AI 에이전트를 강력히 추천하는 플랫폼인 MMC에서 새롭게 출간한 기사 "에이전트 AI의 현황: 창립자 에디션"은 문제에 대한 견고한 데이터와 분석을 제공할 뿐만 아니라 실행 가능한 솔루션도 제시합니다. 2025년은 AI 에이전트의 해로 널리 알려져 있으며, "에이전트 AI"가 엄청나게 인기를 얻고 딥 리서치, 코딩 에이전트, 브라우저 애플리케이션, 컴퓨터 애플리케이션 등 새로운 제품이 대거 등장했습니다. 물론 에이전트를 둘러싼 논란은 많습니다. 어떤 사람들은 에이전트가 쓸모없다고 생각하는 반면, 어떤 사람들은 전능하다고 생각합니다. 둘 다 이해할 수 있습니다. 모두 주관적이고, 사람마다 사용 사례가 다르기 때문입니다. 예를 들어, 저는 개인적으로 코딩 에이전트를 정말 좋아합니다. 코딩 에이전트는 문제를 진정으로 해결해 주기 때문입니다. 하지만 이러한 논쟁은 데이터가 뒷받침될 때 훨씬 더 설득력이 커집니다. 예를 들어, 이러한 에이전트가 실제 비즈니스에서 실제로 사용되고 있을까요? MMC는 AI 에이전트를 개발하는 30개 이상의 스타트업 창업자와 기업의 실제 사용자 40명 이상을 대상으로 심층 인터뷰를 진행하여 "에이전트 AI의 현황: 창업자 편"이라는 보고서를 작성했습니다. [1] AI 에이전트를 실제로 제한하는 것은 AI가 충분히 똑똑하지 않다는 것이 아닐 수도 있습니다. 대부분의 사람들은 현재 상담원이 겪는 가장 큰 과제는 "AI가 충분히 똑똑하지 않다", "환상이 너무 강하다", "현재 시스템과 통합하기가 너무 어렵다"는 점이라고 생각합니다. 이는 분명 문제이지만, 놀랍게도 창업자들은 이를 상위 3위 안에도 넣지 않았습니다. 조사에 따르면 AI 에이전트를 배포할 때 발생하는 세 가지 주요 문제는 다음과 같습니다. 1. 워크플로 통합 및 인간-컴퓨터 상호 작용(60%) 2. 직원의 저항 및 비기술적 요인(50% 차지) 3. 데이터 개인정보 보호 및 보안(50%) 즉, 가장 큰 장애물은 '사람'과 '프로세스'의 문제입니다. 1. "이걸 어떻게 사용하나요?" (워크플로 통합) 이것이 가장 큰 과제로 60%를 차지합니다. AI 에이전트가 아무리 강력하더라도 별도로 열어야 하는 앱이고, 직원들이 기존 업무용 소프트웨어(예: DingTalk, Lark, Salesforce) 외에 새 창을 열어서 명령을 내려야 하는 경우라면 사용률은 낮을 수밖에 없습니다. 성공적인 통합은 직원의 기존 워크플로에 AI를 내장하는 것을 의미합니다. 예를 들어, 영업 사원이 CRM에서 고객 상태를 업데이트하면 AI 상담원이 자동으로 팝업 창을 띄워 "회의록을 요약해 드렸습니다."라고 알려줍니다. 이는 더 이상 단순한 기술적인 문제가 아닙니다. 기업의 사고방식 전환이 필요합니다. 기업은 먼저 "이러한 AI 에이전트를 통합하기 위해 기존 워크플로를 어떻게 수정해야 할까?"라는 질문을 던져야 합니다. 이는 단순히 AI 에이전트를 구매하는 것보다 훨씬 더 어려운 경우가 많습니다. 2. "내 일자리를 빼앗아갈까?" (직원들의 저항) 이는 창업자의 50%가 언급한 신뢰 위기입니다. 우리는 현실을 인정해야 합니다. 기업에서 인간과 AI의 협업은 현재 대부분 불쾌합니다. 한 가지 유형은 "과도한 의존"입니다. 직원이 직접 확인하지 않고 모든 작업을 AI에 맡기는 경우, AI가 고객에게 잘못된 가격을 제공하는 등 실수를 저지르게 되고 이는 재앙으로 이어질 수 있습니다. 한 가지 유형은 "과도한 회의주의"입니다. 직원들은 AI를 전혀 신뢰하지 않고, AI가 수행하는 모든 단계를 직접 확인해야 합니다. 이는 효율성을 향상시키지 못할 뿐만 아니라 업무량도 증가시킵니다. 더 깊은 차원에서는 AI에 의해 대체될 수 있다는 두려움이 있습니다. 이로 인해 직원들은 AI 사용을 주저하거나, 겉으로는 순응하지만 속으로는 반항적인 태도를 보이며 협조를 꺼리게 됩니다. 3. "내 데이터를 AI에 제공하는 것이 안전할까요?" (데이터 개인정보 보호) 이는 창업자의 50%가 언급한 핵심적인 관심사이기도 합니다. 이 문제는 금융이나 의료와 같은 산업에서 특히 심각합니다. 기업들은 "내부 재무제표와 고객 의료 기록을 이 AI 에이전트에게 분석을 위해 넘기면, 이 데이터가 다른 모델을 훈련하는 데 사용될까? 유출될까?"라고 걱정합니다. 이러한 우려 중 일부는 GDPR이나 ISO 27001과 같은 규정 준수 인증의 필요성과 같이 현실적인 반면, 다른 우려는 순전히 주관적입니다. 이유가 무엇이든, 이러한 우려는 모두 기업들이 이러한 시스템 구축을 주저하게 만듭니다. [2] 우수한 성능을 보이는 AI Agent : 높은 정확도와 높은 자율성 이렇게 많은 어려움 속에서도, 실제로 좋은 성과를 내고 있는 AI 에이전트들은 얼마나 좋은 성과를 내고 있을까? 이 보고서에서 가장 가치 있는 정보 중 하나는 현재 AI 에이전트를 정확도와 자율성이라는 두 가지 측면에서 정량화하는 접근 방식입니다. - 정확도: AI가 수행하는 작업 중 인간이 정확하고 수용할 수 있는 작업은 몇 퍼센트입니까? - 자율성: AI는 인간의 개입 없이 어느 정도까지 작동할 수 있는가? 이상적으로는 높은 정확도와 높은 자율성을 모두 갖춰야 합니다. 하지만 실제로는 에이전트 스타트업의 90% 이상이 자사 솔루션의 정확도가 70%를 넘는다고 주장합니다. 따라서 MMC는 에이전트를 세 가지 범주로 구분합니다(정확도와 자율성이 낮은 에이전트는 존재할 가치가 없습니다). 1. 높은 정확도와 높은 자율성: 위험도가 낮고 반복 횟수가 많으며 검증이 쉬운 작업 시나리오에 적합합니다. 예를 들어, 대량의 마케팅 이메일에 자동으로 태그를 지정하는 경우입니다. AI가 30%의 태그를 잘못 입력하더라도 이미 1,000개의 이메일을 처리해 주므로, 명백히 잘못된 이메일만 수동으로 수정하면 됩니다. 전반적으로 순수한 수동 작업보다 효율성이 훨씬 뛰어납니다. 2. 높은 정확도, 낮은 자율성: 의료 분야와 같이 고위험 고부가가치 분야에 적합합니다. 예를 들어, AI는 임상시험 연구 보고서 작성을 지원할 수 있습니다. 90% 이상의 정확도를 보장해야 하지만, 인간 전문가가 모든 단계에서 엄격한 검토를 수행해야 합니다(자율성이 낮음). AI는 "의사결정자"가 아닌 "슈퍼 어시스턴트" 역할을 합니다. 3. 높은 정확도 + 높은 자율성: 이는 모두가 열망하는 이상적인 "스위트 스팟"으로 볼 수 있습니다. 고객 서비스, 사이버 보안, 재무 규정 준수와 같이 AI 구축이 비교적 성숙되었거나 규칙 경계가 명확하게 정의된 분야에 적합합니다. 이러한 시나리오에서 AI 에이전트는 이미 충분히 신뢰할 수 있으며 80~90%의 정확도와 자율성을 달성하고 있으며, 작업을 처음부터 끝까지 처리할 수 있는 높은 자율성을 부여받을 수 있습니다. 보고서는 여기서 핵심은 확률론적 대규모 언어 모델과 더욱 결정론적인 AI 방법을 결합하여 정확도를 높이고 자율성을 더욱 강화하는 것이라고 언급합니다. [3] 기업들은 에이전트에게 비용을 지불하기 시작했습니다. AI 에이전트의 실제 적용에 대해 논의할 때, 가격 책정 문제는 피할 수 없습니다. 돈을 태우는 것에만 의존하는 것은 지속 가능하지 않기 때문입니다. 좋은 소식은 기업들이 실제로 이에 대한 비용을 지불하기 시작했다는 것입니다. 보고서에 따르면 AI 에이전트 스타트업의 62%가 이미 회사로부터 "사업 부문 예산"을 받은 것으로 나타났습니다. 이는 매우 긍정적인 신호입니다. 많은 사람들이 대기업에는 두 가지 유형의 예산이 있다는 사실을 모르고 있을 것입니다. 하나는 "혁신 예산"이라고 불리는 소규모 기금 또는 실험적 자금입니다. 큰 금액은 아니며, 소진되면 정산됩니다. 누구나 새로운 것을 시도하고 싶어 합니다. "사업부문 예산"이란 각 부서(영업부, 마케팅부, 재무부 등)가 핵심사업을 운영하기 위해 지출하는 금액을 말합니다. AI 에이전트가 "사업 라인 예산"을 사용하기 시작하면 일회용 장난감에서 내가 일을 처리하는 데 도움이 되는 생산성 도구로 변모했다는 것을 의미합니다. 나쁜 소식은 우리가 아직 가장 좋은 가격 책정 모델을 찾지 못했다는 것입니다. 모두가 이 물건의 가치를 알고 있지만, 정확히 어떤 가격을 책정해야 할까요? 보고서에 따르면 모두가 아직 이 문제를 해결하지 못하고 있으며, 두 가지 주요 접근 방식은 다음과 같습니다. 1. 하이브리드 가격 책정(23%): 예를 들어, "기본 서비스 요금 + 초과분에 대한 사용량에 따른 지불"입니다. 2. 작업별(23%): AI는 작업(예: 송장 발행)을 완료하도록 돕고 한 번만 돈을 수금합니다. 가장 기대되는 성과급(OPP) 모델을 현재 사용하는 기업은 3%에 불과합니다. 왜요? 너무 어렵거든요. 예를 들어, "영업 AI 비서"가 영업팀의 큰 거래를 성사시키는 데 도움을 줬다고 가정해 보겠습니다. 80%의 공로를 영업팀에 돌려야 할까요, 아니면 20%를 AI에게 돌려야 할까요? 이는 어떻게 측정해야 할까요? AI가 기여하지 않는다면, 회사는 AI에게 비용을 지불하지 않아도 될까요? 정확하게 계산하는 것은 불가능합니다. 따라서 현재로선 결과가 아닌 노력에 따라 대가를 지불하는 것이 가장 현실적인 접근 방식입니다. [4] 가장 중요한 부분 : AI Agent의 성공적인 구축 전략 AI 에이전트를 구현하는 것이 얼마나 어려운지 생각해 보면, 성공적인 에이전트 회사는 어떻게 기업 고객을 설득할 수 있을까요? MMC의 인터뷰를 통해 매우 실용적인 구현 경험이 도출되었습니다. 팁 1: "작은 것을 생각하세요" 보고서는 매우 실용적인 구현 전략을 요약합니다. 작게 생각하세요. "산업을 완전히 파괴한다"거나 "인간을 완전히 대체한다"는 거창한 이야기는 잊어버리세요. 성공적인 AI 에이전트는 종종 매우 작고 구체적인 관점에서 시작합니다. - 시작점: 위험이 적고 보상이 적당한 작업을 선택하세요. - 핵심: 직원들이 가장 싫어하는 업무를 선택하세요. 예를 들어, 영업팀에게 가장 귀찮은 업무는 고객 데이터를 직접 입력하는 것이고, 재무팀에게 가장 귀찮은 업무는 송장 확인입니다. - 포지셔닝: 절대로 "대체자"라고 말하지 말고, "부조종사"라고 말하세요. 여러분의 목표는 상사가 직원을 해고하도록 하는 것이 아니라, 반복적이고 지루하며 원치 않는 업무로부터 직원을 해방시키는 것입니다. 직원들이 AI 덕분에 매주 5시간씩 양식을 작성하는 데 드는 시간을 절약할 수 있다는 사실을 알게 되면서 마침내 신뢰의 씨앗이 심어졌습니다. 비밀 #2: 손잡기 현재 AI 에이전트는 플러그 앤 플레이 방식과는 거리가 멉니다. 기업들은 단순히 소프트웨어만 구매하는 것이 아니라, 완전한 지원 서비스까지 구매하고 있습니다. 성공적인 스타트업은 모두 "FDE(Frontline Deployment Engineer)" 모델을 사용합니다. FDE는 프로그래머이자 컨설턴트로서, 고객 사무실을 직접 방문하여 프로세스 간소화, 데이터 정리, AI 단계적 조정을 지원합니다. 동시에, 인간-컴퓨터 상호작용 인터페이스는 "3E"를 달성해야 합니다. 1. 교육: AI는 사용자에게 "내가 무엇을 할 수 있는지, 그리고 어떻게 사용해야 하는지"를 사전에 가르칠 수 있어야 합니다. 2. 엔터테인먼트: 상호작용적이고 재미있습니다. 3. 기대 관리: AI는 "내가 할 수 없는 일"에 대해 사용자에게 솔직해야 하며 과장을 피해야 합니다. 비밀 #3: 위치가 생사를 결정한다 결국, 당신이 누구인지를 "말하는" 방식이 당신이 "누구인가"보다 더 중요할 수도 있습니다. - "대체"가 아니라 "조종사"입니다. * 항상 겸손한 태도를 유지하세요. 귀사의 제품은 직원의 역량을 "대체"하기 위한 것이 아니라 "보조"하기 위해 설계된 "부조종사"입니다. 설령 귀사의 기술이 실제로 직원의 80%를 대체할 수 있다고 해도, 절대 그런 말은 하지 마세요. - 사람들의 지위에 따라 다르게 대우하세요. 의료와 같은 보수적인 산업에서는 "AI"에 대한 이야기는 줄이고 "자동화"와 "효율성 개선"에 대한 이야기를 더 많이 하는 게 좋습니다. 금융과 같은 급진적인 산업에서는 최첨단인 것처럼 보이려면 "에이전트 AI"를 과장해서 홍보해야 합니다. - ROI는 구체적이어야 합니다. 성숙한 프로세스의 경우 "XX시간 절약" 또는 "XX% 비용 절감"이라고 말합니다. * AI가 만든 새로운 기능(예: 개인화된 웹 페이지)의 경우 기존 도구에 연결하세요. 예를 들어 "Google Ads 전환율을 20% 높일 수 있습니다"라고 설명하세요. 【마침내】 솔직히 말해서, 올해 초에는 AI 에이전트에 대해 회의적이었습니다. 하지만 클로드 코드를 접한 이후로 AI 에이전트의 열렬한 팬이자 강력한 지지자가 되었고, 이 분야의 발전을 면밀히 지켜보고 있습니다. 이 보고서는 매우 훌륭하며, 특히 저에게 가장 인상 깊었던 부분은 다음과 같습니다. AI 에이전트 구축의 성공 또는 실패를 결정하는 가장 중요한 요소는 더 이상 모델의 강점이 아니라, 모델의 회사 내부 프로세스와의 통합 방식, 직원 보행자 데이터를 얻는 방식, 그리고 모델의 가치를 입증하는 방식입니다. 또한, AI 에이전트를 정확도와 주도성이라는 두 가지 측면에서 정량화하고 평가하는 것은 매우 과학적입니다. 현재 많은 AI 에이전트는 높은 주도성을 보이지만 정확도가 부족하거나, 정확도는 높지만 주도성이 부족할 수 있습니다. 좋은 에이전트가 되려면 궁극적으로 높은 감성 지능을 가진 사람처럼 행동하고, 사용자가 말하기도 전에 사용자의 요구를 이해하고, 사용자를 위해 조용히 작업을 처리해야 합니다.
원본 기사를 전부mmc.vc/research/state…co/Fbaoyu.io/translations/s…t.co/b4YslzEU2I