기본 콘텐츠로 건너뛰기

2026 SAP 도입 동향 GROW·RISE·BTP의 한국 풍경

14편에서 PCE의 관성이 BTP의 본질을 가린다고 짚었다. 그러나 이 관성도 시장의 풍경이 바뀌면서 함께 움직인다. 15편은 시즌 1·2의 마지막 글이다. 한 그룹사 PCE 전환 사례에서 출발한 14편의 이야기를 2026 한국 SAP 시장의 풍경 속에 위치시키고, 다음 12개월의 결정점을 정리한다.

2026 한국 SAP 시장의 풍경 GROW · RISE · BTP

2026의 한국 SAP 시장은 세 가지 패키지가 재편하고 있다.

첫째, GROW with SAP. 중견기업과 신규 도입 대상에 맞춰진 Public Cloud 기반 패키지다. 표준 프로세스를 받아들이는 대신 도입 속도와 비용 예측 가능성이 높다. 한국 시장에서는 그룹사가 아닌 단일 법인 중견기업의 진입로로 자리 잡는 추세다. 둘째, RISE with SAP. 그룹사와 대기업의 마이그레이션 묶음이다. S/4HANA Cloud(주로 PCE)와 BTP credit이 함께 묶이는 구조라, 시즌 2의 11~12편이 다룬 라이센스 함정과 CBO 전환 비용의 시장 배경이 정확히 여기다. 셋째, BTP 단독 도입. 기존 SAP 시스템 위에 BTP만 얹어 확장 측면만 가져가는 모델이다. 그룹사 디지털 전환의 두 번째 단계에서 흔히 선택된다.

한국 그룹사가 2026에 가장 많이 가는 길은 RISE 묶음이다. 그 묶음 안에 PCE와 BTP가 어떻게 엮이는가 이게 시즌 2의 시그니처 메시지가 출발한 자리다. 2026의 의사결정자는 세 패키지 중 하나가 아니라 세 패키지를 어떻게 조합하는가를 결정한다. 단일 패키지를 고르는 시대는 지났고, 조합과 시점이 결정의 본체가 됐다.

이 풍경 속에서 시리즈 1~14편이 닿는 곳

시리즈 1~14편이 다룬 모든 결정이 2026 풍경의 디테일이다.

시즌 1의 1~9편은 PCE 구축의 풀 라이프사이클을 다뤘다 . RISE 묶음을 받은 그룹사가 마주하는 9개월의 실제 작업이다. 1편의 코어보다 주변이 먼저 흔들린다에서 시작해, 3편의 결정 트리거, 4편의 CBO 3단계 위계, 5편의 데이터소스 3분류 동기화, 6편의 일탈 사례, 7편의 Role-매뉴얼 짝패, 8편의 Cutover 5일 시퀀스, 9편의 Hyper Care 3원칙까지 시리즈 안의 모든 메시지는 RISE 묶음을 결정한 회사가 운영에 도달하기까지의 길을 풀어낸 것이다.

다리(10편)와 시즌 2(11~14편)는 같은 RISE 묶음의 BTP 부분을 다룬다. 11편의 라이센스 함정, 12편의 CBO 전환 비용, 13편의 Integration Suite 시행착오, 14편의 CAP 첫 사이클  모두 BTP credit을 RISE에 묶어놓고 사용하지 않거나 늦게 사용하는 그룹사가 마주하는 비용과 결정의 풍경이다. 트렌드는 시장의 풍경이고, 시리즈는 그 풍경 안에서 실제 일을 하는 사람의 가이드다. 두 가지가 한 곳에서 만나야 결정이 손에 잡힌다.

다음 12개월의 결정점

2026이 끝날 때 그룹사가 추가로 잡아야 할 결정 세 가지.

첫째, PCE 구축이 끝난 그룹사의 BTP 사이드카 본격 도입 시점. 2025~2026에 PCE를 구축하고 운영을 안착시킨 그룹사는 다음 12개월에 BTP 위 첫 사이드카를 띄울 시점이 온다. 14편의 첫 사이클 함정이 이 시점에서 작동한다. 둘째, RISE 묶음 갱신 시점. RISE는 2~3년 주기로 라이센스 재협상이 있고, 첫 사이클을 마친 그룹사가 다음 사이클의 묶음 구성을 다시 결정한다. 11편의 협상력 메시지가 이 시점에 한 번 더 작동한다. 셋째, AI 기능 확산. SAP Joule과 Generative AI in SAP가 실용 영역으로 들어오는 단계에서, 어떤 업무를 AI에 맡길 것인가의 결정이 새 카테고리로 추가된다.

이 셋이 시즌 2.5(16~18편)의 주제이자 그 너머의 출발점이다. 시장이 빠르게 움직이는 만큼 결정의 시점도 짧아진다. 2026의 그룹사 IT 의사결정자는 지난 결정의 후처리와 다음 결정의 사전 준비를 동시에 짊어지게 된다. 시리즈는 이 두 가지를 가볍게 만드는 공통 프레임을 제공하는 것이 목적이었다.

한 줄로

2026 SAP 시장은 세 패키지의 조합이 만들고, 시리즈 1~14편은 그 조합을 결정의 무게로 풀어낸 가이드다. 시즌 1·2는 여기서 닫는다. 다음 일정은 보너스 10편(심사 기간 매일 발행)과 시즌 2.5(16~18편)  16편 PCE+BTP 동시 결정 가이드, 17편 PCE vs RISE 비교, 18편 Configuration 운용 가이드. 1~14편이 결정의 무게를 풀었다면, 시즌 2.5는 결정의 도구를 정리한다. 다음 글에서 다시 만난다.

라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

SAP Joule과 Generative AI in SAP / 2026 AI 카테고리의 진입

15편에서 2026 한국 SAP 시장의 풍경 과 다음 12개월의 결정점 세 가지 를 정리했고, 그 셋째가 AI 기능 확산 이었다. 20편은 그 셋째 결정점을 단독으로 들여다본다 SAP Joule이라는 어시스턴트 제품과, 그 너머의 Generative AI in SAP 카테고리. 이 글은 작가가 직접 운영해본 영역이 아닌 시장 자료와 SAP 공식 발표 기반의 트렌드 정리 다. 실제 적용 케이스가 누적되면 보강 글을 따로 낸다. SAP Joule 어시스턴트 카테고리의 등장 SAP Joule은 SAP 제품군 전반에 대화형 인터페이스 를 얹는 어시스턴트다. S/4HANA Cloud, SuccessFactors, BTP, Ariba 등 SAP 주요 제품에 공통 채팅 UI 가 들어가는 그림이다. 사용자가 자연어로 질문하면 Joule이 해당 제품의 트랜잭션이나 데이터를 가져다 답하는 흐름이다. SAP Sapphire 2023~2025의 발표에서 Joule은 전 제품 통합 어시스턴트 로 자리매김했다. Joule의 의미는 어시스턴트 자체 보다 카테고리의 등장 에 있다. SAP는 기존에 트랜잭션 코드(T-code) + Fiori 의 두 인터페이스 층을 가졌다. Joule은 그 위에 제3의 층 을 얹는다. 어떤 업무가 이 제3의 층 으로 넘어갈지, 어떤 업무는 여전히 Fiori·T-code에서 처리될지의 분류 결정 이 새로 추가된다. 시리즈 4편의 Clean Core 위계와 같은 결정 구조가 AI 카테고리에도 작동하게 된다. Generative AI in SAP Joule을 넘어선 카테고리 Joule은 어시스턴트 한 축이고, Generative AI in SAP는 그보다 넓은 카테고리다. BTP의 AI Core·AI Launchpad·Document Information Extraction 같은 기능형 AI 서비스 가 같은 카테고리에 들어간다. 어시스턴트 외에 문서 자동 처리, 마스터 데이터 자동 정제, 코드 생성 보조 같은 영역이 같은 우산 아래 묶이는 그...
댓글 쓰기
자세한 내용 보기

BTP CAP 첫 개발 사이클 PCE 관성을 깨는 결정 3가지

13편에서 Integration Suite는 도구가 아니라 재설계 결정 3가지 라고 짚었다. 같은 본질이 BTP CAP 첫 개발 사이클에서 다른 모습으로 작동한다. 14편은 그룹사가 PCE 안에서 익숙하게 일하다가 BTP 위에서 CAP 첫 사이클을 시작할 때 마주하는 3가지 함정 을 정리한다. 이 글도 13편처럼 자료 누적형 예상 패턴 글이다. 작가 일반 지식과 시리즈 4·12·13편 자료를 기반으로 했고, 실제 CAP 사이클이 진행되면 보완 글을 따로 낸다. 언어 선택의 함정 PCE의 관성에서 벗어나기 CAP의 언어는 Node.js와 Java 둘이지만, 진짜 결정 은 언어가 아니라 관성이다. CAP(Cloud Application Programming Model)은 BTP 위에서 작동하는 SAP의 표준 개발 프레임워크다. Node.js 와 Java 양쪽을 지원하고, 같은 CDS(Core Data Services) 모델 위에서 두 언어가 동등하게 동작한다. 그룹사 첫 사이클에서 이 둘 중 하나를 고를 때, 흔한 함정은 기존 ABAP 개발자가 익숙해 보이는 쪽 을 고르는 것이다. 일반적으로 Java가 문법적으로 더 친숙 해 보여서 그쪽으로 기울고, 그 결정이 팀 역량 분석 없이 굳어진다. 이 결정의 진짜 비용은 코드 라인이 아니라 런타임의 무게 에서 나온다. BTP의 Cloud Native 환경에서 Node.js는 경량 스타트업과 작은 메모리 footprint 를 만들고, Java는 엔터프라이즈 패턴과 큰 컴퓨트 사용량 을 만든다. 12편의 누적 비용 모델이 여기서 작동한다. 작은 CAP 앱을 Java로 짜면 컴퓨트 사용량 이 비례 이상으로 늘어난다. 언어 선택은 팀 역량과 Cloud Native 적합도 의 균형으로 결정해야 한다. ABAP 관성이 Java 관성으로 바뀌고, Java 관성이 학습 미완료 상태의 운영 으로 이어지는 흐름이 가장 흔한 첫 사이클 실패다. 데이터 모델 함정 CDS의 자체성을 살리는 결정 PCE의 데이터 모델을 그...
댓글 쓰기
자세한 내용 보기