기업용 AI의 병목은 모델 성능이 아닐 수 있습니다. Salesforce, ServiceNow, Databricks, Workday처럼 서로 다른 시스템에 데이터가 흩어져 있고, 같은 의미의 데이터베이스 필드가 여러 개씩 존재하며, 팀마다 업무 흐름을 다르게 운영한다면 에이전트 하나를 만드는 것만으로는 아무것도 달라지지 않습니다. 에이전트가 실제 조직 안에서 움직이려면 먼저 이 복잡한 기반을 읽고 정리해야 합니다.
Salesforce 출신 Efrat Rapoport와 Ohad Hen, Barak Goldstein, Idan Tsitiat가 만든 June는 이 배포 전 과정을 제품으로 묶으려 합니다. 회사는 스텔스에서 나오며 2,000만 달러 프리시드 투자를 발표했습니다. 라운드는 Marc Benioff의 Time Ventures가 이끌었고 Michael Dell, Aaron Levie, George Kurtz가 참여했습니다. 창업자들은 앞서 Bonobo AI를 시작했고, 이 회사가 Salesforce에 인수된 뒤 Salesforce의 AI 프로젝트에서 기업 고객들이 도입 단계에서 막히는 장면을 지켜봤습니다.
June의 플랫폼은 기존 시스템을 스캔해 회사의 업무 프로세스를 파악합니다. 그 과정에서 병목을 찾고, 에이전트를 어디에 배치할지 정한 뒤, 데이터 소스 연결이나 중복 필드 제거처럼 필요한 일을 단계별 로드맵으로 제시합니다. 사용자는 각 작업의 build 버튼을 눌러 조직 안에서 구현을 진행할 수 있고, June는 회사의 커뮤니케이션 채널을 통해 팀에 알립니다. 제품 설명만 보면 에이전트를 만드는 도구라기보다, 에이전트가 들어갈 환경을 준비하고 배포 순서를 관리하는 도구에 가깝습니다.
미국 모기지 업체 CMG의 사례는 이 문제가 얼마나 구체적인지 보여줍니다. CMG는 Claude Code를 빠르게 도입했지만 Salesforce와 통합하는 과정에서 막혔습니다. Paul Akinmade는 아키텍트와 회의하고 forward-deployed engineer를 만나며 몇 주를 보냈지만 진전이 없었다고 말합니다. June를 사용한 뒤에는 에이전트를 배치할 위치를 파악했고, 양사 공식 킥오프 전에도 안전하게 시작할 수 있었다고 설명합니다.
여기에는 분명한 역설이 있습니다. June는 FDE와 컨설턴트를 보완하는 제품이라고 설명하지만, 고객은 오히려 FDE를 계속 부르지 않아도 되는 제품을 원할 수 있습니다. Akinmade가 원한 것도 블랙박스가 아니었습니다. 특정 전문가만 다룰 수 있는 시스템 대신, 자신의 팀이 어디를 고쳐야 하고 무엇을 연결해야 하는지 이해할 수 있는 도구를 원했습니다.
June가 입증해야 할 성과는 에이전트가 멋진 답을 내놓는 장면이 아닙니다. 중복 데이터와 오래된 워크플로가 남아 있는 기업에서 실제 배포가 중단되지 않고 끝까지 이어지는지, 그리고 그 과정을 전문 서비스 인력의 도움 없이 반복할 수 있는지입니다. AI 도입이 소프트웨어 구매 문제가 아니라 운영 구조를 다시 읽는 문제라면, June는 모델과 기업 시스템 사이의 빈틈을 메우려는 시도입니다.