Shinsegae I & C

✍🏻 Editor’s Note
○ 생성형 AI가 답변과 콘텐츠 생성을 넘어 실제 업무를 수행하는 AI 에이전트로 활용 범위가 넓어지고 있습니다
○ 기업들은 왜 AI 에이전트에 주목하고 있을까요? 기존 생성형 AI와 차이부터 최근 트렌드, 기업이 함께 고민해야 할 과제까지 살펴봅니다.

생성형 AI가 문서 작성과 정보 요약, 아이디어 도출 등 다양한 업무에 빠르게 활용되며 AI 활용의 대중화를 이끌었다면 최근에는 여기서 한 단계 더 나아가 AI가 스스로 업무를 계획하고 실행하는 ‘AI 에이전트’가 주목받고 있습니다. 기존 생성형 AI가 수행하는 업무를 보다 효율적으로 보조하는 데 강점이 있었다면, 능동적으로 업무를 실행하는 데까지 그 역할을 확대하고 있습니다.

마케팅 캠페인을 예로 들어볼까요? 기존 생성형 AI는 캠페인 성과 데이터를 요약·분석하고 다음 캠페인 전략이나 콘텐츠 초안을 제안했다면, AI 에이전트는 광고 플랫폼이나 고객 데이터·분석 시스템과 연계해 데이터를 직접 확인하고 인사이트를 반영한 캠페인 구성부터 세팅, 실행 준비까지 이어서 수행할 수 있습니다.

※ 본 이미지의 무단 사용 및 복제를 금합니다.
 

🪜 여러 단계의 업무를 하나의 흐름으로
AI 에이전트는 좋은 답변을 만드는 데서 끝나지 않고 기업의 데이터와 업무 시스템, 각종 애플리케이션과 연결돼 실제 업무를 처리합니다. 필요한 정보를 찾고 여러 단계를 순서대로 수행하며 결과에 따라 다음 행동을 스스로 결정하기도 합니다.

실제 기업 업무는 대부분 한 번의 질문이나 작업으로 끝나지 않습니다. 마케팅 캠페인만 해도 고객 데이터 분석 → 타깃 선정 → 메시지 작성 → 캠페인 실행 → 결과 분석 → 다음 전략 수립처럼 여러 단계가 이어집니다.

기존 생성형 AI도 각 단계에서 도움을 줄 수 있었지만 단계가 바뀔 때마다 사람이 다시 정보를 입력하거나 여러 시스템을 오가며 다음 업무를 이어줘야 했습니다. AI 에이전트가 주목받는 이유는 바로 이 지점입니다. 각각 나뉘어 있던 업무 단계를 하나의 흐름으로 연결하고 앞선 결과를 바탕으로 다음 작업까지 이어갈 수 있기 때문인데요.

최근에는 하나의 AI 에이전트가 모든 일을 맡기보다 데이터 분석, 문서 작성, 검증 등 각 단계에 특화된 여러 AI가 역할을 나눠 하나의 업무를 완성하는 멀티 에이전트 방식도 활용되고 있습니다.

🚀 요즘 AI 에이전트, 어디까지 왔을까?
AI 에이전트가 실제 업무와 서비스로 들어오면서 단순한 업무 자동화를 넘어 새로운 변화도 나타나고 있습니다.

AI가 ERP, CRM, 이메일 등 여러 내부 업무 시스템에 직접 접근하기 시작하면서 AI 에이전트 자체를 내부 사용자처럼 관리해야 한다는 인식이 커지고 있죠. 어떤 데이터에 접근할 수 있는지, 조회와 수정·발송 권한을 어떻게 구분할 것인지가 새로운 관리 과제가 된 것입니다.

대고객 서비스에 적용된 AI 에이전트는 제로클릭 흐름을 만들어 냅니다. 사용자가 직접 여러 플랫폼을 검색하고 비교하는 대신 AI 에이전트가 상품이나 여행 정보를 탐색·비교하고 구매·예약 같은 다음 행동까지 연결하는 방식입니다. AI가 소비자와 서비스 사이의 새로운 접점으로 떠오르면서 플랫폼의 역할과 경쟁 방식까지 달라질 수 있다는 전망도 나옵니다.

AI끼리 협업하기 위한 움직임도 빨라지고 있습니다. AI와 외부 데이터·도구를 연결하는 MCP(Model Context Protocol), 서로 다른 AI 에이전트가 정보를 주고받고 협업하도록 지원하는 A2A(Agent2Agent)와 같은 개념이 등장하면서 하나의 AI가 얼마나 똑똑한지를 넘어 여러 데이터와 시스템, AI를 얼마나 잘 연결할 수 있는지도 중요해지고 있죠.

최근에는 에이전트가 스스로 작업을 반복하고 검증하는 구조를 설계하는 루프 엔지니어링도 새로운 화두로 떠오르고 있습니다. 기존에는 사람이 프롬프트를 입력하고 결과를 확인한 뒤 다시 지시했다면 이제는 AI가 할 일을 찾고 → 실행하고 → 결과를 검증하고 → 필요하면 다시 시도하는 과정을 반복하도록 설계하는 방식입니다. 이에 따라 이용자(사람)의 역할도 AI에게 매번 세부 지시를 내리는 것에서 목표와 완료 기준을 정하고 AI가 스스로 일할 수 있는 구조를 설계·관리하는 방향으로 바뀌고 있습니다.

🤖 똑똑한 AI보다 중요한 건 ‘우리 회사 일을 아는 AI’
이제 기업들은 ‘어떤 AI 모델을 사용할까?’에서 한 단계 더 나아가 ‘AI를 우리 업무에 어떻게 연결할까?’를 고민합니다.

AI 에이전트가 제대로 일하려면 사내 문서와 데이터, 업무 시스템 등 기업 고유의 업무 맥락을 이해해야 합니다. 같은 “지난달 실적을 분석해줘”라는 요청도 회사가 무엇을 실적으로 정의하는지, 어떤 데이터를 기준으로 판단하는지를 알아야 실제 업무에 활용할 수 있는 결과가 나오기 때문이죠.

업무 맥락을 잘 이해하는 것만큼 중요한 것이 AI의 역할과 권한을 명확히 정하는 것입니다. AI에게 어떤 데이터까지 보여줄지, 어떤 시스템에 접근하도록 할지, 어느 단계에서 사람의 검토∙승인을 받게 할지 함께 설계해야 합니다. 이때 중요한 원칙 중 하나가 ‘Human-in-the-loop’입니다. AI가 데이터를 분석하고 의사결정을 보조하더라도 중요한 판단이나 실행 단계에서는 사람이 결과를 검토하고 최종 승인하는 구조를 적용하는 거죠. AI의 자율성은 활용하되 최종 판단과 책임은 사람이 맡는 체계를 갖추는 것이 핵심입니다.

동시에 AI의 업무 중 활동을 지속 관리하는 체계도 필요합니다. 특히 고객 정보나 기업 내부 데이터를 다루는 경우 접근 권한, 보안, 결과 검증, 이력 관리가 중요합니다. 일정을 조회하는 것과 직접 변경하는 것, 문서를 읽는 것과 외부로 발송하는 것은 각각 다른 수준의 통제가 필요하기 때문이죠.

결국 AI 에이전트 활용의 핵심은 더 많은 일을 맡기는 것을 넘어 우리 회사의 업무 맥락을 충분히 이해시키고 AI와 사람의 역할과 권한을 적절하게 설계하는 것에 있습니다.

※ 본 이미지의 무단 사용 및 복제를 금합니다.
 

AI 에이전트가 실제 업무에 들어오면서 기업의 일하는 방식도 조금씩 달라지고 있습니다. 사람이 모든 과정을 직접 수행하기보다 AI가 반복적인 정보 탐색과 실행을 맡고 사람은 판단과 의사결정, 새로운 아이디어가 필요한 업무에 더 집중하는 방식으로 역할이 나뉘고 있죠. 결국 AI 에이전트의 확산은 단순한 업무 자동화를 넘어 사람과 AI가 함께 일하는 방식을 다시 정의하는 변화에 가깝습니다.

답하는 AI에서 실제 업무를 함께 수행하는 AI로 – 기업의 일하는 방식은 이제 또 한 번의 변화를 맞고 있습니다.

__

· 본 게시글은 신세계아이앤씨에 저작권이 있습니다.

· 본 게시글은 사전 동의 없는 2차 가공 및 영리적 이용을 금지합니다.

· 콘텐츠 사용 시 ‘신세계아이앤씨’로 출처 표기 부탁 드립니다.