국내 기업 AX 소식: AI 에이전트가 개인 도구에서 현장과 조직의 일하는 방식으로 (11월 2일 묶음)

11월 1일에 나온 두 기사는 AI 에이전트를 개인이 쓰는 도구에서 팀의 업무 절차 안으로 옮기는 장면입니다. HD현대로보틱스는 에이전트가 로봇 프로그램 개선안을 먼저 내고 현장 엔지니어가 보완하게 해 업무 기간을 평균 63% 줄였습니다. SK텔레콤은 직원 4,000명 이상이 만든 에이전트 약 1,500개를 조직 성과로 잇기 위해 데이터 접근, 보안, 평가 제도부터 다시 짭니다. 따라 하려면 에이전트 수보다 업무 단위의 기준선과 데이터 접근 규칙을 먼저 정해야 합니다.

요약

이번 묶음은 11월 1일 국내 매체에 실린 기업 AX 기사 2건입니다. 디일렉 박종우 기자는 HD현대로보틱스가 Palantir(팔란티어)와 피지컬 AI(로봇처럼 물리 세계에서 움직이는 AI) 협력을 넓힌다고 전했습니다. 안성환 CTO가 미국 뉴욕에서 열린 Palantir의 소버리니티 부트캠프에서 기조연설을 하며 협력 성과를 소개했습니다. 협력의 뼈대는 AI, 시뮬레이션, 엔지니어 판단을 한 흐름으로 묶는 것입니다. 인공지능신문 전미준 기자는 SK텔레콤의 ‘AX 혁신 2.0’을 다뤘습니다. 방향은 ‘개인에서 조직으로, 편의에서 실용으로’입니다. 직원 한 사람의 편의를 넘어 데이터 접근, 보안, 시스템 연계 문제를 풀어 조직 단위 생산성으로 잇겠다는 계획입니다.

두 회사가 내건 결과의 성격은 다릅니다. HD현대로보틱스는 8월부터 문제 해결 업무에 AI 에이전트를 들여 업무 소요 기간을 평균 21.5일에서 7.9일로 줄였다고 밝혔습니다. 로봇 프로그래밍 비용은 50% 이상 줄 것으로 기대합니다. SK텔레콤이 밝힌 숫자는 확산 규모입니다. 직원 4,000명 이상이 에이전트를 직접 만들었고 사내에서 정기적으로 쓰는 에이전트는 약 1,500개입니다. 회사는 도입 초기에 재교육, 업무 재설계, 데이터 정비, 시스템 연계로 생산성이 잠시 떨어지는 구간을 ‘AX J커브의 골짜기’라 부르고 이를 넘을 기술과 제도를 내놨습니다. 기사도 에이전트 수만으로는 생산성 효과를 말할 수 없고 처리 시간, 비용, 협업 효율로 확인해야 한다고 짚었습니다. 두 사례 모두 AI가 먼저 초안을 내고 사람이 판단하는 분업을 업무 절차에 넣는 일입니다. 아래에서는 사례를 정리한 뒤 이 분업을 따라 할 때 필요한 기술과 현업 디테일을 덧붙입니다.

사례별 정리

HD현대로보틱스: AI 에이전트가 로봇 프로그램 개선안을 먼저 내고 엔지니어가 보완해 업무 기간이 63% 줄었다

• 상황: 현장에 피지컬 AI를 적용하려면 업무 방식과 현장 엔지니어의 역할부터 바꿔야 한다는 것이 Palantir와의 협력 출발점입니다. 기사에 기존 업무의 구체적인 문제는 나오지 않습니다.
• 한 일: 8월부터 Palantir와 함께 문제 해결 업무에 AI 에이전트를 들였습니다. 에이전트가 기존 로봇 프로그램을 분석해 개선 방안을 내면 현장 엔지니어가 자기 경험으로 보완합니다. 현장 엔지니어는 문제를 정의하고 AI로 해법을 구현하는 ‘현장 솔루션 전문가’로 키울 계획입니다.
• 결과(회사 발표): 업무 소요 기간이 평균 21.5일에서 7.9일로 63% 줄었습니다. 로봇 프로그래밍 비용은 50% 이상 절감을 기대하는 단계입니다. 대상 과제 수와 측정 방식은 기사에 나오지 않습니다.
• 다음 계획: 주요 경영진이 참여하는 운영위원회를 정기적으로 열어 과제의 방향과 우선순위를 정하고 성과를 낼 활용 사례를 계속 찾습니다. Palantir 쪽은 단기간에 잴 수 있는 성과가 나오는 과제부터 진행한다고 밝혔습니다.
• 배경: Palantir는 2021년 HD현대오일뱅크에 240억 원 규모 지분을 투자했고 올해 1월 HD현대와 수억 달러 규모 소프트웨어 공급 계약을 맺었습니다.
• 출처: 디일렉 박종우 기자, 2026년 11월 1일

SK텔레콤: 직원이 만든 에이전트 1,500개를 조직 업무로 옮기려 데이터·보안·제도를 다시 짠다

• 상황: 직원 4,000명 이상이 AI 에이전트를 직접 만들었고 약 1,500개가 정기적으로 쓰입니다. 다만 개인 단위의 반복 업무 지원에 머물러 있고, 조직 단위로 넓히려면 데이터 접근, 보안, 시스템 연계 문제가 걸립니다.
• 한 일: ‘AX 혁신 2.0’으로 여섯 가지를 내놨습니다. Z.E.Z(Zero Exposure Zone, 특허 출원)는 개인정보 같은 민감 원본을 보호 영역에 두고 AI에는 메타데이터, 비교 토큰, 계산 결과처럼 업무에 필요한 값만 줍니다. 데이터 데스크(Data Desk)는 데이터 설명과 업무 맥락을 자동으로 만들어 에이전트가 필요한 데이터를 찾게 합니다. 워크맵(Work Map)은 업무자료와 목표를 바탕으로 AI가 업무 흐름을 파악하고 구성원과의 대화로 업무 지도를 그려 사람과 AI가 함께 할 일을 찾습니다. AX 이네이블러 TF는 데이터 접근, 권한, 보안, 시스템 연계를 전사 차원에서 풀고 교육·기술 지원과 에이전트 사번제, 평가체계 같은 경영 인프라를 다시 설계합니다. AX 샌드박스는 상반기에 서비스 개발 조직에서 직원 한 명이 에이전트와 기획부터 개발, 검증까지 하는 방식을 시험했습니다. AX 카탈리스트는 9월에 직원 10명을 1기로 뽑아 검증된 활용 사례를 다른 조직으로 퍼뜨리고 모델 사용 비용과 기술·데이터 연계를 지원합니다.
• 결과(회사 발표): 에이전트 제작 인원과 정기 사용 에이전트 수 외에 생산성 수치는 기사에 나오지 않습니다. 상반기 샌드박스 결과도 수치가 없습니다.
• 다음 계획: 하반기에 샌드박스를 전사로 넓혀 여러 직원과 에이전트가 함께 일하는 협업 모델을 찾고, 에이전트 사번제와 평가체계를 마련합니다. 카탈리스트가 찾은 데이터, 시스템, 보안 문제는 이네이블러 TF와 함께 풉니다.
• 출처: 인공지능신문 전미준 기자, 2026년 11월 1일

기술 디테일: 에이전트를 업무 절차 안에 넣으려면

아래는 두 사례를 따라 만들 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이고 필드명과 수치는 모두 가상 예시입니다.

에이전트가 개선안을 내고 엔지니어가 보완하는 구조는 출력 형식부터 정합니다(HD현대로보틱스 패턴). 입력은 로봇 프로그램 원본, 그 셀의 사이클 타임과 알람 로그, 엔지니어가 쓴 문제 정의 한 단락입니다. 에이전트는 개선안을 change_id, target_line(바꿀 프로그램 위치), change_type(경로·속도·대기·순서), expected_effect(사이클 타임 몇 초 단축 같은 예상치), risk(간섭·안전 영역), evidence(근거 로그 줄)로 냅니다. 개선안은 시뮬레이터에서 먼저 돌려 충돌과 사이클 타임을 확인하고, 통과한 것만 엔지니어 검토 목록에 올립니다. 같은 입력으로 3번 돌려 개선안이 크게 갈리면 문제 정의가 모호하다는 신호이므로 엔지니어에게 정의를 다시 받습니다. 엔지니어가 고친 내용은 engineer_edit으로 남겨 다음 제안의 참고 예시로 씁니다. 기사의 ‘업무 소요 기간’을 우리 지표로 옮기면 과제 접수부터 현장 적용 확인까지의 일수입니다. 도입 전 같은 유형 과제 20건 이상의 기간을 먼저 모아 둬야 비교가 됩니다.

민감 데이터는 원본을 넘기지 말고 계산된 값만 넘깁니다(SK텔레콤 Z.E.Z 패턴). 원본 테이블은 에이전트 계정이 읽을 수 없는 영역에 둡니다. 그 앞에 변환 계층을 두어 세 종류만 만듭니다. 컬럼 설명과 행 수 같은 메타데이터, 같은 고객인지 비교만 할 수 있는 토큰(예: 전화번호를 키를 건 해시로 바꾼 값), 집계나 조건 판정 결과(예: ‘최근 3개월 요금 연체 여부: 예’)입니다. 에이전트는 이 계층의 API만 호출하고, 호출마다 agent_id, purpose, fields_requested, rows_returned를 로그에 남깁니다. 한 번에 돌려줄 행 수에 상한(예: 100행)을 두고, 소수 집단으로 개인을 짐작할 수 있는 집계(예: 5명 미만 그룹)는 돌려주지 않습니다.

에이전트가 데이터를 스스로 찾게 하려면 테이블마다 업무 설명을 붙입니다(데이터 데스크 패턴). 테이블과 컬럼마다 business_name, description, owner, refresh_cycle, sensitivity(공개·내부·민감), sample_questions(이 테이블로 답할 수 있는 질문 3개)를 둡니다. 초안은 LLM이 스키마와 샘플 100행, 이 테이블을 쓰는 쿼리 기록을 보고 쓰고 데이터 소유 부서가 확인합니다. 에이전트는 질문을 받으면 이 설명을 검색해 테이블을 고르고, 고른 이유를 답에 함께 남깁니다. 설명이 확인되지 않은 테이블은 검색 대상에서 빼야 잘못된 테이블로 답하는 일을 줄일 수 있습니다.

업무 지도는 대화로 모으되 결과는 표로 남깁니다(워크맵 패턴). 먼저 담당자의 업무자료(매뉴얼, 보고서 양식, 주간 업무 기록)와 팀 목표를 넣고 LLM이 단계 초안을 만듭니다. 그다음 담당자와 15~20분 대화로 빠진 단계와 예외 처리를 채웁니다. 단계마다 step, input, output, system, minutes_per_case, cases_per_week, judgment(규칙으로 정해짐·경험 판단)를 적고 owner를 AI 단독, 함께, 사람 중 하나로 표시합니다. 주당 시간이 크고 규칙으로 정해진 단계부터 에이전트에 맡깁니다.

에이전트에 사번을 주려면 등록, 운영, 평가, 정리 네 칸을 만듭니다(에이전트 사번제·평가체계 패턴). 등록부에는 agent_id, owner(만든 직원과 소속 팀), purpose, data_scopes(접근할 수 있는 데이터 범위), model, created_at을 둡니다. 운영 로그로 주간 호출 수, 성공률, 사람이 결과를 고친 비율을 모읍니다. 평가는 분기마다 절감 시간(호출 수 × 건당 절감 분)과 오류 건수로 보고, 90일 동안 호출이 없으면 보관으로 돌립니다. 만든 직원이 부서를 옮기면 소유자를 넘기지 않은 에이전트는 멈춥니다. 1,500개 규모가 되면 이 등록부가 없을 때 같은 일을 하는 에이전트가 여러 개 생기고 권한 관리가 흐트러집니다.

현업 실행 디테일: 누가, 언제, 무엇을

현장 과제 하나에 에이전트를 붙이면서 사내 확산 담당을 함께 두는 8주 파일럿을 예로 듭니다. 역할과 일정, 판정 기준은 모두 가상 예시입니다.

역할	담당	하는 일
경영 스폰서	생산·기술 담당 임원	운영위원회 주재, 과제 우선순위와 확대 결정
현장 엔지니어	로봇 셀 담당 엔지니어 2~3명	문제 정의, 개선안 검토·보완, 현장 적용
AI 개발	AI 개발자 1~2명, 시뮬레이션 담당 1명	에이전트 출력 형식, 시뮬레이션 검증 연결, 로그
데이터·보안	데이터 엔지니어 1명, 보안 담당 1명	데이터 설명 작성, 변환 계층과 접근 권한
확산 담당	현업 직원 1~2명(카탈리스트 역할)	검증된 활용 방식 문서화, 다른 팀 전파, 막힌 문제 접수

준비물은 다섯 가지입니다. 같은 유형 과제의 최근 처리 기간 기록 20건 이상, 대상 프로그램과 로그, 시뮬레이터 접근 권한, 에이전트가 읽어도 되는 데이터 목록, 에이전트가 정하면 안 되는 결정 목록(안전 영역 변경, 생산 중 프로그램 반영)입니다. 1~2주차에 과제를 고르고 기준선을 잽니다. 3~4주차에는 지난 과제를 에이전트에 다시 풀게 해 엔지니어의 실제 해법과 비교합니다. 5~6주차에는 새 과제에서 에이전트 제안과 엔지니어 작업을 나란히 돌립니다. 7~8주차에 운영위원회에서 지표를 보고 다른 셀과 팀으로 넓힐지 정합니다.

과제를 고를 때 현업에 물을 질문입니다.

1. 이 유형의 과제를 한 달에 몇 건 처리하고 한 건에 며칠 걸립니까?
2. 기간 가운데 원인 분석, 수정, 시운전 검증이 각각 얼마를 차지합니까?
3. 개선안이 맞았는지는 언제 무엇으로 압니까(사이클 타임, 알람 감소, 재작업)?
4. 에이전트가 읽어서는 안 되는 데이터와 바꿔서는 안 되는 설정은 무엇입니까?
5. 잘 되면 이 방식을 다른 팀에 알려 줄 사람은 누구입니까?

진행 판정 기준(예시)은 이렇게 둡니다. 지난 과제 재풀이에서 엔지니어가 채택하거나 조금 고쳐 쓴 제안이 50% 이상이면 병행 운영으로 넘어갑니다. 병행 운영에서 과제 기간 중앙값이 기준선보다 30% 이상 줄고 시뮬레이션을 통과한 개선안이 현장에서 안전 문제를 한 건도 일으키지 않으면 확대합니다. 사내 확산은 등록된 에이전트 가운데 분기 평가를 통과한 비율과 그 에이전트가 줄인 시간 합계로 봅니다.

AX 적용 제언. 제조 고객사라면 HD현대로보틱스 유형이 먼저입니다. 과제 단위가 분명하고 기간이라는 기준선을 바로 잴 수 있어 경영진에게 보여 줄 숫자가 빨리 나옵니다. 설비 프로그램, PLC 로직, 검사 레시피처럼 ‘기존 설정을 읽고 고칠 곳을 제안하는’ 일이면 같은 구조를 쓸 수 있습니다. 직원 수천 명이 이미 에이전트를 만들고 있는 회사라면 SK텔레콤 유형이 맞습니다. 이때 첫 과제는 새 에이전트를 더 만드는 일이 아닙니다. 등록부와 데이터 접근 규칙을 먼저 세우고 확산 담당이 검증된 방식만 옮기게 하는 것입니다. 두 유형 모두 경영진이 정기적으로 보는 회의체에 기간이나 절감 시간 같은 업무 지표를 올려야 에이전트 수가 성과 지표로 둔갑하지 않습니다.

원문 사례

회사	대상 업무	한 일	수치·계획(회사 발표)
HD현대로보틱스	로봇 프로그램 개선, 현장 문제 해결	Palantir와 8월부터 AI 에이전트 도입. 에이전트가 개선안 도출, 현장 엔지니어가 보완. AI·시뮬레이션·엔지니어 판단 연결	업무 소요 기간 평균 21.5일 → 7.9일(63% 단축). 로봇 프로그래밍 비용 50% 이상 절감 기대. 경영진 운영위원회 정례화
SK텔레콤	전사 업무	AX 혁신 2.0: Z.E.Z, 데이터 데스크, 워크맵, AX 이네이블러 TF, AX 샌드박스, AX 카탈리스트	에이전트 제작 직원 4,000명 이상, 정기 사용 에이전트 약 1,500개. 카탈리스트 1기 10명(9월). 하반기 샌드박스 전사 확대, 에이전트 사번제·평가체계 마련

기사	매체 · 기자	날짜	다룬 곳	링크
HD현대로보틱스, 팔란티어와 피지컬 AI 협력 확대	디일렉 · 박종우	2026-11-01	HD현대로보틱스	기사
SK텔레콤, AI 에이전트 1500개 실무 투입…조직 전체 바꾸는 ‘AX 혁신 2.0’ 본격화	인공지능신문 · 전미준	2026-11-01	SK텔레콤	기사

핵심 개념

피지컬 AI

로봇이나 설비처럼 물리 세계에서 움직이는 대상을 다루는 AI. HD현대로보틱스는 Palantir와 이 분야 협력을 넓히고 있다.

현장 솔루션 전문가

HD현대로보틱스가 키우려는 현장 엔지니어 역할. 문제를 정의하고 AI로 해법을 구현한다.

AX J커브의 골짜기

AI 도입 초기에 재교육, 업무 재설계, 데이터 정비, 시스템 연계에 시간과 비용이 들어 생산성이 잠시 떨어지는 구간. SK텔레콤이 붙인 이름이다.

Z.E.Z(Zero Exposure Zone)

민감한 원본 데이터를 보호 영역에 두고 AI에는 메타데이터, 비교 토큰, 계산 결과만 주는 SK텔레콤의 특허 출원 기술.

비교 토큰

원래 값을 드러내지 않고 두 값이 같은지만 비교할 수 있게 바꾼 값. 개인정보를 숨긴 채 같은 고객인지 맞춰 볼 때 쓴다.

에이전트 사번제

직원에게 사번을 주듯 AI 에이전트에 식별 번호를 붙여 관리하는 제도. SK텔레콤이 평가체계와 함께 마련하겠다고 밝혔고 세부는 기사에 없다.

AX 카탈리스트

현장에서 검증된 AI 활용 사례를 다른 조직으로 퍼뜨리는 SK텔레콤 직원 제도. 1기는 10명이다.

내 메모

TODO: 내 생각 추가

원문: 디일렉(박종우) 「HD현대로보틱스, 팔란티어와 피지컬 AI 협력 확대」(2026.11.1), 인공지능신문(전미준) 「SK텔레콤, AI 에이전트 1500개 실무 투입…조직 전체 바꾸는 ‘AX 혁신 2.0’ 본격화」(2026.11.1). 두 기사 모두 원문을 확인했습니다. 요약과 사례별 정리, 원문 사례는 기사에 나온 사실을 AX Review가 다시 정리한 것이고 수치는 모두 회사가 밝힌 값입니다. 기술 디테일, 현업 실행 디테일, 인포그래픽과 표는 AX Review가 새로 작성했으며 필드명·일정·판정 기준은 가상 예시입니다. 전체 내용은 원문 기사에서 볼 수 있습니다.