NVIDIA와 ServiceNow, 기업용 자율 AI 에이전트 확장을 위한 협력 강화

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

NVIDIA와 ServiceNow가 기업 환경에서 안전하게 작동하는 자율 AI 에이전트 구축을 위해 파트너십을 확장했습니다. 이번 협력의 핵심인 'Project Arc'는 로컬 파일 시스템과 터미널에 접근하여 복잡한 다단계 업무를 수행하는 자율 데스크톱 에이전트입니다. 보안을 위해 오픈 소스 보안 런타임인 NVIDIA OpenShell을 채택하여 에이전트의 행동을 샌드박스 내에서 통제하고 거버넌스를 강화했습니다. 또한 NVIDIA Blackwell 플랫폼을 통해 기존 대비 토큰당 비용을 35배 절감함으로써 대규모 워크플로우 자동화의 경제성을 확보했습니다.

배경

ServiceNow 플랫폼 및 워크플로우 자동화에 대한 이해, NVIDIA NeMo 및 LLM 추론 인프라에 대한 기본 지식, 엔터프라이즈 보안 및 거버넌스 프레임워크 개념

대상 독자

기업용 AI 솔루션을 설계하는 아키텍트 및 MLOps 엔지니어

의미 / 영향

이번 협력은 AI가 단순한 '보조자'에서 '실행자'로 진화하는 변곡점을 보여줍니다. 특히 보안 런타임과 하드웨어 효율성, 거버넌스 도구가 통합됨에 따라 기업들이 보안 우려 없이 자율 에이전트를 실제 업무 프로세스에 대규모로 투입할 수 있는 기술적 토대가 마련되었습니다.

섹션별 상세

기업용 자율 데스크톱 에이전트인 Project Arc는 지식 노동자의 복잡한 업무를 자동화하기 위해 설계됐습니다. 이 에이전트는 ServiceNow Action Fabric을 통해 로컬 파일 시스템, 터미널, 설치된 애플리케이션에 직접 접근하여 기존 자동화 도구가 처리하지 못하던 다단계 작업을 수행합니다. 모든 작업은 ServiceNow AI Control Tower의 거버넌스 하에 기록되고 감사될 수 있어 기업 내 배포가 용이합니다. 이를 통해 개발자나 IT 관리자는 단순 반복 업무에서 벗어나 고차원적인 문제 해결에 집중할 수 있습니다.

자율 에이전트의 안전한 실행을 위해 오픈 소스 보안 런타임인 NVIDIA OpenShell을 도입했습니다. OpenShell은 에이전트가 볼 수 있는 데이터와 사용할 수 있는 도구를 정책에 따라 제한하는 샌드박스 환경을 제공합니다. ServiceNow는 이 런타임 계층을 자사의 AI Control Tower와 결합하여 에이전트의 행동을 실시간으로 모니터링하고 통제합니다. 이는 민감한 기업 데이터 노출 위험을 최소화하면서도 에이전트에게 실행 권한을 부여하는 균형점을 제시합니다.

엔터프라이즈 에이전트의 성능 측정을 위해 NOWAI-Bench라는 새로운 벤치마크 스위트를 개발했습니다. 이 벤치마크는 단순 질의응답이 아닌 실제 기업의 다단계 워크플로우 수행 능력을 평가하는 EnterpriseOps-Gym을 포함합니다. 현재 NVIDIA Nemotron 3 Super 모델이 이 벤치마크의 오픈 소스 부문에서 1위를 기록하며 실무 적용 가능성을 입증했습니다. 이를 통해 기업들은 검증된 성능을 바탕으로 에이전트를 프로덕션 환경에 신뢰성 있게 배포할 수 있습니다.

대규모 에이전트 운용을 위한 경제성 확보를 위해 NVIDIA Blackwell 플랫폼 기반의 AI 팩토리를 활용합니다. Blackwell 아키텍처는 Hopper 대비 와트당 토큰 출력을 50배 이상 높여 백만 토큰당 비용을 약 35배 절감하는 효과를 제공합니다. 자율 에이전트가 상시 가동되는 환경에서는 이러한 토큰 경제성이 프로젝트의 성패를 결정하는 핵심 요소가 됩니다. ServiceNow AI Control Tower는 이 인프라와 통합되어 대규모 AI 워크로드의 관측 가능성을 확장합니다.

실무 Takeaway

단순 챗봇을 넘어 실제 시스템 권한을 가진 자율 에이전트를 도입하려면 NVIDIA OpenShell과 같은 보안 런타임 기반의 샌드박스 환경 구축이 필수적이다.
기업용 에이전트의 신뢰성을 확보하기 위해 EnterpriseOps-Gym과 같은 다단계 워크플로우 중심의 벤치마크를 통해 모델의 실무 수행 능력을 사전에 검증해야 한다.
에이전트를 전사적으로 확장할 때는 Blackwell 아키텍처와 같은 고효율 하드웨어를 통해 토큰당 비용을 최소화해야 경제적 타당성을 확보할 수 있다.

언급된 리소스

문서NVIDIA OpenShell

문서NVIDIA AI-Q Blueprint

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

배경

ServiceNow 플랫폼 및 워크플로우 자동화에 대한 이해, NVIDIA NeMo 및 LLM 추론 인프라에 대한 기본 지식, 엔터프라이즈 보안 및 거버넌스 프레임워크 개념

대상 독자

기업용 AI 솔루션을 설계하는 아키텍트 및 MLOps 엔지니어

의미 / 영향

섹션별 상세

실무 Takeaway

단순 챗봇을 넘어 실제 시스템 권한을 가진 자율 에이전트를 도입하려면 NVIDIA OpenShell과 같은 보안 런타임 기반의 샌드박스 환경 구축이 필수적이다.
기업용 에이전트의 신뢰성을 확보하기 위해 EnterpriseOps-Gym과 같은 다단계 워크플로우 중심의 벤치마크를 통해 모델의 실무 수행 능력을 사전에 검증해야 한다.
에이전트를 전사적으로 확장할 때는 Blackwell 아키텍처와 같은 고효율 하드웨어를 통해 토큰당 비용을 최소화해야 경제적 타당성을 확보할 수 있다.

언급된 리소스

문서NVIDIA OpenShell

문서NVIDIA AI-Q Blueprint

NVIDIA와 ServiceNow, 기업용 자율 AI 에이전트 확장을 위한 협력 강화

핵심 요약

배경

대상 독자

의미 / 영향

섹션별 상세

실무 Takeaway

언급된 리소스

NVIDIA와 ServiceNow, 기업용 자율 AI 에이전트 확장을 위한 협력 강화

핵심 요약

배경

대상 독자

의미 / 영향

섹션별 상세

실무 Takeaway

언급된 리소스

관련 토론

댓글

관련 피드

관련 토론

댓글

관련 피드