벤더별 상세 프로필
Salesforce, Intercom, Zendesk, HubSpot, Microsoft, ServiceNow의 AI 에이전트 가치 지표와 과금 단위를 상세 비교합니다.
핵심 요약
- Salesforce는 AWU라는 업무량 지표와 Flex Credits/Conversations라는 과금 단위를 함께 씁니다.
- Intercom은 Fin outcome을 대화당 1회만 과금하지만, resolution과 sales qualification의 가격이 다릅니다.
- Zendesk는 automated resolution을 AI agent 사용량 단위로 삼고, 2026년 5월부터 tier로 value 차이를 반영합니다.
- HubSpot은 Breeze Customer Agent와 Prospecting Agent를 resolved conversation과 recommended lead 기준으로 가격화합니다.
- Microsoft는 결과 기반이 아니라 Copilot Credits로 agent response/action 사용량을 세밀하게 회계 처리합니다.
- ServiceNow는 과금 단위보다 usage, user acceptance, productivity time value, requests avoided 같은 ROI 측정 프레임을 강조합니다.
이 장은 벤더별 주장을 같은 분석 틀로 읽기 위한 상세 프로필입니다. 가격과 credit rate는 2026년 6월 27일 공개 자료 기준입니다. 실제 계약에는 지역, 플랜, 엔터프라이즈 할인, 약정, add-on, legacy SKU가 영향을 줍니다.
프로필 읽는 법
| 항목 | 의미 |
|---|---|
| 벤더의 핵심 주장 | 회사가 “AI 가치”를 어떤 언어로 설명하는가 |
| 공개 과금 단위 | 고객이 실제로 돈을 내거나 allowance를 쓰는 단위 |
| 가치 지표 계층 | 사용량, 업무량, 결과, 경제성, 신뢰 중 어디에 가까운가 |
| 판정 방식 | 성공, 실패, handoff, escalation을 어떻게 가르는가 |
| 해석 리스크 | 내부 KPI로 그대로 가져올 때 생기는 왜곡 |
Salesforce
| 항목 | 내용 |
|---|---|
| 제품/범위 | Agentforce, Slack AI, Salesforce platform 전체의 agentic work |
| 핵심 지표 | Agentic Work Unit, AWU |
| 과금 단위 | Flex Credits, Conversations, Agentforce User License |
| 지표 계층 | AWU는 업무량, Flex Credits는 action 기반 사용량, Conversations는 대화 기반 사용량 |
| 공식 포지션 | tokens processed는 infrastructure footprint이고, AWU는 platform이 고객 대신 수행한 work volume |
Salesforce의 특징은 지표와 과금 단위를 분리한다는 점입니다. AWU는 투자자와 고객에게 “AI가 실제 업무를 얼마나 했는가”를 보여주는 platform-level metric입니다. 반면 구매자가 계약에서 마주하는 단위는 Flex Credits, Conversations, user license입니다.
| 공개 가격/환산 | 내용 |
|---|---|
| Flex Credits | USD 500 per 100,000 credits |
| Agentforce action | 20 Flex Credits, 예시상 USD 0.10/action |
| Agentforce Voice action | 30 Flex Credits |
| Conversations | USD 2 per conversation |
| Agentforce User License | USD 5/user/month, Flex Credits 필요 |
| 동시 사용 제한 | Flex Credits와 Conversations는 같은 org에서 함께 지원되지 않음 |
Salesforce가 action으로 드는 예시는 record update, case summary, product inquiry answer, custom prompt, flow execution 같은 platform action입니다. Digital Wallet에서 Flex Credit 사용량을 near real-time으로 추적하고 alert를 설정할 수 있다는 점도 과금 통제 장치로 강조합니다.
| AWU에서 봐야 할 점 | 해석 |
|---|---|
| discrete task | prompt processed, reasoning chain completed, tool invoked 같은 일 단위 |
| tokens와 고정 환산 없음 | 고빈도 deterministic task는 token-lean해지고, 복잡한 reasoning은 token이 늘 수 있음 |
| 공개 성장 수치 | Salesforce는 3.8B AWUs to date, Q1 1.6B AWUs, 111% QoQ 증가를 공개 |
| 한계 | AWU 산식과 counting boundary는 Salesforce가 정의하고 측정 |
해석상의 쟁점:
- 우리 use case의 action은 정확히 몇 개로 쪼개지는가?
- action retry, failed tool call, validation failure도 Flex Credits를 쓰는가?
- Conversation pricing과 Flex Credits 중 어떤 모델이 forecast risk가 낮은가?
- AWU dashboard와 billing export를 내부 case/ticket/CRM outcome과 join할 수 있는가?
- Flex Credits를 넘겼을 때 rate와 alert 정책은 계약서에 어떻게 들어가는가?
Intercom
| 항목 | 내용 |
|---|---|
| 제품/범위 | Fin AI Agent, Fin for Support, Fin for Sales |
| 핵심 지표 | Fin outcome |
| 과금 단위 | outcome per conversation |
| 지표 계층 | 결과 기반 과금 |
| 공식 포지션 | Fin이 successful value를 delivered했을 때만 outcome으로 과금 |
Intercom은 “attempt가 아니라 outcome에 돈을 낸다”는 메시지가 가장 명확합니다. 다만 outcome이 모두 같은 가격은 아닙니다.
| Outcome type | 공개 가격 | 판정 |
|---|---|---|
| Resolution | USD 0.99 | Fin의 마지막 AI answer 이후 추가 도움 요청이 없음 |
| Procedure handoff | USD 0.99 | configured Procedure가 human 또는 workflow handoff로 성공 종료 |
| Disqualification | USD 0.99 | prospect가 qualification criteria에 맞지 않다고 판단 |
| Qualification | USD 9.99 | prospect가 criteria에 맞고 routing outcome으로 연결 |
Intercom은 conversation당 outcome을 최대 1회 과금합니다. 고객이 같은 conversation에서 여러 질문을 하거나 Fin이 여러 Procedure를 실행해도 한 번만 과금되는 구조입니다.
| 과금되지 않는 경우 | 의미 |
|---|---|
| 고객이 human을 명시적으로 요청 | unresolved/escalated로 처리 |
| workspace-level escalation rule로 handoff | billable Procedure handoff가 아님 |
| Procedure 실패 | successful outcome이 아니므로 비과금 |
| spam routing | outcome 아님 |
| Fin이 clarifying question만 하고 고객이 이탈 | answer가 아니므로 abandoned, 비과금 |
| 나중에 같은 conversation으로 돌아와 추가 도움 요청 | 기존 resolution이 deduct되고 charged 되지 않음 |
구매자 리스크는 assumed resolution입니다. 고객이 만족해서 조용한 것인지, 불만이 있지만 이탈한 것인지는 내부 CSAT, repeat contact, sentiment로 보정해야 합니다.
해석상의 쟁점:
- assumed resolution 비중과 confirmed resolution 비중을 분리해서 볼 수 있는가?
- $9.99 Qualification이 우리 sales accepted lead 기준과 맞는가?
- Procedure handoff가 billable인 이유를 내부 팀이 납득할 수 있는가?
- 같은 고객이 새 conversation으로 재문의하면 기존 resolution dedupe가 되는가?
- Fin Voice와 high-volume pricing은 같은 outcome 정의를 쓰는가?
Zendesk
| 항목 | 내용 |
|---|---|
| 제품/범위 | Zendesk AI agents |
| 핵심 지표 | Automated resolution |
| 과금 단위 | automated resolution allowance/tier |
| 지표 계층 | 고객지원 결과 지표 |
| 공식 포지션 | human intervention 없이 AI agent가 성공적으로 해결한 customer request만 비용화 |
Zendesk는 AI agent 사용량을 automated resolution으로 계산합니다. 이전에는 Zendesk bots와 Answer Bot resolution/MAU 구조가 있었지만, AI agents는 automated resolutions 중심으로 이동했습니다.
2026년 5월 18일 도입된 automated resolution tiers는 resolution의 value를 세 단계로 나눕니다.
| Tier | 설명 | allowance 영향 |
|---|---|---|
| Assisted escalation | AI가 데이터 수집, 인증, routing 등으로 기여했지만 인간이 해결 | resolution allowance를 차감하지 않음 |
| Contained resolution | AI가 interaction을 끝까지 처리했고 고객이 추가 도움, feedback, human 요청을 하지 않음 | tier 문서상 allowance를 차감하지 않음 |
| Verified resolution | 72시간 follow-up window 이후 LLM verification을 통과한 해결 | 성공 resolution으로 취급 |
legacy/pre-tier automated resolution 문서에서는 channel별 계산 방식도 중요합니다.
| 채널/상황 | 판정 방식 |
|---|---|
| Messaging | handled conversation이 LLM verification을 통과하면 automated resolution |
| Email AI agents | reply/public comment로 answered 상태가 되고 LLM verification 통과 |
| Escalation | human agent로 escalated되면 automated resolution이 될 수 없음 |
| Testing/Admin Center | 테스트 기능 사용은 default allocation에 count되지 않음 |
| Sandbox | sandbox automated resolution은 account allocation에 count되지 않음 |
기존 automated resolution 문서에는 plan별 baseline도 공개되어 있습니다. Team은 5 automated resolutions/agent/month, Growth/Professional은 10, Enterprise는 15로 설명되며, all plans maximum 10,000 allocated automated resolutions/year라는 문구가 있습니다. 다만 tier platform 도입 이후 실제 allowance와 commercial term은 계약 기준으로 재확인해야 합니다.
해석상의 쟁점:
- 우리 계약에는 tier별 단가와 allowance 차감 방식이 어떻게 들어가는가?
- Contained와 Verified를 내부 자동화율에서 같은 값으로 볼 것인가?
- LLM verification 실패 conversation을 dashboard에서 export할 수 있는가?
- email trigger 설정 누락으로 human reply가 conversation log에 안 잡히는 예외를 어떻게 방지하는가?
- 72시간 window가 우리 support SLA와 맞는가?
HubSpot
| 항목 | 내용 |
|---|---|
| 제품/범위 | Breeze Customer Agent, Breeze Prospecting Agent, Data Agent, Breeze AI |
| 핵심 지표 | resolved conversation, recommended lead, data answer |
| 과금 단위 | HubSpot Credits |
| 지표 계층 | 결과 기반 과금과 credit 기반 사용량의 결합 |
| 공식 포지션 | AI는 output이 아니라 outcome으로 측정되어야 하며, task complete 시 과금 |
HubSpot은 2026년 4월 14일부터 Customer Agent와 Prospecting Agent를 outcome-based pricing으로 전환한다고 발표했습니다.
| Agent | 공개 가격 | credit 환산 | 판정 |
|---|---|---|---|
| Customer Agent | USD 0.50/resolved conversation | 50 credits/resolution | customer agent가 conversation을 해결 |
| Prospecting Agent | USD 1.00/recommended lead | 100 credits/recommended lead | prospect가 qualified되고 outreach 추천으로 handed to team |
| Data Agent | USD 0.10/answer | 별도 credit 기반 | 데이터 질문에 답변 |
HubSpot의 차별점은 Smart CRM context입니다. Breeze Agents는 CRM, customer conversations, deal history 안에서 동작하므로 generic agent보다 outcome pricing을 주장하기 쉽다는 논리입니다.
| 제품 접근/운영 | 공개 설명 |
|---|---|
| Customer Agent | Professional 이상에서 unlock |
| Prospecting Agent | Starter 이상에서 사용 가능 |
| Included credits | Starter 500, Professional 3,000, Enterprise 5,000 credits |
| Credits 운영 | credit limit, credit packs, pay-as-you-go, real-time tracking |
| Built-in AI | Breeze Assistant 등 일부 embedded AI는 credits를 쓰지 않음 |
Prospecting Agent는 특히 internal definition alignment가 중요합니다. HubSpot이 말하는 outcome은 closed deal이 아니라 “lead recommended for outreach”입니다. 따라서 내부에서는 sales accepted lead, meeting booked, reply quality, unsubscribe rate를 함께 봐야 합니다.
해석상의 쟁점:
- resolved conversation이 reopen, repeat contact, CSAT와 어떻게 연결되는가?
- recommended lead가 우리 ICP와 sales accepted lead 기준을 얼마나 충족하는가?
- credit limit에 도달하면 agent가 pause되는지, overage가 발생하는지 확인했는가?
- prospecting outreach의 deliverability guardrail을 내부 policy와 맞췄는가?
- HubSpot Credits export를 CRM pipeline outcome과 join할 수 있는가?
Microsoft
| 항목 | 내용 |
|---|---|
| 제품/범위 | Microsoft Copilot Studio, Copilot agents, Power Platform AI tools |
| 핵심 지표 | Copilot Credits |
| 과금 단위 | Copilot Credit packs, pay-as-you-go meter, pre-purchase plan |
| 지표 계층 | 사용량 회계와 예산 통제 |
| 공식 포지션 | agent가 정보를 가져오고, prompts에 응답하고, actions/custom skills를 사용할 때 필요한 time and effort를 credits로 측정 |
Microsoft는 outcome pricing보다는 agent design에 따른 consumption metering에 가깝습니다. Copilot Studio는 tenant-wide license로 25,000 Copilot Credits pack을 USD 200/pack/month에 판매하며, pay-as-you-go meter와 pre-purchase plan도 제공합니다.
| Feature | 공개 billing rate |
|---|---|
| Classic answer | 1 Copilot Credit |
| Generative answer | 2 Copilot Credits |
| Agent action | 5 Copilot Credits |
| Tenant graph grounding for messages | 10 Copilot Credits |
| Agent flow actions | 13 Copilot Credits per 100 actions |
| Basic text/generative AI tools | 0.1 Copilot Credit per 1K tokens, 1 Credit per 10 responses |
| Standard text/generative AI tools | 1.5 Copilot Credits per 1K tokens, 15 Credits per 10 responses |
| Premium text/generative AI tools | 10 Copilot Credits per 1K tokens, 100 Credits per 10 responses |
| Content processing tools | 8 Copilot Credits per page |
| Voice | Classic Voice 10, GenAI Voice 35, Premium GenAI Voice 75 Copilot Credits/minute |
Microsoft의 강점은 비용 예측과 governance입니다. tenant pool, environment allocation, monthly consumption limits, Power Platform admin center reporting을 통해 어디서 credits가 쓰이는지 볼 수 있습니다.
| 운영상 주의점 | 설명 |
|---|---|
| 125% enforcement | prepaid capacity를 초과하면 enforcement가 발생할 수 있음 |
| Agent flow enforcement | general agent와 달리 flow run만 block될 수 있음 |
| M365 Copilot licensed user | 특정 employee-facing scenario는 Microsoft 365 Copilot user license와 fair usage limit의 영향을 받음 |
| BYO model | Azure Foundry 등 bring-your-own-model은 별도 과금 |
해석상의 쟁점:
- 우리 agent 설계에서 generative answer, agent action, graph grounding이 한 conversation에 몇 번 발생하는가?
- credit cap과 alert가 agent별, environment별로 설정되어 있는가?
- M365 Copilot 라이선스 사용자의 included usage와 별도 billable usage가 구분되는가?
- Power Automate flow, connector, custom skill 호출이 예상 credit burn을 얼마나 키우는가?
- Copilot Credits를 내부 outcome KPI와 연결할 event id가 있는가?
ServiceNow
| 항목 | 내용 |
|---|---|
| 제품/범위 | ServiceNow AI Agents, Now Assist, AI Agent Studio, AI Agent Orchestrator |
| 핵심 지표 | AI value framework |
| 과금 단위 | 공개 자료상 단일 outcome unit보다 value framework와 product packaging 중심 |
| 지표 계층 | 경제성, 생산성, 운영 KPI |
| 공식 포지션 | usage, user acceptance, productivity time value로 AI impact를 측정 |
ServiceNow는 이 핸드북의 다른 벤더들과 달리 “resolution당 얼마” 같은 단일 공개 과금 단위를 전면에 두지 않습니다. 대신 AI가 enterprise workflow 안에서 얼마나 productivity를 만들었는지 측정하는 프레임워크를 강조합니다.
| Framework 요소 | 의미 |
|---|---|
| Usage | AI 기능이 실제 workflow에서 쓰이는가 |
| User acceptance | 사용자가 AI 결과를 받아들이는가 |
| Productivity time value | 절감 또는 회수된 시간을 총 시간으로 표현 |
| Requests avoided | self-service, automated request로 live support를 줄임 |
| Improved growth | 더 빠른 insight와 workflow 개선으로 성장/운영 성과 개선 |
ServiceNow의 white paper는 다섯 persona를 기준으로 value를 설명합니다.
| Persona | 측정 예시 |
|---|---|
| End users | AI Search, Conversational AI, automated requests로 requestor time saved |
| Human agents | low-complexity case 감소, summarization, resolution notes |
| Process owners | self-service efficiency, requests avoided, workflow completion |
| Developers | ServiceNow Platform 개발 생산성 향상 |
| Leaders | 더 빠른 insight와 decision support |
ServiceNow의 장점은 enterprise workflow와 KPI 연결입니다. Yokohama release 자료에서도 AI Agent Studio/Orchestrator와 analytics dashboard가 usage, quality, value를 시각화하고, agentic AI workflows를 business KPI와 연결한다고 설명합니다.
해석상의 쟁점:
- productivity time value의 baseline minutes와 hourly cost 가정은 누가 승인했는가?
- saved time을 cost takeout으로 볼지 capacity gain으로 볼지 정했는가?
- request avoided가 고객 경험 악화 없이 일어난 것인지 확인하는 guardrail이 있는가?
- AI agent usage, quality, value dashboard의 raw event를 export할 수 있는가?
- workflow KPI와 AI 기여도를 분리할 control group 또는 cohort가 있는가?
벤더별 핵심 차이
| 회사 | 가장 구체적인 단위 | 가장 약한 부분 |
|---|---|---|
| Salesforce | action당 Flex Credits, AWU growth | AWU와 고객 outcome의 직접 연결 |
| Intercom | outcome type별 가격과 예외 | assumed resolution 품질 보정 |
| Zendesk | automated resolution/tier와 LLM verification | tier별 실제 commercial impact 확인 |
| HubSpot | resolved conversation/recommended lead credit 환산 | recommended lead가 revenue outcome은 아님 |
| Microsoft | feature별 Copilot Credit rate | business outcome과 거리가 있음 |
| ServiceNow | productivity time value 산식 | 가정과 baseline 품질에 민감 |
출처
- Salesforce Agentforce Pricing
- Salesforce Agentic Work Units
- Salesforce Flex Credits announcement
- Intercom Fin AI Agent outcomes
- Intercom pricing
- Zendesk automated resolution tiers
- Zendesk automated resolutions for AI agents
- HubSpot outcome-based pricing announcement
- HubSpot Breeze AI
- HubSpot Credits
- Microsoft Copilot Studio pricing
- Microsoft Copilot Studio billing rates
- Microsoft Copilot Studio licensing
- ServiceNow AI value framework
- ServiceNow Yokohama AI Agents release