에이전트 인공지능의 미래는 수직적이며, 금융은 그 이유를 보여주고 있다

비즈니스 소프트웨어 시장은 현재 대화형 공조를 넘어 자율적인 에이전트에 초점을 맞추면서 구조적인 재정렬을 겪고 있다.

과거 1년 동안 기술 대기업들은 핵심 네트워크 전반에 이러한 실행 지향형 시스템을 배치하기 위해 경쟁했다. Anthropic은 최근에 자신의 에이전트가 복잡한 지식 작업을 처리하기 시작했다고 보고했으며, Microsoft는 Build 2025 콘퍼런스에서 제품 내에서 다중 에이전트 오케스트레이션을紹介했다. 또한 소비자 중심의 생태계도 전환하고 있다. Meta는 최근에 기업 시장에 진출하여 통신 플랫폼에서 일일 작업을 자동화하기 위한 비즈니스 에이전트를 출시했다.

그러나 소프트웨어가 답변 생성에서 실제 작업 실행으로 이동함에 따라 지능은 방정식의 한 부분만이 된다. 컨텍스트, 제어, 워크플로, 책임은 지능만큼 중요해진다. 기업 재무는 이러한 현실을 처음으로 노출하는 기능 중 하나로, 자율적인 소프트웨어가 어떻게 발전해야 하는지에 대한 청사진을 제공한다.

에이전트 인공지능 경쟁은 더 능력있는 일반 목적 시스템을 구축하는 경쟁으로 대부분 프레임워크화된다. 그러나 소프트웨어가 실행으로 이동할 때, 원시 지능은 에이전트가 존재하는 환경보다 덜 중요해진다. 시 또는 이메일을 작성할 수 있는 시스템은 고도로 규제된 거래를 실행하거나, 복잡한 조직 공급망을 관리하거나, 회사 자본을 관리할 수 있는 아키텍처적 기초가 없다. 업계는 일반 목적 지능이 특정 도메인에 대한 네이티브 환경을 구축하지 않으면 특정 결과 지향형 비즈니스 문제를 해결할 수 없다는 데에 합의하고 있다.

일반 목적 에이전트 대 책임 있는 결과

대부분의 에이전트 시스템은 여전히 개별 작업을 완료할 수 있는지 여부에 따라 판단된다.它们는 단일 거래를 조정하거나, 보고서를 생성하거나, 특정 변동을 설명한다. 그러나 기업 재무는 고립된 작업에서 실패하지 않는다. 그것은 정확히 작업 사이의 핸드오프에서 실패한다.

과거에, 인간 운영자는 이러한 간격을 연결하기 위해 필요한 판단, 소유권, 신뢰를 담당했다. 규제된 다단계 운영 사이클의 일부인 워크플로에서 모든 출력이 법적 및 재정적 중량을 가질 때, 일반 목적 에이전트는 실패한다. 모든 고장난 핸드오프는 결국 숫자에 나타난다.

소프트웨어가 실제 운영 책임을 맡으려면, 인간의 감시는 시스템을 책임 있게 유지하는 계층으로 남아 있어야 한다. 더广泛한 도전은 이 산업 투자를 기능적 현실로 전환하는 것이다. 벤처 데이터에 따르면, AI 기업은 2025년에 모든 글로벌 스타트업 자금의 약 절반을 차지했다. 이 자본의 집중은 기업 소프트웨어 제공업체에 단순한 채팅 기능을 넘어 실제로 중형 작업을 처리할 수 있는 시스템을 구축하도록 압력을 가하고 있다.

수직 에이전트가 운영 사이클을 재정의하는 이유

수직 에이전트는 워크플로가 엄격한 규제 프레임워크 내에서 신뢰할 수 있는 출력을 요구할 때 필요하다. 시장은 이미 이러한 제한에 대응하여 독립적인 소프트웨어 도구에서 에이전트 준비 운영 인프라로 초점을 이동시키고 있다.

로이터는 JPMorgan의 상업 및 투자 은행이 데이터 및 AI 전략을 주도하기 위해 새로운 최고 운영 책임자를任命했다고 보도했으며, 데이터 품질 개선, 거버넌스 강화, 및 신용 및 고객 온보딩과 같은 작업에서 AI 에이전트를 위한 인프라 준비에専注된 팀을 갖추고 있다. 이러한 제도적 전환은 유능한 모델은 구조화된 환경 없이 쓸모없다는 근본적인 진리를 강조한다.

그러나 대부분의 회사들은 이 문제를 반대 방향으로 접근하여, 에이전트를 레거시 환경에 배치하려고 한다. 이러한 환경은 일반적으로 도구 확산으로 정의된다. 기업 재무 부서는 일반적으로 총계, 비용 관리, 계정 지불, 및 재무 계획을 위한 별도의 시스템에서 데이터를 분리한다.

이 문제를 해결하려면 이러한 시스템이 서로 어떻게 의존하는지에 대한 이해가 필요하다. 실제로, 자동화된 도구는 월말 마감에 대한 조정 선택이 어떻게 영향을 미치고, 실시간 보고에 어떻게 영향을 미치며, 궁극적으로 자본 결정에 어떻게 영향을 미치는지 이해해야 한다. 이러한 워크플로를 연속적인 운영 레이어에 연결함으로써, 소프트웨어는 인간의 역할을 수동 데이터 조정에서 예외 검토 및 전략적 판단으로 전환한다.

운영 데이터 레이어 아키텍처

비즈니스 운영에서 첫 번째 세대의 AI는 정적 지식에 크게 의존했으며, 문서, 이메일, 채팅, 및 보고서에서 정보를 가져왔다. 수직 에이전트는 다른 기술적 기초가 필요하다. 재무 워크플로를 신뢰성 있게 운영하려면 에이전트는 비즈니스 시스템의 실시간 상태에 직접 액세스해야 한다. 진행 중인 거래, 승인, 예외, 소유권, 및 그들 사이의 정확한 관계를 볼 수 있어야 한다.

오늘날의 엔지니어링 도전은 구조적으로 다르다. 목표는 정적 지식을 검색하는 것이 아니라, 비즈니스 운영의 실시간 모델을 유지하는 것이다. 많은 기업 재무 AI 제품은 이러한 기초가 없기 때문에 진정한 자율 에이전트로 진화하기 위해 어려움을 겪고 있다. 빠진 조각은 모델 아래의 운영 데이터 레이어이며, 이는 인간이 준비하고 관리해야 한다.

표준적인 대규모 언어 모델은 기업 여행 정책 문서를 읽고 사용자 질의에 대한 비용 한도를回答할 수 있다. 그러나 동일한 모델은 승인된 클라이언트 계약과 일치하는지 확인하고, 남은 예산 할당을 확인하고, 직원의 역사적인 승인 한도를 확인하고, 회사의 원장에 일치하는 항목을 직접 작성할 수 없다면, 자동으로 들어오는 비용 보고서를 승인할 수 없다.

자율 작업의 시스템 도전

비즈니스 자동화는 에이전트 인공지능이 지능 도전이 아니라 시스템 도전임을 입증하고 있다. 기본적인 대규모 언어 모델의 능력은 에이전트가 존재하는 환경의 아키텍처보다 덜 중요하다.

소프트웨어가 회사의 재무 상태나 규제 준수를影响하는 작업을 실행할 때, 오류는 심각한 결과를 초래한다. 일반 목적 모델은 정확성을 보장하기 위해 필요한 가드레일, 전문가용 스키마, 및 실시간 데이터 파이프라인이 없다.

비즈니스 소프트웨어의 다음 세대는 특정 도메인 내에서 결과를 신뢰성 있게 소유하는 수직 시스템을 특징으로 한다. 단일 통합 데이터 인프라 내에서 자율 에이전트를錨定함으로써, 산업은 수십 년 동안 기업 운영을 정의한 수동 오버헤드를 제거할 수 있다.

이 시스템 우선 철학은 기술 통합에 대한 기업의 접근 방식을 완전히 변경한다. 기업은 더 이상 모든 일반적인 질문에 답변할 수 있는 단일 모델을 찾지 않는다. 대신, 데이터 저장소, 처리 논리, 보안 가드레일, 및 인간 감시를 단일 운영 인터페이스로 결합하는 전문 플랫폼을 찾는다. 가치는 원시적인 계산 능력에서 데이터 인프라의 설계로 이동한다.

중형 비즈니스 운영의 실제 실행은 데이터 무결성과 시스템 거버넌스를 원시적인 지적 능력보다 우선하는 수직 운영 시스템에 속한다. 이러한 깊은 인프라 기초를 구축함으로써, 산업은 과거의 행정 병목을 넘어 진정한 운영 자율성을 가진 시대로 전환한다.