씽킹AI, ‘TAS 2026’ 개최…에이전틱 AI의 업무 적용·검증 전략 공유

씽킹AI가 지난 20일 서울 강남구 섬유센터에서 '씽킹AI 서밋 서울(ThinkingAI Summit Seoul, TAS) 2026'을 개최했다. 이번 행사는 기업의 AI 에이전트 활용을 실제 업무 성과로 연결하기 위한 전략과 사례를 공유하는 자리로 마련됐다.

이날 행사는 AI 활용을 단순한 속도 개선이 아니라 실제 업무 성과로 이어지게 하는 방법을 다루는 데 초점을 맞췄다. 공유의 초점은 AI 처리 속도 향상을 넘어 분석·실행·검증의 단일 업무 흐름을 연결하는 데 맞춰졌다.

씽킹AI는 이번 행사 주제를 '에이전틱 그로스(Agentic Growth)'로 설명했다. 또 AI로 분석 속도가 빨라져도 결과 재해석과 부서 간 전달, 승인 대기가 지연되면 실제 제품 개선과 고객 대응 속도 향상에는 한계가 있다는 문제의식을 배경으로, 분석·실행·검증을 잇는 흐름의 중요성을 제시했다.

행사에는 금융·게임·교육 등 다양한 산업의 AI 에이전트 활용 실무자가 참여했다. 이들은 업무 변화와 적용 사례, 운영 과정의 과제를 소개했다.

씽킹AI는 데이터 변화 발견, 원인 분석, 실행 결과의 다음 행동 반영으로 이어지는 업무 방식을 제시했다. 서광덕 씽킹AI 한국 지사장은 사람의 역할은 방향 제시와 승인이고, 실행 주체는 에이전트라고 설명했다. 그는 데이터의 의미와 업무별 권한, 책임을 세워야 하며, AI의 승인 범위 내에서 업무를 수행하는 체계가 필요하다고 밝혔다.

씽킹AI는 이를 뒷받침하는 '에이전틱 엔진(Agentic Engine)'도 소개했다. 이승주 씽킹AI 세일즈 디렉터는 이 구조가 고객 분석, 캠페인 설계, 사람의 승인에 따른 실행, 결과 확인을 단일 흐름으로 연결한다고 설명했다.

이어 씽킹AI는 건강기능식품 자사몰 어니스트리 사례를 제시했다. 어니스트리 사례에서는 광고·행동·주문 데이터를 고객 단위로 통합했다. 이를 바탕으로 재접촉 대상과 제외 대상을 구분하는 흐름을 보여줬다.

이승주 씽킹AI 세일즈 디렉터는 LLM 사용의 용이성이 커졌다고 설명했다. 다만 그는 LLM이 일하는 구조의 구축과 유지는 사람의 역할이라고 밝혔다.

기업들의 실제 AI 활용 사례도 소개됐다. 클래스101은 AI가 기획서와 논의 내용, 코드까지 참고해 실험 결과를 분석하는 방식으로 활용하고 있다고 밝혔다. 이를 통해 핵심 인사이트 도출에 걸리는 시간이 기존 3일에서 하루로 단축됐다고 설명했다.

하길우 클래스101 제품전략팀 리드는 고객이 결제를 망설이는 이유를 분석한 사례를 소개하며, 분석 결과를 후속 조치로 연결했다고 밝혔다. 다만 실험 결과의 방향성이 모호할 경우 AI가 그 모호함을 더 확산시킬 수 있다고 설명했다. 이에 따라 팀 단위의 검증 기준이 중요하다고 강조했다.

언더독스는 소규모 개발 조직의 AI 활용 경험을 공유했다. 언더독스는 이용자 이탈 원인 분석에 AI를 활용했고, 게임 내 전투 손실과 이용자 이탈의 관계를 검증했다고 밝혔다. 이어 전사한 병사가 복귀하는 콘텐츠를 기획했으며, 개선안 기획에 걸린 기간은 3일이었다고 설명했다.

강민석 언더독스 공동창업자는 개발은 에이전트가 담당하고, 검수와 서비스 반영은 사람이 담당한다고 밝혔다. 또 담당자가 이탈한 뒤에도 노하우가 에이전트의 지식으로 남는다고 설명했다. 그는 에이전트의 지식 축적을 통해 조직 내 경험을 유지할 수 있다고 덧붙였다.

블루홀 스튜디오는 AI 활용 게임 개발 협업 방식 변화 사례를 소개했다. 게임 디자이너가 AI로 플레이 가능한 결과물을 선제 제작한 뒤 팀 공동 검토를 진행하는 방식으로 협업이 이뤄졌다고 밝혔다. 이에 따라 문서 중심 기획 과정의 해석 차이가 감소했다고 설명했다.

이승현 블루홀 스튜디오 시드 디렉터는 신규 무기 1개 추가 소요 기간이 경과 시간 기준 20일에서 하루로 단축됐다고 밝혔다. 그는 이 같은 변화의 배경으로 병목이 제작 속도보다 이해·협의를 위한 커뮤니케이션 시간에 있었다고 설명했다.

금융 분야에서는 AI 담당 업무 확대와 함께 검증·책임 기준 마련이 필요하다는 의견이 나왔다. 서동진 넥스트증권 AI 데이터플랫폼팀 팀장은 데이터 플랫폼 구축 과정 사례를 소개하며 요청 의도를 기록하고 선택 이유를 기록하는 한편, 규칙 이탈 변경은 자동 검사로 차단하는 방향을 제시했다.

발표에서는 AI 도입의 핵심을 단순한 AI 사용량이 아니라 업무를 어떻게 맡기고 결과를 어떻게 책임질지에 두었다. 서 팀장은 AI 사용량보다 과업 배분 내용·결과 책임 가능성의 중요성을 강조했고, 조직 운영 사례도 함께 공유했다.

이어 기업 사례를 통해 에이전트 역할 분리와 반복 업무 운영 방식이 소개됐다. 원스토어 사례에서는 작성 에이전트·검수 에이전트를 분리해 운영하는 방식과 승인·피드백의 다음 업무 반영 구조가 제시됐다. 조슈아앤컴퍼니 사례에서는 6인 조직이 11개 에이전트가 반복 업무를 수행하는 방식으로 운영된다는 점이 설명됐다.

행사에서는 이런 AI 활용이 담당자 변경·모델 변경 상황에서도 이어지도록 조직 내부에 판단 기준·선택 이유·검증 결과를 기록하는 과제가 논의됐다. 기존 업무 지식·경험의 연속성이 필요하다는 점도 함께 제시됐다. 이를 위한 연속성 확보 방안으로는 AI 산출물뿐 아니라 의사결정 과정까지 축적해야 한다는 내용이 제시됐다.

서광덕 지사장은 AI 모델 변경과 무관하게 기업이 축적한 데이터·업무 지식을 지속 활용할 필요가 있다고 밝혔다. 또 기업의 AI 분석을 제품 개선·고객 대응에 적용하고 실제 사업 성과로 이어지도록 지원하겠다는 의지도 표명했다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=408520

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=408520