이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
핵심 요약
AI 에이전트 도입의 핵심은 모델 성능이 아니라 비즈니스 맥락에서의 정확도를 정의하는 것이며, 기존의 디지털 전략을 인력 전략과 통합된 AI 에이전트 전략으로 진화시켜야 합니다.
배경
많은 기업이 AI 에이전트 도입을 시도하고 있으나 실질적인 비즈니스 가치 창출과 운영화 단계에서 어려움을 겪고 있습니다.
대상 독자
기업의 AI 전략 담당자, 디지털 트랜스포메이션 리더, AI 에이전트 개발자
의미 / 영향
기업들은 이제 단순한 AI 챗봇 도입을 넘어 에이전트가 비즈니스 파트너와 직접 소통하고 협상하는 시대를 준비해야 합니다. 이는 기업의 운영 효율성을 극대화하는 동시에 인간의 역할을 고부가가치 판단 업무로 집중시키는 결과를 낳을 것입니다. 에이전트의 추적성과 설명 가능성을 확보하는 플랫폼 선택이 기업 AI 경쟁력의 핵심이 될 것입니다.
챕터별 상세
00:00
KPMG AI 랩의 역할과 에이전트 도입 배경
KPMG Futures 부서 내 AI 랩은 최첨단 AI 기술을 연구하고 고객사를 위해 AI 에이전트 프로토타입을 신속하게 제작한다. 기업들이 AI 도입에서 겪는 가장 큰 문제는 모델 자체의 성능이 아니라 화이트칼라 업무 환경에서 정확도가 무엇을 의미하는지 정의하지 못하는 점이다. 에이전트 도입을 위해 기업은 이전에는 필요 없었던 수준의 정교한 업무 정의를 수행해야 한다.
- •AI 랩은 고객사를 위한 신속한 AI 에이전트 프로토타이핑과 파일럿 운영을 주도함
- •기업의 가장 큰 병목 현상은 업무 맥락에서의 정확도에 대한 정의 부재임
01:37
Relevance AI를 활용한 신속한 가치 검증
KPMG는 초기에는 CrewAI나 AutoGen 같은 오픈소스 프레임워크를 사용했으나 상업적 가치를 판단하기까지 너무 많은 시간이 소요되는 한계가 있었다. Relevance AI와 같은 로우코드 플랫폼을 도입하면서 프로토타이핑 속도가 획기적으로 빨라졌으며 몇 주가 아닌 며칠 내에 고객에게 결과물을 보여줄 수 있게 되었다. 이를 통해 특정 AI 솔루션이 상업적으로 투자 가치가 있는지 빠르게 판단하는 골든 티켓을 확보했다.
- •오픈소스 프레임워크 대비 로우코드 플랫폼의 신속한 프로토타이핑 강점 활용
- •상업적 투자 회수율(ROI)을 빠르게 판단하는 것이 기업 AI 전략의 핵심임
03:02
실전 사례: 노인 요양 서비스 스케줄링 에이전트
KPMG 내부 해커톤에서 시작된 아이디어를 바탕으로 노인 요양 서비스 스케줄링을 자동화하는 에이전트를 구축했다. Relevance AI를 사용하여 엔드투엔드 솔루션을 개발했으며 실제 6개의 파일럿 프로젝트에 성공적으로 배포했다. 복잡한 인력 배치 문제를 AI 에이전트가 처리함으로써 운영 효율성을 직접적으로 증명한 사례이다.
- •해커톤 아이디어를 실제 비즈니스 솔루션으로 빠르게 전환함
- •Relevance AI를 통해 복잡한 스케줄링 업무를 자동화하는 6개 파일럿 배포 성공
03:46
디지털 전략의 진화: 통합 인력 전략으로의 전환
전통적인 디지털 전략은 플랫폼을 구축하고 직원을 교육하는 방식이었으나 AI 에이전트 시대에는 디지털 전략과 인력 전략이 통합되어야 한다. 이제는 어떤 업무를 사람에게 재교육할지가 아니라 어떤 업무 컴포넌트를 에이전트로 대체하거나 보조할지 총체적으로 고민해야 한다. 에이전트를 단순한 도구가 아닌 인력의 구성원으로 간주하는 인식의 변화가 필요하다.
- •디지털 전략과 인력 전략의 경계가 허물어지고 AI 에이전트 중심으로 통합됨
- •업무 프로세스 중 에이전트가 담당할 영역을 식별하는 것이 새로운 전략의 핵심임
05:06
정확도 문제의 본질: 프로세스와 결과의 정의
기업들이 AI 에이전트 구현에서 겪는 장애물은 출력을 내는 것이 아니라 그 출력의 정확성을 보장하는 것이다. 에이전트를 자동화하기 위해서는 프로세스를 명확히 기술해야 할 뿐만 아니라 왜 그 프로세스를 수행하는지, 그리고 수용 가능한 결과 수준이 무엇인지 근본적으로 정의해야 한다. 많은 기업이 과거에 프로세스가 제대로 작동하지 않았을 때의 반응으로만 업무를 설정해왔기에 AI 도입 시 이 기초적인 정의 단계에서 어려움을 겪는다.
- •단순한 결과물 생성을 넘어 비즈니스 맥락의 정확도 정의가 필수적임
- •프로세스의 목적과 수용 가능한 품질 기준을 퍼스트 원칙(First Principles)에서 재검토해야 함
09:19
AI에 대한 신뢰와 호주 시장의 특수성
호주는 전 세계적으로 AI에 대한 신뢰도가 낮은 편이며 이는 일자리 상실에 대한 두려움과 AI의 환각 현상에 대한 과도한 민감도 때문이다. 사람들은 AI가 30번 잘한 것보다 1번 실수한 환각 현상을 더 오래 기억하며 인간의 실수보다 AI의 실수에 엄격한 잣대를 들이댄다. 하지만 이러한 거부감 때문에 도입을 늦추면 결국 글로벌 경쟁에서 뒤처질 위험이 크다는 점을 인식해야 한다.
- •일자리 상실 우려와 환각 현상에 대한 민감도가 AI 도입의 심리적 장벽임
- •인간의 실수와 AI의 실수를 대하는 비대칭적 평가 기준이 존재함
13:14
에이전트 플랫폼 평가 기준: 제어권과 추적성
KPMG는 에이전트 플랫폼을 평가할 때 멀티 에이전트 시스템 간의 협업을 얼마나 세밀하게 제어할 수 있는지를 가장 중요하게 본다. 특히 결과물이 도출된 과정을 역추적할 수 있는 추적성(Traceability)과 설명 가능성(Explainability)이 대기업 환경에서는 필수적이다. 또한 데이터 주권 문제로 인해 호주 내에서 데이터가 처리되어야 한다는 요구사항과 IP 유출 방지를 위한 오프라인 모델 활용 가능성도 주요 고려 사항이다.
- •멀티 에이전트 협업에 대한 정교한 제어권과 결과 도출 과정의 추적성 요구
- •데이터 주권(Data Residency) 및 기업 지식재산권(IP) 보호를 위한 보안 아키텍처 중시
17:08
미래 전망: 에이전트 간 통신(Agent-to-Agent)의 시대
향후 1~2년 내에 B2B 커뮤니케이션은 에이전트와 에이전트 간의 통신으로 대체될 것이다. 송장 처리, 계약 협상 등 반복적이고 정형화된 비즈니스 소통은 에이전트가 전담하게 되며 인간은 가장 가치가 높고 복잡한 예외 상황만 처리하게 된다. 또한 영업 사이클이 에이전트에 의해 자동화되면서 링크드인 메시지 같은 단순 도달 수단은 의미를 잃고 에이전트 간의 정교한 조달 및 평가 프로세스가 중요해질 것이다.
- •B2B 소통의 주체가 인간에서 에이전트 간 직접 통신으로 전환될 것임
- •영업 및 조달 프로세스가 에이전트 중심으로 자동화되어 비즈니스 효율성이 극대화됨
실무 Takeaway
- AI 에이전트 도입 전 비즈니스 프로세스의 목적과 정확도에 대한 기준을 명확히 정의해야 한다.
- 디지털 전략을 인력 전략의 하위 개념이 아닌 에이전트와 인간이 공존하는 통합 인력 전략으로 재설계해야 한다.
- 상업적 가치 검증을 위해 오픈소스 프레임워크에만 의존하기보다 로우코드 플랫폼을 활용해 프로토타이핑 속도를 높여야 한다.
- 에이전트 간 통신(Agent-to-Agent)이 주도할 미래 비즈니스 환경에 대비하여 조달 및 영업 프로세스를 재검토해야 한다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 22.수집 2026. 02. 21.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.