Business Agent Foundry: AT&T가 업무를 통째로 다시 짜고 정확도로 자율 실행을 허락하는 방식
AT&T는 에이전트 워크플로 약 500개를 운영 중이고 내년에 3배로 늘릴 계획입니다. 업무 하나가 아니라 프로세스 전체를 다시 짜고 모든 워크플로를 사람 감독으로 시작해 정확도가 90% 중후반에 이르면 자율 실행으로 넘깁니다. 고객에 닿는 워크플로는 Business Agent Foundry의 보안·개인정보·컴플라이언스 심사를 거칩니다.
AT&T는 에이전트를 업무 한 칸에 붙이지 않고 프로세스 전체를 다시 짜는 데 씁니다. 모든 워크플로는 사람 감독으로 시작하고 정확도가 90% 중후반에 이르러야 자율 실행으로 넘어갑니다. 따라 하려면 프로세스 지도, 고객 영향 업무를 거르는 심사 창구, 워크플로마다 정확도를 재는 검수 기준이 먼저 있어야 합니다.
요약
SiliconANGLE의 Paul Gillin이 AT&T Business의 디지털 전환·AI 담당 Assistant Vice President인 Luke Corbin의 발표를 정리했습니다. Corbin은 이달 초 보스턴에서 열린 Amazon Web Services 행사에서 발표했습니다. AT&T는 직원 생산성용 생성형 AI 실험을 지나, 에이전트가 다시 짤 수 있는 프로세스를 찾는 단계로 옮겼습니다. 중심 조직은 2025년 초에 만든 Business Agent Foundry입니다. 이 조직은 사업부와 함께 업계 프레임워크로 프로세스를 그립니다. 흩어진 자동화 아이디어를 모으는 대신 불필요한 단계, 부서 사이 인계, 레거시 애플리케이션 의존을 찾아 걷어냅니다.
지금 운영 중인 에이전트 워크플로는 500개 가까이 되고 내년에는 이를 3배로 늘릴 계획입니다. AT&T는 하루 약 450억 개의 AI 토큰을 처리하고 에이전트 플랫폼은 한 달에 100만 건이 넘는 트랜잭션을 다룹니다. 고객 회선 개통(provisioning)과 영업 발굴(prospecting)을 비롯해 상당수 워크플로가 사람 개입 없이 돕니다. 이 규모를 받치는 장치는 셋입니다. 적은 수의 에이전트가 중앙의 business logic을 함께 쓰는 구조, 고객에 닿는 업무만 따로 거르는 심사, 정확도로 자율 실행을 허락하는 전환 규칙입니다. Corbin은 운영 중인 AI 투자가 1년 안에 5배를 돌려준다고 말했는데, 원문에는 이 수치의 산정 근거가 나오지 않습니다. 아래에서는 이 흐름을 여섯 메커니즘으로 나누고 실제로 돌릴 때 필요한 디테일을 덧붙입니다.
핵심 메커니즘
Process Redesign: 업무 한 칸이 아니라 프로세스 전체를 다시 짠다
AT&T가 말하는 재설계는 사람이 하던 단계 하나를 에이전트에 넘기는 일이 아닙니다. 프로세스 전체를 지도로 그린 뒤 없어도 되는 단계와 사람이 넘겨받는 지점을 먼저 지웁니다. 입력은 사업부의 현행 프로세스이고 Foundry가 업계 프레임워크로 단계와 인계점, 레거시 의존을 표시합니다. 출력은 더 짧아진 흐름이고 남은 단계를 에이전트가 맡습니다. 초기 사례가 메인프레임 작업입니다. 광섬유 설치 주문이 바뀌면 직원이 대기열에서 티켓을 꺼내 기록을 손으로 고치고 다시 워크플로로 돌려보냈습니다. 에이전트가 이 일의 일부를 없애자 지연이 줄고 서비스 제공이 빨라졌습니다. 업무 단위 자동화 아이디어는 많은데 전체 리드타임이 줄지 않는 조직이라면 이 순서가 맞습니다. 단계가 두세 개뿐인 단순 업무라면 지도부터 그릴 필요는 적습니다.
Central Business Logic: 에이전트를 늘리지 않고 업무 규칙을 한곳에 둔다
AT&T는 전문 에이전트를 업무마다 따로 만들지 않습니다. 비교적 적은 수의 에이전트를 두고 워크플로는 중앙에서 관리하는 business logic(업무 규칙)으로 돌립니다. Corbin은 이 규칙을 context나 memory에 저장한다고 설명했습니다. 역할은 둘로 나뉩니다. Retrieval agent(검색 에이전트)는 작업에 필요한 지식을 찾고 Planning agent(계획 에이전트)는 어떤 행동과 도구, 데이터가 필요한지 정합니다. 규칙을 에이전트 코드 안에 넣지 않고 한곳에 두면, 규칙이 바뀔 때 고칠 곳이 한 군데로 줄어듭니다. 워크플로 수가 수백 개를 넘길 조직에 맞는 구조입니다. 에이전트가 몇 개인지는 원문에 나오지 않습니다.
Two-Lane Governance: 개인용은 열고 고객에 닿는 일은 심사한다
AT&T 직원은 개인 생산성 에이전트를 스스로 만들 수 있습니다. 반면 고객에게 영향을 주거나 사업에 실질적인 영향을 주는 워크플로는 반드시 Business Agent Foundry를 거쳐 보안, 개인정보, 컴플라이언스 심사를 통과해야 합니다. 누구나 에이전트를 만들 수 있게 연 범위는 개인 생산성까지라는 설명입니다. 판단 기준은 기술이 아니라 영향 범위입니다. 같은 모델을 써도 직원 한 사람의 메일 정리와 고객 주문 변경은 다른 줄에 섭니다. 이렇게 갈라 두면 현업의 실험 속도는 살리면서 심사 인력은 고객 영향 업무에만 씁니다.
Accuracy-Gated Autonomy: 정확도가 90% 중후반에 이를 때까지 사람이 본다
운영에 올라가는 모든 워크플로는 사람의 감독 아래에서 시작합니다. 에이전트가 혼자 처리해도 되는 시점은 정확도가 90% 중후반에 이르고 그 결과가 허용할 수 있는 위험 범위 안에 있을 때입니다. 전환한 뒤에도 성능을 계속 감시해 drift(시간이 지나며 성능이 떨어지는 현상)를 잡습니다. 입력은 사람이 검수한 처리 결과이고 처리는 에이전트 결과와 사람 판정의 일치율 집계이며 출력은 자율 전환 여부입니다. 원문은 정확한 기준값이나 측정 기간을 밝히지 않았습니다. 실제로 쓸 때는 워크플로마다 기준값과 표본 크기를 정해 둬야 합니다.
Self-Funding Business Case: 네 지표로 재고 레거시 비용을 상쇄한다
AT&T는 성과를 노동 절감, 매출 창출, 운영 비용, 고객 만족 네 가지로 잽니다. Corbin은 운영 중인 AI 투자가 1년 안에 5배를 회수한다고 말했습니다. 이 수치는 회사 측 주장이며 원문에는 무엇을 분모와 분자로 셌는지 나오지 않습니다. 그가 강조한 논리는 비용 구조입니다. 151년 된 회사인 AT&T는 컴퓨터가 생긴 무렵부터 써 왔고 레거시 애플리케이션 유지와 교육, 관리에 비용이 듭니다. 더 단순한 생성형 워크플로가 이 비용 일부를 메우면, AI 투자가 스스로 다음 투자를 대는 구조가 된다는 설명입니다. 영업 쪽에서는 에이전트가 고객 위치와 광섬유 제공 가능 여부를 먼저 확인해, 영업 담당이 될 만한 리드에만 시간을 쓰게 합니다.
Scaling Conditions: 데이터를 맞추고 아이디어는 직원에게서 받는다
모델만으로는 규모가 커지지 않았습니다. AT&T는 여러 차례 인수합병으로 흩어진 데이터를 하나로 맞춰야 했고 데이터센터와 클라우드, 현장 인력 사이의 연결도 안정적으로 유지해야 했습니다. 사람 쪽에서는 에이전트 아이디어를 직원에게서 받고 비효율적인 프로세스를 바꾸는 방식이 대체 불안을 줄였습니다. Corbin은 많은 직원이 싫어하던 프로세스를 속속들이 알고 바꾸고 싶어 한다고 봤습니다. AT&T는 기존 프로세스 개선을 넘어 에이전트로 새 서비스를 내고 새 시장과 영업 채널을 여는 쪽으로 옮기고 있습니다. 그는 AI 전환 책임이 Foundry 같은 전담 팀에 머물지 않고 조직 전체로 퍼져야 한다고 말했습니다.
통념과 다른 주장
흔히 이렇게 봅니다업무마다 전문 에이전트를 하나씩 만들어 붙이면 에이전트 도입이 넓어진다.
AT&T는 이렇게 봅니다에이전트 수는 적게 두고 업무 규칙을 중앙의 context·memory에 모아 여러 워크플로가 함께 쓰게 합니다.
근거이 구조로 운영 중 워크플로 약 500개, 월 100만 건 이상의 트랜잭션을 처리하고 있으며 내년에 워크플로를 3배로 늘릴 계획입니다.
흔히 이렇게 봅니다AI 전환은 전담 조직을 키워 그 팀이 계속 끌고 가야 한다.
AT&T는 이렇게 봅니다전담 팀은 출발점일 뿐이고 책임은 결국 조직 전체로 퍼져야 합니다. Corbin은 "in the long run, my team shouldn't exist"라고 말했습니다.
근거직원에게서 에이전트 아이디어를 받자 대체 불안이 줄었고 프로세스를 가장 잘 아는 사람이 개선을 이끌게 됐다고 설명했습니다.
저자가 든 사례
메인프레임과 대화하는 에이전트: 광섬유 주문 변경
| 구분 | 내용 |
|---|---|
| 상황 | 광섬유 설치 주문이 바뀔 때마다 직원이 티켓을 꺼내 메인프레임 기록을 손으로 고치고 되돌림 |
| 한 일 | 메인프레임 상호작용을 에이전트로 자동화해 이 작업 일부를 없앰 |
| 결과 | 지연 감소, 서비스 제공 가속. 광섬유가 깔린 건물의 전용 인터넷 회선 개통 시간 절반 |
| 연결 | Process Redesign, Central Business Logic |
영업 발굴 전 확인 에이전트
| 구분 | 내용 |
|---|---|
| 상황 | 영업 담당이 가능성이 확인되지 않은 리드에 시간을 씀 |
| 한 일 | 에이전트가 고객 위치를 검증하고 광섬유 제공 가능 여부를 먼저 확인 |
| 결과 | 영업 담당이 확인된 리드에 시간을 씀. 정량 결과는 원문에서 밝히지 않음 |
| 연결 | Self-Funding Business Case, Accuracy-Gated Autonomy |
기술 디테일: 정확도로 자율을 허락하는 워크플로를 돌린다면
아래 필드명, 설정값, 수량은 실제로 돌릴 때 필요한 것을 새로 쓴 가상 예시입니다. 원문은 모델이나 도구 이름을 밝히지 않았습니다.
Central Business Logic을 돌리려면 규칙을 버전이 있는 문서로 둡니다. 워크플로마다 규칙 묶음 하나를 두고 Planning agent는 호출할 때마다 해당 버전을 context에 넣습니다. 규칙이 바뀌면 버전만 올리고 에이전트 코드는 건드리지 않습니다. 실행 로그에는 어떤 규칙 버전으로 판단했는지를 남겨 나중에 결과를 되짚을 수 있게 합니다. Planning agent의 출력은 아래 JSON 스키마로 고정하고 temperature는 0으로 둡니다. 감독 단계에서는 같은 건을 2회 계획하게 해서 두 계획의 plan 단계가 다르면 그 건은 바로 사람에게 넘깁니다.
{
"workflow_id": "fiber-order-change",
"rule_version": "2026-11-01.3",
"risk_tier": "customer_impact",
"mode": "supervised",
"retrieval": {"sources": ["order_system", "inventory"], "evidence_ids": ["ORD-1182", "INV-55"]},
"plan": [{"step": 1, "tool": "mainframe_update", "fields": ["install_date"]}],
"result": {"status": "done", "agent_decision": "reschedule"},
"human_review": {"reviewer": "ops-17", "agree": true}
}
Accuracy-Gated Autonomy는 일치율 하나로 판정합니다. 감독 단계에서는 에이전트 결정(agent_decision)과 사람 판정(human_review.agree)을 건마다 기록합니다. 최근 500건의 일치율이 97% 이상이고 고객 영향이 큰 오류가 0건이면 mode를 autonomous로 바꾸는 식입니다. 전환 뒤에도 하루 2~5%를 무작위로 사람이 검수합니다. 주간 일치율이 기준보다 2%p 넘게 떨어지면 supervised로 자동으로 되돌립니다. 이 숫자들은 AT&T가 밝힌 ‘90% 중후반’을 운영 규칙으로 옮겨 본 예시입니다.
| 점수 | 자율 전환 판정 기준(가상 예시) |
|---|---|
| 5 | 일치율 97% 이상, 고객 영향 오류 0건, 표본 500건 이상 |
| 3 | 일치율 93~97%, 또는 표본 500건 미만. 감독 유지 |
| 0 | 일치율 93% 미만, 또는 고객 영향 오류 발생. 규칙 재검토 |
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 레거시 화면만 있음 | 메인프레임에 API가 없음 | 화면 조작 도구를 쓰되 입력·출력 필드를 고정하고 결과를 다시 읽어 확인 |
| 규칙 충돌 | 사업부마다 같은 상황을 다르게 처리 | 프로세스 오너가 규칙 하나를 확정할 때까지 감독 단계 유지 |
| 데이터 불일치 | 인수합병 전 시스템마다 고객 ID가 다름 | 검색 단계에서 ID 매핑표를 먼저 조회, 매핑 실패 건은 사람에게 넘김 |
| drift | 상품·요금 변경 뒤 일치율 하락 | 규칙 버전 변경과 일치율을 같은 그래프에 놓고 원인 버전을 찾음 |
현업 실행 디테일: 누가, 언제, 무엇을
AT&T는 Business Agent Foundry가 사업부와 함께 프로세스 지도를 만들고 고객 영향 업무를 심사합니다. 아래 역할, 일정, 기준은 이를 참고해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| 사업부 프로세스 오너 | 현행 프로세스 지도 검토, 인계점·불필요 단계 확정, 사람 검수 기준 작성 |
| Foundry 엔지니어 | business logic 정리, 워크플로 구축, 감독 단계 운영과 일치율 집계 |
| 보안·개인정보·컴플라이언스 | 고객 영향 워크플로 심사, 데이터 접근 범위 승인 |
| 현업 직원 | 싫어하는 업무를 후보로 제안, 감독 단계 검수 |
| AX 추진 | 후보 우선순위, 네 지표 기준선 측정, 자율 전환 판정 보고 |
준비물. 후보 프로세스 3~5개의 현행 흐름도, 단계별 처리 시간과 대기 시간, 단계를 넘길 때마다 바뀌는 담당 부서 목록, 관련 레거시 시스템 목록, 그리고 네 지표(노동 절감, 매출, 운영 비용, 고객 만족)의 현재 기준선이 필요합니다. 첫 주에 ‘고객 영향’ 여부를 가르는 기준을 보안·법무와 합의합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 직원 제안으로 후보 선정, 프로세스 지도와 인계점 표시 | 후보 목록, 재설계 전후 흐름도 |
| 3~4주 | business logic 정리, 워크플로 구축, 심사 착수 | 규칙 문서 v1, 심사 요청서 |
| 5~6주 | 감독 단계 운영, 사람 검수와 일치율 집계 | 건별 로그, 주간 일치율 |
| 7~8주 | 심사 승인, 자율 전환 판정, 네 지표 비교 | 전환 판정서, 기준선 대비 보고 |
프로세스 오너에게 물을 것.
- 이 프로세스에서 일이 다른 부서로 넘어가는 지점은 몇 곳인가요? 각 지점에서 얼마나 기다리나요?
- 없어져도 결과가 같은 단계는 어디인가요?
- 사람이 지금 확인하는 항목 가운데 틀리면 고객에게 바로 닿는 것은 무엇인가요?
- 같은 상황을 부서나 지역마다 다르게 처리하는 규칙이 있나요?
- 에이전트 판단을 맞다 틀리다로 가를 때 누가 최종 판정하나요?
진행 판정 기준(예시). 감독 단계 4주 동안 일치율이 기준을 넘고 리드타임이 30% 이상 줄면 자율 전환과 인접 프로세스 확장을 함께 올립니다. 일치율은 넘었지만 리드타임 변화가 10% 미만이면, 에이전트가 단계를 대신했을 뿐 인계점은 그대로인지 지도를 다시 봅니다. 일치율이 기준에 못 미치면 규칙 충돌부터 정리합니다.
AX 적용 제언. 사내 AI 활용이 개인 생산성 도구에 머문 통신·유통·금융사라면 AT&T의 두 갈래 거버넌스부터 옮길 만합니다. 개인용 에이전트는 열어 두고 고객 주문과 계약에 닿는 업무만 심사 창구 하나로 모읍니다. 첫 과제는 레거시 시스템 사이에서 사람이 티켓을 옮기는 업무처럼 인계점이 많은 곳이 좋습니다. 재설계 전후 리드타임을 바로 비교할 수 있기 때문입니다. 투자 회수를 보고할 때는 5배 같은 총량 대신 네 지표의 기준선과 산정식을 함께 내야 경영진이 숫자를 믿습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | SiliconANGLE, Paul Gillin, 2026.11.14 |
| 발표 | Luke Corbin(AT&T Business 디지털 전환·AI 담당 Assistant Vice President), 보스턴 AWS 행사(2026년 11월 초) |
| 조직 | Business Agent Foundry, 2025년 초 설립. 사업부와 함께 업계 프레임워크로 프로세스 매핑 |
| 규모 | 운영 중 에이전트 워크플로 약 500개, 내년 3배 계획. 하루 AI 토큰 약 450억, 월 트랜잭션 100만 건 이상 |
| 구조 | 적은 수의 에이전트, 중앙 business logic(context·memory 저장), retrieval agent와 planning agent |
| 거버넌스 | 개인 생산성 에이전트는 직원이 직접 생성. 고객·사업 영향 워크플로는 Foundry 경유, 보안·개인정보·컴플라이언스 심사 |
| 자율 전환 | 사람 감독으로 시작, 정확도 90% 중후반과 허용 위험 범위 충족 시 자율, 지속 감시로 drift 탐지 |
| 사례 | 광섬유 설치 주문 변경의 메인프레임 작업 자동화. 광섬유가 깔린 건물의 전용 인터넷 회선 개통 시간 절반. 영업 리드 사전 확인 |
| 성과 지표 | 노동 절감, 매출 창출, 운영 비용, 고객 만족. 1년 내 5배 회수(회사 주장, 산정 근거 미공개) |
| 확장 조건 | 인수합병으로 흩어진 데이터 통합, 데이터센터·클라우드·현장 인력 연결, 직원 아이디어 수렴, 책임 분산 |
핵심 개념
- Agentic workflow
- 여러 단계를 에이전트가 검색, 계획, 도구 호출로 이어 처리하는 업무 흐름입니다.
- Provisioning
- 고객이 쓸 회선이나 서비스를 설정해 실제로 쓸 수 있게 열어 주는 개통 작업입니다.
- Prospecting
- 영업이 접촉할 잠재 고객을 찾고 가능성을 가리는 발굴 단계입니다.
- Handoff
- 일이 한 부서나 담당자에게서 다른 쪽으로 넘어가는 지점입니다. 대기와 오류가 몰리는 곳입니다.
- Mainframe
- 통신·금융사가 오래 써 온 대형 중앙 시스템입니다. 주문과 고객 기록이 여기에 남아 있는 경우가 많습니다.
- AI token
- 모델이 읽고 쓰는 글자 조각의 단위입니다. 처리량과 비용을 셀 때 씁니다.
내 메모
TODO: 내 생각 추가
원문은 SiliconANGLE의 「AT&T uses agentic AI to reinvent business processes from the ground up」(Paul Gillin, 2026.11.14)입니다. 요약, 핵심 메커니즘의 원문 예, 통념과 다른 주장, 사례, 원문 사례 표는 원문이 전한 Luke Corbin의 발표 내용을 AX Partners가 다시 정리했습니다. ‘1년 안에 5배 회수’는 회사 측 발언이며 원문에 산정 근거가 없습니다. 기술 디테일과 현업 실행 디테일의 필드명, JSON 예시, 일치율 기준(97%, 500건 등), 일정, 질문, 판정 기준은 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시이며 인포그래픽과 표는 모두 새로 그렸습니다. 전체 내용은 원문에서 볼 수 있습니다.