AI 네이티브 (AI-Native)

개요

AI 네이티브(AI-Native)는 인공지능이 제품이나 조직, 인프라에 나중에 덧붙이는 기능이 아니라 애초에 그 시스템이 존재하는 이유이자 가치를 만들어내는 핵심 축으로 설계된 상태를 가리키는 용어다. IBM은 이를 제품, 기업, 워크플로 등 무엇이든 처음부터 AI를 핵심 구성요소로 삼아 설계된 것으로, 나중에 단순한 기능으로 얹은 것이 아닌 것이라고 설명한다. 초기 단계 벤처캐피털 CRV는 좀 더 구체적으로 AI가 기능이나 개선 사항이 아니라 제품 전체가 의존하는 아키텍처적 기반이 되는 회사로 정의하며, 통신장비업체 에릭슨은 AI가 설계, 배포, 운영, 유지보수 전 과정에서 신뢰할 수 있는 방식으로 자연스럽게 내재된 아키텍처라는 공학적 정의를 제시한다.

이 개념을 판별하는 가장 널리 쓰이는 방법은 이른바 제거 테스트다. 시스템에서 AI를 걷어냈을 때 제품이 성능이 다소 떨어지는 수준에 그치는지, 아니면 존재 이유 자체를 잃고 작동을 멈추는지를 묻는 것이다. AI를 제거해도 핵심 가치가 살아남는다면 그 시스템은 AI 지원형(AI-enabled)이고, 제거하는 순간 아무것도 남지 않는다면 AI 네이티브다. 난징대학교 연구팀이 106건의 그레이 문헌을 체계적으로 분석한 결과에서도 이 원칙이 가장 핵심적인 정의 요소로 확인되었다. AI라는 핵심을 제거하면 애플리케이션이 비기능적으로 전락하고 목적 자체를 상실한다는 것이다.

다만 AI 네이티브라는 표현은 실제로 두 갈래로 쓰인다. 하나는 소프트웨어 아키텍처와 기업 전략을 가리키는 공학적, 경영적 용법이고 다른 하나는 인공지능이 일상이 된 환경에서 성장한 세대를 가리키는 사회학적 용법이다. 이 문서는 두 용법을 모두 다루되 비중은 전자에 둔다.

Sapphire Ventures의 파트너 캐시 가오는 이 용어의 수명이 원래 한시적이라는 점을 지적한다. 인터넷 네이티브나 클라우드 네이티브, 모바일 네이티브라는 말을 더는 거의 쓰지 않는 것처럼, AI가 보편화되면 AI 네이티브라는 구분도 결국 암묵적인 전제로 흡수되어 사라질 것이라는 관측이다. 다만 기술이 여전히 새롭고 빠르게 변하는 현재 시점에는 이 구분이 창업자와 투자자, 개발자 모두에게 유용한 표준화된 도구 역할을 한다.

용어의 기원과 확산

통신 산업에서 시작된 개념: 에릭슨과 AI-Native 네트워크

AI 네이티브라는 표현이 공식 문서에 처음 정착된 곳은 소비자 소프트웨어 업계가 아니라 통신 인프라 업계였다. 에릭슨의 연구진 M. 이오베네, L. 욘손, D. 로엘란드 등은 2023년 2월 발표한 백서 정의: AI 네이티브, 첨단 지능형 통신망을 위한 핵심 요소(Defining AI Native: A Key Enabler for Advanced Intelligent Telecom Networks)에서 AI 네이티브를 설계, 배포, 운영, 유지보수 전 과정에서 AI가 자연스러운 일부로 내재된, 본질적으로 신뢰할 수 있는 AI 역량을 갖춘 아키텍처로 정의했다. 이 정의는 5G에서 6G로 이어지는 통신망 진화 로드맵의 핵심 개념으로 자리 잡았다.

에릭슨은 이후에도 이 개념을 지속적으로 확장해왔다. 2026년 4월 발표한 운영자를 위한 AI 네이티브 시대의 네 가지 행동 방향에서는 5G 단독모드(SA)의 성숙, 자율성의 안전한 적용, 신뢰할 수 있는 데이터 기반 구축, 네트워크 전반에 걸친 AI 배치라는 네 단계 전환 경로를 제시했다. 같은 해 6월에는 무선 접속망(RAN)의 기지국과 라디오 장비에 통신사급 AI 모델을 직접 탑재하는 AI in RAN 소프트웨어 구독 서비스를 출시하면서 추가 하드웨어 없이 AI 네이티브 RAN으로 전환할 수 있다고 밝혔다. SK텔레콤의 네트워크기술 오피스장 유타키는 이 협력을 통해 더 지능적이고 자동화된 운영을 지원하는 AI-RAN을 고도화하고 있다고 언급했다. 2026년 3월 바르셀로나에서 열린 모바일 월드 콩그레스에서 에릭슨은 6G 자체를 AI 네이티브 애플리케이션 플랫폼으로 규정하며, 네트워크가 지능과 컴퓨팅, 데이터를 API 형태로 외부 AI 개발자에게 노출하는 방향으로 진화할 것이라고 밝혔다.

통신 분야의 AI-Native RAN 연구는 클라우드 네이티브 컴퓨팅 재단(CNCF)이 클라우드 네이티브라는 개념을 표준화하는 데 수행했던 역할을 명시적으로 참조하며, 유사한 표준화 기구와 합의된 아키텍처 비전이 AI 네이티브 무선 접속망에도 필요하다고 주장한다.

생성형 AI 붐과 스타트업 담론으로의 확산

2022년 11월 오픈AI의 챗GPT 공개는 AI 네이티브라는 표현이 통신 인프라를 넘어 소프트웨어 산업 전반, 특히 스타트업과 벤처캐피털 담론으로 확산되는 결정적 계기가 되었다. 난징대학교 연구팀의 그레이 문헌 분석에 따르면 2022년 12월에는 이 개념을 다룬 자료가 단 2건에 불과했지만 2023년에는 27건, 2024년에는 48건으로 늘었고 2025년 상반기에만 이미 29건이 발표되어 가파른 증가세를 보였다.

스타트업 맥락에서 이 개념이 명확한 대립항으로 정리된 초기 사례 중 하나는 2024년 5월 테크크런치가 보도한 내용이다. 보스턴에서 열린 테크크런치 얼리 스테이지 행사에서 글래스윙 벤처스의 창업자 루디나 세세리는 API를 호출하기만 하면 AI 기업이 되는 것이 아니라며, 진정한 AI 네이티브는 알고리즘과 데이터가 가치 창출의 핵심에 있어야 한다고 강조했다. 오픈AI나 앤트로픽 API를 호출하는 매끈한 래퍼에 사람처럼 보이는 인터페이스를 씌운 것을 AI 기업이라 부를 수 없다는 이 발언은 이후 AI 네이티브와 AI 래퍼를 가르는 논쟁의 초기 준거점이 되었다.

2024년 11월에는 두 가지 사건이 동시에 이 담론을 가속했다. 앤트로픽이 AI 모델을 외부 데이터와 도구에 연결하는 개방형 표준인 모델 컨텍스트 프로토콜(MCP)을 오픈소스로 공개했고, 벤처캐피털 Sapphire Ventures는 캐시 가오 등의 저자를 통해 AI 네이티브 애플리케이션을 평가하는 다섯 가지 차원, 즉 디자인, 데이터, 도메인 전문성, 역동성, 유통이라는 5D 프레임워크를 발표했다. Sapphire는 2024년 한 해 동안 AI 네이티브 애플리케이션에 85억 달러가 투자되었고, 연환산매출(ARR) 2500만 달러 이상을 달성한 기업이 연초 34곳에서 47곳으로 늘었다고 집계했다.

이후 이 개념은 빠르게 주류 기업 담론으로 편입되었다. 리서치 기업 가트너는 2026년 10대 전략 기술 트렌드 중 하나로 AI 네이티브 개발 플랫폼을 선정했으며, 별도 보고서에서는 2026년 말까지 기업용 애플리케이션의 40퍼센트가 특정 과업을 수행하는 AI 에이전트를 탑재할 것이고(2025년의 5퍼센트 미만에서 상승), 2028년에는 사용자 경험의 3분의 1이 기존의 네이티브 앱에서 에이전트형 프런트엔드로 이동하며, 2029년에는 지식노동자의 절반 이상이 AI 에이전트를 다루고 관리하는 새로운 역량을 갖추게 될 것이라 전망했다. 2026년 3월에는 CRV가 창업자를 위한 AI 네이티브 가이드를 발간했고, 6월에는 맥킨지가 15개 AI 중심 기업을 심층 인터뷰한 AI 네이티브 기업의 일곱 가지 운영 원칙을 발표하면서 이 용어는 경영 컨설팅 최상위 담론에도 정착했다.

한국에서도 이 개념은 빠르게 도입되고 있다. SK AX는 AI 네이티브 기업이 기존 업무에 AI를 추가하는 것이 아니라 AI를 중심으로 운영 방식 자체를 재설계한다고 설명하면서, 구글이 벡터 AI 기반 리드 분류 에이전트를 영업 조직에 도입해 6주 만에 리드-기회 전환율을 14퍼센트 끌어올리고 코드의 절반가량을 AI로 생성하게 된 사례를 예로 든다. 아마존웹서비스(AWS) 한국 블로그는 단순히 AI로 더 빠르게 코딩하는 팀이 아니라 소프트웨어가 만들어지는 방식 자체를 재설계하는 프런티어 개발팀이 생산성을 4.5배에서 많게는 10배 이상 끌어올린다고 소개하며, 이러한 팀들이 AI 소비에 맞춰 저장소 구조와 문서화 방식을 재편하는 학습 곡선을 거쳤다는 점을 강조한다.

세대 담론에서의 AI 네이티브

AI 네이티브라는 표현은 기술 아키텍처를 넘어 인구·세대 담론에서도 널리 쓰인다. 이 용법은 2001년 교육학자 마크 프렌스키가 만든 디지털 네이티브라는 개념을 계승한다. 디지털 네이티브는 인터넷과 정보화 시대 속에서 성장한 세대, 대체로 1981년 이후 태어난 밀레니얼 세대, Z세대, 알파 세대를 가리키는 말이었다.

이 계보를 따라 2010년대 이후 출생한 알파 세대는 AI 네이티브 세대로 불린다. Z세대가 인터넷과 스마트폰을 당연하게 여기며 자란 디지털 네이티브라면, 알파 세대는 음성 비서와 알고리즘 추천, 대화형 인터페이스가 없는 세상을 경험해본 적이 없는 최초의 세대라는 것이다. 설문조사 기업 Attest의 미국판 알파 세대 보고서는 이들을 자율 세대로 명명하며, AI 네이티브 환경 속에서 자라난 동시에 스스로 생각하고 행동하려는 성향이 뚜렷하다고 분석했다.

다만 이러한 세대적 낙관론에는 비판적 시각도 존재한다. 사이버보안 전문 매체 언커먼 엔지니어는 2026년 3월 기사에서 AI와 함께 자랐다고 해서 AI를 비판적으로 사용할 줄 아는 것은 아니라고 지적하며, 여러 연령대를 대상으로 한 조사에서 오히려 AI 네이티브에 가장 가까운 17세에서 25세 집단이 AI에 대한 의존도가 가장 높고 독립적 사고 점수는 가장 낮게 나타났다는 연구 결과를 인용했다. 또한 교사의 70퍼센트가 AI로 인해 학생들의 비판적 사고력과 조사 능력이 약화되고 있다고 응답했다는 조사도 함께 소개했다. 이는 AI 네이티브라는 명칭이 곧 AI 리터러시를 보장하지는 않는다는 반론으로, 세대론적 용법과 공학적 용법이 동일한 낙관적 함의를 공유하지는 않는다는 점을 보여준다.

정의: 무엇이 AI 네이티브를 만드는가

제거 테스트와 순방향 테스트

CRV는 AI 네이티브 여부를 가리는 가장 단순한 방법으로 제거 테스트를 제시한다. AI를 걷어냈을 때 제품이 성능 저하 정도가 아니라 완전히 작동을 멈추는지를 묻는 것이다. 여기에 더해 CRV는 미래지향적인 보조 질문도 제안한다. 모델이 더 좋아지면 그 회사는 기뻐할 입장인지, 아니면 두려워할 입장인지를 묻는 것이다. 파운데이션 모델의 성능 향상이 자사 제품의 가치를 자동으로 끌어올린다면 AI 네이티브를 구축하고 있는 것이고, 모델이 좋아질수록 자사가 만든 얇은 인터페이스가 대체될 위험이 커진다면 그것은 다른 회사의 지능을 감싼 포장지에 불과하다는 것이다.

Sapphire Ventures 역시 유사한 기준을 제시한다. AI를 도입한 기업(AI-adopted)에서는 AI를 제거하면 생산성이 다소 떨어지는 선에서 사업이 계속 굴러가지만, AI 네이티브 기업에서는 비즈니스 모델 자체가 무너진다는 것이다. IBM은 이 기준을 구체적 사례로 보여준다. 웹브라우저에 음성 안내 같은 좁은 의미의 접근성 기능으로만 AI를 쓴다면 AI 네이티브라 할 수 없지만, 퍼플렉시티의 코멧(Comet) 브라우저처럼 콘텐츠 요약과 이메일 초안 작성, 쇼핑 결과 비교까지 모든 단계가 AI를 매개로 이루어진다면 AI 네이티브라 할 수 있다는 것이다.

AI 지원형, AI 퍼스트, AI 네이티브의 스펙트럼

실무에서는 AI 지원형(AI-enabled), AI 퍼스트(AI-first), AI 네이티브(AI-native)라는 세 단계 스펙트럼으로 정도의 차이를 구분하는 경우가 많다. CRV는 세 개념을 다음과 같이 정리한다.

AI 래퍼 논쟁: 방어 가능성은 어디서 오는가

AI 네이티브 담론에는 필연적으로 AI 래퍼 비판이 따라붙는다. 파운데이션 모델 API에 프롬프트와 사용자 인터페이스만 얹은 제품은 누구나 주말 안에 복제할 수 있어 방어 가능성이 없다는 지적이다. CRV는 2022년에서 2024년 사이 다수의 스타트업이 사실상 챗GPT 래퍼에 불과한 제품에 투자를 유치하며 스스로를 AI 네이티브로 재포장했다고 지적하고, 근본 모델이 내일 다른 모델로 교체된다면 무엇이 고유한 가치로 남는지를 묻는 것이 이 문제를 가르는 결정적 질문이라고 설명한다.

그러나 래퍼로 출발했다는 사실 자체가 실패를 뜻하지는 않는다. 코드 편집기 커서(Cursor)를 만든 애니스피어(Anysphere)는 기술적으로는 파운데이션 모델을 감싼 제품이지만, 2022년 매사추세츠공과대학교(MIT) 재학생 4인이 설립한 이후 2025년 1월 연환산매출 1억 달러를 시작으로 같은 해 11월 10억 달러, 2026년 2월 20억 달러를 돌파하며 역대 가장 빠른 속도로 성장한 애플리케이션 계층 소프트웨어 기업이 되었다. 이 성장세는 결국 2026년 6월 스페이스X(SpaceX)가 애니스피어를 600억 달러 규모의 전액 주식 거래로 인수하는 계약으로 이어졌는데, 이는 벤처 투자를 받은 스타트업에 대한 사상 최대 규모의 인수로 기록되었다. CRV를 비롯한 투자자들은 이러한 사례를 근거로, 얇은 래퍼와 두꺼운 래퍼를 가르는 기준은 출발점이 아니라 데이터 축적과 워크플로 잠금, 유통 채널처럼 시간이 지날수록 복제하기 어려워지는 방어막을 실제로 쌓았는지에 있다고 설명한다.

클라우드 네이티브에서 AI 네이티브로

결정론적 시스템에서 확률적 시스템으로

AI 네이티브는 종종 클라우드 네이티브의 계보를 잇는 다음 단계의 아키텍처 패러다임으로 설명된다. 지루이 왕, 광바 위, 마이클 라이가 발표한 AI-NativeBench 논문은 클라우드 네이티브에서 AI 네이티브로의 전환을, 결정론적 마이크로서비스를 확률적 에이전트형 서비스로 대체하는 근본적인 재편으로 규정한다. 전통적인 클라우드 네이티브 패러다임에서 연산의 최소 단위는 인간이 작성한 경직된 논리에 지배되는 결정론적 마이크로서비스였다면, AI 네이티브 패러다임에서는 계획, 추론, 도구 실행 능력을 내재한 확률적 대형언어모델이 구동하는 자율적 개체, 즉 에이전트형 서비스가 그 자리를 대신한다. 이러한 생태계의 확장 가능한 협업을 위해 도구 추상화를 담당하는 모델 컨텍스트 프로토콜(MCP)과 서비스 간 조율을 담당하는 에이전트 간 프로토콜(A2A)이 표준화된 상호운용성 계층으로 자리 잡고 있다.

기술 컨설팅 업체 re:cinq는 AI 네이티브가 클라우드 네이티브를 대체하는 것이 아니라 그 위에 새로운 아키텍처 패턴을 요구한다고 설명한다. 클라우드 네이티브가 컨테이너와 오케스트레이션, 서비스 메시라는 새로운 인프라 패턴을 요구했던 것처럼, AI 네이티브는 클라우드 네이티브가 다져놓은 기반 위에 자기만의 패턴을 쌓아 올린다는 것이다. 오늘날의 AI 도구 생태계는 클라우드 네이티브가 2015년 무렵 그랬던 것처럼 아직 미성숙하고 파편화되어 있지만 빠르게 성숙해가는 과정에 있다고 이들은 평가한다.

표준화의 과제

클라우드 네이티브가 하나의 뚜렷한 아키텍처 패러다임으로 정착할 수 있었던 데는 클라우드 네이티브 컴퓨팅 재단(CNCF)이라는 중립적 표준화 기구가 결정적 역할을 했다. 통신 업계의 AI-Native RAN 연구자들은 이를 명시적으로 참조하며, 6G 설계에서도 CNCF가 클라우드 네이티브에서 수행했던 것과 같은 역할을 할 통합된 아키텍처 비전과 표준화 노력이 필요하다고 주장한다.

그러나 소프트웨어 애플리케이션 영역의 AI 네이티브에는 아직 이에 상응하는 중립적 표준화 기구가 존재하지 않는다. 난징대학교 연구팀의 그레이 문헌 분석은 이러한 생태계와 표준화의 공백이 통합, 호환성, 이식성 문제와 함께 개발자들이 가장 빈번하게 겪는 도전 과제 중 하나로 65건의 문헌에서 지적되었다고 밝혔다. 표준화된 프레임워크와 명확한 모범 사례, 포괄적인 문서의 부재가 통합과 신뢰성 문제를 한층 더 어렵게 만든다는 것이다.

기술 아키텍처

정의를 구성하는 핵심 요소들

AI 네이티브 애플리케이션을 규정하는 요소는 무엇인가. 난징대학교 소프트웨어연구소 연구팀은 106건의 그레이 문헌을 여섯 단계 주제 분석 방법으로 검토해 이 개념의 정의를 구성하는 일곱 가지 핵심 요소를 도출했다.

첫째는 AI를 최우선 원칙이자 핵심 패러다임으로 삼는다는 것이다. AI라는 핵심을 제거하면 애플리케이션이 비기능적으로 전락하고 목적을 상실한다. 둘째는 파운데이션 모델과 생성형 AI로, 대형언어모델을 비롯한 생성형 AI가 이해와 추론, 생성, 상호작용을 담당하는 애플리케이션의 두뇌 역할을 한다. 셋째는 에이전트형 오케스트레이션으로, 애플리케이션이 결정론적으로 하드코딩된 스크립트가 아니라 AI 에이전트를 통해 작동하며 에이전트가 스스로 실행 계획을 세우고 도구를 동적으로 선택해 호출한다. 넷째는 컨텍스트와 메모리 시스템으로, 검색 증강 생성(RAG)을 통해 지식 베이스에서 관련 정보를 가져오고 다층적인 기억 체계로 상호작용 이력과 사용자 선호를 기록한다. 다섯째는 다중모달 상호작용으로, 텍스트를 넘어 이미지와 음성, 영상 등 다양한 형식을 자연스럽게 처리한다. 여섯째는 생성형 사용자 인터페이스로, 사용자의 즉각적인 과업과 맥락에 맞춰 콘텐츠를 실시간으로 조합해 제시한다. 일곱째는 로컬 및 온디바이스 실행으로, 민감한 데이터를 기기 내부에 유지하고 지연시간과 API 비용을 줄이는 방식이다.

이 가운데 파운데이션 모델과 생성형 AI, 다중모달 상호작용이 각각 106건 중 32건에서 언급되며 가장 핵심적인 요소로 확인되었고, 생성형 사용자 인터페이스는 3건에 그쳐 아직 초기 단계의 논의에 머물러 있는 것으로 나타났다. 같은 연구는 AI 네이티브 애플리케이션이 가지는 여덟 가지 핵심 특성도 함께 제시하는데, 최소한의 인간 개입으로 복잡한 프로세스를 스스로 조율하는 자동화와 지능형 워크플로가 44건으로 가장 많이 언급되었고, 텍스트와 음성, 이미지, 영상을 아우르는 다중모달 및 대화형 상호작용이 41건, 데이터와 사용자 피드백으로부터 지속적으로 학습하고 진화하는 지속 학습과 적응성이 28건으로 뒤를 이었다. 반면 신뢰성, 프라이버시, 보안은 8건에 그쳐 가장 적게 다뤄진 특성으로 나타났는데, 연구진은 이것이 아직 기능적, 기술적 돌파구 확보에 논의가 집중되어 있는 초기 발전 단계를 반영한다고 해석했다.

같은 연구는 정의상의 경계도 함께 예시로 보여준다. 구글 검색이 기존 검색 결과에 AI가 생성한 답변을 덧붙여 사용자 경험을 개선하면서도 핵심 수익 모델은 그대로 유지하는 AI 지원형 사례라면, 퍼플렉시티는 전통적인 검색 결과 목록 대신 직접적인 답변 제공과 사용자 경험을 우선시하는 답변 엔진을 지향한다는 점에서 AI 네이티브 애플리케이션의 전형으로 제시된다.

계층화된 기술 스택

AI 네이티브 애플리케이션은 단일 기술이 아니라 여러 계층이 맞물린 아키텍처로 구성된다. 같은 그레이 문헌 분석은 실제 106건의 문헌과 스타(star) 1000개 이상, 포크 50개 이상, 최근 1년 내 활성 커밋이 있는 오픈소스 프로젝트를 함께 분석해 여덟 가지 공통 기술 스택 범주를 도출했다.

연구진은 프런트엔드가 가장 빈번히 언급된다는 사실이 백엔드의 중요성을 낮추는 것이 아니라, AI 네이티브 애플리케이션에서는 사용자 인터페이스가 AI의 가치가 실제로 실현되는 결정적인 무대이기 때문이라고 해석한다. 동시에 LLM 오케스트레이션 및 통합 플랫폼이 두 번째로 빈번하다는 점은 모델 하나만으로는 애플리케이션이 되지 않는다는 통찰을 보여준다. 프롬프트를 연결하고 메모리를 제공하며 RAG와 벡터 데이터베이스를 통해 모델을 외부 지식에 연결하는 정교한 오케스트레이션 계층이 필요하다는 것이다. 반면 관찰가능성 도구 언급이 단 3건에 그친다는 사실은 흥미로운 공백을 드러낸다. AI 특유의 관찰가능성이 품질 속성으로서는 매우 중요하게 여겨지면서도(58건), 이를 실현할 표준화된 도구는 아직 걸음마 단계에 머물러 있다는 성숙도 격차를 보여주는 것이다.

오케스트레이션 계층에서 핵심적인 역할을 하는 표준 중 하나가 모델 컨텍스트 프로토콜(MCP)이다. 앤트로픽이 2024년 11월 25일 개방형 표준으로 공개한 이 프로토콜은 콘텐츠 저장소와 업무 도구, 개발 환경 등 데이터가 존재하는 시스템에 AI 어시스턴트를 연결하는 표준화된 방식을 제공한다. 엔지니어 데이비드 소리아 파라와 저스틴 스파-서머스가 개발을 주도했으며, M개의 모델과 N개의 도구를 각각 개별적으로 통합해야 하는 이른바 M×N 문제를 M+N 문제로 단순화하는 것을 목표로 삼는다. 이 프로토콜은 2025년 12월 에이전틱 AI 재단에 기부되어 특정 기업이 아닌 중립적 기구가 관리하는 표준으로 전환되었다.

소프트웨어 공학의 재정의: SE 3.0

AI 네이티브 패러다임은 소프트웨어 공학이라는 학문 자체의 재정의로도 이어지고 있다. 퀸스대학교의 아메드 하산과 화웨이 소프트웨어 우수센터의 구스타보 올리바, 다이이 린, 보위안 첸은 2024년 발표한 논문 AI 네이티브 소프트웨어 공학을 향하여(SE 3.0)에서 소프트웨어 공학의 세 번째 시대를 제안한다. 파운데이션 모델과 코파일럿이 주도하는 AI 지원형 소프트웨어 공학(SE 2.0)이 개발자 생산성을 끌어올리는 데는 성공했지만 동시에 인지 과부하와 비효율이라는 한계를 드러냈다는 문제의식에서 출발한다.

이들이 제안하는 SE 3.0은 코드가 아니라 의도(intent)가 개발을 이끄는 것을 핵심으로 삼는다. 인간 개발자와 AI 팀원이 끊임없는 대화를 주고받으며 그 의도를 실행 가능한 소프트웨어로 합성해가는 대화 지향 개발이라는 것이다. 이를 뒷받침하는 기술 스택으로 적응적이고 개인화된 AI 파트너십을 제공하는 Teammate.next, 의도 중심의 대화형 개발을 지원하는 IDE.next, 다중 해법 탐색이 가능한 검색 기반 컴파일러 Compiler.next 등을 제시한다. SE 3.0의 비전에서 AI는 단순한 과업 수행형 코파일럿을 넘어 소프트웨어 공학의 원칙과 의도 자체를 깊이 이해하고 추론할 수 있는 지적 협업자로 진화한다.

품질 속성의 전환

AI 네이티브 애플리케이션은 전통적인 소프트웨어 품질 속성을 포기하지 않는다. 오히려 그레이 문헌 분석에 따르면 신뢰성과 견고성(73건), 사용성과 사용자 경험(72건), 확장성과 유연성(71건)이 여전히 가장 빈번하게 언급되는 품질 속성으로 나타나 전통적인 공학 원칙의 중요성이 오히려 증폭된다는 사실을 보여준다. 다만 이러한 속성들의 우선순위와 내부 구성은 근본적으로 재편된다.

가장 두드러진 변화는 두 가지다. 첫째, 성능과 효율성(59건)은 더 이상 속도와 자원 소모만을 의미하지 않는다. 대형 모델을 구동하는 데 드는 높은 연산 비용 때문에 성능이라는 개념 자체가 지연시간과 처리량, API 호출이나 추론 작업 하나하나의 금전적 비용 사이의 복잡한 트레이드오프를 포함하는 경제적 차원으로 확장된다. 둘째, 관찰가능성과 유지보수성(58건)이 최상위 속성으로 부상한 것은 전통적인 디버깅 방식으로부터의 근본적인 이탈을 보여준다. AI 모델의 블랙박스적 속성 때문에 시스템 상태뿐 아니라 모델의 행동, 데이터 드리프트, 출력 품질, 토큰 사용량까지 모니터링하는 새로운 공학 규율이 요구된다는 것이다.

데이터와 기능 관리(47건), 보안과 프라이버시(41건) 역시 AI 네이티브 맥락에서 일급 관심사로 격상된다. RAG를 위한 맥락적 품질이나 데이터 파이프라인의 API 안정성 같은 문제가 지속적인 품질 보증 과정이 되고, 보안은 인가나 인증 같은 전통적 조치를 넘어 공정성, 편향 완화, 모델 설명 가능성처럼 AI 특유의 신뢰 문제를 포괄하는 개념으로 확장된다.

비즈니스와 조직: AI 네이티브 기업

스타트업 경제학: 직원당 매출의 재편

AI 네이티브 스타트업이 가장 뚜렷하게 기존 소프트웨어 산업과 구별되는 지점은 직원당 매출(revenue per employee)이라는 지표다. 경영 컨설턴트 폴 베이어는 포브스 기고에서 AI 네이티브 스타트업이 직원 한 명당 200만 달러에서 400만 달러의 매출을 창출하는 반면 일반 상장 SaaS 기업의 평균은 30만 달러에 그친다고 분석했다. 그는 스웨덴 스톡홀름에 본사를 둔 AI 코딩 플랫폼 러버블(Lovable)이 2026년 초 직원 146명으로 연환산매출 4억 달러를 달성한 사례를 대표적인 예로 들었다. 마케팅 기업 허브스팟이 인용한 다른 조사에서도 AI 네이티브 스타트업이 직원당 348만 달러의 매출을 올려 일반 SaaS 기업보다 6배 높은 수치를 기록했고, 팀 규모는 평균 40퍼센트 더 작으며, 유니콘 지위에 도달하는 데 걸리는 시간도 1년가량 더 짧다는 결과가 나왔다.

앞서 언급한 코드 편집기 커서(Cursor)의 모회사 애니스피어는 이러한 경제학을 상징적으로 보여주는 사례다. 2022년 4명의 MIT 학생이 설립한 이 회사는 2025년 1월 연환산매출 1억 달러에서 6월 5억 달러, 11월 10억 달러, 2026년 2월 20억 달러로 성장하며 슬랙과 줌, 스노우플레이크를 제치고 역대 가장 빠르게 성장한 기업용 소프트웨어 기업이 되었다. 2025년 11월 액셀과 코튜 매니지먼트가 주도한 23억 달러 규모의 시리즈D 투자에서 293억 달러의 기업가치를 인정받은 이후, 2026년 6월 16일 스페이스X가 옵션을 행사해 애니스피어를 600억 달러 규모의 전액 주식 거래로 인수하기로 합의했다. 이는 종전 최고 기록이었던 구글의 위즈(Wiz) 인수(320억 달러, 2025년)를 훌쩍 뛰어넘는, 벤처 투자를 받은 스타트업에 대한 사상 최대 규모의 인수로 평가된다.

CRV가 제시하는 세 가지 축

CRV는 창업자 가이드에서 AI 네이티브 기업을 구축하려면 처음부터 제대로 잡아야 하는 세 가지 기초 계층이 있다고 설명한다.

첫째는 데이터를 부수적 요소가 아니라 인프라로 다루는 것이다. AI 네이티브 스타트업은 대개 점진적인 데이터 성숙 단계를 건너뛰고 처음부터 데이터 인프라를 구축해야 하며, 벡터 검색 계층으로 임베딩과 검색 메타데이터를 저장하고, 임베디드 피드백 루프로 사용자의 수정과 검증을 시스템에 되먹임하며, 재시도와 대체, 안전한 성능 저하를 위한 실패 복구 패턴을 갖추는 것이 초기부터 필요하다.

둘째는 에이전트와 오케스트레이션을 중심으로 제품을 설계하는 것이다. 제품을 여러 지능형 에이전트와 데이터 흐름을 조율하는 오케스트레이션 계층으로 재개념화하되, 적응과 실시간 판단이 필요한 동적 업무는 AI 에이전트가 처리하고 규제나 감사가 필요한 환경에서는 전통적인 워크플로가 반복 업무를 처리하는 하이브리드 아키텍처가 모범 사례로 부상하고 있다.

셋째는 초기부터 거버넌스와 책임 있는 AI를 갖추는 것이다. 시드 단계 기업에는 전문화된 역할과 절차를 전제로 하는 완전한 거버넌스 프레임워크를 그대로 적용하기 어렵지만, 거버넌스를 건너뛰면 이후 신뢰와 실사 과정에서 문제가 불거진다. CRV는 모든 AI 모델과 프롬프트 계층, 검색 구성요소, 외부 의존성을 문서화하는 시스템 인벤토리, 사용 사례별 위험 등급을 매기는 위험 등급 분류, 품질과 사고에 대한 책임 소재를 명확히 하는 담당자 지정, 성능과 드리프트, 지연시간, 비용에 대한 초기 지표를 세우는 모니터링 기준선이라는 최소 실행 가능 거버넌스(MVG)를 제안한다.

맥킨지가 제시한 일곱 가지 운영 원칙

맥킨지의 파비안 메첼러, 멜라니 크라비나, 폴 젠킨스, 필립 힐렌브란트는 2026년 6월 발표한 보고서에서 4인 규모 스타트업부터 대형 글로벌 플랫폼까지 15개 AI 중심 기업의 리더들을 심층 인터뷰한 결과, 서로 다른 산업과 규모의 기업들이 독립적으로 동일한 일곱 가지 운영 원칙에 도달했다고 밝혔다. 맥킨지는 이를 산업혁명과 디지털 혁명 이후 가장 큰 조직 패러다임 전환이라고 표현했다.

AI는 도구가 아니라 팀원이다

조사에 응한 리더들은 초기에는 AI를 개인 생산성 코파일럿으로 묘사했지만 몇 달 만에 이름과 슬랙 계정, 업무 보드를 갖추고 24시간 자율적으로 업무를 수행하는 진짜 에이전트형 동료로 이야기하기 시작했다. 한 시리즈D 핀테크 기업의 최고운영책임자는 열 개의 전문화된 에이전트가 동시에 신규 아이디어를 검토하는 다중 에이전트 시스템을 운영하며, 한 시리즈A 마켓플레이스 최고경영자는 개인 비서 에이전트를 포함한 전담 에이전트 조직을 갖춰 자신의 역량을 다섯 배로 늘렸다고 보고했다.

무엇을 만들고 무엇을 살지 안다

인터뷰에 응한 모든 기업은 자사 데이터와 전문성, 지식재산에 기반한 방어 가능한 우위를 만드는 것에만 직접 개발 역량을 쏟고, 나머지는 상용 도구를 구매하는 원칙을 공유했다. 다만 클로드 코드(Claude Code)나 커서 같은 코딩 에이전트 덕분에 기술적으로 정교한 조직은 이제 훨씬 더 많은 부분을 자체 제작할 수 있게 되었으며, 한 애그테크 기업의 최고전략책임자는 도구를 통합하는 데 걸리는 시간이 도구를 직접 만드는 시간보다 길어졌다며 SaaS는 죽었다고까지 말했다.

모델이 아니라 조직의 지식 접근성이 병목이다

리더들은 에이전트가 질문에 답하지 못하는 이유가 모델의 한계가 아니라 그 답이 애초에 문서화되지 않았거나 모델이 접근할 수 없는 곳에 있기 때문인 경우가 많다고 지적했다. 한 에너지 기술 플랫폼의 운영 담당 임원은 이를 AI 문제가 아니라 지식 관리 문제이며 AI는 그것을 드러낼 뿐이라고 표현했다. 회의를 자동으로 녹음하고 전사한 뒤 조직 전체가 검색할 수 있는 지식 계층으로 라우팅하는 것이 이 문제를 해결하는 핵심 실천으로 제시되었다.

스택이 아니라 교체 가능성을 설계한다

승리하는 아키텍처는 하나의 거대한 통합 플랫폼이 아니라, 최고 수준의 개별 구성요소들을 서로 연결하면서 교체 가능성을 유지하는 얇은 거버넌스 계층이라는 것이 조사에 응한 기업들의 공통된 설계 원칙이었다. 한 시리즈D 핀테크의 최고운영책임자는 프런티어 모델이 이토록 빠르게 바뀌는 상황에서 모델에 고착되는 것은 전략적 부채이므로 언제든 모델을 뽑아 다른 것으로 교체할 수 있도록 만들어야 한다고 강조했다.

자율성은 신뢰를 먼저 요구한다

AI 에이전트에게 자율적으로 행동할 자유는 저절로 주어지는 것이 아니라 단계적으로 획득해야 하는 특권이라는 것이 조사에서 확인된 원칙이다. 한 헬스테크 창업자는 헬스케어 영역에서는 80퍼센트의 성공률로는 충분하지 않다며 99.999퍼센트 수준의 정밀도가 필요한 영역과, AI가 대체로 70에서 80퍼센트 수준까지 도달할 수 있는 소프트웨어 개발이나 백오피스 업무 영역을 구분해야 한다고 말했다.

플랫폼은 중앙화하고 과제는 분산화한다

인터뷰에 응한 조직들은 기술팀이 모델 접근권, 조합 가능한 아키텍처, 보안 가드레일, 연결 인프라를 관장하는 거버넌스를 소유하고, 사업팀은 풀어야 할 문제와 그 해결 전략을 소유하는 방식으로 역할을 나누고 있었다. 한 대규모 에너지 기술 플랫폼의 AI 운영 담당자는 자신이 열 개의 사업부를 모두 이해할 수 있는 전문가가 아니라는 사실을 인정하고, 대신 각 사업부가 스스로 AI 활용 방식을 결정하도록 했다고 밝혔다.

도입은 롤아웃이 아니라 플라이휠이다

조사에 응한 기업들은 AI 도입을 마감일이 정해진 일회성 배포가 아니라, 리더의 솔선수범, 성공 사례 공유, 측정, 채용이라는 네 개의 상호강화적 층위로 이루어진 플라이휠로 설계했다. 리더가 먼저 AI를 사용하고 그 결과를 공유하면 다른 구성원들도 실험할 수 있는 여지가 생기고, 그 실험이 성공해 공유되면 사회적 증거가 형성되며, 측정이 이를 가시화하고, 채용 기준에 AI 활용 역량을 반영하는 것이 새로 합류하는 모든 구성원의 기준선을 끌어올린다는 것이다.

투자자의 평가 기준

투자자들은 AI 네이티브 스타트업을 전통적인 소프트웨어 기업과는 다른 잣대로 평가한다. CRV에 따르면 시리즈A 단계의 투자 기준선은 연환산매출 150만 달러에 이후 세 배씩 순차적으로 성장할 수 있는 능력, 그리고 단순한 모델 접근권을 넘어서는 명확한 독자적 데이터 전략으로 수렴하고 있다. 가장 성공적으로 포지셔닝하는 창업자들은 모델 아키텍처를 앞세우기보다 독자적 데이터, 워크플로 내재화, 전환 비용처럼 자사의 방어 가능성이 실제로 어디에 있는지를 명확히 설명할 수 있는 이들이라는 것이다.

Sapphire Ventures의 5차원 프레임워크는 디자인, 데이터, 도메인 전문성, 역동성, 유통이라는 다섯 가지 기준으로 AI 네이티브 애플리케이션의 경쟁 우위를 평가한다. 이 회사는 AI 네이티브라는 명칭 자체가 한시적인 것이라고 전제하면서도, 기업용 소프트웨어 시장에서 경쟁 강도가 계속 높아지는 지금 시점에는 이 다섯 가지 차원에서 차별화를 이뤄내야 지속 가능한 카테고리 리더십을 확보할 수 있다고 설명한다.

산업별 적용

개발자 도구: AI 네이티브 통합개발환경

개발자 도구 영역은 AI 네이티브와 AI 지원형의 차이를 가장 선명하게 보여주는 사례로 자주 인용된다. CRV는 커서가 처음부터 AI 우선 코드 편집기로 밑바닥부터 설계되어 일반적인 플러그인 방식보다 더 넓은 범위의 프로젝트 맥락을 통합하고, 개발자가 여러 파일에 걸친 리팩터링 작업을 자연어로 설명할 수 있게 해준다고 설명한다. 반면 깃허브 코파일럿(GitHub Copilot)은 기존 에디터 안에서 플러그인으로 작동하기 때문에 호스트 에디터가 노출하는 범위 안에서만 기능한다. 두 제품의 차이는 어느 모델이 더 똑똑한지가 아니라, 편집기 경험 자체를 소유하는 AI 네이티브 아키텍처가 AI에게 더 많은 맥락과 더 깊은 통제권을 부여할 수 있다는 데 있다는 것이다. IBM 역시 자사의 기업용 AI 네이티브 통합개발환경 Bob을 단순히 에디터에 챗봇을 얹은 것이 아니라 통합개발환경과 명령줄 안에서 작동하도록 설계되어 코드 자동완성을 넘어 복잡한 에이전트형 워크플로를 처리한다고 소개한다.

앞서 언급했듯 커서를 만든 애니스피어는 2026년 6월 스페이스X에 600억 달러에 인수되기로 합의했으며, 이 거래는 2026년 3분기 완료를 목표로 규제 승인을 기다리고 있다. 이 인수는 AI 네이티브 스타트업이 짧은 시간 안에 어느 정도의 경제적 가치를 만들어낼 수 있는지를 보여주는 상징적 사례로 받아들여지고 있다.

웹 브라우저: 에이전틱 브라우징

웹 브라우저 역시 AI 네이티브 전환이 활발히 일어나는 영역이다. 오픈AI의 챗GPT 아틀라스(Atlas)와 퍼플렉시티의 코멧(Comet)은 각각 챗GPT와 퍼플렉시티의 방대한 기존 사용자 기반을 브라우저 사용자로 전환하는 유통 전략을 취하는 반면, 브라우저 컴퍼니의 아크(Arc)와 다이아(Dia)는 브라우저라는 개념 자체를 재발명하려는 접근을 취한다. 여기에 프라이버시와 파워유저를 겨냥한 브레이브 레오(Brave Leo)와 오페라 네온(Opera Neon)이 더해져 브라우저 시장은 유통 중심, 재발명 중심, 틈새시장 중심이라는 세 진영으로 재편되고 있다. IBM은 코멧을 AI 네이티브 브라우저의 예시로 들며, 콘텐츠 요약과 이메일 초안 작성, 쇼핑 비교까지 사이드바를 열지 않아도 이미 AI가 매개하는 경험이 기본값이 되어 있다는 점을 특징으로 꼽는다.

금융 서비스와 핀테크

CRV에 따르면 AI 네이티브 핀테크 스타트업들은 인수심사와 예측, 고객 응대를 부가 기능이 아니라 실시간으로 작동하는 기본 의사결정 계층으로 구축하고 있다. 넷스위트(NetSuite)와 경쟁하는 AI 네이티브 전사적자원관리(ERP) 플랫폼을 구축 중인 릴렛(Rillet)은 1년이 채 안 되는 기간에 7000만 달러 이상을 투자받았고, 사모펀드 회계 업무를 자동화하는 메이번(Maybern)은 20여 개 고객사가 관리하는 800억 달러 규모의 자산을 처리하고 있다. 전 세일즈포스 공동 최고경영자 브렛 테일러가 설립한 고객서비스 AI 기업 시에라(Sierra)는 결과 기반 과금 모델을 채택해, AI가 사람의 개입 없이 문제를 해결했을 때만 요금을 청구하는 방식으로 소프트웨어 시트 단위 과금이라는 SaaS의 오랜 관행에서 벗어났다. 시에라는 설립 2년이 채 되지 않은 2025년 11월 연환산매출 1억 달러를 돌파했고, 이후 설립 3년 만에 150억 달러의 기업가치를 인정받았다.

통신 네트워크: AI-Native RAN과 6G

AI 네이티브라는 개념이 처음 정착된 통신 산업에서는 이 개념이 여전히 핵심적인 로드맵으로 작동하고 있다. 에릭슨은 2026년 6월 통신사급 AI 모델을 기지국과 라디오 장비에 직접 탑재하는 AI in RAN 소프트웨어 구독 서비스를 출시하며 추가 하드웨어 없이 AI 네이티브 RAN으로 전환할 수 있다고 밝혔다. 같은 해 3월 모바일 월드 콩그레스에서는 6G 자체를 AI 네이티브 애플리케이션 플랫폼으로 규정하며, 네트워크가 컴퓨팅과 데이터, 지능을 API 형태로 노출해 AI 개발자들에게 오프로드 컴퓨팅과 서비스 품질 조율 기능을 제공하는 방향으로 나아가고 있다고 밝혔다. 4월 발표한 백서에서는 인간의 소비 패턴에 최적화된 기존 트래픽 범주에 더해, 상시 인터랙티브한 멀티모달 어시스턴트와 자율 에이전트가 만들어내는 업링크 중심의 지연시간에 민감한 새로운 트래픽 범주가 등장하고 있다고 지적하며, 5G 단독모드의 성숙에서 시작해 AI 강화 5G를 거쳐 6G에 이르는 단계적 전환을 제시했다.

엔터프라이즈와 공공 부문

가트너는 2026년 말까지 기업용 애플리케이션의 40퍼센트가 특정 과업을 수행하는 AI 에이전트를 탑재할 것이라고 전망했으며, 이는 2025년의 5퍼센트 미만에서 급격히 상승한 수치다. 2028년에는 전문화된 에이전트들의 네트워크가 여러 애플리케이션과 업무 기능을 넘나들며 동적으로 협업해 사용자가 개별 애플리케이션을 일일이 조작하지 않고도 목표를 달성할 수 있게 되고, 사용자 경험의 3분의 1이 기존의 네이티브 애플리케이션에서 에이전트형 프런트엔드로 이동할 것이라고 내다봤다. 2029년에는 지식노동자의 절반 이상이 복잡한 과업을 위해 AI 에이전트를 다루고 통제하거나 직접 구성하는 새로운 역량을 갖추게 될 것이라는 전망도 함께 제시했다. 맥킨지는 이러한 전환이 기업 내부를 넘어 공공 인프라와 도시 운영 방식에도 영향을 미치고 있다고 분석하며, AI 네이티브 공공 인프라가 도시 운영을 어떻게 바꾸는지를 별도로 다루기도 했다.

위험과 과제

보안: 에이전트형 공격 표면

AI 네이티브 시스템, 특히 도구를 스스로 호출하고 행동하는 에이전트형 서비스는 전통적인 소프트웨어에는 없던 새로운 공격 표면을 만들어낸다. 오픈 웹 애플리케이션 보안 프로젝트(OWASP)는 대형언어모델 애플리케이션을 위한 10대 위험 목록에서 프롬프트 인젝션을 가장 심각한 위험(LLM01)으로 꼽으며, 신뢰할 수 없는 외부 콘텐츠에 숨겨진 악의적인 지시가 에이전트의 목표를 탈취하거나 의도치 않은 도구 실행을 유발할 수 있다고 경고한다. 에이전트형 애플리케이션을 위한 별도의 10대 위험 목록에서는 에이전트 목표 탈취, 도구 오남용, 메모리 및 맥락 오염처럼 자율적 의사결정과 위임, 도구 통합에서 비롯되는 고유한 위험을 별도로 다룬다.

이러한 위험은 이론에 그치지 않는다. 프롬프트 인젝션에 관한 여러 연구는 실제 사례를 다수 기록하고 있다. 구글 바드가 공개 문서에 삽입된 프롬프트를 통해 비공개 대화 내용을 유출한 사례, 슬랙의 AI 에이전트가 공개 채널에 삽입된 프롬프트로 인해 비공개 채널 정보를 유출하도록 조작된 사례, 앤트로픽의 클로드 컴퓨터 유즈(Claude Computer Use)가 웹페이지에 삽입된 지시로 인해 악성코드를 내려받아 실행하도록 조작된 사례, 오픈AI의 오퍼레이터(Operator)가 깃허브 이슈에 삽입된 프롬프트로 인해 개발자의 비공개 정보를 노출하도록 유도된 사례, 퍼플렉시티의 코멧 에이전트가 웹사이트에 삽입된 지시로 인해 공격자가 통제하는 서버로 사용자 데이터를 유출하도록 조작된 사례 등이 대표적이다.

신뢰성과 관찰 가능성의 공백

난징대학교 연구팀의 그레이 문헌 분석은 AI 네이티브 애플리케이션의 생애주기에서 논의가 극단적으로 편중되어 있다는 점을 지적한다. 모델 개발과 훈련(87건), 배포와 운영(85건)에는 압도적인 관심이 쏠리는 반면, 평가와 테스트(27건), 구성과 통합(25건)은 그보다 적게 다뤄지고, 배포 이후의 모니터링과 유지보수는 단 6건으로 가장 적은 관심을 받는다. 연구진은 이를 현재 담론의 중대한 사각지대로 지목하며, 데이터 드리프트를 탐지하고 코드와 데이터, 프롬프트, 모델 사이의 의존성을 관리하며 이렇게 계속 진화하는 시스템을 유지하는 데 드는 경제적 비용을 평가하는 방법론이 시급히 필요하다고 결론짓는다.

조직적 장벽: 파일럿 함정

기술적 역량과 별개로 조직적 전환 자체가 AI 네이티브화의 병목이 되는 경우가 많다. 맥킨지의 최신 글로벌 설문조사에 따르면 조직의 88퍼센트가 이미 최소 한 개 업무 기능에서 AI를 사용하고 있지만 스스로를 완전히 성숙한 단계로 여기는 조직은 약 1퍼센트에 불과하며, 약 3분의 2는 여전히 고립된 파일럿 단계를 벗어나지 못하고 있다. 맥킨지는 이러한 현상을 파일럿 연옥이라 부르며, 데이터 품질과 아키텍처, 경직된 워크플로, 조직 운영 모델의 관성, 명확한 측정 지표의 부재를 그 원인으로 꼽는다. 기술을 도입하는 것과 그것을 실제로 활용할 수 있는 문화와 역량을 갖추는 것은 전혀 다른 문제라는 것이다.

레거시 기업의 전환 가능성 논쟁

기존 대기업이 진정한 의미에서 AI 네이티브가 될 수 있는지에 대해서는 견해가 갈린다. CRV는 여러 산업 관측을 근거로 진정한 AI 네이티브성은 기존 아키텍처에 사후적으로 이식할 수 없다는 입장을 취한다. 레거시 기업은 기술 부채와 조직적 관성, AI 워크로드를 염두에 두고 설계되지 않은 인프라라는 구조적 장벽에 부딪히며, 기존 기업이 AI를 자사 제품과 의사결정의 중심에 두는 AI 퍼스트 기업은 될 수 있어도, 가장 온전한 의미의 AI 네이티브가 되려면 점진적 진화가 아니라 밑바닥부터의 재구축이 필요하다는 것이다.

반면 SK AX는 다소 다른 관점을 제시한다. AI 네이티브는 창업 시점의 문제가 아니라 운영 설계의 문제이며, 기존 대기업도 사업 단위나 핵심 프로세스 단위부터 AI 중심으로 재설계하는 방식으로 AI 네이티브 전환을 시작할 수 있다는 것이다. 실제로 다수의 글로벌 기업이 특정 사업 부문에서 에이전트 기반 운영을 먼저 도입한 뒤 이를 전사로 확산하는 단계적 접근을 취하고 있다고 이 자료는 설명한다. 그레이 문헌 분석 역시 이와 비슷한 관점을 제시하는데, 어도비 포토샵이나 마이크로소프트 오피스처럼 온프레미스 시대의 대표적인 소프트웨어들이 성공적으로 클라우드 네이티브 버전으로 전환했던 선례를 볼 때, 많은 기업이 시간이 지나면서 클라우드 네이티브에서 AI 네이티브로 점진적으로 진화할 수 있다고 본다. 이는 AI 네이티브를 처음부터 새로 설립된 기업만의 전유물이 아니라, 아키텍처적 재편의 정도에 따라 기존 기업도 도달 가능한 상태로 보는 시각이라 할 수 있다.

참고 자료

• Iovene, M.; Jonsson, L.; Roeland, D.; D’Angelo, M.; Hall, G.; Erol-Kantarci, M.; Kovács, B. (2023), Defining AI Native: A Key Enabler for Advanced Intelligent Telecom Networks, Ericsson White Paper BCSS-23:000056
• Ericsson (2026), Four Moves for Operators in the AI-Native Era, Ericsson
• Ericsson (2026), Ericsson Advances AI-Native Networks Through AI in RAN, Ericsson
• Fierce Network (2026), MWC 2026: Ericsson Says AI Is a Network Tool and Network Driver
• Stryker, Cole (2026), What Is AI Native?, IBM Think
• CRV (2026), What Is AI-Native? The Founder’s Guide (2026), CRV
• TechCrunch (2024), Your AI-Native Startup Ain’t the Same as a Typical SaaS Company
• TechCrunch (2026), SaaS In, SaaS Out: Here’s What’s Driving the SaaSpocalypse
• TechCrunch (2026), Sources: Cursor in Talks to Raise $2B+ at $50B Valuation as Enterprise Growth Surges
• CNBC (2026), SpaceX to Acquire the AI Coding Startup Cursor for $60 Billion
• Metzeler, Fabian; Krawina, Melanie; Jenkins, Paul; Hillenbrand, Philipp (2026), The Seven Operating Truths of AI-Native Companies, McKinsey & Company
• Virtasant (2026), The AI-Native Playbook: Three Tactics Incumbents Can Steal
• Gartner (2026), Top Strategic Technology Trends for 2026: AI-Native Development Platforms
• Gartner (2025), Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025
• Gao, Cathy; Burke, Kevin; Segall, Lou; Dellapasqua, Jake; Reddy, Adi; Liao, Misty (2024), AI-Native Applications: A Framework for Evaluating the Future of Enterprise Software, Sapphire Ventures
• Baier, Paul (2026), AI-Native Firms Lead In Revenue Per Employee, Forbes
• HubSpot (2026), AI Statistics Every Startup Should Know
• Cao, Lingli; Li, Shanshan; Fan, Ying; Li, Danyang; Zhong, Chenxing (2025), Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications, arXiv:2509.13144
• Hassan, Ahmed E.; Oliva, Gustavo A.; Lin, Dayi; Chen, Boyuan; Jiang, Zhen Ming (2024), Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap, arXiv:2410.06107
• Wang, Zirui; Yu, Guangba; Lyu, Michael R. (2026), AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems, arXiv:2601.09393
• Towards AI-Native RAN: An Operator’s Perspective of 6G Day 1 Standardization (2025), arXiv:2507.08403
• re:cinq (2025), What Is AI Native and Why Should I Care?
• TFiR (2025), From Cloud Native to AI Native: The Next Evolution in Software Development
• Digital Applied (2026), AI Browser Landscape 2026: Atlas vs Comet vs Arc vs Dia
• Digital Applied (2026), SpaceX Acquires Cursor (Anysphere) for $60B: AI Coding 2026
• Anthropic (2024), Introducing the Model Context Protocol, Anthropic
• Anthropic (2024), Building Effective Agents, Anthropic Engineering
• Wikipedia contributors, Digital Native, Wikipedia
• Wikipedia contributors, Model Context Protocol, Wikipedia
• IT Security Guru (2024), Gen Alpha: Navigating Cybersecurity in an AI-Native World
• Attest (2026), The Gen Alpha Report (US Edition)
• The Uncommon Engineer (2026), AI Native Is the New Digital Native
• Defending Against Prompt Injection with DataFilter (2025), arXiv:2510.19207
• Are AI-Assisted Development Tools Immune to Prompt Injection? (2026), arXiv:2603.21642
• SK AX (2026), AI 네이티브의 등장, AI를 쓰는 기업에서 AI로 만들어진 기업으로
• Amazon Web Services 한국 블로그 (2026), 프런티어 개발팀은 어떻게 AI 네이티브 개발을 재창조하는가