니븐트르의 창립자이자 CEO인 Jito Chadha – 인터뷰 시리즈

Jito Chadha는 Nventr의 창립자이자 CEO로, 인공지능, 데이터 과학, 벤처캐피털, 사업 개발 분야에서 경력을 쌓은 기술 경영자이자 투자자입니다. 2019년 Nventr를 설립한 이후 기업용 AI 기술 개발을 이끌고 있으며, 예측 분석 기업 Rule14의 CEO도 맡고 있습니다. 2007년 HandsOn Global Management에 합류해 2013년 파트너가 된 그는 여러 투자 거래의 발굴, 구조 설계, 가치 창출에 기여하면서 벤처캐피털, 데이터 과학, 천연자원 분야의 투자를 이끌었습니다.

Nventr는 로스앤젤레스에 본사를 둔 기업용 AI 회사로, 지능형 애플리케이션과 자동화 워크플로를 구축·배포·관리하는 기술을 개발합니다. 플랫폼은 AI 에이전트, 머신러닝 모델, 신경망, 데이터 관리, 지능형 문서 처리, 시각화, 개발 도구를 통합합니다. 제품으로는 여러 업무 기능에 걸쳐 자율 에이전트를 조율하는 운영체제 Agent IO와 워크플로 빌더 nQube가 있습니다. nQube는 노코드, 로코드, 전체 코드 작성 방식의 개발과 클라우드·온프레미스·엣지 환경 배포를 지원합니다.

Nventr와 Rule14를 이끌기 전에는 오랫동안 투자 기회를 발굴하고 포트폴리오 기업의 가치를 높이며 복잡한 조직에서 데이터 과학 프로젝트에 참여하셨습니다. 그 경험이 개별 도구보다 워크플로에 초점을 맞춘 기업용 AI 플랫폼을 만들기로 한 결정에 어떤 영향을 주었나요?

여러 포트폴리오 기업에서 일하면서 업종이 달라도 같은 양상이 나타난다는 것을 보았습니다. 모든 조직에서 하나의 프로세스를 끝내기까지 정보가 여러 사람과 시스템, 승인 단계를 거쳤습니다.

그 경험 덕분에 Nventr는 개별 도구보다 워크플로를 중심으로 설계됐습니다. 한 가지 작업을 개선해도 그 결과가 조직의 나머지 부분으로 효율적으로 전달되지 않으면 가치는 제한적입니다. 저희는 전체 프로세스를 체계화하고 대규모로 운영하는 데 집중했습니다.

Nventr는 확장 가능한 기업 워크플로 안에서 에이전트의 행동, 머신러닝 모델, 신경망을 결합합니다. 기존 자동화 플랫폼의 어떤 한계 때문에 이처럼 포괄적인 아키텍처를 개발하게 됐나요?

기업들은 오랫동안 클라우드와 자체 환경에 호스팅된 여러 SaaS 애플리케이션을 조합해 운영해 왔습니다. 이런 구성은 사용하기 불편하고 경직돼 있으며 비용도 많이 들 수 있었습니다. 워크플로 시스템, 모델, 에이전트, 기업 데이터를 대개 별도 계층으로 취급했기 때문에 더 넓은 범위를 자동화하기 어려웠습니다.

저희는 이런 구성요소가 함께 작동하면서 수요 변화에 따라 각각 독립적으로 확장할 수 있는 아키텍처를 개발했습니다. 업무 프로세스를 하나의 고정된 애플리케이션이나 특정 컴퓨팅 환경에 억지로 맞출 필요가 없습니다.

많은 조직이 모델을 고르거나 챗봇을 출시하는 것으로 AI 전략을 시작합니다. 경험상 AI 도입이 의미 있는 성과를 내기 전에 데이터, 권한, 프로세스, 시스템 통합과 관련해 어떤 기초 작업이 필요하나요?

기업은 먼저 프로세스를 정의하고 에이전트에게 필요한 정보와 그 정보가 있는 위치를 파악해야 합니다. 데이터베이스, 파일 저장소, PDF, 기사, 이메일 시스템 등 여러 사내 데이터 소스가 해당할 수 있습니다. 이를 에이전트가 활용할 수 있는 형태로 제공해야 합니다.

그다음에는 에이전트가 정보를 받은 뒤 무엇이 일어날지 정해야 합니다. 대화 결과가 답변, 요약, 후속 처리 대기열 또는 다른 에이전트 워크플로로 이어질 수 있습니다. 승인된 도구와 데이터·사용자 권한을 역할별로 설정해 모든 행동이 정의된 프로세스 안에서 이루어지게 해야 합니다.

nQube는 데이터 과학자와 비즈니스 분석가 모두 AI 기반 워크플로를 구축·테스트·배포·모니터링할 수 있도록 설계됐습니다. 실제 운영 환경에 필요한 기술적 통제를 유지하면서 비전문가도 이런 기능을 쉽게 사용하게 하려면 어떻게 해야 하나요?

사람들은 자신의 역할을 기준으로 AI와 소프트웨어 제품을 바라봅니다. 제품이 일을 어떻게 더 쉽게 만들거나 생산성을 높일 수 있는지 생각합니다. 인터페이스는 사용자가 일상 언어와 음성으로 필요한 것을 설명하고 질문하며 에이전트나 워크플로를 조정할 수 있게 해야 합니다.

워크플로, 컴퓨팅 처리, 확장은 그 상호작용의 뒤에서 작동합니다. 조직은 각 역할에 할당된 도구, 데이터 소스, 접근 권한을 계속 통제합니다. 따라서 비즈니스 분석가는 인프라를 직접 관리하지 않아도 시스템을 사용할 수 있습니다.

Nventr의 에이전트 운영체제는 조율 에이전트를 통해 순차적·반복적 워크플로에서 전문 에이전트를 지휘합니다. 플랫폼은 각 작업을 맡을 에이전트를 어떻게 정하고, 에이전트 사이에서 맥락을 유지하며, 신뢰하기 어려운 결과를 처리하나요?

워크플로는 요청이 정해진 단계와 분기, 전문 에이전트를 어떻게 거칠지 결정합니다. 한 단계의 정보를 요약해 다음 단계로 전달하면 다음 에이전트는 앞서 일어난 일과 요청 사항, 필요한 후속 조치를 이해할 수 있습니다.

신뢰하기 어려운 결과를 다루는 방식은 프로세스와 해당 행동이 미칠 영향에 따라 달라집니다. 워크플로의 통제 장치는 시스템이 계속 진행해도 되는 지점과 결과를 검토해야 하는 지점을 반영해야 합니다.

기업들은 다양한 대규모 언어 모델, 특화 머신러닝 시스템, 외부 에이전트를 유연하게 사용하기를 점점 더 원합니다. 하나의 모델 공급자나 기술 스택에 종속되지 않으려면 AI 인프라를 어떻게 설계해야 하나요?

인프라는 다양한 모델을 지원하고 동일한 워크플로 안에서 병렬로 작동하게 해야 합니다. 한 공급자가 음성을 입력받아 음성으로 응답하는 부분을 담당하고, 다른 모델이 그 뒤에서 추론이나 처리를 수행할 수 있습니다.

도구 구성은 고객의 비용, 성능, 보안, 지연 시간 요구와 외부 서비스 공급자를 활용하려는 의향에 따라 선택해야 합니다. 여러 공급자를 조합하는 데 거부감이 없는 기업도 있지만 자체 클라우드나 전용 인프라에서 에이전트를 운영하려는 기업도 있습니다. 아키텍처는 두 방식 모두를 지원해야 합니다.

AI 에이전트가 기업 데이터에 접근하고 여러 업무 시스템에서 행동할 수 있게 되면 보안은 대화 인터페이스를 보호하는 것보다 복잡해집니다. 에이전트의 권한과 자율성, 중대한 영향을 미치는 행동을 시작할 능력에는 어떤 통제가 필요하나요?

접근은 역할, 프로젝트, 워크플로별로 통제해야 합니다. 에이전트는 해당 맥락에서 승인된 정보, 도구, 행동만 사용할 수 있어야 하며, 범위를 벗어난 요청은 별도 승인을 받도록 보내야 합니다.

자율성의 수준은 데이터의 민감성과 행동이 미칠 영향을 반영해야 합니다. 금전, 사적 정보 또는 다른 중대한 결과가 관련된 거래에서는 기업이 에이전트의 행동을 확인하고 완료 전에 승인을 요구할 수 있어야 합니다.

Nventr는 문서 처리, 고객 서비스, 보고, 의료 커뮤니케이션, 사기 탐지 등의 활용 사례를 제시합니다. 어떤 기술적·운영상 특성을 지닌 워크플로가 에이전트 자동화에 적합하며, 어떤 프로세스는 계속 사람이 주도해야 하나요?

저희는 프로세스에 들어가는 인원이나 비용을 복잡성과 자동화 실현 가능성에 견주어 봅니다. 비용이나 노동력이 많이 들더라도 너무 복잡하거나 안정적으로 자동화하기 어렵다면 첫 대상으로 적합하지 않을 수 있습니다.

일반적인 접근은 실행하기 쉬우면서 효과가 가장 큰 기회를 먼저 찾는 것입니다. 이 원칙은 개인의 역할, 여러 부서, 조직 전체에 같은 형태로 적용할 수 있다는 점에서 프랙털과 같습니다. 불확실성이나 중대한 판단이 수반되는 프로세스에는 계속 사람이 참여해야 합니다.

직원마다 반복 업무를 처리하는 AI 짝을 두는 구상을 말씀하셨습니다. 이것이 조직 구조를 어떻게 바꿀 수 있을까요? 이런 시스템이 중요한 결정에서 사람의 판단을 점차 배제하지 않고 오히려 강화하도록 리더는 무엇을 해야 하나요?

모든 직원에게 시간이 지나면서 업무의 일부를 배울 수 있는 대응 에이전트를 제공하자는 생각입니다. 이를 조직의 더 많은 구성원에게 적용하면 한두 명만 혜택을 받는 데 그치지 않고 조직도 전반에 걸쳐 지능을 통합하고 최적화할 수 있습니다.

에이전트는 정보 수집, 데이터 이동, 정기 발표 자료 작성 같은 반복 작업을 맡을 수 있습니다. 사람은 중요한 논의와 결정에 더 많은 시간을 쓸 수 있고, 조직은 민감한 정보와 중대한 행동에 대한 권한을 유지합니다.

AI 에이전트가 보조 도구에서 복잡한 조직의 운영 계층으로 발전하고 있습니다. 기업이 여러 부서나 사업부 전체에 걸친 워크플로를 안전하게 자동화하려면 어떤 역량이 가장 크게 개선돼야 하나요?

에이전트의 지연 시간을 줄이고 기업 데이터베이스, 파일, 대규모 시스템과의 통합을 강화해야 합니다. 사람이 직접 정보를 옮기거나 새로운 병목을 만들지 않아도 정보가 여러 역할과 부서 사이를 이동할 수 있어야 합니다.

상호작용 계층도 개선해야 합니다. 음성 에이전트와의 대화는 사람이 말을 끊거나 방향을 바꿀 수 있는 자연스러운 대화처럼 느껴져야 합니다. 기업은 궁극적으로 승인된 에이전트가 자사 시스템과 직접 상호작용할 수 있는 방법을 마련해야 합니다. 브라우저 자동화가 그 간극을 메울 수는 있지만, 컴퓨팅과 인프라에는 비용이 들기 때문에 업계는 더 효율적인 구조로 나아갈 것입니다.

좋은 인터뷰 감사합니다. 더 자세히 알고 싶은 독자는 Nventr를 방문하시기 바랍니다.