Copilot 해자의 진짜 자리

4억 5,000만 명이 매일 쓰는데, 왜 못 떠날까

Microsoft 365 Copilot은 OpenAI 모델에 회사 내부 데이터(메일·문서·회의)를 Microsoft Graph로 그라운딩하는 AI 어시스턴트입니다. 여기서 그라운딩(grounding)이란 모델이 일반 상식이 아니라 우리 회사의 실제 데이터를 근거로 답을 만들도록 묶어두는 것을 말합니다. 좌석당 월 $30로 유료 좌석 2,000만을 넘겼지만, 전체 M365 4억 5,000만 좌석 대비 침투율은 약 4.4%에 그칩니다. 모델은 ChatGPT와 같은 범용재이고 회사 데이터 접근도 이제 ChatGPT 커넥터로 열려, 해자는 모델이나 접근권이 아니라 "M365 앱 안에서 기업 권한 그대로 실행하고 $30가 기존 청구서에 묻는" 네이티브 통합 깊이에 있습니다.

이 규모에서 더 흥미로운 사실은 "신규 가입"이 아니라 "이탈이 거의 없다"는 점입니다. Microsoft 365 Commercial 유료 좌석은 4억 5,000만을 넘었고, 좌석 성장률은 연 6% 수준입니다 (Microsoft IR FY26 Q3). 정보노동자 수 자체가 상한이라 신규 좌석은 7%에서 6%로 둔화 중인데, 매출은 그보다 빠르게 늡니다. 빠진 자리를 단가가 채우는 것입니다.

일상의 비유로 시작하면 이렇습니다. 한 건물에 10년을 살면 짐, 서류, 출입카드, 협력사 연결이 그 건물 규격에 맞춰 쌓입니다. 옆 건물이 임대료를 깎아줘도 이사를 못 가는 이유는 "옆 건물이 나빠서"가 아니라 "이사 비용이 임대료 절감액을 넘어서"입니다. 회사가 M365를 떠나지 못하는 이유도 똑같습니다. Word가 경쟁 제품보다 더 좋아서가 아니라, 회사를 통째로 옮기는 비용이 감당이 안 되기 때문입니다.

실제로 이 이사 비용은 다섯 겹입니다. 데이터(쌓인 메일·문서), 신원(Entra ID 출입 시스템), 포맷(OOXML 규격 상자), 통합(Teams·SharePoint 흐름), 그리고 스킬(직원이 익힌 사용법). 이 글은 이 5중 종속이 어떻게 만들어지는지, 그 위에 얹힌 Copilot이 같은 해자(경제적 해자)를 매출로 바꿀 수 있는지를 봅니다. 한 가지만 먼저 짚어둡니다. "락인"은 부정적으로 들리지만, 투자 관점에서 락인은 가격결정력의 다른 이름입니다. 다만 그 락인이 규제로 일부 풀리고 있고(EU의 Teams 분리), AI가 그 락인의 일부를 우회하거나 잠식할 수 있다는 점이 이 글 후반의 긴장입니다.

개념적 시각화. 코어 3층(데이터·신원·포맷)이 데이터 중력의 본체이고, 주변부 2층(통합·스킬)부터 규제와 AI가 먼저 건드린다. 색 구분은 6장 침식 동인 분석의 예고다.

1. 데이터 중력: M365 락인의 정체

먼저 결론부터 못 박겠습니다. M365의 코어 락인은 셉니다. 그 강도는 개별 앱의 기능이 아니라 Entra ID(신원), Microsoft Graph(데이터), OOXML(포맷)이 함께 만드는 "테넌트 단위 데이터 중력"에서 나옵니다. 여기서 테넌트(tenant)란 한 기업이 통째로 입주한 클라우드 계정 단위를 말합니다. 한 회사의 모든 직원·데이터·권한이 이 한 칸에 묶여 있고, 통합도가 곧 전환비용입니다. 이 장은 그 중력이 어떻게 만들어지는지를 셋으로 나눠 봅니다.

1.1 락인은 기능이 아니라 이탈비용이다

흔한 오해부터 깨야 합니다. "M365가 점유율을 지키는 건 Word·Excel이 경쟁 제품보다 기능이 좋아서"라는 생각입니다. 기능 우위도 있지만, 그것이 해자의 본체는 아닙니다.

본체는 이탈비용입니다. 기업이 M365를 떠나려면 데이터, 신원, 포맷, 통합, 직원 스킬을 동시에 이전해야 합니다. 하나만 막혀도 이사 전체가 멈춥니다. 이 구조는 "더 좋아서 산다"가 아니라 "떠나는 비용이 커서 못 떠난다"입니다.

점유율 숫자도 이를 뒷받침하는데, 핵심은 어느 분모로 세느냐입니다. 엔터프라이즈 유료 기준으로는 M365가 지배적입니다. Fortune 500의 주력 생산성 스위트 채택은 M365가 약 75%, Google Workspace가 약 42%이고, SaaS 엔터프라이즈 생산성에서도 M365가 과반입니다. 반대로 전체 도메인 수(무료·SMB·교육 계정 포함)로 분모를 넓히면 Google Workspace가 도메인 수에서 앞서, 같은 "점유율"도 분모에 따라 순위가 뒤집힙니다. 매출과 직결되는 것은 엔터프라이즈 유료 분모이고, 그 분모에서 기존 유료 고객의 이탈은 드뭅니다.

1.2 신원과 Graph: 가장 깊은 두 우물

다섯 겹 중에서도 가장 깊은 두 개는 신원(Entra ID)과 데이터 통로(Microsoft Graph)입니다.

Entra ID(구 Azure AD, 마이크로소프트의 신원·접근 관리)는 수천 개 외부 SaaS의 SSO(Single Sign-On, 한 번 로그인으로 여러 서비스를 여는 통합 로그인) 인증 허브입니다. 회사 출입카드 시스템에 비유하면, 이 시스템을 바꾸는 순간 그 카드로 열던 협력사 문 수천 개를 전부 다시 등록해야 합니다. 그래서 가장 끈끈하고, 규제나 AI에 거의 영향받지 않습니다.

Microsoft Graph는 메일·문서·대화·조직도 같은 전체 M365 데이터를 단일 API로 노출하는 통로입니다. 사내 앱·봇·Copilot이 전부 이 위에 지어집니다. 데이터가 쌓일수록 그 위에 지어진 것이 많아지고, 떠나기는 더 어려워집니다. 자산이 쌓일수록 이탈비용이 커지는 데이터 플라이휠인 셈입니다.

핵심은 이 두 우물이 "오피스 기능"과 무관하다는 점입니다. Word가 더 좋아서가 아니라, 회사의 디지털 기억과 출입 시스템이 한 테넌트에 묶여 있어서 못 떠납니다.

1.3 OOXML: 호환은 되는데 동등하지는 않다

세 번째 우물은 파일 포맷입니다. .docx/.xlsx/.pptx(OOXML, Office Open XML)는 사실상 기업 문서교환의 표준이자 ISO 표준입니다 (Wikipedia).

여기서 중요한 구분은 "호환"과 "동등"입니다. Google Docs나 LibreOffice도 OOXML을 열 수는 있습니다. 그러나 매크로(VBA), 복잡한 피벗, 중첩 수식, SmartArt 같은 고급 기능은 다른 제품에서 깨집니다 (OSnews). 따라서 포맷 락인의 강도는 그 회사가 고급 기능에 얼마나 의존하느냐에 비례합니다. 평문 문서만 쓰는 팀은 떠나기 쉽고, 수만 개의 매크로 스프레드시트로 결산하는 금융 부서는 사실상 묶입니다. "그냥 구글로 옮기면 되잖아"가 안 되는 이유는 포맷 자체가 아니라 그 위에 쌓인 자산이 깨지기 때문입니다.

1.4 그러나 한 우물은 규제로 메워지고 있다

여기서 권위 있는 반론을 선제적으로 받습니다. "락인을 칭송하지만 규제 당국이 그걸 깨고 있지 않은가"라는 지적입니다. 맞습니다. 다만 어느 우물을 메우는지가 핵심입니다.

EU 집행위원회는 2025년 9월 Microsoft가 제출한 Teams 분리 약정을 수용했습니다. Teams를 Office에서 떼어 별도로 판매하고, 데이터 이식성과 상호운용을 보장하는 내용입니다. 구속 기간은 일반 약정이 7년, 상호운용·데이터 이식성 조항은 10년입니다 (CNBC, Loyens & Loeff).

규제가 건드리는 것은 다섯 겹 중 "통합(Teams 번들)"이라는 주변부입니다. 코어인 Entra ID(신원)와 Graph(데이터)는 이 합의의 직접 대상이 아닙니다. 즉 락인의 주변부는 침식되지만 코어는 남습니다. 이 구분이 6장 침식 동인 분석의 기초가 됩니다.

2. Copilot 해부: 해자는 네이티브 행동 레이어에 있다

이 장의 결론도 먼저 못 박습니다. Copilot의 해자는 진짜입니다. 단, 그 해자는 좁습니다. Copilot은 세 항의 곱셈입니다. (범용 모델) × (Graph 데이터 접근) × (네이티브 행동 레이어). 앞의 두 항은 빠르게 평준화됩니다. 모델은 ChatGPT와 같은 계열이고, 데이터 접근은 커넥터로 경쟁사도 빌립니다. 해자는 세 번째 항, 즉 "앱 안에서 기업 권한 그대로 실행하고, 추가 요금이 기존 청구서에 묻는" 자리에만 남습니다. 모델이나 접근권으로 차별화하려 하면 즉시 "비싼 ChatGPT"가 됩니다.

2.1 Copilot이 기술적으로 무엇인가

Copilot은 마법이 아니라 한 줄로 요약됩니다. 사용자 질문이 들어오면, 테넌트별 임베딩 인덱스(Semantic Index, 회사 데이터를 검색용으로 벡터화한 색인)에서 관련 사내 데이터를 찾고, 그 컨텍스트를 OpenAI 모델 프롬프트에 붙여 답을 만듭니다 (Microsoft Learn). 이렇게 검색으로 찾은 회사 데이터를 모델 답변의 근거로 끼워넣는 방식을 RAG(Retrieval-Augmented Generation, 검색증강생성)라고 부릅니다.

비유로 돌아가면, Copilot은 회사 검색대(Graph) 위에 앉은 비서입니다. 비서의 머리(모델)는 어디서나 고용할 수 있습니다. 검색대 접근권조차 이제 경쟁사 비서도 커넥터로 빌릴 수 있습니다(2.3에서 자세히 봅니다). 진짜 차별화는 그 비서가 "사무실 안에 상주하며, 우리 회사 출입 규칙 그대로 일을 직접 처리한다"는 데 있습니다.

따라서 Copilot의 정체성은 두 항이 아니라 세 항의 곱셈입니다. 앞의 두 항은 빠르게 평준화되고(2.2, 2.3), 아직 차별화되는 항은 세 번째, 즉 인앱 행동 + 테넌트 권한 충실도입니다. 이 3항 분해는 4장의 Work IQ 피벗(행동 레이어를 에이전트 작업량으로 현금화)과 같은 축을 씁니다.

개념적 시각화. 모델과 데이터 접근은 경쟁사도 확보하는 항이고, 차별화는 인앱 실행 + 테넌트 권한 충실도 + 번들 가격 정합성에만 남는다.

2.2 모델은 왜 해자가 아닌가

Copilot의 LLM은 OpenAI 모델로 ChatGPT와 같은 계열입니다. 모델 품질만 놓고 보면 ChatGPT, Gemini, Claude 대비 구조적 우위가 없습니다.

전제를 공유하는 낙관론자의 반론을 여기서 받습니다. "그래도 Microsoft가 OpenAI에 가장 가까우니 모델로도 앞서지 않나"입니다. 두 가지가 이를 약화시킵니다. 첫째, 같은 모델 계열을 Copilot도 쓰고 ChatGPT Enterprise도 씁니다. 둘째, 경쟁 모델(Claude, Gemini)이 특정 작업에서 우위를 보이면 "모델 자체"로는 방어가 안 됩니다.

그래서 모델에 차별화를 걸면 즉시 범용화됩니다. 직원이 브라우저에서 무료 또는 저가 ChatGPT로 범용 작문·요약을 충분히 해내면, Copilot의 좌석당 월 $30 프리미엄을 정당화할 근거가 사라집니다.

2.3 그렇다면 해자는 정확히 무엇인가

먼저 흔히 도는 거친 주장부터 정정해야 합니다. "ChatGPT는 회사 데이터를 못 본다"는 말은 이제 거짓입니다. OpenAI는 ChatGPT Enterprise에 SharePoint·Outlook·Teams 커넥터를 열었고, Microsoft Graph 위임 권한으로 사내 메일·문서·채팅을 그라운딩합니다 (Office365ITPros). 즉 "회사 데이터 접근권" 자체는 더 이상 Copilot의 독점이 아닙니다. 그러니 해자를 거기에 걸면 이미 무너진 자리를 지키는 셈입니다.

해자는 더 좁고 더 단단한 세 곳에 있습니다. 첫째는 네이티브 통합 깊이입니다. Copilot은 Word·Excel·Teams 화면 안에서 바로 작동하지만, ChatGPT 커넥터는 별도 셋업과 동기화를 거친 외부 앱입니다. 둘째는 테넌트 권한 충실도입니다. Copilot은 Entra·Graph의 기존 권한 모델을 그대로 상속하지만, 외부 도구는 그 권한 경계를 다시 구성해야 하고 민감도 라벨이 붙은 문서는 아예 못 읽는 한계가 남습니다 (Office365ITPros). 셋째는 번들 가격 정합성입니다. 여기서 번들(bundle)이란 이미 쓰는 M365 계약에 Copilot 요금이 한 줄로 묻는 묶음 판매를 말합니다. $30가 기존 청구서에 더해지는 것과, 별도 ChatGPT Enterprise 계약을 새로 다는 것은 구매 마찰이 전혀 다릅니다.

이 세 항의 원천이 바로 1장의 데이터 중력입니다. 데이터 접근권(평준화되는 항)이 아니라, 그 데이터를 회사 권한 그대로, 앱 안에서, 한 청구서로 쓰게 하는 통합 깊이가 빌려오는 자산입니다. 데이터 중력이 클수록 그 통합의 가치도 커집니다.

3. 왜 침투율은 아직 한 자릿수인가: 4중 병목

이 장의 결론을 먼저 둡니다. 매출 전환계수는 약합니다. 채택이 빠르지 않은 건 "Copilot이 나빠서"가 아니라, 고유자산(네이티브 통합 + 테넌트 권한 충실도)을 켜는 선행 비용이 크고, 그 외의 범용 가치는 무료 ChatGPT로 대체되기 때문입니다. 해자는 진짜인데 그것을 매출로 바꾸는 전환계수가 낮습니다. 이 장은 그 전환계수를 낮추는 병목 네 가지를 봅니다.

3.1 침투율의 산수

M365 Copilot 유료 좌석은 2,000만을 넘겼습니다. 직전 분기 1,500만에서 3개월 만에 500만이 순증했고, 사용자당 쿼리는 분기 대비 약 20% 늘었습니다 (TechCrunch). 절대 성장은 분명히 빠릅니다. 침투율 자체도 직전 분기 3.3%에서 약 4.4%로 올라왔습니다(자체 계산: 2,000만 ÷ 4억 5,000만). 정체가 아니라 증가입니다.

문제는 그 증가에도 불구하고 분모가 압도적으로 크다는 점입니다. 전체 M365 Commercial 좌석 4억 5,000만 대비 약 4.4%라는 숫자는, 회사가 직원 100명 중 4~5명에게만 Copilot을 붙였다는 뜻이기도 합니다. 파일럿은 활발히 시작됐는데, 전사 배포로 넘어가는 속도는 그보다 느립니다.

전체 M365 Commercial 좌석 4억 5,000만 대비 유료 Copilot 좌석 2,000만의 비율. 출처: Microsoft IR, TechCrunch 2026-04, 자체 계산. 직전 분기(1,500만) 기준 3.3%에서 상승.

그렇다면 좌석은 빠르게 느는데 왜 침투율이 여전히 한 자릿수일까요. 답은 아래 네 개의 병목에 있습니다. 좌석을 늘리는 힘과, 늘린 좌석을 전사로 확장하지 못하게 막는 힘이 동시에 작동합니다.

3.2 병목 ①: Graph 품질이 데이터 위생에 종속된다

Copilot의 답 품질은 Semantic Index가 색인한 데이터의 품질과 권한 정합성에 비례합니다. 권한이 과다 부여돼 있거나(oversharing, 봐선 안 될 사람까지 문서가 열려 있는 상태) 문서가 난잡하면, Copilot이 엉뚱하거나 민감한 데이터를 끌어옵니다 (SAMexpert).

그래서 "라이선스만 사면 가치가 나온다"가 아니라, 데이터 거버넌스 정비가 선행 조건입니다. 검색대(Graph)에 짐을 정리해 넣어야 비서가 제대로 찾습니다. 이 정비 작업이 파일럿을 길게 만듭니다.

3.3 병목 ②: 사내에서만 작동하고, 일은 사외에도 많다

Graph 그라운딩은 M365 안에서만 작동합니다. Salesforce 같은 외부 시스템의 데이터는 커스텀 커넥터를 따로 구축해야 하고, 복잡한 질의에서는 지연이 생깁니다.

지식노동의 실제 컨텍스트가 M365 밖에 많은 직무일수록 Copilot의 효용이 떨어집니다. 비서가 회사 검색대만 뒤질 수 있는데, 정작 필요한 서류가 다른 건물에 있는 상황입니다.

3.4 병목 ③: ROI를 재무로 연결하는 방법론이 미성숙하다

절감 효과 자체는 측정됩니다. Microsoft 자체 통제 테스트에서 효율 20~30% 향상, Lloyds Banking Group에서 직원 1인당 하루 46분 절감이 보고됐습니다 (Petri).

문제는 "하루 46분 절감"을 "재무 성과"로 환산하는 방법론이 미성숙하다는 점입니다. CFO가 좌석당 월 $30를 전 직원 수에 곱해 승인할 근거가 약합니다. 그래서 파일럿이 무한 연장됩니다. 한 가지 주의할 점은, 이 절감 수치들은 통제 테스트와 단일 기업 사례라 전사로 일반화하기 어렵다는 것입니다. 이 글은 이를 "$30 곱하기 전 직원" 식으로 매출 효과로 환산하지 않습니다. 그 결합은 밸류에이션의 몫입니다.

3.5 병목 ④: 무료 대체재(ChatGPT)와 효용이 겹친다

범용 작문·요약은 무료 또는 저가 ChatGPT로 충분합니다. Copilot의 증분 가치는 "사내 데이터를 회사 권한 그대로 앱 안에서" 쓰는 데 한정되므로, 그 가치가 또렷한 직무에서만 좌석당 $30 프리미엄이 정당화됩니다. 이 효용 겹침은 어떤 선호도 수치가 없어도 그 자체로 성립합니다. 직원이 매일 쓰는 작업의 상당 부분이 범용 작문·요약이고, 그건 브라우저 탭에서 공짜로 됩니다.

참고로 엔터프라이즈 AI 선호도는 출처를 골라 인용하면 정반대 결론이 나올 만큼 서베이별 편차가 큽니다. ChatGPT가 압도적이라는 조사가 있는가 하면, 같은 기간 Copilot의 조직 내 사용률을 82%로 잡는 조사도 있습니다. 그래서 이 글은 "어느 도구를 더 선호하나"라는 수치로 병목을 논증하지 않습니다. 논거는 선호 순위가 아니라 효용 겹침 그 자체입니다.

여기서 단순함을 좋아하는 독자의 반론을 받습니다. "그럼 그냥 ChatGPT 쓰면 되지 Copilot이 왜 필요한가"입니다. 답은 2.3의 세 항입니다. ChatGPT Enterprise도 커넥터로 회사 데이터를 보지만, 네이티브가 아닌 별도 셋업과 동기화가 필요하고, 테넌트 권한을 다시 구성해야 하며(민감도 라벨 문서는 못 읽습니다), 무엇보다 $30가 기존 M365 청구서에 묻지 않습니다 (Office365ITPros). 그래서 사내 문서 의존도가 높은 직무(법무·재무·영업)에서는 Copilot의 통합 깊이가 이깁니다. 문제는 그 직무가 전 직원이 아니라는 점이고, 그래서 침투율이 한 자릿수에 머뭅니다.

4. 2026 피벗: 좌석에서 소비량으로, 그리고 자기잠식의 칼날

이 장의 결론을 먼저 둡니다. 소비량 과금은 좌석 천장을 우회하는 새 경로이고, 동시에 경계해야 할 칼날입니다. 좌석 침투율이 한 자릿수에 머무는 동안, Microsoft는 "좌석당"이 아니라 "에이전트가 한 작업량"으로 과금을 확장합니다. 이는 Graph 데이터 중력을 직접 현금화하는 경로이지만, 에이전트가 인간 좌석을 대체하면 좌석 매출을 스스로 갉아먹는 칼날이기도 합니다.

4.1 좌석 천장의 우회로

3장의 결론은 "좌석 침투율은 한 자릿수에서 천천히 오른다"였습니다. 좌석 수 자체도 정보노동자 포화로 상한이 있습니다(연 6%로 둔화 중).

Microsoft의 2026년 응답은 과금 축의 전환입니다. 2026년 6월 16일 Work IQ API가 정식 출시됐고(GA, General Availability), Agent 365와 Foundry 위에서 에이전트를 사내 데이터로 양산·운영하는 프로덕션 레이어가 깔렸습니다 (Microsoft 365 Blog).

과금은 이중 미터입니다. 인간용 좌석당 Copilot($30)은 유지하고, 그 위에 에이전트 작업당 소비량 과금(Copilot Credits 기반, 작업량에 비례)을 얹습니다. Work IQ API 자체가 Copilot Credits로 정산되는 소비량 과금 모델입니다.

개념적 시각화. 좌석당 과금($30)은 유지한 채, 그 위에 에이전트 작업량 기반 소비량 과금(Copilot Credits)을 얹는 이중 미터 구조. 출처: Microsoft 365 Blog 2026-06.

4.2 왜 이게 Graph의 직접 현금화인가

Work IQ는 좌석 천장을 우회하는 동시에, 1장의 데이터 중력을 직접 매출로 바꾸는 경로입니다. 에이전트는 Graph 없이 돌지 못하기 때문입니다.

Microsoft가 공개한 Work IQ의 강점은 의미 기반 색인 접근, 기존 API 대비 처리 속도 2배와 토큰 80% 절감, 테넌트 경계 안의 보안과 감사 가능성입니다. 이 모두가 "사내 데이터를 아는" 1장의 자산을 에이전트 인프라로 노출하는 일입니다. 즉 좌석으로는 안 팔리던 Graph의 가치를, 에이전트 작업량으로 다시 파는 구조입니다.

4.3 자기잠식의 칼날

그러나 같은 전환에 칼날이 숨어 있습니다. 에이전트가 인간 좌석의 업무를 대체하면, 좌석 수요와 좌석 단가를 스스로 잠식할 수 있습니다. "에이전트가 일을 대신하면 좌석을 줄이지 않겠나"라는 반론은 정확합니다. 그래서 관건은 "소비량 과금 매출이 좌석 손실을 상쇄하느냐"입니다. 좌석이 줄어든 만큼 작업량 과금이 더 늘면 순증이고, 못 따라가면 순감입니다.

여기에는 방향성 있는 구조적 이점이 하나 있습니다. 에이전트는 Graph 없이 돌지 못하므로, 좌석에서 빠져나간 가치가 작업량 과금을 거쳐 결국 Graph 매출로 되돌아올 통로가 열려 있다는 점입니다. 잠식된 좌석 수요가 같은 데이터 중력 위에서 소비량 매출로 재포착되는 구조입니다. 다만 이 되돌아옴의 속도와 크기는 아직 미지수입니다. 좌석 성장은 아직 연 6%이고 Credits 매출은 초기 단계라, 줄다리기의 결과는 정해지지 않았습니다. 그래서 이 항목은 단정하지 않고 추적 변수로 남깁니다(6장).

5. Dynamics: 같은 자산이 약하게 작동하는 추격자 자리

이 장의 결론을 먼저 둡니다. 같은 데이터 중력 자산이 여기서는 약하게 작동합니다. Dynamics의 무기는 독립 제품 우위가 아니라 "M365 번들 인접성"입니다. 같은 신원·같은 Graph로 통합되는 CRM/ERP를 끼워파는 cross-sell(교차판매) 엔진이지, 시장 리더가 아닙니다. 같은 자산이 오피스에서는 강하고 여기서는 약합니다.

5.1 후발 도전자의 좌표

Dynamics 365는 CRM에서 약 5.2%, ERP에서 약 4.0%로 추격자 위치입니다(2차 집계 추정, Salesforce 약 20.7%) (6sense 등 2차 집계, IDC 1차 미대조). CRM은 Salesforce, 대기업 ERP는 SAP가 텃밭입니다.

그런데 성장은 빠릅니다. Dynamics 365 매출은 전년 대비 22% 성장했고, 전 워크로드에서 늘었습니다 (Microsoft IR FY26 Q3). 절대 점유는 낮지만 성장률은 추격이 진행 중이라는 신호입니다.

5.2 무기는 제품이 아니라 번들 인접성

Dynamics의 기술적 무기는 독립 제품 우위가 아니라, 이미 Entra·Teams·Graph를 쓰는 기업에 "같은 신원·같은 데이터로 통합되는 CRM/ERP"를 끼워파는 것입니다. Dataverse(공통 데이터 모델)와 Power Platform(로우코드 개발 도구)이 M365 신원과 묶입니다.

1장의 비유로 말하면, 같은 건물에 입주한 회사에 "같은 출입카드로 들어가는 추가 사무실"을 제안하는 셈입니다. 신규 획득에는 번들 시너지가 강하게 작동합니다. 그러나 경쟁사 고객을 빼앗는 탈취는 약합니다. Salesforce의 생태계 락인(AppExchange)이 Dynamics의 Dataverse 락인보다 깊고 선발이기 때문입니다.

권위 있는 반론(Salesforce·SAP 진영)을 받습니다. "Dynamics 22% 성장은 결국 작은 베이스의 착시 아닌가"입니다. 절반은 맞습니다. 절대 점유가 1/4 수준이라 성장률이 커 보입니다. 다만 이 성장이 "독립 경쟁우위"가 아니라 "M365 락인을 CRM/ERP로 확장하는 cross-sell"이라는 점이 핵심입니다. 같은 데이터 중력 자산이 세그먼트를 건너 약하게 작동하는 증거입니다.

5.3 한 자산, 세 자리, 세 가지 세기

이 글을 한 문장으로 줄이면 이렇습니다. 같은 데이터 중력 자산이 세 자리에서 세기가 전혀 다릅니다. 오피스에서는 초강력한 유지 락인이고, Copilot에서는 진짜 해자지만 "접근권"이 아니라 "통합 깊이·권한·가격"이라는 더 좁은 자리라 전환계수가 낮으며, Dynamics에서는 번들 인접성으로 추격하는 약한 해자입니다.

특히 M365와 Copilot은 같은 데이터를 정반대 방향에서 봅니다. M365의 락인은 회사 데이터가 테넌트 밖으로 못 떠나게 막아서 생기고, Copilot의 해자는 바로 그 떠나지 못한 데이터에 회사 권한 그대로 접근해야만 생깁니다. 데이터를 가두는 힘과 그 갇힌 데이터를 쓰는 힘이 같은 한 자산의 양면입니다.

6. 이 락인은 영원한가: 무엇이 코어를 건드리고, 무엇이 주변부만 건드리나

이 장의 결론을 먼저 둡니다. 무게추는 "비대칭"입니다. 데이터 저장 코어(Entra·Graph·OOXML)는 지속되지만, 그 위에서 AI가 답을 만드는 그라운딩 레이어는 별개 전장이며 이미 경쟁이 열렸습니다. 침식 동인은 셋입니다. EU 규제는 주변부(Teams 번들)만, 모델·그라운딩 동등재(Glean·ChatGPT 커넥터)는 Copilot의 AI 레이어 우위를, 자기잠식은 좌석 매출을 건드립니다. 데이터 저장 코어를 직접 건드리는 동인은 아직 없지만, AI 레이어는 이미 추격이 진행 중입니다.

6.1 침식 동인 분해

해자가 무너진다면 어디서 무너지는지를 동인별로 분해합니다. 동인은 크게 셋입니다. 규제(EU Teams), 기술(모델 우위·Graph 개방), 구조(AI 자기잠식). 각 동인이 다섯 우물 중 어디를 건드리는지가 다릅니다.

6.2 코어를 건드리지 않는 동인 (주변부 침식)

EU의 Teams 분리 합의는 통합(Teams 번들)이라는 주변부를 직접 제약합니다(1.4). 그러나 코어인 Entra·Graph는 대상이 아닙니다. 다른 지역(미국·아시아)으로 같은 조치가 확산되면 주변부 침식이 추가됩니다. 현재는 EU 약정 단계입니다(일반 7년, 상호운용·이식성 조항 10년).

OOXML 락인 약화도 잠재 동인입니다. 정부·대기업의 주권 SW나 AI 자동 변환이 고급 기능까지 무손실로 이전하면 포맷 우물이 메워집니다. 현재는 평문만 호환되고 고급 기능은 깨집니다. 대형 기업의 전면 전환 레퍼런스가 나오면 신호입니다.

6.3 코어 또는 수익화를 건드리는 동인

회사 데이터 위 AI 그라운딩 동등재는 이미 등장했습니다. 이건 미래 위협이 아니라 현재 사실입니다. Glean은 사내 데이터를 횡단 그라운딩하는 엔터프라이즈 검색·어시스턴트로 ARR(연간반복매출) $300M을 넘겼고(15개월 만에 3배), 같은 OpenAI는 ChatGPT Enterprise에 M365 커넥터를 열었습니다 (BusinessWire, Office365ITPros). 즉 "데이터를 그라운딩한다"는 능력 자체는 더 이상 Copilot의 독점이 아닙니다. 다만 남은 격차는 네이티브 통합 깊이와 보안·권한 신뢰입니다. 외부 도구는 테넌트 권한을 다시 구성해야 하고, 민감도 라벨 문서를 못 읽으며, 앱 밖 별도 표면에서 돕니다. 동등재의 ARR 성장과 이 격차의 축소 속도가 핵심 추적 지표입니다.

모델 우위 격차 확대도 동인입니다. Claude나 Gemini가 압도적 우위를 보이며 사내 데이터 커넥터까지 제공하면, 엔터프라이즈 표준이 이동할 수 있습니다. 단 엔터프라이즈 AI 선호도는 서베이별 편차가 커서 어느 한 수치로 단정하지 않습니다(3.5).

AI 에이전트 자기잠식은 4.3에서 본 칼날입니다. 에이전트가 인간 좌석을 대체하고 소비량 과금이 그 손실을 못 메우면 좌석 매출이 잠식됩니다.

6.4 그래서 결론: 비대칭, 단 전장이 둘로 갈린다

종합하면 비대칭이되, 코어를 둘로 쪼개야 정확합니다. 데이터를 어디에 저장하느냐는 코어 데이터 중력(Entra·Graph·OOXML, 저장 그 자체)을 직접 건드리는 침식 동인은 아직 없고, 여기는 지속됩니다. 그러나 그 데이터 위에서 AI가 답을 만드는 그라운딩 레이어는 별개 전장이며, 이미 경쟁이 열렸습니다(Glean ARR $300M, ChatGPT 커넥터). 저장의 해자가 곧 AI 레이어의 해자라고 묶어 읽으면 오독입니다.

개념적 시각화. 데이터 저장 코어(아래)는 직접 침식 동인이 없어 지속되고, 그 위 AI 그라운딩 레이어(위, 점선)는 동등재 추격으로 통합 깊이가 버는 시간이며, 주변부·수익화(왼쪽)는 규제와 자기잠식이 침식한다.

이 글이 답한 관통 질문은 "M365 락인은 무엇이 떠받치며, Copilot은 그 락인을 매출로 바꿀 수 있는가"였습니다. 답은 이렇습니다. 락인의 코어(데이터 저장 중력)는 지속됩니다. Copilot은 그 코어에서 해자를 빌려오지만, 그 해자는 "데이터 접근권"이 아니라 "네이티브 통합 깊이·테넌트 권한 충실도·번들 가격 정합성"이라는 더 좁은 자리이고, 그마저 매출로 바꾸는 전환계수가 낮아 침투율이 한 자릿수(약 4.4%)에 머뭅니다. AI 그라운딩 레이어는 동등재가 이미 추격 중이라, Copilot의 우위는 "독점"이 아니라 "통합 깊이로 버는 시간"입니다. 2026년의 소비량 과금 피벗이 좌석 천장을 우회할지, 자기잠식이 그것을 상쇄할지, 동등재가 통합 격차를 얼마나 빨리 좁히는지가 향후 2~3년의 최대 변수이자 최대 불확실성입니다.

이 정성 판단을 점유율·이익률·적정가 같은 숫자로 옮기는 작업은 이 글의 범위 밖입니다. 그 종합은 밸류에이션이 수행합니다. Copilot이라는 한 조각이 다섯 챕터(제품·재무·문화·미래·밸류에이션)의 전체 그림 어디에 놓이는지는 📈MSFTMicrosoft 메인 분석에서 확인할 수 있습니다.