Frontier Firms: AI 수익 4배 기업은 측정·에이전트 거버넌스·전사 교육을 함께 굴린다

AI 성과를 본 기업은 많지만 여러 사업부로 넓힌 곳은 절반이 안 됩니다. IDC 조사에서 상위 10%는 수익을 재는 일, 에이전트의 행동을 감독하는 일, 전 직원을 가르치는 일을 하나의 관리 체계로 묶어 움직였습니다. 따라 하려면 AI 전후를 같은 지표로 재는 가치 장부와 에이전트 등록부, 업무 단위 교육 계획을 함께 만들어야 합니다.

요약

Microsoft는 4년째 IDC에 AI 사업 기회 조사를 맡기고 있습니다. 올해 조사는 2026년 7월 28개 업종의 고위 IT·사업 리더 5,204명에게 물었습니다. IDC는 지출 규율, 활용 폭, 에이전트 도입, 역량, 위험 관리 자신감, 성과를 묶은 AI 성숙도 척도로 기업 순위를 매깁니다. 상위 10%를 Frontier Firm(AI 성숙도 최상위 기업), 하위 30%를 slow adopter(도입이 느린 기업)로 나눴습니다. Microsoft 상업 클라우드·AI 부문 CMO Alysa Taylor가 블로그에 결과를 정리했고 2025년 조사에서 처음 쓴 Frontier Firm 구분을 올해도 이어 갔습니다.

Frontier Firm이 보고한 AI 수익은 투자 대비 평균 4배였고 slow adopter는 2.7배였습니다. 5배 이상을 거뒀다는 응답은 Frontier Firm 39%, slow adopter 4%였습니다. 에이전트만 떼어 보면 3.8배와 3.0배입니다. 수익은 응답자가 스스로 밝힌 값이고 결과는 인과가 아니라 상관이라고 글이 직접 밝힙니다. 글의 설명은 이렇습니다. 상위 기업은 투자, 모델, 에이전트, 거버넌스, 역량을 따로 굴리지 않고 하나의 규율로 관리합니다. 그래서 성과를 낸 뒤에도 통제를 잃지 않고 넓힐 수 있었습니다. 아래에서는 이 차이를 만든 장치 다섯 가지와 실제로 따라 하는 방법을 정리합니다.

핵심 메커니즘

AI Maturity Scale: 여섯 지표로 상위 10%를 가려내는 척도

IDC의 성숙도 척도는 AI를 “얼마나 쓰나”만 보지 않습니다. 돈을 계획대로 쓰는지(지출 규율), 몇 개 사업 영역에 쓰는지(활용 폭), 에이전트를 얼마나 배치했는지, 직원 역량, 위험을 관리할 자신이 있는지, 실제 성과를 함께 점수로 묶습니다. 이 점수로 순위를 매겨 상위 10%와 하위 30%를 나누고 두 집단의 습관을 비교합니다. 지표별 가중치는 글에 나오지 않습니다.

이 척도는 자기 조직을 진단하는 틀로 쓸 수 있습니다. 예를 들어 어느 제조사(가상 예시)가 사용률은 높은데 위험 관리 자신감과 성과 측정 점수가 낮게 나왔다면, 다음 분기 투자는 새 도구보다 감독 절차와 측정 장부로 가야 합니다.

Five Frontier Behaviors: 상위 기업을 가르는 다섯 습관

글은 Frontier Firm의 습관을 다섯 가지로 정리합니다. 첫째, 계획보다 먼저 투자합니다. 90%가 계획한 AI 지출을 넘겼습니다. 둘째, 몇몇 팀이 아니라 사업 대부분에 넓게 씁니다. 셋째, 에이전트를 실제로 일하게 합니다. 96%가 에이전트를 대규모로 배치하고 있고 53%는 여러 워크플로에 걸쳐 에이전트를 조율(orchestration)합니다. 넷째, 확장을 위해 거버넌스를 둡니다. 에이전트 감독 절차가 있는 곳이 87%로 slow adopter(51%)보다 36%p 많습니다. 다섯째, 모든 곳에서 역량을 키웁니다. 전사 AI 교육 전략이 있는 곳이 80%, slow adopter는 3%입니다.

다섯 가운데 slow adopter와 비교값이 함께 나온 것은 거버넌스와 교육 두 가지입니다. 두 항목의 간격은 36%p와 77%p로, 수익 배수보다 훨씬 크게 벌어집니다.

Pilot-to-Scale Gap: 성과는 났는데 퍼지지 않는 구간

응답 기업의 66%가 AI로 상당하거나 판을 바꿀 만한 성과를 봤다고 답했습니다. 그런데 그 가치를 여러 사업부로 넓히고 있는 곳은 48%입니다. 36%는 에이전트를 아직 시범 단계에서 돌리고 있습니다. 기업들은 평균 6.5개 사업 영역에서 AI를 쓰며 IT 인프라·사이버보안·고객 서비스가 가장 많고 업종 특화 활용이 가장 빠르게 늘고 있습니다.

이 간격은 한 부서의 성공이 다른 부서로 저절로 옮겨 가지 않는다는 뜻입니다. 확산하려면 측정 방식, 감독 절차, 교육이 부서마다 같은 틀로 깔려 있어야 합니다. 이 세 가지가 다음 세 메커니즘입니다.

Agent Governance: 모델이 아니라 에이전트의 결정과 행동을 감독한다

글은 에이전트를 감독하는 절차를 갖춘 곳이 65%라고 밝힙니다. 그런데 AI 보안·거버넌스 위험에 대응할 자신이 높은 곳은 60%로 더 적습니다. 신뢰는 빨리 쌓이는데 통제할 자신은 그만큼 따라오지 못한다는 뜻입니다. 글의 처방은 거버넌스 범위를 넓히는 것입니다. 어떤 모델을 쓰는지만 관리하지 말고 에이전트가 무엇을 결정하고 어떤 행동을 하는지까지 관리하라는 것입니다.

작동 방식은 이렇게 풀 수 있습니다. 에이전트마다 담당자, 허용 행동, 접근 데이터 범위를 등록합니다(입력). 실행 중에는 승인 기준을 넘는 행동을 사람에게 넘기고 모든 행동을 기록합니다(처리). 주기적으로 권한 사용 내역을 점검해 권한을 줄이거나 에이전트를 폐기합니다(출력). Conagra Brands가 SteerCo(운영위원회)로 위험 요인과 접근·ID 관리를 검토하는 방식이 원문의 예입니다.

Value Measurement: AI 전후를 같은 지표로 재는 가치 장부

AI의 사업 가치와 ROI를 잴 수 있다고 자신하는 곳은 전체 61%, Frontier Firm 93%입니다. 동시에 응답 기업의 71%는 앞으로 12개월 동안 AI 예산이 10% 이상 늘 것으로 봅니다. 예산은 늘어나는데 열 곳 중 네 곳은 효과를 자신 있게 재지 못하는 셈입니다.

글이 권하는 방법은 두 가지입니다. 투자 데이터를 사업 성과와 잇고 AI를 넣기 전과 후의 프로세스 성과를 비교하는 것입니다. 글은 가치를 비용 절감 하나로 보지도 않습니다. 응답자들은 직원 경험, 매출 성장, 고객 경험, 혁신, 위험 감소를 거의 같은 비중으로 꼽았고 비용은 정확도·보안·규정 준수·확장성과 함께 따졌습니다.

Organization-wide Skilling: 직원 신뢰보다 늦게 오는 교육

직원들이 AI를 높이 신뢰한다고 답한 곳은 67%인데, 조직 전체를 아우르는 교육 전략이 있는 곳은 20%입니다. 글은 이것을 가장 넓은 간격으로 봅니다. 직원 자신감은 앞서가는데 그 자신감을 받쳐 줄 계획은 뒤처져 있습니다. Frontier Firm은 80%가 전사 교육 전략을 갖췄고 slow adopter는 3%입니다.

여기서 교육은 도구 사용법만 뜻하지 않습니다. KOHLER의 최고디지털책임자는 많은 기업이 놓치는 것이 업무 교육(business skilling)이라고 말합니다. 자기 프로세스를 단계로 쪼개 AI 워크플로로 바꾸는 법을 가르치는 것입니다. 글은 위 네 가지 규율 모두 전사 교육 계획 없이는 넓어지지 않는다고 정리합니다.

통념과 다른 주장

저자가 든 사례

Bristol Myers Squibb: 회의 사이를 잇는 프로젝트 관리 에이전트 RABIT

구분	내용
상황	글로벌 제조 운영 조직의 프로젝트 관리 업무입니다. 여러 회의에 흩어진 정보와 회의 뒤 행정 후속 작업이 대상이었습니다.
한 일	프로젝트 관리 에이전트 RABIT을 도입했습니다. 회의 사이의 정보를 이어 팀이 더 나은 결정을 내리도록 돕고 후속 행정 업무를 줄입니다. 포트폴리오 거버넌스·실행 담당 디렉터 Lakshman Yerramalla가 소개했습니다.
결과	RABIT을 쓰는 프로젝트 관리자는 시간을 최대 20% 아끼는 것으로 추정됩니다. 입력 데이터와 사용 도구는 원문에서 밝히지 않았습니다.
이 노트와의 연결	에이전트 중심 워크플로 재설계와 가치 측정의 예입니다. 20%는 추정치이므로 가치 장부에서는 reported 값으로 관리합니다.

Black & Veatch: 얼리어답터 집단으로 Copilot 채택률 98%

구분	내용
상황	Microsoft 365 Copilot을 도입했습니다. 배치 범위와 시기는 원문에서 밝히지 않았습니다.
한 일	계획된 변화 관리를 진행했고 얼리어답터 집단(cohort)을 꾸려 실제 업무에서 쓸 사례를 찾게 했습니다.
결과	Copilot 채택률 98%. 최고디지털기술책임자 Mike Adams는 Frontier Firm이 되는 것을 목표로 밝혔습니다.
이 노트와의 연결	전사 교육과 넓은 배치 습관의 예입니다. 사용 사례를 현업이 직접 찾게 한 점이 교육 설계의 출발점입니다.

Conagra Brands와 KOHLER: 거버넌스부터, 업무 교육부터

구분	Conagra Brands	KOHLER
상황	원문에서 밝히지 않음	많은 기업이 업무 교육을 놓친다고 봄
한 일	CIO Tracy Schaefer가 거버넌스·관측·책임 있는 AI를 첫 단계로 두고 SteerCo가 위험 요인과 접근·ID 관리를 검토	최고디지털책임자 Eric Tabor가 업무 교육을 강조. 프로세스를 쪼개 AI 워크플로로 바꾸는 법을 가르침
결과	원문에서 수치를 밝히지 않음	원문에서 수치를 밝히지 않음
이 노트와의 연결	Agent Governance	Organization-wide Skilling

기술 디테일: 네 규율을 시스템으로 돌리려면

AI Maturity Scale을 사내 진단으로 돌리려면 여섯 지표를 부서별 설문으로 바꿉니다. 지표마다 0·3·5점 기준을 정해 둡니다(가상 예시). 에이전트 도입이라면 0점은 시범 없음, 3점은 시범 1~2개, 5점은 운영 중 에이전트가 있고 담당자가 지정된 상태입니다. 부서 응답과 증빙 링크(대시보드, 등록부 화면)를 LLM에 넣어 JSON으로 채점하게 하고 temperature 0으로 3회 돌려 지표별 편차가 1점을 넘으면 사람이 다시 봅니다. 출력 필드는 dept, dimension, score, evidence_url, rationale, confidence 정도면 충분합니다. 결과는 부서 순위보다 부서마다 가장 약한 지표 두 개를 뽑는 데 씁니다.

Agent Governance를 등록부로 구현하려면 에이전트마다 아래 필드를 갖춘 기록을 만들고 등록부에 없는 에이전트는 운영 환경 접근 권한을 받지 못하게 합니다.

{
  "agent_id": "pm-meeting-agent-01",
  "owner": "제조운영 PMO 팀장",
  "purpose": "회의 결정사항·후속 작업 정리",
  "data_scopes": ["회의록", "프로젝트 일정"],
  "allowed_actions": ["요약 작성", "작업 초안 생성"],
  "approval_required": ["외부 발송", "일정 변경"],
  "log_retention_days": 180,
  "review_cycle": "weekly"
}

실행 단계에서는 approval_required에 든 행동을 사람 승인 대기열로 보내고 모든 호출을 행동 로그로 남깁니다. 주간 점검에서는 쓰지 않은 권한을 회수하고 예외 건수가 늘어난 에이전트를 멈춥니다(값은 가상 예시). 모델 선택도 이 등록부에 묶습니다. 원문에서 플랫폼 선택 기준은 신뢰·보안, 최신 기술, 모델 성능이 44%씩 동률이었습니다. 이 결과에 맞춰 업무마다 비용과 IP·데이터 보호 요구를 적어 두고 민감 데이터를 다루는 업무는 데이터가 밖으로 나가지 않는 모델로, 일반 요약은 싼 모델로 보냅니다.

Value Measurement를 장부로 돌리려면 AI를 넣기 전 4주 동안 처리 시간, 건수, 오류율을 실측해 기준선을 잡습니다. 적용 뒤에도 같은 지표를 같은 방식으로 잽니다. 장부 필드는 use_case, baseline, after, value_type(비용·매출·고객·위험·직원 경험), reported_or_measured, realization_condition으로 둡니다(가상 예시). BMS의 20%처럼 사용자 추정치는 reported로, 로그로 확인한 값은 measured로 나눠 적어야 분기 보고에서 두 값이 섞이지 않습니다. 아낀 시간은 어디에 다시 썼는지 함께 적습니다. 원문 응답자들이 꼽은 창의·혁신, 고객 접점, 분석 업무가 그 행선지의 예입니다.

막히는 경우	증상	대응
측정이 사용률에 머묾	로그인 수는 늘었는데 성과 보고가 없음	기준선 없는 사례는 확산 대상에서 제외
에이전트가 등록부 밖에서 생김	부서가 직접 만든 에이전트가 권한을 씀	운영 접근을 등록부 승인과 연동
추정치가 실측처럼 보고됨	절감률이 분기마다 과장됨	reported_or_measured 필드 필수
교육이 도구 사용법에 머묾	채택률은 높은데 업무 흐름은 그대로	부서마다 프로세스 1개를 AI 워크플로로 다시 그리는 실습

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
CEO·CFO	AI를 기술 도입이 아닌 사업 전환으로 정의, 예산 증액 조건을 가치 장부와 연결
AX 추진 조직	성숙도 진단 운영, 에이전트 등록부와 가치 장부 관리, 분기 보고
CIO·CISO	에이전트 감독 절차, 승인 기준, 접근·ID 관리 점검(SteerCo 운영)
현업 리더	자기 부서 업무 하나를 시범 대상으로 내놓고 기준선 실측
CHRO	얼리어답터 집단 구성, 업무 단위 교육 설계, 전사 교육 계획

준비물은 부서별 AI 사용 현황, 현재 운영 중이거나 시범 중인 에이전트 목록, 지난 12개월 AI 지출과 계획 대비 실적, 교육 이수 현황입니다.

기간	할 일	산출물
1~3주	여섯 지표 부서 진단, 에이전트 목록 정리, 시범 업무 후보 선정	부서별 진단표, 약한 지표 2개
4~6주	에이전트 등록부와 승인 기준 확정, SteerCo 첫 회의, 기준선 실측 시작, 얼리어답터 집단 구성	등록부, 승인 기준표, 기준선
7~10주	시범 운영, 같은 지표로 전후 비교, 업무 교육 실습(프로세스 1개 다시 그리기)	가치 장부 초안, 교육 참여 현황
11~12주	판정 회의, 확산 대상과 순서 결정, 전사 교육 계획 확정	진행·보완·중단 결정, 다음 분기 계획

현업 인터뷰에서 물을 질문은 다음과 같습니다. 이 업무에 AI를 넣기 전 처리 시간을 지금 숫자로 말할 수 있나? 에이전트가 사람 승인 없이 해도 되는 행동과 안 되는 행동은 무엇인가? 이 에이전트의 담당자는 누구이고 멈추라고 결정할 수 있는 사람은 누구인가? 아낀 시간을 어디에 쓸 것인가? 다른 부서가 이 방식을 그대로 가져가려면 무엇이 필요한가?

진행 판정 기준은 이렇게 잡을 수 있습니다(가상 예시). 기준선과 적용 후 값이 모두 measured로 있고 등록부에 담당자와 승인 기준이 있으며 사용자 교육 이수율이 80% 이상이면 확산합니다. 하나라도 비면 보완하고 전후 차이가 없으면 중단합니다.

어디에 먼저 쓸까요. 원문은 자기 기능부터 시작하라고 권합니다. 모든 기능이 증명 사례가 될 수 있다는 것입니다. 그래서 고객사 프로젝트라면 AX 추진 조직 자신의 업무(보고서 작성, 회의 후속 처리)를 첫 시범으로 삼고 거기서 가치 장부와 등록부를 먼저 써 보는 순서가 좋습니다. 제조·제약처럼 회의와 후속 행정이 많은 조직은 BMS의 RABIT처럼 프로젝트 관리 에이전트가 첫 후보입니다. 이미 Copilot을 깔았지만 사용이 정체된 조직은 Black & Veatch처럼 얼리어답터 집단부터 꾸리는 편이 빠릅니다. 경영진 보고에서는 수익 배수보다 측정 자신감, 감독 절차, 교육 전략 세 칸의 간격을 먼저 보여 주면 투자 우선순위가 바로 정리됩니다.

원문 사례

항목	내용
원문	Official Microsoft Blog, Alysa Taylor(Microsoft 상업 클라우드·AI 부문 CMO), 2026.11.12
조사	IDC Survey, 2026년 7월, N=5,204, 28개 업종 고위 IT·사업 리더, Microsoft 의뢰(4년째), “Business Opportunity of AI Study”(IDC #US54951426)
구분	Frontier Firm = IDC 성숙도 척도 상위 10%, slow adopter = 하위 30%
수익	평균 4배 vs 2.7배, 5배 이상 39% vs 4%, 에이전트 3.8배 vs 3.0배(응답자 보고 상관)
측정	ROI 측정 높은 자신감 Frontier 93%, 전체 61%
거버넌스	에이전트 감독 절차 전체 65%, 위험 대응 높은 자신감 60%, Frontier 87% vs slow 51%
사람	직원 높은 신뢰 67%, 전사 교육 전략 20%, Frontier 80% vs slow 3%
확산	상당한 성과 66%, 여러 사업부 확산 48%, 에이전트 시범 단계 36%, 평균 6.5개 영역 활용
다섯 습관	계획 초과 지출 90%, 넓은 배치, 에이전트 대규모 배치 96%·조율 53%, 거버넌스 87%, 교육 80%
네 규율	모델 선택(신뢰·보안, 최신 기술, 성능 각 44%), 에이전트 중심 워크플로 재설계(창의·혁신 41%, 고객 접점 39%, 분석 39%), 결정·행동 거버넌스, 가치 측정(예산 10% 이상 증액 예상 71%)
기업 사례	BMS RABIT(“connects the dots across meetings”, PM 시간 최대 20% 절감 추정), Black & Veatch Copilot 채택률 98%, Conagra SteerCo, KOHLER 업무 교육
권고	AI를 사업 전환으로 다루기, 자기 기능부터 시작, 기술만큼 사람에 투자

핵심 개념

Frontier Firm

IDC AI 성숙도 척도에서 상위 10%에 든 기업. 2025년 조사에서 처음 쓴 구분

Slow adopter

같은 척도에서 하위 30%에 든 기업. 비교 기준 집단

Agent orchestration

여러 에이전트를 하나의 워크플로 안에서 순서와 역할을 나눠 함께 돌리는 것

SteerCo

Steering Committee. 경영진과 관련 부서가 모여 위험과 우선순위를 정하는 운영위원회

Business skilling

도구 사용법이 아니라 자기 업무를 단계로 쪼개 AI 워크플로로 바꾸는 법을 익히는 교육

Leader-reported return

재무제표가 아니라 응답자가 스스로 밝힌 투자 대비 수익 배수

내 메모

TODO: 내 생각 추가

원문은 Official Microsoft Blog의 「Scaling AI value without losing control: Lessons from Frontier Firms」(Alysa Taylor, 2026.11.12)입니다. 원문은 Microsoft가 의뢰한 IDC 조사(2026년 7월, N=5,204)를 정리한 글이며 수익은 응답자 보고값이고 결과는 상관 관계입니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 저자가 든 사례는 원문 내용을 AX Review가 다시 정리했습니다. 성숙도 진단 채점 방식, 에이전트 등록부 필드, 가치 장부 필드, 12주 일정, 질문, 판정 기준, 모든 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성한 내용이며 가상 예시입니다. IDC InfoBrief 전문은 아직 공개되지 않았고 전체 내용은 원문에서 볼 수 있습니다.