기업 워크플로우는 에이전틱 AI에 의해 다시 작성되고 있다

기업 AI 분야에서 익숙한 이야기가 있다: 에이전틱 AI는 “다음 큰 것”이며, 그것이 현실이 되기 전에 논의하거나 계획하거나 파일럿으로 사용해야 한다. 그리고 그 미래는 이미 여기 있으며, 일상적인 작업에 조용히 내장되어 있다.

오늘날 많은 조직에서 에이전틱 시스템은 화려한 파일럿으로 존재하지 않는다.它们는 운영용으로 설계되어 있기 때문이다: 마찰을 줄이고, 전달을 가속화하며, 인간이 수동으로 수행하던 조정 작업을 대체한다.

예를 들어, 우리 회사에서는 AI가 여러 내부 도메인에 통합되어 있다. 코딩과 콘텐츠 생산에서 기관 메모리와 팀 협력 분석까지, 2,000명 이상의 직원을 지원하는 시스템이다. 이러한 시스템은 일상적인 작업의 일부이며, 기술, 창의적, 조직적 작업을 수행하는 팀이 더 빠르고 일관되게 작업할 수 있도록 도와준다.

이것은 작업이 실제로 수행되는 방식에 대한 더 큰 변화를 반영한다.

AI 인터페이스에서 흐름 지향 작업으로

지금까지 대부분의 기업 AI는 증강에 관한 것이었다: 사용자 인터페이스에 추천, 요약, 또는 텍스트 생성을 추가하는 것. 그러나 이러한 종류의 지능은 유용하지만, 작업 흐름을 변경하지 않는다. 그것은 단지 기존 단계를 더 빠르게 만든다.

에이전틱 AI는 다르다: 그것은 단지 명령에 응답하지 않는다. 그것은 목표를 설정하고, 계획하고, 결과를 향한 작업을 수행하며, 최소한의 인간 개입으로 시스템을 통해 여러 단계를 조율한다. 즉, 그것은 워크플로우를 자동화한다. 단지 그것의 일부만이 아니라.

에이전트가 인터페이스 수준이 아닌 워크플로우 수준에서 작동할 때, 작업 패턴이 변경된다. 시스템은 더 이상 필요에 응답하는 것만이 아니라 필요를 예측하기 시작한다.

우리 회사에서는 이러한 전환이 다음과 같이 보인다:

• 자동 코드 생성 및 문서화가 개발을 가속화하고, 출력을 표준에 맞추며, 반복적인 인간의 지시 없이도 일관성을 유지한다.
• 구조화된 기관 메모리 시스템이 조직 지식을 통합하고, 대규모로 검색할 수 있도록 한다.
• AI 지원 콘텐츠 생산이 내부 및 외부 대상자를 위한 고품질 콘텐츠를 확대한다.
• 바이브 코딩 분석이 팀 간의 협력 역학을 표면화하여, 조기 개입을 가능하게 한다.

이것들 중 어느 것도 실험이 아니다. 그것들은 전달 프로세스에 통합되어 있으며, 사람들을 전략과 창의성에 집중할 수 있도록 해준다.

에이전틱 워크플로우는 숨겨진 마찰을 노출한다

에이전트를 워크플로우에 통합하는 순간, 조직의 현실이 보이게 된다(때로는 너무나도 분명하게).

레거시 프로세스, 정의되지 않은 소유권, 인간이 이전에 수동으로 보상하던 규칙들이 에이전트가 시스템을 통해 작동하려고 할 때, 명백한 장애물이 된다.

이 현상은 우리에게만 국한된 것이 아니다. 분석가들은 에이전틱 AI의 실제 가치를 얻기 위해서는 워크플로우를 근본적으로 재고해야 한다고 지적한다. 조직이 단순히 에이전트를 기존 프로세스에 결합한다면, 실제로 작업이 어디에서 일어나는지 해결하지 못했기 때문에 제한된 영향을 받는다

실제로, 가트너 보고서는 2027년까지 에이전틱 AI 프로젝트의 40% 이상이 폐기될 것 이라고 말한다. 기술이 실패한 것이 아니라, 비즈니스들이 명확한, 실행 가능한 결과를 정의하지 못했기 때문이다

이것은 에이전틱 AI에 대한 판결이 아니다. 그것은 작업을 명시적으로 모델링하기 전에 AI가 자동화할 수 없다는 증거이다. 반대로, 에이전트는 깨진 프로세스를 강조할 것이다.

실제 에이전틱 AI는 어떻게 작동하는가

일반적으로, 에이전틱 AI는 워크플로우 오케스트레이션과 함께 자율 에이전트를 결합하여 독립적으로 작업 시퀀스를 수행하며, 변경되는 조건과 목표에 적응하는 시스템을 말한다

사실, 에이전틱 시스템은 단일의 거대한 “에이전트”로 나타나지 않는다. 대신, 그것은 여러 전문 에이전트가 오케스트레이션 논리와 연결되어 있다. 각 에이전트는 상대적으로 狭い 범위를 가지고 있지만, 함께 워크플로우 수준의 자동화를 형성한다.

실제로, 이것은 다음을 의미한다:

• 에이전트가 코드와 문서를 생성하고 검증하며, 조직의 규범에 따라 코드 리뷰 관행과 일치
• 메모리 에이전트가 기관 지식을 캡처하고 색인하며, 검색하고 재사용할 수 있도록 한다
• 콘텐츠 에이전트가 내부 및 클라이언트 전달물을 위한 다듬어진 초안을 생성
• 협력 분석이 팀 간의 톤과 “바이브”를 감시하며, 달라질 수 있는 경향을 표면화

이 에이전트들은 고립되어 작동하지 않는다. 그것들은 컨텍스트와 세션을 공유하며, 종종 오케스트레이션 레이어에 의해 조율된다. 이것은 워크플로우 자동화와 더 관련이 있으며, 평면적인 생성 출력과는 다르다.

아키텍처 변경은 불가피하다

초기 에이전틱 이니셔티브는 모든 작업에 단일的大규모 언어 모델을 사용하는 경우 비용, 거버넌스, 복잡성 병목 현상을 만나게 된다. 기업 시스템이 에이전틱 워크플로우를 신뢰성 있게 확장하기 위해서는, 조직은 점점 더 오케스트레이션 아키텍처를 채택하고 있다. 여기서 다양한 구성 요소가 이유, 메모리, 컨텍스트, 통합, 실행을 처리한다.

이 트렌드는 실제로 관행을 반영하는 것이며, 나타나는 디자인 지혜이다: 워크플로우는 오케스트레이션이 필요하며, 단일의 지능만으로는 충분하지 않다.

사실, 기업 AI의 학술 연구는 에이전틱 워크플로우의 블루프린트 아키텍처가 데이터, 플래너, 작업 분해를 형식화하여 LLM 능력을 실제 비즈니스 논리와 연결하는 방법을 강조한다. 이는 분야가 “AI 장난”에서 시스템 엔지니어링 규율으로 이동하고 있음을 나타낸다.

다중 에이전트 시스템으로의 이동은 내부적으로 Customertimes와 같은 조직에서 실제로 적용하는 것과 같다: 모듈식 에이전트가 협력하며, 하나의 범용 모델이 모든 것을 수행하려고 하는 것이 아니다.

인간의 저항은 디자인 신호, 두려움은 아니다

일반적인 오해는 직원이 에이전틱 AI를 두려워하여 저항한다는 것이다. 그러나 실제로 저항은 시스템이 명확한 경계나 이해할 수 있는 논리 없이 작동할 때 발생한다.

기업 AI의 채택 연구에 따르면, AI는 마찰을 줄이고, 기존 작업과 예측 가능하게 통합할 때 성공한다. 이는 단순히 날카로운 지능을展示하는 것이 아니라,

Customertimes에서 에이전틱 기능은 이러한 점을 고려하여 론칭되었다. 에이전트는 보조부터 시작하며, 행동을 취하기 전에 조치를 추천한다. 그것은 이유와 컨텍스트를 표면화하며, 인간의 감독은 안전 장치가 아니라 디자인 기대이다.

이 증분 신뢰 모델은 이타주의가 아니다. 실용적이다. 에이전트가 중단되거나, 예측할 수 없거나, 불투명한 결과를 표면화하면, 인간은 그것을 끈다.

생산성의 실제 이익은 어디에 있는가

공개된 이야기는 AI가 일자리를 대체한다는 것이다. 그러나 실제 기업 워크플로우에서 에이전틱 AI의 가장 큰 이익은 조정 오버헤드를 제거하는 것이다. 이는 결과를 늦추는 작업이지만, 측정된 적이 없다.

분석가들은 에이전틱 시스템이 멀티스텝 프로세스를 시작부터 끝까지 오케스트레이션하여, 핵심 비즈니스 프로세스를 30%에서 50%까지 가속화할 수 있다고 말한다. 이는 조달이나 고객 운영과 같은 분야에서이다.

그것은 자동화의 狭い 의미가 아니다. 그것은 워크플로우 속도이다: 컨텍스트 수집, 의사 결정 지원, 실행 사이의 지연을 압축하는 것이다.

우리와 같은 조직에서는 결과가 명확하다: 팀은 입력을 추적하는 시간을 덜 쓰고, 결과를 전달하는 시간을 더 많이 쓸 수 있다.

UX는 마지막으로 어려운 문제

에이전틱 AI 시스템이 더 능력 있게 되면, 사용자 경험이 제한 요소가 된다.

전통적인 기업 UX는 동기적이고, 명령 주도적인 패턴을 가정한다. 에이전틱 AI는 비동기식 실행, 배경 결정, 인간과 기계 간의 공유 제어를 도입한다. 주의 깊은 디자인 없이, 사용자는 우회되었다고 느낄 수 있다.

성공적인 시스템은 의도, 불확실성, 에이전트가 행동하고 왜 행동하는지를 강조한다. 사용자가 왜 행동이 취해졌는지 알 수 없으면, 신뢰가 저하되고, 채택이 정체된다.

이것은 추측이 아니다. 심지어 에이전틱 AI의 주류 보도도 성공이 지능에만 의존하는 것이 아니라, 설명 가능성과 제어에 달려 있다고 경고한다.

에이전틱 AI는 기업 인프라가 될 것

대부분의 기업 기술은 실험, 필수성, 투명성의 패턴을 따른다. 에이전틱 AI는 이미 그 여정의 절반을 طی했다.

시스템이 분산되고, 작업이 도구와 팀을 통해 분산되면, 에이전트는 연결 조직으로 작동할 것이다. 인간을 대체하는 것이 아니라, 복잡한 작업을 일관성 있게 만든다.

이 전환은 극적인 전략적 계획을 필요로 하지 않는다. 조직의 마찰을 직접적으로 대면하고, 워크플로우를 명시적이고 분해 가능한 방식으로 재구성하는 것을 필요로 한다. 그렇게 하면, 지능은 추가 요소가 아니라, 작업이 흐르는 매체가 된다.