TL;DR

  • 기업 인공지능(AI)의 확장 문제는 구조적이며, 지속적인 수익을 내는 기업은 모델 선택보다 프로세스 재설계를 앞세우는 접근을 취함.
  • 2026년 세계 AI 투자는 전년 대비 44% 증가한 2조 5,000억 달러에 이를 전망이지만, 다수 기업은 AI로 매출을 늘리거나 운영 방식을 근본적으로 재검토하지 못함.
  • 부서별로 분리된 지능은 기업 전체의 학습과 의사결정을 제한하며, 사람·프로세스·데이터를 실시간으로 연결하는 운영 모델이 요구됨.
  • AI 에이전트가 활용할 수 있는 데이터 기반은 데이터의 양보다 준비도에 달려 있으며, 데이터 이전이나 중앙화 없이 데이터가 있는 곳에서 조회하고 준비하는 구조가 핵심임.
  • 구성 가능한 아키텍처(composable architecture)와 데이터·모델의 위치 및 통제권에 대한 주권적 관리가 변화하는 모델, 도구, 규제 환경에 대한 적응성을 뒷받침함.

기업 AI 확장의 구조적 문제

  • AI 모델 역량은 대부분 조직이 흡수할 수 있는 속도보다 빠르게 발전하고, 성능 비용은 계속 낮아지는 중임.
  • 2026년 세계 AI 투자 규모는 2조 5,000억 달러로 전망되며, 전년 대비 44% 증가에 해당함.
  • 많은 기업에서 투자는 기능 간 분절을 낳음. 예를 들어 영업 에이전트가 미해결 고객 지원 티켓을 알지 못하거나, 마케팅 시스템이 재무 부서가 이미 파악한 고객 정보를 확인하지 않은 채 콘텐츠를 개인화할 수 있음.
  • 각 기능은 따로는 성과를 내더라도 기업 전체의 학습은 제한되며, 의사결정에 활용할 수 있는 정보도 줄어듦.
  • AI 투자가 빠르게 늘고 모델 역량이 발전하는 상황에서도 대다수 기업은 AI를 통해 매출을 키우거나 운영 방식을 근본적으로 재검토하지 못하고 있음.

도구에서 운영 모델로의 전환

  • 보고서가 ‘에이전틱 전환(agentic shift)’이라 부르는 변화는 AI를 도구로 쓰는 데서 AI를 운영 모델로 삼는 데로의 이동임.
  • 이 전환에는 더 나은 모델이나 더 빠른 인프라만으로는 부족하며, 사람·프로세스·데이터를 실시간으로 연결하고 지능을 신뢰성 있게 활용하기 위한 거버넌스와 통제가 필요함.
  • 아키텍처와 운영 모델을 동시에 재고해야 하며, 데이터 인프라를 데이터 규모 중심에서 접근성 중심으로 재구축하고 고정된 기술 스택을 변화에 대응하는 구성형 아키텍처로 바꾸는 방향임.
  • AI 주권에 관한 과제에는 지능이 어디에서 실행되는지, 누가 통제하는지, 조직 및 관할권의 경계를 넘어 어떻게 작동하는지가 포함됨.
  • 지속적인 수익을 내는 기업은 모델 선택보다 프로세스 재설계를 먼저 수행하고, 배포 후 역할과 워크플로를 맞추기보다 기술이 진화하는 방식을 고려해 설계함.
  • 이들 기업에서 에이전틱 전환은 운영 모델에서 시작됨.

데이터 준비도와 주권적 기반

  • AI의 효과를 누적할 수 있는 조건은 데이터의 풍부함이 아니라 데이터 준비도임. 데이터가 존재하는 것과 AI가 사용할 준비가 된 데이터가 있는 것은 서로 다름.
  • 주권적이고 구성 가능한 기반은 데이터를 이전하거나 중앙화하지 않고 데이터가 있는 위치에서 조회하고 준비해, 원시 데이터 자산을 AI 에이전트가 활용할 수 있는 지능으로 전환할 수 있음.
  • 데이터 현지화 법률, 멀티클라우드 환경, 구조적 복잡성이 중앙화를 갈수록 어렵게 만드는 상황에서 모델의 실행 위치와 데이터의 저장 위치를 주권적으로 통제하는 방식이 적응성을 유지하는 요소임.

콘텐츠 제작 고지

  • 이 콘텐츠는 MIT Technology Review 편집부가 아닌 맞춤형 콘텐츠 부문인 Insights가 제작함.
  • 조사와 작성은 사람이 담당했으며, 사용됐을 수 있는 AI 도구는 사람의 감독 아래 제작 과정에 한정됨.