인터뷰

Leah의 공동 창립자 겸 최고경영자(CEO) Sarvarth Misra – 인터뷰 시리즈

Antoine Tardif
Unite.AI를 Google의 선호 소스에 추가
Sarvarth Misra, Co-Founder and CEO of Leah
핵심 포인트인간을 위해 만들어진 소프트웨어에 AI를 추가하면 작업 속도는 빨라지지만 운영 모델은 변하지 않습니다.
더 보기
  • 인간을 위해 만들어진 소프트웨어에 AI를 추가하면 작업 속도는 빨라지지만 운영 모델은 변하지 않습니다.
  • 거의 8할에 달하는 기업이 승인되지 않은 에이전트를 식별할 효과적인 도구를 갖추지 못하고 있습니다.
  • 조직이 에이전트 자율성을 자신 있게 확장할 수 있도록 거버넌스는 아키텍처에 내장되어야 합니다.

Sarvarth Misra는 Leah(구 ContractPodAi)의 공동 창립자이자 최고경영자(CEO)입니다. 기업 및 상거래 전문 변호사로 경력을 시작한 그는 정보를 찾고, 문서를 조율하고, 의무 사항을 추적하는 데 많은 시간을 들이면서 법률팀을 위한 기술을 구축하게 되었습니다. 이후 그의 업무는 계약 수명 주기 관리에서 기업 업무 흐름을 조율하는 에이전트형 시스템으로 확장되었으며, 도메인 전문성, 통제된 실행, 인간의 판단력을 결합하는 데 중점을 두고 있습니다.

Leah는 법률, 계약, 조달, 재무, 공통 서비스 전반을 아우르는 기업용 에이전트형 AI 플랫폼을 개발합니다. 이 플랫폼은 전문 에이전트를 기업 시스템, 업무 맥락, 권한, 승인 절차와 연결해 조직이 여러 부서에 걸친 업무를 실행하도록 지원합니다. 이번 인터뷰에서 Misra는 AI를 활용한 지원에서 업무 실행으로의 전환, 에이전트 확장에 따르는 거버넌스 및 상호운용성 문제, 그리고 기업이 사람의 감독을 유지하면서 신뢰할 수 있는 비즈니스 성과를 측정하는 방법에 관해 이야기합니다.

Leah(구 ContractPodAi)를 공동 창립하기 전, 기업 및 상거래 전문 변호사로 경력을 시작하셨습니다. 법률 업무에서 어떤 문제를 겪으셨기에 처음 회사를 만들 생각을 하셨으며, 그때의 창업 비전은 오늘날 Leah의 모습으로 어떻게 발전했나요?

기업법 변호사로 일할 때, 변호사들이 법률적 판단을 내리기보다 업무 절차를 관리하는 데 얼마나 많은 시간을 쓰는지 직접 목격했습니다. 숙련된 전문가들이 서로 연결되지 않은 시스템 전반에서 정보를 찾고, 문서를 전달하고, 의무 사항을 추적하고, 업무를 조율하는 데 셀 수 없이 많은 시간을 들이고 있었습니다. 영업이나 재무 같은 부문은 기술적으로 크게 발전했지만, 법률 분야는 대체로 뒤처져 있었습니다.

이러한 깨달음으로 우리는 간단한 전제를 바탕으로 ContractPodAi를 만들었습니다. 법률팀에는 계약을 위한 기록 및 인텔리전스 시스템이 필요하다는 것이었습니다. 그러나 기술이 발전하면서 우리가 바라보는 기회도 달라졌습니다. 업무 관리는 과제의 일부에 불과하다는 사실을 알게 되었습니다. 훨씬 더 큰 기회는 실제 업무 수행 방식을 바꾸는 데 있었습니다.

그러한 확신이 Leah의 방향을 정했습니다. 계약이 출발점이었지만, 우리의 목표는 늘 더 컸습니다. 기업이 업무를 관리하는 방식에 그치지 않고 업무를 수행하는 방식을 바꾸는 것이었습니다. 오늘날 우리는 복잡한 기업 업무 흐름을 계획하고 조율하며 실행할 수 있는 시스템을 구축하고 있습니다. 이를 통해 사람들은 판단과 전략, 그리고 인간의 전문성이 가장 중요한 의사결정에 집중할 수 있습니다.

ContractPodAi는 계약 수명 주기 관리를 넘어 더 폭넓은 에이전트형 AI 플랫폼으로 사업을 확장하면서 2026년 1월 Leah로 사명을 변경했습니다. 기존 기업용 소프트웨어에 AI 기능을 더하는 데 그치지 않고, 자율 에이전트를 중심으로 업무 수행 방식을 근본적으로 재설계해야 한다고 판단하신 계기는 무엇인가요?

우리는 CLM 분야를 수년간 구축해 왔고, 그 분야에 AI를 도입한 최초 기업 중 하나였기 때문에 그런 결론에 이르렀습니다. 그 경험 덕분에 AI의 잠재력과 기반이 되는 소프트웨어 모델의 한계를 모두 독특한 관점에서 바라볼 수 있었습니다.

2023년이 되자 우리는 근본적인 결론에 도달했습니다. 사람이 직접 조작하도록 설계된 소프트웨어에 AI를 추가하면 개별 업무는 더 빨라지겠지만, 업무 수행 방식 자체가 근본적으로 바뀌지는 않는다는 것이었습니다.

사람들은 여전히 정보를 모으고, 업무 인계를 조율하고, 애플리케이션 사이를 오가며, 절차의 각 단계가 완료되었는지 확인해야 했습니다. AI는 개별 활동을 가속할 수 있었지만, 운영 모델 자체와 사람의 개입에 대한 의존성은 대체로 그대로였습니다.

우리는 차세대 기업용 소프트웨어가 지원보다 실행을 중심으로 설계되어야 한다고 생각했습니다. 시스템은 목표를 이해하고, 필요한 활동을 조율하며, 판단이나 승인이 필요한 경우 사람의 개입을 받으면서 여러 부서와 애플리케이션에 걸쳐 업무를 진행할 수 있어야 합니다.

그러려면 AI 기능을 하나 더 추가하는 것이 아니라 아키텍처를 근본적으로 바꿔야 했습니다. 중요한 전략적 결정이었지만, 필수적인 선택이라고 믿었습니다. 기업용 소프트웨어의 미래는 사람들이 업무를 얼마나 효과적으로 관리하도록 돕느냐가 아니라, 업무를 얼마나 안정적으로 실행하고 성과를 내느냐에 따라 결정될 것입니다.

‘에이전트형 AI’라는 용어가 업계 전반에서 점점 더 많이 쓰이고 있습니다. Misra 님의 관점에서 진정한 에이전트형 기업 시스템은 기존 AI 비서, 코파일럿 또는 업무 흐름 자동화 도구와 무엇이 다른가요?

근본적인 차이는 실행 능력입니다.

AI 비서와 코파일럿은 사람들이 업무를 수행하도록 돕고, 기존 업무 흐름 자동화는 미리 정의된 순서에 따라 작동합니다. 두 방식 모두 생산성을 의미 있게 높일 수 있지만, 일반적으로 사람은 여전히 업무를 진행하고 시스템 간 단계를 조율해야 합니다.

진정한 에이전트형 시스템은 여기서 한 걸음 더 나아갑니다. 목표를 이해하고, 필요한 조치를 판단하며, 전문 기능을 조율하고, 필요할 때는 사람의 판단을 구하면서 기업 시스템 전반에 걸쳐 업무를 실행할 수 있습니다.

하지만 지능형 에이전트와 기업 환경에 도입할 준비가 된 에이전트형 시스템 사이에는 중요한 차이가 있습니다. 지능만으로는 충분하지 않습니다. 안정적으로 작업을 수행하려면 적절한 맥락과 도구, 오케스트레이션, 결정론적 워크플로, 권한 및 거버넌스를 제공하는 기반이 필요합니다.

또한 해당 분야에 대한 깊이 있는 이해가 필요합니다. 예를 들어 계약 업무 워크플로를 수행하는 에이전트에는 일반적인 추론 능력 이상의 역량이 요구됩니다. 조직의 계약상 입장과 협상 지침, 승인 요건은 물론 에이전트의 행동이 상업적으로 어떤 결과를 낳는지도 이해해야 합니다.

궁극적으로 모델은 지능을 제공하고, 기반은 통제된 실행을 위한 아키텍처를 제공하며, 도메인 전문성은 그러한 실행이 비즈니스 맥락에서 의미를 갖게 합니다.

Leah가 IDC와 함께 진행한 조사에 따르면, 설문에 참여한 조직의 66%는 이미 AI 에이전트를 프로덕션 환경에서 운영하고 있으며, 2027년 초까지 도입 규모가 6배로 늘어날 것으로 예상합니다. 소수의 에이전트를 도입하는 단계에서 수백 또는 수천 개를 관리하는 단계로 넘어갈 때, 기업들이 무엇을 과소평가한다고 보십니까?

많은 조직이 첫 에이전트를 프로덕션 환경에 도입하는 데 집중하고 있습니다. 하지만 대규모로 에이전트를 배포하기 시작하면 과제의 성격이 근본적으로 달라집니다.

이제는 개별 에이전트가 특정 작업을 수행할 수 있는지가 관건이 아닙니다. 서로 다른 팀과 시스템, 사업 부문에서 작동하는 수백 또는 어쩌면 수천 개의 에이전트를 조직이 조율하고 관리할 수 있는지가 중요합니다.

조사 결과, 기업 10곳 중 거의 8곳에는 승인되지 않은 에이전트를 식별할 효과적인 도구가 없었으며, 약 47%는 중앙 집중식 거버넌스를 핵심 개선 과제로 꼽았습니다. 이는 도입 속도와 조직이 배포 중인 에이전트를 관리하는 역량 사이의 격차가 커지고 있음을 보여 줍니다.

적절한 아키텍처가 없으면 에이전트가 하나씩 추가될 때마다 복잡성이 한층 커질 위험이 있습니다. 팀마다 서로 다른 모델과 도구, 플랫폼을 사용해 에이전트를 배포할 수 있으며, 각각 별도의 맥락과 권한, 워크플로를 바탕으로 작동하게 됩니다.

따라서 기업에는 개별 에이전트를 파악하는 것만으로는 부족합니다. 관련 맥락을 공유하고, 명확히 정해진 경계 안에서 작동하며, 비즈니스 프로세스 전반에서 함께 작업을 수행할 수 있는 통합 환경이 필요합니다.

거버넌스와 오케스트레이션은 나중에 고려할 사안이 아닙니다. 처음부터 기반 역량으로 갖춰야 합니다. 그렇지 않으면 조직은 파편화된 소프트웨어 애플리케이션을 그만큼 파편화된 지능형 에이전트 환경으로 대체하게 될 위험이 있습니다.

같은 조사에서는 거버넌스, 오케스트레이션, 부서 간 협업을 에이전트형 AI의 세 가지 핵심 축으로 꼽았습니다. 에이전트가 독립적으로 추론하고 권고하며 기업 시스템 전반에서 조치를 시작할 수 있게 되면 거버넌스가 더 어려워지는 이유는 무엇입니까?

에이전트가 더는 사람이 검토할 정보를 단순히 생성하는 데 그치지 않기 때문에 거버넌스는 더 복잡해집니다. 에이전트는 맥락을 해석하고 결정을 내리며 조치를 시작할 수 있고, 이 과정에서 여러 기업 시스템을 넘나드는 경우도 많습니다.

이로 인해 위험의 성격이 근본적으로 달라집니다. 조직은 에이전트가 무엇을 할 권한이 있는지뿐 아니라, 어떤 정보가 그 행동의 근거가 되었는지, 어떤 통제가 적용되었는지, 그 결과 무슨 일이 일어났는지도 파악해야 합니다.

서로 다른 정책과 권한, 위험 허용 수준을 가진 여러 부문에서 에이전트가 작동하면 복잡성이 커집니다. 한 워크플로에서는 허용되는 조치라도 다른 워크플로에서는 추가 검증이나 승인이 필요할 수 있습니다. 따라서 거버넌스는 개별 에이전트에 따로 적용하는 데 그치지 않고 전체 실행 과정에 걸쳐야 합니다.

이 때문에 거버넌스를 기반 아키텍처에 내장해야 한다고 생각합니다. 기업에는 중요한 조치에 적용되는 결정론적 통제, 명확한 상향 보고 절차, 구성 가능한 승인 요건, 그리고 실행 과정을 감사할 수 있는 기록이 필요합니다.

목표는 자율성을 불필요하게 제한하는 것이 아닙니다. 조직이 자율성을 자신 있게 확대할 수 있는 조건을 만드는 것입니다. 효과적인 거버넌스가 있어야 기업 규모의 자율성을 실현할 수 있습니다.

기업용 에이전트가 안고 있는 과제 중 하나는 상호 운용성입니다. 에이전트는 서로 다른 공급업체가 개발하고, 각기 다른 모델을 사용하며, 연결되지 않은 시스템 전반에서 작동할 수 있습니다. 기업은 이러한 에이전트가 맥락을 안전하게 공유하고 서로 협력할 수 있는 환경을 어떻게 설계해야 할까요?

기업은 에이전트를 독립형 제품으로 보는 관점에서 벗어나, 서로 연결된 업무 시스템의 참여자로 다루기 시작해야 합니다.

진정한 가치는 서로 다른 부문과 플랫폼, 기반 모델에서 작동하는 경우에도 에이전트가 맥락을 공유하고 조치를 조율하며 공동의 비즈니스 성과에 기여할 수 있을 때 나타납니다.

이를 위해서는 개별 에이전트와 기업 애플리케이션 위에서 작동하는 오케스트레이션 계층이 필요합니다. 이 계층은 맥락과 권한, 통합, 워크플로, 거버넌스를 관리하는 아키텍처를 제공해 서로 다른 역량이 하나의 통합된 시스템처럼 작동하도록 합니다.

마찬가지로 중요한 것은 기업의 주권을 지키는 일입니다. 기업은 어떤 모델이나 기술 제공업체를 선택하든 데이터, 조직의 지식, 업무 규칙과 워크플로에 대한 통제권을 유지해야 합니다.

기업은 운영의 근간이 되는 프로세스와 지능을 다시 구축하지 않고도 새로운 모델과 기술을 자유롭게 도입할 수 있어야 한다고 생각합니다.

궁극적으로 상호운용성은 단순히 에이전트를 기술적으로 연결하는 데 그치지 않습니다. 기업 전반에서 에이전트가 일관되고 안전하며 책임감 있게 업무를 수행하도록 하는 것이 핵심입니다.

법률 및 계약 업무는 특히 민감한 분야입니다. AI가 생성한 결정이 재정적·규제적·법적 결과를 초래할 수 있기 때문입니다. AI 에이전트가 자율적으로 실행할 수 있는 조치와 계속해서 사람의 승인이 필요한 결정을 어떻게 구분해야 할까요?

경계는 수행하는 업무의 종류가 아니라 위험 수준에 따라 정해야 합니다.

법률 및 계약 업무에는 정형화되어 있고 반복적이며 확립된 정책의 적용을 받는 활동이 많습니다. 적절한 통제 장치가 마련되어 있다면 이런 업무는 자율적으로 수행하기에 적합합니다.

예를 들어, 일상적인 비밀유지계약(NDA)을 검토하는 에이전트는 변호사가 매 단계 개입하지 않아도 승인된 지침에 따라 계약을 평가하고, 예외 조항을 찾아내고, 합의된 대체 조건을 적용하며, 계약 절차를 진행할 수 있습니다.

그러나 상당한 재정적 위험이 따르거나, 책임 조항이 이례적이거나, 규제 관련 불확실성이 있거나, 전략적으로 중요한 상업적 양보가 포함된 계약은 사람의 판단이나 승인이 필요할 수 있습니다.

중요한 점은 사람을 업무 절차에서 배제하는 것이 목표가 되어서는 안 된다고 생각한다는 것입니다. 사람들의 기여 방식을 바꾸는 것이 목표입니다. 매 단계마다 사람의 개입을 요구하는 대신, 기업은 각 워크플로에 적합한 자율성 수준을 설정하고, 사람의 개입이 반드시 필요한 시점도 지정할 수 있어야 합니다.

이를 통해 숙련된 전문가들은 예외 상황, 협상 전략, 복잡한 위험 평가, 그리고 전문성을 실제로 필요로 하는 결정에 집중할 수 있습니다.

기회는 단순히 법무팀의 업무 속도를 높이는 데 있지 않습니다. 사람과 AI가 각자 가장 큰 가치를 창출하는 영역에 기여하도록 하여 법률 업무 제공 방식을 근본적으로 재고하는 데 있습니다.

Leah는 법률, 계약, 조달, 재무 및 공통 서비스 전반으로 에이전트형 AI를 확대하고 있습니다. 에이전트가 각 부서를 따로 자동화하는 대신 이들 기능 전반에서 협업할 수 있게 되면 무엇이 가능해질까요?

대부분의 기업 업무는 한 부서 안에서 시작하고 끝나지 않습니다. 법무팀이 협상한 계약은 조달, 재무, 운영 및 규정 준수에 영향을 미칩니다. 그러나 기업용 소프트웨어는 오랫동안 개별 기능을 중심으로 구축되어 왔고, 그 결과 부서 간 정보와 결정, 프로세스를 연결하는 책임은 사람들에게 남겨졌습니다.

에이전트형 AI는 이러한 운영 모델을 바꿀 기회를 제공합니다.

에이전트가 여러 기능에 걸쳐 협업하면 관련 정보와 정책, 전문성을 모아 업무를 처음부터 끝까지 진행할 수 있습니다. 고립된 업무 하나만 처리한 뒤 다음 단계로 넘기는 일을 누군가에게 맡길 필요가 없습니다.

공급업체 계약을 생각해 보겠습니다. 계약 조건은 조달 결정, 지급 의무, 재정적 위험 및 지속적인 공급업체 성과에 영향을 줍니다. 서로 연결된 에이전트 환경에서는 계약 관련 정보가 계약 저장소에만 머무르지 않고 여러 기능에 걸친 조치에 반영되거나 이를 촉발할 수 있습니다.

여기서 상업적 인텔리전스가 등장합니다. 이는 계약, 법률, 조달 및 재무 관련 맥락을 연결해 결정과 조치가 상업적 상황 전체를 반영하도록 하는 역량입니다.

그 가치는 개별 부서의 생산성 향상을 훨씬 넘어섭니다. 부서 간 연결 프로세스를 최적화해 단절을 줄이고, 의사결정을 개선하며, 수작업을 통한 조율을 크게 줄이면서 기업 전반에서 업무가 진행되도록 할 수 있습니다.

기업이 더 많은 에이전트를 도입함에 따라 에이전트형 AI가 실제로 가치를 창출하는지 어떻게 측정해야 할까요? 생산성 및 비용 절감과 같은 기존 지표만으로 충분할까요, 아니면 에이전트가 안정적으로 수행할 수 있는 업무량과 결과를 기준으로 새로운 평가 체계를 마련해야 할까요?

AI 도입의 첫 물결에서 얻은 교훈 중 하나는 활동량과 가치가 같지 않다는 점입니다.

기업은 프롬프트, 토큰, 상호작용 횟수와 절약된 시간을 측정할 수 있지만, 이런 지표만으로는 의미 있는 사업 성과가 달성되고 있는지 거의 알 수 없습니다.

생산성과 비용 절감은 계속 중요하겠지만, 에이전트형 AI에는 실행에 초점을 둔 더 폭넓은 평가 체계가 필요합니다. 업무를 얼마나 많이 완료하고 있습니까? 얼마나 안정적으로 실행하고 있습니까? 프로세스는 더 빨라지고 있습니까? 적체된 업무는 줄고 있습니까? 예외 상황을 더 효과적으로 찾아내고 해결하고 있습니까?

적절한 통제 범위 안에서 달성된 자율성의 정도도 측정해야 합니다. 예를 들어 변호사가 계약서를 검토하는 데 쓰는 시간을 줄이는 것과 계약 접수부터 검토, 협상, 승인에 이르는 전체 계약 프로세스를 진행하되 실제로 필요한 단계에만 사람의 개입을 집중하는 것은 서로 다른 일입니다.

이 구분이 중요한 이유는 에이전틱 AI의 경제적 가치가 절약한 시간에만 국한되지 않기 때문입니다. 처리 역량 확대, 일관성 향상, 운영상 마찰 감소, 더 나은 비즈니스 성과도 그 가치에 포함됩니다.

시간이 지나면서 조직들은 AI가 안정적으로 처리할 수 있는 업무의 양과 복잡성, 그 실행의 품질, 그리고 이를 통해 창출되는 상업적 효과를 훨씬 더 중시하게 될 것으로 봅니다.

질문은 ‘AI를 얼마나 사용하고 있는가?’에서 ‘이제 우리 조직은 이전에는 해낼 수 없었던 어떤 일을 해낼 수 있는가?’로 바뀔 것입니다.

앞으로 3~5년 동안 직원, 기존 엔터프라이즈 소프트웨어, 자율형 AI 에이전트 간의 관계가 어떻게 달라질 것으로 보십니까? 에이전틱 운영 모델로 성공적으로 전환하는 조직은 어떤 점에서 차별화될까요?

기록 시스템이 중심이던 시대에서 실행 시스템이 점점 더 중심이 되는 시대로 옮겨가고 있다고 생각합니다.

기존 엔터프라이즈 소프트웨어는 조직이 의존하는 기반 데이터, 비즈니스 기록, 인프라를 제공하며 앞으로도 중요한 역할을 할 것입니다. 하지만 점차 에이전틱 시스템이 여러 애플리케이션을 가로질러 작동하며, 이전에는 사람들이 시스템 사이를 오가고 업무를 인계하고 개별 작업을 진행해야 했던 일을 조율하고 실행하게 될 것입니다.

직원들에게 이는 기술을 활용하는 방식의 근본적인 변화를 의미합니다. 워크플로의 모든 단계를 직접 처리하는 대신, 사람들은 점점 더 목표를 설정하고 경계를 정하며 판단을 내리고, 자신의 전문성이 가장 큰 가치를 더하는 지점에 개입하게 될 것입니다.

하지만 이러한 전환을 이루려면 에이전트를 도입하거나 기존 애플리케이션에 AI 기능을 추가하는 것만으로는 충분하지 않습니다. 조직은 업무 구조, 의사결정 방식, 기능 간 지능의 이동 방식을 재고해야 합니다.

IDC와 함께 진행한 연구는 거버넌스, 오케스트레이션, 부서 간 협업의 중요성을 다시 한번 확인해 줍니다. 여기에 심층적인 도메인 이해도 그만큼 중요하다고 덧붙이고 싶습니다. 시스템에는 안정적으로 실행할 수 있는 엔지니어링 역량뿐 아니라, 무엇이 훌륭한 실행인지 이해하는 데 필요한 비즈니스 맥락도 있어야 합니다.

성공하는 조직이 반드시 가장 많은 에이전트를 도입한 조직은 아닐 것입니다. 에이전틱 AI를 운영 모델을 근본적으로 재설계할 기회로 인식하는 조직이 성공할 것입니다.

진정한 기회는 오늘날의 업무 방식을 더 효율적으로 만드는 데 있지 않습니다. 기업 업무가 이루어지는 방식 자체를 위한 완전히 새로운 모델을 만드는 데 있습니다.

훌륭한 인터뷰에 감사드립니다. 기업용 에이전틱 AI와 연결된 법무, 계약, 조달 및 재무 워크플로에 대해 더 알고 싶은 독자들은 Leah를 방문해 보시기 바랍니다.

앙투안은 Unite.AI의 비전 있는 리더이자 창립 파트너로, AI와 로봇공학의 미래를 만들어 가고 발전시키는 데 변함없는 열정을 쏟고 있습니다. 여러 기업을 창업한 그는 AI가 전기만큼 사회를 크게 변화시킬 것이라고 믿으며, 혁신적인 기술과 범용 인공지능(AGI)의 잠재력에 관해 자주 열정적으로 이야기합니다.

미래학자로서 이러한 혁신이 세상을 어떻게 바꿀지 탐구하는 데 전념하고 있습니다. 또한 미래를 새롭게 정의하고 산업 전반을 변화시키는 첨단 기술에 대한 투자에 초점을 맞춘 플랫폼인 Securities.io의 설립자입니다.