Autonomy in Practice: AI 에이전트는 79%가 돌리는데 손익까지 연결한 곳은 15%
Genpact가 대기업 임원 2,005명을 조사한 결과, AI 에이전트를 운영한다는 곳은 79%였지만 AI 투자를 손익과 완전히 연결한 곳은 15%, 운영 모델 전환을 마친 곳은 9%였습니다. 상위 17% Leaders는 AI 효과를 담당자 이름과 손익 항목에 묶어 관리합니다.
AI 에이전트를 배포한 기업은 많지만, 그 효과가 손익계산서의 어느 줄에 들어가는지 정해 둔 기업은 드뭅니다. 앞선 기업은 기술보다 일의 구조, 사람의 역할, 결정 권한, 가치 장부를 먼저 바꿨습니다. 따라 하려면 에이전트마다 손익 항목과 담당자를 붙이는 일부터 시작해야 합니다.
요약
Genpact가 2026년 11월 12일 보고서 「Autonomy in Practice」를 내고 조사 결과를 보도자료로 알렸습니다. 2026년에 17개 산업, 14개 기능의 고위 임원 2,005명에게 물었고, 대상은 연 매출 10억 달러부터 500억 달러 이상인 기업입니다. 기업 리더 심층 인터뷰를 더했고, 응답은 자기 보고이며 비율은 반올림했습니다. Genpact는 응답 기업을 자체 AI Maturity Index(AI 성숙도 지수)로 네 등급으로 나눴습니다. 맨 위 등급인 Leaders는 17%로, 전년 12%에서 늘었습니다. 올해는 평가 기준에 실제 가치 실현 여부를 더했습니다. 보고서는 Leaders와 나머지를 비교해 무엇이 다른지 정리합니다.
숫자는 두 단계로 갈립니다. 에이전트를 운영 중이라는 기업은 79%지만, 여러 기능에서 넓고 꾸준히 쓰는 곳은 20%입니다. 지난 24개월 동안 예산을 받은 AI 과제 가운데 기대한 가치를 낸 비율은 평균 49%였습니다. AI 투자를 손익과 완전히 연결한 기업은 15%, 운영 모델 전환을 의미 있게 마친 곳은 9%입니다. Genpact의 CTO 겸 혁신 책임자 Sanjeev Vohra는 기업들이 에이전트 배포는 잘하게 됐고 어려운 일은 운영이라고 설명했습니다. 보고서는 Leaders가 CEO급 지시 아래 다섯 가지 기반을 앞서 갖췄다고 봅니다. 전사 단위로 일을 다시 짜고, 사람과 에이전트가 함께 일하는 조직을 만들고, 에이전트가 시스템에서 실행까지 하도록 데이터 기반을 다지고, 생애주기 전체를 통제하고, 가치 실현을 손익 관리로 다룹니다. 아래에서 이 다섯 가지를 숫자와 함께 풀고, 실제로 돌리는 방법을 덧붙입니다.
핵심 메커니즘
Production vs Broad Use: 운영 중이라는 응답의 실제 범위
무엇인가. 에이전트를 운영 중이라는 79%를 범위별로 나누면 그림이 달라집니다. Newsweek 보도에 따르면 27%는 따로 떨어진 업무 하나에, 32%는 일부 기능에 배포했습니다. 여러 기능에서 넓고 꾸준히 쓰는 곳은 20%입니다.
어떻게 작동하나. 에이전트 하나가 한 단계를 자동화해도 부서 사이 인계가 남으면 전체 처리 시간은 크게 줄지 않습니다. Newsweek는 구매, 입고 확인, 재무 검토로 이어지는 공급사 지급 흐름을 예로 들어 이 점을 설명했습니다. 보고서의 저자인 Genpact Intelligence 글로벌 책임자 Elena Christopher는 production 응답에 챗봇이나 copilot이 섞였을 수 있다고 짚었습니다.
언제 쓰나. 자사 에이전트 현황을 보고할 때 개수 대신 업무 흐름 전체를 덮는지를 기준으로 셉니다. 개별 업무 자동화는 시작점으로는 맞지만, 손익 효과를 기대하는 단계라면 범위를 흐름 단위로 넓혀야 합니다.
Value Capture as P&L Discipline: AI 효과를 손익 항목과 담당자에 묶기
무엇인가. AI로 얻은 효과를 이름이 붙은 담당자와 손익계산서의 특정 줄에 연결해 관리하는 방식입니다. 보고서가 꼽은 다섯 기반 가운데 하나입니다.
어떻게 작동하나. 입력은 처리 시간 절감이나 자동 처리율 같은 운영 지표입니다. 이것이 비용이나 매출로 바뀌려면 줄어든 시간을 어디에 쓸지 정하고, 그 결과가 들어갈 손익 항목과 책임자를 정해야 합니다. Newsweek 보도에서는 77%가 AI로 아낀 시간을 재배치하는 방식을 갖췄다고 답했지만, 46%는 그 여유를 실제로 쓰기 어렵다는 점을 가치 실현의 장애로 꼽았습니다. 가장 많이 꼽힌 장애입니다. Christopher는 기록되지 않아 손익에 닿지 않는 가치를 가치로 볼 수 있는지 물었습니다.
원문의 예. AI 가치 지표를 특정 손익 항목에 완전히 통합한 비율은 Leaders 49%, 나머지 7%였습니다. 전체로는 15%입니다.
Enterprise-wide Reinvention: 기능별이 아니라 전사 단위로 일을 다시 짜기
무엇인가. 부서마다 따로 도구를 넣는 대신, 여러 부서에 걸친 업무 흐름과 운영 모델 자체를 바꾸는 접근입니다.
어떻게 작동하나. CEO가 직접 전환을 이끌면 부서 경계에 걸친 흐름을 한 번에 바꿀 권한이 생깁니다. Beri 정리 기준으로 선제적·전사 단위 운영 모델 전환을 추진한 비율은 Leaders 51%, 나머지 17%입니다. Newsweek 보도에서 CEO 주도 AI 전환 지시가 있는 비율은 Leaders 44%, 나머지 29%였습니다. 전체 응답 중 운영 모델 전환을 의미 있게 마친 곳은 9%뿐입니다. Vohra는 기술보다 일을 재구성하는 것이 더 어렵고, 기술은 사업 쪽 요구를 받쳐 주는 역할이라고 말했습니다.
언제 쓰나. 한 부서 안에서 끝나는 업무라면 기능별 도입으로 충분합니다. 송장 처리나 공급사 지급처럼 여러 부서를 거치는 흐름은 전사 단위 설계가 필요합니다.
Human-Agent Workforce: 에이전트는 늘고 사람은 역할이 바뀐다
무엇인가. 사람과 에이전트가 한 팀으로 일하도록 인력 구성을 의도적으로 설계하는 것입니다.
어떻게 작동하나. 에이전트를 운영하는 기업 가운데 69%는 지난 1년 동안 에이전트 수를 늘렸습니다. 같은 기간 사람 인원은 61%가 비슷했고 31%가 늘었으며 8%가 줄었습니다. 유지 또는 증가를 합하면 92%입니다. Christopher는 회사 전체 숫자가 개별 일자리에 영향이 없다는 뜻은 아니라고 덧붙였습니다. 늘어난 것은 새 역할입니다. exception specialist(예외 처리 담당)는 신뢰도 기준이나 정책 점검을 통과하지 못해 에이전트가 넘긴 건을 처리합니다. agent trainer(에이전트 훈련 담당)는 에이전트가 따르는 지시, 예시, 평가 세트를 관리합니다. Newsweek는 AI output auditor(산출물 감사 담당)도 예로 들었습니다.
원문의 예. 사람과 에이전트가 함께 일하는 새 역할을 만든 비율은 Leaders 51%, 나머지 22%입니다.
Decision Rights and Lifecycle Governance: 결정 권한을 넘기고 생애주기 내내 통제
무엇인가. 어떤 결정을 AI가 이끌고 어디서 사람이 확인하는지를 단계마다 정하고, 에이전트를 배포 시점만이 아니라 생애주기 전체에서 관리하는 것입니다.
어떻게 작동하나. 보고서는 문제 정의, 대안 생성, 예외 상신 같은 의사결정 단계 여덟 개를 두고 권한을 물었습니다. AI가 사람 감독 아래 결정을 이끌거나 자율로 실행한다는 응답은 평균 40%로, 전년 19%의 두 배가 넘습니다. 완전 자율 실행은 평균 9%입니다. 보도자료는 모든 단계에서 사람이 결정하거나 감사하는 비율이 87% 이상이라고 밝혔습니다. 거버넌스를 에이전트 생애주기 전체에 넣었다는 응답은 전체 17%였고, Leaders 47%, 나머지 11%로 갈렸습니다.
언제 쓰나. 에이전트가 쓰기 권한을 갖고 실제 거래를 만들기 시작하는 시점부터 필요합니다. 조회만 하는 에이전트라면 배포 전 점검으로도 버틸 수 있습니다.
Data and AI Foundation: 조회를 넘어 실행할 수 있는 기반
무엇인가. 에이전트가 정보를 찾는 데서 멈추지 않고 여러 시스템에 걸쳐 작업을 실행하도록 데이터 접근과 아키텍처를 갖추는 것입니다.
어떻게 작동하나. Beri 정리 기준으로 에이전트에게 필요한 시스템의 읽기·쓰기 권한을 제때 준 비율은 Leaders 87%, 나머지 54%입니다. Newsweek 보도에서 전사 규모의 full-stack AI 아키텍처 역량을 갖췄다는 응답은 12%였습니다. Vohra는 레거시 시스템, 데이터 접근, 통합, 자체 개발과 구매 사이 선택을 어려운 점으로 꼽았습니다. Christopher는 에이전트가 문제를 찾아도 고치지 못하는 경우가 많다고 말했습니다.
통념과 다른 주장
흔히 이렇게 봅니다에이전트를 배포하면 가치가 따라오고, 가장 큰 병목은 기술입니다.
저자는 이렇게 봅니다배포는 이미 잘하고 있고, 어려운 일은 운영입니다. 일의 구조와 손익 책임을 바꾸지 않으면 가치가 장부에 잡히지 않습니다.
근거79%가 에이전트를 운영하지만 손익 연결은 15%, 운영 모델 전환 완료는 9%입니다. Vohra는 기술보다 일을 재구성하는 쪽이 더 어렵다고 말했습니다.
흔히 이렇게 봅니다에이전트가 늘면 그만큼 사람이 줄어듭니다.
저자는 이렇게 봅니다지금까지는 에이전트 수가 크게 늘었고 사람 인원은 대체로 유지됐습니다. 대신 예외 처리와 에이전트 훈련 같은 새 역할이 생깁니다.
근거에이전트를 운영하는 기업의 69%가 에이전트를 늘렸고, 92%는 사람 인원을 유지하거나 늘렸습니다. 다만 Christopher는 전체 숫자가 개별 일자리 영향까지 말해 주지는 않는다고 했습니다.
저자가 든 사례
생명과학 회사: 개인 도구에서 공유 에이전트로
| 구분 | 내용 |
|---|---|
| 상황 | 과학자 개인에게 AI 도구를 나눠 줬습니다. 1년 뒤 직원들은 효과를 느꼈지만 기대했던 출시 기간 단축은 나오지 않았습니다. |
| 한 일 | 방향을 바꿔 실험 방법 설계를 돕는 공유 에이전트를 만들었습니다. 기존 절차 약 10,000건을 바탕으로 하고, 과학자들이 직접 만들고 학습시키는 데 참여했습니다. |
| 결과 | 원문에서 수치를 밝히지 않음 |
| 이 노트와의 연결 | Enterprise-wide Reinvention. 개인 생산성이 아니라 흐름 단위 설계로 옮겨 간 예입니다. |
전기 자재 유통사: 송장 처리의 약 70%를 기계가 처리
| 구분 | 내용 |
|---|---|
| 상황 | 연간 약 350만 건의 송장을 처리하는 Genpact 고객사입니다. |
| 한 일 | 에이전트가 송장 데이터 추출, 구매 주문과 입고 대조, 중복 지급 탐지, 공급사 커뮤니케이션을 맡았습니다. |
| 결과 | 약 1년 뒤 송장의 약 70%를 기계가 처리하고 사람이 검증합니다. 송장 업무는 에이전트 12개와 1년 전의 약 절반 인원으로 돌아갑니다. 이 수치는 송장 업무에만 해당합니다. |
| 이 노트와의 연결 | Human-Agent Workforce와 Value Capture. 업무 단위 인원 변화를 따로 셀 수 있어야 손익 연결이 가능합니다. |
Genpact Client Zero: 자사 운영을 먼저 바꿈
| 구분 | 내용 |
|---|---|
| 상황 | Genpact는 자사 운영을 AI 에이전트 중심으로 다시 설계하는 Client Zero 프로그램을 CEO Balkrishan Kalra가 직접 이끕니다. |
| 한 일 | 사업·기능 리더가 재무·운영 목표를 정하고, 기술 팀은 역량을 제공합니다. HR, 재무, IT, 사업 운영에 에이전트 180개를 운영합니다. |
| 결과 | 한 법인에서는 분개(회계 전표 입력)의 약 40%가 수작업 없이 처리됩니다. 관련 단순화 작업과 함께 수천만 달러의 운영 절감을 냈고, 이를 재투자합니다. |
| 이 노트와의 연결 | Value Capture as P&L Discipline. 목표를 사업 리더가 쥐고 기술은 받쳐 주는 구조입니다. |
기술 디테일: 에이전트 효과를 장부에 올리려면
아래 필드명, 설정값, 기준은 원문에 없는 실행 제안이며 그 안의 숫자는 가상 예시입니다.
에이전트마다 가치 장부 한 줄을 둡니다(Value Capture as P&L Discipline). 에이전트 목록과 손익 장부를 따로 두면 15%의 벽을 넘기 어렵습니다. 에이전트 하나에 레코드 하나를 두고, 측정값과 실현액을 나눠 적습니다. 처리 시간만 줄어든 것은 capacity_freed_hours에, 외주 축소나 결원 미충원처럼 실제 비용으로 빠진 것만 realized_amount에 넣습니다. 46%가 막힌 지점이 바로 이 둘 사이입니다.
{
"agent_id": "AP-INV-03",
"workflow_id": "P2P-송장대조",
"pnl_line": "일반관리비 > 외주 용역비",
"value_owner": "재무운영 팀장",
"baseline_kpi": {"cases_per_month": 20000, "touchless_rate": 0.10},
"after_kpi": {"touchless_rate": 0.55, "human_review_rate": 0.30},
"capacity_freed_hours": 1400,
"realized_amount": 0,
"realization_path": "외주 계약 2027년 3월 갱신 시 축소",
"status": "capacity_only"
}status는 capacity_only, redeployed, realized 세 값으로 두고 월말 결산 때 CFO실이 바꿉니다. 이사회 보고에는 realized만 올립니다.
예외는 신뢰도 기준으로 갈라 exception specialist에게 보냅니다(Human-Agent Workforce). 송장 사례처럼 추출, 대조, 중복 탐지를 나누면 단계마다 판정 규칙을 둘 수 있습니다. LLM은 송장에서 공급사, 금액, PO 번호를 구조화 출력(고정 JSON 스키마)으로 뽑고 temperature는 0으로 둡니다. 같은 문서를 두 번 추출해 금액이나 PO 번호가 다르면 예외로 보냅니다. PO·입고 대조와 중복 지급 판단은 규칙 엔진이 맡습니다. 예외 사유 코드(추출 불일치, 금액 차이, 중복 의심, 정책 위반)를 남겨 두면 agent trainer가 어느 지시나 예시를 고칠지 바로 압니다.
agent trainer는 평가 세트로 변경을 막습니다. 지시문이나 예시를 바꿀 때마다 실제 처리 건 200건 정도로 만든 평가 세트를 다시 돌립니다. 정답률이 이전보다 2%p 넘게 떨어지거나 예외율이 5%p 넘게 오르면 배포하지 않습니다. 평가 세트는 매달 새 예외 건으로 20% 정도 교체해 현장 변화를 따라갑니다.
결정 권한은 표로 정하고 단계적으로 넓힙니다(Decision Rights). 의사결정 단계마다 사람 결정, AI 주도·사람 감독, 자율 실행·사후 감사 가운데 하나를 고릅니다. 다음 단계로 넘기는 조건은 숫자로 둡니다. 예를 들어 4주 동안 사람 검토 건의 번복률이 3% 아래면 한 칸 넓힙니다.
거버넌스는 생애주기 단계마다 관문을 둡니다(Lifecycle Governance). 설계, 시험, 배포, 모니터링, 폐기 각 단계에서 기록할 것을 정합니다. 설계 단계에는 담당자와 권한 범위, 시험 단계에는 평가 세트 결과, 배포 단계에는 쓰기 권한 목록, 모니터링 단계에는 월간 예외율과 번복률, 폐기 단계에는 권한 회수 확인을 남깁니다. 쓰기 권한(Data and AI Foundation)은 시스템과 작업 단위로 좁혀 주고 모든 쓰기 기록을 감사 로그에 남깁니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 효과가 시간으로만 남음 | 보고서엔 효과, 비용은 그대로 | capacity_freed_hours와 realized_amount 분리, 실현 경로 명시 |
| 에이전트가 찾기만 하고 못 고침 | 예외 목록만 쌓임 | 작업 단위 쓰기 권한과 감사 로그 |
| 지시 변경 후 품질 하락 | 예외율 급증 | 평가 세트 재실행, 기준 미달 시 배포 중지 |
| 담당자가 없음 | 효과 보고가 IT 부서 몫이 됨 | value_owner를 사업 쪽 팀장으로 지정 |
현업 실행 디테일: 누가, 언제, 무엇을
보고서는 앞선 기업의 공통점을 비율로 보여 줍니다. 아래 역할, 일정, 기준은 이를 실행으로 옮길 때를 가정해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| CEO | 전사 단위 전환 지시, 대상 흐름 선정 승인, 분기 판정 |
| CFO실 | 가치 장부 설계, 손익 항목 매핑, 월별 실현액 확인 |
| 사업 리더(흐름 owner) | 재무·운영 목표 설정, value_owner 역할, 여유 인력 재배치안 |
| CIO·CISO | 쓰기 권한 범위, 생애주기 관문, 감사 로그 |
| HR | exception specialist, agent trainer 역할 정의와 배치 |
준비물. 운영 중인 에이전트 목록(업무, 담당, 권한), 대상 흐름의 월 건수와 건당 처리 시간 4주 실측치, 손익 계정 목록, 외주 계약과 만기, 관련 직무 목록이 필요합니다.
현장에 물을 것.
- 이 에이전트의 효과는 손익계산서의 어느 줄에 들어가나요?
- 그 줄의 숫자를 책임지는 사람은 누구인가요?
- 줄어든 시간은 재배치, 결원 미충원, 외주 축소 가운데 어디로 가나요?
- 에이전트가 넘긴 예외는 누가 처리하고, 그 사람의 처리량은 얼마인가요?
- 이 흐름은 몇 개 부서를 거치고, 어느 인계 지점이 가장 오래 걸리나요?
진행 판정 기준(예시). 병행 운영 4주 동안 수작업 없이 끝나는 비율이 50% 이상이고, 사람 검토 건 번복률이 3% 아래이며, 여유 시간의 절반 이상에 실현 경로가 확정되면 확대합니다. 효과는 있는데 실현 경로가 없으면 재배치안을 다시 짜고 4주 더 봅니다. 자동 처리율이 20%에 못 미치면 흐름을 먼저 정리합니다.
AX 적용 제언. 이 조사는 국내 대기업 경영진에게 “에이전트를 몇 개 돌리나” 대신 “어느 손익 항목이 얼마나 바뀌었나”를 묻게 하는 근거로 쓰기 좋습니다. 첫 대상은 송장 처리, 분개, 공급사 지급처럼 여러 부서를 거치고 건수와 정답이 분명한 재무·구매 흐름이 맞습니다. CFO실이 가치 장부를 먼저 만들고, 사업 리더를 value_owner로 세운 뒤에 기술 선택을 합니다. 진단 단계에서는 이 보고서의 다섯 기반(전사 재설계, 인력 구성, 데이터 기반, 생애주기 거버넌스, 손익 관리)을 체크리스트로 써서 고객사가 어디서 막혔는지 표시합니다. HR을 처음부터 넣어 exception specialist와 agent trainer 자리를 기존 인력으로 채우면 인력 감축 논쟁으로 도입이 멈추는 일을 줄일 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | Genpact 보도자료(PR Newswire), 2026.11.12 |
| 보고서 | Autonomy in Practice: How agentic operations can turn AI progress into business value |
| 보조 자료 | Newsweek(Adam Mills), Rajesh Beri의 THE DAILY BRIEF(2026.11.13) |
| 조사 | 임원 2,005명, 17개 산업, 14개 기능, 연 매출 $1bn~$50bn 이상, 2026년, 자기 보고 |
| 핵심 수치 | 에이전트 운영 79%, 넓고 꾸준한 사용 20%, 손익 완전 연결 15%, AI 과제 기대 가치 달성 평균 49%, 운영 모델 전환 완료 9% |
| 의사결정 | AI 주도·자율 평균 40%(전년 19%), 완전 자율 9%, 단계마다 사람 결정·감사 87% 이상 |
| 인력 | 에이전트 증가 69%, 사람 인원 유지·증가 92% |
| Leaders(17%) vs 나머지 | 손익 연결 49% vs 7%, 새 역할 51% vs 22%, 전사 전환 51% vs 17%, 쓰기 권한 87% vs 54%, 생애주기 거버넌스 47% vs 11%, CEO 주도 44% vs 29% |
| 기타 | Leaders+Advanced 27%→52%, full-stack 아키텍처 12%, 재배치 방식 보유 77%, 여유 활용 어려움 46% |
| 사례 | 생명과학 회사 공유 에이전트(절차 약 10,000건), 유통사 송장 350만 건 중 약 70% 기계 처리(agent 12개), Genpact Client Zero(agent 180개, 분개 약 40%) |
| 발언 | Sanjeev Vohra(CTO 겸 혁신 책임자), Elena Christopher(Genpact Intelligence 글로벌 책임자, 보고서 저자) |
핵심 개념
- Agentic Operations
- 사람, AI 에이전트, 프로세스, 데이터, 거버넌스, 가치 실현을 하나로 묶은 운영 모델. Genpact가 파는 서비스 이름이기도 함
- AI Maturity Index
- Genpact가 응답 기업을 AI 도입과 운영 변화 정도로 네 등급으로 나눈 지수. 맨 위가 Leaders, 그 아래가 Advanced
- Autonomy dividend
- AI가 만든 개선이 실제 사업 성과로 이어질 때 기업이 얻는 가치를 부르는 Genpact의 표현
- P&L
- 손익계산서. 매출, 비용, 이익을 항목별로 적은 장부
- Client Zero
- 고객에게 팔기 전에 자사 운영에 먼저 적용해 보는 방식
내 메모
TODO: 내 생각 추가
원문은 Genpact 보도자료 「79% of Enterprises Report AI Agents in Production, but Only 15% Have Fully Tied AI Investment to P&L Outcomes」(PR Newswire, 2026.11.12)입니다. PR Newswire 페이지는 열리지 않아 같은 보도자료를 Genpact 미디어 센터(media.genpact.com) 게시본으로 읽었습니다. 범위별 배포 비율, 재배치 77%와 46%, CEO 주도 44%와 29%, 결정 권한 19%, full-stack 12%, 세 사례는 Newsweek 보도(Adam Mills)에서, Leaders와 나머지의 손익 연결·전사 전환·쓰기 권한·거버넌스 비교와 인원 변화 표는 Rajesh Beri의 정리(2026.11.13)에서 가져왔습니다. 보고서 본문 페이지는 직접 열지 못했습니다. 요약, 핵심 메커니즘의 원문 예, 사례, 원문 사례 표는 보도된 사실을 AX Review가 다시 정리했습니다. 핵심 메커니즘 이름 가운데 Production vs Broad Use는 이해를 돕기 위해 붙인 것입니다. JSON 예시, 예외 분기와 평가 세트 기준, 결정 권한 매트릭스, 역할·일정·판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했으며 그 안의 업무명과 숫자는 가상 예시입니다. 응답은 자기 보고이며 Genpact는 에이전틱 운영 서비스를 판매하는 회사입니다. 전체 내용은 원문 페이지에서 볼 수 있습니다.