์ฌ์ ๋ฆฌ๋
์์ด์ ํฑ AI ์์ํ๊ธฐ: ๋น์ฆ๋์ค ๋ฆฌ๋๋ฅผ ์ํ ํ๋ ์์ํฌ
지난 10년 동안 두 가지 병렬한 여정이 나타나 기업의 변화를 함께 주도해 왔습니다: 프로세스 여정과 데이터 여정.
프로세스 여정, 즉 작업이 수행되는 방식은 린 시그마 식스에서 로봇 프로세스 자동화(RPA)와 디지털 워크플로우를 포함하는 방향으로 발전하였으며, 모두 효율성, 구조, 규모를 추구하는 방향으로 발전해 왔습니다. 반면에 데이터 여정, 즉 의사결정이 어떻게 이루어지는지에 관한 여정은 전통적인 비즈니스 인텔리전스에서 머신 러닝 기반의 예측 인텔리전스와 현재 제너레이티브 AI(gen AI)로 발전해 왔습니다. 두 가지 경로 모두 강력하지만, 두 가지가 모두 융합되는 때에真正한 돌파구가 나타납니다. 에이전틱 AI를 환영합니다.
에이전틱 AI는 에이전트가 데이터를 이해하는 것뿐만 아니라 시스템과 워크플로우 내에서 행동하는 방법을 아는 지점입니다. 연구에 따르면 기업의 96%의 IT 리더는 향후 12개월 내에 에이전트의 사용을 증가시킬 계획입니다. 그러나 조직이 에이전틱 AI 이니셔티브를 확대하려 할 때, 그들은 종종 어디서 어떻게 시작해야 할지 식별하는 데 어려움을 겪습니다.
에이전틱 AI를 활용하려는 기술 리더는 에이전틱 워크플로우를 결정과 실행의 융합으로 생각해야 하며, 효율성을 높이기 위해 워크플로우에 분석적 지능을 직접 내장해야 합니다. 기업 전반에 걸친 지능의 계층이 달성될 때까지 자율 에이전트는 알고 있는 것과 하는 것을 연결하는 루프를 닫을 수 없습니다.
에이전틱 AI 정의: 에이전틱 기업이란 무엇인가
많은 조직이 에이전틱 AI가 무엇인지 이해하기 전에 에이전틱 AI 여정을 시작합니다. 에이전틱 기업을 바쁜 국제 공항으로 생각해 보십시오. 비행기는 각자 할당된 작업을 수행하는 AI 에이전트입니다. 그들은 목표를 알고 독립적으로 행동하며 목적지로 비행합니다. 공항은 완전히 작동하지만, 개별 비행기의 이동보다는 공항의 더 높은 수준의 목표가 에이전틱을 만듭니다. 공항 운영을 원활하게 만드는 것은 공항 운영을 원활하게 만드는 교통 관제사입니다. 교통 관제사는 비행기를 언제 어디에 배치할지 결정하고, 지상 관제를 유지 보수와 연료 공급을 위해 지시하며, 모든 것을 가장 효과적인 방식으로 조정합니다. 각 비행기는 독립적으로 존재하지만, 모든 이륙과 착륙의 조정이 안전성과 효율성 측면에서 공항을 성공적으로 만듭니다.
에이전틱 기업은 단순한 반사 에이전트나 작업을 수행하도록 강화된 기본 봇을 구현하는 기업이 아닙니다. 에이전틱 기업은 복잡하고 다단계 작업을 독립적으로 처리하도록 설계된 지능형 에이전트 네트워크를 조정합니다. 그것은 미리 정의된 규칙을 넘어서 에이전트가 전략적 목표와 일치하는 결정할 수 있게 되며, 시간이 지남에 따라 개선되고 학습합니다. 이는 기업의 학습을 다음 단계로 끌어올립니다.
이것이 에이전틱 AI를 제너레이티브 AI와 구분하는 것입니다. 제너레이티브 AI는 프롬프트에 응답하지만 에이전틱 AI는 목표를 달성하기 위해 자율적으로 행동하며 진행 중에 학습하고 적응합니다. 이러한 다중 에이전트 시스템은 다양한 기업 애플리케이션과 연결되며, 전략적 예측력을 통해 의사결정을 주도하고 프로세스를 자동화하며 조직 전체에 걸쳐 가치를 제공합니다.
이것이 여정이라는 것을 기억하는 것이 중요합니다. 각 에이전트는 처리할 수 있는 성숙도와 복잡성이 있습니다. 에이전틱 기업이 되기 위해서는 에이전트의 생태계를 설계하고, 조정하고, 지속적으로 발전시키는 것이 필요합니다. 명확한 목표, 지능형 피드백 루프, 그리고 목표에 따라 적절한 위치에 전문가가 내장되어야 합니다.
에이전틱 AI 사용 사례 식별: 가치 구현이 중요한 이유
에이전틱 AI 사용 사례는 너무 자주 사용 사례 선택이 불량한 경우에 실패합니다. 실제로 Gartner는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것이라고 예측합니다. 이러한 취소는 기술이 실패한 것이 아니라, 기업이 에이전트를 배포하기 위한 적절한 사용 사례를 선택하지 못했기 때문입니다.
이런 운명을 피하기 위해, 조직은 가치 상승과 속도에 따라 에이전틱 AI가 가장 큰 영향을 미칠 수 있는 곳을 식별해야 합니다.
가치 측면에서 기업은 먼저 고객의 가장 큰 고통 점을 가지고 있는 도메인을 찾고, 그 다음에 가장 큰 영향을 미칠 수 있는 도메인을 찾아야 합니다. 그런 다음 프로세스 범위와 수요가 어떻게 보이는지 고려해야 합니다. 힌트는 에이전틱 AI가 복잡한 프로세스, 큰 워크플로우, 전략적 动적 의사결정이 필요한 분야에서 더 구체적인 이점을 제공한다는 것입니다. 에이전틱 AI는 성장 가능성이 높은 분야에서 구현되어야 하며, 이는 확장성과 수요 및 볼륨의 변화에 대한 적응성에 따라 달라집니다.
가치와同等하게 중요한 것은 데이터의 가용성, 품질, 거버넌스를 조사하여 가치에 도달하는 속도를 평가하는 것입니다. 간단히 말해서, 더 나은 데이터는 더 나은 AI 성능을 의미합니다. 에이전틱 AI를 어디에 활성화하든, 특히 민감한 데이터가涉及되는 경우, 안전한 가드레일을 제공하는 것이 중요합니다. 이를 효과적으로 수행하려면 기업은 채택 일정에 영향을 미칠 수 있는 잠재적인 규제 제한을 고려해야 합니다. 이것은 절단하지 못하는 영역입니다. 인간-인-루프 시스템으로 시작하면 에이전트의 자율성을 더 확신할 수 있습니다.
에이전틱 AI 기술 스택 구축: 원하는 결과를 달성하는 방법
에이전틱 AI를 채택할 준비가 된 조직은 확장성, 통합성, 보안성을 제공하는 적절한 기술 인프라를 구축해야 합니다.
시작하려면 기업 리더는 에이전틱 AI를 효과적으로 및 지속적으로 채택하기 위한 강력한 데이터 기반을 구축하기 위해 구조화된 데이터와 비구조화된 데이터를 동일한 시스템 내에서 통합해야 합니다. 데이터 접근성과 관리는 에이전틱 AI에 필수적입니다. 이 단계는 또한 작업 및 도메인별 언어 모델을 구축하는 데 중요합니다.
데이터 기반을 설정하고 언어 모델을 구축한 후, 기업은 AI 플랫폼, 도구 및 서비스를 활용하여 AI 에이전트의 채택과 모듈성을 가속화해야 합니다. 제어된 환경에서 파일럿을 시작하여, 조직은 특정 작업을 수행하고 비즈니스 결과를 제공하는 에이전트를 훈련하고 배포할 수 있으며, 비즈니스 KPI와 일치하는 제어 계층을 통해 성능을 지속적으로 모니터링할 수 있습니다.
리더십
에이전틱 AI는 비즈니스 운영 방식에 근본적인 변화를 나타냅니다. 승리자로 나타날 기업은 이를 기회로 활용하여 운영 모델과 비즈니스 관행을 근본적으로 재고하는 것입니다. 핵심은 현명하게 실험하고, 반복하고, 의도적으로 구축하고, 파트너십을 맺고, 확신을 가지고 확대하는 것입니다.
