인공지능(AI) 기술이 단순한 도구 판매에서 실질적인 수익 창출로 패러다임이 전환되고 있다. 레드시콰이어 캐피털의 파트너 Pat Grady는 “차세대 AI는 도구가 아닌 수익을 판다”며 이를 ‘1조 달러 기회’라고 표현했고, OpenAI CEO 샘 알트만과 구글 수석과학자 제프 딘도 이에 동의를 표했다.
AI 에이전트 시대의 새로운 비즈니스 모델
대형언어모델(LLM)의 열풍이 점차 안정화되면서, AI 에이전트가 새로운 AI 시대의 주역으로 떠오르고 있다. 엔비디아의 구현 지능 연구 책임자 짐 팬은 “로봇이 물리적 튜링 테스트를 통과할 때, 수익은 자동화된 현금 흐름과 같다”고 덧붙였다.
IBM 대중화권 기술영업 총경리 겸 CTO 자이펑(翟峰)은 최근 인터뷰에서 동일한 관점을 제시하며, “AI의 실험 단계는 이미 끝났고, 기업의 핵심 경쟁력은 맞춤형 AI 애플리케이션과 정량화 가능한 비즈니스 성과에 달려 있다”고 강조했다.
최근 IBM Think 대회에서 IBM 회장 겸 CEO 아르빈드 크리슈나는 현재의 AI가 집중해야 할 네 가지 영역으로 지능형 에이전트, 데이터, 통합, 인프라를 제시했다.
데이터 품질이 기업용 AI 성공의 핵심
자이펑은 기업이 AI를 통해 수익을 얻으려면 세 가지 핵심 질문에 직면해야 한다고 지적했다. 첫째, 고품질 데이터가 있는가? 둘째, 실제로 사용하고 있는가? 셋째, 실질적인 효과를 발휘하고 있는가?
“기업용 AI 도입에서 가장 중요한 요소는 데이터입니다. 이것이 핵심 생산력이며, 데이터 없이는 모든 것이 공허한 이야기입니다”라고 자이펑은 강조했다. “현재 많은 사람들이 이야기하는 대형 모델들이 인터넷 데이터를 많이 가지고 있을 수 있지만, 기업의 가장 핵심적인 데이터가 통합되어 있는지가 가장 중요한 요소입니다.”
전통 자동화와 AI 기술의 융합
AI 기술이 지능형 에이전트 시대로 접어들면서, AI 기술과 전통적인 자동화 기술의 융합이 향후 AI 기술 발전의 핵심 포인트가 되고 있다.
제조업을 예로 들면, 공장에서는 이미 자동화 생산라인, 자동화 로봇 팔 등의 자동화 설비를 사용하고 있다. AI 시대에는 이러한 전통적인 자동화 설비가 AI 지능형 에이전트와 어떻게 융합하여 더 큰 시너지를 창출할 수 있는지가 주목받는 방향이다.
AI 기술 측면에서 보면, 시각 인식 기술은 이미 제조업 공장에서 활용되고 있다. AI 기술을 통해 기업은 생산 부품의 자동 품질 검사를 실현하여 검사 효율성을 높이고 정확도를 향상시킬 수 있다. 또한 동적 포착 및 인식 기술을 통해 직원의 작업 프로세스를 표준화하여 모니터링하고, 생산 과정에서 인적 요인으로 인한 장비 고장 및 안전사고 발생 확률을 낮출 수 있다.
센서 등의 장비 설치를 통해 대형 제조 설비를 실시간 모니터링하고, 운영 데이터를 기반으로 AI 지능 분석을 수행하여 설비 유지보수에 대한 예측 경보를 제공하는 애플리케이션들이 이미 스마트 팩토리에서 실제로 운영되고 있다.
기업이 주목하는 AI 에이전트의 핵심 요소
지능형 에이전트와 관련하여 자이펑은 현재 기업들이 더욱 관심을 갖는 것은 지능형 에이전트의 실질적 효과, AI 기술의 시나리오별 재사용성, 그리고 ROI(투자수익률) 이 세 가지 측면이라고 분석했다.
지능형 에이전트의 열풍은 단순히 기업의 기술 역량 추구만이 아니라, 서비스 제공업체들의 ‘축제’이기도 하다. 이는 올해 초 각 업체들의 대회에서 공유된 내용을 통해 확인할 수 있는데, 지능형 에이전트가 각 업체들이 중점적으로 포진하는 방향이 되었다.
주요 기업들의 AI 에이전트 경쟁 가속화
4월 17일, OpenAI는 더 강력한 AI 에이전트 능력을 갖춘 추론 모델 o3와 o4-mini를 출시했으며, 2029년까지 AI 에이전트 및 기타 신제품의 매출이 ChatGPT를 넘어설 것으로 예측했다. 총 매출을 1,250억 달러로 끌어올리고, 2030년에는 총 매출이 1,740억 달러에 달할 것으로 전망한다고 발표했다.
4월 24일, 알리바바 산하 AI 지능형 에이전트 ‘심류(心流)’가 고급 연구 모드 베타 테스트를 시작했다. 해당 지능형 에이전트는 인간 전문가처럼 자동으로 연구를 수행하고, 보고서를 작성하며, 코드를 작성할 수 있다고 홍보하고 있다.
4월 25일, Create2025 바이두 AI 개발자 대회에서 바이두는 원신 대형 모델 4.5 터보와 심층 사고 모델 X1 터보 두 가지 신모델 외에도 다양한 AI 애플리케이션 제품을 발표했으며, 그 중에는 범용 슈퍼 지능형 에이전트로 포지셔닝된 심향(心響) 앱도 포함되어 있다.
5월 7일, 2025 레노버 혁신 기술 대회에서 레노버 그룹 회장 겸 CEO 양위안칭은 레노버 천희 개인 슈퍼 지능형 에이전트, 레노버 러샹 기업 슈퍼 지능형 에이전트, 레노버 도시 슈퍼 지능형 에이전트 및 신세대 레노버 추론 가속 엔진을 포함한 슈퍼 지능형 에이전트 매트릭스를 발표했다.
기업용과 소비자용 AI 에이전트의 차별화
IBM 대중화권 과학기술사업부 데이터 및 인공지능 수석 기술 전문가 우민다는 소비자 대상 지능형 에이전트와 기업용 애플리케이션 지능형 에이전트는 “완전히 다른 개념”이라고 강조했다.
“기업용 AI의 가장 핵심적인 요구사항은 지능형 에이전트든 대형 모델이든 ‘환각’ 문제가 존재해서는 안 된다는 것입니다”라고 우민다는 지적했다. “소비자용이 대용량 매개변수와 범용 대형 모델을 필요로 하는 것과 달리, 기업용 AI는 너무 큰 매개변수가 필요하지 않지만, 전용 데이터 훈련을 통해 지능형 에이전트가 제공하는 답변의 무결성을 보장해야 합니다.”
현재 업계에서 논의되는 “아직 진정한 지능형 에이전트를 만들 수 있는 업체가 없다”는 관점에 대해 우민다는 범용 지능형 에이전트 관점에서는 확실히 다양한 문제를 해결할 수 있는 범용 지능형 에이전트가 존재하지 않지만, 수직 비즈니스 영역에서는 특정 시나리오에 맞춘 지능형 에이전트가 이미 상당수 실용화되고 있다고 설명했다.
‘점에서 면으로’ 확산하는 AI 적용 전략
시나리오 관점에서 자이펑은 기업 측에서 비교적 쉽게 AI 에이전트를 도입할 수 있는 시나리오는 주로 다음 두 가지가 될 것이라고 분석했다. 하나는 고객 서비스 분야로 지능형 에이전트를 통해 디지털 휴먼이나 지능형 고객서비스를 구축하는 것이고, 다른 하나는 연구개발 분야다.
연구개발 수직 영역을 예로 들면, 연구개발 영역의 코드 프로그래밍 세분 시나리오에서 IBM은 watsonx Code Assistant라는 지능형 코드 어시스턴트를 출시했다. 이는 기업의 코드 작성을 도와주는 기업용 AI 코드 어시스턴트로, 생성형 AI의 강력한 기능과 고급 자동화를 결합하여 기업의 연구개발팀이 생성형 AI의 도움으로 더 빠르고, 더 지능적이며, 더 효과적으로 코드 개발 업무를 완수할 수 있도록 지원한다.
IBM 대중화권 과학기술사업부 차고 혁신팀 매니저 장쉰은 IBM의 자동차 업계 고객 사례를 공유했다. IBM은 해당 자동차 기업과 협의 후 유지보수 부서부터 시작하기로 선택했다고 소개했다.
구체적으로 보면, IBM은 해당 자동차 기업과 논의를 거쳐 유지보수 부서부터 시작하여 AI 어시스턴트 수준의 유지보수 도우미를 구축하고, 유지보수 매뉴얼과 숙련 직원의 유지보수 지식을 지식베이스로 구축하여 모든 직원의 유지보수 수준을 향상시켰다. “유지보수 도우미가 성공적으로 운영된 후, 우리는 함께 AI 능력을 고객서비스, 재무, HR, 영업 등 부서로 확대 적용했습니다”라고 장쉰은 설명했다.
ROI 중심의 AI 도입 접근법
AI가 성숙 단계에 접어들면서 지능형 에이전트가 기업의 중점 발전 방향이 되었고, 기업들은 더 이상 ‘큰 그림 그리기’에 만족하지 않으며, 단순한 AI 도구 획득을 희망하지도 않는다. 기업들은 이미 더 많은 ROI를 추구하기 시작했으며, AI 에이전트를 통해 더 큰 수익을 얻고자 한다.
기업용 서비스 제공 업체들에게는 지능형 에이전트를 더 높은 가성비로 실제 도입 시키는 것이 AI 하반기 주요 경쟁 방향이 될 것이다. 고객의 요구를 접수할 때 먼저 사용자 관점에서 출발하여 실질적인 문제점과 요구 사항을 찾고, 전형적인 시나리오로 POC를 진행한 후, ROI를 검증한 다음 대규모 배포 주문에 대해 사용자와 협의하는 방식이 주요 전략으로 자리 잡고 있다.
이러한 변화는 AI 기술이 단순한 기술 시연에서 실질적인 비즈니스 가치 창출로 전환되고 있음을 보여준다. 기업들은 이제 AI 투자에 대한 명확한 수익을 요구하고 있으며, 이는 AI 에이전트 시장의 성숙도를 높이는 중요한 동력이 되고 있다.
