AI Context Platforms: 에이전트 정확도를 데이터의 의미로 올리라는 Gartner 2027 트렌드
Gartner는 2027 전략 기술 트렌드에서 AI-ready data에 의미(semantics)를 갖춘 조직이 에이전트 정확도를 최대 80% 높이고 비용을 최대 60% 줄인다고 예측했습니다. 맥락 층, 코딩 에이전트 검증, 에이전트 ID, 자동 취약점 수정으로 에이전트를 다스리는 설계와 6주 파일럿 방법을 정리했습니다.
국내 기업 AX 소식: 공장 AI는 제안하고 사람이 승인한다 (10월 27일 묶음)
LG디스플레이·LG전자·삼성전자·SK하이닉스·현대차그룹·SK바이오사이언스·S-OIL·포스코퓨처엠의 공장·공정 AI 소식 8건을 묶었습니다. AI가 제안하면 사람이 승인하거나 가상 팹에서 먼저 시험하는 구조, 흩어진 데이터를 한 플랫폼에 모으는 작업이 여러 회사에서 함께 보입니다.
Can It Say Why: 이유를 대지 못하는 공급망 AI 점수로는 누구도 결정하지 못한다
공급망 위험 AI가 협력사를 '치명적'이라고 표시해도 이유를 대지 못하면 조달 담당은 믿고 움직이거나 미룰 수밖에 없다는 글. 벤더에게 '점수가 틀렸다면 어떻게 알 수 있나'를 묻는 평가법과 3주 시험 계획을 붙였습니다.
Morgan Stanley Wealth Semantic Layer: 고객 관계 데이터 위에 경계 정한 에이전트를 올린 방법
Morgan Stanley 자산관리 부문은 약 8년 전 데이터를 계좌 중심에서 고객 관계 중심으로 바꿨고 지금은 그 위에 에이전트가 읽는 시맨틱 레이어를 얹어 고객·서비스·어드바이저 세 영역 에이전트를 운영합니다. 에이전트마다 볼 데이터, 접근 방식, 행동, 사람 개입 시점을 경계로 정했습니다. 용어 사전 필드, 권한 표, 6주 파일럿을 붙였습니다.
More AI Power, More Explainability: 모델이 강해질수록 설명도 두꺼워지게 만드는 설계 원칙
성능이 좋은 공급망 AI일수록 이유를 대기 어렵다는 통념을 SHAP·LIME의 실패 모드와 최근 연구로 반박하고, 모든 엔진이 계산하는 순간 같은 근거 스키마에 쓰게 하라는 원칙을 제시한 글. 플랫폼을 고를 때 돌릴 재현성·섭동 테스트와 2주 평가 일정을 붙였습니다.
The Architecture Your Auditors Will Ask About: 공급망 AI 구매 평가의 통과 조건이 된 감사 추적 설계
공급망 AI 구매 평가에서 설명 가능성이 기술 평가 전의 통과 조건이 됐다는 글. ISO 42001·CSRD·EUDR·CSDDD가 공통으로 묻는 것과 벤더를 가르는 다섯 가지 설계 시험, 3주 평가 절차를 정리했습니다.
Hub-and-Spoke AI: Wells Fargo가 중앙 통제와 현업 팀을 나눠 AI를 전사로 넓히는 방식
Wells Fargo AI 제품 책임자 Faraz Shafiq이 Money20/20에서 밝힌 전사 AI 운영 원칙 네 가지(허브-스포크 구조, 고가치 쓰임새 집중, 처음부터 넣는 통제, 직원 역량 강화)를 정리하고, 우리 조직에서 허브를 세우고 첫 8주를 돌리는 방법을 붙였습니다.
Data Enablement for AI: 레이크하우스를 에이전트가 믿고 쓸 데이터 기반으로 바꾸는 6가지 설계
에이전트와 RAG가 운영 단계에서 막히는 이유를 프롬프트가 아닌 데이터 기반에서 찾고, 변경분만 재임베딩하는 CDC, 표를 살리는 문서 파싱, LLM 대신 SQL을 만드는 시맨틱 레이어, 검색 전 권한 필터 등 6가지 패턴을 정리한 실무 가이드입니다. 필드 설계, 합격 시험, 6주 파일럿 순서를 덧붙였습니다.
Behavior Change First: Kraft Group이 AI 과제마다 바뀔 행동을 묻고 접근을 천천히 여는 법
Kraft Group CITO Michael Israel은 AI 과제마다 어떤 행동이 바뀌는지를 먼저 묻고, 3개 벤더와 계약하되 방화벽으로 도구를 제한하며, 교육 뒤 토큰 사용을 보며 천천히 연다고 말했습니다. 이 운영 원칙을 우리 조직에서 돌리는 과제 카드, 게이트웨이 로그, 4주 계획을 붙였습니다.
Agent Containment: JPMorgan·Goldman CIO가 밝힌 에이전트 통제와 성과 측정 원칙
JPMorgan은 에이전트 구축을 플랫폼 하나로 모아 통제를 자동으로 붙이고 성과를 사업부 책임 과제 50개로 재며, Goldman은 모든 에이전트가 오작동할 수 있다는 전제로 범위 제한과 거래 전 관문을 둡니다. 두 원칙을 우리 조직에 옮기는 등록 절차, 도구 등급, 8주 일정을 붙였습니다.
Human-Agent Workforce: 사람과 에이전트가 함께 일할 직무를 다시 짠 CIO는 4%뿐
Gartner가 CIO·기술 임원 2,002명을 조사한 결과, 사람과 AI 에이전트가 섞인 조직에 맞춰 직무를 재설계할 계획이 있는 곳은 4%였고 이들은 AI 상위 성과 그룹일 확률이 2.4배 높았습니다. 비용 압박이 인력 문제를 가리는 구조와 함께, 업무 단위 인벤토리·중단 기준·실행 비용 계측으로 6주 안에 첫 재설계안을 만드는 방법을 붙였습니다.
Inventory, Contracts, Maintained Context: 에이전트를 늘리기 전에 갖출 목록·계약·맥락 관리
데이터 거버넌스 기업 Collibra의 CEO가 에이전트를 몇 개에서 수십 개로 늘릴 때 필요한 세 가지로 에이전트 목록, 실행 전에 결정론적 규칙으로 검사하는 계약, 모델과 독립된 맥락 계층의 지속 관리를 꼽았습니다(벤더 관점). 맥락을 붙인 분석 에이전트가 두 달 만에 정답률 90%에서 60%로 떨어진 사례를 근거로, 맥락도 데이터 파이프라인처럼 운영하라고 말합니다.
Governed Self-Service Analytics: Brilliant Earth가 숫자는 코드로 계산하고 문장만 LLM에 맡긴 사내 분석
주얼리 기업 Brilliant Earth가 Snowflake 안에서 Posit을 돌려 권한은 Snowflake에 맡기고, 마케팅 믹스 모델을 시나리오 앱으로, 매장 대시보드를 자연어 질의로 바꿨습니다. 주간 보고는 코드가 지표를 계산·검증한 뒤 LLM이 문장만 쓰게 했습니다. 벤더 블로그 사례에 지표 페이로드 설계와 6주 실행안을 붙였습니다.
Digital Teammates: 금융사가 AI 에이전트를 직원처럼 권한·평가·kill switch로 관리하는 법
Franklin Templeton은 에이전트 6,000개 이상을 관리자 에이전트가 판정하고 그 위에 사람을 두며, M&T는 업무 약 75%에 에이전틱 AI를 쓰지만 독자 운영은 막고, Truist는 권한·목표·성과 평가와 kill switch를 갖춘 AI 동료를 준비합니다. 에이전트 레지스트리, 판정 루프, 4주 파일럿을 붙였습니다.
AI-Native Teams: 기존 개발팀을 AI 중심 팀으로 바꾸는 People·Projects·Platforms·Processes
Andrew Ng이 엔지니어링 리더에게 권하는 AI 네이티브 팀 만들기. 리더가 직접 만들어 보고(People), 성장 과제를 위에서 밀어주고(Projects), 에이전트가 쓸 수 있게 저장소·데이터·도구를 열고(Platforms), 무엇을 만들지 정하는 새 병목에 맞춰 작은 고권한 팀으로 일을 다시 짜라(Processes)는 조언입니다. 권한 설정, 샌드박스, skills 공유, 6주 계획을 덧붙였습니다.
Trust Layer: 보험사가 AI에 일을 맡기기 전에 데이터 출처·검증·설명부터 갖추는 법
보험 데이터 표준 기구 ACORD 계열 ACORD Solutions Group의 CEO Chris Newman은 에이전트형 AI의 다음 시험대가 모델이 아니라 데이터 신뢰라고 봅니다. 레거시를 갈아엎지 않고 표준으로 잇는 Trust Layer 설계와 8주 파일럿을 붙였습니다.
Agent Gateway: Walmart가 고객의 AI 에이전트를 받아들이는 세 가지 장치
Walmart가 외부 AI 에이전트를 고객으로 받는 세 가지 장치(Agent Gateway, Agent Profile, 에이전트 약관)를 내놓았고, Amazon은 식별 없는 에이전트를 차단하는 반대 길을 갑니다. 두 회사의 선택을 메커니즘으로 풀고, 우리 서비스에 고객의 에이전트가 들어올 때 열지·막을지 정하는 6주 점검 절차를 붙였습니다.
The New Apex Predator: 에이전트로 무장한 공격자에 맞서 기업이 먼저 점검할 것
CrowdStrike CEO George Kurtz는 AI 에이전트가 공격자 피라미드를 평평하게 만들어 breakout time이 평균 29분까지 줄었고, 공격은 악성코드가 아니라 프롬프트로 이뤄진다고 말합니다. 방어는 전용 보안 모델과 에이전트 추적(AIDR)으로 답하고, 기업은 업무 가치별로 모델 등급을 나눕니다. 사내 에이전트 인벤토리 스키마와 6주 점검 일정을 붙였습니다.