인공지능
Agentic AI: 다음 조 달러 규모 효율성 전략
Securities.io를 Google의 선호 소스에 추가
LLM에서 AI 에이전트로
ChatGPT 같은 대규모 언어 모델(LLM)이 사람처럼 말할 수 있게 되면서 AI의 성능은 인공 시스템이 사람과 상호작용하는 능력에 대한 우리의 인식을 바꿨습니다.
이미 이러한 수준의 역량을 갖춘 AI는 번역, 데이터 검색, 프로그래밍 등과 같은 작업에서 인간을 돕거나 심지어 대체할 수 있습니다. 그러나 AI 에이전트를 통해 새로운 수준의 AI 능력이 열리고 있습니다. AI 에이전트의 핵심 아이디어는 주어진 환경에서 독립적으로 작동할 수 있는 AI를 만드는 것입니다. 이를 통해 지속적인 확인이나 감독 없이 스스로 행동할 수 있게 됩니다.
이는 주로 인간이 만든 프롬프트에 반응하는 LLM이나 이미지 생성기와 같은 생성 AI와는 매우 다른 실용적 역할을 부여합니다.
이 맥락에서 “환경”은 실제 세계의 특정 상황—예를 들어 자율 주행 에이전트를 위한 도로 위의 자동차—또는 특정 소프트웨어 제품군이나 디지털 인터페이스와 같은 완전한 가상 “장소”를 의미할 수 있습니다.
이 단계가 AI가 “채팅”에서 “실행”으로 진화하는 순간입니다. 일반적인 LLM과 달리 AI 에이전트는 종종 더 제한적이고 좁은 범위를 가집니다. 이는 자율적인 결정을 내릴 때 더 효율적이고 신뢰할 수 있게 해 주며, 일반적인 AI는 예상치 못한 방향으로 흐르기 쉽습니다.
AI 에이전트는 수많은 프로세스의 효율성을 향상시키는 데 AI를 유용하게 만드는 다음 단계입니다.
AI 에이전트 설명
스크롤하려면 스와이프 →
| 능력 | 봇 | AI 어시스턴트 | AI 에이전트 |
|---|---|---|---|
| 자율성 | 없음 | 낮음 | 높음 |
| 선제적 행동 | 아니오 | 제한됨 | 예 |
| 의사결정 | 규칙 기반 | 보조 | 독립적 |
| 환경 인식 | 정적 | 맥락적 | 동적 |
AI 에이전트는 새로운 돌파구인가, 아니면 진화인가?
이러한 특성 덕분에 AI 에이전트는 더 능동적으로 행동하고 자율적으로 복잡한 다단계 작업을 처리할 수 있어 기존의 AI 비서나 봇보다 한 단계 발전했습니다.
AI 에이전트는 실제 지능처럼 스스로 개선할 수 있습니다. 경험에서 배우고, 피드백에 따라 행동을 조정하며, 시간이 지날수록 성능을 지속적으로 높입니다.
따라서 봇과 AI 비서도 AI 에이전트에게 주어진 업무의 일부를 수행할 수 있지만, 자율성·능동성·높은 복잡성이 에이전트를 기존 자동화와 구분합니다. 적어도 훈련받은 특정 업무에서는 실제 사람에 훨씬 가까운 작업자가 됩니다.
자율 AI 에이전트가 산업 전반에 걸쳐 확장되는 방법
현대 생활에는 단순한 자동화 스크립트로 처리하기에는 조금 복잡하지만 사람이 하기에는 지루한 반복 업무가 많습니다. 고객에게 문제 해결 절차를 안내하는 일부터 고속도로에서 트럭을 운전하는 일까지, 판단이 필요한 반복 작업에 AI 에이전트가 특히 적합합니다.
이러한 AI 에이전트는 사람과 달리 연중무휴로 일할 수 있고 추가 간접비 없이 즉시 확장할 수 있습니다.
현재 AI 역량 수준을 분류하는 방법은 다양하지만, 대체로 일반 인구의 능력과 비교합니다. 최신 AI 에이전트는 특정하고 좁은 영역의 업무에서 인구의 50~90%에 해당하는 숙련도에 도달하고 있습니다.
이러한 ‘레벨 2~3’ AI 에이전트는 보통 AI 발전의 중간 단계이자 범용 인공지능(AGI)을 향한 시작점으로 여겨집니다.
새롭게 떠오르는 구조는 여러 전문 AI 에이전트를 만들고 각각이 사람과 비슷한 수준으로 특정 업무를 처리하게 하는 방식입니다. 더 복잡한 업무에서는 여러 에이전트가 순차적으로 행동하며 큰 작업을 작은 하위 업무로 나눠 협력합니다.
코딩 에이전트가 기업용 앱 개발의 복잡성을 낮추면서, AI 플랫폼을 활용해 내부에서 만든 맞춤형 에이전트도 더 보편화될 가능성이 큽니다.
AI와 인간의 효율성을 동시에 높이기
AI 에이전트가 범용 AI보다 유리한 또 다른 점은 효율성입니다. 하나의 업무에 뛰어나면서도 불필요한 기능을 떠안지 않습니다.
예를 들어 전용 AI 에이전트는 사람처럼 자동차를 운전할 수 있지만, 사람의 다른 추론 능력은 갖추지 않을 수 있습니다. 도로는 ‘이해’하더라도 자연스럽게 대화하거나 프롬프트로 이미지를 만들거나 대규모 데이터베이스를 다루지는 못합니다.
따라서 모델이 작동하는 데 필요한 메모리와 연산 능력이 줄어들고, 하드웨어 요구 사항과 작업 수행에 드는 에너지도 낮아집니다.
얼마나 많은 자율성?
AI 에이전트의 높은 자율성은 가장 큰 장점이지만 도입을 막는 장벽이 될 수도 있습니다.
아무리 유능하고 신뢰할 수 있는 AI 에이전트라도 현실에 큰 영향을 미치는 결정을 전적으로 맡기기는 어렵습니다. 개선된 챗봇에게 고객 서비스를 맡기는 것과 수천 명의 급여 업무를 맡기는 것은 전혀 다른 문제입니다.
AI 의사결정의 품질이 높아지고 사람들이 이에 익숙해지면 규제 당국도 AI에 더 넓은 재량을 허용할 가능성이 큽니다. 그러나 이는 AI 행동의 책임을 둘러싼 법적·윤리적 문제를 제기합니다.
명확한 법적 틀이 필요합니다. 예를 들어 자율주행차가 사고를 내면 AI 에이전트 제공업체가 책임져야 할까요? 자율성이 커질수록 결정은 실제 사람에게 영향을 미치고 막대한 책임 비용 문제로 이어집니다.
신원 도용이나 자동화 사기 같은 오용 문제도 포함됩니다. 이는 입법으로 다뤄야 하지만 기술 발전은 흔히 규제보다 앞서갑니다.
AI 에이전트의 미래
AI 에이전트가 좁은 범용성을 가질 수 있을까?
초기 AI 에이전트는 효율성과 신뢰성을 위해 좁은 범위에 특화됩니다. 하지만 더 높은 단계의 에이전트에는 맥락 이해, 과거 결정에 대한 기억, 업무 연속성이 필요합니다.
초기에는 사람이 직접 업무를 하기보다 에이전트형 AI를 지휘하는 ‘지휘자’ 역할을 맡을 수 있습니다. 물론 효율성을 높이려면 궁극적으로 사람의 노동을 과정에서 제외하는 것이 목표입니다.
예를 들어 병원에서 진단하는 AI는 의료 영상을 분석하고, 증상을 설명하는 글이나 음성을 이해하며, 검사 결과와 환자 이력을 통합하고, 관련 과학 문헌을 한꺼번에 찾아야 합니다. 그런 다음 이 데이터를 지능적으로 결합해야 합니다.
재무 적용 사례
제조업이나 의료처럼 실수가 치명적일 수 있는 분야에서는 의사결정 과정에서 사람을 빼는 데 회의적입니다. 반면 금융 부문은 AI 에이전트를 적극적으로 받아들이고 있습니다.
금융업은 거래 시스템부터 사기 탐지까지 이미 높은 수준의 자동화를 활용합니다. 금융 효율성의 자동화가 존재 이유인 핀테크 기업은 에이전트형 AI에 더욱 개방적입니다. 수조 달러를 다루는 산업에서는 작은 효율성 향상도 빠르게 수익성 높은 마진 확대로 이어질 수 있습니다.
예를 들어 에이전트는 은행 명세서, 스프레드시트, 원장을 대조하는 시간 소모적인 조정 업무를 맡을 수 있습니다. 중견기업은 은행 조정에만 연간 300시간 이상을 쓰기도 합니다. 스프레드시트도 일부를 자동화하지만 예외에 취약한 반면, 에이전트형 AI는 비정형 데이터와 예외를 처리할 유연성과 추론 능력이 더 높습니다.
Agentic AI에 투자하기
ServiceNow
NOW 가격 차트
ServiceNow (NOW )는 2003년에 설립된 클라우드 컴퓨팅 플랫폼으로, 자동화된 업무 흐름의 구축과 관리에 특화돼 있습니다. 기업 자동화 고객 기반을 확보한 뒤 에이전트형 AI로 완전히 전환했습니다.
기업은 ServiceNow의 AI 에이전트를 사용하거나 맞춤 설정할 수 있으며, 로코드와 ‘바이브 코딩’(사람의 프롬프트에 따라 AI가 코드를 작성하는 방식)으로 새로운 에이전트를 처음부터 만들 수도 있습니다.
ServiceNow의 핵심 장점은 특정 AI 기술에 종속되지 않고 기업의 기존 디지털 도구와 업무 흐름에 통합될 수 있다는 점입니다. 또한 늘어나는 AI 에이전트를 중앙에서 관리할 수 있는 신뢰성 높은 인터페이스를 제공합니다.
AI 거버넌스는 자체 또는 제3자 AI 에이전트를 관리·모니터링·최적화하는 중앙 허브를 중심으로 재정의됩니다. 폐쇄형 생태계와 달리 ServiceNow는 특정 LLM에 종속되지 않으며 NVIDIA (NVDA ), 하이퍼스케일러, 성장하는 AI 생태계와 긴밀히 통합되어 기업이 미래 변화에 대비한 AI 전략을 완전히 통제할 수 있게 합니다.
이 에이전트들은 IT 업무 자동화, 인사 절차 간소화, 반복적인 고객 요청 처리, 앱 개발 가속을 통해 기업 효율성과 이익률을 높이는 데 초점을 맞춥니다.
설립 20년이 넘은 이 회사는 2025년 말에도 전년 대비 20%가 넘는 매출 성장을 기록했습니다. 기존 고객 집단의 이용량이 꾸준히 늘면서 연간 계약 가치(ACV)가 확대되고, 갱신율도 95~97%를 유지해 매출 예측 가능성이 높습니다.
회사는 반복 매출에 비해 비용 기반이 낮아 견조한 영업이익률과 잉여현금흐름을 창출하고 있습니다.
최신 ServiceNow (NOW) 주식 뉴스 및 개발
