AX Implementation

Customer Zero: Maximus가 자사 운영에 AI를 먼저 써서 마진을 14.2%로 올린 방식

미국 정부 서비스 위탁사 Maximus는 자동화·AI 투자로 FY2026 조정 EBITDA 마진을 12.9%에서 14.2%로 올려 연초 전망 약 13.7%를 넘었습니다. 고객 응대·교육·품질 보증에 AI를 먼저 자사에 쓰고 시범 약 12건을 돌리며 정부 고객의 경계심은 측정 가능한 성과로 줄인다고 밝혔습니다.

출처
The Motley Fool · 실적 콜 녹취
원문 제목
Maximus (MMS) Q4 2026 Earnings Call Transcript
유형
아티클
읽은 날
2026.11.21
원문 발행
2026.11.19

Maximus는 자사를 AI의 첫 고객(customer zero)으로 삼아 고객 응대, 교육, 품질 보증, 인력 지원에 AI와 자동화를 먼저 넣었고 FY2026 조정 EBITDA 마진을 12.9%에서 14.2%로 올렸습니다. 정부 고객의 AI 경계심은 품질·속도·비용 같은 측정 가능한 개선을 보여 줄 때 줄어든다는 것이 경영진의 설명입니다. 따라 하려면 사내 업무 하나에서 기준선과 개선 수치를 같은 표로 재고 그 수치를 고객 보고와 계약 언어로 옮길 준비가 필요합니다.

요약

Maximus는 미국 연방·주 정부의 공공 프로그램 운영을 위탁받아 수행하는 회사입니다. 2026년 11월 19일 FY2026 4분기 실적 콜에서 Bruce Caswell CEO는 한 해 조정 EBITDA 마진(이자·세금·감가상각 전 이익을 일회성 항목을 빼고 맞춘 이익률)이 전년 12.9%에서 14.2%로 올랐다고 밝혔습니다. 연초 회사 전망은 약 13.7%였습니다. 그는 개선 이유로 자동화와 AI 기반 솔루션 투자, 그리고 운영 규율을 들었습니다. 4분기에 VA MDE(보훈부 의료 장애 검진 프로그램)의 성과 인센티브가 멈췄는데도 마진이 올랐다는 점을 운영 모델의 확장성으로 내세웠습니다. 조정 EPS는 7.36달러에서 8.24달러가 됐고 연 매출은 52.3억 달러였습니다.

FY2025 실적조정 EBITDA 마진12.9%FY2026 연초 전망회사 전망치13.7%FY2026 실적자동화·AI 투자 반영14.2%016%
회사 발표 수치, 0 기준 막대

AI는 먼저 회사 안에서 돌립니다. Caswell은 Maximus가 자사 AI 솔루션의 customer zero(첫 고객)라며 고객 응대, 교육, 품질 보증, 인력 지원, 자동화, 소프트웨어 개발, 운영 지원에 AI를 쓴다고 설명했습니다. 기업형 벤처 투자 조직 Maximus Ventures의 포트폴리오 솔루션 1건이 운영 중이고 온보딩과 인력 교육, 상담원 성과 개선을 다루는 시범 약 12건이 진행 중입니다. David Mutryn CFO도 수익성 개선을 기술 투자, 자동화, 비용 관리로 설명했고 U.S. Federal Services 부문은 미리 계획해 연중 배치한 기술 이니셔티브 덕에 더 많은 물량을 처리했다고 했습니다. 정부 고객은 여전히 AI에 신중하지만 측정 가능한 개선을 보면 경계심이 크게 줄어든다는 것이 CEO의 판단입니다. 아래에서는 customer zero, 기술 기반 생산성, 시범 파이프라인, 성과로 신뢰 얻기, 거버넌스를 차례로 풀고 위탁 운영 조직에서 같은 방식을 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.

고객 응대상담 업무상담원 성과교육·온보딩신규 인력직무 교육품질 보증업무 품질 점검지원 기능인력 지원·자동화SW 개발·운영
CEO가 밝힌 사내 적용 영역을 네 묶음으로 다시 정리

핵심 메커니즘

Customer Zero: 자사가 먼저 쓰고 검증한 AI를 고객에게 내놓는다

무엇인가. 회사가 고객에게 팔 AI 솔루션을 자사 운영에 먼저 적용하는 방식입니다. Maximus는 이렇게 쌓은 경험을 비슷한 목표의 고객에게 제공할 수 있다고 설명합니다.

어떻게 작동하나. 입력은 회사가 직접 운영하는 상담, 교육, 품질 점검 업무입니다. 처리 단계에서 AI 도구를 그 업무에 넣고 품질·속도·비용 변화를 잽니다. 출력은 두 가지입니다. 하나는 자사 마진 개선이고 다른 하나는 정부 고객에게 보여 줄 실제 운영 기록입니다. 공공 프로그램 위탁 운영사라는 위치 덕에 자사 업무가 곧 고객 업무와 같은 모양이라 검증 결과를 그대로 옮기기 쉽습니다.

언제 쓰나. 자사가 고객과 같은 업무를 대량으로 수행하는 BPO·위탁 운영사, 공공 서비스 운영사에 맞습니다. 고객 업무를 직접 하지 않는 순수 소프트웨어 회사라면 사내 적용 결과가 고객 상황을 대표하지 못할 수 있습니다.

원문의 예. 고객 응대, 교육, 품질 보증, 인력 지원, 자동화, 소프트웨어 개발, 운영 지원 영역에 적용.

1. 사내 적용자사 운영에먼저 배치2. 효과 측정품질·속도·비용수치로 확인3. 고객 제안같은 목표의정부 고객에게
자사가 첫 고객이 돼 검증한 뒤 밖으로 내놓는 순서

Technology-enabled Productivity: 기술로 같은 인력이 더 많은 물량을 처리한다

무엇인가. 사람이 처리하던 위탁 업무에 자동화와 AI를 넣어 처리량당 원가를 낮추는 것입니다. 회사는 이것을 마진 개선의 주된 이유로 듭니다.

어떻게 작동하나. 계약 물량이 늘어도 인력을 같은 비율로 늘리지 않습니다. CFO에 따르면 U.S. Federal Services는 물량이 안정적인 가운데 미리 계획한 기술 이니셔티브를 연중 배치해 효율을 높였고 더 많은 물량을 처리했습니다. 이 부문 영업이익률은 15.3%에서 18.1%로 올랐습니다. U.S. Services는 9.7%에서 9.1%였는데, 2분기에 한 고객용으로 만든 소프트웨어 자산의 비현금 손상 690만 달러가 들어 있습니다.

언제 쓰나. 물량 단가 계약이나 성과 인센티브 계약처럼 처리 효율이 이익으로 바로 넘어오는 구조에서 효과가 큽니다. 투입 인력 기준으로 대가를 받는 계약에서는 효율 개선이 매출 감소로 이어질 수 있어 계약 구조를 먼저 봅니다.

원문의 예. 회사는 생산성 절감액을 금액이나 비율로 따로 밝히지 않았습니다.

Federal FY2025영업이익률15.3%Federal FY2026기술 이니셔티브18.1%U.S. Svc FY2025영업이익률9.7%U.S. Svc FY2026SW 손상 포함9.1%020%
CFO 발표 수치, Federal은 U.S. Federal Services, U.S. Svc는 U.S. Services, 0 기준 막대

Maximus Ventures 파이프라인: 벤처 투자에서 시범, 운영으로 좁힌다

무엇인가. 기업형 벤처 투자 조직이 새 기술을 찾아 입찰 차별화, 기존 계약 개선, 성과 향상에 쓸 수 있는지 시험하는 구조입니다.

어떻게 작동하나. 입력은 외부 스타트업 기술입니다. 처리 단계에서 사내 업무에 시범으로 붙여 봅니다. 현재 약 12건이 진행 중이며 온보딩, 인력 교육, 상담원 성과 개선용 AI 도구가 포함됩니다. 출력은 운영 배치이고 지금까지 포트폴리오 솔루션 1건이 운영에 들어갔습니다. 회사는 해커톤을 서비스로 제공하는 모델도 기존 혁신 투자로 들었고 인수한 Agile Defense의 Agile Labs(시제품·실험 조직)가 이 구조를 보완한다고 설명했습니다.

언제 쓰나. 직접 개발보다 외부 기술을 빨리 시험해야 하는 운영 조직에 맞습니다. 시범 수가 많을수록 운영 전환 기준을 미리 정해 두지 않으면 시범만 늘어납니다.

원문의 예. 운영 1건, 시범 약 12건.

탐색Maximus Ventures신기술 발굴시범약 12건온보딩·교육·상담원운영포트폴리오솔루션 1건
벤처 투자에서 사내 시범, 운영으로 좁혀지는 흐름

Measurable Outcomes: 측정 가능한 개선이 정부 고객의 경계심을 낮춘다

무엇인가. 정부 고객에게 AI를 설득할 때 기술 설명보다 운영 성과 수치를 앞세우는 접근입니다.

어떻게 작동하나. Caswell은 개선을 보여 줄 축으로 품질, 프로그램 무결성(부정 수급·오지급을 막는 정확성), 고객 경험, 속도, 비용 효율 다섯 가지를 들었습니다. 이 축에서 측정 가능한 개선이 확인되면 고객의 경계심이 크게 줄고 논의가 AI를 쓸지에서 어떻게 책임 있게 쓸지로 옮겨 간다고 설명했습니다. Q&A에서는 SNAP(식품 지원)과 Medicaid의 지급 정확도 같은 무결성 과제에 AI가 의사결정 지원을 할 수 있다고 덧붙였습니다.

언제 쓰나. 규제와 감사가 강한 공공·금융·의료 고객에게 AI를 제안할 때 씁니다. 기준선이 없으면 개선을 보여 줄 수 없으므로 도입 전 측정이 먼저입니다.

원문의 예. 수치 사례는 밝히지 않았고 다섯 축과 방향만 제시했습니다.

AI Infrastructure Governance: 확대 단계의 경쟁력은 통제력이다

무엇인가. AI를 실험에서 대규모 배치로 넓힐 때 필요한 인프라 통제, 보안, 투명성을 갖추는 일입니다.

어떻게 작동하나. Maximus는 투자사 Spectro Cloud를 AI 인프라 거버넌스, 운영 통제, 기술 관리에 씁니다. Caswell은 정부 고객이 실험에서 확대 배치로 넘어갈수록 거버넌스, 보안, 투명성, 책임 있는 도입이 차별화 요소가 된다고 봤습니다.

언제 쓰나. 시범이 여러 건 동시에 돌고 그중 일부를 운영으로 올리는 시점에 필요합니다.

인프라Spectro Cloud투자통제운영 통제기술 관리차별화보안·투명성책임 있는 도입
확대 단계에서 거버넌스가 수주 경쟁력이 된다는 회사 설명

통념과 다른 주장

흔히 이렇게 봅니다정부 고객은 AI를 꺼려 도입이 늦고 위탁 운영사가 먼저 나서기 어렵다고 봅니다.

경영진은 이렇게 봅니다정부 고객의 경계심은 당연하지만 측정 가능한 개선을 보여 주면 크게 줄어들고 논의는 어떻게 책임 있게 쓸지로 넘어갑니다.

근거회사는 자사 운영에 AI를 먼저 넣어 마진을 연초 전망보다 높은 14.2%로 올렸고 이 사내 경험을 같은 목표의 고객에게 제공하겠다고 했습니다.

흔한 출발점Caswell이 본 흐름· AI를 쓸지부터 논쟁· 경계심이 도입을 늦춤· 실험 단계에 머묾· 측정 가능한 개선을 제시· 경계심이 크게 줄어듦· 어떻게 책임 있게 쓸지로 이동
CEO 발언을 좌우로 대비

저자가 든 사례

Maximus 전사: 자동화·AI로 마진 개선

구분내용
상황공공 프로그램 위탁 운영, 4분기 VA MDE 인센티브 중단
한 일고객 응대·교육·품질 보증·인력 지원·자동화에 AI 적용, 운영 규율
결과조정 EBITDA 마진 12.9% → 14.2%(연초 전망 약 13.7%), 조정 EPS 7.36달러 → 8.24달러
연결Customer Zero, Technology-enabled Productivity

U.S. Federal Services 부문: 사전 계획한 기술 이니셔티브

구분내용
상황물량은 안정적, 처리 효율을 높여야 함
한 일미리 계획한 기술 이니셔티브를 연중 배치
결과영업이익률 15.3% → 18.1%, 더 많은 물량 처리. 매출 30억 달러
연결Technology-enabled Productivity

Maximus Ventures: 시범에서 운영으로

구분내용
상황입찰 차별화와 기존 계약 개선에 쓸 신기술 필요
한 일포트폴리오 기술을 사내에서 시범 운영
결과운영 1건, 시범 약 12건(온보딩, 인력 교육, 상담원 성과). 효과 수치는 원문에서 밝히지 않음
연결Maximus Ventures 파이프라인

기술 디테일: 위탁 운영 업무에 AI를 붙여 돌린다면

아래는 원문에 없는 내용으로, 같은 구조를 실제로 돌릴 때 필요한 것을 정리했습니다. 필드명과 수치는 모두 가상 예시입니다.

품질 보증에 AI를 쓰려면 상담 녹취를 루브릭으로 채점합니다. Customer Zero의 품질 보증 영역에 해당합니다. 통화 녹취를 음성 인식(STT)으로 옮기고 개인정보는 채점 전에 마스킹합니다. LLM은 정해진 루브릭(본인 확인, 안내 정확성, 규정 고지, 응대 태도)으로 항목별 0·3·5점을 매기고 근거 구간을 함께 냅니다. temperature는 0으로 두고 같은 통화를 3회 채점해 항목 점수 차이가 2점 이상이면 사람 QA로 넘깁니다. 모델은 고객 계약이 허용한 리전과 데이터 조건을 지키는 엔터프라이즈 LLM으로 고르고 통화 하나를 한 번의 호출 단위로 묶습니다. 처음 2주는 사람 QA 점수와 나란히 매기는 그림자 채점으로 일치율을 봅니다.

{
  "call_id": "C-20261121-0187",
  "program": "eligibility_helpdesk",
  "rubric_version": "qa-v3",
  "scores": {"identity_check": 5, "accuracy": 3, "disclosure": 5, "tone": 5},
  "evidence": [{"item": "accuracy", "t_start": "02:41", "t_end": "03:05"}],
  "run_spread": 1,
  "needs_human_qa": false,
  "coaching_tag": "서류 기한 안내 누락"
}

coaching_tag가 같은 상담원에게 반복되면 교육 모듈로 이어 붙입니다. 실패는 대개 세 가지에서 납니다. 사투리·잡음으로 전사가 틀린 경우, 규정이 바뀌었는데 루브릭이 옛 판인 경우, 상담원이 시스템 화면을 보며 말한 내용을 녹취만으로 판정할 수 없는 경우입니다. 전사 신뢰도 점수를 함께 저장하고 규정 개정 때 rubric_version을 올리며 화면 기록이 필요한 항목은 채점 대상에서 뺍니다.

입력상담 녹취STT 전사채점루브릭 JSON3회 반복판정편차 큰 건사람 검토반영코칭 과제교육 모듈
가상 예시, 편차가 크면 사람이 다시 봄

온보딩·교육 시범에는 롤플레이 상담을 씁니다. Maximus Ventures 시범이 다루는 온보딩·교육과 연결됩니다. 과거 문의 유형 상위 20개로 가상 민원인 시나리오를 만들고 신입이 LLM 민원인과 연습 통화를 한 뒤 같은 QA 루브릭으로 채점받습니다. 실제 통화에서 쓰는 루브릭과 같아야 교육 점수와 현장 점수를 비교할 수 있습니다.

성과를 고객에게 보이려면 다섯 축 지표를 시작 전에 고정합니다. Measurable Outcomes와 연결됩니다. CEO가 든 다섯 축마다 지표 둘을 정하고 도입 전 4주 기준선을 잽니다. 프로그램 무결성처럼 결과가 늦게 확정되는 지표는 재심·환수 확정까지 기다려야 하므로 판정 시점을 따로 적어 둡니다.

지표 1지표 2품질오류율QA 점수프로그램 무결성부정확 지급재심 건수고객 경험재문의율만족도속도처리 시간적체 일수비용건당 원가인력 시간
가상 예시 지표, 축 이름은 CEO가 든 다섯 가지

거버넌스는 모델 목록과 호출 기록부터 둡니다. AI Infrastructure Governance와 연결됩니다. 시범마다 사용 모델, 버전, 넣는 데이터 종류(개인정보 포함 여부), 담당자를 한 목록으로 관리하고 모든 호출의 입력 해시·출력·사람 수정 여부를 남깁니다. 고객 감사가 들어오면 이 기록으로 어느 판단에 AI가 쓰였는지 바로 보여 줄 수 있습니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할맡는 일
운영 본부장(스폰서)시범 업무 선정, 운영 전환 승인
상담센터장·QA 리드루브릭 확정, 그림자 채점 비교, 오채점 신고
교육 담당롤플레이 시나리오 선정, 신입 비교 집계
데이터·AI 엔지니어STT·LLM 연동, 마스킹, 호출 기록
재무 담당건당 원가·인력 시간 기준 산정, 마진 영향 계산
계약·컴플라이언스고객 계약상 AI 사용 조건, 감사 대응

시작 전 준비물. 대상 업무의 최근 3개월 녹취와 QA 점수, 문의 유형별 건수, 상담원별 처리 시간, 고객 계약의 AI·개인정보 조항, 그리고 재무와 합의한 건당 원가 정의서입니다.

기간할 일산출물
1~2주업무 1개 선정, 다섯 축 기준선 측정기준선 표, 원가 정의서
3~4주그림자 채점, 사람 QA와 일치율 비교일치율 보고, 루브릭 수정본
5~7주현장 적용, 코칭·교육 연계채점 로그, 코칭 이력
8주전후 비교, 고객 보고안 작성판정 보고서, 확대 제안
1~2주3~4주5~7주8주1~2주기준선3~4주그림자 채점5~7주현장 적용8주판정
가상 예시 일정

확인 질문. 지금 QA는 전체 통화의 몇 %를 보나? 고객 계약에 AI 사용 고지나 승인 조항이 있나? 이 업무에서 효율이 오르면 이익이 되나, 매출이 줄어드나? 프로그램 무결성 지표는 언제 확정되나? 시범을 운영으로 올리는 기준은 누가 정하나?

진행 판정 기준(가상 예시). 사람 QA와 항목 점수 일치율 85% 이상, 사람 검토로 넘어간 비율 15% 이하, 건당 처리 시간이나 QA 커버리지가 기준선보다 나아지고 품질 점수가 떨어지지 않으면 같은 프로그램의 다른 팀으로 넓힙니다. 하나라도 못 미치면 루브릭을 고쳐 4주 더 돌리고 두 번째도 못 미치면 접습니다.

AX 적용 제언. 국내 공공 위탁 운영사, 콜센터·BPO, 보험 손해사정처럼 고객 업무를 대신 운영하는 조직이라면 Maximus처럼 자사 업무를 첫 고객으로 삼는 편이 빠릅니다. 사내 상담 QA처럼 녹취와 점수가 이미 쌓인 업무 하나에서 시작해, 다섯 축 기준선을 재고 개선 수치를 고객 보고서의 언어로 바꿉니다. 시범이 여러 건으로 늘기 전에 운영 전환 기준과 모델·호출 기록을 갖춰 두면, 고객 감사와 입찰 제안서에서 그대로 근거로 쓸 수 있습니다. 경영진 보고에서는 부문 마진 변화와 함께 계약 구조상 효율이 이익으로 넘어오는지 같이 보여 줍니다.

1단계사내 상담·QA한 업무 선정2단계다섯 축기준선 측정3단계개선 수치로고객 보고4단계거버넌스 갖춰계약에 반영
가상 예시 순서

원문 사례

항목내용
자료The Motley Fool 실적 콜 녹취, 2026.11.19
발언자Bruce Caswell(CEO), David Mutryn(CFO), James Francis(IR)
조정 EBITDA 마진FY2025 12.9% → FY2026 14.2%, 연초 전망 약 13.7%
실적매출 52.3억 달러, 조정 EPS 7.36달러 → 8.24달러, 잉여현금흐름 6,900만 달러
사내 AI 적용고객 응대, 교육, 품질 보증, 인력 지원, 자동화, SW 개발, 운영 지원(customer zero)
Maximus Ventures포트폴리오 솔루션 1건 운영, 시범 약 12건(온보딩, 인력 교육, 상담원 성과)
거버넌스Spectro Cloud 투자로 AI 인프라 거버넌스·운영 통제
부문 영업이익률U.S. Federal Services 15.3% → 18.1%, U.S. Services 9.7% → 9.1%
정부 고객신중하지만 측정 가능한 개선을 보면 경계심이 크게 줄어듦
FY2027 전망매출 54.5억~56.5억 달러, 조정 EBITDA 마진 약 12.8%(VA MDE 인센티브 미반영)

핵심 개념

Adjusted EBITDA margin
이자·세금·감가상각 전 이익에서 일회성 항목을 걸러 낸 뒤 매출로 나눈 이익률입니다.
VA MDE
미국 보훈부의 의료 장애 검진 프로그램으로, 위탁사가 재향군인 장애 판정용 검진을 수행합니다.
Program integrity
공공 급여가 자격 있는 사람에게 정확한 금액으로 지급되게 하는 관리로, 오지급·부정 수급을 줄이는 일입니다.
Corporate venture capital
기업이 전략 목적으로 스타트업에 투자하는 조직으로, Maximus Ventures가 여기에 해당합니다.
Shadow scoring
AI 채점을 실제 판정에 쓰지 않고 사람 점수와 나란히 매겨 일치율을 확인하는 시험 운영입니다.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「Maximus (MMS) Q4 2026 Earnings Call Transcript」(2026.11.19)로, Bruce Caswell CEO와 David Mutryn CFO의 발언을 담은 실적 콜 녹취입니다. 요약과 사례는 녹취의 사실을 AX Partners가 다시 정리했고 핵심 메커니즘의 작동 설명, 기술·현업 디테일, 인포그래픽, 표는 새로 작성했습니다(디테일 절의 필드명·수치·일정은 가상 예시). Maximus가 미국 정부 공공 프로그램 위탁 운영사라는 설명은 녹취 외 일반 정보입니다. 전체 내용은 원문에서 볼 수 있습니다.

Related

함께 읽으면 좋은 노트

AX Implementation아티클

Agentic AI Transformation: Cisco 서비스 조직이 첫 에이전트 실패 뒤 세운 4원칙

CIO.com · Thor Olavsrud

Cisco 서비스 조직(매출 약 150억 달러, 직원 약 2만 명)의 첫 에이전트는 적임 엔지니어를 빨리 찾아 줬지만 뒤에 숨은 핸드오프 다섯 번을 더 빨리 드러내 고객을 더 화나게 했습니다. 이후 Cisco는 업무 흐름을 먼저 다시 짜고 40년치 사례로 지식 베이스를 만들고 사용률 대신 업무가 실제로 바뀌었는지로 성과를 잽니다.

CEOAX 추진현업 리더
#사례#에이전트 2026.11.19 ↗
AX Implementation아티클

Autonomous Corporate Lending: Sber는 신규 기업 대출 55%를 사람 손 없이 처리한다

The Asian Banker · Sheena Marie Gaboy

Sber는 2026년 11월 12일 중견·대기업 신규 대출 거래의 55%를 직원 개입 없이 AI로 처리하고, AI 지원으로 나간 기업 대출이 약 8조 루블이라고 밝혔습니다. 1년 전 세운 '2026년 신규 거래 절반 자율 처리' 목표를 넘긴 수치입니다.

CEO현업 리더AX 추진
#사례#금융 2026.11.16 ↗
AX Implementation아티클

Business Agent Foundry: AT&T가 업무를 통째로 다시 짜고 정확도로 자율 실행을 허락하는 방식

SiliconANGLE · Paul Gillin

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.

CIO·CTOAX 추진CEO
#사례#에이전트 2026.11.15 ↗