Make(이전 Integromat)는 드래그 앤 드롭 장면 편집기를 통해 2000개 이상의 애플리케이션과 AI 모델을 연결하여 복잡한 비즈니스 프로세스의 자동 조정을 실현하는 시각적 자동화 워크플로우 플랫폼입니다.

만들다

Make의 핵심 매개변수 및 통계

Make(이전 Integromat)는 기업 및 비즈니스 팀을 위한 iPaaS(시각적 자동화 워크플로) 플랫폼입니다. 드래그 앤 드롭 장면 편집기를 통해 2000개 이상의 애플리케이션과 AI 모델을 연결하여 복잡한 비즈니스 프로세스의 자동 조정을 실현합니다. 시각적 워크플로 디자인, AI 모듈 임베딩, 애플리케이션 커넥터 생태 및 실행 모니터링을 동일한 제품에 통합합니다. 기존 코드 통합보다 더 직관적이고 단순한 자동화 도구보다 무겁다는 위치에 있습니다.

프로젝트	공공정보
제품 포지셔닝	시각화된 자동화된 워크플로우(iPaaS) 플랫폼
오리지널 브랜드	인테그로맷(2022년 Make로 사명 변경)
소속 장소	체코(CZ)
통합 애플리케이션 수	2000+
자동화 시나리오	시나리오 편집기(시나리오)는 조건부 분기, 루핑, 수집기, 라우터를 지원합니다
AI 모듈	AI Transformer, AI Agent, OpenAI/Claude 커넥터
사용자 규모	수백만 명의 등록된 사용자(정확한 숫자는 공식적으로 공개되지 않음)
지원되는 언어	5가지 인터페이스 언어
지원 플랫폼	웹, API
최신 버전	2025.2(AI 기능 업데이트, ~2025-03)

제품 형태: Make는 순수한 클라우드 SaaS 모델을 제공하고 기업 수준에서 프라이빗 클라우드 배포를 지원합니다. Zapier의 경량 트리거-액션 모드와 비교하여 Make의 장면 편집기는 각 단계를 순서도로 표시하고 복잡한 분기, 반복 및 집계 논리를 지원합니다. 이는 기존 프로그래밍의 프로세스 제어에 더 가깝지만 시각적인 방식으로 표시됩니다.

생태적 포지셔닝: iPaaS 트랙에서 Make의 차별화는 시각화 정도에 있습니다. Make의 장면 캔버스는 현재 주류 플랫폼 중 "화이트보드 그리기" 경험에 가장 가깝고 복잡한 오케스트레이션이 필요하지만 팀에 정규 개발자가 부족한 시나리오에 적합합니다. 2000개 이상의 커넥터는 Google, Microsoft, Salesforce, Slack, Notion 등과 같은 주류 SaaS는 물론 HTTP/SOAP 프로토콜에 대한 사용자 지정 연결도 포함합니다. 커넥터의 폭은 Zapier와 동일하지만 중국/아시아 애플리케이션의 적용 범위에는 여전히 격차가 있습니다.

AI 기능 항목: AI는 독립적인 제품 라인이 아니라 장면 편집기에 모듈로 내장되어 있습니다. 이는 AI 기능이 독립적인 채팅 창을 사용하는 대신 워크플로우 결정(예: AI가 리드의 품질을 판단한 후 방향을 전환하는 등)에 직접 관여한다는 것을 의미합니다.

Make의 사용자와 시장 인지도

Make의 시장 인지도는 주로 브랜드 이력과 자금 조달 기록에서 비롯되지만, 공식적인 활성 사용자 수와 수익 데이터는 공개되지 않았습니다.

브랜드 축적: 전신 Integromat은 2013년에 설립되었으며 iPaaS 트랙에서 거의 10년을 축적해 왔습니다. 2022년에는 브랜드 리뉴얼을 완료하고 8천만 달러의 자금 조달을 받았습니다. 순수 AI 스타트업과 비교하면 기업 통합 서비스의 역사가 더 길며, 커넥터 안정성과 장면 템플릿 라이브러리도 다년간 검증됐다.

대상 고객 그룹: Make는 중견기업의 운영 및 IT 팀을 주로 다루며, 이는 개인/중소규모 팀을 선호하는 Zapier와 AI 우선 자동화를 선호하는 Activepieces와 다릅니다. 장면 편집기의 복잡성으로 인해 학습 곡선이 있고 프로세스 표준화를 위한 기반이 있는 팀에 적합하다고 판단됩니다.

커뮤니티와 생태학: Make는 'Make Academy' 교육 시스템과 공식 템플릿 라이브러리를 제공하지만, 커뮤니티 템플릿의 수와 활동량이 Zapier에 비해 적습니다. 중국 자원은 특히 취약하다. 공식 및 비공식 커뮤니티 모두 주로 영어로 구성되어 있어 중국 사용자에게는 암묵적인 한계점이 있습니다.

구현을 위한 전제 조건: iPaaS 플랫폼의 가치를 공개하려면 팀은 먼저 프로세스 정렬 및 표준화(템플릿화할 수 있는 작업, 트리거 조건 및 예외 처리 방법)를 완료해야 합니다. 팀이 아직 명확하고 안정적인 프로세스 정의를 갖고 있지 않은 경우 플랫폼으로 직접 뛰어들면 효율성 문제를 해결하기보다는 혼란을 증폭시킬 수 있습니다.

Make의 원가우위

Make의 비용 구조는 C-end/개인, 개발자/API, 기업의 세 가지 수준으로 분석됩니다. 각각은 완전히 다른 비용 유전자를 가지고 있습니다.

C측/개별: 무료 버전은 월간 1000개 작업 + 1개의 활성 장면을 제공하며, 이를 통해 장면 편집기의 대화형 논리와 기본 커넥터를 경험하는 데 사용할 수 있습니다. 그러나 무료 할당량은 매우 낮습니다. 중간 복잡성 시나리오(양식 제출 → AI 처리 → 양식에 쓰기)에서는 단일 실행에서 10~20개의 작업을 사용할 수 있으며 무료 할당량은 일반적으로 실제 테스트에서 일주일 동안 지속되지 않습니다. 무료 버전의 제한 사항에는 제한된 수의 앱 커넥터와 2000개 이상의 모든 통합에 대한 액세스가 포함되지 않습니다.

개발자/API 수준: Make에는 별도의 API 가격 책정 계층이 없습니다. 개발자는 API를 사용하려면 인간 계획에 가입해야 합니다. 그 가치는 개발자에게 인프라 API를 제공하는 것보다 "연구자가 아닌 사람이 스스로 자동화를 구축할 수 있도록 허용"하는 데 더 가깝습니다. 엔지니어링 역량을 갖춘 팀의 경우 자체 호스팅 옵션(예: n8n, Activepieces)은 일반적으로 이 계층의 Make보다 저렴합니다.

엔터프라이즈/프라이빗: 엔터프라이즈 버전에는 맞춤형 가격이 필요하며 일반적으로 프라이빗 클라우드 배포, 전용 SLA, SSO 및 감사 로그가 포함됩니다. 기업 조달의 숨겨진 비용은 가입비에 있는 것이 아니라 커넥터 거버넌스(각 커넥터의 인증 유지 및 주파수 제어 관리), Scene 마이그레이션(Zapier 또는 다른 플랫폼에서 마이그레이션하는 데 필요한 매핑 비용), AI 모듈의 LLM 호출 비용(Make에는 AI 모델의 추론 비용이 포함되지 않으므로 이 부분은 추가로 포함되어야 함)의 세 가지 측면에 있습니다.

실제 비용 구조: 중대형 생산 용도의 경우 Make의 월 비용은 일반적으로 Core $9/월에서 Pro $59/월 사이입니다. AI 모듈에 의해 호출되는 LLM 토큰 소비로 실제 월 비용은 $100-500+에 도달할 수 있습니다. 경쟁사와 비교하면 n8n의 자체 호스팅 경로보다 높지만 Tray.io의 엔터프라이즈급 가격보다는 낮습니다.

Make의 주요 기능

Make의 기능은 "시각적 장면 조정 + AI 임베딩 + 애플리케이션 연결"의 세 가지 주요 라인을 중심으로 이루어지며, 공용 기능은 다섯 가지 범주로 요약될 수 있습니다.

• 시각적 시나리오 편집기: 조건부 분기(Filter/Router), 반복기(Iterator) 및 수집기(Aggregator)와 같은 논리적 구성 요소를 지원하는 자동화된 워크플로를 구축하기 위한 끌어서 놓기 기능입니다. Zapier의 선형 트리거-액션 모드와 달리 Make의 장면 캔버스는 다중 분기 병렬성, 중첩된 하위 시나리오 및 사용자 정의 변수 전송을 지원하므로 복잡한 비즈니스 로직에 적합합니다.
• AI 변환기 모듈: 별도의 API 호출 코드 작성 없이 워크플로에서 직접 AI 모델을 호출하여 텍스트 분류, 요약 생성, 데이터 추출, 감성 분석 등의 작업을 수행합니다. 시너지: AI 변환기의 출력은 다운스트림 단계의 매개변수로 직접 공급될 수 있습니다. 예를 들어 AI가 추출한 송장 금액은 교차 단계 데이터 흐름의 전체 시각화와 함께 회계 시스템의 금액 필드로 직접 전달됩니다.
• 2000개 이상의 애플리케이션 커넥터: Google Workspace, Microsoft 365, Salesforce, Slack, Notion, HubSpot, Shopify 등과 같은 주류 SaaS는 물론 HTTP, SOAP, Webhook과 같은 맞춤형 프로토콜도 포함합니다. 커넥터는 "데이터 전송 채널"일 뿐만 아니라 해당 애플리케이션의 인증 로직(OAuth, API 키) 및 빈도 제어 전략을 캡슐화합니다.
• AI 에이전트 노드: 입력을 기반으로 다음 작업을 동적으로 결정할 수 있도록 에이전트 노드를 장면에 포함합니다. 예를 들어 고객 서비스 작업 주문 시나리오에서 에이전트는 먼저 문제 유형을 확인한 다음 자동으로 응답할지 아니면 수동으로 전환할지 결정합니다. 숨겨진 연결: 에이전트 노드는 "사고-행동-검증" 폐쇄를 실현하기 위한 도구로 장면의 다른 모듈을 호출할 수 있습니다.
• 오류 처리 및 모니터링 대시보드: 시나리오가 실패하면 자동으로 재시도하거나 대체 분기로 전환합니다. 실행 내역, 실행 기록, 알림 구성을 제공합니다. 전문가의 견해: 오류 처리 메커니즘은 Zapier에 비해 Make의 핵심 장점 중 하나입니다. 이는 고부가가치 비즈니스 프로세스에 중요한 "중단점 재개" 수준 시나리오 설계(실패 후 중단점에서 재시도)를 지원합니다.

기능적 시너지: Make의 진정한 가치는 단일 기능에 있는 것이 아니라 크로스 플랫폼 전환 없이 한 장면에서 완료할 수 있는 "AI 노드 분석 데이터 → 조건 분기 라우팅 → 대상 시스템에 쓰기"의 완전한 링크에 있습니다. 예를 들어, AI 에이전트는 이메일의 콘텐츠 카테고리를 결정하고 → 라우터는 이를 다양한 처리 지점에 배포하고 → 각각을 CRM/회계/고객 서비스 시스템에 기록하며 전체 프로세스를 보고 편집할 수 있습니다.

Make의 모델과 버전의 진화

Make의 버전 진화는 기존 iPaaS에서 AI 자동화 플랫폼으로의 전환을 반영합니다. 현재 공개 버전 정보는 이전 기사 서문에서 다루었습니다. 마일스톤별로 정리한 진화 경로는 다음과 같습니다.

기존 iPaaS 기간(~2023)

Integromat 시대: 2022년 이름 변경 이전에는 순수한 커넥터와 장면 오케스트레이션이 중심이었던 제품이었습니다. 버전 이름은 주로 연도 + 일련번호를 기반으로 했습니다. AI 모듈이 없었고 엔터프라이즈 SaaS 통합에 중점을 두었습니다.

AI 통합 단계(2024~2025)

• 2024.1(Make AI 출시, ~2024-03): OpenAI 통합 및 텍스트 생성을 지원하는 AI 모듈이 처음으로 도입되어 Make가 순수 iPaaS에서 'AI 자동화 플랫폼'으로 전환하는 출발점이 됩니다.
• 2025.2(AI 기능 업데이트 만들기, ~2025-03): GPT 및 Claude와 같은 여러 모델에 대한 액세스를 지원하는 AI 변환기 모듈 및 AI 에이전트 노드가 추가되었습니다. AI는 "단일 모듈"에서 "워크플로의 일급 시민"으로 업그레이드되었습니다. AI 처리 단계는 장면 어디든 삽입할 수 있습니다.

현재 상태

Make는 DeepSeek과 같은 자세한 버전 로그를 공개하지 않으며 버전 번호(예: 2025.2)는 모델 반복보다 더 많은 기능 세트 마일스톤을 반영합니다. AI 모듈은 타사 모델 기능에 의존하므로 Make의 버전 진화는 실제로 "플랫폼 연결 기능 + AI 오케스트레이션 기능"의 패키지 업그레이드입니다. 평가할 때 버전 번호 자체보다는 공식 변경 로그 및 블로그의 새로운 기능 릴리스에 주의를 기울이는 것이 좋습니다.

메이크의 기술적 장점

Make의 기술적 이점은 기본 AI 모델(자체 개발 모델을 학습하지 않음)이 아니라 "워크플로우 엔진의 유연성"과 "AI와 프로세스의 통합 깊이"라는 두 가지 수준에 있습니다.

장면 엔진의 표현 기능: Make의 장면 편집기에는 시각적 인터페이스에서 조건식 및 데이터 변환 규칙 작성을 지원하는 기능 라이브러리(날짜 처리, 텍스트 변환, 수학 연산, 배열/객체 연산)가 내장되어 있습니다. 메커니즘: 이는 순수한 수동 드래그 앤 드롭의 제한을 피하고 개발자에게 "시각적 인터페이스에 로직을 작성"할 수 있는 유연성을 제공합니다. 효과: 복잡한 비즈니스 로직(예: 다중 조건 판단 후 데이터 집계)을 순수 코드로 반환할 필요가 없어 도구 간 전환 비용이 절감됩니다.

AI 모듈의 프로세스 수준 임베딩: AI 변환기와 AI 에이전트는 독립적인 앱이 아니라 장면의 "노드"입니다. 메커니즘: AI 노드의 입력은 업스트림 단계의 출력에서 ​​나오며, AI 노드의 출력은 다운스트림 단계에서 직접 사용할 수 있습니다. 효과성: 이는 "AI를 사용하여 데이터를 처리한 후에도 여전히 이를 다음 시스템에 수동으로 복사하여 붙여넣어야 한다"는 문제를 해결하고 전체 프로세스가 자동화됩니다.

오류 처리 및 실행 안정성: 실패 재시도, 대체 분기, 장면 일시 중지 및 수동 복구를 지원합니다. 메커니즘: 각 모듈과 각 작업에는 독립적인 실행 로그가 있습니다. 오류가 발생하면 특정 단계를 정확히 찾아낼 수 있습니다. 효과성: 프로덕션 수준 워크플로에서는 오류 처리 및 감사 기능이 플랫폼의 신뢰성을 직접적으로 결정합니다. Make는 이 점에서 대부분의 오픈 소스 대안보다 더 성숙합니다.

아키텍처 비용: Make의 올클라우드 아키텍처는 모든 트래픽이 Make의 서버를 통해 전송된다는 것을 의미합니다. 지연에 민감하거나 높은 데이터 주권이 필요한 시나리오(예: 금융 거래, 지역 간 동기화)의 경우 아키텍처 평가 중에 실행 대기 시간 및 데이터 상주 규정 준수를 확인하는 데 중점을 두어야 합니다. Enterprise 버전은 프라이빗 클라우드를 지원하지만 구성 및 유지 관리 비용은 사업주에게 확인이 필요합니다.

Make 사용방법

Make는 다양한 단계와 규모의 팀에 적합한 클라우드 SaaS 포털을 제공합니다.

사용 방법	사람들에게 적합	특징	비용
클라우드 SaaS	빠른 검증을 원하는 팀	회원가입 후 이용하세요. 커넥터 가용성 및 현장 구축 효율성을 우선적으로 확인합니다	무료 버전 시작하기
프로+	생산 상황별 배포	전체 커넥터 + AI 모듈 + 고급 오류 처리	월 $59부터 시작
엔터프라이즈 에디션	높은 데이터 규정 준수 요구 사항	프라이빗 클라우드 배포 + SSO + 감사 로그 + 독점 SLA	사업 확인 필요

실제 구현 경로: '파일럿 → 비교 → 확장' 3단계로 진행하는 것이 좋습니다. 첫 주에는 시나리오 편집기의 구축 효율성과 대상 커넥터의 운영 안정성을 검증하기 위해 프로토타입을 구축하기 위해 반복성이 높고 위험도가 낮은 프로세스(예: 양식 창고 알림, 시스템 간 데이터 동기화) 1~2개를 선택했습니다. 두 번째 주는 이전 프로세스와 병행하여 실행 오류율과 수동 개입의 양을 모니터링하는 데 중점을 둡니다. 플랫폼의 안정성을 확인한 후 점차적으로 AI 노드, 조건부 분기 등 고차 기능에 액세스할 수 있습니다.

AI 모듈 시작을 위한 전제조건: AI 변환기 및 AI Agent를 사용하기 전에 Make에서 AI 모델 연결(OpenAI API Key 또는 Claude API Key 등)을 구성해야 합니다. Make 자체에서는 AI 추론 할당량을 무료로 제공하지 않으며, AI 호출에 대한 LLM 수수료는 사용자가 부담합니다. 따라서 AI 시나리오의 ROI를 평가할 때 토큰 소비는 운영 비용에 포함되어야 합니다.

Make의 제품 가격

Make의 가격 책정은 '무료 검증 → 유료 업그레이드 → 기업 판매'의 3단계 구조를 이어가지만, 코어 버전 이상에서는 AI 모듈을 충분히 사용할 수 있다.

레벨	월별 작업 수	활성 시나리오 수	커넥터	AI 모듈	월 사용료
무료 버전	1,000	1	한정	한정	$0
코어	10,000	무제한	모두	한정	$9
프로	50,000	무제한	모두	완료	$59
팀 에디션	좌석당 확장	무제한	모두	완료	$149부터
엔터프라이즈 에디션	맞춤형	맞춤형	모두	완료	맞춤형 견적

• C 측/개별: 무료 버전은 장면 편집기를 경험할 수 있는 가장 좋은 입구이지만 월 1,000개 작업 할당량은 일반적으로 실제 테스트에서 며칠 동안만 실행하기에 충분하며 프로덕션 용도로 업그레이드해야 합니다. 개별 사용자는 코어 버전으로 시작하는 것이 좋습니다.
• 개발자/API: Make에는 독립적인 API 가격이 없으므로 개발자는 휴먼 패키지를 구독해야 합니다. 빈도가 높은 API 호출 시나리오의 경우 전용 API 오케스트레이션 솔루션보다 비용이 더 높을 수 있습니다.
• 엔터프라이즈: 프라이빗 클라우드 배포 SSO의 엔터프라이즈 버전 및 감사 로그 약관에는 비즈니스 확인이 필요합니다. 구매하기 전에 기업은 실행 볼륨 청구의 상한(현재 한도가 있는지 또는 금액 초과 후 추가 청구가 있는지 여부), AI 모듈의 토큰 수수료가 구독료에 포함되는지 여부, 데이터 상주 준수의 구체적인 구현 방법을 확인해야 합니다.

암묵적인 가격 책정 비용: Make의 가격표는 매우 명확해 보이지만 실제 사용에서는 쉽게 간과하기 쉬운 세 가지 비용이 있습니다. 첫째, 작업량의 정의 - 단일 실행에서 장면이 소비하는 작업 수는 장면의 복잡성에 따라 달라지며 복잡한 장면의 "작업 소비 계수"는 예상보다 훨씬 높을 수 있습니다. 둘째, AI 모듈의 LLM 토큰 수수료는 Make 가입비에 포함되지 않으며 AI 모델 제공자에게 추가 비용을 지불해야 합니다. 셋째, 팀 버전 이상은 시트 단위로 요금이 청구되어야 하며, 씬 관리자의 각 계정은 하나의 시트로 계산됩니다.

응용 시나리오 만들기

Make의 구현 시나리오는 시스템 간 협업과 표준화된 프로세스가 필요한 비즈니스 부문에 중점을 둡니다.

• 마케팅 팀을 위한 소셜 미디어 콘텐츠 자동화: RSS/API에서 콘텐츠를 자동으로 캡처하고 AI 모듈을 통해 요약 및 이미지 제안을 생성한 다음 여러 소셜 미디어 플랫폼에 게시합니다. 비용 절감 및 효율성 향상: "수작업 → 집필 → 일러스트레이션 → 출판"까지 콘텐츠 1개에 소요되는 일반적인 시간이 45분에서 10분 미만으로 단축되고, 뉴미디어 업무의 일일 평균 처리량도 4~6항목에서 12~15항목으로 늘어날 수 있습니다. 검증 핵심 사항: AI로 생성된 초록의 품질 일관성 및 다중 플랫폼 출판을 위한 시간 창 제어.
• 판매 리드 자동 처리 및 배포: 양식 제출 후 CRM 고객 정보를 자동으로 쿼리하고, AI가 리드 품질(높음/중간/낮음)을 분류하고 규칙에 따라 해당 판매에 할당한 후 최종적으로 데이터 대시보드에 기록합니다. 비용 절감 및 효율성 개선 공제: 리드 "제출부터 배포까지"의 일반적인 지연 시간이 몇 시간에서 몇 분으로 줄어들고 판매 후속 조치 효율성이 30~50% 증가합니다. 검증 핵심사항: AI 분류의 정확성과 오분류율, CRM 연계의 실시간성.
• 재정 조정 및 송장 처리: 이메일 첨부 파일에서 송장 PDF를 추출하면 AI가 비용 범주와 금액을 식별하여 회계 시스템에 기록하고 승인 알림을 보냅니다. 비용 절감 및 효율성 개선 공제: 단일 청구서의 수동 처리가 15분에서 3분으로 단축되었으며, 재무팀의 월별 처리량이 3~5배 증가했습니다. 검증 핵심사항: PDF OCR 인식 정확도 및 비정상 청구서에 대한 수동 롤백 처리가 원활한지 여부.
• AI 에이전트 중심 고객 서비스 전환: 사용자가 작업 주문을 제출하면 AI 에이전트가 문제 유형(기술/금융/회계)을 판단하여 자주 묻는 질문에 자동으로 답변하거나 해당 수동 고객 서비스를 이관합니다. 비용 절감 및 효율성 개선 공제: 주니어 고객 서비스의 표준화된 문제의 60~70%를 AI 노드에서 자동으로 처리할 수 있으며, 고객 서비스 팀의 인건비가 40~50% 절감됩니다. 검증 핵심 사항: 상담원의 오판율, 수동 연결로의 원활한 업그레이드, 민감한 주제에 대한 안전 여유.

인간-기계 협업 경계: 위 시나리오에서 AI 모듈은 표준화되고 질서정연한 정보 추출, 분류, 요약 생성 등을 수행하고 100% 자동화를 달성할 수 있습니다. 그러나 강력한 규정 준수 승인(금융 결제 확인, 계약 조항 검토 등), 되돌릴 수 없는 작업(고객 데이터 일괄 삭제, 대규모 이체 등), 고부가가치 고객 배송(VIP 고객 맞춤형 솔루션 등)의 경우 수동 확인 지점(Human-in-the-loop)을 설정해야 하며 시나리오 설계 중에 승인 단계 또는 알림 노드를 예약해야 합니다.

Make는 사람들에게 적합합니다.

Make의 복잡성으로 인해 모든 사람에게 적합하지 않다고 판단됩니다. "학습 비용 제로"를 추구하는 개인 사용자보다는 팀/조직 수준의 사용자에게 가장 적합합니다.

• 운영 및 사업팀: 매일 반복되는 시스템 간 프로세스를 표준화해야 하지만 개발 리소스가 부족합니다. Make의 시각적 시나리오 편집기를 사용하면 코드를 작성하지 않고도 자동화를 구축할 수 있습니다. 전제조건: 비즈니스 담당자는 자신의 프로세스에 대한 명확한 추상화 기능을 보유해야 합니다("트리거→조건→작업→출력"으로 분류 가능).
• IT 및 플랫폼팀: 커넥터 재사용, 권한 관리 및 실행 감사에 중점을 두고 여러 부서의 자동화 요구 사항에 대한 통합 관리를 담당합니다. 전제 조건: 팀에는 시나리오 템플릿을 검토하고 예외 처리를 구성할 수 있는 능력이 필요합니다.
• 제품 및 성장팀: 사용자 운영 프로세스(예: 개인화된 푸시 A/B 테스트 자동화 등)에 AI를 포함시키고 싶지만 개발 일정을 늘리고 싶지 않습니다. 전제조건: AI 장면의 출력 품질에는 수동 승인 노드가 필요합니다.

경계에 맞지 않음:

• 순수한 비동기/이벤트 중심 아키텍처가 필요한 시나리오: Make 시나리오는 정기적인 폴링 또는 Webhook 트리거링을 기반으로 하며 밀리초 수준의 실시간 응답 시나리오에는 적합하지 않습니다.
• 고도로 사용자 정의된 독창적인 디자인 시나리오(심층적인 긴 텍스트 생성, 복잡한 시각적 디자인 등): AI 모듈의 기능은 타사 모델에 의해 제한되며 생성 품질을 세밀하게 제어해야 하는 창의적인 시나리오에는 적합하지 않습니다.
• 개인용 조명 자동화: 무료 버전은 한도가 매우 낮고, 핵심 버전은 월 9달러부터 시작하는데, 이는 개인 스크립트 자동화 시나리오에 비해 너무 높습니다. n8n 또는 Activepieces의 자체 호스팅 솔루션은 이 범위에서 더 비용 효율적입니다.
• 데이터 주권 요구 사항이 매우 높은 시나리오: 올클라우드 아키텍처는 기본적으로 Make 서버를 통과합니다. Enterprise 버전은 프라이빗 클라우드를 제공하지만 비용이 높고 사업 확인이 필요합니다.

요약 및 전망

Make는 iPaaS 트랙의 "시각적 경험"으로 잘 알려져 있습니다. Make의 장면 편집기는 시장에서 가장 직관적이고 자동화된 디자인 도구 중 하나입니다. AI 모듈을 추가하면 지능형 워크플로우 구축을 위한 기술적 한계가 더욱 낮아집니다. 2000개 이상의 애플리케이션 커넥터가 주류 SaaS 생태계를 포괄하며 오류 처리 및 실행 안정성은 대부분의 오픈 소스 대안보다 우수합니다.

현재 제한사항:

• 무료 버전은 한도가 매우 낮습니다(1000개 작업/월). 프로덕션 사용을 위한 실제 월 비용은 $100~500 수준인 경우가 많습니다.
• AI 모듈은 타사 모델을 사용하며 LLM 토큰 수수료는 구독료에 포함되지 않으며 추가 회계가 필요합니다.
• 복잡한 시나리오(다수 브랜치 + AI 노드)의 실행 안정성은 여전히 ​​모니터링해야 하며, 특히 동시성 높은 일괄 처리 중에는 더욱 그렇습니다.
• 중국 커뮤니티와 중국 템플릿 리소스가 약하여 중국 사용자에게 암묵적인 사용 임계값을 제시합니다.
• Zapier의 사용자 기반 및 생태계와 비교할 때 중국/아시아 애플리케이션(예: DingTalk, WeChat Enterprise 및 Feishu)에서 Make의 커넥터 적용 범위에는 분명한 격차가 있습니다.

조달/채택 위험 평가: Make는 이미 프로세스 표준화를 위한 기반을 갖추고 있으며 중간 및 대규모 조직에서 시스템 간 자동화를 구현해야 하는 팀에 적합합니다. 무료 버전으로 파일럿을 시작하고 1~2개의 고부가가치 프로세스를 선택하여 장면 편집기의 구성 효율성과 대상 커넥터의 안정성을 확인한 다음 확인 후 전문가 버전으로 업그레이드하는 것이 좋습니다. 구매하기 전에 기업은 과도한 작업량 청구 처리 방법(현재 한도/추가 요금), AI 모듈에 대한 토큰 수수료 귀속, 데이터 상주 규정 준수를 위한 구체적인 구현 경로, 프라이빗 클라우드 배포에 대한 유지 관리 책임 분할 등의 조건을 영업 담당자에게 확인해야 합니다. 데이터 주권 요구 사항이 매우 높거나 예산이 제한된 팀의 경우 대안으로 n8n 또는 Activepieces의 자체 호스팅 옵션도 평가하는 것이 좋습니다.

관련 도구: 크루AI, 랭체인

버전 정보

• AI 기능 업데이트하기 ：GPT, Claude 및 기타 모델에 대한 액세스를 지원하기 위해 AI 변환기 모듈 및 AI 에이전트 노드를 추가했습니다. 아직 공식적인 정확한 날짜는 없습니다. （~2025-03）
• AI 실행 ：AI 모듈이 처음으로 도입되어 OpenAI 통합 및 텍스트 생성을 지원합니다. 아직 공식적인 정확한 날짜는 없습니다. （~2024-03）