락커스 CAIO “AI 시대에도 SaaS 가치 남아”

락커스의 이사 겸 CAIO인 모토마쓰 신이치로는 AI로 애플리케이션을 만들 수 있게 돼도 일본 기업이 기존 SaaS를 계속 선택할 업무 영역이 많다고 말했습니다. 인터뷰는 2026년 10월 22일 진행됐습니다. 모토마쓰는 업무 절차에 시스템을 맞추는 경향이 강한 미국 등과 달리, 일본 기업은 현재 업무 방식에 맞는 시스템을 원한다고 설명했습니다.

현재 업무 흐름을 유지하면서 SaaS를 대체하려면 세부 기능을 재현하고 정확히 처리해야 합니다. 회계 업무에는 금액 대조와 입력 확인처럼 실수를 막는 절차가 들어 있으며, 오랫동안 다듬어진 체계는 새 기술이 나와도 쉽게 바뀌지 않습니다. 생성형 AI에는 환각(사실과 다른 내용을 생성하는 현상) 위험도 있어, 대체의 어려움은 기술뿐 아니라 기업이 업무를 얼마나 바꿀 수 있는지에도 달려 있다고 모토마쓰는 봤습니다.

락커스는 경비 정산 서비스 ‘라쿠라쿠 경비정산’을 AI 기반 체계로 대체할 수 있는지 사내에서 사고 실험과 일부 PoC(실현 가능성을 시험하는 절차)를 진행하고 있습니다. 모토마쓰에 따르면 라쿠라쿠 경비정산은 수백 개, 경우에 따라 1,000개에 가까운 기능의 집합체입니다. 100개 기능을 AI로 재현하더라도 기능을 조합했을 때 제대로 작동하는지 사람이 확인해야 합니다. AI에 구현이나 테스트를 맡기려 해도 올바른 동작을 정한 사양이 필요하며, 사양 작성과 업무상 문제가 없는지 판단하려면 업무와 시스템을 모두 이해해야 합니다. 시스템 개발을 전문으로 하는 락커스에도 모든 기능의 사양을 정리하고 점검하는 일은 큰 부담이라고 합니다.

모토마쓰는 SaaS의 가치에는 기능뿐 아니라 여러 기능을 업무에서 쓸 수 있게 조합하고 제대로 작동하는지 검증하는 지식과 노하우도 포함된다고 설명했습니다. 단순한 업무라면 AI 대체가 진전될 수 있지만, 자체 구축에는 유지보수와 수정 담당자의 비용도 듭니다. 품질과 업무 효율, 운영비까지 고려하면 저렴하면서 품질이 좋은 기존 패키지를 쓰는 편이 나을 때도 있다고 밝혔습니다.

락커스는 규칙 기반 시스템을 토대로 사람이 맡아 온 작업을 AI로 자동화하는 ‘협업형 AI’를 추진합니다. 라쿠라쿠 경비정산의 전표 작성 지원 AI 에이전트는 영수증 내용을 옮기는 것뿐 아니라 금액과 계정과목 판단도 돕습니다. 과거 신청 내역과 경리 담당자의 지시를 AI가 학습하고 참고하게 해 사람이 해 온 판단의 자동화를 목표로 합니다. 사내 규정과 신청 내용을 대조하는 일처럼 문장 해석과 다양한 판단이 필요해 조건 분기로 적기 어려운 업무에도 활용할 계획입니다. 과거 신청과 승인 결과를 시스템 안에서 활용할 수 있는 점이 라쿠라쿠 경비정산의 강점이며, 어떤 정보를 학습에 쓸지는 계속 검토하고 있습니다.

락커스는 경비 정산 업무의 ‘완전 자동화’를 목표로 하지만, 모토마쓰는 사람의 관여가 사라지지는 않는다고 봤습니다. AI의 확인 결과를 활용하면 사람의 부담은 줄일 수 있지만, 오류에 대한 책임은 사람에게 있어 최종 승인 등의 확인은 남는다는 설명입니다. 회사가 말하는 완전 자동화는 많은 작업을 시스템과 AI가 맡고, 사람은 책임이 따르는 판단과 확인에 참여하는 상태입니다.

락커스는 고객별 업무에 맞춰 AI로 시스템을 구축하는 서비스 ‘ASURACORE(아수라코어)’도 추진합니다. ASURACORE 디렉터가 고객을 인터뷰하고 일상적인 말로 전달된 요구를 기능으로 구체화해 최단 1개월 만에 이용을 시작할 수 있다고 회사는 밝혔습니다. 구축 기반으로는 서비스 제공 과정에서 쌓은 업무 지식을 업무 개념과 관계를 정리한 온톨로지(개념 간 관계를 형식화한 지식 체계)로 활용합니다. 고객 고유의 조건은 요구사항 정의 과정에서 파악하며, 도입 기업의 암묵지를 모두 미리 정리하는 것을 전제로 삼지는 않습니다.

모토마쓰에 따르면 개념 검증에서는 사전에 준비한 업무 지식과 디렉터가 인터뷰로 얻은 정보를 결합해 시스템을 구축할 수 있었습니다. 공통으로 축적하는 지식은 업무 요구에 어떤 기능을 만들었는지에 관한 내용이며, 고객 식별 정보와 구체적인 업무 정보는 학습에 사용하지 않습니다. 운영 중 AI가 참고하는 사내 규정과 판단 기준은 각 기업에 연결된 지식으로 다룹니다. 구축 경험을 다음 시스템의 기능과 화면, 처리 방식에 반영할 방침입니다.

모토마쓰는 락커스가 중시하는 것은 SaaS라는 제공 형태가 아니라 고객의 업무와 과제를 이해해 업무 효율화를 실현하는 것이라고 말했습니다. 기존 SaaS로 대응할 수 있는 업무는 기능을 개선하고, AI가 효과적인 작업에는 AI를 결합하며, 개별 요구에는 시스템을 구축한다는 방침입니다. 기업이 AI를 전제로 업무 자체를 재검토하면 시스템에 요구하는 조건도 달라질 것이라고 덧붙였습니다.

락커스의 이사 겸 CAIO인 모토마쓰 신이치로는 AI로 애플리케이션을 만들 수 있게 돼도 일본 기업이 기존 SaaS를 계속 선택할 업무 영역이 많다고 말했습니다. 인터뷰는 2026년 10월 22일 진행됐습니다. 모토마쓰는 업무 절차에 시스템을 맞추는 경향이 강한 미국 등과 달리, 일본 기업은 현재 업무 방식에 맞는 시스템을 원한다고 설명했습니다.

현재 업무 흐름을 유지하면서 SaaS를 대체하려면 세부 기능을 재현하고 정확히 처리해야 합니다. 회계 업무에는 금액 대조와 입력 확인처럼 실수를 막는 절차가 들어 있으며, 오랫동안 다듬어진 체계는 새 기술이 나와도 쉽게 바뀌지 않습니다. 생성형 AI에는 환각(사실과 다른 내용을 생성하는 현상) 위험도 있어, 대체의 어려움은 기술뿐 아니라 기업이 업무를 얼마나 바꿀 수 있는지에도 달려 있다고 모토마쓰는 봤습니다.

락커스는 경비 정산 서비스 ‘라쿠라쿠 경비정산’을 AI 기반 체계로 대체할 수 있는지 사내에서 사고 실험과 일부 PoC(실현 가능성을 시험하는 절차)를 진행하고 있습니다. 모토마쓰에 따르면 라쿠라쿠 경비정산은 수백 개, 경우에 따라 1,000개에 가까운 기능의 집합체입니다. 100개 기능을 AI로 재현하더라도 기능을 조합했을 때 제대로 작동하는지 사람이 확인해야 합니다. AI에 구현이나 테스트를 맡기려 해도 올바른 동작을 정한 사양이 필요하며, 사양 작성과 업무상 문제가 없는지 판단하려면 업무와 시스템을 모두 이해해야 합니다. 시스템 개발을 전문으로 하는 락커스에도 모든 기능의 사양을 정리하고 점검하는 일은 큰 부담이라고 합니다.

모토마쓰는 SaaS의 가치에는 기능뿐 아니라 여러 기능을 업무에서 쓸 수 있게 조합하고 제대로 작동하는지 검증하는 지식과 노하우도 포함된다고 설명했습니다. 단순한 업무라면 AI 대체가 진전될 수 있지만, 자체 구축에는 유지보수와 수정 담당자의 비용도 듭니다. 품질과 업무 효율, 운영비까지 고려하면 저렴하면서 품질이 좋은 기존 패키지를 쓰는 편이 나을 때도 있다고 밝혔습니다.

락커스는 규칙 기반 시스템을 토대로 사람이 맡아 온 작업을 AI로 자동화하는 ‘협업형 AI’를 추진합니다. 라쿠라쿠 경비정산의 전표 작성 지원 AI 에이전트는 영수증 내용을 옮기는 것뿐 아니라 금액과 계정과목 판단도 돕습니다. 과거 신청 내역과 경리 담당자의 지시를 AI가 학습하고 참고하게 해 사람이 해 온 판단의 자동화를 목표로 합니다. 사내 규정과 신청 내용을 대조하는 일처럼 문장 해석과 다양한 판단이 필요해 조건 분기로 적기 어려운 업무에도 활용할 계획입니다. 과거 신청과 승인 결과를 시스템 안에서 활용할 수 있는 점이 라쿠라쿠 경비정산의 강점이며, 어떤 정보를 학습에 쓸지는 계속 검토하고 있습니다.

락커스는 경비 정산 업무의 ‘완전 자동화’를 목표로 하지만, 모토마쓰는 사람의 관여가 사라지지는 않는다고 봤습니다. AI의 확인 결과를 활용하면 사람의 부담은 줄일 수 있지만, 오류에 대한 책임은 사람에게 있어 최종 승인 등의 확인은 남는다는 설명입니다. 회사가 말하는 완전 자동화는 많은 작업을 시스템과 AI가 맡고, 사람은 책임이 따르는 판단과 확인에 참여하는 상태입니다.

락커스는 고객별 업무에 맞춰 AI로 시스템을 구축하는 서비스 ‘ASURACORE(아수라코어)’도 추진합니다. ASURACORE 디렉터가 고객을 인터뷰하고 일상적인 말로 전달된 요구를 기능으로 구체화해 최단 1개월 만에 이용을 시작할 수 있다고 회사는 밝혔습니다. 구축 기반으로는 서비스 제공 과정에서 쌓은 업무 지식을 업무 개념과 관계를 정리한 온톨로지(개념 간 관계를 형식화한 지식 체계)로 활용합니다. 고객 고유의 조건은 요구사항 정의 과정에서 파악하며, 도입 기업의 암묵지를 모두 미리 정리하는 것을 전제로 삼지는 않습니다.

모토마쓰에 따르면 개념 검증에서는 사전에 준비한 업무 지식과 디렉터가 인터뷰로 얻은 정보를 결합해 시스템을 구축할 수 있었습니다. 공통으로 축적하는 지식은 업무 요구에 어떤 기능을 만들었는지에 관한 내용이며, 고객 식별 정보와 구체적인 업무 정보는 학습에 사용하지 않습니다. 운영 중 AI가 참고하는 사내 규정과 판단 기준은 각 기업에 연결된 지식으로 다룹니다. 구축 경험을 다음 시스템의 기능과 화면, 처리 방식에 반영할 방침입니다.

모토마쓰는 락커스가 중시하는 것은 SaaS라는 제공 형태가 아니라 고객의 업무와 과제를 이해해 업무 효율화를 실현하는 것이라고 말했습니다. 기존 SaaS로 대응할 수 있는 업무는 기능을 개선하고, AI가 효과적인 작업에는 AI를 결합하며, 개별 요구에는 시스템을 구축한다는 방침입니다. 기업이 AI를 전제로 업무 자체를 재검토하면 시스템에 요구하는 조건도 달라질 것이라고 덧붙였습니다.