기업 AI 에이전트(AI Agents) 활용은 최근 가장 주목받는 주제 중 하나입니다. 하지만 동시에 과장된 기대도 존재합니다. 많은 CEO와 리더들은 AI 에이전트가 기업의 미래 경쟁력을 좌우할 것이라 평가하면서도, 실제 적용 단계에서는 여전히 성숙도가 부족하다고 지적하고 계십니다.

오늘은 글로벌 선도 기업인 Block(블록)과 GSK(글락소스미스클라인) 사례를 바탕으로, AI 에이전트를 기업 프로세스에 어떻게 성공적으로 안착시켜야 하는지 살펴보겠습니다. 핵심은 기술을 억지로 맞추는 것이 아니라, 기존의 프로세스와 조화를 이루도록 설계하는 것입니다.

결론

AI 에이전트 도입의 현주소

많은 기업들이 AI 에이전트 도입을 서두르고 있지만, 실제로는 “혁신은 말뿐”이라는 비판도 상당합니다. 가트너(Gartner)는 현재 기업들이 AI 에이전트에 대해 ‘기대 급등기(peak of inflated expectations)’에 진입했다고 분석합니다. 기대가 지나치게 높다 보니 실제 성과가 뒷받침되지 않으면 실망감이 따라올 수 있다는 의미입니다.

그럼에도 일부 기업들은 ‘ROI(Return on Investment) 확보’와 ‘PoC(개념 검증)’ 단계에서 이미 실질적인 성과를 보고 있습니다. 특히 금융, 제약, 연구개발과 같은 데이터 집약적 분야에서 효율성 향상과 정확성 개선이 두드러지게 나타나고 있습니다.

image 6e2291da fc3b 43a8 a467 5194bc6e9a73

Block 사례: 동료처럼 일하는 AI 프레임워크, Goose

핀테크 기업 Block은 Square, Cash App, Afterpay 등 다양한 서비스를 운영하는 곳입니다. 이 회사는 사내에서 ‘Goose’라는 자체 AI 프레임워크를 구축해 4,000명 이상의 엔지니어가 사용하고 있습니다.

Goose의 핵심은 “AI가 하나의 동료처럼 일한다”는 감각입니다. 단순히 여러 챗봇을 병행하는 것이 아니라, 마치 능력 있는 동료가 여러 시스템과 채널을 대신 다뤄주는 경험을 제공합니다.

예를 들어, 엔지니어가 자연어로 요구를 설명하면 Goose가 바로 코드로 구현해주고, 사내 메시지를 요약하거나 새로운 AI 에이전트를 만들어 업무를 확장하기도 합니다. 다양한 시스템과 손쉽게 연결되는 구조 덕분에 개발자들은 실제 업무 시간을 하루 2~3시간 이상 절약했다고 보고하고 있습니다.

프로세스 반영의 중요성: AI를 사람에게 맞추어야 합니다

Block의 사례에서 확인할 수 있는 가장 큰 교훈은, AI 제공 그 자체가 곧 활용으로 이어지지 않는다는 점입니다. 핵심은 기존 프로세스와 얼마나 잘 연동되느냐입니다.

예를 들어, 엔지니어들이 이미 데일리 스탠드업 회의, 이슈 트래킹, 코드 리뷰 같은 프로세스를 운영하고 있다면, AI는 그 과정 속에서 자연스럽게 보조자로 자리 잡아야 합니다. 이처럼 “AI 중심 도입”이 아니라 “프로세스 맞춤형 AI” 전략이 기업의 실제 활용도를 높입니다.

인간 전문가의 역할은 여전히 필요합니다

AI가 자동화와 분석 능력을 강화하고 있지만, 특히 금융·제약처럼 고위험 산업에서는 인간 전문가의 최종 검증이 핵심입니다. 규제와 컴플라이언스를 고려하면 AI가 내놓은 결과물을 전문가가 반드시 점검해야 합니다.

따라서 AI는 전문가를 대체하기보다, 효율성을 높이며 의사결정을 지원하는 보조 도구로 작동해야 합니다.

GSK 사례: 제약 연구에서의 멀티 에이전트 활용

글로벌 제약사 GSK는 방대한 데이터를 다뤄야 하는 신약 개발 과정에서 AI를 적극 활용하고 있습니다.

GSK는 도메인 특화 언어모델과 온톨로지를 결합해 데이터 분석과 실험 설계를 지원하며, 유전체학·단백질학 데이터와 임상 데이터를 동시에 통합해 새로운 치료법 단서를 찾습니다. 예를 들어, 특정 암 환자의 임상 데이터와 유전자 변화를 함께 분석해 잠재적 바이오마커 후보를 발굴하는 데 성공했습니다.

이러한 엔진은 인간 연구자가 감당하기 어려운 데이터 규모를 빠르게 처리해, 연구 주기를 획기적으로 단축하고 있습니다.

AI 에이전트의 한계와 과제

가능성에도 불구하고 해결해야 할 과제도 뚜렷합니다. AI가 존재하지 않는 결과를 만들어내는 ‘환각(hallucination)’ 문제나, 기업마다 제각각인 활용 방식으로 인한 표준화 부재가 대표적입니다. 또한 예기치 못한 오류를 걸러내기 위해 반복적인 테스트가 필요하며, 막대한 컴퓨팅 자원 역시 비용 문제를 야기합니다.

AI 에이전트 도입을 위한 조언

기업이 AI 에이전트를 도입할 때는 전사적 확산보다 작은 PoC부터 시작하는 것이 효과적입니다. 도입 자체보다 중요한 것은 기존 프로세스에 얼마나 자연스럽게 통합되느냐이며, 무엇보다 최종 검증은 전문가가 반드시 수행해야 합니다.

여기에 MCP와 같은 오픈소스 표준을 적극 활용하면 사내 시스템과의 연동성도 확보할 수 있습니다. 마지막으로, 반복적 실험과 학습을 바탕으로 내부 벤치마크를 축적하는 것이 장기적 성과로 이어집니다.

앞으로의 전망: 멀티 에이전트 시대

앞으로의 AI는 단일 에이전트가 아니라, 서로 협력하는 멀티 에이전트 체계로 진화할 가능성이 크습니다. 이때 AI는 단순한 자동화 도구가 아니라, 기업 내 자율적 협업 파트너로 자리매김하게 될 것입니다.

결론

AI 에이전트 도입은 단순한 기술 채택이 아니라, 기존 프로세스와의 정렬이 가장 우선입니다. Block과 GSK 사례에서 보듯, 성공적인 AI 활용은 기술 중심이 아닌 사람과 프로세스 중심의 접근에서 나옵니다.

결국 AI는 인간을 대체하는 존재가 아니라, 지식과 경험을 증폭시키는 동반자입니다. 기업이 이를 어떻게 받아들이느냐에 따라, AI는 효율성과 속도를 높이면서도 인간 중심적 의사결정 구조를 보완하는 핵심 파트너가 될 수 있습니다.

기업 AI 에이전트 도입 전략: 기존 프로세스와의 조화가 핵심입니다