AX 100배의 법칙 - 102 / 7 페이지 - AX(AI Transformation), Digital Transformation

금융 AI: Claude for Financial Services 출시와 수직 AI 전략의 시작

인공지능(AI)이 범용을 넘어 특정 산업을 위한 맞춤형 플랫폼 출현으로 이어지고 있습니다. 특히 엄격한 규제가 적용되는 금융 산업에서는 데이터 보안, 정확성, 업무 효율을 동시에 충족해야 하는 특성이 있습니다. 이 때문에 범용 AI 모델로는 한계가 명확하게 드러날 수밖에 없습니다. 이런 맥락에서 Anthropic은 금융 분야에 특화된 인공지능 플랫폼 ‘Claude for Financial Services’를 발표하며, 수직 AI(Vertical AI), 즉 금융 AI 시장에 본격적으로 진입했습니다.

이 글에서는 Claude for Financial Services가 기존 Claude Enterprise와 어떻게 다른지, 금융업계는 이 기술을 통해 어떤 변화를 기대하고 있는지, 살펴보려고 합니다.

Claude for Financial Services란 무엇인가?

Claude for Financial Services는 Anthropic이 기존 Claude Enterprise를 기반으로 금융 산업에 특화하여 확장한 인공지능 모델입니다. 기존 제품의 성능을 유지하면서도 금융 업무에 직접 적용할 수 있도록 기능이 강화되었습니다.

Anthropic의 금융 부문 총괄을 맡은 조너선 펠로시(Jonathan Pelosi)는 “Claude는 본래부터 복잡한 금융 업무에 적합했지만, 지금은 아예 금융 산업 전용으로 별도 모델을 개발했다”고 밝혔습니다. 이는 이미 금융 업계에서 Claude의 사용이 활발히 이루어지고 있었으며, 이를 보다 체계적이고 전문적으로 지원하려는 의도라 볼 수 있습니다.

강화된 기능과 차별화된 요소들

Claude for Financial Services는 기존 Claude Enterprise 대비 몇 가지 측면에서 기능이 크게 향상되었습니다. 특히 데이터를 활용하는 방식, 분석 도구의 편의성, 그리고 업무 효율성 측면에서 두드러진 차이를 보입니다.

첫째, 이 플랫폼은 FactSet, PitchBook, S&P Capital IQ, Morningstar 등 주요 금융 데이터 제공업체와 사전 연동되어 있어, 사용자가 별도 API 설정 없이 데이터를 바로 불러올 수 있습니다. 가령, 자산운용사 애널리스트가 특정 산업군의 10-K 보고서를 분석하려 할 때 별도의 수작업 없이 Claude가 문서를 불러오고 요약 및 해석까지 처리해줍니다. 이로써 데이터 수집에 쓰이는 시간과 리소스를 크게 줄일 수 있습니다.

둘째, Claude는 금융 분석에 특화된 ‘프롬프트 라이브러리’를 함께 제공합니다. 금융 전문가는 종종 원하는 질문을 AI에 정확히 전달하는 데 어려움을 겪는데, Anthropic은 이러한 사용자의 시행착오를 줄이기 위해 분석 목적에 따라 사전에 준비된 명령어 예시를 제공합니다. 예를 들어, ‘SaaS 기업의 ARPU(고객당 평균 수익) 변화 분석’과 같은 복잡한 분석도 표준화된 프롬프트를 활용해 쉽게 요청할 수 있습니다. 이 기능은 실제 사용자들의 피드백을 반영해 지속적으로 개선되며, 업종별 전문성을 반영할 수 있는 기반이 됩니다.

셋째, 금융 업계는 수많은 데이터를 다루기 때문에 AI 처리 한도에 자주 도달하는 문제가 있었습니다. Claude for Financial Services는 요청량, 응답 길이 등의 제한을 대폭 완화하여 대규모 데이터 분석도 문제없이 수행할 수 있게 했습니다. Anthropic은 기존 고객들이 복잡한 퀀트 분석 작업 수행 중 제한값 때문에 어려움을 겪는 경우가 많았다는 점에 착안해 이 부분을 개선했다고 밝혔습니다.

수직 AI 플랫폼 도입 시 고려해야 할 점

AI 기업들이 산업별 맞춤 솔루션을 출시를 고려하고 있지만, 금융 산업처럼 규제가 강한 분야에서는 도입 시 여러 사항을 고려해야 합니다.

우선, 데이터 보안과 고객확인(KYC) 규정의 준수가 반드시 따라야 합니다. Claude for Financial Services는 MCP(Multi-Company Platform)를 통해 여러 조직 간 AI 에이전트가 데이터를 공유하도록 설계되어 있지만, 여전히 모든 금융 기관이 이 구조를 선뜻 받아들이는 것은 아닙니다. KYC나 사용자 인증 같은 컴플라이언스 요건을 완전히 충족하지 못한다고 보는 시각도 있습니다. Anthropic은 이에 대해 향후 인증 체계를 강화해 보완할 계획임을 밝혔습니다.

또한, 보수적인 기업 문화로 인해 도입 속도에 차이가 나기도 합니다. 보안팀의 사전 점검, 내부 감사 절차, 법무 검토 등 시간이 소요되는 단계들이 많기 때문입니다. 이를 고려해 Anthropic은 Claude를 설치형(On-Premise) 환경에서도 사용할 수 있도록 지원하고 있습니다.

조너선 펠로시는 “기존 Claude Enterprise 사용자가 반드시 금융 서비스 버전으로 전환할 필요는 없다”면서, “그러나 더 많은 기능과 혜택을 원하는 고객에게는 충분한 선택지를 제공하고 있다”고 설명했습니다.

수직 AI는 금융 산업의 미래인가?

Claude for Financial Services의 출시는 단순한 기능 개선을 넘어, AI 산업 전반에 중요한 흐름 변화를 보여주는 사례입니다. 수직 AI는 다양한 산업에 자동 적용되는 범용 모델 대신, 각 산업의 업무 방식과 요구사항에 맞춘 구조로 설계됩니다.

이런 전략은 자체적인 AI 인프라 구축이 어려운 금융 기관이나 국부펀드, 사모펀드 등에게 특히 유용합니다. 이미 정제된 데이터를 활용할 수 있고, 별도 전문 인력이 없어도 바로 업무에 투입할 수 있는 점에서 진입 장벽을 낮춰주기 때문입니다.

향후 Claude의 확장 가능성

Anthropic은 이번 금융 산업에 특화된 Claude 모델이 성과를 거둘 경우, 의료, 법률, 제조와 같은 다른 고규제 산업으로도 영역을 확장할 계획입니다. 이들 분야 역시 방대한 문서 기반 업무와 높은 정확성, 보안 요건을 갖추고 있어 수직 AI가 특히 효과적일 수 있습니다.

최근에는 실제로 Claude가 노션(Notion), 피그마(Figma), 스트라이프(Stripe) 등 주요 파트너 서비스와 직접 연동되는 기능도 제공되기 시작했습니다. 이를 통해 다양한 업무 도구들과의 호환 범위도 넓히고 있습니다.

결론: 금융 AI 활용의 새로운 패러다임

금융 산업은 그 특성상 AI 도입이 쉽지 않은 분야입니다. 그러나 Claude for Financial Services는 금융 업무에 특화된 보안, 정확도, 사용자 설정 기능 등을 갖추고 있어 이 같은 장벽을 효과적으로 넘을 수 있는 솔루션으로 평가받고 있습니다.

이미 주요 금융 기관이 Claude를 실제 업무에 도입 중이며, 이러한 수직 AI가 머지않아 업계 표준으로 정착할 가능성도 있습니다.

AI 도입을 고민하면서도 자원과 보안 문제로 망설였던 기업이라면, Claude for Financial Services가 실질적인 대안이 될 수 있습니다. 지금이 바로 산업 특화 AI 전략을 수립할 적기입니다.

AI 에이전트 도입, 예상 뛰어넘는 속도로 확산 중

이제 AI는 단순한 실험 단계를 넘어 본격적으로 기업 현장에 적용되고 있습니다. 특히 ‘AI 에이전트(Agentic AI)’라고 불리는 자율적 AI 시스템이 실제 운영 단계에 접어들면서 산업 전반에 큰 변화를 일으키고 있습니다.

2025년 미국 샌프란시스코에서 열린 VB Transform 컨퍼런스에서는 이러한 변화가 기업 전반에 얼마나 빠르게 확산되고 있는지 구체적인 데이터와 함께 확인할 수 있었습니다. 해당 컨퍼런스를 통해 공유된 네 가지 주요 인사이트를 중심으로, AI 도입이 기업에 어떤 실질적인 영향을 미치는지 살펴보겠습니다.

AI 에이전트 실전 투입 가속화: 이미 많은 기업이 사용 중입니다

과거 기업에서 AI는 주로 데이터 분석, 챗봇, 고객 응대 자동화 등 제한적인 분야에 활용됐습니다. 하지만 지금은 단순한 지원 도구가 아닌, 특정 업무를 주도적으로 수행하는 ‘에이전트형 AI’가 실제로 운영되고 있습니다. 특히 그 도입 속도가 예상보다 훨씬 빠르게 전개되고 있는 점이 인상적입니다.

컨퍼런스 직전에 벤처비트(VentureBeat)가 실시한 설문조사에 따르면, 직원 수 1,000명 이상인 기업 중 68%가 이미 AI 에이전트를 구축한 것으로 나타났습니다. 이 수치가 과장된 듯 보일 수 있지만, KPMG의 별도 조사 역시 이를 뒷받침합니다. KPMG 자료에 따르면 2024년 말까지 11%에 불과했던 도입률이 단 두 분기 만에 33%로 상승했습니다. 3배 이상 증가한 셈입니다.

예를 들어, 회계 소프트웨어로 잘 알려진 Intuit는 AI 에이전트를 통해 송장 발행과 결제 요청 과정을 자동화했습니다. 이 AI는 기업이 평균적으로 결제를 5일 더 빨리 받을 수 있도록 도와줬으며, 완납률도 약 10% 향상시켰다고 보고됐습니다. 이런 결과는 어느 산업군에서든 주목할 만한 투자 대비 효과로 평가됩니다.

또한 LinkedIn, Capital One, Highmark Health 등 다양한 산업의 선도 기업들 역시 AI 에이전트를 도입해 고객 응대, 내부 정보 흐름 관리, 운영 자동화 등 다양한 영역에서 실제 성과를 내고 있습니다.

멀티 모델, 멀티 클라우드 전략으로 전환 중인 기업들

AI 서비스의 접근 방식 또한 변화하고 있습니다. 과거에는 성능이 우수한 대형 언어 모델(LLM)을 보유한 소수의 기술기업, 예를 들어 OpenAI, Google, Meta 등이 유일한 선택지였지만, 지금은 상황이 다릅니다. 많은 기업들이 멀티 모델, 멀티 클라우드 전략으로 전환해 다양한 옵션을 혼합해 사용하는 방식으로 유연성을 확보하고 있습니다.

IBM AI 플랫폼 부문 부사장인 아르망 루이즈는 “이제 하나의 모델만 사용하는 시대는 지났다”고 강조합니다. IBM은 자사 오픈소스 모델 외에도 타사 모델을 손쉽게 통합할 수 있는 게이트웨이 시스템을 개발해 기업이 필요에 맞는 모델을 자유롭게 선택할 수 있도록 지원하고 있습니다.

또한 Zoom은 자체 개발한 AI 모델, 외부 파트너 모델, 그리고 고객이 생성한 맞춤형 모델을 모두 수용할 수 있는 세 단계 전략을 채택해 기술 역량을 강화하는 동시에 고객의 요구에도 유연하게 대응하고 있습니다.

이와 함께, AI 도입의 장애 요소 중 하나였던 하드웨어 자원 문제도 다양한 기술 기업들이 대응하고 있습니다. 예를 들어 Solidigm은 AI 연산에 특화된 스토리지 및 메모리 솔루션을 제공함으로써 시스템 병목 현상을 완화하고 있습니다.

실질적 문제 해결에 집중하는 기업들, AGI는 관심 밖입니다

언론과 일부 기술 리더들은 여전히 범용 인공지능(AGI)에 주목하고 있지만, 실제 기업 현장의 관심은 훨씬 현실적인 과제에 집중되어 있습니다. 대부분의 기업은 아직 먼 미래의 기술보다 지금 해결할 수 있는 구체적인 문제에 초점을 맞추고 있습니다.

높은 만족도를 얻고 있는 사례 중 하나는 미국 의료서비스 기업 Highmark Health입니다. 이 회사는 영어에 익숙하지 않은 고객과 효과적으로 소통하기 위해 다국어 대응 AI를 도입했으며, 의료 청구의 자동화 시스템도 함께 구현해 고객 응대 품질과 운영 효율을 동시에 높이고 있습니다.

금융 기업 Capital One은 리스크 평가, 감사, 대출 매칭 등 여러 업무에 특화된 AI 에이전트를 도입해 부서별 업무 단위로 나뉘어 운영하고 있습니다. 이 AI들은 인간 팀원처럼 개별 업무에 최적화된 책임을 가지고 작동합니다.

여행 업계에서도 변화가 두드러지고 있습니다. Expedia, Kayak 등은 “자연광이 좋은 오션뷰 숙소 찾아줘” 같은 자유로운 언어 표현을 해석해 검색 결과를 제시하는 AI 기반 검색 기능을 개발 중입니다. 이는 기존 키워드 기반 검색 방식보다 훨씬 직관적인 사용자 경험을 제공합니다.

소형 팀 중심의 개발 문화로 전환: 모두가 AI 매니저가 되는 시대입니다

AI 도입이 가속화되면서 기업 내 팀 구조와 업무 방식 또한 빠르게 변화하고 있습니다. 예전에는 대규모 팀이 장기간 프로젝트를 추진했지만, 현재는 소규모 팀이 빠르게 테스트하고 결과를 측정하는 방식이 보편화되고 있습니다. 이런 전환에는 AI 기술의 빠른 발전이 큰 영향을 미쳤습니다.

AI 개발 도구를 제공하는 Windsurf의 최고경영자 바룬 모한은 “3~4명의 소형 팀이 빠르게 아이디어를 검증하고 반복하는 구조가 가장 이상적”이라고 설명합니다. 이처럼 빠른 검증과 실험이 가능해지면서, 소속 부서나 직무와 관계없이 누구나 AI 프로젝트를 주도할 수 있는 구조가 형성되고 있습니다.

이러한 흐름은 AI 전문 엔지니어 중심의 개발 문화를 넘어, 일반 직원들도 직접 AI 기능을 설계하고 적용하는 방향으로 확장되고 있습니다. GitHub, Atlassian, AWS 등은 ‘AI 매니저’라는 새로운 직무를 통해 다양한 구성원이 AI 운영에 참여할 수 있도록 하고 있습니다.

한편, Anthropic의 클로드(Claude) 제품 책임자인 스콧 화이트는 개발자가 아니면서도 실제 환경에서 작동 가능한 AI 기능을 구축한 경험을 공유하며, AI 개발의 진입장벽이 점점 낮아지고 있다는 점을 강조했습니다.

이와 같은 변화는 ‘작게 시작해 빠르게 실험하라’는 철학에도 기반합니다. AI 분야의 권위자인 앤드류 응 교수는 “초기에는 폐쇄된 환경에서 자유롭게 실험하고, 실질적 가치가 입증된 후에 거버넌스를 적용하라”고 조언합니다. 이는 실패를 두려워하지 않고 유연한 실험 문화를 채택하는 것이 중요하다는 의미입니다.

결론: 기업용 AI의 미래는 이미 현실입니다

AI 에이전트는 더 이상 미래 예측의 대상이 아닙니다. 이미 수많은 기업들이 AI 에이전트를 현업에 투입해 구체적인 성과를 내고 있으며, 이에 따른 확산 속도는 꾸준히 더 빨라지고 있습니다. 각종 조사 결과, 도입률, 예산 배정, 고객 서비스 향상 지표까지 모든 요소가 이를 뒷받침합니다.

이처럼 AI 기반 업무 전환이 가속화되고 있는 지금, 선제적으로 대응한 기업들은 이미 시장에서 우위를 확보하기 시작했습니다. 반면, 아직 준비가 되지 않은 기업들은 빠르게 배우고 경험을 축적해야 할 시점입니다. 실험이 곧 경쟁력이라는 사실은 이제 명확해지고 있습니다. 빠르게 시도하고, 작게 시작하되, 꾸준히 확장해가는 전략이 지금 필요한 접근 방식입니다.

참고

Atlassian이 바꿔나가는 미래 업무의 패러다임: 에이전트 기반 AI 문화 구축 전략

2025년 VentureBeat Transform 행사에서 Atlassian의 사장 아누 바라드와즈(Anu Bharadwaj)는 AI가 미래 업무 방식과 조직 문화를 어떻게 근본적으로 바꾸고 있는지를 소개했습니다. Atlassian은 단순한 자동화나 소프트웨어 도구의 개선이 아닌, 모든 구성원이 자유롭게 에이전트를 만들고 협업할 수 있는 실험 중심 문화를 지향하고 있습니다.

이번 글에서는 Atlassian이 어떻게 수천 개의 맞춤형 AI 에이전트를 구축해 왔는지, 그리고 그것이 팀워크와 실험 문화, 나아가 심리적 안정성과 어떻게 연결되고 있는지를 살펴보겠습니다.

미래 업무, AI 도입의 핵심은 기술이 아니라 문화다

많은 기업들이 AI 도입을 기술 과제로 접근합니다. 경영진 주도로 특정 AI 툴을 일괄 배포하고, 내부 교육으로 사용자 적응을 유도하는 방식이 일반적입니다. 하지만 Atlassian은 이와는 전혀 다른 접근을 택했습니다.

아누 바라드와즈 사장은 AI의 도입이 단지 첨단 기술의 적용이 아니라, 개개인이 자신의 역할과 문맥 속에서 실험하고 개선할 수 있는 문화적 기반을 마련하는 것이라고 강조합니다. Atlassian에서는 실제로 개발자뿐만 아니라 비개발자도 자신이 직면한 문제를 해결할 수 있도록 맞춤형 AI 에이전트를 직접 만들고 있습니다.

이러한 방식은 구성원 개개인이 AI 기술에 능동적으로 참여하도록 유도하며, 조직 전반에 걸쳐 AI 실험과 활용이 자연스럽게 확산될 수 있는 환경을 조성합니다.

실험을 통한 학습: 실패를 수용하는 조직 문화의 중요성

AI는 정형화된 문제 해결에는 강력하지만, 예측하기 어려운 상황에서는 끊임없는 실험과 개선이 필요합니다. Atlassian은 이 과정에서 ‘실패’를 수용하는 문화를 가장 중요한 가치로 삼고 있습니다.

바라드와즈 사장은 직원들이 자유롭게 시도하고, 실패하고, 다시 도전하는 과정을 격려한다고 말합니다. 이는 단지 용인하는 정도가 아니라, 실패를 다음 성공의 토대로 활용하는 사고방식입니다.

이를 실현하기 위해 Atlassian은 Rovo Studio라는 전용 플랫폼을 운영하고 있습니다. 이곳은 팀원들이 자유롭게 자신만의 AI 에이전트를 설계하고 실험할 수 있도록 만든 ‘디지털 실험실’ 같은 공간입니다. 여기에 실험 데이터를 보호할 수 있는 보안 기능도 함께 적용하여, 안전성과 자유로운 실험을 동시에 보장하고 있습니다.

Rovo Studio: 누구나 에이전트를 만드는 시대

Rovo Studio는 Atlassian이 내부 실험을 조직문화로 정착시키는 데 있어서 핵심 역할을 하고 있는 플랫폼입니다. 코딩 지식이 없는 직원도 자연어 명령만으로 AI 에이전트를 만들 수 있고, 기술적인 깊이를 원하는 개발자들은 별도의 플랫폼(Forge)을 통해 세밀한 제어 기능을 추가할 수 있습니다.

실제로, 한 건설 기업은 일정 관리 에이전트를 개발해 업무 시간을 약 75% 줄였으며, 글로벌 출판사 하퍼콜린스는 에이전트를 문서 검토에 활용해 수작업을 네 배 이상 줄였습니다.

이러한 사례는 AI가 단순히 특정 기능을 자동화하는 데 그치지 않고, 조직 전반의 일 처리 방식 자체를 혁신하고 있다는 점을 보여줍니다.

팀워크의 재정의: 에이전트와 인간의 협업 구조

기존 IT 시스템 하에서는 사람이 주체가 되어 도구나 시스템을 활용하는 방식이 일반적이었습니다. 그러나 Atlassian은 이를 넘어 AI 에이전트와 사람이 함께 협업하는 새로운 형태의 ‘멀티플레이어 협업(Multiplayer Collaboration)’을 핵심 모델로 제시하고 있습니다.

아누 사장은 “이제는 단일 사용자의 단일 에이전트가 아닌, 여러 인원이 각각의 에이전트를 활발히 운영하면서 이들이 유기적으로 협력하는 구조로 나아가야 한다”고 밝히고 있습니다. 이러한 협업 방식은 의사결정 속도를 높이고, 문제 해결의 효율성을 극대화하는 데 핵심 역할을 합니다.

즉, 에이전트가 일종의 동료처럼 팀 안에 자리 잡으며 인간과 함께 일하는 구조가 업무 효율을 크게 높일 수 있다는 관점입니다.

안전성과 유연성의 균형: 실험의 자유를 위한 방어막

AI 실험을 장려한다고 해서 무제한의 자유를 줄 수는 없습니다. Atlassian은 실험이 조직 전체 시스템에 위험을 주지 않도록 보안 및 접근 제어 체계를 철저히 설계했습니다.

예를 들어, Rovo Studio로 생성된 에이전트는 생성자의 권한 범위 내에서만 작동하도록 설정되어 있어, 민감 데이터 접근이나 권한 외 조작을 방지합니다. 이같은 구조는 사용자에게는 실험 자유를 줌과 동시에, 조직에는 통제를 유지할 수 있는 안정망을 제공해줍니다.

이처럼 보안과 실험의 자유가 균형을 이룰 때, 진정한 의미의 실험 문화가 자리잡을 수 있습니다.

일하는 방식의 진화: AI가 지배하는 미래보다, AI와 함께하는 현재

Atlassian은 AI의 도입을 먼 미래의 변화가 아닌, 현재의 업무 방식을 바꾸는 실질적인 수단으로 받아들였습니다. 아누 사장 본인도 신기술을 사용해보고 나서 느낀 점을 동영상으로 팀원들과 공유한다고 밝혔습니다. 장점뿐만 아니라 실수나 한계점까지 솔직하게 드러냄으로써, 직원들이 AI 도입에 대한 부담을 덜고 자신감을 가질 수 있도록 돕고 있습니다.

이러한 개방적 공유 문화를 통해 누구나 AI를 실험해볼 수 있고, 그 경험이 조직 전체에 긍정적인 영향으로 확산됩니다.

변화하는 리더십의 역할: 명령이 아닌 공감, 통제가 아닌 지원

기존의 리더십은 위에서 명령을 내리고 아래에서 따라가는 방식이었습니다. 그러나 Atlassian은 AI 시대에는 리더의 역할이 구성원이 실험하고 학습할 수 있는 환경을 설계해 주는 것이라고 봅니다.

예를 들어, AI 교육을 단기적 교육 프로그램으로 끝내는 것이 아니라, 지속적인 실험과 학습이 가능한 플랫폼(Rovo Studio), 기술 지원(Forge), 그리고 구성원이 실패를 두려워하지 않도록 돕는 심리적 안정성 지원까지 체계화했습니다.

이제 리더는 지시자가 아닌 ‘환경 설계자’로, 구성원은 수용자가 아닌 ‘창의적 생산자’로 거듭나고 있습니다.

기업 혁신의 본질은 ‘기술 수용력’이 아닌 ‘변화 수용 문화’

Atlassian의 전략이 주는 가장 큰 교훈은, AI 도입에서 진짜 중요한 것은 최신 기술이나 정확한 모델이 아니라, 개개인이 실험하고 변화에 적응할 수 있는 문화를 조직 내에 갖추고 있는지 여부입니다.

많은 기업들이 기술 도입에는 빠르지만, 그 효과를 실감하지 못하는 이유는 바로 이러한 문화적 기반이 부족하기 때문입니다. Atlassian은 기술 도입도 중요하지만, 그보다 앞서 사람을 중심에 두고 성장과 실험이 가능한 장을 만들었다는 점에서 주목할 만한 차별화를 보여주었습니다.

에이전트 중심의 업무 전환, 우리 기업도 준비할 수 있다

AI 도입을 고려 중인 기업이라면, Atlassian의 방식에서 몇 가지 점을 점검해볼 수 있습니다. 단순히 LLM API를 연결하고 GPU 서버를 운영하는 것을 넘어, 우리의 일하는 문화가 다음과 같은 질문에 준비되어 있는지 판단해보셔야 합니다.

우선, 우리 조직은 실패를 학습의 일부로 받아들일 수 있는가? 구성원들에게 실험할 수 있는 도구와 시간이 제공되고 있는가? 기술보다 ‘일의 의미’를 고민하며 AI를 활용하고 있는가? 이 질문에 ‘예’라고 답할 수 있다면, 귀사의 조직도 ‘에이전트 기반 업무 전환(Agentic Transformation)’을 향한 여정을 시작할 준비가 되어 있다고 볼 수 있습니다.

정리하며: 변화는 기술이 아니라 문화로부터 시작된다

Atlassian의 사례는 AI 기술을 도입하는 방식이 아닌, 그것을 조직의 일하는 방식에 어떻게 통합하느냐에 혁신의 핵심이 있다는 점을 잘 보여주고 있습니다. 에이전트는 단지 개발자 전용 도구가 아니라, 모든 구성원이 활용할 수 있는 협업 파트너로 자리 잡아야 진정한 효과를 낼 수 있습니다.

AI로 만들어질 미래는 아직 오지 않았습니다. 그 미래는 지금 우리가 실험을 허용하고, 실패를 수용하며, 문화적으로 변화에 얼마나 열려 있는지에 따라 달라질 것입니다. Atlassian의 전략은 그 중요한 첫걸음을 어떻게 시작할 수 있는지를 단적으로 보여주고 있습니다.