엔터프라이즈 AI 시장에는 성공한 파일럿의 무덤이 가득하다. 기술은 작동했고 데모는 인상적이었으며 계약도 성사됐다. 그런데 실제 배포는 일어나지 않았다. TechCrunch Disrupt 2026(10월 13-15일, 샌프란시스코 모스코니 웨스트)에서 Databricks 공동창업자 Arsalan Tavakoli-Shiraji가 이 균열을 정면으로 다루는 이유가 거기 있다.
그의 세션 제목은 선언이다: "The Enterprise Isn't Broken. Your Assumptions About It Are." 대기업이 AI 도입을 망설이는 것은 조직이 낡아서가 아니라 스타트업이 대기업을 잘못 이해하고 있기 때문이라는 진단. Databricks SVP of field engineering으로서 그는 수백 개 엔터프라이즈 데이터 파이프라인의 생사를 직접 목격했다. 스타트업들이 틀린 성과를 최적화하고 있다는 것이 그의 핵심 주장이다 — 초기 흥분을 위해 만들고, 장기 운영 채택을 위해선 만들지 않는다. 딜이 죽을 때 모델 성능이 원인인 경우는 거의 없다. 기업이 배포의 운영적 결과를 감당할 수 없다는 판단이 작동한다 — 거버넌스 복잡도, 워크플로 마찰, 컴플라이언스 노출, 조직 신뢰의 침식.
Tavakoli-Shiraji의 배경이 이 논의를 다른 강연과 구분한다. UC버클리 CS PhD(네트워킹·분산시스템 전공)와 McKinsey 어소시에이트 프린시팔(클라우드 컴퓨팅·엔터프라이즈 전환 전략 자문) 경력의 조합 — 기술 아키텍처가 조직 행동, 인프라 현실, 조달 프로세스와 어떻게 충돌하는지를 동시에 읽는 렌즈다. 엔터프라이즈 AI 성공이 더 이상 강력한 엔지니어링만으로 결정되지 않는 시대에 필요한 시선이다.
지금 대기업 바이어들이 던지는 질문의 목록이 바뀌었다. 배포 후 운영 변화가 얼마나 필요한가, 거버넌스 팀이 실제로 승인할 수 있나, 모델이 실패하면 책임 구조는 어떻게 되나 — 이 질문들이 이제 모델 벤치마크보다 앞서 계약의 판단 기준이 된다. 역설은 여기서 생긴다. 가장 인상적인 데모를 만든 팀이 가장 큰 기대치 갭을 만들 수 있다. 기대가 높을수록 배포 이후의 마찰이 더 크게 느껴지기 때문이다. 다음 엔터프라이즈 AI 사이클에서 살아남는 스타트업은 가장 앞선 모델이 아니라 대기업이 변화를 실제로 흡수하는 방식을 가장 잘 이해하는 팀일 것이다.