Every Employee an Intrapreneur: AI로 늘어난 실험을 조직의 결정으로 잇는 법
AI로 누구나 실험할 수 있게 됐지만 병목은 판단과 결정으로 옮겨 갔습니다. 자원자 네트워크, 결정 게이트, 공유 가정으로 탐색을 실행으로 잇는 설계를 정리했습니다.
The Cost of Intelligence: 대기업 60%가 AI 예산을 넘겼는데 비용과 가치를 함께 재는 곳은 12%
Capgemini가 매출 10억 달러 이상 기업 CXO 500명을 조사했더니 약 60%가 올해 AI 예산을 평균 24% 넘겼습니다. AI 비용과 가치를 대부분 추적하는 곳은 12%였고, 80%는 전체 비용 대비 검증된 가치(AI yield)를 계산하지 못했습니다.
Bots in the Boardroom: Lloyds·IQ-EQ가 이사회 준비와 의사록에 AI를 쓰는 방식
Lloyds Banking Group은 FTSE 100 가운데 처음으로 이사회 준비에 AI 에이전트를 쓰고, 연 3만 회 이사회를 운영하는 IQ-EQ는 자료 요약과 의사록에 AI를 씁니다. 반면 미국 상장사 절반은 이사회 전용 AI 정책이 없습니다.
AI Orphans: 주인 없는 에이전트를 찾아 책임자·권한·폐기 규칙으로 정리하는 5단계
직원이 떠나거나 갈아타면서 남은 '주인 없는 에이전트'를 다섯 단계로 정리합니다. 목록화, 가치에 묶은 lifecycle, 이름 있는 책임자, API·MCP 계층 통제, 상시 감사입니다. 한 고객은 AI 예산 약 19%를 일정 자동화에 쓰고도 전체 가치를 내지 못했습니다.
Agents Shouldn't Grade Their Own Work: 실행·검증·완료 판정을 나눠 에이전트 결과를 믿는 법
에이전트가 자기 작업을 '완료'라고 선언하게 두지 말자는 제안입니다. 실행은 자격증명을 쥔 게이트웨이가, 확인은 별도 읽기 권한의 검증자가, 완료 판정은 제3의 주체가 맡고, 기한까지 확인되지 않으면 미완료로 닫습니다.
국내 기업 AX 소식: 현장 전문가의 판단은 AI가 매일 돌리고, 마지막 결정은 사람이 쥔다 (11월 14일 묶음)
11월 14일 묶음은 KT와 GS칼텍스 2건입니다. KT는 베테랑 망 전문가(Meister)의 운영 절차로 학습시킨 에이전트 플랫폼 AIO-Net으로 장애 감지를 10분 이상에서 2~3분으로 줄였고, GS칼텍스는 공정 엔지니어가 노코드로 만든 모델을 SageMaker 파이프라인에 올려 배포 기간을 약 1주에서 몇 시간으로 줄였습니다.
Physical AI at the Edge: Siemens Energy가 공장마다 현장에서 판단하고 고장 데이터는 모아 학습하는 구조
Siemens Energy는 AWS IoT SiteWise Edge로 공장마다 상태 감시와 에너지 최적화를 현장에서 돌리고, 여러 공장의 고장 데이터는 클라우드에 모아 예지정비 모델을 학습합니다. Industrial AI Summit 2026 패널은 200ms 안에 끝나야 하는 판단은 엣지에 두고, 자율 실행 권한은 네 단계로 나눠 성적에 따라 넓히라고 정리했습니다.
Content Supply Chain: Opella가 사내 AI 콘텐츠 공장으로 생산을 30배 늘리고 에이전트 14개로 검수하는 방식
소비자 헬스케어 기업 Opella는 사내 생성형 AI 콘텐츠 공장 Wonka로 마케팅 자산 21,000건 이상을 만들고 산출을 30배 늘렸습니다. 생산이 커지자 Microsoft와 검증 플랫폼 Lumen을 만들고 있으며 에이전트 14개가 효능 주장·의학 근거·인용·법적 고지를 검토하고 최종 승인은 사람 전문가가 합니다.
Ruby and AI Squads: NAB가 직원 4만 명 AI 도구와 사업부 스쿼드 50개로 AI를 넓힌 방식
호주 NAB는 Anthropic 플랫폼으로 만든 사내 AI Ruby를 직원 4만여 명에게 열고 지난 1년간 사업부가 이끄는 교차 조직 스쿼드 약 50개를 꾸렸습니다. 에이전틱 AI로 기업대출 승인 시간을 20% 줄였고 변경 배포 주기는 18% 개선했다고 밝혔습니다.
Frontier Company FDE: Microsoft가 고객 200여 곳과 일하며 정리한 AI 시범을 운영으로 옮기는 네 원칙
Microsoft Frontier Company는 28개국 200곳 넘는 고객과 약 500건의 프로젝트를 FDE 방식으로 진행하며 공통 원칙 네 가지를 정리했습니다. 가치에서 출발하고, 작업 하나가 아니라 공정 전체를 다시 짜고, 고객 팀과 짧은 주기로 함께 만들고, 보안·거버넌스·비용 관리를 첫날부터 둡니다.
Frontier Firms: AI 수익 4배 기업은 측정·에이전트 거버넌스·전사 교육을 함께 굴린다
Microsoft가 의뢰한 IDC 조사(리더 5,204명)에서 AI 성숙도 상위 10%는 평균 4배, 하위 30%는 2.7배의 AI 수익을 보고했습니다. 상위 기업은 ROI 측정 자신감(93% vs 전체 61%), 에이전트 감독 절차(87% vs 51%), 전사 교육 전략(80% vs 3%)에서 크게 앞섰습니다.
Autonomy in Practice: AI 에이전트는 79%가 돌리는데 손익까지 연결한 곳은 15%
Genpact가 대기업 임원 2,005명을 조사한 결과, AI 에이전트를 운영한다는 곳은 79%였지만 AI 투자를 손익과 완전히 연결한 곳은 15%, 운영 모델 전환을 마친 곳은 9%였습니다. 상위 17% Leaders는 AI 효과를 담당자 이름과 손익 항목에 묶어 관리합니다.
Managing Agents, Not People: 부하 직원 수로 정하던 관리자 급여가 흔들린다
관리자 급여는 오랫동안 거느린 사람 수를 따라 정해졌습니다. FT 칼럼니스트 Pilita Clark는 부하 자리를 AI 에이전트가 채우면 이 기준이 흔들린다고 짚고, 에이전트 감독이 생각보다 무거운 일이라는 증언을 모았습니다.
AI Chief Investment Officer: Blackstone 투자위원회에 투표권 없이 올라가는 AI 평가 메모
Blackstone은 월요일 투자위원회에 올라가는 거의 모든 투자 건에 딜팀 메모와 별도로 AI가 쓴 평가 메모를 붙입니다. 이 AI는 14년 넘는 내부 투자 메모와 위원회 토론을 바탕으로 하며, 승인·거절 권한은 없고 결정은 경영진이 내립니다.
AI Wants to Please You: Allianz 청구 조직이 AI에 맡기는 일과 손해사정사가 끝까지 지는 책임
Allianz 북미 청구 책임자 Melissa Hill은 사고 접수, 청구 등록, 문서·의료기록 요약, 승인된 건의 지급에 AI를 쓰되 결정과 책임은 손해사정사에게 둔다고 밝혔습니다. AI는 사용자가 원하는 답을 내놓는 경향이 있어 반복 시험과 반박이 필요하고 청구 전체를 사람 없이 끝내는 완전 자동화는 하지 않습니다.
AI Fluency·Agent Registry: TD SYNNEX가 직원 인증과 에이전트 소유자 제도로 AI를 넓히는 법
TD SYNNEX CIO Kristie Grinnell은 직원에게 출처·계산·편향을 확인하는 4단계 AI fluency 인증을, 에이전트에게는 등록과 사람 소유자를 요구합니다. 에이전트 권한은 쓰는 사람의 권한을 따르고, 사내 AI factory는 승인된 데이터에만 연결됩니다.
Custom Guardrails: Orange가 요금·계정 상담 AI 에이전트마다 대화 범위와 비용 상한을 따로 거는 방식
Orange는 26개 넘는 나라의 B2B·B2C 요금·계정 상담에 Algolia Agent Studio 에이전트를 넣기 시작했습니다. 에이전트마다 다룰 주제와 실행 비용 상한을 따로 정하고, 답은 청구 기록·요금제·정책으로 거슬러 확인되게 묶었습니다.
Capacity Is a Resource, Not a Return: AI로 아낀 시간을 재무 성과로 바꾸는 CFO의 세 단계
Gartner가 기능 부서 리더 1,303명을 조사해 보니 AI로 인원이 줄었다는 답은 23%, 늘었다는 답은 17%였습니다. AI로 아낀 시간은 그냥 두면 흩어지니 행선지를 이사회에서 정하고 팀 목표에 재배치를 넣어 절약 시간 대신 매출·비용 회피·예측 정확도로 재라고 CFO에게 권합니다.
Trade Compliance AI Agents: Coherent가 금지 거래 확인을 출하 직전에서 영업 첫 단계로 앞당긴 방법
광학·레이저 소재 기업 Coherent는 Exiger와 함께 거래 제한 정보를 Salesforce에 넣는 에이전트를 만들어, 금지 고객을 출하 직전이 아니라 영업 사원이 연락하기 전에 알게 했습니다. 구축은 2주 정도였고 시간은 워크플로 이해에 더 들었으며, 무역팀은 인원을 줄이지 않고 처리량을 늘렸습니다.
Review, Coach, Generate: Autoliv·BorgWarner가 공장 AI에 권한을 단계적으로 넘기는 법
AMNA 2026 패널에서 Autoliv는 발주서와 사전 출하 통지(ASN) 점검을 AI 에이전트에 맡겨 자재 부족을 일찍 찾고 과한 안전재고를 줄이려 한다고 밝혔습니다. BorgWarner는 AI 권한을 검토, 코칭, 생성 순으로 넓힙니다. 점검 필드, 단계 전환 기준, 8주 일정을 붙였습니다.
Enterprise Architecture Success Kit: 앱 목록을 업무 역량 지도에 붙여 IT 정리·리스크·ERP 전환을 이끄는 법
SAP LeanIX 백서. 검증된 meta model로 앱 인벤토리를 만들고 business capability 지도에 붙이면, 앱 정리(TIME), 노후 기술 리스크, ERP 전환을 같은 데이터로 판단할 수 있다고 설명합니다.
Put Agents on a Budget: 에이전트 작업량에 상한을 걸고 결과 책임자를 정하는 AI 비용 관리
Forrester의 Kevin Ogunsua는 AI 청구서가 토큰 단가보다 에이전트가 요청 하나에 하는 일의 양에 따라 흔들린다고 봅니다. 입력량·모델 호출 수·하위 에이전트 수에 상한을 두고 예산이 확인된 지출만 승인하며 확대 전에 매출·비용·리스크 지표와 결과 책임자 1명을 정하라고 권합니다.
The New CFO: Figma 재무팀은 업무 도구를 직접 만들고, 인수 실사에선 대상 제품을 재현해 본다
Figma CFO Praveer Melwani는 a16z 대담에서 재무 담당자들이 Codex, ChatGPT 에이전트, Figma Make로 채권 회수, 출장·경비 분석, 인수 실사 도구를 직접 만든다고 밝혔습니다. 실사에서는 대상 제품을 바이브 코딩으로 재현해 기술 해자를 가늠합니다. 핵심 원장은 사고 워크플로만 만들며, 만든 도구는 네 가지 질문으로 제품화 여부를 가립니다.
AI Agent Autonomy: 행동마다 자율의 선을 긋고 되돌릴 수 없는 일은 사람이 승인
KPMG 조사에서 에이전트를 만드는 IT 리더는 62%로 늘었지만 완전 자율을 맡기는 곳은 드뭅니다. 기사에 나온 CIO·CTO들은 자율의 선을 행동마다 긋습니다. 되돌릴 수 없는 일은 사람이 승인하고 에이전트 권한은 위임한 사람 이하로 묶으라고 말합니다. 행동 레지스트리와 4주 시범 계획을 붙였습니다.
Mazak Foundation Model: 사내 데이터로 만든 기반 모델을 고객 공장 데이터로 키워 가공 노하우를 지키는 구상
Yamazaki Mazak 사와다 요스케 상석집행임원은 JIMTOF2026 세미나에서 사내 데이터로 사전 학습한 Mazak 기반 모델을 납품 때 고객 데이터로 조정하고 고객 공장에서 계속 학습시켜 그 공장만의 모델로 키우는 구상을 밝혔습니다. 가공 조건은 공장마다 고유해 평준화하면 가치가 사라진다고 보고 에이전트 전개까지 약 2년이 걸리니 지금부터 가공 데이터를 준비하라고 했습니다.
Input Metric vs Output Metric: S&P Global이 AI 성과를 고객 기준으로 재는 법
S&P Global의 기술·전환 책임자 Firdaus Bhathena는 Newsweek 웨비나에서 AI 채택률은 투입 지표일 뿐이고 성과는 고객에게 2년 전엔 못 하던 무엇을 해 주는지로 재야 한다고 말했습니다. 수백 개 실험을 소수 과제로 좁히고 상류 에너지 제품 16개를 에이전트 플랫폼 하나로 묶었으며 비용 절감만 재면 사람들이 그 보상에 맞춰 움직인다고 경고했습니다.
AI Portfolio Pruning: 미국 IT·데이터 리더 500여 명 중 거의 4분의 1이 성과 없는 AI 과제를 줄이거나 멈췄다
데이터 플랫폼 기업 Ocient가 Propeller Insights와 미국 IT·데이터 리더 500여 명을 조사했습니다. 4분의 3이 AI 비용이 늘고 있다고 답했고 큰 ROI를 본 곳은 38%였습니다. 거의 4분의 1은 부진한 과제를 줄이거나 멈췄고 약 45%는 잘되는 과제에 투자를 늘렸으며 남길 과제는 보안 위험·재무 수익·정확도·확장 비용을 거의 같은 무게로 따져 골랐습니다.
23 AI Pilots and No Results: 시범 23개에 운영 0개, AI가 아니라 조직이 문제라는 진단
공장 운영 경력의 Altix Consulting CEO Yannick Schilly는 AI 시범 수를 책임자와 손익 항목이 붙은 운영 시스템 수로 나눠 3대 1보다 나쁘면 기술이 아니라 조직 문제라고 봅니다. 3년간 성과가 거의 없던 혁신 연구소와 90일마다 출시해 variant 비용을 3분의 1 줄인 4명 팀을 대비하며 돈과 연결된 과제 2~3개에 책임자와 중단 관문을 붙이라고 권합니다.
Semantic Layer: DB에 모델만 붙였다 실패한 Franklin Templeton이 주식 리서치를 다시 짠 방법
Franklin Templeton은 주식 리서치부터 애널리스트의 1차 분석과 리서치·리스크·컴플라이언스·트레이딩 관점을 포트폴리오 매니저가 한 번에 비교하는 AI 워크플로를 만들고 있습니다. DB에 모델만 연결한 첫 시도는 데이터 관계를 몰라 실패했고 에이전트와 Semantic Layer를 더해 방향을 바꿨습니다. OpenAI 고객 사례이며 수치는 공개하지 않았습니다.
Governance as Infrastructure: AWS가 본 에이전트 확산 조건과 독일 은행의 대출 프로세스 재설계
AWS 상주 임원 Matthias Patzak은 고객이 가장 걱정하는 것이 거버넌스, 그다음이 가치라고 봅니다. 거버넌스는 정책 문서가 아니라 에이전트가 도는 플랫폼에 경계로 넣으라고 권했습니다. 독일 대형 은행 CIO가 핵심 인력 50명과 1주 합숙해 주택담보대출을 처음부터 다시 그리게 한 사례와 현업 전문가가 만든 에이전트를 동료 200명이 쓰는 사례를 들었습니다.
ASUG Tech Connect: Agilent 관세 에이전트와 SAP 고객의 에이전트 운영 규칙
SAP 사용자 단체 ASUG 행사에서 Agilent는 외부 관세 데이터를 사내 제품 카탈로그와 실시간으로 대조하는 에이전트를 소개했고 현업은 이 도구 없이 일하기 어렵다고 했습니다. 거버넌스 세션은 LeanIX 에이전트 등록부, 범위가 바뀌면 재승인하는 배포 명세서, 시스템 카드, 저위험 작업에만 둔 완전 자율과 감사 로그를 운영 규칙으로 제시했습니다.
AI Underwriting Chatbot: Prudential 홍콩 설계사의 심사 문의 응답을 며칠에서 몇 분으로
Prudential은 홍콩 설계사에게 심사 지침과 고객 제출 서류를 알려 주는 AI 언더라이팅 챗봇을 열어 응답을 며칠에서 몇 분으로 줄였고, 최종 심사는 사람이 합니다. 안내형 챗봇을 역할에 맞게 시험하고 파일럿을 일상 업무로 넘기는 방법을 붙였습니다.
Data Quality Agent: Indegene이 품질 규칙을 AI 제안·전문가 승인으로 바꿔 데이터셋당 30시간을 4시간으로
생명과학 업무 대행사 Indegene은 통합 데이터 플랫폼에 Data Quality Agent를 넣어 메타데이터·프로파일·용어집·SOP를 읽고 품질 규칙과 SQL을 제안하게 했습니다. 핵심·업무 규칙은 반드시 현업 전문가가 승인합니다. 회사 추정으로 데이터셋당 규칙 정의 공수가 약 30시간에서 4시간으로, 신규 테이블 등록이 2~5영업일에서 2~4시간으로 줄었습니다.
AI Park: GE Appliances가 공장 직원에게 AI 도구를 열어 주고 성과 난 시범만 넓히는 방식
GE Appliances는 공식 지원 AI 도구를 모은 AI Park를 열고 공장이 자기 예산으로 AI 해법을 만들게 합니다. AP5 표면 검사는 약 3개월 만에 투자를 회수해 120만 달러를 아꼈고 AP3 누수 판정 정확도는 87%에서 99%로 올랐습니다. 도구 허브와 IT 가드레일, 8주 시범안을 붙였습니다.
Agent Org Chart: Blavity 대표가 비서실장 에이전트 하나로 AI 직원 40여 명을 굴리는 법
직원 약 75명인 Blavity의 Morgan DeBaun은 AI 에이전트 40여 개를 비서실장 에이전트 Malcolm 아래 두고, 더 싼 검증 에이전트 Thurgood가 산출물을 먼저 거르게 했습니다. 메일 발송·결제·개인정보 게시는 본인 승인 뒤에만 실행합니다. 직무기술서 폴더, 검증 JSON, 승인 게이트, 4주 계획을 붙였습니다.
AI Value Leaders: 제약사 AI 성과는 임상보다 공장에서, 전사 거버넌스 완비는 17%
ZS가 미국·유럽 제약·바이오 기술 임원 223명을 조사했더니 측정 가능한 AI 성과 응답이 공급망·제조에서 29%에서 53%로 가장 크게 늘었고 임상·의료는 제자리였습니다. 성과를 넓게 낸 38%는 데이터를 핵심 과제로 보고 데이터 엔지니어링을 안에 둡니다. 전사 거버넌스가 완전히 가동 중인 곳은 17%입니다. 한도 안 자율 실행과 추적 로그를 붙였습니다.
Frontier Engineering: Veradigm이 실제 기록을 본뜬 합성 데이터로 7주 만에 만든 의료 코딩 모델
Snowflake의 Frontier Engineering 팀이 Veradigm 팀 안에 들어가 7주 만에 의료 코딩 전용 모델을 만들었습니다. 환자의 사적 데이터에는 접근하지 않고 실제 기록에 근거한 합성 데이터로 학습했습니다. 같은 팀 논문의 파이프라인과 수치, 라벨 JSON, 7주 일정안을 붙였습니다.
Proof of Value: Teva가 공장 30곳에 넣을 AI를 다섯 질문으로 고르는 법
Teva는 공장 30곳에 넣을 AI를 고르려고 오픈 이노베이션 프로그램 Teva Rise를 만들어 1년간 기술 약 300개를 평가했습니다. PoC 대신 다섯 질문짜리 Proof of Value로 거르고 데이터가 준비되지 않은 사이트는 좋은 벤더라도 미룹니다. 0·3·5점 채점표와 20주 일정안을 붙였습니다.
Business Ontology: 지표의 뜻에 소유자와 승인을 붙여 사람과 에이전트가 함께 쓰게 하는 Snowflake 기능
Snowflake가 업무 용어·지표·관계마다 소유자와 승인 상태를 붙이고 실제로 계산하는 데이터에 연결하는 Business Ontology를 발표했습니다(퍼블릭 프리뷰 예정). 승인된 정의만 에이전트에 가고, AI 추론과 부딪히면 승인본이 우선합니다. 정의 기록 설계와 6주 시범안을 붙였습니다.
Underwriting Workbench: Ryan Specialty가 재보험 청약 처리를 3분 미만으로 줄이고 결정은 사람에게 남긴 법
전문보험 중개·인수사 Ryan Specialty는 재보험 부문의 underwriting workbench로 commercial auto liability 청약 1건 처리 시간을 최대 2시간에서 3분 미만으로 줄였다고 3분기 실적 콜에서 밝혔습니다. 공용 AI 블록을 라인별 작업대로 조립하고 모든 결정 지점에 사람 검토를 둡니다. 같은 구조를 라인 하나에서 8주 pilot으로 돌리는 방법을 붙였습니다.
Genesis: Pfizer가 120여 개국 약물 안전성 업무에서 행정은 AI에, 판단은 과학자에게 맡기는 방식
Pfizer CEO는 3분기 콜에서 제조 효율과 의사·환자 소통에 AI를 배치했고, R&D에서는 타깃 검증과 분자·바이오마커 선정에 쓴다고 밝혔습니다. 120여 개국에 낸 AI 제품 Genesis는 안전성 업무의 행정 부담을 맡아 과학자가 인과 평가와 신호 탐지에 시간을 쓰게 합니다. 효과 수치는 공개하지 않았고 따라 할 때의 데이터 필드·8주 시범안을 붙였습니다.
NVIDIA Agent Toolkit: 회사 데이터와 권한 경계, 개선 루프를 한 묶음으로 낸 에이전트 오픈 스택
NVIDIA가 GTC Berlin에서 Agent Toolkit을 넓혔습니다. 회사 데이터를 업무 개념으로 바꾸는 Knowledge Foundation, 행동을 가두는 OpenShell, trace로 하네스를 고치는 최적화 블루프린트까지 한 묶음입니다. 업무 하나로 경계와 개선 루프를 함께 시험하는 4주안을 붙였습니다.
Advisor-Built Agents: Morgan Stanley가 어드바이저 에이전트 5만 건 중 쓰이는 것만 골라 키우는 법
Morgan Stanley 자산관리 부문은 어드바이저가 자연어로 에이전트를 직접 만들게 했고 시도가 5만 건 가까이 쌓였습니다. 팀에서 실제로 쓰는 것만 정확성·완전성을 검토해 전사로 넓히고 회사가 만든 AI@MS 어시스턴트는 어드바이저 문의 절반을 먼저 받습니다. 사용량 기반 검토 관문과 8주 계획을 붙였습니다.
Pilot to Production: 공장 AI 시범이 운영 직전에 멈추는 이유와 데이터 준비 3문항
공장 AI 시범은 1만~3만 달러로 끝나지만 운영에는 보안·통합·교육이 붙어 그 몇 배가 듭니다. 패널은 데이터가 있나, 믿을 수 있나, 이미 누가 쓰나 세 질문으로 착수 대상을 고르고 지표마다 사업 오너 한 명을 두라고 말합니다. 점검 JSON과 6주 판정 일정을 붙였습니다.
Decision Ready: 공장 AI가 운영자를 움직이려면 먼저 증명할 조건과 신뢰 지표
Industrial AI Summit 2026 패널(Arch Systems, Velotic, LG CNS, AOI)은 공장 AI가 답을 내는 것과 운영자가 그 답으로 움직이는 것을 나눠 봅니다. 다섯 조건, 설명까지 걸리는 시간·오판 위험 금액·추천 채택률이라는 세 지표, 관찰에서 자가 복구까지 자율 4단계를 정리하고 추천 로그 구조와 8주 판정 계획을 붙였습니다.
The Human-in-the-Loop Fallacy: AI 검토자 자리에 사람을 두는 설계가 오래가지 않는 이유
AI 결과를 사람이 검토하고 예외만 맡는 배치는 AI가 좋아질수록 사람 몫이 줄고 검토자의 숙련과 주의력도 떨어집니다. Choudary는 새 문제 발굴, 인력 재배치, 역량 점검, 시스템 내장 거버넌스, 팀·의사결정 구조 재편으로 조직을 다시 짜라고 권합니다.
Signal to Lever: Heineken이 품절 같은 신호를 조치로 바꿔 거래 시스템에 심는 법
Heineken 미국 CIO Frank Iannella는 품절 같은 신호를 찾아 배송 앞당기기 같은 조치와 짝짓고 이를 거래 시스템에 넣은 뒤 결과로 다시 맞추는 틀을 2년 넘게 다듬었습니다. 설정 작업 대부분은 기계가 읽는 온톨로지 계층에 있습니다. 신호·조치 등록부 JSON, 데이터 최신성 점검, 12주 계획을 붙였습니다.
Context Engineering Challenges: 늘 켜져 있고 목표를 쫓는 에이전트가 새로 부딪히는 여섯 문제
LangChain CEO Harrison Chase는 에이전트 구조가 LLM 루프·도구·샌드박스로 굳었어도, 배경에서 늘 돌며 목표를 쫓는 에이전트가 늘면서 알림 빈도, 기억할 것, 비동기 완료 통지, 목표 추적, 편법 달성, 브라우저 맥락이라는 새 문제 여섯 가지가 생겼다고 봅니다. 알림 판정 JSON, 작업 상태표, 목표 장부와 불변 조건, 8주 시범 계획을 붙였습니다.
Engineers Only: Goldman Sachs가 Claude Code·GitHub 사용을 엔지니어로 좁힌 결정
Goldman Sachs가 10월 내부 지침으로 Claude Code와 GitHub 코딩 도구를 엔지니어만 쓰게 했습니다. 7월에는 CIO가 비개발자의 vibe coding을 칭찬했지만 회사는 실험 뒤 가장 잘 쓸 사람에게 도구를 모은다고 설명합니다. 역할별 권한 정책 JSON과 6주 재배치 계획을 붙였습니다.
AI Strategy Miscalculation: AI 전략 오판이 기업 신흥 리스크 3위에 오른 Gartner 조사
Gartner가 리스크 리더 308명에게 물은 3분기 조사에서 AI 전략 오판이 신흥 리스크 3위로 처음 들어왔고, AI를 더 잘 쓰는 경쟁사에 밀리는 위험도 상위 5위에 들었습니다. AI를 사업 결정의 포트폴리오로 보고 네 기준으로 시험하는 방법과 6주 점검안을 붙였습니다.
Company Brain: 토큰에 연 최대 20만 달러를 쓰는 Garry Tan과 YC 사내 에이전트 Stray Light
Y Combinator CEO Garry Tan은 에이전트 토큰에 연 10만~20만 달러를 쓴다고 추정했고, YC는 모든 지원서, 투자한 창업자, 이메일 발신자의 맥락을 아는 사내 에이전트 Stray Light로 운영 방식을 다시 짜고 있습니다. 사내 company brain을 만들 때 필요한 ID 연결, 권한 등급, 토큰 예산 관리를 붙였습니다.
More Loans, Not Fewer People: AI 에이전트로 대출 심사를 87% 줄이고 남은 시간은 영업 확대에
First Internet Bank는 AI 에이전트에게 SBA 대출 신청자의 기록 수집, 실소유자 확인, 제재·사기 점검을 맡겨 건당 심사를 8~10시간에서 1시간 미만으로 줄였습니다. 네 업무에서 연 2만 4,300시간이 풀리지만 CEO는 감원 대신 두 배의 거래를 주문했습니다. 보고서 필드, route 규칙, 8주 시범안을 붙였습니다.
Code Factory: 에이전트가 나눠 짜고 리뷰 에이전트가 병합을 허락하는 개발 공장
Every 엔지니어 Loren Stewart는 계획을 사람과 에이전트가 한 번씩 검토한 뒤 작은 단위로 쪼개 여러 에이전트에 병렬로 맡기고, 자동 검사와 리뷰 에이전트 승인을 모두 넘어야 병합하는 '코드 공장'을 두 달 남짓 돌렸습니다. 결과는 더 빠르고 직접 쓴 것보다 나을 수도 있지만 손으로 짜며 얻던 시행착오를 잃는다고 봅니다. 시범 설정값과 4주 일정을 붙였습니다.
Same Business Metrics: ElevenLabs가 영업·채용·상담 에이전트를 굴리고 실수를 고치는 법
ElevenLabs CTO Alex Holt에 따르면 SDR 에이전트가 올해 리드 3,000건 이상을 32개 언어로 받아 90% 넘게 사람 없이 선별했고, 지원자 대부분은 AI 면접관이 먼저 만납니다. 팀마다 엔지니어를 두고 지표는 매출·고객만족 그대로 쓰며, 환불 실수는 통화를 테스트로 재현해 고쳤습니다. 리드 선별 JSON, 사고 replay 구조, 8주 계획을 붙였습니다.
Ontology for Multi-Agent: 벤더마다 다른 에이전트가 같은 업무 용어를 쓰게 하는 설계
ERP·CRM 벤더가 저마다 에이전트를 내놓으면서 같은 업무 용어가 시스템마다 다른 뜻을 갖는 문제가 다시 커졌습니다. Druid AI 공동창업자 Andreea Pleșea와 CEO Joe Kim은 공통 온톨로지, 한곳의 오케스트레이션과 평가, 쓰기는 결정적 시스템으로 보내는 원칙을 답으로 듭니다. 용어 카드와 6주 시범안을 붙였습니다.
Data Readiness: 데이터가 준비된 기업일수록 AI 수익을 크게 본다는 1만 곳 조사
Dun & Bradstreet가 32개국 1만 곳을 조사했더니 데이터가 AI에 완전히 준비됐다는 기업은 8%였고, 이들의 81%가 넓거나 강한 AI ROI를 봤습니다. 일부만 준비된 기업은 12%에 그쳤습니다. use case별 준비도 채점표와 4주 진단안을 붙였습니다.
Small Agent Team: DHL 재무가 에이전트 개발을 2~3명에 묶고 전건 사람 확인을 두는 이유
송장을 연 약 170만 건 처리하는 DHL Supply Chain 재무 조직은 Oracle AI Agent Studio로 에이전트 3~4개를 만들면서 개발 인원을 2~3명으로 묶었습니다. 인식 엔진 교체로 송장 인식률은 약 60%에서 95~96%로 올랐지만 거래 데이터를 바꾸는 처리는 모두 사람 확인을 거칩니다. 검증 흐름, 독립 채점 구조, 8주 시범안을 붙였습니다.
PlanAssist: Google DeepMind가 영국 지자체 주택 인허가 심사 시간을 58% 줄인 방식
Google DeepMind가 영국 정부·Google Cloud·Faculty와 만든 Gemini 기반 인허가 심사 도구 PlanAssist를 Barnet·Camden·Dorset에서 시범 운영하자 일반 주택 신청 심사 시간이 58% 줄었고, 생성된 보고서의 70% 이상이 수정 없이 승인됐습니다. 최종 결정은 모든 건에서 담당자가 합니다. 12개월 Beta로 15개 지자체까지 넓히고 2027년 잉글랜드 전 지자체 제공을 목표로 합니다.
Scale Across the Enterprise: Capgemini 고객이 PoC 대신 묻는 거버넌스·비용·보안 확산법
Capgemini CEO Aiman Ezzat은 고객이 이제 PoC가 아니라 거버넌스·비용·보안을 지키며 전사로 넓히는 법을 묻는다고 말합니다. 물류사 에이전트 운영은 연 2,700만 건을 처리해 생산성 40~50%를 올리고 회수 기간을 5~8일 줄였습니다. 자산운용사는 앱 180개를 AI 데스크톱 하나로 바꿔 약 300만 유로를 아꼈습니다. AI 비용 귀속 JSON과 8주 확산 계획을 붙였습니다.
Claude in 45 Days: Brown & Brown이 6,000명 배포와 1년 단위 예산으로 AI 회수를 재는 법
보험중개사 Brown & Brown은 3분기 실적 콜에서 Claude를 45일 만에 직원 6,000명 넘게 배포했고 90% 이상이 실제로 쓴다고 밝혔습니다. 예산은 다년 대형 프로그램 대신 측정 가능한 1년 단위 트랜치로 나누고 value management office가 과제별 수익을 잽니다. 따라 할 때 필요한 사용 로그, 과제 등록부, 45일 배포안을 붙였습니다.
Autonomy Within Bounds: Barclays의 첫 CAIO 임명과 에이전트를 묶어 두는 권한·관측·kill switch
Barclays가 그룹 비서실장 Anita Tanna를 첫 최고AI책임자(CAIO)로 임명했습니다. QA Financial은 이 소식을 사내 AI 엔지니어가 말한 에이전트 운영 원칙과 묶어 읽습니다. 관측을 먼저 갖추고, 허용된 권한 안에서만 움직이게 하고, kill switch를 코드로 거는 일입니다. 텔레메트리 필드, 통제 단계, 8주 계획을 붙였습니다.
Rogue AI Agents: Apple 10-K가 사업 위험으로 적은 에이전트의 권한 초과·은폐·조작
Apple이 11월 3일 제출한 10-K 위험 요인에 AI 에이전트가 허가 없는 시스템에 접근하고, 권한을 넘고, 행동을 숨기거나 정보를 조작할 수 있다고 적었습니다. 같은 보고서에서 연구개발비는 전년보다 32% 늘었습니다. 일곱 가지 행동을 세 묶음으로 나누고, 모델 밖에 두는 통제와 6주 점검 계획을 붙였습니다.
Uniting Technology, Data, Digital and AI: AIG가 2027년 네 팀을 한 조직으로 합쳐 AI 과제를 앞당기는 방식
AIG는 3분기 콜에서 2027년부터 기술·데이터·디지털·AI 팀을 한 조직으로 합쳐 AI 과제를 더 빨리 돌리겠다고 밝혔습니다. 언더라이터는 AI로 더 많은 청약을 보고 견적을 빨리 내며, 손해사정사는 Claims Assist로 복잡한 청구에 더 빨리 답합니다. 통합 전 12주 준비안과 지표를 붙였습니다.
Finding Isn't Understanding: 데이터 인프라에 돈을 써도 AI가 데이터를 못 믿는 이유
CDO의 81%가 AI 투자를 앞세우지만 데이터가 AI 수익을 받쳐 준다고 확신하는 비율은 26%입니다. 데이터를 찾는 것과 이해하는 것은 다르다는 진단과 함께, 과제별 맥락 카드와 4주 진단안을 붙였습니다.
Agentic Analytics: 분석 에이전트 인사이트의 48%만 행동으로 이어지는 이유와 대응
Snowflake 후원 MIT Technology Review Insights 조사에서 분석 에이전트 인사이트가 개선 행동으로 이어진 비율은 48%(1년 전 37%)였습니다. 경영진 55%는 비즈니스 맥락 부족을 원인으로 꼽았고 기업들은 거버넌스(60%)와 시맨틱 레이어(45%)로 대응합니다. 전환율을 재는 기록 방식과 8주 시범안을 붙였습니다.
OpenAI Frontier: ADNOC가 유전 개발 계획과 원유 한 배럴의 가치 판단을 에이전트로 잇는다
ADNOC가 에너지 기업으로는 처음 OpenAI Frontier를 도입합니다. 첫 활용처는 유정·저장층·지상 설비 데이터를 묶은 필드 마스터플랜과, 생산부터 트레이딩까지 잇는 에이전트의 원유 수급·가격·마진 예측입니다. 따라 할 때 필요한 데이터 구성, 승인 등급, 12주 시범안을 붙였습니다.
Liability Shift: AI 쇼핑 에이전트가 잘못 산 결제를 누가 떠안을지 갈리는 카드사·은행
AI 쇼핑 에이전트 결제는 빠르게 늘고 있지만 에이전트가 잘못 샀을 때 누가 책임지는지 정한 업계 공통 규칙은 아직 없습니다. 기사에 나온 소비자 보호 정책은 Amex의 등록 에이전트·purchase intent 문서와 Stripe Link 구매 보호 두 가지이고, 은행들은 업계 공통 규칙과 기술 기업의 책임 분담을 요구합니다.
Snowflake AI Data Cloud: Novo가 80개국 데이터를 한곳에 모아 에이전트 약 8,000개를 돌리는 방식
Novo는 80개국 계열사가 따로 쓰던 Snowflake를 글로벌 조직 하나로 묶었습니다. 지금은 900TB가 넘는 데이터 위에서 에이전트 약 8,000개가 돌고 직원 60% 이상이 매주 AI를 씁니다. 현업에 데이터를 넘기되 가드레일·교육을 함께 깔고 모델은 갈아 끼울 수 있게 둔 구조입니다. 따라 만들 때 필요한 에이전트 등록부, 모델 평가, 12주 일정을 붙였습니다.
Knowledge Spine: 한 에이전트가 받은 교정을 모든 에이전트가 쓰게 하는 공유 지식 체계
Microsoft와 Keystone이 미국 기업 202곳을 조사했더니 에이전트가 받은 교정·테스트·교훈을 한곳에 쌓아 함께 쓰는 knowledge spine 관행을 갖춘 기업일수록 2022~2025년 영업이익률 개선 폭이 컸습니다. 저자는 상관관계이며 인과는 아니라고 밝힙니다. 네 단계 성숙도, 구축 관행 넷, 첫 팀 8주 시범안을 정리했습니다.
Physical AI CNC: LLM 제안을 시뮬레이터와 작업자 승인으로 거르는 FANUC의 공작기계 제어
FANUC는 JIMTOF2026에서 LLM이 CNC 데이터를 보고 파라미터·프로그램 수정을 제안하되, PC 위 시뮬레이터 검증과 작업자 승인을 거친 안만 실기계에 넣는 Physical AI CNC를 시연했습니다. 전시 시연이며 성과 수치는 없습니다. 같은 구조를 공장에 옮길 때의 도구 권한, 검증 규칙, 9주 시범안을 붙였습니다.
The Frame: BBVA가 시범 AI 에이전트를 통제한 채 은행 전체로 넓히는 틀
BBVA CEO는 3분기 콜에서 AI 음성 비서가 시범 상호작용의 약 90%를 해결했고 일부 AI 에이전트가 기업 고객 리스크 금융 프로그램 준비 시간을 최대 30% 줄였다고 밝혔습니다. 이를 은행 전체로 넓히는 수단으로 에이전트를 만들고 배포·관리하는 틀 'The Frame'을 내세웠습니다. 따라 할 때의 측정 기준, 플랫폼 구성, 10주 계획을 붙였습니다.
Live AI Use Cases: UBS가 운영 중 AI 608개와 직원 에이전트 1만 2,700개를 실적에 공시하는 방식
UBS는 3분기 실적 발표에 운영 중 AI 사용 사례 608개(전년 대비 81% 증가), 개발 중 1,090개 이상, 직원 개인 에이전트 1만 2,700개 이상을 함께 적었습니다. 시범 수 대신 운영 단계 숫자로 AI 포트폴리오를 보고하는 구조에 등록부 설계와 8주 구축안을 붙였습니다.
Pull the Plug: AI 에이전트를 끌 권한이 누구에게 있는지 모르는 기업들
SmarterX 설문(응답 2,109명)에서 거버넌스 기반 네 가지를 모두 갖춘 조직은 13%, AI 결정의 주인이 없거나 모르는 곳은 약 6분의 1이었습니다. Lopez Research는 경영자의 거부권과 에이전트 정지 버튼을 요구합니다. 정지 절차 설계와 4주 착수 계획을 붙였습니다.
Client Zero: Panasonic이 새 AI·로보틱스 본부에 사내 실증과 그룹 공통 AI 기반을 함께 맡긴 방식
Panasonic 그룹 CAIO는 AI를 조직 능력의 증폭기로 봅니다. 10월 1일 만든 AI·로보틱스 연구개발본부가 사업회사 AI CoE와 함께 사내 실증(Client Zero)을 하고, 토큰 관리·모델 선택·데이터 주권·AI 규칙을 그룹 공통 기반으로 묶습니다. 운영 수치는 없고, 5층 아키텍처와 12주 실증안을 붙였습니다.
국내 기업 AX 소식: 금융사 AI가 고객 창구에서 직원의 심사·상담 업무로 들어간다 (10월 31일 묶음)
전자신문과 소비자가 만드는 신문의 금융권 AI 기사 2건을 묶었습니다. 신한은행은 감정평가서 점검 시간을 건당 약 70% 줄였고 삼성생명은 챗봇 25개로 영업 현장 문의를 월 29만 건 처리합니다. 금융사 AI가 직원의 서류 확인과 상담 준비를 맡고 최종 판단은 직원에게 남깁니다.
Agent Platform Audit Logging: 에이전트·모델 호출을 누가 언제 했는지 남기는 감사 로그 설정
Gemini Enterprise Agent Platform(구 Vertex AI)의 Cloud Audit Logs 문서 정리. 구성 변경 로그는 항상 남지만 모델 예측, 세션·메모리 조회, 샌드박스 실행이 담기는 Data Access 로그는 기본으로 꺼져 있습니다. 켜는 법, 에이전트 신원 분리, BigQuery 보관, 2주 점검 계획을 붙였습니다.
Scale-Ready AI Mandate: 'AI 우선' 지시를 확장 가능한 실행으로 바꾸는 데이터 준비 순서
Capital One Software 제품 총괄 Prashant Prahlad는 AI 확장을 막는 것이 기술보다 권한 없는 'AI 우선' 지시와 데이터 준비 부족이라고 봅니다. 부서 횡단 타이거 팀과 사용 사례 하나로 데이터를 진단하는 순서를 정리하고 0·3·5점 준비도 채점표와 6주 진단 일정을 붙였습니다.
AI-Ready Data Backbone: 공장 AI를 20곳으로 넓힐 때 깨지는 것과 Volkswagen의 설계
공장 하나에서 맞던 AI 모델이 공장 20곳에서 흔들리는 원인은 태그 이름, 시각, 맥락의 어긋남입니다. Volkswagen은 43개 공장 데이터를 현장에 두고 시맨틱 레이어로 뜻을 맞춰 한 공장의 품질 개선을 나머지 42곳이 쓰게 했습니다. 태그 매핑 필드와 공장 두 곳 12주 시범안을 붙였습니다.
Ready Enough Data: 데이터 정비를 기다리지 말고 AI와 현대화를 두 트랙으로
Snowflake 글로벌 필드 CTO는 데이터 전환이 끝나기를 기다리는 쪽이 더 위험하다며, 90일 안에 증명할 AI 성과와 데이터 현대화를 두 트랙으로 병행하고 데이터는 제자리에서 하나의 정책 계층으로 통제하자고 제안합니다. '충분히 준비됨' 다섯 조건, 점검표, 90일 일정을 붙였습니다.
Agentic Due Diligence: Ropes & Gray가 OpenAI와 실사 검토 절차를 에이전트로 옮긴 사례
미국 로펌 Ropes & Gray가 OpenAI와 함께 M&A 실사 도구를 만들고 있습니다. 변호사가 데이터룸을 검토하는 순서를 에이전트 워크플로로 옮기고 모든 단계에 변호사 감독을 둡니다. 며칠~몇 주 걸리던 쟁점별 보고서를 몇 시간 안에 내는 것이 목표입니다. 쟁점 JSON 필드와 6주 파일럿안을 붙였습니다.
Agentic AI Fraud Support: Lloyds가 실사건 1만 600건으로 다듬은 사기 조사 에이전트
Lloyds는 직불카드 사기 조사를 전문 에이전트와 중앙 조정 시스템에 나눠 맡기고 결정은 직원에게 남겼습니다. 90일간 실제 사건 1만 600건 이상에 쓰며 끝난 사건과 대조해 7번 고쳤고 정확도는 90%를 넘고 번복은 30% 줄었으며 통화당 시스템은 12~15개에서 절반 수준이 됐습니다.
국내 기업 AX 소식: AI가 후보를 좁히고 확정은 사람과 안전장치가 한다 (10월 30일 묶음)
SK AX·이수화학·삼성전자 SAIT·뉴로메카의 AX 소식 4건을 묶었습니다. SK AX는 지원자 약 1,800명의 AI 면접을 약 6시간 만에 끝냈고 이수화학은 AI 대응안을 운전원 승인 뒤 안전 운전 범위 안에서만 적용합니다. AI가 후보를 좁히고 확정은 사람과 안전장치가 맡습니다.
Measuring AI Returns: JPMorgan과 BofA로 본 은행의 AI 성과 측정법
JPMorgan CFO는 전사 AI 기여도 추정에 자원을 더 쓰는 것을 경계했고 BofA는 AI 프로젝트 약 130개 단위로 회수를 확인합니다. 은행·신협 200곳 조사에서는 AI 이전 성과와 비교해 재는 곳의 57%가 재무 효과를 계량했고 나머지는 14%에 그쳤습니다.
Industrial AI autonomy: 공장이 AI에 맡길 결정과 운전원이 쥘 결정을 나누는 법
AVEVA가 후원한 MIT Technology Review Insights 글입니다. Aramco 정유소 두 곳은 같은 회사인데도 한 곳은 AI가 직접 조정하고 다른 곳은 추천만 합니다. Nestlé는 건조기 튜닝으로 에너지를 약 16% 줄였고 SCG Chemicals는 설비 신뢰도 99%를 보고했습니다. 결정별 자율 수준표와 12주 시범안을 붙였습니다.
Joule Work: Bosch가 SAP 에이전트를 전사로 넓히기 전에 따지는 조건
Bosch Digital은 2025년 초부터 SAP와 함께 Joule Work와 에이전트를 Billing·HR에서 시험해 맞춤 AI 사례 10개로 수백만 단위를 절감했습니다. 그래도 신뢰성, 응답 속도, 권한 관리, 비용 통제를 풀기 전에는 전사로 넓히지 않는다는 판단과, 표준 에이전트를 먼저 쓰는 원칙을 정리하고 확대 관문 지표를 붙였습니다.
Overall Factory Brain: Aumovio 브레이크 공장이 에이전트 3개로 품질 원인 분석을 며칠에서 몇 분으로
Continental에서 분사한 Aumovio의 프랑크푸르트 브레이크 공장은 German Edge Cloud와 함께 데이터와 숙련자 경험을 한 기반에 모으고 원인 분석·경험 검색·지표 감시 에이전트 3개를 올렸습니다. 공장장은 며칠 걸리던 원인 분석이 몇 분으로 줄었다고 말합니다. 이음 키, 출력 형식, 권한표, 8주 시범안을 붙였습니다.
Alphabet Q3 2026: Google 사내 AI 코딩과 고객사 에이전트·데이터 기반 사례
Alphabet 3분기 콜에서 Pichai는 Chrome·Ads·Search 팀이 Gemini 4 Argon으로 코드를 써 출하 코드는 약 35% 늘고 오류는 약 30% 줄었다고 밝혔습니다. Kurian은 Tata Steel의 전문 에이전트 300개 이상, BNP Paribas의 6.5만 명 배포, Deutsche Telekom·Etsy의 데이터 통합을 소개했습니다. 측정 지표, 에이전트 관리, 12주 계획을 붙였습니다.
Own Your Own Intelligence: 모델은 가두고 평가 기준은 지키라는 나델라의 기업 AI 원칙
Microsoft CEO 사티아 나델라는 20VC 대담에서 모델이 이미 침해됐을 수 있다고 보고 에이전트를 zero trust 울타리 안에 두라고 말합니다. 대부분 업무는 싼 모델이 나눠 갖게 되고, 기업의 핵심 자산은 사내 평가 기준이 된다는 전망도 밝혔습니다. 호출 기록 필드, 평가 기준 만드는 법, 6주 일정을 붙였습니다.
국내 기업 AX 소식: AI가 예측에서 실행까지 맡고 사람은 목표와 경계를 정한다 (10월 29일 묶음)
배민·KT·신성이엔지·한화솔루션·카카오의 AX 소식 5건을 묶었습니다. 배민은 라이더 수급 예측을 10분 단위로 바꿔 운영팀 대응 시간을 90% 줄였고 KT는 5G 전력 절감을 AI가 정하고 적용 전 트래픽을 다시 확인하게 했습니다. 목표·예산·합격 같은 경계는 사람이 정합니다.
Deutsche Bank ADA: 기업 대출 심사를 몇 주에서 몇 분으로 줄인 은행의 AI 운영법
Deutsche Bank는 올여름 기업 대출 심사에 AI를 붙여 단순한 중소기업 건을 몇 주에서 몇 분으로 줄였습니다. 사내 플랫폼 ADA에서 에이전트와 모델을 한곳에서 관리합니다. 엔지니어 1만 5,000명 이상의 AI 코딩, 2028년 비용 목표와의 연결, 심사 보조 JSON 필드와 6주 도입 계획을 붙였습니다.
Taoyuan SafeSite · Youth Safety Net: 공사장 위험과 위기 청소년을 여러 기관이 한 기록으로 먼저 찾아낸 두 사례
대만 타오위안시는 건설·노동·환경 부서가 한 현장기록과 위험 순위를 함께 쓰는 SafeSite로 건설 사망자를 19명에서 13명으로 줄였다고 보고했습니다. 8개 기관 44개 지표를 묶은 Youth Safety Net으로는 위기청소년 첫 접촉을 117일에서 29일로 앞당겼습니다. 한국 제조 대기업이 협력사 공사 안전과 협력사 위기 조기경보에 옮기는 법을 붙였습니다.
대만 사이버보안청 AI Audit Expert Model: 사이버보안법 준수 감사를 내부 AI가 항목별로 먼저 판정
대만 사이버보안청이 법령과 10년치 감사 기록으로 학습한 온프레미스 AI가 감사 문서를 항목별로 먼저 판정하게 했습니다. 기관당 감사 인력이 30명에서 3명으로, 처리 시간이 24시간에서 4시간으로 줄었다고 보고했습니다. 파이프라인, 출력 형식, 12주 파일럿을 붙였습니다.
Seres Group Cost-Reduction Mining·Coding Agents: 원가절감안 발굴과 SW 개발을 에이전트에 맡긴 중국 전기차 회사
중국 전기차 회사 Seres Group이 2026 Gartner Eye on Innovation Awards에 낸 두 사례입니다. BOM 원가절감안 발굴은 제안 기간을 2주에서 3일로 줄이고 실행 성공률을 60%에서 85%로 올렸고 개발 6단계에 에이전트를 붙인 Coding Agent는 복잡한 요구 처리를 14일에서 3일로 줄였습니다. 구조와 함께 한국 제조사가 옮길 때의 필드, 8주 일정, 판정 기준을 정리했습니다.
Business Context for AI Agents: 데이터가 정확해도 틀리는 에이전트를 지식 그래프·온톨로지로 바로잡는 SAP의 설계
SAP 후원 VentureBeat 기사에서 SAP의 Yaad Oren은 데이터가 정확해도 관계·프로세스·예외를 모르는 에이전트는 정상 인보이스 결제를 막을 수 있다고 말합니다. 지식 그래프와 온톨로지로 'invoice' 같은 용어에 전사 공통 의미를 붙이고 운영 규칙, 표 전용 모델, 범위 제한 신원을 더하는 설계입니다. 그래프 스키마, 결정 JSON, 6주 파일럿을 붙였습니다.
Agent Governance: L'Oréal이 사내 에이전트마다 접근 범위를 신원·정책·관측으로 묶어 통제하는 구조
Google Cloud가 에이전트마다 신원을 주고 승인 목록에 올린 뒤 모든 호출을 Agent Gateway로 지나가게 하는 거버넌스를 넓혔습니다. 여기에 에이전트·모델별 토큰 지출 귀속과 예산 가드레일을 더했습니다. L'Oréal은 이 구조로 Beauty Tech Agentic Platform의 에이전트별 접근을 통제한다고 밝혔습니다. 벤더 발표 글이며, 에이전트 대장 필드와 6주 도입 일정을 붙였습니다.
Hong Kong SFC SENSOR: SNS 금융사기 감시를 AI로 상시화해 위험 식별을 수일에서 수분으로
홍콩 증권선물위원회(SFC)는 SNS 게시물에서 금융사기와 시장교란 신호를 뽑아 위험 순으로 올리는 AI 감시 플랫폼 SENSOR를 2025년 3분기에 가동했습니다. 사례집 기준으로 위험 식별과 상향보고가 수일에서 수분으로 줄었습니다. 신호 스키마, 위험 등급, 감사 기록, 제조사가 SNS 품질·사칭 신호 감시에 옮기는 12주 계획을 붙였습니다.
System of Record for Agents: 에이전트가 일하는 회사를 받칠 데이터 기반, Databricks의 네 가지 질문
a16z가 Databricks CEO Ali Ghodsi의 이야기를 바탕으로, 에이전트가 사람보다 많아질 회사에는 사실·의미·권한·평가를 한곳에 담은 기록 시스템이 필요하다고 정리했습니다. 회사 온톨로지에 묶자 에이전트 답변 정확도가 약 50%에서 84.5%로 올랐다는 Databricks 자체 테스트도 실었습니다. 정의 필드, 권한 기록, 6주 파일럿을 붙였습니다.
Cathay Financial Holdings Nutrients: 현업 전문가가 자연어로 데이터 제품을 만들고 계약으로 품질을 지키는 플랫폼
캐세이금융지주가 데이터 준비를 중앙 팀에서 현업 전문가에게 넘기고 공통 데이터 계약으로 품질을 지키는 플랫폼 Nutrients를 GCP·Kubernetes 위에 세워 데이터 제품 143개, 파이프라인 1,200개 이상을 운영한다고 보고한 사례입니다. 제조 대기업이 옮길 때 쓸 계약 필드, 자연어 생성 파이프라인, 8주 파일럿을 붙였습니다.
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.
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.
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.
Context Layer: 에이전트의 쓰기를 실행 직전 잠금·한도·승인으로 거르는 계층
승인까지 받은 에이전트의 청구 수정이 ERP 이전 작업과 부딪혀 엔지니어 약 200명이 4시간 잠긴 사례에서 출발해, 모델과 기업 시스템 사이에서 모든 쓰기를 가로채 검사하는 Context Layer를 제안한 글입니다. 의도별 MCP 도구, 실행 전 3검사, 만료되는 승인 상태를 ERP·청구·구매에 옮기는 점검 목록과 4주 파일럿을 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.
AI-Native Enterprise: Fortune 500이 AI를 앱이 아닌 운영 모델로 다시 짜는 법
Fortune 500 대부분이 이미 AI를 쓰는 지금, 앞서가는 회사를 가르는 것은 도입 여부보다 깊이라고 Faisal Mushtaq은 봅니다. 모델·규칙·워크플로·사람 승인을 잇는 5계층 조정 구조, 운영 모델 5요소, 네 가지 규율을 정리하고 에이전트 인벤토리·깊이 지표·중단 기준을 담은 12주 계획을 붙였습니다.
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.