국내 기업 AX 소식: 현업 병목을 실제 데이터로 먼저 시험하고 넓힌다 (11월 7일 묶음)

11월 5~6일 국내 기업 AX 소식 3건은 모두 현업이 겪는 병목 하나를 골라 실제 데이터로 먼저 시험하고, 그 결과를 보고 범위를 넓히는 순서를 밟았습니다. NH농협은행은 직원 제안 39건에서 업무 에이전트 10개를 골랐고, 창신INC는 에이전트캠프에서 자사 데이터로 워크플로를 돌려 본 뒤 Palantir 플랫폼을 개발과 생산 전반에 붙였으며, SKT는 AI 망 운영에 고객 체감품질 지표를 더했습니다. 따라 하려면 과제를 고르는 기준, AI 결과를 원문 근거와 잇는 방법, 성과를 재는 현장 지표를 시작 전에 정해 둬야 합니다.

요약

이번 묶음은 11월 5~6일 국내 매체에 실린 기업 AX 기사 3건을 다룹니다. 서울경제 영문판은 NH농협은행이 AI 자회사 애자일소다와 함께 만든 업무용 AI 에이전트 10개를 11월 5일 직원들에게 시연한 일을 전했습니다. 8월부터 실무자를 인터뷰했고 직원이 낸 과제 39건 가운데 우선순위로 10건을 골랐습니다. AI타임스는 팔란티어가 신발 제조사 창신INC와 파트너십을 맺고 Foundry(데이터 플랫폼)와 AIP(AI 플랫폼)를 개발과 생산 운영 전반에 적용한다고 보도했습니다. 파트너십의 근거는 창신의 실제 데이터로 초기 워크플로를 만들어 본 에이전트캠프였습니다. SK텔레콤은 11월 7일 부산불꽃축제를 앞두고 자체 무선망 AI 운용 시스템 A-One에 체감품질 만족률 지표를 더해 관리한다고 밝혔습니다. 디지털타임스 원문은 열지 못해 SKT 보도자료로 사실을 확인했습니다.

AX Review가 세 기사를 같은 순서로 맞춰 놓은 비교표

수치가 나온 곳은 NH농협은행입니다. PF(프로젝트 파이낸싱) 보고서 초안은 사람이 쓰면 최소 5영업일이 걸렸는데, 에이전트로는 약 4시간이면 될 것으로 담당 직원은 예상했습니다. 감사 부서가 제안한 여신 서류 대조 에이전트는 대출 1건에 붙은 약 600쪽 서류를 읽고 금액, 담보, 소득을 심사 의견과 맞춰 봅니다. 창신은 효과 수치를 내지 않았고, 개발 단계의 결정을 생산 현장 피드백과 이어 문제를 일찍 잡겠다는 목표를 밝혔습니다. SKT는 최고속도 중심이던 품질 관리에 기준 품질을 유지한 비율이라는 지표를 더했습니다. 세 곳 모두 AI가 먼저 읽고 맞춰 보고 계산하며, 마지막 판단은 사람이 내리는 구조입니다. 아래에서 회사별 사례를 정리한 뒤 이 공통 구조를 따라 할 때 필요한 기술과 현업 디테일을 덧붙입니다.

기사·회사 발표 기준. 예상치와 계획을 그대로 표시

사례별 정리

NH농협은행: 직원 제안에서 고른 에이전트 10개로 PF 보고서 초안을 5영업일 이상에서 약 4시간으로 줄일 전망

상황: PF 거래 하나를 검토하려면 자료 500~1,000쪽을 읽어야 하고, 사람이 보고서 초안을 쓰는 데 최소 5영업일이 걸렸습니다. 대출 서류 대조, 증권사가 팩스로 보낸 거래 내역 입력 같은 후선 업무도 사람이 처리했습니다.
한 일: 애자일소다와 8월부터 실무자를 인터뷰하고 직원 제안 39건 중 10건을 골라 에이전트로 만들었습니다. 기사에 소개된 것은 다섯 가지입니다. PF 보고서 에이전트는 올린 문서를 분류하고 318개 항목을 포함한 핵심 정보를 뽑아 초안을 엮으며, 분석 결과마다 근거가 된 원문을 연결합니다. 여신 서류 대조 에이전트는 약 600쪽 첨부 서류의 대출 금액, 담보, 소득을 여신 심사 의견과 맞춰 보고 내규를 확인해 오류와 누락을 근거와 함께 표시합니다. 투자자산 거래 자동 처리 에이전트는 팩스 문서에서 종목명, 가격, 주식 수를 읽어 내부 시스템에 넣습니다. 사무 업무 도우미는 업무 분장이 등록되면 필요한 시스템 권한 신청을 띄웁니다. 카드 상품 추천 에이전트는 카드를 바꿨을 때 기대 혜택을 이유와 함께 보여 주고, 카드 개발자가 업종별 혜택을 비교하는 데도 씁니다.
결과: PF 초안 작성 시간은 약 4시간으로 줄 것으로 예상합니다(담당 직원). AI가 추출과 초안을 맡고 직원은 원문과 대조해 최종 판단을 내립니다. 여신 서류 대조는 지금은 감사 업무용이고 여신 실행 단계로 넓힐 수 있다고 감사 부서가 밝혔습니다.
다음 계획: 11월 6일까지 시연과 상담을 이어 가고 현장 의견으로 실제 운영에 쓸 모델을 정합니다. 출시 일정은 기사에 나오지 않습니다. 애자일소다 최대우 대표는 에이전트 수를 늘리는 것보다 실제 업무에서 쓰이고 오류를 줄이는 데 무게를 두겠다고 했습니다.
출처: 서울경제 영문판 정지원 기자, 2026년 11월 5일(2건)

서울경제 영문판 정지원 기자, 11월 5일. 시간 수치는 PF 담당 직원의 예상치

창신INC: 실제 데이터로 에이전트 워크플로를 시험한 뒤 신발 개발부터 공장 생산까지 Palantir로 잇는다

상황: 개발 단계의 결정과 생산 현장의 피드백이 따로 움직여 문제를 늦게 발견했고, 부서 사이에 일을 넘길 때 비효율이 생겼습니다.
한 일: 팔란티어와 에이전트캠프를 열어 AI 에이전트를 직접 만들고 실제 업무에 붙여 봤습니다. 이때 창신의 실제 데이터로 초기 워크플로를 구현해 업무 효율을 확인했고, 이 결과를 근거로 Foundry와 AIP를 개발과 생산 운영 전반에 적용하는 파트너십을 맺었습니다. 신발 개발과 샘플 기획부터 공장 생산까지의 정보와 업무 흐름을 하나로 묶어 각 팀이 전 과정을 한눈에 보게 하는 것이 목표입니다.
결과: 효과 수치나 시험 기간은 기사에 나오지 않습니다. 남충일 대표는 개발 결정과 생산 피드백을 이어 문제를 더 일찍 잡고 그 교훈을 다음 모델에 반영하겠다고 했습니다.
다음 계획: 개발 단계의 의사결정을 공장의 생산 계획과 실행에 연결하고, 전 공정의 정보와 피드백을 모아 문제를 조기에 찾으며, 부서 간 인계 비효율을 줄인다는 방침입니다.
출처: AI타임스 김해원 기자, 2026년 11월 6일(팔란티어 발표 기반)

AI타임스 김해원 기자, 11월 6일(팔란티어 발표). 효과 수치는 기사에 없음

SK텔레콤: AI 망 운영에 체감품질 만족률을 더해 120만 명 이상 몰리는 부산불꽃축제를 관리한다

상황: 제21회 부산불꽃축제(11월 7일 오후 1~8시, 광안리해수욕장 일대) 관람객은 2024년 103만 명, 2025년 117만 명이었고 올해는 120만 명 이상으로 예상됩니다. 기존 품질 관리는 최고속도 중심이었습니다.
한 일: 자체 개발한 무선망 AI 운용 시스템 A-One이 예상 운집 인원과 과거 트래픽으로 필요한 용량을 미리 산출하고, 행사 당일에는 AI 기반 실시간 부하 분산 제어를 적용합니다. 코어망 AI 통합관제 시스템 스파이더가 이상 징후를 실시간으로 봅니다. 여기에 체감품질 만족률을 더했습니다. 서비스를 쓰는 동안 기준 품질 이상을 유지한 비율로, 데이터 손실이나 전송 지연 없이 웹페이지와 콘텐츠가 전달되는지를 봅니다. 트래픽을 웹, SNS, 비즈니스 협업, 고화질 스트리밍 4대 유형으로 나눠 보고, 품질이 떨어진 지점을 격자 단위 GPS 좌표로 찾으며, AI가 위치 데이터로 KTX·지하철 이동 중인지 거주 중인지 같은 이용 상황(TPO)을 가립니다. 광안리와 마린시티에 이동기지국 등 임시 중계기를 더 두고 용호만, 이기대까지 집중관리 대상에 넣었습니다.
결과: 행사 당일 결과는 아직 나오지 않았습니다. SKT는 9월 서울세계불꽃축제 때 A-One으로 행사 분석과 대응 계획 수립 시간을 5일에서 30분으로 줄였다고 밝힌 바 있습니다.
운영: SKT, SK오앤에스, 협력사 인력 100여 명이 7일 오전부터 관람객이 흩어질 때까지 비상 근무를 합니다. 조욱 동부네트워크담당은 기존 AI 솔루션에 이 지표를 더해 실사용 품질까지 챙기겠다고 했습니다.
출처: SK텔레콤 보도자료, 2026년 11월 5일(디지털타임스 이혜선 기자 기사와 같은 사건)

SKT 보도자료, 11월 5일. 행사는 11월 7일 광안리 일대

기술 디테일: 세 사례의 공통 구조를 실제로 돌리려면

아래는 세 사례에 공통으로 보이는 구조, 곧 AI가 먼저 읽고 맞춰 보고 계산한 뒤 사람이 판단하는 구조를 따라 만들 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이며 필드명과 수치는 모두 가상 예시입니다.

두꺼운 문서로 보고서 초안을 만들려면 추출과 작성을 나누고 값마다 쪽 번호를 붙입니다(NH농협은행 PF 보고서 패턴). 스캔본과 팩스는 OCR을 먼저 거치고, OCR 신뢰도가 낮은 쪽은 처음부터 담당자 확인 목록에 올립니다. 첫 LLM 호출은 문서 분류만 합니다. 분류와 추출은 긴 문맥을 다루는 범용 모델로 하고, 같은 문서 묶음을 다른 모델로 한 번 더 돌려 두 결과를 비교하면 오류를 찾기 쉽습니다. 파일마다 doc_type(사업계획서, 감정평가서, 시공 계약서 등)과 page_range를 받습니다. 둘째 호출은 문서 종류별 항목 목록에 따라 값을 뽑습니다. 출력은 항목마다 field_id, value, unit, source_doc, page, confidence를 담은 JSON으로 제한합니다. 항목 수가 300개를 넘으면 한 번에 다 묻지 말고 문서 종류별로 20~40개씩 나눠 호출합니다. temperature는 0으로 두고 같은 문서를 2번 돌려 값이 다른 항목은 담당자 확인 목록으로 보냅니다. 초안 작성은 셋째 호출에서 하되, 추출된 값만 쓰게 하고 문장마다 field_id를 남겨 화면에서 원문 쪽으로 바로 넘어가게 합니다. 기사의 ‘5영업일 이상에서 약 4시간’을 우리 지표로 옮기면 문서 업로드부터 담당자 확인 완료까지 걸린 시간입니다.

가상 예시. NH농협은행 PF 보고서 에이전트 패턴을 단계로 나눈 구조

여러 서류를 기준 문서와 맞춰 보려면 비교는 LLM이 아니라 코드로 합니다(여신 서류 대조 패턴). 먼저 여신 심사 의견에서 기준값(loan_amount, collateral_value, annual_income, borrower_id)을 뽑습니다. 다음으로 첨부 서류 각각에서 같은 필드를 뽑습니다. 두 값의 비교, 날짜 순서, 내규 조건(예: 담보 인정 비율 상한)은 규칙 코드로 확인합니다. 출력은 issue_type(불일치, 누락, 내규 위반), field, expected, found, source_page로 남겨 감사 담당자가 근거를 바로 열어 보게 합니다. 처음에는 과거 감사에서 지적된 건 100건을 다시 돌려 AI가 같은 지적을 찾는 비율을 재고, 놓친 유형을 규칙에 더합니다.

가상 예시. 여신 서류 대조 에이전트 패턴

개발 결정과 생산 피드백을 이으려면 두 기록에 같은 키를 붙이는 일부터 합니다(창신INC 패턴). 개발 쪽 기록(샘플 차수, 소재 변경, 승인 일자)과 생산 쪽 기록(라인, 불량 유형, 재작업 수량)이 같은 model_id와 sample_version을 갖도록 마스터를 맞춥니다. 에이전트는 이 연결 표를 보고 새 모델 개발 회의 전에 비슷한 소재나 구조를 쓴 지난 모델의 생산 문제 목록을 요약해 줍니다. 요약에는 근거가 된 생산 기록 번호를 함께 붙입니다. 에이전트캠프처럼 실제 데이터로 먼저 시험할 때는 모델 2~3개, 기간 6개월치처럼 범위를 좁혀 연결이 끊긴 기록의 비율부터 재는 것이 순서입니다.

가상 예시. 창신INC가 밝힌 목표를 데이터 연결 구조로 옮긴 것

고객 체감 지표를 운영에 넣으려면 ‘기준 품질’을 서비스 유형별 숫자로 먼저 정합니다(SKT 체감품질 패턴). 세션마다 service_type(웹, SNS, 협업, 스트리밍), grid_id, loss_rate, latency_ms, context(이동, 거주, 행사)를 남깁니다. 유형별로 기준을 따로 둡니다. 예를 들어 웹은 지연 300ms 이하, 스트리밍은 재버퍼링 0회 같은 식입니다. 측정값이 빠진 세션은 판정에서 빼고 그 비율을 따로 보여 줍니다. 세션마다 기준 충족 여부를 0과 1로 판정하고 격자와 유형별로 평균을 내면 만족률이 됩니다. 행사 당일에는 15분 단위로 다시 계산해 만족률이 미리 정한 선 아래로 떨어진 격자를 부하 분산과 현장 인력 대응의 우선순위로 씁니다. SKT가 실제로 쓰는 산출 기준은 보도자료에 나오지 않으므로 위 기준값은 모두 가상입니다.

가상 예시. SKT가 밝힌 정의를 계산 구조로 옮긴 것이며 실제 산출 기준은 미공개

현업 실행 디테일: 누가, 언제, 무엇을

NH농협은행처럼 직원 제안에서 과제를 모아 한 부서에 8주 동안 붙이는 파일럿을 예로 듭니다. 역할과 일정, 판정 기준은 모두 가상 예시입니다.

역할	담당	하는 일
현업 스폰서	과제가 나온 부서장	과제 우선순위와 지표 승인, 확대 여부 결정
업무 검토자	실무자 2~3명(제안자 포함)	항목 목록과 판정 기준 제공, 병행 운영 결과 확인
데이터·AI 개발	데이터 엔지니어 1명, AI 개발자 1~2명	문서 분류·추출, 규칙 대조, 연결 표, 사용 로그
감사·준법	감사 또는 준법 담당 1명	AI가 정하면 안 되는 결정 목록, 근거 기록 방식 확인
정보보호	보안 담당 1명	고객·거래 정보 마스킹, 모델 사용 범위 승인

준비물은 네 가지입니다. 직원 제안 목록과 제안마다 건수·소요 시간, 최근 3~6개월 처리 건과 결과(재작업, 감사 지적), 건당 처리 시간 같은 기준선, 사람이 최종 판단하는 지점의 목록입니다. 1~2주차에 제안을 모아 우선순위를 매기고 기준선을 잽니다. 3~4주차에는 과거 건 50~100건을 실제 데이터로 다시 돌려 AI 결과와 사람 결과를 비교합니다. 5~6주차에는 직원이 평소대로 일하고 AI 결과는 옆에 기록만 하는 병행 운영을 합니다. 7~8주차에 지표를 보고 확대 여부를 정합니다.

가상 예시 일정. 직원 제안에서 과제를 골라 한 부서에 붙이는 순서

제안을 고를 때 현업에 물을 질문입니다.

이 일을 한 달에 몇 건 하고 한 건에 몇 시간 걸립니까?
판단 기준이 문서(내규, 체크리스트)로 있습니까, 숙련자 머릿속에 있습니까?
결과가 틀렸다는 것은 언제 무엇으로 알게 됩니까(재작업, 감사 지적, 고객 민원)?
AI가 뽑은 값을 담당자가 원문과 대조하려면 지금 몇 분이 걸립니까?
성과를 잴 지표가 지금 시스템에 남아 있습니까, 새로 기록해야 합니까?

진행 판정 기준(예시)은 이렇게 둡니다. 과거 건 재생에서 추출 값의 정확도가 95% 이상이고 놓친 오류 유형이 기록돼 있으면 병행 운영으로 넘어갑니다. 병행 운영에서 건당 처리 시간이 기준선보다 50% 이상 줄고 담당자가 AI 결과를 고친 비율이 20% 아래면 다른 팀으로 넓힙니다. 고객이나 거래에 불리한 결정이 AI 결과만으로 확정된 건이 하나라도 있으면 확대를 멈추고 판단 지점을 다시 설계합니다.

AX 적용 제언. 가장 먼저 옮기기 좋은 것은 NH농협은행의 PF 보고서와 여신 서류 대조 유형입니다. 문서가 두껍고 기준이 내규로 정해져 있어 AI가 남긴 근거를 담당자가 바로 확인할 수 있습니다. 같은 구조는 제조업의 품질 성적서 확인, 구매 계약 검토, 수출입 서류 대조에도 쓸 수 있습니다. 과제는 위에서 정하지 말고 NH농협은행처럼 직원 제안을 받아 건수와 소요 시간으로 고르는 편이 현장 사용률을 높입니다. 창신 유형은 효과가 나기 전에 데이터 연결 작업이 먼저 필요하므로, 모델 몇 개로 범위를 좁혀 실제 데이터로 시험하는 짧은 캠프부터 여는 순서를 권합니다. SKT 유형은 AI 운영 시스템을 이미 가진 조직이 다음에 할 일을 보여 줍니다. 내부 처리 속도 지표 옆에 고객이 실제로 겪는 품질 지표를 하나 더 두면 AI가 무엇을 기준으로 조정할지가 분명해집니다.

원문 사례

회사	대상 업무	내용	수치·계획(기사·회사 발표)
NH농협은행	PF 보고서, 여신 서류 감사, 팩스 거래 입력, 권한 신청, 카드 추천	애자일소다와 공동 개발. 직원 제안 39건 중 10건 선정, 8월부터 실무자 인터뷰, 11월 5일 시연	PF 자료 500~1,000쪽, 추출 항목 318개, 초안 5영업일 이상 → 약 4시간(예상). 여신 서류 약 600쪽 대조. 운영 모델은 시연·상담 뒤 확정
창신INC	신발 개발·샘플 기획·공장 생산	Palantir Foundry·AIP 파트너십. 에이전트캠프에서 실제 데이터로 초기 워크플로 구현	기사에 수치 없음. 개발 결정과 생산 피드백 연결, 부서 간 인계 비효율 감소 목표
SK텔레콤	무선망 운영(부산불꽃축제)	A-One 용량 산출·실시간 부하 분산, 스파이더 관제, 체감품질 만족률 지표 추가	관람객 2024년 103만, 2025년 117만, 올해 120만 이상 예상. 인력 100여 명. 9월 서울 행사 때 계획 수립 5일 → 30분(회사 발표)

기사	매체 · 기자	날짜	다룬 곳	링크
NH NongHyup Bank Unveils 10 AI Agents to Automate Back-Office Work	서울경제 영문판 · 정지원	2026-11-05	NH농협은행	기사
AI Cuts Five-Day Project Finance Report to Four Hours	서울경제 영문판 · 정지원	2026-11-05	NH농협은행	기사
팔란티어, 신발 제조사 창신과 맞손…AI로 신발 제조 공정 혁신	AI타임스 · 김해원	2026-11-06	창신INC	기사
SKT, 부산불꽃축제 통신망 사전 점검… AI 기반으로 고객 체감품질까지 세밀하게 관리	SK텔레콤 뉴스룸(보도자료)	2026-11-05	SK텔레콤	보도자료
SKT 부산불꽃축제 AI 망 운영 기사(원문 미확인)	디지털타임스 · 이혜선	2026-11-05	SK텔레콤	기사

핵심 개념

PF(프로젝트 파이낸싱): 사업에서 나올 현금흐름을 보고 돈을 빌려주는 금융. 사업계획, 감정평가, 시공 계약 같은 자료가 수백 쪽에 이른다.
여신 심사 의견: 대출을 내줄지, 얼마를 어떤 조건으로 내줄지 심사자가 적은 판단서. 대조 에이전트는 이 문서를 기준으로 첨부 서류를 맞춰 본다.
Foundry: 팔란티어의 데이터 플랫폼. 창신은 개발과 생산의 정보 흐름을 하나로 묶는 데 쓴다.
AIP: 팔란티어의 AI 플랫폼. Foundry 위에서 AI 에이전트와 워크플로를 만드는 데 쓴다.
에이전트캠프: 고객사가 자기 데이터로 AI 에이전트를 직접 만들어 실제 업무에 붙여 보는 짧은 실습 과정. 창신 파트너십의 근거가 됐다.
A-One: SKT가 자체 개발한 무선망 AI 운용 시스템. 예상 인원과 과거 트래픽으로 필요한 용량을 계산하고 당일 부하 분산을 돕는다.
체감품질 만족률: 서비스를 쓰는 동안 기준 품질 이상을 유지한 비율. 최고속도 대신 품질이 얼마나 고르게 유지되는지를 본다.
TPO: 시간(Time), 장소(Place), 상황(Occasion). SKT는 위치 데이터로 이동 중인지 거주 중인지를 가려 상황별 품질을 본다.

내 메모

TODO: 내 생각 추가

원문: 서울경제 영문판(정지원) 「NH NongHyup Bank Unveils 10 AI Agents to Automate Back-Office Work」와 「AI Cuts Five-Day Project Finance Report to Four Hours」(2026.11.5), AI타임스(김해원) 「팔란티어, 신발 제조사 창신과 맞손…AI로 신발 제조 공정 혁신」(2026.11.6). SK텔레콤 사례는 후보였던 디지털타임스(이혜선) 기사 원문 페이지를 열지 못해, 같은 사건을 다룬 SK텔레콤 뉴스룸 보도자료 「SKT, 부산불꽃축제 통신망 사전 점검… AI 기반으로 고객 체감품질까지 세밀하게 관리」(2026.11.5)로 사실을 확인해 썼습니다. A-One의 ‘5일에서 30분’ 수치는 SK텔레콤 뉴스룸 「SKT, AI로 불꽃축제 통신 품질 지킨다」(2026.9.2, https://news.sktelecom.com/230220)에서 가져왔습니다. NH농협은행 에이전트 이름은 영문판 기사의 이름을 우리말로 옮긴 것입니다. 요약과 사례별 정리, 원문 사례는 기사와 보도자료에 나온 사실을 AX Review가 다시 정리한 것이고 수치는 모두 기사나 회사가 밝힌 값입니다. 기술 디테일, 현업 실행 디테일, 인포그래픽과 표는 AX Review가 새로 작성했으며 필드명·기준값·일정·판정 기준은 가상 예시입니다. 전체 내용은 원문 기사에서 볼 수 있습니다.