AI 시대 가격 트렌드
에이전틱 프라이싱, 크레딧 모델 폭발과 반발, SaaSpocalypse, 좌석 기반 쇠퇴
SaaS 가격 모델이 빠르게 바뀌고 있습니다. AI가 퍼지면서 비용 구조가 변했고, 가격 전략도 따라 움직입니다.
2026년 3월 주요 변경
- 에이전틱 프라이싱 4가지 모델(per-execution, usage-based, outcome-based, hybrid) 추가
- 크레딧 시스템 반발: PricingSaaS 500 중 79개사 크레딧 모델(126% YoY), 고객 복잡성 불만
- SaaSpocalypse: SaaS 주가 $285B 시가총액 증발, 좌석 기반 기업 타격
- Chargebee 3-body problem 프레임워크, Gartner/Deloitte 전망 추가
2026년 주요 트렌드
트렌드 1: 좌석 기반 가격의 쇠퇴
왜 쇠퇴하는가?
AI가 업무를 대체
- AI 에이전트가 "직원" 역할 수행
- 한 명이 AI로 10명 몫의 일
- "사용자 수"의 의미 퇴색
과거: 10명 팀 → 10 좌석 필요
현재: 3명 + AI → 3 좌석만?좌석당 과금에 대한 불만
- "안 쓰는 사람도 비용"
- "새 팀원 추가가 부담"
- 예산 승인 어려움 (헤드카운트 제한)
경쟁 압력
- 사용량 기반 제품과 경쟁
- "쓴 만큼 내는" 공정성 기대
- 대기업 번들링 (Microsoft 365, Google Workspace)
데이터로 보는 쇠퇴
OpenView SaaS 벤치마크 + 2026년 실제 데이터:
| 연도 | 순수 좌석 기반 비율 |
|---|---|
| 2020 | 45% |
| 2022 | 38% |
| 2024 | 28% |
| 2026 | 18% |
좌석 기반 사용자의 대응
- 하이브리드로 전환: 기본 좌석료 + 사용량 과금
- 역할별 차등: 편집자만 과금, 뷰어 무료
- 가치 재정의: "사용자" → "워크스페이스" 또는 "팀"
트렌드 2: 크레딧 기반 가격의 폭발과 반발
왜 부상하는가?
크레딧의 매력
크레딧은 복잡한 비용 구조를 단순하게 만듭니다. AI SaaS에서 토큰, 이미지, 요청처럼 제각각인 리소스를 하나의 단위로 묶을 수 있습니다.
| 장점 | 설명 |
|---|---|
| 비용 전가 용이 | API 비용 변동을 크레딧으로 흡수 |
| 고객 예측성 | 월 N 크레딧 = 예산 명확 |
| 유연한 사용 | 여러 기능 간 크레딧 공유 가능 |
| 업셀 자연스러움 | 크레딧 소진 → 추가 구매/업그레이드 |
크레딧 채택 폭발
| 연도 | AI SaaS 크레딧 모델 채택률 |
|---|---|
| 2022 | 15% |
| 2024 | 35% |
| 2026 | 55% |
2026년 크레딧 채택 데이터
- PricingSaaS 500 조사: 500개 SaaS 중 79개사가 크레딧 모델 운영 — 전년 대비 126% YoY 증가
- Notion Custom Agents (2026.02): 1,000 크레딧당 $10, 플랜별 기본 크레딧 차등 제공
- Figma: 좌석 등급별 AI 크레딧 한도 (500~4,250/월) — 좌석 과금 + 크레딧 하이브리드
- 2027년까지 AI SaaS의 **62%**가 크레딧 모델 채택 전망 (Gartner)
크레딧 모델에 대한 고객 반발
크레딧 채택이 폭발적으로 늘었지만, 그만큼 고객 불만도 함께 커지고 있습니다.
| 불만 유형 | 설명 |
|---|---|
| 복잡성 | "1 크레딧이 정확히 무엇인지 모르겠다" |
| 예측 불가 | 크레딧 소진 속도를 가늠하기 어려움 |
| 비교 불능 | 제품 간 크레딧 단위가 달라 가격 비교 불가 |
| 숨은 비용 | 기본 크레딧 소진 후 초과 비용이 급등 |
예측 가능한 가격으로 회귀 조짐
크레딧이 복잡하다는 불만이 쌓이면서, 일부 SaaS는 단순한 정액 AI 번들로 되돌아가고 있습니다. Notion, Slack, Loom이 AI를 따로 팔다가 코어 번들 + $2~5/user 인상으로 갈아탄 것이 대표적입니다. 인디해커가 크레딧을 도입한다면 투명한 가치 매핑과 사용량 예측 도구를 반드시 같이 내놓아야 합니다.
크레딧 설계 모범 사례
명확한 가치 매핑:
1 크레딧 = 1회 AI 생성
= 약 1,000 단어
= 약 1개 이미지사용량 예시 제공:
Pro 플랜 2,000 크레딧으로:
- 블로그 글 100편 또는
- 소셜 포스트 400개 또는
- 이메일 200개 작성 가능트렌드 3: 하이브리드 모델의 표준화
하이브리드란?
플랫폼 비용 + 사용량 과금의 조합입니다.
기본 플랫폼: $29/월 (기본 기능 + 1,000 크레딧 포함)
추가 사용량: $0.02/크레딧왜 표준이 되는가?
| 순수 모델 | 문제점 | 하이브리드 해결 |
|---|---|---|
| 순수 정액 | 대형 고객에서 수익 누락 | 사용량으로 업사이드 |
| 순수 사용량 | 수익 예측 어려움 | 기본료로 안정성 |
| 순수 좌석 | AI 시대 부적합 | 사용량으로 가치 연동 |
하이브리드 채택 현황
| 카테고리 | 2024 | 2026 |
|---|---|---|
| AI/ML | 65% | 78% |
| 개발자 도구 | 55% | 67% |
| 마케팅 | 45% | 53% |
| 협업 도구 | 35% | 44% |
| 전체 SaaS | 41% | 61% |
사용량 기반 대세 확정
Gartner 2026년 보고서를 보면 소프트웨어 기업의 **61%**가 이미 사용량 기반 요소를 넣었고, 2027년까지 **70%**가 하이브리드나 사용량 기반으로 넘어갈 것으로 봅니다.
트렌드 4: 에이전틱 프라이싱 모델의 부상
에이전틱 프라이싱이란?
AI 에이전트가 SaaS의 핵심 가치 단위로 자리잡으면서, 에이전트의 행위(action)나 결과(outcome)에 값을 매기는 가격 모델이 본격적으로 갈라지고 있습니다.
시장 전망
- Gartner: 2030년까지 SaaS 지출의 40% 이상이 사용량/에이전트/성과 기반으로 전환
- Deloitte: 2027년까지 대다수 신규 SaaS 계약에 사용량 또는 성과 기반 요소 포함
4가지 에이전틱 프라이싱 모델
| 모델 | 설명 | 과금 기준 | 예시 |
|---|---|---|---|
| Per-Execution | 에이전트 실행 1회당 과금 | 작업 실행 횟수 | Zapier AI Actions |
| Usage-Based | 소비한 리소스(토큰, 시간) 기준 | 토큰/분/크레딧 | Claude Code, Devin |
| Outcome-Based | AI가 달성한 결과에만 과금 | 해결 건, 생성 리드 | Intercom Fin, Salesforce Agentforce |
| Hybrid | 기본 구독 + 성과/사용량 | 월정액 + 초과분 | Zendesk AI Agent, Notion Custom Agents |
아웃컴 기반 실전 사례 (2026년 현재)
아웃컴 기반 가격은 2026년 들어 AI 에이전트 카테고리의 주류로 올라섰습니다.
| 서비스 | 가격 모델 | 단가 |
|---|---|---|
| Intercom Fin AI | 해결된 티켓당 | $0.99/건 |
| Salesforce Agentforce | AI 대화당 | $2.00/건 |
| Zendesk AI Agent | 자동 해결당 | $1.50~$2.00/건 |
핵심 패턴: 사람이 손대면 과금하지 않고, AI가 혼자 해결한 결과에만 비용을 매깁니다.
Chargebee 3-Body Problem 프레임워크
Chargebee가 발표한 AI Agent Pricing Playbook은 에이전틱 가격 설계를 "3-body problem"으로 풀어냅니다.
| 요소 | 설명 | 긴장 관계 |
|---|---|---|
| 가치(Value) | 에이전트가 고객에게 전달하는 비즈니스 성과 | 성과가 클수록 높은 가격 정당화 |
| 비용(Cost) | LLM 추론, 도구 호출, 오케스트레이션 비용 | AI 비용이 변동적이라 마진 예측 어려움 |
| 행동(Behavior) | 에이전트 실행 패턴, 고객 사용 빈도 | 고객마다 사용량 편차가 극심 |
실무 시사점: 세 요소가 한꺼번에 움직이기 때문에 가격 축 하나(좌석, 정액 등)로는 잡아낼 수 없고, 최소 2축 이상의 하이브리드 설계가 필요합니다.
도전 과제
| 과제 | 설명 |
|---|---|
| 아웃컴 정의 | "성공"의 기준 합의 어려움 |
| 귀인 문제 | 여러 요인 중 어떤 것이 기여? |
| 수익 예측 | 성과에 따라 크게 변동 |
| 가격 설정 | 적정 성과당 가격 산정 어려움 |
인디해커 관점
대형 벤더(Intercom, Salesforce, Zendesk)는 아웃컴 기반을 도입했지만, 인디해커 규모에서는 "아웃컴"을 측정하고 귀인하는 인프라를 까는 일 자체가 부담입니다. 크레딧이나 하이브리드로 출발하고, 고객 기반이 커진 다음에 아웃컴 요소를 더하는 편이 현실적입니다.
트렌드 5: AI 번들링과 SaaSpocalypse
SaaSpocalypse — SaaS 밸류에이션 폭락
2025~2026년 SaaS 섹터에 **"SaaSpocalypse"**라 불리는 밸류에이션 급락이 닥쳤습니다.
| 지표 | 수치 |
|---|---|
| SaaS 주가 시가총액 증발 | $285B |
| 가장 큰 타격 | 순수 좌석 기반 기업 |
| 원인 | AI 대체 우려 + 좌석 수 감소 + 금리 환경 |
핵심 교훈: 좌석 기반 매출에 기대는 SaaS는 AI가 사용자 수를 줄이면 매출이 바로 빠지는 구조적 리스크를 안고 있습니다. 그래서 사용량·성과 기반으로의 전환이 더 빨라지고 있습니다.
AI 번들링 전환
AI를 별도 애드온으로 팔던 주요 SaaS가 코어 플랜에 AI를 끼워 넣고 가격을 조금 올리는 쪽으로 방향을 틀었습니다.
| 서비스 | 이전 모델 | 현재 모델 | 인상폭 |
|---|---|---|---|
| Notion | AI add-on $10/user | 코어 번들 포함 | +$2~3/user |
| Slack | AI 별도 판매 | Slack AI 기본 포함 | +$3~4/user |
| Loom | AI 별도 판매 | AI 기본 포함 | +$2~5/user |
전환 이유:
- AI 애드온 채택률이 기대보다 낮음 (별도 결제 마찰)
- AI를 "프리미엄 기능"이 아닌 기본 가치로 포지셔닝 필요
- 전체 ARPU 인상 효과 + 크레딧 복잡성 회피
AI 에이전트 카테고리별 가격 모델
| 유형 | 예시 | 가격 모델 |
|---|---|---|
| 코딩 에이전트 | Claude Code, Devin, GitHub Copilot | 구독 + 사용량 |
| CS 에이전트 | Intercom Fin, Zendesk AI Agent | 해결 건당 |
| 영업 에이전트 | Salesforce Agentforce | 대화당 |
| 리서치 에이전트 | Perplexity, ChatGPT Deep Research | 구독 + 쿼리 한도 |
| 워크플로 에이전트 | Notion Custom Agents, Zapier AI Actions | 크레딧 |
인디해커를 위한 시사점
- 에이전트 비용 구조 이해 필요 — Chargebee 3-body problem 참고
- 단순 API 호출보다 복잡한 비용 계산 (오케스트레이션, 재시도, 도구 호출)
- "에이전트 사용량"이라는 새로운 가치 지표
- 사용자 관점에서 ROI 커뮤니케이션 중요
- 소규모 제품이라면 AI 번들링(코어 포함 + 소폭 인상)이 크레딧보다 간단하고 효과적
2026년 현황 요약
| 트렌드 | 2024 | 2026 실제 | 변화 |
|---|---|---|---|
| 좌석 기반 | 28% | 18% | 10%p ↓ |
| 사용량 기반 | 18% | 61% | 43%p ↑ |
| 하이브리드 | 41% | 61% | 20%p ↑ |
| 크레딧 기반 | 35% (AI) | 55% (AI) | 20%p ↑ |
| 아웃컴 기반 | 5% | 12% | 7%p ↑ |
| 크레딧 모델 사수 | — | 79/500사 (PricingSaaS) | 126% YoY |
2026년 결제 인프라 트렌드
- Stripe Managed Payments (MoR): 거래 단위 MoR, ~7.9%+$0.30, 판매세·부가세·분쟁 자동 처리
- Polar.sh: 오픈소스/인디해커 특화 결제 (4% + $0.40/건)
- Freemium 전환율 벤치마크: 일반 3
5%, 우수 812% - B2B SaaS 연간 이탈률 중앙값: 3.5%, NRR 중앙값: 106%
인디해커를 위한 Action Items
지금 해야 할 것
- AI 번들링 vs 크레딧 결정: 소규모 제품은 AI 코어 번들(+$2~5 인상)이 간단, 복잡한 멀티 리소스 제품은 크레딧 고려
- 하이브리드 전환 검토: 순수 정액/좌석이라면 사용량 요소 추가
- 비용 모니터링 강화: AI 비용 변동에 대비 (3-body problem 인지)
- 크레딧 도입 시 투명성 확보: 가치 매핑 + 사용량 예측 도구 필수
지켜봐야 할 것
- 에이전틱 프라이싱 분화: per-execution vs outcome-based 승자 결정
- 크레딧 반발 vs 정착: 고객이 크레딧에 적응할지, 정액 회귀가 대세가 될지
- Gartner 2030 전망: SaaS 지출 40%+ 사용량/에이전트/성과 기반 전환
- SaaSpocalypse 여파: 좌석 기반 기업의 구조적 전환 속도
피해야 할 것
- AI SaaS에서 "무제한" 플랜
- 순수 좌석 기반 (AI 도구의 경우) — SaaSpocalypse 리스크
- 너무 복잡한 크레딧 체계 — 고객 반발 초래
- AI를 별도 애드온으로만 판매 — 채택률 저조
핵심 요약
- 좌석 기반 쇠퇴 + SaaSpocalypse: 순수 좌석 기반 18%로 하락, $285B 시가총액 증발
- 크레딧 폭발과 반발: 55% 채택(PricingSaaS 79/500사, 126% YoY) 동시에 복잡성 불만 증가
- 하이브리드 표준: 기본료 + 사용량이 61%로 명실상부 주류 모델
- 에이전틱 프라이싱 4모델: per-execution, usage-based, outcome-based, hybrid 분화
- AI 번들링 전환: Notion·Slack·Loom이 AI 별도 판매에서 코어 번들(+$2~5/user)로 전환
- Gartner 2030 전망: SaaS 지출 40%+가 사용량/에이전트/성과 기반으로 이동