조직들은 AI 에이전트를 시험 단계에서 비즈니스 운영에 내재화하는 단계로 이동하고 있지만, 새로운 MIT Technology Review Insights 보고서는 많은 기업이 이러한 에이전트가 필요한 데이터 시스템을 준비하지 못했다고 주장한다. 8월 12일 공개된 이 보고서는 300명의 데이터 및 기술 임원을 대상으로 한 설문조사를 기반으로, 기업 정보에 대한 제한적 접근과 레거시 인프라를 신뢰할 수 있고 빠른 의사결정을 가로막는 주요 장벽으로 지목한다.

이 결과는 에이전트형 AI의 다음 과제가 모델의 성능보다는 에이전트가 올바른 데이터에 도달하고, 그 비즈니스 맥락을 이해하며, 실제 업무가 이루어지는 시스템과 안전하게 상호작용할 수 있는지에 더 달려 있을 수 있음을 시사한다. 이는 질문에 답하는 수준을 넘어 운영 조치를 수행하는 배포를 계획하는 제품 팀과 기업 구매자에게 중요하다.

설문조사에서 드러난 내용

보고서에 따르면 AI 시스템은 조사 대상 조직들의 기업 데이터 평균 45%에 접근할 수 있다. ‘데이터 후발주자’로 분류된 그룹에서는 접근성이 30% 이하로 떨어지는 반면, ‘데이터 선도자’는 데이터의 70% 이상에 접근할 수 있도록 제공한다.

보고서는 이 차이를 AI 에이전트에 대한 신뢰와 연결한다. 전체 응답자의 절반 정도만이 에이전트의 결정이 정확하고 관련성이 있다고 신뢰한다고 답했다. 그러나 데이터 선도자 그룹에서는 100%가 그런 신뢰를 표현했다고 보고서는 말한다.

보고서는 규모와 속도 면의 격차도 지적한다. 데이터 후발주자의 66%는 레거시 데이터 시스템이 AI 에이전트를 확장하는 능력을 제한한다고 답했으며, 68%는 그러한 시스템이 에이전트가 빠르게 결정을 내리는 것을 막는다고 말했다. 데이터 선도자 중에서는 이러한 제약을 보고한 비율이 8%에 불과했다.

이 수치는 데이터 접근을 배경 인프라 문제가 아니라 운영상 필수 요소로 보여준다. 최신 공급망 기록, 판매 시점 정보, 인사 데이터를 가져올 수 없는 에이전트는 그럴듯한 답변을 만들 수는 있어도 워크플로를 안정적으로 완료하지 못할 수 있다.

레거시 시스템이 중요한 이유

전통적인 기업 데이터 환경은 일반적으로 정의된 접근 경로를 가진 애플리케이션, 보고서, 인간 사용자용으로 설계됐다. AI 에이전트는 다른 요구를 만든다. 구조화된 기록과 비정형 문서를 결합하고, 맥락 속에서 정보를 해석하며, 실시간 운영 시스템에 연결된 상태에서 결정을 내려야 할 수 있다.

보고서는 비교적 최근의 레거시 시스템조차 에이전트가 이런 유형의 접근을 필요로 할 때 마찰을 일으킬 수 있다고 주장한다. 데이터는 호환되지 않는 플랫폼에 분산돼 있거나, 일관성 없는 권한으로 관리되거나, 에이전트가 권위 있는 기록과 오래됐거나 불완전한 기록을 구분하는 데 필요한 비즈니스 정의 없이 저장돼 있을 수 있다.

이 구분은 엔터프라이즈 AI에서 중요하다. 데이터 품질, 권한, 계보, 맥락을 개선하지 않고 에이전트에 더 넓은 접근 권한을 주면, 에이전트가 수행할 수 있는 행동의 수는 늘어날 수 있지만 그 행동이 더 신뢰할 수 있게 되는 것은 아니다. 따라서 빌더에게 문제는 단순히 모델을 더 많은 소스에 연결하는 것이 아니다. 현재적이고 해석 가능하며 특정 작업에 적합한 정보에 대한 통제된 접근을 만드는 것이다.

보고서는 구조화 및 비구조화 데이터에 대한 접근 개선을 에이전트를 확장하기 위한 핵심 과제로 꼽는다. 또한 비즈니스 맥락을 포함하는 더 강력한 데이터 거버넌스와 데이터 관리의 더 큰 자동화를 강조한다.

주장에 대한 근거와 한계

핵심 근거는 MIT Technology Review Insights 보고서에서 설명된 300명의 데이터 및 기술 임원 대상 설문조사에서 나온다. 따라서 데이터 선도자와 후발주자 분류, 그리고 접근성·신뢰·시스템 제약에 대한 비율은 독립적으로 감사된 기업 배포 측정치가 아니라 설문 결과다.

보고서는 또한 Gartner의 예측을 인용하며, AI 에이전트가 2027년까지 비즈니스 의사결정의 50%를 보완하거나 자동화할 수 있다고 말한다. 이는 확립된 결과가 아니라 예측이며, 제공된 자료에는 그 방법론이나 가정이 제시되어 있지 않다.

이 публикация에는 중요한 고지가 있다. 내용은 MIT Technology Review의 편집팀이 아니라 커스텀 콘텐츠 부문인 Insights가 제작했다. 보고서에 따르면 설문과 글쓰기는 인간 연구자, लेखक, 편집자, 분석가, 일러스트레이터가 수행했으며, AI 도구는 인간 검토를 거치는 2차 제작 과정에 한정됐다.

이 고지는 설문조사를 무효화하지는 않지만, 독자들은 가장 강한 비교와 결론을 맞춤형 보고서와 연계된 연구 기반 콘텐츠로 봐야 한다는 뜻이다. 출처에는 데이터 선도자들이 특정 워크플로에서 보고된 결과를 실제로 달성했는지 검증할 독립적 사례 연구, 기술 감사, 또는 명명된 기업 배포가 없다.

빌더와 기업 구매자에 대한 시사점

AI 빌더에게 이 결과는 모델 주변의 시스템에 주의를 돌리게 한다. 조달, 고객 운영, 재무, 인력 관리에 사용되는 에이전트는 단순한 검색 이상의 것이 필요하다. 접근 정책, 최신 기록, 명확한 소스 우선순위, 오류 처리, 그리고 어떤 데이터가 결정을 형성했는지 설명하는 방법이 필요하다.

제품 팀은 정보가 없거나 상충할 때 에이전트가 무엇을 할 수 있는지도 정의해야 한다. 인간 검토를 위해 멈추는 시스템은 느릴 수 있지만, 근거 없는 추정으로 빈칸을 채우는 시스템보다 더 신뢰할 수 있다. 모니터링은 모델 응답뿐 아니라 툴 호출, 데이터 최신성, 권한 실패, 그리고 후속 영향까지 포함해야 한다.

기업 구매자에게 이 보고서는 에이전트 파일럿을 확장하기 전에 데이터 준비도를 평가하라는 경고다. 제안된 시스템이 민감한 데이터의 무제한 복사본을 만들지 않으면서 운영 시스템에 연결할 수 있는지, 역할과 작업에 따라 접근을 제한할 수 있는지, 비즈니스 사용자가 에이전트의 결정을 감사할 수 있는지 등을 물어야 한다.

이것은 인프라 공급업체에게도 경쟁 기회를 만든다. 데이터 접근을 통합하고, 메타데이터 관리를 자동화하며, 거버넌스를 강제하고, 에이전트를 운영 시스템과 연결하는 도구는 모델 선택만큼이나 배포 경제성에서 중요해질 수 있다. 그러나 더 넓은 연결성만으로는 더 나은 결과가 보장되지 않는다. 신뢰성은 노출되는 정보의 품질과 의미에 달려 있다.

앞으로 주목할 점

첫 번째 신호는 기업이 고립된 파일럿에서 여러 시스템에 걸쳐 작동하는 에이전트로 이동하는지 여부다. 더 넓은 배포는 실제로 데이터 접근이 개선되는지, 아니면 조직이 계속해서 에이전트를 좁고 저위험한 작업으로 제한하는지를 드러낼 것이다.

두 번째 신호는 에이전트 데이터 준비도에 대한 독립적인 벤치마크의 등장이다. 유용한 지표로는 에이전트가 접근할 수 있는 관련 데이터의 비율, 데이터 최신성, 권한 정확성, 누락 정보 복구, 그리고 인간의 수정이 필요한 행동 비율이 있을 수 있다.

구매자들은 공급업체가 거버넌스와 감사 가능성을 어떻게 다루는지도 살펴봐야 한다. 신뢰할 수 있는 에이전트에 대한 주장은 공급업체가 실패율, 에스컬레이션 행동, 실제 워크플로 전반의 성능을 공개할 때 모델 벤치마크나 도입 설문에만 의존하는 경우보다 더 의미 있어진다.

마지막으로, 보고서가 인용한 Gartner 예측은 실제 비즈니스 의사결정 자동화와 대조해 검증돼야 한다. 도입은 확대되는데 신뢰와 통제가 이에 상응하게 개선되지 않으면, 기업은 에이전트를 널리 사용하면서도 그 가치가 가장 높은 의사결정에서는 멀리 둘 수 있다.

Creati.ai 관점

이 보고서의 핵심 메시지는 배포 경고로서 충분히 타당하다. 에이전트는 접근하거나 해석할 수 없는 정보를 가지고는 신뢰성 있게 행동할 수 없다. 그러나 이 수치는 데이터 선도자들이 엔터프라이즈 AI를 해결했다는 증거가 아니라 설문 신호로 읽어야 한다. 빌더에게 더 유용한 교훈은 데이터 접근, 거버넌스, 시스템 통합을 에이전트 제품 자체의 일부로 간주하는 것이다.

시장은 아마도 에이전트 출시를 쉽게 만들어 주는 공급업체와, 그 행동을 측정 가능하고 되돌릴 수 있으며 책임질 수 있게 만드는 공급업체로 갈라질 것이다. 기업 팀에게 실용적인 테스트는 간단하다. 에이전트가 충분히 똑똑한지 묻기 전에, 행동에 필요한 신뢰할 수 있는 데이터와 통제된 권한을 갖추고 있는지 확인해야 한다.