(출처=세일즈포스)
| |

‘디지털 직원’ 시대, 기업의 새 설계도

AI 직원에게도 이메일과 캘린더가 생겼다. 구글 클라우드는 지난 10월 8일 AI 동료가 별도의 업무 계정을 갖고 기업 디렉터리에 등록돼 사람과 함께 일하는 기능을 공개했다. 서비스나우도 마이크로소프트와 협력해 AI 에이전트를 역할과 권한이 지정된 ‘디지털 직원’으로 조직도에 표시하는 구조를 제시했다. AI가 직원의 질문에 답하는 도구를 넘어, 조직 안에서 업무를 맡는 새로운 주체로 등장하고 있는 것이다.

그러나 AI를 조직의 일원으로 등록하는 것과 실제 업무를 수행할 수 있도록 하는 것은 별개의 문제다. 영업·고객 서비스·재무 등 실제 업무에서는 정확한 고객 정보뿐 아니라 할인 한도, 승인 절차, 접근 권한, 개인정보 보호 규정처럼 반드시 지켜야 할 기준이 있다. 언어 모델이 아무리 정교하게 추론해도 기업의 업무 시스템과 연결되지 않으면 판단을 실행으로 옮기기 어렵다.

마크 베니오프 세일즈포스 회장 겸 CEO는 지난 드림포스 2026에서 “AI 모델만으로는 기업을 운영할 수 없다”고 강조했다. AI 에이전트를 도입하는 것과 이를 기업의 핵심 업무에 투입하는 것은 다른 문제라는 의미다. 실제로 딜로이트가 미국 내 AI 에이전트 시범 운영 기업 등의 관리자·임원 501명을 조사한 결과, 업무 프로세스가 AI 에이전트 도입에 ‘매우 잘 준비됐다’는 응답은 5%에 그쳤다. 응답자의 72%는 여러 시스템에 흩어진 데이터를 AI 에이전트가 활용할 수 있도록 연결하는 데 어려움을 겪고 있으며, 70%는 AI 에이전트의 신뢰와 거버넌스 문제를 주요 과제로 지목했다.

기업이 마주한 과제는 비결정론적(확률 기반) AI의 유연한 추론과 정해진 규칙에 따라 움직이는 결정론적 업무 시스템을 결합하는 일이다. 대규모언어모델(LLM)은 고객의 질문 의도를 해석하거나 상담 내용을 요약하고 다음 행동을 제안하는 데 강점이 있지만, 같은 질문에도 표현과 판단이 달라질 수 있다. 반면 고객의 계약 조건을 조회하고 승인 권한을 확인하거나 거래 정보를 수정하는 과정에는 검증된 데이터와 명시적인 비즈니스 규칙이 필요하다.

가령 AI가 고객의 불만을 파악하고 보상 방안을 제안하는 것은 확률적 추론의 영역이다. 하지만 실제 환불 가능 여부를 판단하고 지급을 처리하려면 주문 내역, 환불 정책, 담당자의 권한, 승인 절차를 따라야 한다. 세일즈포스는 이러한 차이를 두고 확률적 지능만으로는 회사를 운영할 수 없고, 결정론적 시스템만으로는 스스로 추론할 수 없다고 설명한다. 따라서 AI가 기업 업무를 안전하게 수행하려면 두 영역을 연결 짓는 아키텍처가 필요하다는 것이다.

4개 층으로 다시 그리는 기업 IT

AI가 자연어 프롬프트 입력을 통해 업무의 의도나 고객을 파악하는 것만으로는 충분하지 않다. 기업 데이터를 정확하게 파악하고 정해진 업무 규칙에 따라 행동하려면, AI 모델과 기존 업무 시스템을 연결하는 구조가 필요하다. 세일즈포스가 지난 9월 드림포스 2026에서 공개한 ‘에이전틱 엔터프라이즈 아키텍처’는 이러한 과제에 대응하기 위한 설계도다. 데이터와 업무 프로세스, AI 에이전트, 사용자 인터페이스를 네 개 계층으로 연결해 AI의 추론을 실제 업무 실행으로 이어가는 방식이다.

아키텍처의 기반은 기업 데이터와 업무 맥락이다. 가장 아래의 데이터 360은 여러 시스템에 흩어진 정보를 연결하고 통합해 AI가 활용할 수 있는 데이터 기반을 마련한다. 그 위의 커스터머 360은 영업·서비스·마케팅 등 기존 애플리케이션에 축적된 비즈니스 로직과 업무 프로세스를 제공한다. AI가 단순히 정보를 검색하는 데 그치지 않고, 기업의 업무 기준에 맞춰 판단하고 실행할 수 있도록 뒷받침하는 구조다.

이러한 기반 위에서 에이전트포스는 고객 응대와 영업 기회 발굴 등 실제 업무를 수행하는 디지털 노동력 역할을 맡는다. 최상위 계층인 AI포스는 사람과 AI 에이전트를 연결하는 인터페이스로, 슬랙이나 클로드 등 기존 업무 환경에서 기업의 데이터와 기능을 활용할 수 있도록 지원한다. 사용자가 필요한 정보를 자연어로 요청하면 관련 데이터를 바탕으로 맞춤형 업무 화면을 생성하고 후속 작업까지 이어갈 수 있는 방식이다.

(출처=세일즈포스)

이는 AI의 추론 능력을 기존 기업 시스템에 축적된 데이터와 업무 규칙에 결합한다. AI가 모든 것을 독자적으로 판단하는 대신, 기존 시스템에 설정된 접근 권한과 보안 정책, 승인 절차에 따라 업무를 처리하도록 한다. 결국 기업의 IT 시스템을 AI로 대체하기보다, 이미 구축된 시스템을 AI가 이해하고 활용할 수 있는 업무 기반으로 확장하는 데 의미가 있다.

AI 모델을 직접 개발하는 기업조차 별도의 기업 업무 기반을 필요로 한다. 클로드를 개발한 앤트로픽은 세일즈포스를 자사의 핵심 CRM으로, 슬랙을 주요 업무 협업 환경으로 활용하고 있다. 동시에 세일즈포스는 클로드를 AI 에이전트와 업무 인터페이스에 연동한다. AI 모델 개발사와 기업용 소프트웨어 기업이 서로의 기술을 고객이자 파트너로 활용하는 관계다.

협력 범위도 확대되고 있다. 세일즈포스와 구글 클라우드는 드림포스 2026에서 제미나이 엔터프라이즈와 세일즈포스의 데이터·업무 기능을 연결하는 협력 강화를 발표했다. AI 모델의 추론 능력이 발전할수록 이를 실제 고객 데이터와 기업 시스템에 연결하는 플랫폼도 중요해지고 있다는 의미다. AI 기업들이 모든 업무 시스템을 자체적으로 대체하기보다 기업용 소프트웨어와 결합해 사용 범위를 넓히는 흐름으로 읽힌다.

비즈니스 현장에서 확인된 변화

AI 에이전트는 기업 데이터와 기존 업무 절차를 바탕으로 영업·채용·고객 서비스 등 다양한 분야에서 반복 업무를 줄이고 처리 속도를 높이고 있다. 앤트로픽은 세일즈포스의 레버뉴 클라우드(Revenue Cloud)와 슬랙을 활용해 거래 정보와 부서 간 협업 내용을 연결하고, 견적 생성과 업무 요약 등을 지원한다. 세일즈포스가 공개한 사례에 따르면 복잡한 거래 처리 주기는 60% 단축됐으며, 수작업 감소로 연간 약 450만 달러의 운영 비용을 절감했다.

지멘스는 기업 고객용 플랫폼 ‘SiePortal’에 AI를 적용해 제품 탐색부터 구매, 고객 지원까지 이어지는 과정을 지원한다. 132개국에서 유입되는 월 약 2500건의 영업 리드를 검증하고 분류하며, 영업 문의 응답 시간을 기존 수일에서 수분 수준으로 줄였다.

로레알은 고객 상담 과정에 AI를 적용해 상담 이력 요약과 이메일 작성, 프로모션 코드 발급 등을 지원한다. 기존에 약 15개 화면을 거쳐야 했던 업무를 간소화하면서 평균 상담 처리 시간은 7분에서 2.5분으로, 프로모션 코드 발급 시간은 10분에서 1분으로 줄었다.

기업 출장 플랫폼 엔진은 연간 80만건 이상의 고객 문의를 다루는 과정에서 직원들이 필요한 데이터를 직접 활용할 수 있도록 업무 인터페이스를 바꾸고 있다. 과거에는 다른 담당자가 대시보드나 보고서를 만들어주기를 기다려야 했다면, 이제는 슬랙에서 필요한 정보를 자연어로 설명해 기존 데이터를 활용한 실시간 업무 화면을 구성하는 방식이다. AI가 기업 데이터를 단순히 요약하는 데 그치지 않고 직원의 업무 접점을 바꾸는 사례로 볼 수 있다.

인사·채용 기업 아데코는 지역별로 분산된 60개 이상의 시스템을 데이터 360으로 연결했다. 이를 기반으로 지원자 사전 검토와 직무 매칭, 채용 캠페인 준비에 AI 에이전트를 활용하고 있다. 세일즈포스가 공개한 사례에서는 채용 캠페인 준비 시간이 93% 단축되고 채용 프로세스 진행 속도는 28% 빨라졌다고 설명했다.

이들 사례는 AI 도입의 성과가 모델 자체의 성능에만 달려 있지 않다는 점을 보여준다. 기업 데이터와 업무 절차를 연결하고 기존 시스템 안에서 AI가 맡을 수 있는 일을 구체화하는 것이 실제 업무 효율 개선으로 이어지고 있다.

국내 기업, ‘성능’보다 ‘통제 가능성’이 먼저

국내 기업들은 AI 에이전트를 도입할 때 모델의 성능 못지않게 고객 정보 보호와 접근 권한 관리, 업무 기록의 추적 가능성 등 통제력과 보안 환경에 대한 기준이 높다. 특히 금융, 제조, 유통처럼 고객 데이터와 거래 정보를 대규모로 다루는 산업일수록 AI가 어디까지 접근하고 어떤 기준으로 실행하는지가 도입의 전제 조건이다. 데이터가 여러 시스템에 흩어져 있고 부서마다 승인 체계가 다른 환경이라면, 데이터와 업무 규칙을 정비하는 일이 선행돼야 한다.

세일즈포스는 AI 에이전트가 기업이 이미 설정한 접근 권한과 보안 정책, 승인 절차 안에서 업무를 수행하도록 하는 방식이 이러한 우려에 대한 현실적인 접근이며, 이를 위해서는 AI가 기업의 정책과 가드레일, 비즈니스 프로세스, 업무 방식 등에 대해 이해할 수 있어야 한다고 설명한다. AI라는 비결정론적인 기술에 기업이 보유한 데이터인 결정론적 요소를 가미하여 보다 정확하게 업무를 수행할 수 있다는 이야기다.

박세진 세일즈포스 코리아 대표는 “국내 기업 고객들이 AI 에이전트에 대해 가장 먼저 묻는 것은 얼마나 똑똑한가가 아니라 얼마나 믿고 맡길 수 있는가이다”라며 “기업이 쌓아 온 데이터와 업무 규칙, 보안 체계 안에서 AI가 일할 수 있는 환경을 구축하는 것이 에이전틱 엔터프라이즈를 현실로 만드는 출발점”이라고 설명했다.

AI 에이전트가 기업에 도입될수록 경쟁의 초점도 모델의 성능이나 에이전트 수에서 실제 업무 성과와 통제 가능한 운영 구조로 옮겨갈 전망이다. 고객 데이터가 흩어져 있거나 승인·권한 체계가 연결되지 않은 상태에서는 AI가 업무를 이해하더라도 중요한 실행 단계에서 멈출 수밖에 없다.

결국 에이전틱 엔터프라이즈로의 전환은 기존 IT 시스템을 모두 없애고 새 AI 모델을 도입하는 일이 아니다. 기업이 보유한 데이터와 업무 규칙을 정비하고, AI의 추론을 실제 업무와 연결하며, 사람과 AI의 역할을 다시 설계하는 과정이다. 새로운 ‘디지털 직원’ 시대의 경쟁력은 AI를 얼마나 많이 채용했느냐보다, AI가 정확한 정보와 분명한 책임 체계 속에서 얼마나 일을 잘하도록 만들었느냐에 달려 있다.

글. 바이라인네트워크
<김우용 기자>yong2@byline.network

일간 바이라인 구독하기

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다


The reCAPTCHA verification period has expired. Please reload the page.