Gemini Enterprise에 월 지출 상한이 생겼다, AI 비용 폭주 막을까
실용 가이드 9
Ema에 7700만 달러…기업용 AI가 좌석 대신 결과에 과금한다
미국 마운틴뷰의 기업용 AI 기업 Ema가 2026년 9월 23일 Creaegis 주도의 7700만 달러 규모 시리즈 B 투자를 유치했으며, 창업자는 좌석 수나 AI 토큰 사용량 대신 업무 완료와 사업 성과에 가격을 연동한다고 TechCrunch 취재 에서 설명했다. 기업이 AI를 얼마나 배포하고 호출했는지가 아니라, 맡긴 일이 어디까지 끝났는지를 청구의 기준으로 삼겠다는 구상이다.
Ema의 공식 발표 에 따르면 이번 투자로 누적 조달액은 1억4000만 달러가 됐고, 기존 투자자인 Accel·S32·Prosus도 추가 투자했으며, 고객사 Wipro의 직원 지원 서비스는 65개국 직원 24만 명 이상을 대상으로 연간 약 290만 건의 문의와 100개가 넘는 업무 흐름을 다룬다. 다만 문의 처리량은 회사가 공개한 운영 규모다. 모든 문의가 사람의 개입 없이 완료됐다는 뜻도, 그 건수가 그대로 청구 건수라는 뜻도 아니다.
투자 발표가 보여준 실제 운영의 범위
Ema가 내세운 제품은 인사·IT·재무 부문의 요청을 여러 기업용 애플리케이션에 걸쳐 처리하는 AI 에이전트다. 직원의 질문에 답하는 단계에서 그치지 않고, 필요한 정보를 찾고 다른 시스템에서 후속 조치를 이어가는 업무를 겨냥한다. 회사가 시범사업에서 실제 운영으로의 전환을 강조하는 이유도 여기에 있다. 시연에서 적절한 답변을 생성하는 일과 권한·승인·기록 변경이 얽힌 요청을 지속적으로 처리하는 일은 범위가 다르다.
Wipro 사례는 기업 전체에서 반복되는 문의를 다룬다는 점에서 의미가 있다. 그러나 ‘문의 처리’라는 표현만으로 답변 제공, 담당 부서로의 전달, 권한 변경과 같은 최종 조치가 각각 얼마나 이뤄졌는지는 구분할 수 없다. 직원이 규정을 묻는 요청은 답변으로 끝날 수 있지만, 계정 접근 권한을 바꾸는 요청은 별도의 승인이 있어야 종결될 수 있다. 같은 문의 건수 안에도 서로 다른 깊이의 업무가 섞여 있다.
이 차이는 제품 성능뿐 아니라 수익모델을 이해하는 데도 필요하다. 에이전트가 질문에 답한 순간을 완료로 보는지, 연결된 시스템의 변경까지 확인한 뒤 완료로 보는지에 따라 청구 대상이 달라진다. 고객이 체감하는 성과 역시 달라진다. 공개된 Wipro 수치는 Ema가 실제 업무에 들어갔다는 회사 측 사례이지만, 업무 종류별 완료율이나 계약상의 과금 단위를 보여주지는 않는다.
좌석·토큰·결과 과금은 비용을 다르게 나눈다
좌석제 SaaS에서는 대체로 계약한 사용자 계정이 비용의 기준이 된다. 해당 직원이 기능을 거의 쓰지 않거나 업무가 끝나지 않아도 좌석 비용은 남을 수 있다. 토큰 과금에서는 AI 모델에 들어간 입력과 출력의 양이 비용을 움직인다. 요청을 다시 실행하거나 실패한 작업을 수정할 때 사용한 토큰도 비용 계산에서 사라지지 않는다.
결과를 기준으로 가격을 매기면 고객이 비용과 연결하려는 대상은 사용 권한이나 처리량에서 완료된 업무로 바뀐다. 조건이 어떻게 정해졌느냐에 따라 성공하지 못한 시도의 모델 사용 비용을 공급자가 떠안을 수도 있다. 그렇다고 결과 과금이라는 이름만으로 모든 실패 비용이 공급자에게 넘어가지는 않는다. 기본요금, 최소 사용량, 재처리 비용, 완료 판정 시점이 계약에 어떻게 들어가는지가 실제 부담을 결정한다.
Ema의 제품 문서 는 에이전트가 외부 시스템에 변경을 요청할 수 있고, 사람의 승인이나 추가 입력이 필요한 단계에서는 실행을 멈췄다가 다시 이어가며, 모델 호출별 토큰 사용량도 추적한다고 설명한다. 이는 고객 청구 단위와 Ema 내부 원가 단위가 다를 수 있음을 보여준다. 고객에게 토큰 기준으로 청구하지 않더라도 모델 호출 비용은 발생하며, 승인 대기 중인 작업을 완료로 셀 수 있는지도 별도로 정해야 한다.
사람의 승인이 개입하면 결과의 책임은 더 복잡해진다. 에이전트가 필요한 정보를 모두 모았지만 담당자가 승인을 보류한 경우, 지연의 원인을 공급자에게 돌리기는 어렵다. 반대로 잘못된 정보 때문에 사람이 검토와 수정에 시간을 썼다면 ‘자동 처리’의 편익은 줄어든다. 오류를 되돌리고 같은 요청을 다시 수행하는 비용을 누가 내는지도 완료 건수만으로는 알 수 없다.
업무 유형별로도 같은 단위를 적용하기 어렵다. 규정에 대한 단순 답변과 여러 시스템을 수정해야 하는 인사 요청은 완료의 의미와 투입 자원이 다르다. 두 요청을 모두 한 건으로 청구한다면 가격 차이를 계약 안에서 조정해야 하고, 서로 다른 결과로 구분한다면 고객은 각 결과의 정의를 알아야 한다. Ema의 공개 자료에는 이런 상황에 적용되는 고객별 단가나 책임 배분 방식이 제시돼 있지 않다.
기존 SaaS 대체는 접점 축소와 계약 해지가 다르다
Ema의 전략은 우선 기업이 이미 사용하는 애플리케이션 위에서 업무를 연결하는 데서 출발한다. 직원이 시스템마다 접속해 같은 요청을 다시 설명하거나 다음 담당자를 찾아야 하는 과정을 에이전트가 줄일 수 있다. 이 단계에서는 기존 제품이 여전히 데이터의 원천이자 실제 변경이 기록되는 곳이다. 사용자가 그 제품의 화면을 덜 연다고 해서 기초 시스템의 역할까지 없어진 것은 아니다.
그다음 가능한 변화는 특정 제품의 사용자 좌석을 줄이거나 중복 기능의 계약을 축소하는 것이다. 이는 업무를 어느 정도 대신했는지와 기존 제품의 계약 조건에 달려 있다. 별도 화면을 쓰는 사람이 줄어도 데이터 저장, 접근 권한 관리, 감사 기록, 다른 서비스와의 연결 때문에 제품을 계속 유지해야 할 수 있다. 사용자 접점의 대체와 소프트웨어 지출의 전액 절감은 같은 사건이 아니다.
따라서 SaaS를 ‘대체한다’는 주장에는 순서가 있다. 에이전트가 여러 제품의 앞단에서 요청을 받아 처리하고, 충분한 업무가 옮겨간 뒤 일부 좌석이나 제품 계약을 줄이며, 경우에 따라 기존 애플리케이션을 없앨 수 있다. 어느 단계에 이르렀는지를 판단하려면 고객이 실제로 해지하거나 축소한 계약과 그 전후 지출이 필요하다. 공개된 투자 발표와 취재는 Ema의 방향을 설명하지만, 고객별 SaaS 지출이 얼마나 줄었는지는 제시하지 않는다.
새 비용도 함께 봐야 한다. 에이전트가 기존 화면 사용 시간을 줄이더라도 시스템 연결, 보안 검토, 예외 처리, 사람의 승인에는 자원이 들어간다. 반대로 같은 계약을 유지하면서 반복 업무에 드는 시간을 줄였다면 좌석 비용은 그대로여도 운영 효율은 높아질 수 있다. 어느 쪽이 우세한지는 같은 고객의 동일한 업무 범위와 기간을 놓고 비교해야 알 수 있다.
남은 쟁점은 ‘완료’의 계약상 정의
이번 투자와 공개된 고객 사례는 Ema가 기업의 반복 업무를 맡는 AI 에이전트 사업을 확대하고 있음을 보여준다. 결과에 가격을 연동한다는 창업자의 설명도 좌석제 SaaS와 다른 판매 방식을 분명히 한다. 그러나 외부에서 확인할 수 있는 자료만으로는 개별 고객이 어떤 결과에 얼마를 내는지, 실패한 작업과 재작업을 어떻게 계산하는지 판단할 수 없다.
특히 문의량, 업무 흐름 수, 실제 완료 건수는 서로 다른 지표다. 문의가 접수된 뒤 답변만 제공됐는지, 다른 시스템의 상태가 바뀌었는지, 사람이 최종 승인했는지에 따라 ‘끝난 일’의 범위가 달라진다. 결과 기반 과금이 고객에게 유리한지 알려면 청구 건수뿐 아니라 오류 처리와 승인에 투입된 인력 비용도 함께 봐야 한다. 현재 공개된 수치만으로 그 계산을 끝낼 수는 없다.
Ema의 시리즈 B는 기업용 AI가 기존 소프트웨어 사용량보다 업무 결과를 판매하려는 움직임을 드러낸다. 다음에 확인돼야 할 것은 이 원칙이 실제 계약에서 어떻게 정의되는지, 그리고 고객이 기존 SaaS 지출과 운영 비용을 실제로 얼마나 줄였는지다. 그 자료가 나오기 전까지 결과 과금은 확인된 사업 방향이며, SaaS 대체에 따른 비용 절감은 아직 검증이 필요한 주장이다.
함께 읽기:
관련 기사
뉴스레터 구독
최신 Web3, AI, 암호화폐 뉴스를 이메일로 받아보세요.
0