애피어, 에이전틱 AI 성과 확장 위한 5대 핵심 조건 ‘SCALE’ 제시

애피어가 에이전틱 AI 비즈니스 성과의 지속 확대를 위한 5대 핵심 조건으로 'SCALE'을 제시했다. 애피어는 기업에 필요한 것이 개별 AI 기술 도입을 넘어 효과적 운영과 성과 제고 역량이라고 봤다.

이 같은 문제의식은 AI 도입 자체보다 운영 역량과 성과 확대가 더 중요해진 상황과 맞닿아 있다. 특히 AI 에이전트 활용이 확산하는 가운데 기업 과제로는 실제 비즈니스 성과의 입증과 지속 확대가 제시됐다.

맥킨지의 '2026 AI 현황' 조사에 따르면 연 매출 10억달러 이상 대기업의 AI 에이전트 확장 단계 활용 응답 비율은 지난해 27%에서 올해 40%로 증가했다. 대기업을 중심으로 AI 에이전트 활용이 확대되고 있음을 보여주는 결과다.

반면 AI 활용의 기업 수익성 개선 기여 응답 비율은 37%로, 전년과 유사한 수준으로 나타났다. 활용 확대와 별개로 수익성 개선에 대한 체감은 큰 변화가 없었다.

이에 따라 기업에는 AI 기술의 개별 도입을 넘어 실제 비즈니스 성과를 검증하고 이를 지속적으로 확대할 수 있는 운영 체계와 역량이 필요하다는 점이 부각됐다. 애피어는 이러한 맥락에서 에이전틱 AI 비즈니스 성과 지속 확대를 위한 5대 핵심 조건으로 'SCALE'을 제시했다.

애피어는 기업의 AI 활용이 본격적 확장 단계에 진입했다고 판단했다. 이에 따라 애피어는 논의의 초점을 도입 자체보다 실제 업무 운영과 성과 확대를 중심으로 전환할 필요가 있다고 주장했다.

애피어는 이를 위해 기업의 핵심 조건을 SCALE로 체계화했다. SCALE은 Strategic·Calibrated·Adaptive·Learning·Efficient로 구성된다.

우선 Strategic은 AI로 달성할 목표의 명확화를 의미한다. 이를 위해서는 매출 성장·고객 전환·비용 절감·생산성 향상 등 측정 가능한 비즈니스 목표를 설정해야 하며, 평가 기준도 설정해야 한다. 이를 통해 AI 활용의 실제 성과 기준을 판단할 수 있다.

이 같은 목표 설정 이후에는 AI의 과업 수행 신뢰성을 판단할 필요가 있다는 것이 전제다. Calibrated는 AI가 자신의 역량·확신 수준을 평가하고, 잠재적 위험을 고려하며, 행동 여부를 결정하는 능력을 의미한다.

기업용 AI는 작은 오류도 비즈니스에 큰 영향을 미칠 수 있는 특성이 있어 최종 결과만 검증하는 방식으로는 부족하다. 업무 흐름의 주요 단계별로 AI의 판단을 점검하는 일이 중요하며, 업무 흐름의 주요 단계별로 필요한 가드레일을 적용하는 일도 중요하다. 이와 함께 AI가 해당 과업을 수행할 수 있는지 판단하는 일이 중요하고, 어떤 모델·에이전트에 일을 맡길지 결정하는 일도 중요하다.

이 과정에서 Adaptive는 모든 업무에 동일한 모델을 적용하지 않는다는 의미를 갖는다. 과업의 목적과 난이도별로 적합한 모델·에이전트를 선택하고 조율하는 것이 Adaptive의 의미다. 이는 업무별 특성에 맞춰 서로 다른 모델·에이전트를 배치하는 접근으로 설명된다.

이를 구현하는 대표 방식으로는 모델 라우팅(Model Routing)과 에이전트 오케스트레이션(Agent Orchestration)이 제시된다. 모델 라우팅(Model Routing)은 과업에 적합한 모델을 연결하는 방식이다. 에이전트 오케스트레이션(Agent Orchestration)은 서로 다른 역할과 전문성을 가진 복수의 에이전트가 협업하도록 설계하는 방식이다.

또한 실제 업무 환경에서 Learning이 필요하다는 점도 강조된다. 업무 과정에서 축적된 맥락을 활용해야 하고, 사용자 피드백을 활용해야 하며, 이전 실행 결과를 이후 판단과 실행에 활용해야 한다. 에이전틱 AI가 지속적으로 가치를 창출하려면 일회성 자동화에 머물지 않아야 하며, 이전 실행 정보를 바탕으로 판단과 실행을 개선할 수 있어야 한다.

기업의 AI 활용이 확대되면서 Efficient의 중요성도 커지고 있다. 특히 여러 단계 추론·모델 호출·에이전트 간 상호작용 환경에서는 LLM 효율성·토큰 최적화 필요가 더욱 커진다.

이 같은 환경에서는 과업 필요 수준에 맞춘 모델·연산 자원 적정 활용 필요가 제기된다. 과도한 자원 투입 없이 원하는 수준 성과의 안정적 산출이 핵심이 되고 있다.

애피어는 이 같은 SCALE 방향과 맞닿은 에이전틱 AI 연구를 지속하고 있으며, 관련 기술의 제품 적용도 진행하고 있다. 애피어는 AI의 역량·확신 수준·잠재적 위험 판단 연구를 수행하고, 정보 부족 상황의 자가 인식 연구도 수행하고 있다고 설명했다.

또한 애피어는 과업·맥락에 맞는 추론 언어 선택 연구로 범위를 확대하고 있다고 설명했다. 애피어는 이 같은 연구·기술 역량을 바탕으로 기업의 AI 실질적 ROI 전환을 지원하고, AI 성과의 지속적 확대도 지원하고 있다고 설명했다.

치한 위 애피어 CEO 겸 공동창업자는 기업들이 이미 도입한 AI의 성과와 이를 지속적으로 확대할 방안에 집중하고 있다고 말했다. 그는 에이전틱 AI가 더 많은 판단과 실행을 맡게 될수록 중요해지는 요소는 자율성 자체보다 이를 얼마나 신뢰할 수 있고 효율적으로 운영하느냐에 있으며, AI의 자율성이 커지는 데 따라 이를 운영하는 기업의 판단도 더욱 정교해져야 한다고 설명했다.

출처: 테크월드뉴스 · 이광재 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407202

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=407202