퇴근해도 일하는 AI가 등장했다. 스노우플레이크가 바꾸려는 직장인의 아침
매일 아침 데이터를 확인하던 직장인이 출근했더니, AI가 밤새 이상 징후를 찾아 보고서까지 준비해 놓았다. 스노우플레이크가 공개한 '상시 작동형 AI 동료'는 일하는 방식뿐 아니라 기업이 AI에 돈을 지불하는 방식까지 바꿀 수 있다.
20초 핵심
1.내일 아침, 보고서가 먼저 출근한다면?
서비스 기획자의 하루를 떠올려 보자. 출근하자마자 방문자 수를 열어 보고, 전환율을 비교하고, 이탈률이 갑자기 오른 곳을 찾는다. 숫자가 이상하면 원인을 확인하고 회의용 보고서를 만든다.
그런데 내일 아침부터는 이 순서가 바뀔 수 있다. 자리를 비운 사이 AI가 데이터를 살펴보고, 변화가 큰 지점을 표시하고, 읽을 만한 보고서를 미리 만들어 둔다. 기획자는 숫자를 모으는 대신 어떤 변화가 중요한지 판단하는 일로 하루를 시작한다.
11월 3일 스노우플레이크(SNOW)가 Expedition 2026에서 선보인 CoCo와 CoWork의 방향이 바로 이것이다. 핵심 표현은 '상시 작동형 AI 동료(Always-on AI Coworker)'.
AI가 시간을 절약해 주는 것보다 중요한 변화는, 사람의 하루가 시작되는 지점을 바꾼다는 점이다.
2.질문받는 AI와 일을 맡는 AI는 다르다
기존 챗봇은 대체로 사람이 먼저 묻는다. '어제 실적을 분석해 줘.' 답변이 끝나면 다음 지시를 기다린다.
새로운 CoCo·CoWork Bots는 미리 맡긴 목표와 반복 업무를 백그라운드에서 수행하도록 설계됐다. 일이 진행되는 동안 계속 말을 걸 필요가 없다. 판단이나 승인이 필요한 순간에만 사람을 부른다.
매번 지시하고, 결과를 다시 이어 붙이는 작업
업무를 이어 가다가 필요한 순간에 승인 요청
업무 도구와도 연결된다. Slack, Excel, 모바일에서 쓰던 흐름을 이어 가고, 공유 스킬과 메모리, 대시보드와 보고서를 활용해 조직이 축적한 지식을 바탕으로 움직인다.
경쟁의 기준은 '얼마나 잘 대답하나'에서 '어디까지 맡겨도 일을 끝내나'로 이동한다.
3.AI 동료의 월급은 누가 관리할까?
밤새 일하는 AI가 늘어날수록 새로운 문제가 생긴다. AI는 쉬지 않아도, 실행할 때마다 비용은 발생한다. 자잘한 확인 업무까지 가장 비싼 AI 모델에 맡긴다면 편리함이 곧 비용 부담으로 돌아올 수 있다.
스노우플레이크가 내놓은 해법은 작업 난도에 따라 모델을 달리 배정하는 '동적 라우팅'이다. 가벼운 반복 확인에는 가벼운 모델을, 복잡한 분석에는 더 강한 모델을 쓰는 방식이다.
이 설계는 사소한 기능처럼 보이지만, 기업 입장에서는 핵심이다. AI를 가끔 쓰는 것과 매일 여러 업무에 계속 돌리는 것은 비용 구조부터 다르기 때문이다.
상시 작동형 AI의 경쟁력은 성능뿐 아니라, 같은 업무를 얼마나 경제적으로 반복하느냐에 달렸다.
4.SNOW 투자자가 봐야 할 경쟁의 진짜 무대
AI 모델 자체는 여러 공급자에게서 확보할 수 있다. 하지만 회사의 매출 정의, 고객 데이터, 직원별 접근 권한, 승인 절차까지 알고 있는 업무 환경은 쉽게 복제하기 어렵다.
스노우플레이크는 바로 그 지점을 노린다. 기업이 믿고 쓰는 데이터 플랫폼에서 AI가 직접 일을 수행하면, AI는 따로 열어 보는 채팅 창이 아니라 일상의 업무 과정 속에 들어간다.
마이크로소프트(MSFT), 세일즈포스(CRM), 데이터브릭스와의 경쟁도 여기서 읽을 수 있다. 누가 AI 채팅 기능을 더 많이 붙이느냐보다 누가 기업의 실제 업무를 안전하고 꾸준하게 실행하게 만드느냐가 중요해지는 구도다.
가격을 매기는 방식도 달라질 여지가 있다. 고객이 AI 사용 권한만 사는 것이 아니라, 완료된 분석과 반복 업무의 결과에 돈을 지불하는 방향이다.
기업 AI 시장의 유리한 자리는 좋은 모델을 보유한 곳만이 아니라, 데이터를 실제 업무 성과로 연결하는 곳일 수 있다.
이 변화의 본질은 AI가 사람을 대신한다는 이야기가 아니다. 사람이 무슨 일을 직접 해야 하는지 다시 정한다는 이야기다.
매일 데이터를 옮기고 숫자를 확인하던 시간을 AI에 맡기면, 사람은 목표를 정하고 예외를 판단하고 결과를 승인하는 감독자로 이동한다. 기업에는 생산성 개선의 기회다. 투자자에게는 그 생산성 개선이 반복 사용과 실제 매출로 이어지는지를 구별해야 하는 과제다.
이번 발표는 그 방향을 보여 준다. 실제 고객의 업무에서 얼마나 안정적으로 작동하는지는 앞으로 확인할 부분이다.
- 아니다. 맡은 범위 안에서 반복 업무를 수행하고, 사람의 판단이나 승인이 필요한 단계에서는 개입을 요청하도록 설계됐다.
- 업무에 필요한 데이터뿐 아니라 접근 권한과 규칙이 함께 있기 때문이다. AI가 답변을 넘어 실제 행동을 하려면 이 맥락이 중요하다.
- 반복 횟수가 많으면 비용이 커진다. 난도에 맞게 모델을 선택해야 업무의 품질과 비용을 함께 관리할 수 있다.
- 제품 소개보다 고객의 반복 사용, 업무 성공률, 실행 비용, 유료 전환이 실제로 개선되는지 살펴보는 편이 유용하다.
체크 포인트
인사이트 타임스 편집부
