← 주간 클리핑 전체
AX Weekly · 10월 3주 · 2026.10.10 – 10.17

이번 주 AI, 어떤 모델을, 얼마에, 누구 책임으로.

이번 주 기업과 투자자의 말은 AI를 어떻게 운영하느냐에 모였습니다. ServiceNow는 에이전트마다 권한 증명서를 붙였고, Atlassian과 JPMorgan은 작업마다 모델을 골라 비용과 종속을 관리한다고 밝혔고, Accenture는 직원 1인당 AI 지원액에 상한을 뒀습니다. 벤더들은 에이전트가 읽을 회사 데이터의 뜻, 곧 온톨로지를 놓고 경쟁하기 시작했습니다.

이번 주 AX 체크리스트

사람·조직

직무·채용·조직 설계와 생산성

업무·에이전트

도입 방식, 에이전트 운영 규칙과 권한

비용·계약

AI 예산, 벤더·클라우드 계약

Top 10 · AX 중요도순

은행 AI 성숙도 지수 2026 (ServiceNow 조사, 0~100%) 0100% AI를 쓰는 은행 100% 맞는 거버넌스를 갖춘 은행 24% LTM: 에이전트 1,500개에 각각 사번과 관리자 배정
01 ServiceNow 발표 10.15
에이전트·자동화보안·거버넌스 AX 추진CISO

에이전트에게도 "사원증"을: ServiceNow가 실행 중 권한을 확인하는 AI Passport를 내놓았습니다

ServiceNow가 AI 에이전트마다 서명된 권한 증명서(AI Passport)를 주고, 일하는 단계마다 허용 범위를 확인하는 기능을 발표했습니다. 범위 안이면 그대로 일하고, 벗어나면 방향을 바꾸거나 권한을 줄이며, 필요하면 즉시 멈춥니다. 고객사 LTM은 에이전트 1,500개에 사번과 담당 관리자를 붙여 운영합니다. 에이전트를 사람 직원처럼 등록하고 책임자를 두는 운영 방식이 실제 사례로 나온 것입니다.

검토해 볼 질문사내 에이전트마다 책임지는 관리자와 허용 범위가 정해져 있습니까? 범위를 벗어났을 때 누가 멈출 수 있습니까?

기술 디테일
  • AI Passport는 암호 서명된 자격 증명입니다. 다단계 에이전트 작업에서 에이전트와 MCP 서버가 각 단계에서 할 수 있는 일을 실행 중에 확인합니다.
  • 공개 규격 기반이라 다른 거버넌스 제품이나 신원 관리 시스템도 발급·검증할 수 있다고 밝혔습니다. NVIDIA가 설계·출시 파트너입니다.
  • 미승인 에이전트 탐지(섀도 AI)와 AI 비용 관리 기능도 함께 발표했습니다. 세 기능 모두 2026년 4분기 출시 예정입니다.
  • 은행 AI 성숙도 지수(ServiceNow 자체 조사): AI를 쓰는 은행 100%, 그에 맞는 거버넌스를 갖춘 은행 24%. 표본 규모는 발표문에 없습니다.
  • 벤더 발표입니다. 실제 효과는 출시 뒤 확인해야 합니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 발표. ServiceNow가 기업 AI 운영 체계에 AI Passport와 거버넌스 기능을 더했다고 발표했습니다.
  2. 작동 방식. 에이전트마다 하나씩 발급하며, 구성 관리(CMDB) 기록, 리스크·규정 정책, 업무 승인 같은 사내 데이터를 근거로 합니다. 사후 점검이 아니라 사전 예방이라고 설명합니다.
  3. 단계별 대응. 범위 안이면 자유롭게 실행하고, 벗어나면 방향 전환·권한 축소·맥락 재연결을 합니다. 끝내야 하면 즉시 중단합니다.
  4. 감사 기록. 에이전트 행동마다 감사 기록을 남기고, 외부 에이전트도 스스로의 주장 대신 검증 가능한 권한 기록을 갖게 합니다.
  5. 고객 사례. LTM은 에이전트 1,500개를 배치하고 각각 사번과 관리자를 정했습니다. CISO는 재고·위험·규정 준수를 한곳에서 본다고 말했습니다.

AX 관점 메모

  • AX 추진. 에이전트 등록부(이름, 담당 관리자, 허용 업무, 연결 시스템)를 만드는 것부터 시작합니다.
  • CISO. 에이전트 권한을 실행 중에 확인하는지, 배포 때 한 번만 확인하는지 점검합니다.

핵심 인용

"As AI agents proliferate across the enterprise, visibility alone isn't enough."
AI 에이전트가 기업 곳곳에 퍼지는 지금, 보이는 것만으로는 충분하지 않다. (Jon Sigler, ServiceNow AI 플랫폼 총괄)

원문 이미지·영상

업무 요청(Jira 등) AI 게이트웨이작업별 모델 선택 Nemotron Mistral 그 밖의 모델 운영 환경의 중국 모델: 0 (CEO 발언)
02 20VC · Mike Cannon-Brookes 팟캐스트 10.12 2차 인용
벤더 전략비용 CIO·CTO법무

Atlassian CEO "운영에는 중국 모델을 쓰지 않는다", 대신 작업마다 모델을 골라 비용을 맞춥니다

Atlassian CEO Mike Cannon-Brookes가 VC Harry Stebbings의 20VC에 나와 기업이 AI 모델을 고르는 기준을 이야기했습니다. 그는 운영 환경에서 중국 모델을 하나도 쓰지 않으며, 일부 지역 고객이 중국 모델에 반감을 보인다고 말했습니다. 대신 사내 AI 게이트웨이 팀이 작업마다 가장 맞는 모델을 골라 고객 비용을 낮춘다고 설명했습니다. 모델 선택이 성능만이 아니라 출처 신뢰와 비용 관리의 문제가 됐다는 뜻입니다.

검토해 볼 질문우리 회사에는 어떤 모델을 어떤 업무에 쓸지 정하는 기준(출처·데이터 위치·비용)과, 그 기준을 적용하는 게이트웨이가 있습니까?

기술 디테일
  • Atlassian은 NVIDIA와의 제휴로 Nemotron 모델을 쓰고, Mistral 모델 등도 함께 쓴다고 말했습니다(TNW 보도).
  • "자체 특화 모델을 만드는 이점은 아직 판단하기 이르다"는 입장입니다. 자체 모델이라 해도 상당수는 중국 오픈 모델을 미세조정한 수준일 것이라고 봤습니다(근거는 제시하지 않음).
  • 비용: "500만 명이 쓰는 기능이라면 비용을 크게 신경 쓴다"며, 초기 제품 단계에서는 비용을 너무 일찍 걱정하지 말라고 했습니다. AI 운영비는 예상보다 더 떨어질 것으로 봤습니다.
  • 회사 수치(쇼노트, 자체 발표): 2026년 ARR 65억 달러, 고객 35만 곳 이상, Fortune 500의 85% 이상.
  • 출처: TNW 기사(10.13)와 20VC 쇼노트로 확인했습니다. 원 음성은 직접 듣지 못했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 배경. Atlassian 유럽 행사(Team '26 Europe)가 열린 암스테르담에서 녹화한 20VC 대담입니다.
  2. 중국 모델. 운영 환경에서는 쓰지 않는다고 분명히 했습니다. 고객 반감은 '중국 모델'에 대한 것이지 오픈 모델 전반에 대한 것은 아니라고 구분했습니다. 장기적으로는 들여다볼 수 있는 오픈 기술을 계속 거부하기 어렵다고 봤습니다.
  3. 특화 모델. 자체 모델을 만드는 것이 이득인지는 아직 알 수 없다고 말했습니다.
  4. 모델 라우팅. AI 게이트웨이 팀이 작업마다 가장 잘 맞는 모델을, 고객에게 가장 낮은 비용으로 고릅니다.
  5. 비용. 대형 고객은 AI 비용을 매우 신경 씁니다. 7월에는 사내 엔지니어에게 월별 AI 예산을 줬습니다.
  6. 인터페이스. 에피소드 제목과 요약에 따르면, 에이전트가 기존 소프트웨어 화면을 대체하지 않고 화면이 에이전트를 다루도록 진화해야 한다는 입장입니다(요약 기준).

AX 관점 메모

  • CIO·CTO. 업무별 모델 배정 기준과 라우팅 계층(게이트웨이)을 직접 운영할지, 벤더에 맡길지 정합니다.
  • 법무. 모델의 출처와 학습 데이터, 데이터 처리 위치에 대한 사내 기준을 고객 요구와 맞춰 봅니다.

핵심 인용

"We don't use any Chinese models in production, we're very clear about that."
운영 환경에서는 중국 모델을 전혀 쓰지 않으며, 이 점은 분명히 해 둔다. (TNW 보도 기준)

원문 이미지·영상

함께 보기 20VC 에피소드
AI 에이전트 온톨로지 (회사가 소유)정의 · 식별자 · 관계 · 정책 애플리케이션SAP·Salesforce 분석 플랫폼Databricks 등 데이터베이스Oracle 등 벤더는 관리 도구를 주되, 정의는 회사가 가진다
03 Constellation Research · Larry Dignan 글 10.11
벤더 전략에이전트·자동화 CIO·CTOAX 추진

벤더마다 "온톨로지"를 외칩니다. 에이전트가 읽을 회사의 데이터 정의는 회사가 가져야 합니다

Constellation Research 편집장 Larry Dignan이 기업 소프트웨어 벤더들의 '온톨로지' 경쟁을 정리했습니다. 온톨로지는 회사 데이터가 무엇을 뜻하는지 정의하는 층으로, AI 에이전트가 맥락을 얻는 바탕입니다. Palantir에서 시작된 이 말을 이제 SAP, Oracle, UiPath, Databricks, Snowflake가 모두 내세우고 있습니다. 그는 온톨로지가 회사마다 고유하므로 벤더가 도구는 주더라도 소유해서는 안 되며, 그렇지 않으면 '부드러운 종속'이 된다고 경고합니다.

검토해 볼 질문우리 회사의 핵심 업무 용어(고객, 매출, 제품)의 정의와 관계는 어느 시스템에 있고, 벤더를 바꿔도 그대로 가져갈 수 있습니까?

기술 디테일
  • 온톨로지(ontology): 사내 데이터의 개념, 식별자, 관계, 정책을 정의한 층. 메타데이터와 지식 그래프의 바탕이 되고, 에이전트가 '우리 회사에서 이 말이 무슨 뜻인지' 알게 합니다.
  • SAP CEO Christian Klein은 온톨로지를 ERP 데이터·업무 노하우와 함께 차별점으로 꼽았습니다. Oracle은 온톨로지를 자동으로 만드는 AI Data Platform을 내세웠습니다.
  • UiPath CEO는 '중립적' 온톨로지를, Everpure(옛 Pure Storage)는 온톨로지를 여러 생태계 위의 미들웨어에 둬야 한다고 주장했습니다.
  • 저자 권고: 업무 정의·식별자·관계·정책 규격은 회사가 소유하고, 업무 의미를 벤더 구현과 분리하며, 개방형 시맨틱 표준으로 보존할 것.
  • 분석가의 의견 글입니다. 각 벤더 주장은 벤더 발표입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 현상. 기업 소프트웨어 벤더들이 '온톨로지'를 부쩍 내세우고 있으며, 저자는 이를 부드러운 형태의 종속으로 보라고 말합니다.
  2. 정의. 온톨로지는 회사 맥락에서 데이터가 무엇을 뜻하는지 정하는 층이고, 에이전트에게 맥락을 주는 메타데이터·지식 그래프 층을 채웁니다.
  3. 기원. Palantir는 수년간 온톨로지를 성공 비결로 내세웠고, 이 흐름이 업계 전반으로 퍼졌다고 봅니다.
  4. 벤더별 지렛대. Oracle은 데이터베이스, Databricks·Snowflake는 분석, Salesforce·SAP는 애플리케이션에서 데이터에 대한 영향력을 가집니다. 그래서 온톨로지를 이들 위의 중간층에 둬야 한다는 주장이 나옵니다.
  5. 권고. 정의를 회사가 소유하고, 핵심 논리를 재현 가능하게 두며, 핵심 업무·정의·에이전트가 특정 벤더에 얼마나 몰려 있는지 추적하라고 권합니다.

AX 관점 메모

  • CIO·CTO. 에이전트 플랫폼과 데이터 플랫폼을 고를 때, 온톨로지·시맨틱 정의를 표준 형식으로 내보낼 수 있는지 확인합니다.
  • AX 추진. 'AI 준비 데이터' 작업을 핵심 업무 용어 사전과 데이터 소유자 지정부터 시작합니다.

핵심 인용

"The intelligence comes with the ontology."
지능은 온톨로지와 함께 온다. (SAP CEO Christian Klein, 기사 인용)

원문 이미지·영상

업무 질문1,000+ 사례 "best, quickest,cheapest" 최상위 모델 싼 모델 매주 사내 언어 모델을 쓰는 직원 약 15만 명 전략: 종속 최소화 · 선택지 최대화 · 비용 관리
04 JPMorgan 실적 발표 연설 10.13 2차 인용
도입 사례비용 CFOCIO·CTO

JPMorgan "모든 질문에 가장 비싼 모델이 필요하지는 않다", 15만 명이 쓰는 은행의 모델 운영 원칙

JPMorgan이 3분기 실적 발표 통화에서 AI 운영 원칙을 밝혔습니다. Jeremy Barnum CFO는 전략이 '벤더 종속을 줄이고 선택지를 넓히며 비용을 관리하는 것'이라고 말했고, Jamie Dimon CEO는 질문마다 가장 좋고 빠르고 싼 모델로 보낸다고 설명했습니다. 직원 약 15만 명이 매주 사내 언어 모델을 쓰고 사용 사례는 1,000개가 넘지만, CFO는 AI 효과가 아직 분기 실적에 보이지 않고 일부는 토큰 비용으로 상쇄된다고 인정했습니다. 효과를 숫자로 앞세우기보다 비용과 종속을 관리하는 쪽에 무게를 둔 것입니다.

검토해 볼 질문우리 회사의 AI 효과 보고는 '절감액'만 세고 있습니까, 늘어나는 토큰 비용과 벤더 종속 위험도 함께 세고 있습니까?

기술 디테일
  • 수치(Crypto Briefing 보도, 10.13): 기술 예산 연 약 200억 달러, AI 사용 사례 1,000개 이상, 매주 사내 LLM을 쓰는 직원 약 15만 명.
  • Barnum CFO: AI 관련 지출이 올해 예상보다 적었고, AI 지출은 따로 떼어 집계하기 어렵다고 말했습니다. 효과를 수치로 내세우는 방식에서 벗어나려 한다고 했습니다.
  • Dimon CEO: 사내에서 에이전트를 쓰고 있지만, 외부 에이전트를 아무나 회사 안에 들이지는 않겠다고 말했습니다. 일부 부서의 인력 축소도 인정했습니다(규모 미공개).
  • 출처: 실적 통화의 제3자 대본(Webull)과 Crypto Briefing 보도로 확인했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 지출. CFO는 올해 AI 관련 비용이 예상보다 적었고, 이제는 AI 지출을 따로 떼어 볼 수 없을 만큼 업무 전반에 퍼졌다고 말했습니다.
  2. 효과. AI 효과는 아직 분기 실적에서 보이지 않으며, 일부 효과는 토큰 비용으로 상쇄될 것이라고 했습니다. 생산성이 빨라지는 기회는 보이기 시작했다고 덧붙였습니다.
  3. 모델 전략. 종속을 최소화하고 선택지와 비용 관리 능력을 최대화하는 전략입니다. Dimon은 모든 질문에 가장 비싼 모델이 필요하지 않다고 말했습니다.
  4. 에이전트. 사내에서는 에이전트를 쓰지만, 고객에게 위험하므로 외부 에이전트를 회사 안으로 아무나 들이지 않겠다고 했습니다. 통제되지 않는 에이전트가 수천 개 생길 수 있다고 경고했습니다.
  5. 규모. 직원 약 15만 명이 매주 사내 언어 모델을 쓰고, 사용 사례는 1,000개가 넘습니다(보도 기준).

AX 관점 메모

  • CFO. AI 효과 보고에 토큰 비용 증가분을 함께 넣어 순효과로 봅니다.
  • CIO·CTO. 업무 질문을 모델 등급별로 나눠 보내는 라우팅 기준을 정하고, 한 벤더에 묶이지 않게 계약을 짭니다.

핵심 인용

"You don't need the most expensive thing for every query you have."
모든 질문에 가장 비싼 것이 필요하지는 않다. (Jamie Dimon, 실적 통화 대본 기준)

원문 이미지·영상

함께 보기 실적 통화 대본(Webull)
에이전트 결제 한 건의 세 가지 확인 (Rampell) ① 카드가 진짜인가해결 ② 정당한 카드 주인인가거의 해결 ③ 에이전트가 제대로 판단했나미해결 실수·분쟁 책임은 아직 정해지지 않았다
05 a16z · Alex Rampell, Terry Angelos 팟캐스트 10.15 2차 인용
에이전트·자동화도입 사례 현업 리더CFO

AI 에이전트가 결제를 시작했습니다. 남은 문제는 "에이전트가 실수했을 때 누가 책임지나"입니다

a16z 파트너 Alex Rampell과 결제 보안 기업 VGS의 Terry Angelos가 에이전트 결제의 현재를 짚었습니다. 카드사가 발급하는 에이전트 전용 토큰은 원래 카드의 신원과 지불 거절(차지백) 권리를 그대로 유지합니다. VGS가 처리하는 에이전트 토큰은 석 달 만에 0에서 주당 수백만 건으로 늘었다고 합니다. 다만 에이전트가 잘못 사거나 고객 뜻을 오해했을 때의 책임은 아직 비어 있다는 것이 두 사람의 진단입니다.

검토해 볼 질문고객의 AI 에이전트가 결제하다 실수하면, 우리 회사의 환불·분쟁 처리 기준은 누구 책임으로 보도록 돼 있습니까?

기술 디테일
  • 에이전트 토큰: 카드 네트워크가 발급하는 새 16자리 번호. 원 카드 신원 유지, 후속 거래 허용, 차지백 권리 유지.
  • VGS 수치(Angelos 발언): 에이전트 토큰 3개월 전 0 → 주당 "수백만" 건, 보관 자격 증명 약 100억 개, 전자상거래 거래액의 약 3분의 1을 보호.
  • 가맹점 분류(Angelos): 막는 쪽(Amazon), 반기는 쪽(Walmart), 선택권이 없는 소상공인.
  • 이해관계: 두 사람 모두 VGS와 관련이 있고, Rampell은 VGS 초기 투자자입니다.
  • 출처: 에피소드 요약(Teahose, Podwise)으로 확인했습니다. 원 음성은 직접 듣지 못했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 전환점. 에이전트가 결제 수단을 쥐면서 추천만 하던 도구에서 직접 사는 주체로 바뀌었다고 말합니다. 최근 석 달 사이 실제 사용이 붙었다고 봅니다.
  2. 에이전트 토큰. 카드사가 발급하는 에이전트 전용 번호로, 원 카드 신원과 차지백 권리를 유지합니다.
  3. 세 가지 확인. 카드가 진짜인지, 정당한 주인인지는 거의 풀렸지만, 에이전트가 제대로 판단했는지는 풀리지 않았습니다. 에이전트 제공사가 실수 책임을 떠안는 방식으로 경쟁할 수 있다고 봅니다.
  4. 지갑 경쟁. Stripe Link, Shop Pay, PayPal이 에이전트 결제의 기본 지갑 자리를 놓고 경쟁합니다.
  5. 가맹점. 광고 수익이 큰 Amazon은 에이전트를 막을 이유가 있고, 에이전트 결제를 쉽게 만든 가맹점이 거래를 더 가져갈 것이라고 봅니다.

AX 관점 메모

  • 현업 리더. 에이전트를 통한 주문을 받을지, 받는다면 어떤 한도와 확인 절차를 둘지 정합니다.
  • CFO. 에이전트 결제에서 생기는 분쟁·환불 비용을 누가 부담할지 결제 대행사 계약을 확인합니다.

원문 이미지·영상

함께 보기 지난주 Walmart Agent Gateway
직원 1인당 월 Claude 사용액 (0 기준, $100 = 29px) 많이 쓰던 직원 · 최대 $1,000 새 회사 지원 한도 · $29 사용량 과금이 예상보다 빨리 늘자 상한을 둠
06 404 Media 기사 10.15
비용도입 사례 CFOAX 추진

Accenture가 직원 1인당 Claude 지원을 월 29달러로 묶었습니다. 사용량 과금의 청구서가 돌아오고 있습니다

404 Media에 따르면 Accenture가 많은 직원에게 회사가 Claude 사용에 1인당 월 29달러까지만 쓰겠다고 알렸습니다. 영향을 받는 직원 가운데는 한 달에 최대 1,000달러를 쓰던 사람도 있었습니다. 기사는 직원들이 예상보다 훨씬 빠르게 AI 사용량을 늘리자 여러 회사가 사용을 줄이고 있는 흐름의 하나로 이 일을 봅니다. 좌석당 정액이 아니라 쓴 만큼 내는 AI 요금에서는 예산 상한과 배분 규칙이 도입 계획의 일부가 돼야 합니다.

검토해 볼 질문우리 회사에서 AI 사용량 상위 10% 직원은 한 달에 얼마를 쓰고 있고, 그 비용은 어느 예산에서 나갑니까?

기술 디테일
  • 404 Media(Joseph Cox, 10.15). 기사 뒷부분은 유료 구독 영역이라 상한을 넘는 사용분 처리 방식과 회사의 공식 설명은 확인하지 못했습니다.
  • 기사는 Accenture가 고객사에는 AI에 크게 투자하라고 권해 왔다는 점도 짚었습니다.
  • 균형: 한도가 생산성 높은 사용자를 막을 위험과, 무제한 사용이 예산을 흔들 위험이 함께 있습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 한도. Accenture가 많은 직원에게 회사가 Claude에 쓰는 돈을 1인당 월 29달러로 제한한다고 알렸습니다.
  2. 기존 사용. 한도 적용 대상 가운데는 한 달에 최대 1,000달러를 쓰던 직원도 있었습니다.
  3. 흐름. 직원들이 예상보다 훨씬 빨리 AI 토큰을 쓰면서, 많은 회사가 AI 사용을 줄이고 있다고 전합니다.
  4. 역설. Accenture는 고객에게 AI에 크게 투자하라고 권해 온 회사라는 점을 기사가 짚었습니다.

AX 관점 메모

  • CFO. 사용량 과금 AI의 부서별·개인별 사용액을 이번 주 안에 뽑아 봅니다.
  • AX 추진. 일괄 상한 대신 업무 가치에 따른 배분 규칙(예: 승인제 추가 한도)을 설계합니다.

원문 이미지·영상

하네스 (회사가 소유) 사내 맥락 기억 도구 라우팅 모델 A 모델 B 모델 C 모델은 바꿔 끼우고, 맥락과 업무 논리는 남긴다
07 20VC · Harrison Chase 팟캐스트 10.17 2차 인용
에이전트·자동화벤더 전략 CIO·CTO

모델은 바꿔 끼우고 사내 맥락은 지키라: LangChain 창업자가 말하는 에이전트 설계

LangChain CEO Harrison Chase가 20VC에서 기업 에이전트의 구조를 이야기했습니다. 그는 모델 자체보다 모델을 감싸는 '하네스'(상태·기억·도구 연결을 관리하는 층)가 더 중요하다고 봅니다. 하네스를 회사가 쥐고 있으면 모델을 바꿔도 사내 맥락과 업무 논리를 지킬 수 있고, 모델 라우팅도 이 층에서 해야 효과가 크다는 주장입니다. 토큰 단가는 내려가는데 AI 청구서는 오르는 이유도 주제로 다뤘습니다.

검토해 볼 질문우리 에이전트의 프롬프트·기억·도구 연결은 특정 벤더 플랫폼 안에 있습니까, 아니면 모델을 바꿔도 남는 우리 쪽 층에 있습니까?

기술 디테일
  • 하네스(harness): 에이전트의 상태, 기억, 도구 호출을 관리하는 소프트웨어 층. 모델 교체와 사내 로직 유지를 가능하게 합니다.
  • 요약 기준 핵심 주장: 기업은 규모가 커질수록 정확도와 비용 효율이 중요해지며, 이를 위해 가시성과 엄격한 평가가 필요합니다. 모델만 바꿔서는 부족합니다.
  • 회사 수치(쇼노트, 자체 발표): Fortune 500의 35%와 협업, 오픈소스 다운로드 10억 건 이상, LangSmith로 하루 10억 건 이상의 이벤트 처리.
  • 이해관계: LangChain은 에이전트 개발 도구를 파는 회사입니다.
  • 출처: 20VC 쇼노트와 Podwise 요약으로 확인했습니다. 원 음성은 직접 듣지 못했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 어려움. LLM은 같은 입력에도 결과가 달라질 수 있고, 여러 단계를 거치는 업무에서는 이 불확실성이 커져 믿을 만한 에이전트를 만들기 어렵습니다.
  2. 하네스. 상태, 기억, 도구 연결을 관리하는 층이 가장 강한 에이전트 구조라고 말합니다.
  3. 이식성. 하네스가 있으면 고유한 맥락과 업무 논리를 회사가 쥔 채 모델을 바꿀 수 있습니다.
  4. 라우팅. 모델 라우팅이 흔한 기능이 될지 가치가 커질지 논쟁이 있지만, 맥락을 쓸 수 있는 하네스 안에서 할 때 가장 잘 작동한다고 봅니다.
  5. 방향. 범용보다 특정 업무에 맞춰 쓰면서 점점 나아지는 에이전트 구조를 내다봅니다. 기억(메모리) 문제는 아직 풀리지 않았다고 봅니다.

AX 관점 메모

  • CIO·CTO. 에이전트 플랫폼을 고를 때 프롬프트·기억·평가 데이터를 내보낼 수 있는지 계약과 기술로 확인합니다.

원문 이미지·영상

점 하나 = OpenAI 운영 엔지니어의 5% ● 약 25% → 자사 시스템 보안 점검으로 새 모델이 나올 때마다 더 찾을 게 없을 때까지 반복
08 No Priors · Greg Brockman 팟캐스트 10.15 2차 인용
보안·거버넌스에이전트·자동화 CISOCIO·CTO

OpenAI 사장 "엔지니어 4명 중 1명을 보안에 돌렸다", 보안 예산이 개발 예산을 넘어야 한다고 봅니다

OpenAI 사장 Greg Brockman이 VC Sarah Guo·Elad Gil의 No Priors에 나왔습니다. 그는 운영 엔지니어의 약 25%를 원래 업무에서 빼 자사 시스템 보안에 투입했고, 가장 강한 모델로 취약점을 찾게 해 더 나오지 않을 때까지 고쳤다고 말했습니다. 소프트웨어를 만드는 비용이 싸질수록 믿을 수 있는 소프트웨어가 귀해지므로, 보안 지출이 개발 지출을 크게 넘어야 한다는 것이 그의 생각입니다. 사람이 맡기지 않아도 계속 일하는 에이전트(Dots)와 '화면 없는 인터페이스'도 이야기했습니다.

검토해 볼 질문새 AI 모델이 나올 때마다 그 모델로 우리 시스템의 취약점을 점검하는 절차가 있습니까? 보안 예산은 IT 예산의 몇 퍼센트입니까?

기술 디테일
  • 약 25%의 운영 엔지니어를 보안 작업으로 옮겼다는 발언(YouTube 자막 기반 보도). 절대 인원, 기간, 발견 건수는 밝히지 않았습니다.
  • 진행자는 보안이 IT 예산의 "한 자릿수 초반 퍼센트"라고 언급했고, Brockman은 보안 지출이 소프트웨어 지출을 크게 넘어야 한다며 "내가 틀릴 수도 있다"고 덧붙였습니다.
  • 방어자 지원에 10억 달러 규모를 약속했다고 말했습니다(조건은 미공개). 한국 은행 해킹 사례를 위협의 근거로 들었습니다.
  • Dots: 사용자가 멈춘 뒤에도 계속 일하는 상시 에이전트. 기업은 관리자가 기능을 끄고 켜기를 원하지만, 사용자는 무엇이 꺼졌는지 모르는 문제가 있다고 했습니다.
  • 출처: No Priors 피드(게시일)와 FourWeekMBA·Teahose 요약으로 확인했습니다. 원 음성은 직접 듣지 못했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 과학. AI 에이전트가 약 400개의 오래된 수학 문제를 풀었다고 소개했습니다. 신약 개발은 그가 가장 바꾸고 싶은 분야이며, 임상시험 서류 작업처럼 지금 당장 빨라질 수 있는 곳부터 본다고 했습니다.
  2. 에이전트. Dots는 늘 켜져 있고 늘 일하는 능동형 에이전트입니다. 성능보다 형태의 변화이며, 직장에서 이 변화가 크다고 봅니다.
  3. 인터페이스. 음성·채팅·통화로 인터페이스가 녹아들고, 필요할 때 그 자리에서 화면을 만들어 주는 방식이 온다고 말합니다.
  4. 보안 투자. 운영 엔지니어 약 25%를 보안에 돌려, 최신 모델로 자사 시스템을 더 찾을 것이 없을 때까지 점검했습니다. 새 모델마다 반복할 수 있게 도구도 만들었습니다.
  5. 방어자의 기회. 지금은 최상위 능력이 방어 쪽에 유리하지만, 널리 쓰이는 모델도 빠르게 좋아지고 있어 서둘러야 한다고 봅니다.

AX 관점 메모

  • CISO. 새 모델 출시를 '자체 취약점 점검'의 계기로 삼는 절차를 검토합니다.
  • CIO·CTO. 상시 에이전트를 도입할 때 관리자가 끈 기능을 사용자에게 어떻게 알릴지 설계합니다.

원문 이미지·영상

함께 보기 FourWeekMBA 보도
분기 순매출 (0 기준, $10억 = 13px) 2025년 3분기 · $182억 2026년 3분기 · $203억 (+12%) CEO: 규모의 이점은 "에이전트의 도움을 받아" 커진다
09 Morgan Stanley 실적 발표 연설 10.14 2차 인용
도입 사례에이전트·자동화 CEO

Morgan Stanley CEO "AI는 세대를 가르는 기술 도약", 기업 단위의 AI 확산을 최대 변수로 꼽았습니다

Morgan Stanley가 3분기 순매출 203억 달러로 1년 전보다 12% 늘었다고 발표했습니다. 실적 발표 통화에서 Ted Pick CEO는 AI를 효율·생산성·회복력의 도구로 규정하고, 회사의 규모가 에이전트의 도움으로 더 큰 이점이 될 것이라고 말했습니다. 동시에 '기업 수준에서 AI가 얼마나 빨리 퍼지느냐'를 앞으로의 두 가지 불확실성 가운데 하나로 꼽았습니다. 대형 금융사가 AI를 비용 절감보다 경쟁 우위의 수단으로 말하기 시작했다는 점이 눈에 띕니다.

검토해 볼 질문우리 회사는 AI를 비용 절감 계획으로만 보고 있습니까, 규모의 이점을 키우는 경쟁 전략으로도 보고 있습니까?

기술 디테일
  • 3분기 실적(SEC 8-K, 10.14): 순매출 203억 달러(전년 182억 달러), 순이익 49억 달러, 주당순이익 3.03달러. 보도자료 자체에는 AI 언급이 없고, 사업부마다 기술 지출 증가를 비용 증가 요인으로 적었습니다.
  • Pick CEO(통화 대본): AI를 "부정할 수 없는 세대적 기술 도약"이라 부르고, AI 설비투자 주기는 아직 초기라고 말했습니다.
  • Sharon Yeshaya CFO: 인프라, 사업 성장, 인력을 돕는 데 AI 도구를 받아들이고 있다고 말했습니다.
  • 출처: 통화 내용은 제3자 대본(Bullfincher)으로 확인했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 실적. 순매출 203억 달러, 주당순이익 3.03달러, 유형자기자본이익률(ROTCE) 22.6%로 강한 분기를 냈습니다.
  2. AI 규정. Pick CEO는 AI를 세대적 기술 도약으로 보고, 효율·생산성·회복력의 도구라고 말했습니다.
  3. 경쟁 우위. 기술을 우리에게 유리한 차별점으로 만들 수 있고, 규모의 이점이 에이전트의 도움으로 커질 것이라고 말했습니다.
  4. 방어 투자. AI를 이용한 위협에서 고객 자산을 지킬 만큼 투자할 수 있는 회사는 많지 않다고 봤습니다.
  5. 불확실성. 기업 수준의 AI 가속을 두 가지 '알려진 미지수' 중 하나로 꼽았습니다.

AX 관점 메모

  • CEO. AI 투자를 비용 절감 목표와 규모·경쟁력 목표로 나눠 이사회에 보고하는 틀을 검토합니다.

원문 이미지·영상

함께 보기 SEC 8-K 실적 보도자료
10.12 예고10.20 대담 ① 팀 규모더 작은 팀,달라진 할당량 ② 채용·보상빠른 적응,더 큰 계약 ③ 영업 구조제품이 스스로퍼질 때 공개된 수치·녹화본 없음 (예고 글 기준)
10 Tomasz Tunguz 대담 10.12
조직·인력 현업 리더CHRO

VC Tomasz Tunguz "AI 시대 영업팀은 더 작다": 할당량·채용·보상을 다시 짜야 한다는 문제 제기

Theory Ventures의 VC Tomasz Tunguz가 AI 회의록 서비스 Granola의 영업 부사장 Bardia Shahali와 'AI 시대의 영업 조직'을 주제로 대담을 열었습니다. 예고 글은 AI 시대 영업팀이 왜 더 작게 운영되는지, 할당량이 기존 SaaS 기준에서 얼마나 멀어졌는지를 다룬다고 밝혔습니다. 신입이 더 빨리 성과를 내고 계약 규모가 커지면 누구를 뽑고 어떻게 보상할지도 바뀝니다. 다만 공개된 것은 예고 글뿐이라, 구체적 수치는 아직 없습니다.

검토해 볼 질문우리 영업 조직의 인원·할당량·보상 기준은 AI 도구로 늘어난 1인당 생산성을 반영하고 있습니까?

기술 디테일
  • 10.12 게시된 Theory Office Hours 예고 글이며, 대담은 10.20(태평양 시간 오전 10시)에 열렸습니다.
  • 글에는 할당량, 적응 기간, 보상 구조에 대한 수치가 없고, 녹화본이나 정리 글도 아직 올라오지 않았습니다(10.24 확인).
  • Shahali는 Fireworks AI와 Granola에서 영업 조직을 키운 경험이 있습니다.
  • 지난주 클리핑 9위(AI 시대 영업 조직 구성)와 같은 흐름의 주제입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 형식. Tunguz가 매주 여는 Office Hours 대담의 예고 글입니다.
  2. 주제 ①. AI 시대 영업팀이 더 작게 운영되는 이유와, 할당량이 기존 SaaS 기준에서 얼마나 달라졌는지.
  3. 주제 ②. 적응 기간이 짧아지고 계약 규모가 커질 때 채용 기준과 영업 담당 보상을 어떻게 바꾸는지.
  4. 주제 ③. 제품이 사용자 사이에서 스스로 퍼질 때 영업 조직을 어떻게 짜는지.
  5. 한계. 예고 글이라 결론이나 수치는 없습니다. 녹화본이 공개되면 다음 호에서 다시 보겠습니다.

AX 관점 메모

  • 현업 리더. 영업 1인당 담당 고객 수와 할당량을 AI 도구 도입 전후로 비교해 둡니다.
  • CHRO. 적응 기간이 짧아진 만큼 신입 영업의 평가·보상 일정을 조정할지 검토합니다.

핵심 인용

"Why AI-era sales teams run smaller, and how far quotas have moved from traditional SaaS benchmarks."
AI 시대 영업팀이 왜 더 작게 운영되는지, 할당량이 기존 SaaS 기준에서 얼마나 달라졌는지. (예고 글의 주제 소개)

원문 이미지·영상

아깝게 빠진 것

최근 7일간 탑티어 매체, 벤더·연구소 공식 발표, 경영자·VC 대담에서 기업의 AX 결정에 영향을 주는 소식을 골라, 항목마다 바뀌는 결정과 담당을 붙이고, 체크리스트는 사람·조직, 업무·에이전트, 데이터·아키텍처, 비용·계약 네 영역으로 묶었습니다. 원문은 전문 번역 대신 요약으로 정리했고, 인용은 한 문장 이하입니다. 벤더·회사 자체 수치는 자체 발표이며, ‘2차 인용’은 원문 대신 보도·요약으로 확인한 항목입니다. 일러스트는 기사 내용을 바탕으로 새로 그렸습니다.