있다. 기대했던 자동화가 이를 보완하지 못하는 동안 팀이 계속 인력 부족 상태에 놓인다면, 제한은 AI라는 이름을 단 평범한 비용 절감으로 보일 것이다.
Hacker News 독자가 다음으로 지켜봐야 할 것
세 가지 신호가 SAP의 제한이 생산적인 전환을 위한 재원 조달인지, 아니면 AI의 불확실한 비용을 직원과 고객에게 떠넘기는 일인지 보여줄 것이다.
첫 번째 신호는 채용 통제의 기간과 범위다. 짧고 표적화된 제한은 SAP가 자원을 의도적으로 재배치하고 있다는 주장을 뒷받침할 것이다.
비AI 기능 전반에 걸친 장기 동결은 재무 압박이 일시적인 재균형을 넘어선다는 점을 시사할 것이다. 새로운 구조조정 발표가 나온다면 이 구분은 더욱 중요해진다.
SAP가 실제로 어느 분야에서 인력을 늘리는지 지켜봐야 한다. AI 엔지니어링만의 성장은 기술 투자를 보여주겠지만, 보안, 구축, 데이터 거버넌스, 제품 전문성의 성장은 더 광범위한 배포 전략을 나타낼 것이다.
내부 이동성도 똑같이 주목할 가치가 있다. SAP는 기존 인력을 재배치해 수요를 충족하도록 팀을 장려해 왔다. 그러한 전환의 수와 질은 재교육이 실제 운영인지, 아니면 주로 수사에 그치는지를 드러낼 것이다.
두 번째 신호는 고객 도입이다. SAP는 발표된 에이전트나 제공 가능한 기능의 수 이상을 보고해야 한다.
유용한 증거에는 활성 사용량, 반복 사용, 체험판에서의 전환, 기존 계정 내 확장이 포함된다. 고객 성과가 중심에 남아야 한다.
제품 카탈로그에 등장하지만 실제 운영에서 제한적으로만 사용되는 에이전트는 지속적인 투자를 정당화하지 못한다. 마찬가지로 적절한 경제성이 없는 높은 사용량은 건전한 사업이 아니라 비용이 큰 서비스를 만들 수 있다.
번들형 AI와 별도 구매 AI의 구분도 중요하다. 번들은 도입을 가속할 수 있지만 매출 귀속을 어렵게 만든다.
투자자들은 AI가 클라우드 갱신을 개선하는지, 데이터 워크로드를 유치하는지, SAP의 경쟁적 위치를 강화하는지 살펴봐야 한다. 고객들은 AI가 숨은 운영 업무를 더하지 않으면서 신뢰할 수 있는 결과를 내는지 살펴봐야 한다.
세 번째 신호는 향후 실적에서 성장과 수익성의 관계다. SAP의 2분기 클라우드 성과는 지속적인 모멘텀을 보여줬지만, 인수는 영업이익 전망을 낮췄다.
이러한 조합은 정해진 투자 기간에는 수용 가능할 수 있다. 더 강한 도입이나 분명한 고객 성과 없이 비용이 계속 상승한다면 방어하기 어려워진다.
향후 재무 공시는 인수 통합이 예상대로 진행되는지 보여줘야 한다. 또한 AI 관련 효율성이 운영비, 개발 속도 또는 고객 지원에서 나타나는지도 분명히 해야 한다.
경쟁사의 대응은 세 가지 신호 모두에 영향을 미칠 것이다. Microsoft는 어시스턴트를 업무용 소프트웨어 및 Azure 인프라와 연결할 수 있다. Oracle은 클라우드 인프라, 데이터베이스, 비즈니스 애플리케이션을 결합할 수 있다. Salesforce는 에이전트를 고객 및 영업 워크플로 안에 직접 배치하고 있다.
SAP의 강점은 비즈니스 프로세스와 데이터의 깊이에 있다. 약점은 대규모의 맞춤형 고객 환경 전반에 새로운 기능을 배포하는 복잡성이다.
회사가 범용 AI에서 모든 경쟁사를 이길 필요는 없다. SAP 시스템 내 AI를 신뢰할 수 있고, 유용하며, 경제적으로 지속 가능하게 만들어야 한다.
이것이 Hacker News의 회의론이 적용하는 기준이다. 비용 통제는 발표하기 쉽고 즉시 눈에 보인다. 지속적인 생산성 향상은 확립하는 데 더 오래 걸리고 측정도 더 어렵다.
독자들은 두 가지 성급한 결론을 피해야 한다. SAP의 제한은 기업용 AI가 실패했음을 증명하지 않는다. 그렇다고 AI가 회사를 더 효율적으로 만들었다는 증거도 아니다.
현재의 증거가 뒷받침하는 판단은 더 좁다. SAP는 이전까지 다른 업무에 투입할 수 있었던 자원이 AI에 필요하다고 결정했으며, 경영진은 그에 따른 조직적 상충 관계를 받아들이고 있다.
향후 몇 달은 이 우선순위가 작동하는 시스템, 더 강한 고객 도입, 개선되는 경제성을 만들어 내는지 보여줄 것이다. 이러한 지표가 함께 나타난다면, 제한은 절제된 전환으로 보일 것이다.
그렇지 않다면 SAP는 Hacker News에서 제기된 문제보다 더 어려운 질문에 직면하게 될 것이다. 비용이 많이 들고 일부만 측정 가능한 AI 미래를 위해 소프트웨어 기업은 현재의 운영을 얼마나 오래 제한할 수 있을까?
