Levelpath, Ranger를 출시해 조달 워크플로를 엔드 투 엔드로 실행

Levelpath은 Ranger를 출시했으며, 이는 기업 구매를 AI 지원 관리에서 엔드 투 엔드 실행으로 전환하도록 설계된 자율 조달 플랫폼이다. 9월 30일에 발표된 Ranger는 자연어 또는 음성 요청을 받아들인 뒤, 공급업체 발굴, 계약 검토, 공급업체 온보딩, 제3자 위험 평가, 청구서 매칭 및 승인에 필요한 작업을 조정한다.

이 차이는 중요하다. 대부분의 조달 코파일럿은 계약을 요약하거나, 설문지를 초안 작성하거나, 정책 질문에 답변할 수 있지만, 직원은 여전히 이러한 결과물을 프로세스에 연결해야 한다. Ranger는 이러한 연결 고리 역할을 하도록 설계되었다. 그 에이전트들은 조달, 재무, 법무, 보안, IT 시스템 전반에 걸쳐 여러 단계를 계획하고 수행하면서 인간 판단이 필요한 결정을 에스컬레이션한다.

프롬프트에서 관리되는 프로세스로

플랫폼의 중심에는 Ranger Studio가 있다. 이는 조달 팀이 에이전트나 워크플로를 설명하고, 따라야 할 정책을 지정하며, 사람이 개입해야 할 지점을 결정하는 자연어 환경이다. 회사에 따르면 사용자는 데이터 기반 질문을 위한 어시스턴트, 일상 업무를 위한 작업 에이전트, 다단계 프로세스를 위한 워크플로 에이전트, 그리고 계약 갱신이나 공급업체 상태와 같은 책임을 모니터링하는 지속형 에이전트를 배치할 수 있다.

Ranger는 소싱, 계약 검토, 공급업체 온보딩, 제3자 위험 보호, 청구서 매칭 및 승인의 다섯 가지 자율 워크플로와 함께 제공된다. 이는 별개의 기능이 아니다. 이들은 Levelpath의 공유 조달 데이터 모델 위에서 작동하며, 사전 구축된 통합 및 API를 통해 ERP, 계약 수명주기 관리, 재무, 협업 및 기타 기업 시스템과 연결된다.

이 아키텍처는 Levelpath의 Hyperbridge 추론 엔진을 기반으로 하며, 이는 공급업체, 계약, 소싱 및 지출 컨텍스트를 공통 레이어로 통합한다. 회사는 Hyperbridge가 대규모 언어 모델을 기업 데이터와 워크플로 로직과 결합하여, 에이전트가 각 문서나 시스템을 별개의 상호작용으로 다루는 대신 요청 뒤의 컨텍스트를 기반으로 추론할 수 있게 한다고 설명한다.

그 데이터 기반은 핵심 기술 요구 사항이다. 최근 Unite.AI 인터뷰에서 Levelpath 공동 창업자이자 CEO인 Alex Yakubovich는 공급업체, 계약 및 소싱 정보가 분산된 상태에서는 에이전트가 신뢰성 있게 작동할 수 없다고 주장했다. Ranger의 제안은 통합된 모델이 전문 에이전트에게 워크플로를 진행할 충분한 컨텍스트를 제공함으로써 단순히 답변만 반환하는 것이 아니라는 것이다.

실제 적용되는 자율 조달 모습

소싱 이벤트의 경우, Ranger는 짧은 요청을 설문지, 가격표, 스코어카드 및 공급업체별 프로세스를 포함한 구조화된 RFP로 전환할 수 있다. 이는 응답을 분석하고, 점수를 설명하며, 수상을 권장하지만 최종 선택은 권한이 부여된 사람에게 맡긴다. 과거 가격, 공급업체 성과 및 협상된 조건도 분석에 반영될 수 있다.

계약 관리는 보다 선제적인 패턴을 추가한다. Ranger는 통지 기간을 계산하고, 계약이 만료되기 전에 갱신 검토를 시작하며, 갱신, 재협상, 종료 또는 조치 없음 중 어떤 것이 적절한지 권고할 수 있다. 계약 탐색 기능을 통해 팀은 최대 10,000개의 계약을 대상으로 하나의 질문을 제시하고, 기본 문서의 증거와 연결된 답변을 받을 수 있다. 이러한 인용 계층은 법률 및 조달 업무에서 중요하며, 추적 가능한 출처가 없는 그저 설득력 있는 답변만으로는 충분하지 않다.

결제 관리에서는 플랫폼이 청구서를 공급업체 기록, 구매 주문, 계약 및 수령 데이터와 대조한다. 이를 통해 중복 청구서, 가격 또는 수량 불일치, 비정상적인 금액, 한도에 가까워지는 구매 주문을 식별할 수 있다. 정리된 저가 청구서는 자동으로 결제 단계로 진행될 수 있으며, 예외 사항은 서면 사유와 감사 추적과 함께 담당자에게 전달된다.

AI 프론트 도어는 공통 인터페이스를 제공한다. 직원은 채팅, 견적 또는 음성 지시로 구매 요청을 시작할 수 있다. Ranger는 요청을 사전 채우고, 직원의 역할에 따라 가이드를 적용하며, 정책 및 임계값에 따라 작업을 법무, 보안, 재무 또는 위험 팀으로 라우팅한다. 자연어 대시보드 역시 지출, 공급업체 및 성과에 관한 질문을 차트, 비교 또는 KPI로 변환한다.

엄격한 경계가 있는 자율성

출시의 가장 중대한 부분은 거버넌스 설계일 수 있다. 각 에이전트는 개별 단계에서 활성화 또는 비활성화될 수 있으며, 정책, 승인 임계값, 플레이북, 톤 및 조직 규칙에 의해 제한된다. Levelpath는 에이전트 변경 사항이 버전이 지정된 평가 시나리오와 실제 대화에 대해 테스트된 후에 릴리스된다고 밝힌다.

더 중요한 것은 권한 부여가 조언이 아니라 구조적으로 적용될 수 있다는 점이다. 승인 에이전트는 자격을 갖춘 요청을 승인하도록 허용되지만, 거절은 기술적으로 차단되어 모든 거절이 담당자에게 전달된다. Ranger는 또한 감사 기록에서 자동화된 행동과 인간의 결정을 구분하며, 오래되었거나 불완전한 정보에 기반한 작동을 방지하도록 설계되었다.

이러한 제어는 보다 광범위한 기업 위험을 다룹니다: 자율 에이전트가 급증함에 따라 기업은 어떤 시스템이 결정을 내렸는지, 어떤 증거를 사용했는지, 그리고 어떤 권한을 행사했는지를 알아야 합니다. Unite.AI가 최근 그림자 에이전트의 부상에서 조사했듯이, 에이전트가 기능 간에 서로를 트리거할 수 있게 되면서 거버넌스 문제가 더욱 어려워집니다. Ranger의 제한된 권한, 평가, 증거 및 명시적 에스컬레이션 모델은 이러한 자율성을 운영상 책임 있게 만들려는 시도입니다.

조달을 위한 새로운 운영 모델

Levelpath는 Ranger가 현재 이용 가능하며 기존 고객에게는 추가 비용 없이 제공될 것이라고 밝혔습니다. 신규 고객은 개념 증명 또는 가치 증명으로 시작할 수 있습니다. 이 회사는 American Airlines, CBRE, Amgen, New York Life, Levi Strauss & Co., Western Union 등을 자사 기술을 사용하는 조직으로 언급했습니다.

이번 출시와 함께 Ranger Academy도 도입됩니다. 이는 정책을 정의하고 에이전트를 조정하며 결과를 책임지는 “Agent Operations Managers”로 조달 전문가를 양성하기 위한 일련의 워크숍입니다. 이 역할은 제품의 실제 채택 과제가 어디에 있는지를 나타냅니다. 자율 워크플로우가 조달 전문성을 없애지는 않으며, 이를 정책 설계, 예외 처리, 공급업체 전략 및 에이전트 감독으로 전환합니다.

Ranger는 기업 AI가 콘텐츠 생성에서 행동 조정으로 전환되는 시점에 등장합니다. 조달은 복잡한 문서, 높은 거래량, 기능 간 승인, 규제 의무, 공급업체 관계 및 직접적인 재무 영향을 결합하고 있기 때문에 중요한 시험대가 됩니다. Levelpath가 에이전트를 검증 가능한 경계 내에 유지하면서 기업이 여전히 의존하는 분산된 시스템을 통합할 수 있다면, Ranger는 조달을 관리되는 에이전트 AI가 실제로 작동하는 가장 명확한 사례 중 하나로 만들 수 있습니다.