AI 에이전트가 업무를 '실행'까지 한다면 | 도입 전 정리할 것

📰 2026년 10월 28일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

오라클이 퓨전 클라우드 애플리케이션에 AI 에이전트를 조율하는 층을 하나 더 얹었어요. 여러 애플리케이션을 넘나들며 업무를 자동으로 잇고, 에이전트들을 묶어 실제 작업까지 처리하게 하는 오케스트레이션 층이에요. 올해 초 오라클이 내놓은 퓨전 에이전트 애플리케이션을 두고 포레스터는 “거드는 단계에서 결정하는 단계로 넘어가고 있다”고 봤는데, 이번 발표는 그 방향을 한 걸음 더 민 셈이에요.

이게 왜 발주자·실무자에게 중요하냐면, AI가 하는 일의 성격이 바뀌고 있기 때문이에요. 요약해주고 초안 써주던 도구에서, 결재를 올리고 발주를 넣고 다음 부서로 일을 넘기는 ‘실행자’로요. 도입하는 기업 입장에서 준비할 것도 그만큼 달라져요.

1. 지금 무슨 일이 일어나고 있나요

오라클만의 이야기는 아니에요. 마이크로소프트는 다이내믹스 365에 자율 에이전트를 붙였고, SAP와 서비스나우도 비슷한 방향으로 움직이고 있어요. 업무용 소프트웨어 안에 AI 에이전트가 기본으로 들어오고, 그 에이전트들이 서로 일을 주고받게 묶는 흐름이에요.

핵심은 ‘어디서 도느냐’예요. 오라클은 이 에이전트들을 퓨전 안에서 돌려요. 그래야 회사의 데이터, 승인 라인, 권한, 거래 맥락을 그대로 쓸 수 있거든요. 바꿔 말하면, 에이전트가 똑똑하게 일하려면 그 회사의 데이터와 규칙이 먼저 정리돼 있어야 한다는 뜻이에요.

2. ‘제안’과 ‘실행’은 무엇이 다를까요

제안형 AI는 “이렇게 하면 어때요”까지만 해요. 최종 행동은 사람이 하죠. 반면 실행형 에이전트는 정해진 조건이 맞으면 스스로 결재를 올리거나 발주를 넣어요. 편한 만큼 책임의 자리가 달라져요.

그래서 도입을 검토할 때 첫 질문은 “얼마나 똑똑한가”가 아니라 “어디까지 스스로 하게 둘 것인가”예요. 금액이 작은 반복 업무는 맡기고, 돈이 크거나 되돌리기 어려운 일은 사람이 한 번 더 보게 끊어두는 식이죠. 이 경계를 먼저 정하지 않으면, 잘 돌 때는 편하지만 한 번 어긋났을 때 수습이 커져요.

3. 먼저 정리할 것 ① — 어떤 업무를 맡길까요

AI 에이전트 도입은 ‘제일 어려운 일’이 아니라 ‘제일 반복되는 일’부터 가는 게 안전해요. 매번 같은 방식으로 처리되고, 규칙이 분명하고, 틀려도 금방 알아챌 수 있는 업무요. 예를 들면 견적 요청을 분류하거나, 정해진 양식으로 보고서 초안을 만들거나, 재고가 기준 아래로 떨어지면 발주 품의를 올리는 일이에요.

반대로 예외가 많고, 사람마다 판단이 갈리고, 틀렸을 때 피해가 큰 업무는 뒤로 미뤄요. 도입 순서를 이렇게 잡으면 초기에 성과를 눈으로 확인하기 쉽고, 실패해도 범위가 작아요.

4. 먼저 정리할 것 ② — 데이터가 준비돼 있나요

에이전트가 일을 잘하려면 볼 수 있는 데이터가 정리돼 있어야 해요. 같은 고객이 시스템마다 다른 이름으로 들어가 있거나, 부서별로 숫자가 제각각이면, 에이전트는 그 혼란을 그대로 물려받아요. 똑똑한 모델을 붙여도 결과가 흔들리는 이유가 대개 여기예요.

저희는 자체 마케팅 CDP(고객 데이터 플랫폼)인 D:VALUEUP을 직접 운영하면서 이걸 자주 봐요. 흩어진 고객 데이터를 한 줄로 모으는 작업이 먼저 돼야, 그 위에 올린 자동화나 AI가 제대로 움직여요. 모델 고르기보다 데이터 정리가 먼저라는 건 운영을 해보면 더 또렷해져요.

5. 먼저 정리할 것 ③ — 권한과 승인은 누가 쥐나요

실행형 에이전트는 사람처럼 권한을 가져요. 그러면 “이 에이전트가 무엇까지 할 수 있나”를 사람 직원 못지않게 꼼꼼히 정해야 해요. 어떤 금액까지 스스로 올리고, 어느 선부터 사람 승인을 받고, 틀렸을 때 누가 책임지고 되돌리는지요.

오라클이 에이전트를 퓨전 안에서 돌리겠다는 것도, 회사의 권한·승인 라인을 그대로 쓰기 위해서예요. 바꿔 말하면 그 라인이 애초에 잘 짜여 있어야 에이전트도 그 안에서 안전하게 움직여요. 도입 전에 승인 흐름부터 한 번 그려보시길 권해요.

6. 도입 전에 PoC에서 무엇을 확인할까요

바로 전사로 깔기보다, 업무 한두 개로 작게 돌려보는 PoC(개념 검증)를 먼저 권해요. 이때 확인할 건 “신기한가”가 아니라 숫자예요. 에이전트가 맞게 처리한 비율은 얼마인지, 사람이 끼어들어 고친 횟수는 몇 번인지, 한 건 처리하는 비용은 얼마인지요.

AI 에이전트 비용은 모델 사용료만이 아니에요. 기존 시스템에 붙이는 연동, 데이터 정리, 운영 중 감시까지 더해서 봐야 진짜 비용이 보여요. 작게 돌려 이 숫자를 손에 쥔 다음 범위를 넓히면, “도입했는데 체감이 없다”는 상황을 크게 줄일 수 있어요. 단계별 비용 구조는 AI 도입, PoC에서 운영까지 비용은 어떻게 달라질까요에서 더 자세히 정리해뒀어요.

7. 운영해본 회사의 시선

에이전트가 업무를 실행하는 흐름은 분명 매력적이에요. 다만 그 편리함은 데이터·권한·업무 정의가 받쳐줄 때만 나와요. 받침이 없으면 자동화가 빨라지는 게 아니라, 어긋나는 속도만 빨라져요.

저희는 10년 넘게 50개 이상의 프로젝트를 진행하면서 자체 SaaS 4종을 직접 운영해왔어요. 그래서 “무엇을 붙이느냐”보다 “붙이기 전에 무엇을 정리해두느냐”를 먼저 봐요. AI 에이전트 도입이 막연하게 느껴진다면, 어느 업무부터 맡길지 방향을 함께 잡아드릴게요 →. 기업용 AI 도입 사례와 단계는 기업 AI 에이전트 도입 가이드도 함께 보시면 좋아요.

자주 묻는 질문

AI 에이전트 도입, 작은 회사도 할 수 있나요?

규모보다 ‘반복되는 업무가 있느냐’가 먼저예요. 매번 같은 방식으로 처리하는 일이 있다면 작게 시작할 수 있어요. 전사 시스템을 바꾸지 않고, 업무 한두 개로 PoC부터 돌려보는 방식을 권해요.

에이전트가 틀리면 누가 책임지나요?

그래서 도입 전에 ‘어디까지 스스로 하게 둘지’를 정해야 해요. 금액이 크거나 되돌리기 어려운 일은 사람 승인을 거치게 끊어두고, 틀렸을 때 되돌리는 절차를 미리 정해두면 책임의 자리가 분명해져요.

모델을 좋은 걸 쓰면 성능이 올라가나요?

모델도 영향을 주지만, 데이터가 정리돼 있지 않으면 좋은 모델도 흔들려요. 같은 고객이 시스템마다 다르게 들어가 있는 상태라면, 모델을 바꾸기 전에 데이터 정리가 먼저예요.