AI 모델 및 플랫폼

Lumivero, 프로젝트 포트폴리오 의사결정을 위한 SharpCloud POLI 베타 공개

SharpCloud의 POLI 베타 버전은 포트폴리오 데이터를 활용해 질문에 답하고 변경 사항을 모델링하지만, 승인 권한은 프로젝트를 운영하는 사람에게 둔다.

Aiden Cross
Unite.AI를 Google의 선호 소스에 추가
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
핵심 포인트POLI의 답변은 팀이 SharpCloud에 이미 기록한 종속성에 전적으로 의존합니다.
더 보기
  • POLI의 답변은 팀이 SharpCloud에 이미 기록한 종속성에 전적으로 의존합니다.
  • What-If Impact는 읽기 전용으로 유지되므로 시나리오 분석이 평가하는 포트폴리오 데이터를 절대 변경하지 않습니다.
  • 인간의 승인은 오래된 입력을 고칠 수 없으며 모든 AI 권장 사항이 정확하다고 보장할 수 없습니다.

Lumivero가 SharpCloud 포트폴리오 관리 소프트웨어에 내장된 AI 에이전트 제품군 POLI의 베타 버전을 공개했다. 회사는 11월 16일 POLI를 선보였으며, 고객과 잠재 고객은 11월 17일부터 베타 버전을 이용할 수 있다고 밝혔다. 에이전트는 프로젝트와 위험에 관한 질문에 답하거나 제안된 변경 사항이 미칠 영향을 살펴볼 수 있다. 변경 사항을 포트폴리오에 적용하려면 사람이 먼저 승인해야 한다.

이 제품은 투자 거래가 아니라 프로젝트 포트폴리오를 대상으로 설계됐다. 예를 들어 여러 공장 개선 작업을 진행하는 회사는 납품 지연의 영향을 받는 작업이 무엇인지 물어볼 수 있다. 답변은 팀이 SharpCloud에 미리 기록해 둔 연결 관계에 따라 달라진다. 여러 프로젝트에 공통으로 관련된 공급업체나 영향을 받는 주요 일정이 누락됐다면, 모델이 그 정보를 알고 있으리라고 기대할 수 없다.

포트폴리오 내 질문에 답하기

팀은 대개 일정, 위험, 의존 관계를 별도의 시스템에 보관한다. 다른 곳에서 선행 작업이 지연되고 있어도 프로젝트 자체의 일정만 보면 순조롭게 진행되는 것처럼 보일 수 있다. SharpCloud는 팀이 이러한 관계를 명시적으로 표현할 수 있게 해준다. 1월에 Lumivero는 SharpCloud 인수를 발표하면서, 포트폴리오 시각화와 한 가지 변경이 여러 프로젝트에 미치는 영향을 모델링하는 기능을 인수 이유로 꼽았다.

POLI는 이러한 연결된 포트폴리오 모델을 기반으로 작동한다. 기본 제공 에이전트는 Getting Started, Comparison, What-If Impact, Story Summary, Product Knowledge 등 다섯 가지다. 각 에이전트는 신규 사용자의 이해를 돕는 일부터 항목을 비교하거나 포트폴리오 개요를 요약하는 일까지 서로 다른 작업을 맡는다. Comparison은 프로젝트 간 차이를 더 쉽게 파악하도록 도울 수 있다. What-If Impact는 다른 질문을 던진다. 프로젝트의 가정이 바뀌면 모델에 반영된 포트폴리오의 다른 부분 중 어떤 곳이 영향을 받을 수 있을까?

의존 관계는 순위보다 더 유용한 경우가 많으므로 이 차이는 중요하다. 장비 설치가 늦어져 관련 교육 일정까지 미뤄진다면, 중요한 결과는 단순히 주요 일정이 변경됐다는 사실에 그치지 않는다. 누가 계획을 조정해야 하는지, 어떤 가정을 확인해야 하는지가 중요하다. 시나리오 분석은 시스템에 비즈니스 의사결정을 맡기지 않고도 이런 질문을 파악하는 데 도움을 준다.

분석과 승인은 별도로 유지

Lumivero에 따르면 What-If Impact는 읽기 전용이며 평가 대상 데이터를 변경하지 않는다. 회사는 또한 POLI가 기존 사용자 권한을 준수하고, 답변의 근거를 보여주며, 제안된 변경 사항은 사람이 승인하도록 한다고 밝혔다. AI 사용 여부는 SharpCloud 인스턴스별로 선택할 수 있다. 이는 공급업체가 설명한 통제 기능이지, 에이전트가 복잡하거나 불완전한 데이터에서 얼마나 정확하게 작동하는지에 대한 독립적인 검증 결과는 아니다.

설명을 원본 기록과 대조해 확인할 수 있을 때 사람의 승인이 가장 유용하다. 그럴듯한 답변이라도 유효하지만 오래된 추정치나 더는 적용되지 않는 의존 관계를 근거로 삼았을 수 있다. 검토자는 어시스턴트가 어떤 기록을 사용했는지 확인하고, 그 기록을 누가 관리하는지 알아야 한다. 승인 절차는 통제 지점을 제공하지만, 오래된 입력 데이터를 바로잡거나 모든 권고 사항을 정확하게 만들어주지는 않는다.

Lumivero가 발간한 자본 프로젝트 의사결정 보고서에 따르면, 설문 응답자 중 상당수가 검토 없이 AI 권고를 따르겠다고 답한 경우는 드물었다. 이 설문은 공급업체가 실시한 것으로 POLI의 성능을 검증하지는 않는다. 하지만 제품이 해결하고자 하는 도입 과제를 보여준다. 팀은 흩어진 정보를 모으는 데 도움을 받고 싶어 하지만, 그 정보를 바탕으로 내리는 결정에 대한 책임은 계속 직접 지고자 한다.

베타 버전에서 입증해야 할 점

초기 사용자는 프로젝트 팀이 이미 결과를 알고 있는 익숙한 사례를 에이전트에 적용해 답변을 시험한 뒤, 그 답변을 기초 기록과 비교하고 다른 접근 권한 수준에서도 테스트를 반복할 수 있다. 이렇게 하면 POLI가 일정을 교차 확인하는 데 드는 시간을 어디서 줄여주는지, 기록 누락으로 여전히 수동 조사가 필요한 부분은 어디인지 확인할 수 있다. 초기 베타 버전은 포트폴리오 모델에 질의하고 테스트하는 수단으로 이해하는 것이 적절하며, 해당 모델에 책임을 지는 사람을 대체하는 제품은 아니다. Lumivero는 2027년 상반기를 목표로 별도의 분석 모듈과 통제 모듈을 로드맵에 제시했으며, 이 모듈들은 현재 베타 버전에 포함되지 않는다.

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.