AI Fluency·Agent Registry: TD SYNNEX가 직원 인증과 에이전트 소유자 제도로 AI를 넓히는 법

TD SYNNEX는 직원에게는 4단계 AI 활용 인증을, 에이전트에게는 등록과 사람 소유자를 요구합니다. 도구를 넓게 풀어 주는 대신 결과의 책임은 끝까지 사람에게 두는 방식이고, 따라 하려면 인증 문항, 등록부 필드, 권한 상속 방식, 승격 관문을 먼저 정해야 합니다.

요약

IT 유통사 TD SYNNEX(2025 회계연도 매출 625억 달러)의 Kristie Grinnell CIO가 Forbes 기고자 Peter High와 인터뷰했습니다. 주제는 직원이 AI 에이전트와 함께 일할 준비를 어떻게 시키느냐입니다. Grinnell은 회사의 AI Fluency Strategy(AI를 능숙하게 쓰는 역량을 키우는 전사 전략)의 임원 후원자입니다. 이 전략은 skillset(기술 교육), toolset(개발 도구 접근과 데이터·프로세스 준비), mindset(익숙한 일하는 방식을 다시 생각하기) 세 축으로 짜여 있습니다. 직원은 네 단계를 차례로 올라가며 단계마다 출처를 평가하고 계산을 검증하고 편향을 알아보는 능력을 인증받아야 합니다. 그는 이 과정을 외국어 배우기에 빗댑니다. 기초만 익혀도 대화에 낄 수 있고, 능숙해질수록 더 복잡한 결정을 맡을 수 있다는 뜻입니다.

AI fluency 전략의 세 축이 단계별 인증으로 이어지는 구조

Grinnell은 가장 어려운 부분이 기술이 아니라 변화 관리라고 말합니다. 그래서 장치를 네 층에 걸었습니다. 직원 인증은 인사팀과 함께 시험은 어렵게 내고 재응시는 부담 없게 했습니다. 에이전트는 모두 등록해 고유 ID를 주고 이름 있는 사람 소유자를 둡니다. 접근 권한은 그 에이전트를 쓰는 사람의 권한을 따릅니다. 사내 AI factory인 Fluidworks.ai는 승인된 데이터 소스에만 도구를 연결하고, 개인용 도구를 팀·전사용으로 올리는 규칙을 둡니다. 임원은 전원이 자기 부문의 AI 계획을 썼고, 거기서 신용, 고객지원, 견적, 가격 책정이라는 공통 과제가 나왔습니다. 보안관제센터에서는 에이전트가 경보를 먼저 분류해 1단계 분석가가 위협 탐색으로 옮겨 갔습니다. 인터뷰에 에이전트 수나 절감액 같은 수치는 나오지 않습니다. 아래에서 여섯 가지 작동 원리와 세 사례를 보고, 따라 할 때 필요한 기술·현업 디테일을 붙입니다.

네 층에 건 장치와 그 통제 장치(인터뷰 내용 정리)

핵심 메커니즘

AI Fluency Levels: 네 단계를 인증으로 올라간다

AI fluency는 AI를 그냥 쓰는 수준이 아니라 AI 답을 의심하고 확인할 줄 아는 수준을 뜻합니다. 직원은 네 단계를 차례로 밟고, 단계마다 인증을 통과해야 다음으로 갑니다. 모든 단계에서 확인하는 능력은 세 가지입니다. 답의 근거가 된 출처를 평가하고, 계산이 맞는지 검증하고, 결과에 섞인 편향을 알아보는 것입니다. 기초 교육에는 답 뒤의 데이터를 따져 보고 출력을 확인하는 법이 들어갑니다. 출발점은 개인 생산성입니다. 먼저 AI를 비서처럼 쓰는 데 익숙해진 뒤에야 업무 프로세스를 다시 설계하는 일을 맡깁니다. 네 단계의 이름과 단계별 세부 요건은 인터뷰에서 밝히지 않았습니다.

작은 예시(가상): 영업 지원 담당자가 AI에게 지난 분기 거래처별 할인율 평균을 물었습니다. 1단계 인증을 통과하려면 답이 어떤 파일을 근거로 했는지 열어 보고, 평균을 직접 한 번 다시 계산하고, 특정 지역 거래처가 빠지지 않았는지 짚을 수 있어야 합니다.

단계 하나를 오르는 흐름. 네 단계의 이름과 세부 요건은 인터뷰에 나오지 않음

Hard to Pass, Safe to Fail: 어렵게 내고 다시 보게 한다

인증 정책은 인사팀과 함께 정했습니다. Grinnell의 표현으로는 “hard to pass, but safe to fail”입니다. 시험은 쉽게 내지 않는 대신 떨어져도 불이익 없이 다시 응시할 수 있습니다. 이 정책은 책임 원칙과 짝을 이룹니다. 직원은 다시 도전할 수 있지만, 자신이 쓴 AI가 낸 결과에는 여전히 책임을 집니다. 실험을 편하게 하라는 메시지와 결과는 사람이 책임진다는 메시지를 한 정책에 함께 담은 셈입니다.

인사팀과 함께 바꾼 인증 정책

Agent Registry: 모든 에이전트에 ID와 사람 소유자를 둔다

에이전트 등록부는 회사 안에서 돌아가는 에이전트 목록이자 책임 장부입니다. 에이전트는 모두 등록해 고유 identity(시스템이 구분하는 ID)를 받습니다. 에이전트마다 이름 있는 사람 소유자가 있고, 소유자는 그 에이전트의 결과, 학습, 성능을 이해하고 책임집니다. 권한 규칙이 하나 더 있습니다. 에이전트가 볼 수 있는 데이터는 그 에이전트를 쓰는 사람의 권한을 넘지 못합니다. 같은 에이전트라도 영업 담당자가 쓰면 영업 데이터만, 재무 담당자가 쓰면 재무 데이터만 보는 식입니다. 등록부를 기술적으로 어떻게 구현했는지는 인터뷰에 나오지 않습니다.

에이전트 등록부의 네 장치

Fluidworks.ai: 승인된 데이터에만 붙는 사내 AI factory

Fluidworks.ai는 TD SYNNEX의 AI factory, 곧 에이전트와 AI 도구를 만들고 나눠 쓰는 공용 플랫폼입니다. 한 지역에서 만든 기능을 다른 지역이 가져다 쓰고 전사로 키울 수 있게 하는 것이 목적입니다. 쓰는 방식은 세 층입니다. 어떤 직원은 이미 있는 에이전트를 자연어로 씁니다. 어떤 직원은 노코드·로코드 도구로 직접 만듭니다. 핵심 시스템이 얽힌 애플리케이션은 전문 개발자가 맡습니다. 통제도 플랫폼에 들어 있습니다. 도구는 승인된 데이터 소스에만 연결되고, 개발과 배포에는 거버넌스 규칙이 붙습니다.

Fluidworks.ai를 쓰는 세 층. 사용자 구분은 인터뷰 내용을 정리한 것

개인용으로 만든 도구를 팀이나 전사로 넓히는 일에는 정해진 승격 규칙이 있습니다. 개인이 만든 좋은 도구가 정해진 관문을 거쳐야만 여러 사람이 쓰는 도구가 된다는 뜻입니다. 승격 규칙의 구체 항목은 인터뷰에서 밝히지 않았습니다.

개인에서 팀, 전사로 올라가는 경로. 승격 규칙의 세부는 인터뷰에 나오지 않음

Executive AI Plans: 임원 전원이 자기 부문 계획을 쓴다

경영진 전원이 자기 조직에 AI를 어떻게 적용할지 계획을 써 냈습니다. 지역마다 성숙도는 달랐지만 계획에는 공통점이 있었습니다. 수작업을 줄이고, 비용을 낮추고, 처리량을 늘리는 기회입니다. 여기서 신용, 고객지원, 견적, 가격 책정이 우선 영역으로 정해졌습니다. 리더에게는 직접 써 보이는 역할도 맡겼습니다. 리더십 플레이북에는 30일 챌린지가 있고, Grinnell은 주간 임원 회의에서 동료들에게 AI 활용 사례를 나눠 달라고 요청합니다. 그 자신은 하루를 시작하기 전에 업계 뉴스와 분석을 정리해 주는 에이전트를 씁니다.

임원 계획에서 공통 과제를 찾고 리더가 먼저 써 보이는 흐름

Faster Horse, Car, Rocket Ship: 변화의 크기를 먼저 고른다

업무 재설계 워크숍은 인사, IT, 외부 컨설턴트가 함께 만들었습니다. 워크숍은 도구가 아니라 현업의 불편함과 원하는 결과에서 시작합니다. Grinnell은 프로세스마다 더 빠른 말이 필요한지, 자동차가 필요한지, 로켓이 필요한지를 묻습니다. 앞의 것은 점진적 개선이고 뒤로 갈수록 근본적 변화입니다. 목표는 경쟁사가 같은 도구를 산다고 따라올 수 없는 우위입니다.

워크숍에서 프로세스마다 고르는 변화의 크기

통념과 다른 주장

흔히 이렇게 봅니다AI 확산이 더딘 이유는 모델 성능, 도구, 데이터 같은 기술 쪽에 있다고 봅니다.

인터뷰이는 이렇게 봅니다가장 어려운 부분은 기술과 무관하며, 변화 관리의 문제라고 봅니다.

근거그래서 인증 정책을 인사팀과 함께 바꾸고, 임원이 직접 써 보이게 하고, 직원이 실험을 편하게 느끼도록 장치를 설계했습니다.

흔히 이렇게 봅니다사내 인증은 참여율을 높이려 쉽게 내거나, 반대로 떨어지면 평가에 불리하게 반영합니다.

인터뷰이는 이렇게 봅니다시험은 어렵게 내되 떨어져도 안전해야 하고, 결과 책임은 사람에게 남겨야 합니다.

근거인사팀과 함께 재응시를 허용하는 기준을 정하면서도, 쓴 AI의 결과에 대한 책임은 직원에게 두었습니다.

흔히 이렇게 봅니다좋은 AI 도구를 빨리 사서 깔면 경쟁 우위가 생긴다고 봅니다.

인터뷰이는 이렇게 봅니다경쟁사가 같은 도구를 사서 따라 할 수 없는 변화를 노려야 합니다.

근거워크숍에서 프로세스마다 점진 개선인지 근본 변화인지를 먼저 묻고, 한 지역이 만든 기능을 Fluidworks.ai로 전사에 퍼뜨립니다.

통념과 인터뷰이 주장 세 쌍

저자가 든 사례

Agentic SOC: 경보 1차 분류를 에이전트에 맡겼다

상황	한 일	결과	연결
1단계 보안 분석가가 화면을 보며 경보를 감시	에이전트가 경보를 분류하고 사람이 볼 문제만 표시	1단계 분석가가 위협 탐색 업무로 이동. 처리 건수·절감액은 원문에서 밝히지 않음	Agent Registry(사람 소유자), Rocket ship형 변화

이 사례는 Grinnell이 IT 부문 계획으로 내세운 intelligent IT(IT가 현업과 함께 기회를 먼저 찾는 운영 방식)의 일부입니다. IT는 현업 부서와 더 가까이 일하려고 forward-deployed engineering(개발자를 현업 팀에 붙여 함께 만드는 방식)도 검토하고 있습니다.

보안관제센터 사례. 처리 건수나 절감액은 인터뷰에서 밝히지 않음

임원 계획: 지역은 달라도 과제는 같았다

상황	한 일	결과	연결
지역마다 AI 성숙도가 다름	경영진 전원이 자기 부문 AI 계획을 작성	수작업 감소·비용·처리량이라는 공통 기회, 신용·고객지원·견적·가격 책정이 우선 영역	Executive AI Plans

임원 계획 사례

타운홀의 Copilot: 리더가 먼저 써 보였다

상황	한 일	결과	연결
직원에게 AI 실험을 편하게 느끼게 해야 함	한 지역 사장이 타운홀의 성장 계획 토론에서 Copilot에 의견을 물음	AI로 전략적 사고를 검증할 수 있다는 것을 동료에게 보여 줌. 반응 수치는 원문에서 밝히지 않음	Executive AI Plans, Hard to Pass, Safe to Fail

리더가 먼저 써 보인 사례

기술 디테일: 등록부, 권한, 인증, 승격을 실제로 돌리려면

아래는 인터뷰에 없는 구현 방법을 새로 작성한 것입니다. 필드명과 숫자는 가상 예시입니다.

Agent Registry를 만들려면 에이전트 한 건을 한 레코드로 두고, 소유자와 데이터 연결을 필수 필드로 막습니다. 소유자가 비어 있거나 퇴사·이동으로 무효가 되면 에이전트를 자동으로 멈추게 합니다.

{
  "agent_id": "agt-apac-quote-0142",
  "name": "견적 초안 작성",
  "owner": {"user_id": "u-38211", "backup_user_id": "u-40917"},
  "tier": "team",
  "model": "사내 승인 모델 목록 중 하나",
  "data_sources": ["price_book_apac", "crm_opportunity"],
  "permission_mode": "on_behalf_of_user",
  "eval_set": "quote-eval-v3",
  "last_review": "2026-10-31",
  "status": "active"
}

권한을 쓰는 사람에게 맞추려면 에이전트가 자기 서비스 계정으로 데이터를 읽지 않게 합니다. 직원이 로그인한 토큰을 받아 OAuth 2.0 token exchange(RFC 8693) 같은 방식으로 on-behalf-of(OBO) 토큰을 새로 받고, 그 토큰의 범위는 사용자 권한과 등록부의 data_sources가 겹치는 부분으로 줄입니다. 모든 호출에 agent_id와 user_id를 함께 남기면 소유자가 월간 점검 때 누가 무엇을 봤는지 추적할 수 있습니다.

권한 상속을 구현하는 한 가지 방법(새로 작성)

fluency 인증 시험을 만들려면 세 확인 능력마다 문항을 따로 둡니다. 틀린 근거, 틀린 합계, 치우친 추천을 일부러 심은 AI 답을 보여 주고 무엇이 잘못됐는지 찾게 하는 방식입니다. 재응시를 허용하니 같은 문항이 반복되지 않게 문항 은행을 크게 둡니다. LLM으로 문항 변형을 만들 때는 temperature 0.7 안팎으로 여러 벌을 뽑고, 정답이 하나로 정해지는지 사람 출제자가 검수합니다. 채점 기준표 예시는 0점(오류를 못 찾음), 3점(오류는 찾았으나 근거를 못 댐), 5점(오류를 찾고 원자료로 바로잡음)입니다.

시험 문항 설계 예시(새로 작성, 가상 예시)

승격 관문을 자동으로 거르려면 등록부 레코드에 관문 항목을 체크리스트로 둡니다. 팀 승격은 소유자 지정, 평가 세트 통과(예: 30건 중 27건 이상 정답), 승인 소스만 연결을 확인합니다. 전사 승격은 여기에 2개 이상 지역의 실제 사용, 보안 검토, 운영 담당 지정을 더합니다.

승격 관문 체크 항목(가상 예시)

보안관제 에이전트를 돌리려면 경보마다 구조화 출력을 받습니다. 필드 예시는 alert_id, category, severity(1~4), evidence(근거 로그 줄), confidence(0~1), route(auto_close, human_review, escalate)입니다. 같은 경보를 3회 분류해 결과가 갈리거나 confidence가 0.8 미만이면 사람 검토로 보냅니다. 처음 4주는 자동 종결 없이 에이전트 판정과 분석가 판정을 나란히 쌓아 일치율을 봅니다.

막히는 경우	증상	대응
소유자 부재	담당자 이동 뒤 에이전트가 계속 돎	인사 시스템 이벤트로 `status`를 자동 정지
권한 확대	에이전트가 서비스 계정으로 전체 데이터 조회	on-behalf-of 토큰만 허용, 서비스 계정 차단
문항 유출	재응시자 점수만 급등	문항 은행 확대, 응시마다 무작위 추출
오분류	진짜 위협이 자동 종결	초기 자동 종결 금지, 표본 재검토

현업 실행 디테일: 누가, 언제, 무엇을

아래 역할, 일정, 판정 기준은 인터뷰 내용을 바탕으로 새로 짠 가상 예시입니다.

역할	맡는 일	산출물
CIO(임원 후원자)	전략 소유, 등록부·플랫폼 결정	fluency 전략 문서, 등록부 운영 규칙
CHRO·인사	인증 단계와 재응시 정책, 교육 과정	단계별 요건표, 응시·재응시 규칙
CISO·보안	권한 상속 방식, 승격 보안 검토	권한 설계서, 검토 체크리스트
부문 임원	자기 부문 AI 계획, 직접 써 보이기	부문 계획 1장, 30일 챌린지 공유
에이전트 소유자	결과·학습·성능 점검	월간 점검 기록

8주 일정 예시(가상 예시)

시작 전 준비물은 네 가지입니다. 현재 쓰이는 AI 도구와 에이전트 목록, 부서별 데이터 접근 권한표, 인사팀과 합의한 인증 정책 초안, 임원 계획 양식(불편한 업무, 원하는 결과, faster horse·car·rocket ship 중 어디인가)입니다.

8주 일정 예시는 이렇습니다. 1~2주에는 인사와 함께 인증 1단계 문항과 재응시 규칙을 정합니다. 3~4주에는 보안과 함께 기존 에이전트를 모두 등록부에 올리고 소유자를 지정합니다. 5~6주에는 부문 임원이 계획을 내고, 공통 과제를 두세 개로 묶습니다. 7~8주에는 소유자가 첫 월간 점검을 하고 승격 후보를 올립니다.

인터뷰·확인 질문

이 에이전트가 틀린 결과를 냈을 때 누구에게 연락합니까?
이 에이전트는 쓰는 사람이 못 보는 데이터를 볼 수 있습니까?
이 업무는 더 빠른 말, 자동차, 로켓 중 무엇이 필요합니까?
인증에서 떨어진 직원이 다시 응시하기까지 무엇이 막습니까?
다른 지역이 이 도구를 가져다 쓰려면 무엇을 바꿔야 합니까?

진행 판정 기준(예시): 등록부에 소유자 없는 에이전트가 0건이어야 다음 단계로 갑니다. 서비스 계정으로 데이터를 읽는 에이전트도 0건이어야 합니다. 부문 계획은 전원이 제출해야 공통 과제 선정에 들어갑니다. 인증 1단계는 대상자의 절반 이상이 응시했을 때 2단계를 엽니다.

어디에 먼저 쓸까. 에이전트가 부서마다 하나둘씩 생기기 시작한 회사라면, 교육보다 등록부를 먼저 세우는 편이 비용이 적게 듭니다. 소유자와 권한 규칙 없이 늘어난 에이전트는 나중에 거둬들이기 어렵기 때문입니다. 그다음 인사와 함께 인증을 붙이고, 임원 계획으로 공통 과제를 고릅니다. 유통·도매처럼 견적, 가격, 신용 업무가 지역마다 반복되는 업종은 한 지역의 도구를 승격 관문으로 다른 지역에 옮기는 방식이 바로 들어맞습니다. 이 순서는 사람, 에이전트, 데이터의 책임을 한 번에 묶으려는 CIO와 CHRO가 함께 끌고 가야 합니다.

원문 사례

항목	내용
원문	Forbes, Peter High(Metis Strategy 대표), 2026년 11월 9일
인터뷰이	Kristie Grinnell, TD SYNNEX EVP 겸 CIO, AI Fluency Strategy 임원 후원자
회사	글로벌 IT 유통사, 2025 회계연도 매출 625억 달러
직원 인증	4단계, 단계마다 출처 평가·계산 검증·편향 식별 인증, 재응시 허용
에이전트 통제	등록·고유 ID, 사람 소유자, 사용하는 사람의 권한을 따름
플랫폼	Fluidworks.ai, 승인된 데이터 소스만 연결, 개인→팀·전사 승격 규칙
임원	전원 부문 계획 작성, 우선 영역은 신용·고객지원·견적·가격 책정, 30일 챌린지
보안관제	에이전트가 경보 분류, 1단계 분석가는 위협 탐색으로 이동
밝히지 않은 수치	에이전트 수, 인증 통과율, 절감액, 생산성 향상

핵심 개념

skillset · toolset · mindset: AI fluency 전략의 세 축. 기술 교육, 도구와 데이터 준비, 일하는 방식의 재검토를 함께 묶습니다.
intelligent IT: Grinnell이 IT 부문 계획에 붙인 이름. IT가 요청을 기다리지 않고 현업과 함께 기회를 먼저 찾는 방식입니다.
agentic SOC: 에이전트가 경보를 먼저 분류하고 사람이 볼 것만 올리는 보안관제센터.
forward-deployed engineering: 개발자가 현업 팀에 들어가 함께 문제를 풀고 도구를 만드는 운영 방식. TD SYNNEX는 검토 단계입니다.
on-behalf-of 토큰: 에이전트가 사용자를 대신해 시스템을 부를 때 쓰는 위임 토큰. 사용자 권한 안에서만 움직이게 합니다.

내 메모

TODO: 내 생각 추가

원문은 Forbes의 「How TD SYNNEX Is Preparing Employees To Work Alongside AI Agents」(Peter High, 2026년 11월 9일)입니다. 요약, 핵심 메커니즘의 원문 설명, 통념과 다른 주장, 사례, 원문 사례 표는 인터뷰에서 Kristie Grinnell이 밝힌 내용을 AX Review가 다시 정리했습니다. 작은 예시, 등록부 JSON, 권한 상속 흐름(OAuth 2.0 token exchange, RFC 8693), 시험 문항과 채점 기준, 승격 관문, 보안관제 출력 필드, 막히는 경우 표, 역할·일정·판정 기준, 인포그래픽은 인터뷰에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 전체 인터뷰는 원문에서 볼 수 있습니다.