Nova Act: 아마존 AI 에이전트, 웹 자동화의 미래

2025년 3월, 아마존이 ‘Nova Act’라는 이름의 AI 에이전트가 소개하였습니다. 이번 글에서는 Amazon이 선보인 Nova Act의 핵심 기능과 전략적 의미, 경쟁 서비스와의 차별점, 그리고 이 기술이 향후 사용자 경험을 어떻게 변화시킬 수 있는지를 살펴보려 합니다.

Nova Act는 어떤 서비스인가요?

Nova Act는 웹 브라우저를 직접 조작할 수 있는 AI 비서입니다. 사용자가 키보드나 마우스를 사용하지 않고도 음성이나 텍스트로 지시를 내리면, Nova Act가 스스로 웹사이트에 접속해 버튼을 클릭하고, 폼을 작성하며, 필요한 작업을 완료하는 방식입니다.

무엇보다 이 비서는 단순히 질문에 답하는 수준이 아니라, 인간처럼 웹페이지를 탐색하고 이동하며, 실제 브라우저 내에서 행동을 수행할 수 있습니다. 예컨대, “오늘 저녁 7시에 강남역 근처 스시 레스토랑을 예약해줘”라고 명령하면, Nova Act는 주변 레스토랑을 검색하고, 예약 웹사이트에 접속해 시간과 인원수를 입력한 뒤 예약 완료까지 전 과정을 스스로 수행합니다. 기존의 챗봇이나 AI보다 훨씬 더 풍부한 실행력을 갖춘 셈입니다.

아마존 노바 액트

Nova Act를 가능하게 한 기술적 기반

Nova Act는 아마존이 미국 샌프란시스코에 새로 설립한 ‘AGI 랩’에서 개발한 결과물입니다. 이 연구소는 OpenAI 출신인 데이비드 루안과 Covariant 공동 창업자인 피에터 아비엘이 이끌고 있으며, 이름처럼 AGI(Artificial General Intelligence), 즉 인간 수준의 범용 인공지능 구현을 목표로 하고 있습니다.

여기서 탄생한 Nova Act는 정형·비정형 웹 환경 모두에서 반복적인 작업을 정확히 수행할 수 있도록 설계됐습니다. 핵심적인 기술은 ‘Agentic 시스템’입니다. 이는 사용자의 개입 없이도 작업을 조직적으로 계획하고 실행할 수 있도록 만들어졌습니다. 작업 순서를 자동으로 판단하고 최적의 흐름을 구성하는 기능이 내장되어 있어, 복잡한 프로세스도 스스로 처리할 수 있는 것입니다.

또한, 아마존은 Nova Act를 단일 제품에 그치지 않고 플랫폼화하고자 Nova Act용 소프트웨어 개발 키트(SDK)도 공개했습니다. 이를 통해 외부 개발자들도 자신만의 맞춤형 AI 에이전트를 개발할 수 있으며, 다양한 서비스에 연동하여 자체 워크플로우를 자동화할 수 있게 되었습니다.

구체적인 활용 예시로 본 Nova Act

Nova Act는 특히 반복되거나 소규모지만 번거로운 작업들을 빠르게 자동화하는 데 강점을 보입니다. 실제 활용 시나리오를 통해 그 가치를 실감하실 수 있습니다.

예를 들어, “두부, 우유, 달걀 주문해줘”라고 말하면 Nova Act는 아마존 쇼핑몰에 접속한 뒤 제품을 검색하고 가격 대비 품질을 비교해 장바구니에 담고 주문까지 완료합니다. 사용자는 단 한 마디만 하면 됩니다. 또는 “어머니 생신 저녁 예약해줘”라는 요청에도, Nova Act는 사용자의 지역과 선호도를 바탕으로 레스토랑 예약 플랫폼에 접속해 적절한 장소를 찾고 예약을 마무리합니다. 전화 한 통 필요 없이 시간과 수고를 절약할 수 있습니다.

비즈니스 환경에서도 유용합니다. “다음 주 수요일 오전 10시에 김과장과 회의 잡아줘”라고 말하면, 이 비서는 Google Calendar에 접속해 새로운 일정을 생성하고, 관련된 참석자와 일정을 공유합니다. 무심코 던진 음성 명령 하나가 회의 일정을 만들어주는 셈입니다.

Nova Act의 경쟁력은 어디에 있나요?

Nova Act는 최근 등장한 여러 AI 에이전트들과 비교해 다음과 같은 차별화 지점을 갖고 있습니다.

첫째, 웹 브라우징 정확도에서 우위를 보이고 있습니다. 아마존의 자체 테스트에 따르면, Nova Act는 ‘ScreenSpot Web Text’라는 기준에서 94%의 정확도를 기록했습니다. 이는 OpenAI의 Operator(88%)나 Anthropic의 Claude 3.7 Sonnet(90%)보다 높은 수치로, 실제 웹 페이지 내 인터페이스를 인식하고 행동으로 옮기는 정밀도가 뛰어남을 보여줍니다.

둘째, Amazon의 차세대 음성 비서 ‘Alexa+’와 통합되어 있어 사용자 접근성이 뛰어납니다. Nova Act는 단순한 명령어만 수행하는 기존 Alexa를 넘어, 진짜로 웹 브라우저 안에서 동작하는 ‘대행자’ 역할을 수행합니다. 스마트 스피커만 있으면 복잡한 웹 작업까지 음성으로 지시할 수 있게 되는 것입니다.

셋째, SDK 형태로 개발 생태계를 확장하고 있다는 점도 주목할 만합니다. Nova Act SDK는 누구나 접근 가능하며, 이미 많은 개발자와 기업들이 자사의 서비스에 맞는 에이전트를 구축하고 있습니다. 이는 Amazon이 단순한 기술 제공자가 아니라 플랫폼 중심 기업으로 자리매김하려는 전략의 일환이라고 볼 수 있습니다.

Nova Act는 분명 인상적인 진전을 보여주고 있지만, 아직 넘어서야 할 과제도 있습니다. 가장 큰 문제는 ‘작업 지속성’입니다. 초기 단계의 AI 에이전트 대부분이 긴 시간 동안 스스로 작업을 수행하는 데에 한계를 보였고, Nova Act 역시 초기 버전인 만큼 완전한 자율성 확보는 과제로 남아 있습니다.

또 하나의 도전은 ‘도메인 전환’ 문제입니다. 다양한 플랫폼에서 쓰일 수 있는 범용성이 필요한데, 웹사이트 구조나 인터페이스가 예상과 다를 경우 여전히 오작동 가능성이 존재합니다. 예컨대 회원가입 양식처럼 구조가 지역별, 서비스별로 다른 경우에는 실수가 발생할 수 있습니다.

마지막으로, 개인정보 보호와 관련된 우려도 있습니다. 웹 브라우저를 제어하면서 민감한 정보에 접근하게 되는 만큼, 보안 수준이 매우 중요한 기준으로 작용합니다. 특히 자동 결제 기능까지 활성화된다면, 프라이버시 설정과 데이터 보호에 대한 신뢰 확보가 선결 과제입니다.

지금 Nova Act에 주목해야 하는 이유

아마존은 AWS와 Alexa, Amazon Go 같은 혁신적 서비스를 연이어 선보이며 기술 주도 기업의 이미지를 구축해왔습니다. Nova Act는 이러한 혁신의 연장선에 놓인 도구로서, 앞으로 우리가 디지털을 활용하는 방식을 근본적으로 단순화하고 효율화할 가능성이 높습니다.

무엇보다 이 기술은 단기간의 유행을 넘어서, 실제 B2B SaaS 기업이나 전자상거래 플랫폼, 금융·UX 분야까지 도입 논의가 진행되고 있다는 점에서 장기적인 생태계 구축 가능성을 보여주고 있습니다. 결국 이 에이전트는 기업의 생산성과 서비스 경험을 동시에 향상시키는 동반자로 진화하게 될 것입니다.

결론: AI 비서를 넘어 현실 파트너로

Nova Act는 단순한 기술이 아닙니다. 이 AI는 우리가 웹에서 수행하는 수많은 일을 ‘대신’이 아니라 ‘확장된 능력’의 형태로 처리하게끔 설계되어 있습니다. 향후 2~3년 내 Nova Act는 식당 예약부터 정기적인 회계 업무, 계약서 확인에 이르기까지 점점 더 다양한 환경에서 도움을 주는 현실적인 동반자로 진화할 가능성이 큽니다. 그 성공 여부는 AI 기술 이상의 의미를 지니며, 디지털 시대의 업무 처리 방식을 새롭게 정의하는 분기점이 될 것입니다.

따라서 AI, 특히 Agent 기술에 관심 있는 기업이나 리더라면 지금이 바로 Nova Act의 가능성을 바라보고, 자사 서비스나 워크플로우에 어떻게 활용할 수 있을지를 고민해봐야 할 시점입니다.

Nova Act

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

Runway Gen-4: AI 기반 영상 생성 모델의 혁신

미국 뉴욕에 본사를 둔 AI 스타트업 ‘Runway’가 차세대 영상 생성 모델 ‘Gen-4’를 발표한 것입니다. 이번에 소개된 기술은 한층 더 사실적이고 일관성 있는 영상 제작을 가능하게 해, 콘텐츠 산업 전반에 깊은 인상을 남기고 있습니다. 이번 글에서는 Runway Gen-4의 주요 특징과 활용 사례, 그리고 기업과 크리에이터에게 어떤 기회를 가져다 줄 수 있는지 살펴보겠습니다.

AI 영상 생성 기술의 진화: 해결되지 않았던 일관성 문제

AI 기술은 이미 이미지 생성, 음성 합성 등 여러 분야에서 상용화되고 있지만, 영상 생성 분야는 그동안 기술적 제약이 많았던 영역이었습니다. 그 중에서도 가장 큰 어려움은 ‘영상의 일관성’ 문제였습니다.

지금까지의 AI 영상 생성 도구들은 장면 하나하나를 별개로 처리했습니다. 결과적으로 영상 속 인물의 얼굴이 매 컷마다 바뀌거나, 배경이 일관되지 않는 문제가 자주 발생했죠. 마치 여러 사람이 서로 정보를 공유하지 않고 각자 한 장면씩 영화를 만드는 것과 비슷한 수준이었습니다.

Runway Gen-4는 이와 같은 일관성 문제를 기술적으로 상당 부분 해소했습니다. 인물의 얼굴, 표정, 배경 등 시각적 요소 간의 연속성을 확보해, 훨씬 자연스럽고 몰입감 있는 영상을 구현할 수 있게 되었습니다.

runway

Gen-4의 주요 기능: 영상 제작을 위한 디지털 프로덕션 도구로 진화

Gen-4는 단순히 AI 기반 영상 생성기를 넘어, 전문가 수준의 디지털 프로덕션 툴로 발전하고 있습니다. 기술적으로 가장 주목할 만한 세 가지 특징은 다음과 같습니다.

첫째, 장면 간 비주얼 일관성을 유지할 수 있는 능력입니다. 인물의 얼굴 형태나 의상은 물론, 배경 속 사물도 장면이 바뀌어도 자연스럽게 이어집니다. 이는 기존 AI 영상의 가장 큰 단점으로 지적됐던 ‘캐릭터의 변화’를 해결한 요소로 평가받고 있습니다.

둘째, 다양한 각도에서의 촬영 효과를 구현할 수 있습니다. 사용자가 원하는 캐릭터나 배경을 이미지로 입력하고, 추가 설명만 덧붙이면, 여러 앵글에서 일관된 영상이 자동으로 생성됩니다. 마치 한 명의 감독이 카메라를 자유롭게 조작하면서 연속적인 장면을 연출하는 것처럼 느껴집니다.

셋째, 부드러운 움직임입니다. 아직은 5초에서 10초 길이의 짧은 클립에 한정되긴 하지만, 720p 해상도로 출력되는 퀄리티와 더불어 자연스러운 모션이 구현되어 스토리의 흐름을 깨뜨리지 않습니다. 기존 모델 대비 움직임의 경직됨이나 어색함이 현저히 줄어든 점은 창작자에게 매우 유용한 요소입니다.

활용 사례: 짧은 시간 안에 높은 수준의 영상 구현 가능성

Gen-4가 실제로 어떻게 활용되는지 보여주는 사례는 이미 업계에 큰 반향을 일으키고 있습니다. 예를 들어 라는 작품에서는, 마치 할리우드 CG 영화처럼 정교한 동물들이 뉴욕 도심을 활보하는 장면이 탄생했습니다. 이 시각적 충격은 단순 데모 수준을 넘어, AI 영상도 영화급 퀄리티에 도달할 수 있음을 보여준 사례로 주목을 받았습니다.

또 다른 사례 에서는 미스터리한 꽃을 찾아 떠나는 캐릭터들의 여정을 담은 짧은 드라마 형식의 영상이 공개됐습니다. 배경 연출, 인물 표현, 스토리 연계가 뛰어난 완성도를 보여줬으며, 무엇보다 놀라운 점은 이 모든 영상을 일주일도 채 되지 않아 제작했다는 사실에 있습니다. 기존에는 수개월씩 걸리던 작업을 AI 한 대로 해결하는 일이 현실이 되고 있는 셈입니다.

기술적 진화의 축적: Act-One에서 Gen-4까지의 흐름

Runway가 처음부터 이 수준의 기술을 구현한 것은 아닙니다. 2024년 이후 발표된 몇 가지 모델이 오늘의 Gen-4 탄생을 위한 기반이 되었습니다. 2024년 10월에 발표된 ‘Act-One’은 스마트폰 카메라만으로 사용자의 표정을 실시간으로 AI 캐릭터에 반영할 수 있는 기술이었습니다. 특히 애니메이션 창작자와 게임 개발자들에게 적지 않은 인기를 끌었습니다.

이어 2024년 11월에 나온 ‘Gen-3 Alpha Turbo’는 카메라의 앵글 전환, 줌 인/아웃 시에도 인물의 체형과 스타일이 유지되는 기능을 제공했습니다. 이 기능 덕분에 스토리 흐름 중 아무리 시점이 바뀌더라도 일관성이 유지되는 촬영이 가능해졌죠.

이러한 기술의 연속적 축적이 결국 ‘Gen-4’라는 완성형 영상 생성 모델을 가능하게 한 것입니다. Runway는 단순 기능 향상을 넘어서, 영상 제작 전체 과정—기획부터 촬영, 후반 편집까지—를 AI 기반에서 구현 가능한 프로덕션 파이프라인으로 구축해 나가고 있는 중입니다.

기업 전략과 협업: 헐리우드와의 만남, 그리고 시장 확대

Runway는 기술력뿐 아니라 비즈니스 측면에서도 빠르게 진화하고 있습니다. 대표적으로 영화 제작사 Lionsgate와의 협업을 들 수 있습니다. Runway는 2만 편 이상의 기존 영상 콘텐츠를 기반으로, 새로운 AI 영상 생성 모델을 공동 개발 중입니다. 이는 기존 자산을 기반으로 새로운 수익 모델을 창출할 수 있는 혁신적 접근입니다.

한편, 최대 100만 달러를 지원하는 ‘Hundred Film Fund’ 펀딩 프로그램도 운영 중입니다. 이를 통해 자금이 부족한 독립 창작자들도 대형 프로젝트에 도전할 수 있는 환경이 조성되고 있습니다.

시장 분석에 따르면 Runway는 2025년까지 연 매출 3억 달러 달성을 목표로 하고 있으며, 기업 대상 API 제공과 B2B 시장 확대를 통해 빠르게 실적을 끌어올릴 계획입니다. 기업가치는 약 40억 달러 수준으로 평가받고 있으며, 앞으로의 성장세를 주목할 필요가 있습니다.

AI 기술이 불러올 산업 변화: 기회와 우려의 공존

새로운 기술은 언제나 기회를 제공하는 동시에, 기존 산업의 변화를 요구합니다. Runway의 사례 역시 예외는 아닙니다.

가장 큰 우려 중 하나는 기존 영상 제작 일자리의 감소입니다. 2024년 애니메이션 길드 보고서에 따르면, AI를 도입한 제작사 가운데 75%가 관련 인력을 감축하거나 병합한 것으로 나타났습니다. 미국 내에서만 2026년까지 약 10만 개의 영상 관련 일자리가 사라질 것이라는 예측도 나옵니다.

또한 저작권 문제도 해결이 필요한 이슈입니다. AI가 특정 예술가의 스타일을 모방하거나, 무단으로 학습하는 사례는 논란이 되고 있습니다. 실제로 OpenAI가 지브리(Ghibli) 스타일의 이미지를 대량 생성한 이후, 창작자들의 법적 문제 제기가 이어졌습니다. Runway 역시 학습에 사용한 데이터에 대해 투명성을 요구받고 있는 상황입니다.

이러한 점에서 볼 때, AI 영상 기술은 독립 창작자들에게는 큰 기회이지만, 전통 스튜디오나 제작사 입장에서는 전략적 대응과 구조 조정이 불가피한 변화의 시기를 맞이하고 있습니다.

결론: 이야기의 힘은 여전히 인간에게 있다

기술이 아무리 진보해도 진짜 중요한 경쟁력은 ‘무엇을 만들 것이냐’의 질문에서 시작합니다. AI가 누구나 고퀄리티 영상을 손쉽게 생성할 수 있는 도구가 된 지금, 선택의 기준은 ‘기술’이 아니라 ‘이야기’입니다.

누구나 영상을 만들 수 있는 시대에는 ‘상상력’과 ‘창의성’이 기업과 크리에이터의 핵심 자산이 됩니다. 결국 기술 자체는 감동을 줄 수 없지만, 그 기술을 수단으로 활용할 줄 아는 사람만이 사람의 마음을 움직이는 콘텐츠를 만들 수 있습니다.

Runway Gen-4는 단순한 영상 툴을 넘어, 콘텐츠 산업 전체의 흐름을 바꿔나가고 있습니다. 기업과 크리에이터 모두, 이 기술을 어떻게 전략적으로 활용하고, 그 안에서 어떤 이야기를 할 것인지에 따라 향후 경쟁력이 결정될 것입니다. 지금은 기술보다 사람이 더 중요한 시대이며, 결국 이야기가 미래를 이끈다는 사실을 다시금 상기할 때입니다.

Runway Gen-4

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

2025년 생성형 인공지능(Gen AI) 투자 전략: CIO/CTO를 위한 가이드

2025년, 인공지능(AI) 분야에서 가장 주목받는 키워드는 단연 ‘생성형 인공지능(Generative AI)’입니다. 이미 많은 기업들이 실험적으로 도입해오던 이 기술은 이제 본격적인 상용화 국면에 접어들고 있습니다. 글로벌 시장조사기관인 Gartner는 2025년 전 세계 Gen AI 관련 지출이 6,440억 달러에 이를 것이라고 전망했습니다.

이번 글에서는 Gartner 보고서를 바탕으로, 2025년 Gen AI 지출의 주요 흐름과 기업이 주목해야 할 기술 영역, Gen AI 프로젝트가 실패하는 주요 이유, 그리고 이를 실제 경영 전략에 어떻게 연결할 수 있을지를 하나씩 짚어보겠습니다.

Gen AI 투자는 어디를 향해 가고 있을까요?

Gartner의 보고서에 따르면, 2025년 Gen AI에 대한 전 세계 지출은 2024년보다 76.4% 증가해 6,440억 달러에 도달할 전망입니다. 이는 AI가 단순한 부가 기술을 넘어, 기업 IT 전략의 중심으로 떠올랐다는 것을 보여주는 지표입니다. 이처럼 AI가 조직 내 전사적으로 적용되기 시작하면서, 기업들은 보다 체계적인 전략과 투자 방향을 고민하게 되었습니다.

Gen AI 투자에서 흥미로운 점은 지출의 대부분이 예상과 달리 ‘하드웨어’에 집중되고 있다는 점입니다. Gartner에 따르면 전체 Gen AI 지출 중 약 80%가 하드웨어 관련 분야에 투입될 예정입니다. 세부 항목을 보면, 디바이스는 전년 대비 약 99.5% 늘어난 3,983억 달러, 서버는 33.1% 증가한 1,806억 달러로 집계됩니다. 반면, 소프트웨어와 서비스는 각각 372억 달러, 278억 달러 수준에 머무르고 있습니다.

이 수치만 보면, 많은 사람들이 기대했던 것과는 정반대 방향일 수 있습니다. AI라고 하면 대부분 데이터 분석 플랫폼이나 알고리즘을 떠올리지만, 실제로는 물리적 인프라에 대한 수요가 더 빠르게 확대되고 있는 셈입니다. 이는 최근 AI 기능이 PC, 스마트폰, IoT 기기 등 다양한 디바이스에 기본으로 내장되면서, 하드웨어가 곧 AI 경험의 시작점이 되고 있음을 의미합니다.

Gen AI

AI 기능은 이제 ‘선택’이 아니라 ‘기본값’이 되고 있습니다

Gartner 수석 애널리스트인 존 러블록(John Lovelock)은 이 같은 변화를 ‘공급 주도의 변화’라고 명확히 표현했습니다. 그는 “소비자나 기업이 AI 기능이 탑재된 제품을 의도적으로 선택하는 것이 아니라, 제조사들이 기본 내장 방식으로 AI를 탑재하고 있고, 이러한 공급이 시장 전체를 움직이고 있다”고 말합니다.

이러한 흐름이 강화되면, 2027년쯤에는 AI 기능이 없는 PC를 찾는 것이 오히려 더 어려워질 수 있습니다. 기업이 새로운 서버나 기기를 도입할 때도 별도로 AI 기능을 고려할 필요가 없을 만큼, 모든 제품군에서 AI가 자연스럽게 제공될 가능성이 큽니다.

실제로 Dell과 HP와 같은 글로벌 제조사들은 최신 PC 모델에 AI 기반 코파일럿 기능을 기본으로 탑재하고 있으며, 서버 제품군에서도 스마트 NIC, AI 가속기 등 다양한 AI 최적화 장비들이 포함된 형태로 제공되고 있습니다. 기업의 기술 도입 방식이 ‘선택’이 아니라, ‘기본 포함’으로 바뀌고 있는 것입니다.

소프트웨어 지출 비중이 의외로 낮은 이유는 무엇일까요?

AI 도입이라고 하면 대부분 소프트웨어 중심이라고 생각하기 쉽습니다. 그러나 실제 Gartner 수치에서 소프트웨어 관련 지출은 전체의 극히 일부를 차지합니다. 이유는 간단합니다. AI가 이제는 ‘별도 도입’이 아니라 ‘내장된 기능’으로 확산되고 있기 때문입니다.

대표적인 예가 마이크로소프트의 Office 365에 내장된 Copilot입니다. 또는 Notion의 글쓰기 보조 기능, Salesforce의 Einstein AI 등도 이에 해당합니다. 이들 기능은 독립 소프트웨어가 아닌, 기존 사용 툴에 자연스럽게 녹아있는 형태로 제공됩니다. 이와 같은 흐름은 사용자의 학습 부담을 줄이고, 도입 속도를 빠르게 만들어주기 때문에 기업 입장에서 효율적인 전략이 될 수 있습니다.

실패하는 Gen AI 프로젝트에는 공통된 패턴이 있습니다

기업들이 앞다퉈 AI 투자를 확대하고 있지만, 모든 프로젝트가 성공하는 것은 아닙니다. 오히려 일부 기업들은 기대 이하의 결과를 경험하며 전략을 재검토하기도 합니다. Gartner는 이러한 실패의 주요 원인을 세 가지로 정리했습니다.

첫 번째는 ‘데이터 품질 부족’입니다. 많은 기업들이 자신들이 많은 데이터를 보유하고 있다고 생각하지만, 실제 Gen AI는 데이터의 양보다 질에 더 민감하게 반응합니다. 정제되거나 라벨링이 부족한 데이터는 AI가 잘못된 판단을 하게 만들 수 있습니다. 예를 들어, 한 유통회사가 고객 데이터를 기반으로 챗봇 서비스를 도입했으나, 응답 오류율이 무려 50%에 달해 프로젝트를 전면 중단했습니다. 알고 보니 비구조적인 데이터와 불균형한 라벨링이 원인이었습니다.

두 번째는 ‘조직 내부의 저항’입니다. 기술은 빠르게 변화하지만, 현업 구성원들의 업무 방식은 쉽게 바뀌지 않습니다. 한 제조기업의 경우, AI 기반의 비디오 분석 시스템을 도입했으나, 기존 수기 방식에 익숙한 현장 작업자들의 저조한 사용률로 인해 투자 대비 효과가 거의 나타나지 않았습니다.

세 번째는 ‘ROI 입증의 실패’입니다. 파일럿 프로젝트를 거친 후, 그 효과와 성과를 경영진에게 입증하지 못한다면 대부분의 AI 도입은 큰 힘을 얻지 못합니다. 단순히 “우리는 AI를 쓴다”는 말로는 예산을 확보할 수 없는 시대입니다. 핵심은 정량적이고 객관적인 성과 지표입니다. 투자 대비 절감 효과, 업무 생산성 향상, 고객 만족도 상승 등 구체적인 수치로 결과를 제시해야 합니다.

자체 개발보다 상용 솔루션으로, 전략적 전환이 필요합니다

과거에는 기업들이 자체적으로 AI 역량을 개발하고 플랫폼을 구축하려는 시도를 많이 했습니다. 그러나 최근에는 높은 기술 장벽과 인재 확보의 어려움, 고비용 문제로 인해 상용 솔루션을 활용하는 사례가 늘고 있습니다. 특히 SaaS 기반으로 제공되는 Gen AI 솔루션은 빠른 도입과 안정적인 ROI 측면에서 주목받고 있습니다.

Gartner는 이러한 변화가 2025년을 기점으로 더욱 가속화될 것으로 내다보고 있습니다. 실제로 Deloitte 조사에 따르면 상용 Gen AI 솔루션을 도입한 기업 중 74%가 프로젝트에서 기대 이상의 성과를 거둔 것으로 나타났습니다.

기업이 참고할 만한 상용 솔루션은 다양합니다. 예를 들어 Microsoft, Google, Salesforce, Adobe는 이미 다양한 SaaS 기반 AI 기능을 제공하고 있으며, SAP와 Oracle의 경우 ERP 시스템에 AI 기능을 통합해 제공하고 있습니다. 클라우드 인프라 측면에서는 AWS, Google Cloud Platform, Azure 등에서 AI 툴킷과 플랫폼을 통해 안정적인 성능과 보안 환경을 제공합니다.

지금 기업이 추진할 수 있는 다섯 가지 실행 전략

Gartner 보고서를 통해 도출할 수 있는 실행 전략은 다음과 같습니다. 우선, AI가 단순한 유행이 아니라 기업 성장을 결정짓는 기준이 되고 있다는 점을 분명히 인식해야 합니다.

첫째, 예산 배분 구조를 재정비해야 합니다. 특히 하드웨어 중심의 투자가 필수로 자리 잡고 있으므로, AI 디바이스, 가속기, 서버에 대한 투자를 늘리는 것이 중요합니다.

둘째, 신규 프로젝트보다는 기존 시스템 내 AI 기능을 통합하는 방식이 ROI를 입증하기에 유리합니다. 별도의 개발보다는 기존 툴 속에 자동화된 AI 기능을 삽입해 바로 체감 효과를 얻는 접근이 효율적입니다.

셋째, 조직 전체의 AI 인식 수준도 개선되어야 합니다. 특히 전사 교육, 직무 맞춤형 워크숍 등을 통해 ‘기술 도입’보다는 ‘활용 역량 강화’에 집중해야 합니다.

넷째로는 데이터 전략입니다. 단순 수집이 아니라 라벨링, 체계화, 최신성 유지 등 데이터 엔지니어링 역량을 동시에 확보해야 합니다.

마지막으로, 평가 지표 설정이 빠질 수 없습니다. AI 도입 이후 어떤 지표를 통해 성과를 판단할 것인지를 사전에 명확하게 정리해야 장기적인 투자 설득이 가능합니다.

결론: 기술보다 전략이 AI 성공을 좌우합니다

Gartner의 예측은 우리에게 매우 중요한 교훈을 제시합니다. AI 도입 여부보다 더 중요한 것은, ‘어떻게’ ‘왜’ ‘무엇을 위해’ 도입할 것인가에 대한 전략적 사고입니다. AI는 기술의 문제가 아니라, 기업 비전과 역량을 연결하는 전략 과제입니다.

무작정 도입한다고 성공이 보장되지 않습니다. 필요한 것은 조직 전체가 공감하고 실행할 수 있는 전략적 로드맵입니다. 지금이 바로, AI를 ‘도입할지 말지’가 아니라, ‘어떻게 제대로 도입할 것인가’를 고민할 시점입니다. 선택은 더 이상 막을 수 없는 흐름입니다. 하지만 실행의 방식은 충분히 전략적으로 결정해야 합니다. AI는 도구가 아니라, 새로운 경쟁력입니다.

생성형 인공지능

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .