SAP, 18개월 된 독일 AI 연구소에 11.6억 달러 투자 및 NemoClaw 선택 [SaaS]

SAP의 Prior Labs 인수와 10억 유로 규모의 AI 연구소 전환 전략

글로벌 ERP 시장의 거인 SAP가 인공지능(AI) 주도권을 확보하기 위해 파격적인 행보를 보이고 있습니다. SAP는 최근 Prior Labs를 인수하며, 향후 4년에 걸쳐 약 10억 유로(한화 약 1조 5천억 원 규모)를 투입해 이 신생 스타트업을 기업용 AI 전문 연구소로 탈바꿈시키겠다는 계획을 발표했습니다.

이번 인수는 단순히 새로운 기술을 도입하는 차원을 넘어, SAP의 근본적인 소프트웨어 아키텍처를 AI 중심으로 재편하려는 전략적 의도가 담겨 있습니다. SAP는 Prior Labs를 통해 기존의 비즈니스 로직 위에 강력한 AI 레이어를 얹어, 기업 고객들에게 차원이 다른 운영 효율성을 제공하고자 합니다.

특히 이번 투자는 단순한 모델 성능 개선이 아니라, 기업 운영의 핵심인 '구조화된 데이터'를 처리하는 데 초점이 맞춰져 있습니다. 이는 범용 LLM(거대언어모델)이 해결하지 못하는 기업용 소프트웨어 특유의 난제들을 정면으로 돌파하겠다는 선언과도 같습니다.

왜 텍스트를 넘어 '구조화된 데이터'에 집중해야 하는가

LLM의 한계와 기업 데이터의 실체

현재 생성형 AI 열풍의 중심에는 텍스트 기반의 대화형 인터페이스가 있습니다. 하지만 실제 기업의 의사결정 과정에서 사용되는 데이터는 자연어보다는 정교하게 설계된 테이블, 데이터베이스, 그리고 복잡한 워크플로우 시스템에 존재합니다.

재무 제표, 재고 현황, 인사 기록 등 기업의 핵심 가치를 담고 있는 데이터는 대부분 구조화된 형태를 띠고 있습니다. 일반적인 LLM은 문맥을 파악하는 데는 뛰어나지만, 이러한 수치 중심의 테이블 데이터 사이의 논리적 관계를 정확히 추론하고 처리하는 데는 여전히 한계를 보입니다.

결국 비즈니스 가치는 '말을 잘하는 AI'가 아니라 '데이터를 정확히 읽고 실행하는 AI'에서 나옵니다. SAP는 바로 이 지점, 즉 텍스트 너머의 구조화된 데이터 계층을 장악하는 것이 기업용 AI의 승부처라고 판단한 것입니다.

비즈니스 가치가 숨겨진 워크플로우 시스템

기업용 소프트웨어의 본질은 단순히 정보를 저장하는 것이 아니라, 특정 프로세스를 완결 짓는 워크플로우에 있습니다. 조달, 결제, 승인 등으로 이어지는 일련의 과정은 데이터베이스의 각 레코드가 유기적으로 연결되어 작동합니다.

이러한 워크플로우 시스템을 이해하지 못하는 AI는 기업 환경에서 단순한 '비서' 역할에 그칠 수밖에 없습니다. 진정한 가치를 창출하려면 AI가 데이터베이스의 구조를 이해하고, 특정 작업이 전체 비즈니스 프로세스에 미치는 영향을 파악할 수 있어야 합니다.

SAP는 Prior Labs를 통해 이러한 워크플로우와 데이터 구조를 깊이 있게 이해하는 모델을 구축함으로써, 단순한 질의응답을 넘어 실질적인 업무 자동화와 의사결정 지원을 목표로 하고 있습니다.

Prior Labs가 구축한 테이블 기반 파운데이션 모델의 차별점

Prior Labs의 기술적 핵심은 일반적인 채팅 인터페이스를 위한 모델이 아닌, '테이블 기반 파운데이션 모델'을 구축했다는 점에 있습니다. 이는 데이터의 행(Row)과 열(Column)이 가진 의미를 수학적, 논리적으로 이해하도록 설계된 모델입니다.

이 모델은 재무, 인사, 조달 및 기타 기업 운영 시스템에서 발생하는 방대한 양의 구조화된 데이터를 학습합니다. 이를 통해 AI는 복잡한 쿼리를 이해하고, 테이블 간의 관계를 분석하며, 비즈니스 규칙에 어긋나는 데이터를 찾아내는 등의 고차원적인 작업을 수행할 수 있습니다.

결과적으로 Prior Labs의 모델은 기업의 '시스템 오브 레코드(System of Record)'와 직접적으로 상호작용할 수 있는 능력을 갖추게 됩니다. 이는 기존의 범용 AI 모델들이 도달하기 어려운, 기업용 소프트웨어만의 특화된 영역입니다.

SaaS 빌더들을 위한 교훈: 프로세스 재구축이 아닌 시스템 통합

사용자 경험의 함정: 새로운 도구인가, 기존 도구의 진화인가

많은 SaaS 스타트업들이 AI 기능을 도입할 때 범하는 실수는 사용자에게 완전히 새로운 인터페이스를 요구하는 것입니다. 사용자가 기존에 사용하던 업무 방식과 프로세스를 버리고, AI를 위해 새로운 도구에 맞춰 업무를 재구축하라고 요구하는 것은 매우 위험합니다.

사용자는 업무를 더 편하게 만들기 위해 AI를 원하지, AI를 배우기 위해 시간을 쓰고 싶어 하지 않습니다. 성공적인 AI 도입은 사용자가 기존에 익숙했던 워크플로우 안에서 자연스럽게 AI의 도움을 받는 형태로 이루어져야 합니다.

SAP의 전략은 바로 이 '자연스러운 통합'에 있습니다. 사용자가 기존의 ERP 화면을 그대로 사용하면서도, 그 이면에서 AI가 데이터를 분석하고 다음 단계를 제안하는 방식이 가장 지속 가능한 AI 가치 창출 모델입니다.

System of Record(SoR)와의 결합 전략

지속 가능한 경쟁 우위를 확보하려면 기업의 '시스템 오브 레코드(SoR)', 즉 데이터의 원천이 되는 시스템에 얼마나 깊숙이 녹아드느냐가 관건입니다. 데이터가 생성되고 관리되는 핵심 지점에 AI가 위치해야만 데이터의 신뢰성과 활용도를 극대화할 수 있습니다.

SaaS 빌더들은 단순히 AI 기능을 '추가(Add-on)'하는 것에 그치지 말고, 제품의 핵심 데이터 구조 자체가 AI 친화적으로 설계되었는지 검토해야 합니다. 데이터 접근에 대한 정교한 제어권과 워크플로우와의 긴밀한 통합은 이제 선택이 아닌 필수입니다.

결국 AI 시대의 승자는 가장 똑똑한 모델을 가진 기업이 아니라, 고객의 기존 업무 흐름을 가장 잘 이해하고 그 흐름 속에 가장 자연스럽게 스며든 기업이 될 것입니다.

데이터 제어권과 워크플로우 통합이 만드는 새로운 경쟁 우위

AI 기술이 상향 평준화될수록, 기업용 소프트웨어 시장의 경쟁 우위는 모델 자체보다는 '데이터 거버넌스'와 '통합 능력'으로 이동할 것입니다. 기업은 보안과 규제 준수를 위해 데이터에 대한 엄격한 제어권을 요구하며, AI가 이 권한을 침해하지 않으면서도 가치를 창출하기를 기대합니다.

신뢰할 수 있는 워크플로우 통합은 AI가 내놓은 결과물이 실제 비즈니스 프로세스에 즉각적으로 반영될 수 있음을 의미합니다. AI가 분석한 결과가 단순히 화면에 표시되는 것에 그치지 않고, 클릭 한 번으로 결재 시스템에 반영되거나 재고 주문으로 이어지는 연결성이 핵심입니다.

이러한 통합 역량은 단순한 기능 구현을 넘어, 기업의 복잡한 비즈니스 로직을 얼마나 깊이 있게 이해하고 있는지를 보여주는 척도가 됩니다. SAP는 Prior Labs를 통해 바로 이 '신뢰할 수 있는 통합'의 해자를 구축하려 하고 있습니다.

한국 B2B AI 스타트업이 주목해야 할 전략적 시사점

한국의 B2B SaaS 및 AI 스타트업들에게 SAP의 사례는 매우 중요한 이정표를 제시합니다. 많은 국내 기업들이 'AI 기반의 [X]'라는 타이틀을 내걸고 있지만, 정작 기업의 기존 레거시 시스템이나 데이터 구조와 어떻게 유기적으로 결합할지에 대한 고민은 부족한 경우가 많습니다.

국내 시장에서도 ERP, 인사 관리, 회계 소프트웨어 등 강력한 '시스템 오브 레코드'를 점유하고 있는 플레이어들이 존재합니다. 새로운 AI 솔루션을 개발한다면, 이들의 시스템을 대체하려 하기보다는 그 시스템의 데이터를 가장 잘 활용하고 워크플로우를 강화할 수 있는 '심층 통합(Deep Integration)' 전략을 취해야 합니다.

결론적으로, 한국의 AI 스타트업들은 모델의 화려함에 매몰되기보다, 고객사의 실제 데이터가 흐르는 통로를 이해하고 그 통로 속에 얼마나 가치 있는 지능을 심을 수 있을지를 고민해야 합니다. 데이터의 맥락을 이해하는 AI, 그리고 기존 프로세스를 방해하지 않는 AI가 한국 B2B 시장의 진정한 승자가 될 것입니다.