CLI, Skills, 수직형 모델: 새로운 소프트웨어

에이전트 경험(AX) 시대에는 인간 사용자가 아니라 AI 에이전트가 소프트웨어의 주 사용자로 떠오른다. 에이전트는 대시보드를 누르지 않고 API, 스크립트, 구조화된 명령으로 일하므로, 제품은 GUI보다 안정적인 인터페이스, CLI, MCP 서버, skills, 그리고 필요할 때 더 빠른 vertical models로 재구성돼야 한다.

2025년 1월에는 소프트웨어의 “죽음”이 논의됐지만, 2026년 4월의 결론은 조금 다르다. SaaS가 사라진 것이 아니라, 인간 중심의 사용 흐름이 무너지고 agentic user를 위한 제품 설계가 새로운 기준이 됐다. 기업 환경에서는 머신 아이덴티티가 인간 사용자를 45:1로 앞지르고, 일부는 100:1까지 올라갔으며, Neon은 DB 생성의 **80%**가 AI 에이전트에서 나온다고 보고했다. GitHub에서도 Claude Code가 작성한 커밋이 전체의 5% 이상, AI 보조 커밋은 40% 수준으로 언급된다.

핵심은 “채팅봇을 대시보드에 붙이는 것”이 아니다. 에이전트는 사람이 직접 클릭하는 UI가 아니라, 읽기 쉬운 입력과 출력, 재시도 가능한 명령, 도구 체인, 구조화된 응답을 원한다. 그래서 제품의 첫 진입점은 화면이 아니라 터미널이 된다.

세 가지 패턴이 새 스택을 만든다.

• Skill files: 도메인 전문가의 판단을 마크다운으로 인코딩해, 에이전트가 올바른 순서와 제약으로 제품을 쓰게 만든다.
• CLI / MCP 서버: 에이전트가 설치, 설정, 운영까지 수행할 수 있는 인터페이스 계층이다.
• Vertical models: 특정 도메인 데이터로 학습된 모델을 사용해 더 빠르고 더 싸며, 특정 업무에서는 범용 LLM보다 더 잘하게 만든다.

Figma는 MCP 서버와 함께 Skills를 내놨고, 디자인 시스템 규칙, 컴포넌트 네이밍, 토큰 구조를 파일로 제공한다. PostHog는 에이전트 아키텍처를 두 번 다시 만들며, 예를 들어 활성화 이벤트는 signed_in이 아니라 **$pageview**를 기본값으로 쓰도록 안내하는 식의 실전 지식을 skill로 옮겼다. 이런 문서가 없으면 에이전트는 그럴듯하지만 잘못된 분석을 만들 수 있다.

CLI는 구식 개발자 도구가 아니라 에이전트 친화적 인터페이스다. 37signals는 Basecamp를 API, 새 CLI, 구조화된 JSON 출력, shell completion까지 포함한 agent-accessible 제품으로 다시 만들었고, Google Gemini CLI extensions는 3개월 만에 100만+ 개발자를 확보했다고 언급된다. Vercel AI SDK도 월간 다운로드 2,000만을 넘기며 agentic pipeline 중심으로 자리 잡았다.

세 번째 축은 vertical models다. Intercom의 fin-cx-retrieval처럼 고객지원 추론에 맞춘 전용 모델은 범용 모델보다 특정 문제에서 더 낫다. Cursor Composer 2는 Kimi K2.5 기반에 추가 pre-training과 RL을 더해 **Terminal-Bench 2.0 61.7%**를 기록했고, **Claude Opus 4.6의 58.0%**를 능가하면서도 입력 100만 토큰당 $0.50 수준으로 제시된다.

다만 수직형 모델이 항상 moat가 되는 것은 아니다. Harvey는 OpenAI와 함께 훈련한 법률 모델에서 변호사 선호도 **97%**를 얻고, $190M ARR, $11B valuation까지 갔지만, 이후 Google, xAI, OpenAI, Anthropic의 frontier reasoning model이 자체 벤치마크를 앞지르자 그 모델을 접고 Model Selector로 Claude, Gemini, GPT를 라우팅하기 시작했다. 베이스라인이 빠르게 좋아지면 weights에 박아 넣은 우위는 쉽게 사라질 수 있다.

결국 살아남는 전략은 셋을 조합하는 것이다.

• 가장 값비싼 쿼리에는 weights에 들어간 데이터 우위
• 작업 절차에는 skills와 workflow expertise
• 실행과 자동화에는 CLI/MCP 기반의 조합 가능성

성능 관점에서도 답은 분명하다. 대부분의 생산 환경 작업은 frontier reasoning이 필요하지 않다. 계약 추출, 데이터 검증, 포맷 변환, 상태 확인 같은 일은 코드나 작은 모델로 처리할 수 있고, FrugalGPT 연구가 보여줬듯 cascade routing은 최대 98% 비용 절감을 만들 수 있다. 에이전트 워크플로우에서 호출이 5~15개 이어질 때, 모든 단계를 큰 모델로 태우느냐 아니냐는 대기 시간을 30초와 2초로 가를 수 있다.

소프트웨어의 경쟁력은 이제 버튼 색이나 화면 구성보다 인증의 용이성, 보안, 속도, 비용에서 갈린다. 앞으로의 SaaS는 인간용 GUI가 아니라, 에이전트가 읽고 실행할 수 있는 형태로 데이터, 워크플로, 도메인 지식을 다시 인코딩하는 쪽이 유리하다.