에이전틱 AI 도입 전략: 앱 사이의 빈틈을 메우는 지능형 워크플로우

핵심 메시지

• 보안 때문에 사내에서 AI를 못 쓰는 상황은 개인의 성과 평가 문제로 번지고 있다. 대담에는 집에서 개인 계정으로 회사 일을 처리하다 결국 손을 뗀 직장인 사례가 등장한다.
• AI로 공부해온 세대가 입사하면 'AI 사이트가 다 막혀 있는데 어떻게 일하느냐'는 질문이 나올 것이고, 대부분의 회사는 아직 답을 준비하지 못했다.
• AI는 워드나 파워포인트 같은 단일 기능 앱을 대체하지 않는다. 워드와 협업 도구 사이, 협업 도구와 ERP 사이의 빈틈을 메우는 자리에 들어간다.
• 앱들이 이어지는 순간 지능형 워크플로우가 가능해지고, 흩어진 보고서 대신 회사 전체 흐름 위에서 의사결정을 할 수 있게 된다.
• RPA가 기계적 자동화에 그쳤던 자리를 에이전트가 채우고 있으며, 사내 시스템에 붙이려면 앱이 API를 얼마나 제공하는지가 도입 판단의 기준이 된다.

쉽게 이해하기

대담은 기업 보안 이야기로 시작한다. 국가보안시설로 지정된 기업조차 언어모델을 내려받아 사내망 안에서만 돌리는 방식을 검토하고 있다는 보도가 언급되고, 많은 대기업이 실제로 로컬 모델을 받아 챗봇을 만드는 방향을 택했다는 설명이 이어진다. 다만 같은 회사 안에서도 부서마다 사정이 달라, 인사 부서의 리더십 코칭 챗봇처럼 민감하지 않은 영역은 외부 API를 그대로 쓰기도 한다. 출연자는 이를 과도기로 본다. 결국 인프라가 클라우드로 옮겨가고, 주요 클라우드 사업자가 예외 없이 AI 모델 서비스를 함께 제공하는 이상, 업무 시스템 안에 AI 기능이 기본으로 들어오는 흐름은 시간문제라는 것이다.

이 대담에서 가장 오래 기억에 남는 대목은 한 직장인의 사례다. 챗GPT가 나오자마자 유료로 결제하고 여러 AI 도구를 개인 취미처럼 써온 사람이었다. 팀장이 촉박한 일정으로 보고서를 요구하자, 그는 보안 때문에 파일을 메일로 보내지 못해 내용을 메모하거나 외워 집으로 가져가서 AI로 처리했다. 결과는 좋았고 팀장도 만족했다. 그런데 회사 일을 집으로 가져가는 것도, 회사 일에 자기 돈을 쓰는 것도 계속 반복되자 회의가 찾아왔다. 그가 AI와 거리를 두고 회사 환경에 맞춰 일하기 시작하자, 2~3일이면 나오던 보고서가 1~2주씩 걸리게 됐고 팀장은 '왜 갑자기 일을 못 하느냐'며 불만을 드러냈다. 개인의 도구 선택이 아니라 조직의 준비 문제라는 것을 보여주는 장면이다.

출연자는 더 큰 문제가 신입사원에게서 터질 것이라고 본다. 요즘 대학생과 대학원생은 태블릿에서 논문을 요약시키고 예상 과제 질문을 뽑아보며 공부한다. 그런 사람들이 입사해 '노트북에 AI가 없고 AI 사이트가 다 막혀 있는데 어떻게 일하느냐'고 물으면 회사는 무엇이라고 답할 것인가. 대담에서는 이를 오피스 프로그램이 깔려 있지 않은 노트북을 받는 상황에 비유한다. AI 트랜스포메이션을 내걸고 교육을 하겠다는 회사는 많지만, 정작 신입이 마음먹고 써보려 할 때 뒷받침할 준비는 대체로 부족하다는 지적이다.

그렇다면 AI를 어디에 적용해야 하는가. 출연자는 '도구가 없어서 일을 못 하는 경우는 거의 없다'는 반론에서 출발한다. 그러면서 오래전 사내 우편 배달 체계가 있으니 이메일이 왜 필요하냐던 회사 이야기를 꺼낸다. 부서마다 공용 계정 하나만 두고, 사내에서 서류 주머니를 들고 한 시간마다 각 부서를 도는 사람이 있으니 충분하다고 했던 시절이다. 지금 ERP도 CRM도 다 있는데 왜 AI가 필요하냐는 반문이 그와 겹친다는 것이다.

핵심 주장은 여기서 나온다. AI는 개별 앱을 대체하지 않는다. 아무리 좋은 AI라도 워드나 파워포인트를 대신하지는 못한다. 대신 워드와 협업 도구 사이, 협업 도구와 사내 공지 시스템이나 ERP 사이에 있는 빈틈으로 들어가 연결성을 제공한다. 곡물 가격을 예측해야 하는 회사를 예로 들면, 날씨와 물류, 곡물 생산국의 지정학 정보를 추적하는 시스템은 이미 각각 존재한다. 흩어진 데이터를 모아 분석하고 위험 신호를 짚어주는 것이 AI의 몫이라는 설명이다. 그렇게 앱들이 이어지면 지능형 워크플로우가 만들어지고, 재고와 물류, 생산과 인사를 따로 보고받던 방식에서 벗어나 회사 전체의 흐름 위에서 판단할 수 있게 된다.

대담 후반부에는 실제 시연이 나온다. 동남아시아의 냉난방공조 제조 파트너를 찾되 품질 인증을 보유하고, 매출이 일정 규모 이상이며, 한국 기업과 거래한 경험이 있고, 부패나 부정적 보도가 없어야 한다는 복합 조건을 AI에게 던진 사례다. 예전이라면 검색어를 잘게 쪼개 따로 찾은 뒤 사람이 취합해야 했을 일을, 에이전트는 후보를 찾고 전문 분야를 확인하고 거래 이력을 교차 검증한 다음 뉴스에서 부정 이슈까지 훑어 목록을 내놓는다. 이어 대시보드로 만들어 달라고 하자 강점과 약점, 고려사항까지 정리했고 한 곳은 부정적 보도를 이유로 보류를 권했다. 다만 파워포인트 파일로 만들어 달라는 요청에는 직접 만들 수 없고 구성 아이디어만 줄 수 있다고 답했다.

사내 데이터를 다뤄야 하는 기업을 위해서는 오픈소스 에이전트가 대안으로 제시된다. 소스 코드가 공개된 도구를 내려받아 API 연결을 외부가 아닌 사내 레거시 시스템 쪽으로 붙이면, 공개 인터넷 데이터로 시연한 것과 비슷한 수준의 답을 사내 시스템 위에서 얻을 수 있다는 설명이다. 이 때문에 기업의 애플리케이션 관리 관점도 달라진다. 예전에는 앱마다 독립적으로 잘 돌아가면 됐지만, 이제는 어떻게 연결하고 확장할지가 중요해졌고 API를 몇 개나 제공하는지가 도입 결정의 기준이 됐다. 클라우드 SaaS는 대체로 API를 제공하므로 아이디어 싸움이 되지만, API가 없는 온프레미스 시스템은 개발을 통해 API 허브로 묶어야 한다.

주요 인사이트

• 보안 정책과 AI 활용 사이의 공백을 개인이 자기 시간과 돈으로 메우는 구조는 오래 가지 못한다. 성과 평가는 이미 AI를 쓴 결과물을 기준으로 조정되고 있기 때문이다.
• 'AI를 위한 AI 도입 아니냐'는 반문은 이메일이 필요 없다던 시절의 논리와 닮았다. 도구가 부족해서가 아니라 도구 사이의 단절 때문에 생기는 비효율이 문제라는 관점 전환이 필요하다.
• AI를 적용할 지점을 찾는 방법은 개인과 조직이 같다. 개인은 자기 일의 앞뒤 맥락을 분해하고, 조직은 애플리케이션 구조에서 빈틈을 찾는다는 것이 대담의 결론이다.
• 에이전트의 실질은 사람처럼 대답하는 챗봇이 아니라, 회사의 애플리케이션을 깊이 이해하고 연결된 상태에서 새로운 통찰을 만들어내는 존재라는 정의가 명확하다.
• 업무를 잘게 쪼개 효율을 극대화해온 방식이 AI로 다시 통합되고 있다는 진단은, 맥락 전체를 보는 '풀스택 워커' 개념으로 이어진다.
• API 제공 여부가 솔루션 도입의 판단 기준이 됐다는 지적은, AI 도입 논의가 모델 선택이 아니라 시스템 연결 구조의 문제임을 보여준다.

자주 묻는 질문

관련 AI 소식