엔터프라이즈 AI 팀들은 에이전트 논쟁의 한 부분에서는 결론을 내린 듯 보인다. 점점 더 주요 모델 제공업체의 플랫폼으로 표준화하고 있다는 점이다. 하지만 VentureBeat Pulse Research의 새로운 설문군은 더 어려운 문제는 플랫폼 선택이 아니라고 시사한다. 신뢰할 수 있고 거버넌스가 가능하며 여러 단계로 작동하는 에이전트에 가까운 무언가를 신뢰, 예산, 보안을 망가뜨리지 않고 프로덕션에 올리는 것이 문제다.

가장 직접적인 신호는 100명 이상 직원을 둔 101개 기업을 대상으로 한 2026년 6월 VentureBeat AI 오케스트레이션 설문에서 나온다. 이 설문에 따르면 Anthropic의 Claude가 응답자의 40%에서 주요 오케스트레이션 플랫폼이었고, Microsoft가 18%, OpenAI가 13%로 뒤를 이었다. 그러나 같은 응답자들은 배포한 “에이전트”의 대부분이 엄밀한 워크플로 의미에서는 진짜 에이전트가 아니라고 말했다. 71%는 배포된 시스템의 4분의 1 이하만이 단일 프롬프트 챗봇 래퍼가 아닌 진정한 다단계 오케스트레이션 워크플로라고 답했다.

단독으로 보아도 이는 시장의 에이전트 수사에 대한 유용한 교정이다. 그러나 컨텍스트, 평가, 보안에 관한 세 개의 관련 VentureBeat AI 설문과 함께 보면 더 큰 패턴이 드러난다. 기업들은 AI를 비즈니스 시스템에 빠르게 연결하고 있지만, 이를 둘러싼 제어 계층은 아직 미성숙하다. 검색 인프라는 널리 퍼져 있지만 완전히 신뢰받지는 못한다. 평가 도구는 사용되고 있지만 프로덕션 현실과 잘 맞지 않는다. 보안 제어는 자율 소프트웨어를 중심으로 설계되기보다 모델 제공업체와 클라우드 플랫폼에서 가져온 경우가 많다. 그 결과는 플랫폼 전쟁이라기보다 배포 격차에 가깝다.

오케스트레이션은 통합되고 있지만, 워크로드는 여전히 얕다

VentureBeat AI의 오케스트레이션 설문은 기업 구매자들이 독립적인 오케스트레이션 프레임워크에 대한 충성심보다 주로 “모델 중력”에 따라 플랫폼을 선택하고 있다고 주장한다. 설문에서 가장 중요한 선택 요인은 선호하는 기반 모델과의 정합성이었고, 유연성과 개발 용이성이 그 뒤를 이었다. 실제 의미는 분명하다. 기업은 종종 이미 모델이 존재하는 곳에서 시작하고, 나중에 자체 제어 로직을 더한다.

그 덕분에 공급업체 플랫폼이 보고된 주요 사용에서 우세했던 반면, LangChain/LangGraph와 맞춤형 사내 오케스트레이션은 한 자릿수에 머물렀던 이유를 설명할 수 있다. 하지만 같은 설문은 이례적으로 높은 전환 의향도 보여줬다. VentureBeat AI는 68%가 1년 안에 새롭거나 추가적이거나 대체용 오케스트레이션 플랫폼을 채택할 계획이라고 보도했으며, 이동 의향이 가장 큰 그룹은 아직 벤더를 shortlist하지도 않았다.

이건 안정된 시장처럼 보이지 않는다. 가장 쉬운 출발점으로 일시적으로 몰려 있는 모습에 가깝다.

데이터에서 가장 큰 모순은 VentureBeat AI 자신이 강조한 부분이다. 팀들은 신뢰할 수 있는 다단계 실행으로 오케스트레이션을 평가한다고 말하지만, 대부분은 배포된 포트폴리오가 여전히 챗봇 래퍼로 구성돼 있다고 인정한다. 이는 빌더와 구매자 모두에게 중요하다. 단일 턴 어시스턴트와, 계획을 세우고, 도구를 호출하고, 상태를 조정하고, 기업 시스템 전반에서 작업을 수행하는 시스템은 운영 요구사항이 완전히 다르기 때문이다.

기본적인 재무 통제도 부실해 보인다. 오케스트레이션 설문에서 27%는 폭주하는 에이전트를 청구서가 나오기 전에 멈출 실시간 프로그램 방식이 없다고 답했다. 또 다른 32%는 공급업체 네이티브의 한도와 스로틀링에 전적으로 의존했다. 비용을 더 결정적으로 관리하기 위해 커스텀 게이트웨이나 멀티모델 라우팅을 구축했다고 답한 비율은 소수에 불과했다.

빠진 계층은 컨텍스트, 평가, 그리고 아이덴티티다

오케스트레이션 결과는 VentureBeat AI의 2026년 6월 엔터프라이즈 에이전트 스택의 나머지 부분에 대한 병행 설문과 함께 보면 더 의미가 커진다.

101개 기업을 대상으로 한 컨텍스트 설문에서 57%는 최근 6개월 동안 자사의 AI 에이전트가 비즈니스 컨텍스트의 부재 또는 불일치 때문에 자신감 있어 보이지만 틀린 답변을 내놓았다고 답했다. 검색증강생성(RAG)은 38%의 조직에서 주요 컨텍스트 소스로 보고되어 가장 일반적인 접근법이었다. 공급업체 네이티브 검색도 보고된 프로덕션 사용에서 선두였으며, OpenAI file search가 40%, Google Vertex AI Search가 38%로, Pinecone, Weaviate, Milvus, Qdrant 같은 전용 벡터 도구를 앞섰다.

이 조합은 중요하다. 시장 대화는 검색을 해결된 배관 문제처럼, 벡터 인프라를 성숙한 카테고리처럼 다루는 경우가 많다. 그러나 이 설문은 실제 엔터프라이즈 문제는 팀이 문서를 검색할 수 있느냐가 아니라, 검색된 컨텍스트가 비즈니스 결정을 지원할 만큼 거버넌스가 적용되어 있고, 일관되며, 접근 권한을 인식하고, 신뢰할 수 있느냐는 점을 시사한다.

157명의 엔터프라이즈 응답자를 대상으로 한 VentureBeat AI의 평가 설문도 비슷한 불일치를 보여준다. 절반은 내부 평가를 통과한 에이전트나 LLM 기능을 출시했지만 고객 대면 환경에서는 실패했다고 답했다. 자동 평가를 완전히 신뢰한다고 답한 비율은 5%에 불과했다. 그럼에도 66%는 이미 저위험 에이전트에 대해 human-in-the-loop 없는 배포를 허용했거나, 1년 안에 그렇게 가도록 설계하고 있었다.

평가 도구 시장도 초기 단계이고 파편화되어 보였다. OpenAI의 네이티브 Evals와 Traces는 “전용 도구 없음”과 함께 가장 흔한 주요 설정으로 각각 17%를 차지했고, Anthropic의 Claude Console Evals와 DeepEval, Braintrust, LangSmith, Weave, Promptfoo, Langfuse, Arize 같은 독립 도구들은 더 작은 비중으로 분산되어 있었다.

이는 신뢰할 수 있는 평가 없이 오케스트레이션을 하면 잘못된 자신감을 확장하는 수단이 되기 때문이다. 통과한 벤치마크나 내부 테스트 스위트는 실제 업무 부하, 데이터, 고객 조건에서 에이전트가 올바르게 행동한다는 것을 증명하는 것과 다르다.

보안은 배포 격차가 엔터프라이즈 리스크로 바뀌는 지점이다

이 클러스터에서 가장 구체적인 위험 신호는 107개 기업을 대상으로 한 VentureBeat AI 보안 설문에서 나온다. 54%는 이미 AI 에이전트 보안 사고가 확인되었거나, 거의 사고가 날 뻔한 경험이 있다고 답했다. 모든 에이전트에 자체 범위가 정해진 관리형 아이덴티티가 있다고 답한 비율은 32%뿐이었다. 대다수는 어떤 형태로든 자격 증명 공유를 보고했고, 가장 위험한 에이전트를 샌드박스 처리한 비율은 30%에 불과했다.

VentureBeat AI에 따르면, 이러한 배포에 사용된 보안 스택은 압도적으로 공급업체 네이티브였다. OpenAI guardrails가 보고된 사용률 51%로 선두였고, Google, Microsoft, Anthropic 같은 주요 클라우드 및 모델 제공업체의 제어가 뒤를 이었다. Palo Alto Prisma AIRS, CrowdStrike, Cisco AI Defense, HiddenLayer, Zenity, Check Point, Lakera, Okta for AI Agents, 그리고 더 넓은 비인간 아이덴티티 플랫폼 같은 전용 카테고리는 이 표본에서 낮은 수준으로만 나타났다.

설문의 핵심 주장은 엔터프라이즈 문제는 인식 부족이 아니라, 부여되는 자율성과 그 주변의 봉쇄 시스템 사이의 불일치라는 점이다. 에이전트는 에이전트별 아이덴티티, 최소 권한 접근, 격리, 런타임 강제가 널리 갖춰지기 전에 내부 시스템과 데이터에 대한 실질적 접근 권한을 이미 받고 있다.

이 지점에서 “대부분이 챗봇을 에이전트라고 부른다”는 발견은 단순한 의미론을 넘어선다. 많은 프로덕션 배포가 아직 프롬프트를 감싼 래퍼에 불과하다면, 오늘의 보안 태세는 이미 약할 수 있다. 이런 시스템이 도구 접근 권한을 가진 더 자율적이고 다단계적인 에이전트로 발전하면 공격 표면은 더 넓어진다.

증거, 주의점, 그리고 이 설문들이 증명할 수 있는 것과 없는 것

이 기사에 포함된 모든 근거는 2026년 6월에 실시된 VentureBeat AI의 Pulse Research 설문에서 왔다. 오케스트레이션과 컨텍스트 보고서는 각각 101개 기업을, 보안 보고서는 107개, 평가 보고서는 157개를 대상으로 했다. 모든 표본은 매우 작은 사업체를 제외했고, 중견시장이나 AI 적극 활용 기업 응답자에 치우쳐 있었다. VentureBeat AI는 이 설문이 확률 표본이 아니라, 자가 선택적이고 횡단면적이며 방향성을 보여주는 것이라고 반복해서 밝힌다.

이 점은 중요하다. 수치를 확정적인 시장 점유율, 정확한 발생률, 또는 감사된 채택 통계로 받아들여서는 안 된다. 이는 특정 응답자 집단이 자신들의 배포와 계획에 대해 VentureBeat AI에 말한 내용을 반영할 뿐이다. 설문 간 벤더 점유율도 표본과 질문 구성이 다르므로 과도하게 비교하면 안 된다.

그럼에도 네 개의 보고서 전반에서 방향성의 일관성은 눈에 띈다. 오케스트레이션에서는 기업이 공급업체 플랫폼에 모이지만 하이브리드 제어를 기대한다. 컨텍스트에서는 번들형 검색을 쓰면서도 best-of-breed 독립성을 원한다고 말한다. 평가에서는 자동화된 테스트를 신뢰하지 않으면서도 자동화를 늘리고 있다. 보안에서는 공급업체 네이티브 제어에 안심하면서도 사고와 아차사고 이후 도구 변경도 계획한다.

따라서 이 클러스터에서 가장 강한 채택 및 효과성 주장은 독립적으로 검증된 것이 아니라 설문 보고에 기반한다. 하지만 그 패턴은 중요할 만큼 충분히 일관적이다.

빌더와 엔터프라이즈 구매자에게 이것이 의미하는 것

AI 빌더에게 주는 메시지는 시장이 “에이전트”라는 단어를 과도하게 사용하고, 에이전트를 운영적으로 신뢰 가능하게 만드는 주변 시스템에는 과소투자하고 있을 수 있다는 점이다. Claude, OpenAI, Microsoft 위에 래퍼를 얹는 것은 비교적 쉽다. 올바른 컨텍스트를 검색하고, 현실적으로 평가하며, 범위가 정해진 접근을 강제하고, 과도한 비용이 들기 전에 스스로 멈추는 워크플로를 만드는 것은 훨씬 어렵고, 점점 더 가치 판단의 핵심이 된다.

엔터프라이즈 구매자에게는, “플랫폼 표준화”가 배포 성숙도를 뜻하지 않는다는 점을 이 설문들이 시사한다. 팀은 Anthropic, OpenAI, Microsoft, Google, Amazon 중 하나를 선택하고도, AI 시스템이 실제 비즈니스 프로세스에 닿는 순간 중요한 제어 장치를 갖추지 못할 수 있다. 앞으로의 구매 변화는 하이브리드 스택 쪽일 가능성이 높다. 빠른 시작을 위한 공급업체 네이티브 프리미티브와, 제어·거버넌스·아이덴티티·관측 가능성·비용 라우팅을 위한 독립 계층의 조합이다.

스타트업에게는 이게 기회다. 독립 프레임워크 이야기는 현재 오케스트레이션 설문의 주요 사용에서는 약해 보였지만, 향후 고려에서는 더 강했다. 인접 계층에서도 마찬가지였다. 검색에서는 Qdrant와 Milvus, 평가에서는 DeepEval과 Braintrust, 보안에서는 현재 배포가 낮아도 몇몇 업체들이 검토 대상에 올랐다. 아직 승자를 증명하는 것은 아니지만, 번들형 기본값에 대한 불만은 분명해 보인다.

다음에 주목할 것

다음으로 볼 신호는 오케스트레이션의 성숙도가 실제로 개선되는지, 아니면 시장이 계속 보조자를 에이전트로 이름만 바꾸는지다. 진정한 다단계 워크플로 비중의 증가는 또 한 번의 플랫폼 브랜딩보다 훨씬 의미가 있다.

둘째, 하이브리드 제어가 바람이 아니라 아키텍처가 되는지 살펴봐야 한다. 기업이 의사결정 로직, 라우팅, 권한, 지출 통제를 점점 더 공급업체 플랫폼 밖에 두게 된다면, 독립적인 제어 평면 벤더와 사내 플랫폼이 힘을 얻을 것이다.

셋째, 신뢰 계층이 따라잡는지 추적해야 한다. 실제로는 거버넌스가 적용된 시맨틱 레이어의 프로덕션 사용 증가, 출력 품질의 실시간 모니터링, 에이전트별 아이덴티티, 더 높은 위험의 시스템에 대한 샌드박싱 증가를 뜻한다.

마지막으로 예산 집행을 주시해야 한다. 토큰 비용과 도구 호출 비용이 계속 상승한다면, 실시간 라우팅과 킬 스위치 통제는 많은 현재 제품 로드맵이 가정하는 것보다 더 시급한 엔터프라이즈 요구가 될 수 있다.

Creati.ai 관점

이 설문군에서 가장 분명한 결론은 엔터프라이즈 AI가 주로 플랫폼 부족에 시달리는 것이 아니라는 점이다. 너무 이른 자신감이 과잉이라는 것이다. 팀들은 이미 같은 소수의 제공업체들로부터 오케스트레이션, 검색, 평가, 가드레일을 구매할 수 있다. 아직 일관되게 할 수 없는 것은, 그 구성 요소들을 비용·보안·비즈니스 정확성 측면에서 신뢰할 수 있는 프로덕션 시스템으로 바꾸는 일이다.

그렇기 때문에 가장 중요한 경쟁은 기반 모델 접근성에서 그 주변의 운영 계층으로 이동할 수 있다. 승자들은 단순히 “에이전트”를 약속하지 않을 것이다. 챗봇 래퍼와 거버넌스된 자율 워크플로를 혼동하기 어렵게 만들고, 시스템이 안전하고 저렴하며 실제로 엔터프라이즈 사용에 준비되었음을 증명하기 쉽게 만들 것이다.