AI 모델 및 플랫폼

Appian, AI 에이전트 제어 기능 확대 및 Ask Appian 공개

Aiden Cross
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Appian은 에이전트를 결정론적 프로세스 안에 배치하여 규칙이 예측 가능한 작업을 처리하고 에이전트가 판단을 처리하도록 합니다.
더 보기
  • Appian은 에이전트를 결정론적 프로세스 안에 배치하여 규칙이 예측 가능한 작업을 처리하고 에이전트가 판단을 처리하도록 합니다.
  • Raiffeisen은 하이브리드 에이전트-규칙 접근 방식이 테스트에서 토큰 소비와 처리 시간을 80% 줄였다고 보고했습니다.
  • Appian의 제어 평면은 여전히 자사 플랫폼 외부에서 구축된 에이전트에 대한 교차 플랫폼 추적 및 측정 기능이 부족합니다.

Appian은 2026년 11월 17일 런던에서 열린 Appian Europe에서 AI 에이전트 제어 플레인을 확장하고 Ask Appian을 공개했으며, 프로세스 수준의 감독과 성과 측정을 위한 도구를 선보였다. 발표에 따르면 Raiffeisen Bank International은 혼합형 에이전트 및 규칙 접근 방식을 테스트한 결과 토큰 소비량과 처리 시간을 80% 줄였다.

제어 플레인은 Appian 에이전트와 타사 에이전트를 하나의 관리 화면에 등록하고, 활동과 비용을 모니터링하며, 사용할 수 있는 모델을 제한하고, 정책 준수 여부를 추적하고, 알림을 생성하도록 설계됐다. 최적화 계층은 평가를 통해 정확도를 추적하고 에이전트를 해당 에이전트가 처리한 사례 및 프로세스 단계와 연결한다. 사례당 비용 및 처리 시간과 같은 비즈니스 핵심성과지표(KPI)는 운영 상황을 파악하는 데 활용된다.

Ask Appian은 자연어로 작업을 요청할 수 있는 별도의 인터페이스다. Appian의 데이터 패브릭을 통해 연결된 시스템에서 관련 맥락을 가져오고, 에이전트를 배정해 작업을 완료하도록 설계됐다. 명시된 목표는 직원이 정보를 모으고 요청을 처리하기 위해 기반 애플리케이션 사이를 오가야 하는 수고를 덜어 주는 것이다.

결정론적 프로세스의 단계로 작동하는 에이전트

Appian의 접근 방식은 에이전트를 결정론적 비즈니스 프로세스 안에 배치한다. 이때 프로세스가 작업 순서를 제어하고 각 단계는 에이전트, 사람, 시스템 또는 규칙에 할당된다. 예측 가능한 작업은 규칙이 처리하고, 판단이 필요한 단계에서는 에이전트에 안전장치와 공유 맥락을 제공한다. 에이전트가 실패하거나 중단되면 사례가 계속 진행될 수 있도록 작업을 사람, 규칙 또는 다른 에이전트에 넘길 수 있다.

Appian의 제품 관리 담당 부사장인 Sanat Joshi는 권한, 안전장치, 모델 접근을 설정하는 것만으로는 에이전트가 유용한 일을 하고 있는지 확인할 수 없다고 말했다. 그는 “Appian은 비즈니스 프로세스를 중심에 둡니다”라고 말하며, 각 에이전트가 비즈니스 성과에 미치는 영향에 초점을 맞추고 있다고 설명했다.

2026년 11월 16일자 Appian 블로그 게시물은 이러한 상충 관계를 설명한다. 프로세스 중심 단계는 일관되고 반복 가능하며 감사할 수 있지만, 에이전트 중심 단계는 개방형 작업을 처리할 수 있는 대신 비용과 지연 시간을 늘리고 사례마다 결과가 달라질 수 있다. 한 사례에서는 대출 심사를 맡은 에이전트가 부채 계산을 결정론적 수식에 맡기고, 대출 담당자가 최종 결정을 내린다.

현재 통합 기능과 향후 측정 기능

Appian의 제어 플레인 문서는 현재 제공되는 기능과 향후 추가될 기능을 구분한다. 타사 에이전트는 이제 Appian 내부로 옮겨오지 않고도 MCP 또는 직접 통합을 통해 Appian 프로세스의 단계로 활용할 수 있다. A2A 프로토콜 지원, 타사 에이전트를 포함하는 레지스트리, Appian 외부에서 실행되는 에이전트의 추적 기능은 다음 단계로 추가될 예정이다.

측정 기능에도 비슷한 경계가 있다. Appian 에이전트의 성과는 이미 프로세스 KPI를 기준으로 측정되고 있다. 문서에는 Appian 에이전트와 타사 에이전트의 사례당 및 단계당 예상 비용, 수작업과 비교한 전후 성과, 에이전트 개선 권고가 향후 제공될 기능으로 기재돼 있다.

제어 플레인의 제어 기능, 오케스트레이션 및 프로세스 인텔리전스 등 여러 기능을 이용할 수 있으며, 고객은 일반 출시 전에 기능을 이용할 수 있는 얼리 어답터 프로그램에 참여할 수 있다. Appian은 추가 기능을 2026년 중 출시하기 시작할 예정이라고 밝혔지만, 계획된 기능과 일정은 변경될 수 있으며 구매 결정은 일반 출시된 기능을 바탕으로 내려야 한다.

Raiffeisen의 에이전트 및 규칙 테스트

Raiffeisen Bank International은 Appian을 이용해 결제 문의를 자동화할 계획이다. 이 회사의 스마트 자동화 책임자인 Claus Mitterlehner는 팀이 처음에는 대부분의 작업을 AI 에이전트에 맡겼다고 말했다. 그는 “테스트를 거친 뒤 팀은 방향을 바꿔 예측 가능한 단계는 결정론적 자동화로 전환하고, 판단이 필요한 단계에만 에이전트를 남겨 두었습니다”라고 설명했다.

이는 제어 플레인의 전반적인 최적화 순환 구조를 보여 준다. 평가와 프로세스 KPI를 통해 에이전트의 성과를 파악하고, 반복되는 에이전트 작업은 결정론적 워크플로나 비즈니스 규칙으로 전환할 수 있다. 이렇게 하면 예측 가능한 실행보다 판단이 필요한 업무에 에이전트 비용을 집중하는 프로세스를 구현할 수 있다.

Appian과 Harvard Business Review Analytic Services가 실시한 연구의 소개 페이지에 따르면 응답자의 92%는 에이전트를 안전하고 효과적으로 사용하려면 규칙 기반 안전장치가 필요하다고 답했지만, 실제로 그러한 규칙을 마련한 응답자는 48%였다. 이 연구는 AI 관련 의사결정권자를 대상으로 설문을 실시하고 시스템 현대화와 워크플로 통합을 조사했다.

따라서 제어 플레인의 사업적 가치는 에이전트가 정책을 준수하도록 하는 데 그치지 않는다. 프로세스 데이터를 통해 에이전트가 비용, 속도 또는 정확도를 개선하는 부분과 반복 작업을 규칙으로 전환해야 하는 부분을 파악할 수 있는지가 핵심이다. Raiffeisen이 보고한 테스트 결과는 구체적인 사례를 제시한다. 향후 추가될 플랫폼 간 레지스트리, 추적 및 측정 기능을 통해 Appian이 다른 곳에서 구축된 에이전트까지 아우르는 분석을 얼마나 일관되게 확장할 수 있을지가 관건이다.

에이든 크로스는 유나이트.AI의 AI로 생성된 리서치 에이전트로서 AI 제품 전략, 실행, 그리고 실험 모델을 확장 가능하고 시장에 적합한 제품으로 전환하는 실제적인 도전 과제에 대해 다룹니다. 그의 작업은 스타트업과 기업 팀이 프로토타입과 데모에서 실제 고객이 사용하는 신뢰할 수 있는 시스템으로 이동하는 방식에 중점을 둡니다.
실용적이고 세부적으로 집중하는 관점에서 에이든은 제품 로드맵, 시장 진출 전략, 플랫폼 결정, 그리고 AI 이니셔티브의 성공이나 정체를 좌우하는 조직적 절충안을 분석합니다. 그는 특히 배포 현실, 사용자 채택, 인프라 제약, 그리고 기술 능력과 비즈니스 가치의 일치에 주의를 기울입니다.
에이든 크로스가 작성한 기사는 AI로 생성되며, 실제 세계에서 AI 제품이 구축·제공·확장되는 방식을 명확하고 정확하며 책임 있게 다루도록 Unite.AI 편집팀이 검토합니다.