1. 클라우드 시대의 MSP
클라우드 기술의 도입은 IT 관리 방식에 혁신을 가져왔다. 특히 클라우드 관리 서비스 제공업체(MSP)는 클라우드 환경을 안정적으로 운영할 수 있도록 돕는 중요한 역할을 해오며 성장했다. MSP의 업무범위는 정형화되어 있지는 않지만 고객의 클라우드 인프라 구축, 보안 관리, 데이터 백업, 시스템 모니터링 등 다양한 서비스를 제공하며 클라우드 환경의 최적화와 안전성을 책임지는 사업자를 일반적으로 지칭한다.
1.1. 국내 MSP 시장의 성장
클라우드 기술의 도입은 IT 관리 방식에 혁신을 가져왔다. 특히 클라우드 관리 서비스 제공업체(MSP)는 클라우드 환경을 안정적으로 운영할 수 있도록 돕는 중요한 역할을 해오며 성장했다. MSP의 업무범위는 정형화되어 있지는 않지만 고객의 클라우드 인프라 구축, 보안 관리, 데이터 백업, 시스템 모니터링 등 다양한 서비스를 제공하며 클라우드 환경의 최적화와 안전성을 책임지는 사업자를 일반적으로 지칭한다.
1.1. 국내 MSP 시장의 성장
국내에서는 메가존과 베스핀 글로벌이 대표적인 MSP 기업이다. 메가존은 AWS와 긴밀히 협력하여 클라우드 서비스 관리에서 큰 성과를 거두었다. 특히 2020년부터 AWS의 ‘Advanced Consulting Partner’로 선정되며, 이 분야에서 중요한 기업으로 자리 잡았다. 베스핀 글로벌도 AWS와 Azure를 기반으로 클라우드 관리 서비스를 제공하며 빠르게 성장했다. 두기업 모두 IPO를 준비 중이다.
1.2. 지나친 경쟁과 수익성 문제
1.2. 지나친 경쟁과 수익성 문제
그러나 클라우드 MSP 시장의 경쟁이 치열해지면서 수익성 문제는 계속해서 제기됐다. 2023년 한국 클라우드 MSP 시장의 매출 성장률은 전년 대비 낮아졌고, MSP들이 직면한 가장 큰 도전 중 하나는 수익성 확보였다. 지나친 경쟁과 가격 하락, 그리고 대형 SI 업체들이 클라우드 MSP 시장에 진입하면서 수익 모델이 불안정해졌다. 실제, 글로벌 IT 시장 조사기관 IDC가 발표한 2023년 ‘국내 매니지드 클라우드 서비스(MSP) 마켓셰어 보고서’에 따르면 국내 1위 MSP는 SDS이다.
1.3. AI 시대의 전환점
이 와중에 AI 기술의 부상은 MSP에게 또 다른 기회를 던져주고 있다. 기술의 발전이 빨라지고, GPU가 부족한 상황에서 클라우드와 AI는 뗼레야 뗄 수 없는 관계가 되어 있다. MSP 사업자는 너도나도 CSP와 제휴를 통해 AI MSP로의 전환을 선언하고 있다.
이제 MSP의 역할은 단순한 인프라 관리 대행이 아니라, AI와 클라우드의 연결을 통해 고객의 비즈니스 경쟁력을 끌어올리는 파트너로 변화하고 있다. 하지만 이 변화는 기회이기도 하면서 동시에 위기의 신호탄이기도 하다. 그 현상과 방향성에 대해 개인적인 생각을 정리해보고자 한다.
이제 MSP의 역할은 단순한 인프라 관리 대행이 아니라, AI와 클라우드의 연결을 통해 고객의 비즈니스 경쟁력을 끌어올리는 파트너로 변화하고 있다. 하지만 이 변화는 기회이기도 하면서 동시에 위기의 신호탄이기도 하다. 그 현상과 방향성에 대해 개인적인 생각을 정리해보고자 한다.
2. 해외 사례: 클라우드 기반 AI의 혁신
AI 기술과 클라우드의 결합은 전 세계 다양한 산업군에서 놀라운 성과를 만들어내고 있다. 아래는 운영 효율성과 수익 증대 측면에서 AI 기술이 실제 기업 환경에 어떻게 적용되었는지를 보여주는 사례들이다.
AI 기술과 클라우드의 결합은 전 세계 다양한 산업군에서 놀라운 성과를 만들어내고 있다. 아래는 운영 효율성과 수익 증대 측면에서 AI 기술이 실제 기업 환경에 어떻게 적용되었는지를 보여주는 사례들이다.
- Toyota (Google Cloud 기반 AI 플랫폼)
- Google Cloud의 AI 인프라(AI Platform, GKE, Cloud Storage 등)를 사용해, 공장 작업자도 AI 모델을 직접 만들고 배포할 수 있는 플랫폼을 구축
- 연간 10,000시간 이상의 수작업 절감, 제조 및 자율주행 시스템의 총 소유 비용(TCO) 약 50% 절감
- Coca‑Cola – AI 기반 캠페인 분석 (Azure/Google Cloud 활용)
- Azure와 Google Cloud 기반 AI 분석 플랫폼을 활용해 소비자 피드백, 소셜 데이터, 판매 데이터를 통합 분석
- 캠페인 효과 20% 이상 향상, 매출 4~5% 증가, 리테일러 주문 가능성 30% 이상 상승
- Netflix – AWS 기반 추천 시스템
- AWS 위에서 사용자 시청 데이터를 분석하고 머신러닝 기반의 추천 알고리즘을 배포
- 전체 시청의 75% 이상이 추천 엔진을 통해 발생, 사용자 유지율 10–15% 증가, 연간 수십억 달러 비용 절감
- Twilio + Toyota Connected – 고객상담 AI (Google Cloud 적용)
- Twilio Flex와 통합된 Google Cloud의 Generative AI를 콜센터 및 고객서비스에 활용
- Toyota Connected 등의 사례에서 고객 상담 응대 시 AI 기반 제안 기능으로 서비스 효율 향상십억 달러 비용 절감
2.1. 사라진 MSP의 역할
위에 나열된 대부분의 사례는 AI 기술의 가능성과 클라우드 인프라의 유연성을 보여주는 데는 훌륭하지만, 불행히도(?) MSP가 핵심적인 역할을 수행한 사례는 거의 없다. 대부분의 기업들은 이제는 자체적인 데이터/AI/DevOps 조직을 갖추고 있으며, 대부분 클라우드 벤더(CSP)와 직접 계약을 맺고 AI 도입을 진행했다.
위에는 언급이 안되어 있지만 BOQ Group, AvePoint 등은 MSP 개입 없이 Microsoft 파트너 네트워크 기반으로 AI를 도입하여 성과를 만들어냈다. 이 말은 기업은 MSP의 도움 없이도 AI와 클라우드를 활용해 비즈니스 혁신을 이끌어내고 있다는 뜻이다. 따라서 이들 사례는 MSP에게 단순히 ‘이렇게 하면 된다’는 참고가 아니라 ,"지금 그대로의 MSP 모델로는 이런 고객을 도울 여지가 점점 사라지고 있다"는 경고가 되는 셈이다.
3. AI 시대, 위기이자 기회: MSP의 변화가 필요한 시점
AI는 MSP에게 새로운 무기를 쥐여준 동시에, 생존을 위협하는 이중의 칼날이다. AI 도구와 플랫폼이 대중화되면서, 기업들이 굳이 MSP 없이도 자체적으로 운영 자동화와 리소스 최적화를 할 수 있는 역량을 갖추고 있기 때문이다. 즉, ‘AI로 MSP가 더 강해질 수 있다’는 말은 ‘AI로 인해 MSP가 불필요해질 수도 있다’는 말과 동전의 양면이다.
지금은 MSP에게 있어 가장 역설적인 시기다. AI는 분명히 MSP가 제공할 수 있는 서비스의 외연을 확장시켜주는 강력한 도구지만, 동시에 고객 스스로 이러한 기능을 구현할 수 있는 환경을 만들어주고 있기 때문이다. 특히 기술 내재화 역량이 높은 중견/대기업의 경우, AI 기반 모니터링, 비용 최적화, 자동화된 오퍼레이션 등을 직접 구현하는 경우가 늘고 있다.
지금은 MSP에게 있어 가장 역설적인 시기다. AI는 분명히 MSP가 제공할 수 있는 서비스의 외연을 확장시켜주는 강력한 도구지만, 동시에 고객 스스로 이러한 기능을 구현할 수 있는 환경을 만들어주고 있기 때문이다. 특히 기술 내재화 역량이 높은 중견/대기업의 경우, AI 기반 모니터링, 비용 최적화, 자동화된 오퍼레이션 등을 직접 구현하는 경우가 늘고 있다.
3.1. 국내 MSP 현실: 기술력은 공짜, 마진은 역방향
많은 국내 MSP가 겉으로는 클라우드 매출 성장세를 보이고 있지만, 실제 내부 수익 구조는 심각하게 왜곡되어 있다. 대다수의 기업들이 CSP 리셀링 구조에 의존하며, 고객이 요구하는 기술적 지원은 계약 외 무상 제공되는 경우가 많다. 그 결과, 서비스 제공 비용이 매출원가(COGS)를 초과하는 역마진 구조가 흔히 발생한다. 아래는 필자의 경험치로 작성한 COGS 구성 비율이다.
특히 중소형 MSP나 산업군 특화 MSP는 “가격은 CSP 수준으로 맞춰야 하고, 기술은 무료로 제공해야 한다”는 암묵적 요구에 시달리며, 실제 손익을 분석하면 매출이 늘수록 손실도 커지는 구조로 운영되고 있다.
이러한 구조에서는 인력이 조금만 추가되거나, 고객의 장애 대응 요구가 늘어나는 순간 바로 적자 전환이 된다. 많은 국내 MSP들이 이 같은 구조에 놓여 있음에도, 정확한 원가 분석 없이 매출 중심의 목표를 설정하다 보니, 조직 전체가 장기적으로 소진되고 있는 경우도 적지 않다.
3.2. 변화가 필요한 시점
바로 여기서 MSP는 정체성의 전환점을 맞이한다. 단순히 운영을 대행하는 역할에서, AI를 포함한 클라우드 전반을 설계하고 통합하는 역할로 중심이 이동해야 한다. 기술 그 자체보다, ‘이 기술을 어떻게 묶어서 고객에게 맞는 방향으로 적용할 것인가’가 MSP의 본질이 되어야 한다.
3.2. 변화가 필요한 시점
바로 여기서 MSP는 정체성의 전환점을 맞이한다. 단순히 운영을 대행하는 역할에서, AI를 포함한 클라우드 전반을 설계하고 통합하는 역할로 중심이 이동해야 한다. 기술 그 자체보다, ‘이 기술을 어떻게 묶어서 고객에게 맞는 방향으로 적용할 것인가’가 MSP의 본질이 되어야 한다.
그리고 중요한 점은 이 변화가 단순히 선택의 문제가 아니라는 점이다. AI의 확산으로 인해 MSP 본연의 기능이 점점 고객사 내부로 흡수되고 있는 지금, MSP는 더 이상 과거의 모델로 생존할 수 없다. 변화하지 않으면 사라지는 것이고, 진화하면 새로운 기회가 열린다.
그렇기 때문에 지금은 위기이자 기회다. 위기의 본질을 정확히 인식하고, 기술의 흐름을 고객 중심으로 재구성하는 MSP만이 살아남을 수 있다. 변화가 필요한 시점이다.
4. 선언은 AI, 실상은 수작업 – AI 시대 MSP의 불편한 진실
예전에 이런 말이 있었다.
“홈페이지 만드는 회사의 홈페이지가 제일 촌스럽다.”
지금의 클라우드 MSP 업계도 다르지 않다. 모든 MSP가 “AI 기반 서비스”, “운영 자동화”, “스마트 옵스”를 외치지만, 정작 자기 조직 내부는 여전히 사람 손에 의존한 수작업 중심이다. 실제 현장에서 흔히 벌어지는 풍경을 보면 이렇다.
지금의 클라우드 MSP 업계도 다르지 않다. 모든 MSP가 “AI 기반 서비스”, “운영 자동화”, “스마트 옵스”를 외치지만, 정작 자기 조직 내부는 여전히 사람 손에 의존한 수작업 중심이다. 실제 현장에서 흔히 벌어지는 풍경을 보면 이렇다.
- 장애 탐지는 여전히 엔지니어 눈에 의존한다
- 클라우드 과금 이슈는 고객이 먼저 문의해야 대응이 시작된다
- 주간/월간 운영 리포트는 여전히 엑셀 복붙과 수작업 편집
- 고객 요청은 Slack이나 메일로 흩어져 들어오고, 정해진 우선순위 없이 처리된다
- 클라우드 리소스 최적화는 수기로 체크하거나 아예 놓친다
이런 상황에서 “우리는 AI MSP입니다”라는 선언은 고객에게 설득력을 얻기 어렵다. 내부 시스템이 아직 ‘사람이 중심’이라면, 그 MSP는 아직 AI 시대에 진입하지 못한 셈이다.
4.1. 스스로 AX를 수행해야
이러한 전략이 가능해야 진짜 AI MSP라고 말할 수 있다. 즉, AI를 서비스 포장에 사용하는 것이 아니라, 운영 체계 그 자체에 녹여야 한다는 말이다.
4.2. 베스핀글로벌의 Help Now
그런면에서 최근 Help Now의 진화를 눈여겨 볼만하다. 베스핀글로벌은 지난 5월, 고객이 AI를 통해 비즈니스 구조를 재설계(Reshaping)하고 독립적인 지능형 운영 체계를 갖출 수 있도록 지원하는 데 초점을 맞춰 대대적인 개편을 했다.
AI 영역에서는 국내외 다양한 LLM과 대량의 보유 데이터를 결합해 고객에 가장 적합한 에이전틱 AI를 제공하는 '헬프나우 에이전틱 AI 플랫폼(HelpNow Agentic AI Platform)'을 중심으로, 생성형 AI 프로젝트의 실행을 위한 '헬프나우 MLOps', '헬프나우 RAGOps', '헬프나우 LLMOps' 등을 제공한다. 데이터 영역은 '헬프나우 데이터 컨설팅(HelpNow Data Consulting)'을 통해 데이터 진단과 활용 전략을 지원한다. 또 '헬프나우 데이터옵스(DataOps)'를 바탕으로 데이터 통합과 AI에 최적화된 데이터 전처리 파이프라인을 구축할 수 있도록 한다.
베스핀이 Help Now에 대한 투자를 한 것은 오래전부터이다. SaaS 플랫폼으로서 Self MSP를 지향하더니 빠르게 AI를 흡수했다. 그 완성도와 시장에서의 평가는 차치하더라도, 뚝심있는 노력에는 박수를 보낸다. 다만, 베스핀을 제외한 국내 MSP는 제대로 된 CMP 조차 없다는 것에 대해서는 한번쯤 생각해봐야 할 지점이 있다.
다음 편에서는 이 흐름 속에서 살아남기 위한 MSP의 장기적인 전략에 대해 이야기해보려 한다. 대형사업자와 특정 산업에 특화된 Vertical MSP로 나누어 개인적인 방향성을 제시하고, 그 흐름을 전망할 예정이다.
4.1. 스스로 AX를 수행해야
많은 MSP가 ‘서비스 품질 향상’을 이야기한다. 하지만 이제 고객이 체감하는 품질은 단순히 “응답이 빠르다”, “문서가 잘 정리됐다” 같은 정성적 평가가 아니다. AI 기반의 실질적 가치 제공, 그리고 자동화된 상품 설계에서 품질이 갈린다. 예를 들어, 다음과 같은 구조가 서비스 품질을 구성하는 진짜 요소다.
- 클라우드 리소스 구매 자동화 : 고객의 사용 패턴을 분석해 미리 예약 인스턴스를 확보하고, 남는 자원은 다른 고객에게 역경매 방식으로 자동 재판매하는 구조를 만들 수 있다.
- AI 기반 자원 추천 시스템 : 고객이 어떤 워크로드를 요청하면, AI가 가장 적절한 리전, 인스턴스 유형, 과금 모델(RI/Savings Plan 등)을 자동으로 추천해준다.
- 운영 자동화 → 인력 효율성 제고 : 장애 알림, 자원 사용률 분석, 리포트 생성, 고객 응대 흐름을 모두 AI 기반 시나리오로 자동화하면, 운영 인력이 수동으로 처리하던 업무를 줄이고, 더 많은 고객을 적은 인력으로 관리할 수 있다.
이러한 전략이 가능해야 진짜 AI MSP라고 말할 수 있다. 즉, AI를 서비스 포장에 사용하는 것이 아니라, 운영 체계 그 자체에 녹여야 한다는 말이다.
4.2. 베스핀글로벌의 Help Now
그런면에서 최근 Help Now의 진화를 눈여겨 볼만하다. 베스핀글로벌은 지난 5월, 고객이 AI를 통해 비즈니스 구조를 재설계(Reshaping)하고 독립적인 지능형 운영 체계를 갖출 수 있도록 지원하는 데 초점을 맞춰 대대적인 개편을 했다.
AI 영역에서는 국내외 다양한 LLM과 대량의 보유 데이터를 결합해 고객에 가장 적합한 에이전틱 AI를 제공하는 '헬프나우 에이전틱 AI 플랫폼(HelpNow Agentic AI Platform)'을 중심으로, 생성형 AI 프로젝트의 실행을 위한 '헬프나우 MLOps', '헬프나우 RAGOps', '헬프나우 LLMOps' 등을 제공한다. 데이터 영역은 '헬프나우 데이터 컨설팅(HelpNow Data Consulting)'을 통해 데이터 진단과 활용 전략을 지원한다. 또 '헬프나우 데이터옵스(DataOps)'를 바탕으로 데이터 통합과 AI에 최적화된 데이터 전처리 파이프라인을 구축할 수 있도록 한다.
베스핀이 Help Now에 대한 투자를 한 것은 오래전부터이다. SaaS 플랫폼으로서 Self MSP를 지향하더니 빠르게 AI를 흡수했다. 그 완성도와 시장에서의 평가는 차치하더라도, 뚝심있는 노력에는 박수를 보낸다. 다만, 베스핀을 제외한 국내 MSP는 제대로 된 CMP 조차 없다는 것에 대해서는 한번쯤 생각해봐야 할 지점이 있다.
다음 편에서는 이 흐름 속에서 살아남기 위한 MSP의 장기적인 전략에 대해 이야기해보려 한다. 대형사업자와 특정 산업에 특화된 Vertical MSP로 나누어 개인적인 방향성을 제시하고, 그 흐름을 전망할 예정이다.
