AI 에이전트 Archives - �鶹ԭ�� Korea 뉴스센터

AI 전환의 성공, 결국 HR의 설계력에 달려있다

Ilsuk Song — Wed, 23 Sep 2026 04:23:33 +0000

HR 리더 88%가 AI로 의미 있는 성과를 못 냈다고 답했다. 시간은 분명 줄었는데 성과는 왜 안 날까. �鶹ԭ�� HR Connect 2026에서 송일석 파트너가 짚은 AI 전환의 진짜 설계자, HR의 역할을 정리했다.

너도나도 AI 도입, 그런데 성과는 왜 이럴까

이제 AI를 도입해야 하나 말아야 하나를 고민하는 기업은 없다. 문제는 그다음이다. �鶹ԭ�� SuccessFactors에서 HCM Value Advisor로 일하는 송일석 파트너는 발표에서 성격이 다른 두 숫자를 나란히 보여줬다. HR에 AI를 도입해 채용 기간과 행정 업무 시간을 줄였다는 효율화 성과가 한쪽에 있다면, 반대쪽에는 HR 리더의 88%가 AI로 의미 있는 비즈니스 가치를 만들지 못했다고 답했고, 실제로 의미 있는 가치를 낸 기업은 5%에 불과하다는 조사가 있다. 특정 영역의 효율은 개선됐지만, 그것이 진짜 비즈니스 가치로는 아직 이어지지 못하고 있다는 뜻이다.

효율은 왜 성과로 이어지지 않을까

이유는 두 가지다. 첫째, AI가 벌어준 시간이 그냥 새어 나간다. �鶹ԭ�� 리서치에 따르면 직원들은 AI로 하루 평균 75분을 절감하지만, 대부분 그 시간에 하던 업무를 계속한다. 46%는 이 시간을 회사가 아닌 자기 시간으로 여겨 쉬거나 개인적인 일에 써버린다. 둘째, AI로 얻은 효율이 다른 중요한 가치를 갉아먹는다. 스웨덴의 한 핀테크 기업은 AI 챗봇을 도입하며 상담 직원 700명을 내보냈다. 비용과 응답 속도는 크게 개선됐지만, 챗봇의 응답 품질과 감정적 교류 부족에 고객 불만이 폭주해 결국 인간 상담 직원을 다시 채용했다. 표면적인 절감에 집중하다 고객 신뢰라는 더 중요한 가치를 놓친 사례다.

“결국 우리가 성공적으로 AI 전환을 이룩하기 위해서는 기술이 아니라 일과 조직의 설계 역량, 즉 HR의 역량에 성공 여부가 달려있다.”
송일석, HCM Value Advisor, �鶹ԭ�� SuccessFactors

AI 에이전트 시대, 재설계는 선택이 아니다

과거의 AI는 직원의 업무를 돕는 도구였지만, 스스로 판단하고 행동하는 AI 에이전트는 일의 또 다른 주체다. 어떤 업무를 AI에게, 어떤 업무를 사람에게 맡기고 언제 개입할지 반드시 설계해야 한다. 실제로 AI 도입 후 팀원 관리·문제 해결·신규 스킬 학습은 늘고 반복적 행정 업무나 리포트 작성은 줄었지만, 절반이 넘는 직원이 이 변화를 “그냥 스스로 그렇게 됐다”고 답한다. 의도 없이 일이 변하면 관리자는 직원이 무엇을 하는지 시야를 잃고, 책임 소재가 불분명해지며 번아웃과 보안 이슈로 이어질 수 있다. 이른바 ‘업무의 표류’다.

확보 여유 재배치, 감정 수용성 확보, 일의 재설계 등 업무 표류 방지를 위해 AI 도입 과정에서 HR이 해야 할 3대 과제 (가트너)

HR이 해야 할 세 가지 – 여유 재배치, 감정 수용성, 일의 재설계

그래서 HR이 나서야 한다. 첫째, AI로 확보한 여유를 가치 있는 곳으로 재배치해야 한다. 어떤 업무에 AI를 얼마나 적용하고 어떤 업무는 보호할지 정한 뒤, 생긴 캐파시티를 반복 업무가 아니라 전략적 업무나 미뤄둔 혁신 과제로 돌려야 한다. AI가 할 수 있는 건 다 맡기는 ‘AI 맥시멀리스트’보다, AI왶� 인간의 잠재력을 함께 고려하는 ‘공생적 전략가’를 택한 조직에서 직원 몰입도왶� 성과가 함께 오른다.

둘째, 직원의 감정 수용성을 확보해야 한다. AI가 내 일을 대체할 것 같다는 응답이 10%포인트 오를 때마다 일자리 불안감은 25%씩 커진다. 기대가 클수록 불안도 커진다는 뜻이다. 경영진이 이 감정과 불안 관리를 우선순위로 두고 변화의 이유왶� 성공의 모습을 구체적으로 커뮤니케이션해야 한다. 무엇보다 AI 리터러시가 수용성을 결정하는 가장 중요한 요인이었다. 조직도에 AI를 사람처럼 표기하면 대체의 신호로 읽혀 몰입도가 15% 떨어진다. AI는 도구왶� 동료의 중간인 ‘툴메이트’로, 이름도 사람 이름이 아니라 ‘어시스턴트’나 ‘코파일럿’처럼 건조하게 붙이는 게 낫다.

셋째, 일 자체를 다시 설계해야 한다. 직무 단위가 아니라 업무 단위로 접근해 AI왶� 사람의 역할을 나누고 필요한 스킬을 매핑해야 한다. 이렇게 쌓인 업무가 결국 새 직무로 묶이는데, 이때 과업의 다양성이나 커리어 패스 같은 ‘좋은 직무의 조건’을 의도적으로 넣어야 한다. AI 결과물을 무비판적으로 받아들이지 않도록 ‘인지 과속방지턱’을 넣고, 중요한 결정은 사람이 승인하는 휴먼 인 더 루프도 필요하다. 판단 중심인지 규칙 중심인지, 데이터가 명확한지, 감정적 신뢰가 필요한지 등 여섯 가지 기준으로 업무를 나눠야 한다.

성공적인 AI 도입을 위한 HR IT ��랫폼의 핵심 성공 요인

HR IT 솔루션도 뒷받침돼야 한다

통합된 데이터 기반, 프로세스에 내재화된 AI 에이전트, 스킬 기반 인사 프레임워크, 휴먼 인 더 루프, 지속적인 진화가 핵심이다. �鶹ԭ�� SuccessFactors는 HR 전 영역을 통합한 HR Suite, 스킬 기반 프레임워크인 Talent Intelligence Hub, AI 에이전트 중심의 비전으로 이를 구현하며, ‘관련성’, ‘신뢰성’, ‘책임성’ 3대 원칙 아래 연 2회 대규모 업데이트를 제공한다.

결국 HR의 설계력이 성공을 가른다

AI는 단순한 도구가 아니라 일의 미래를 바꾸는 디스럽터다. 사람, 일, 조직을 다시 연결해 근본적으로 재설계하는 일이 필요하고, 이를 가장 잘할 수 있는 조직이 바로 HR이다. AI 전환의 성공 여부는 기술이 아니라 일과 조직을 설계하는 HR의 역량에 달려 있다.

송일석 파트너는 �鶹ԭ�� SuccessFactors 소속 HCM Value Advisor입니다.

The post AI 전환의 성공, 결국 HR의 설계력에 달려있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

개인의 AI, 회사의 AI가 되려면

Florian Kunzke — Fri, 04 Sep 2026 01:53:16 +0000

AI를 잘 쓰는 개인이 늘어도 회사 전체 성과는 그대로일 수 있다. 업무강도·맥락·예측이라는 세 가지 벽을 �鶹ԭ��가 Joule Work, Company Memory, �鶹ԭ��-RPT-1.5로 어떻게 넘는지 살펴본다.

1등 조가 항상 진다

가 있다. 한 조정 코치가 힘센 선수 8명으로 1군을, 나머지로 2군을 만들었는데, 1군이 계속 졌다. 보트가 느려질 때마다 각자 더 세게 노를 저으니 박자가 흐트러지고 저항만 커졌다. 2군은 처음부터 호흡을 맞춰 저었다.

기업의 AI 도입도 비슷하다. 개인·팀 성과를 극대화하려다 조직 전체 성과를 갉아먹는 ‘서브옵티마이제이션(부분 최적화)’이 벌어진다. 에서 응답 기업의 88%가 AI를 정기적으로 쓰지만, 전체 영업이익 개선을 체감한 응답은 39%뿐이었다. 조직 전체 차원의 ‘고성과’ 기업은 6%뿐이다. 업무강도, 맥락, 예측이라는 세 축이 얽혀 있기 때문이다.

일이 줄지 않고 늘어난다

AI는 일을 줄여줄 것 같지만 실제론 늘린다. 에 따르면 AI를 많이 쓰는 직원일수록 시키지 않아도 더 빨리, 더 많이, 더 오래 일했다. 생산성이 오른 듯해도 실은 조용히 업무량이 쌓이는 ‘워크로드 크리프’다. 결과물은 쏟아지는데 소화는 여전히 사람 몫이라, 8차선 도로가 1차선 요금소로 좁아지는 꼴이다.

�鶹ԭ��는 이를 ‘더 많은 결과물’ 대신 ‘더 정확한 답’으로 푼다. “65인치 TV 재고가 떨어질 매장은 어디고, 옮길 재고는 어디 있나?”라고 물으면 통합 업무공간 Joule Work의 AI 에이전트가 시스템을 넘나들며 답을 찾고 필요하면 직접 행동한다. 직원은 앱을 오가는 대신 판단에 집중할 수 있다.

“AI는 일하는 방식, 지식이 흐르는 방식, 의사결정 방식 자체를 바꿔야 진짜 힘을 발휘한다. AI를 회사에 들여놓는 것과, AI로 회사 전체에 가치를 만드는 것은 다른 이야기다.”
플로리안 쿤츠케(Florian Kunzke), AI 전략 부문 글로벌 디렉터, �鶹ԭ��

정답인데 회사 사정은 모른다

대부분의 AI는 세상은 알아도 회사는 모른다. 거래 기록 같은 ‘시스템 지식’과 이메일·암묵적 룰 같은 ‘문서화되지 않은 지식(암묵지)’은 다르다. AI가 시스템 지식만 보면 답은 맞아도 회사 사정과는 어긋난다. “코코넛을 어디서 사나” 같은 질문도 조달·공급망·컴플라이언스를 넘나드는 지식이 필요하다.

는 이런 암묵지를 지속적으로 모아 사람과 AI 에이전트가 함께 쓰게 한다. 에 코코넛을 물으면 “브라질에서만 소싱, 다른 곳은 예외 승인 필요”처럼 실제 회사 규칙에 맞는 답이 나온다.

숫자 예측은 다른 문제다

기업의 의사결정은 결국 예측 문제이고, 예측은 정형 데이터에 달려 있다. LLM은 정형 데이터 예측엔 약하고, 전통 머신러닝은 답이 나오기까지 몇 주가 걸려 그땐 질문이 이미 바뀌어 있곤 한다.

�鶹ԭ��는 정형 데이터 전용 예측 모델 �鶹ԭ��-RPT-1.5왶� TabPFN 3를 Joule Work, �鶹ԭ�� Business Data Cloud왶� 연결해 이 공백을 메운다. 전문가가 아니어도 “물량을 재배치해야 할까” 같은 질문에 실제 데이터 기반 답을 바로 받는다. 예측이 조직 전체가 쓰는 기능이 되는 것이다.

AI는 일하는 방식, 지식이 흐르는 방식, 의사결정 방식 자체를 바꿔야 진짜 힘을 발휘한다. Joule Work, �鶹ԭ�� Company Memory, �鶹ԭ��-RPT-1.5/TabPFN 3는 그 방향으로 가는 �鶹ԭ��의 답이다. AI를 회사에 들여놓는 것과, AI로 회사 전체에 가치를 만드는 것은 다른 이야기다.

플로리안 쿤츠케(Florian Kunzke)는 �鶹ԭ��의 AI 전략 부문 글로벌 디렉터입니다.

The post 개인의 AI, 회사의 AI가 되려면 appeared first on �鶹ԭ�� Korea 뉴스센터.

�鶹ԭ�� 전환, AI 에이전트로 비용 60% 줄일 수 있다

Tim Clark — Fri, 28 Aug 2026 04:12:18 +0000

�鶹ԭ�� ECC에서 S/4HANA로의 전환, AI 에이전트가 비용과 시간을 얼마나 줄여줄 수 있을까? 오프쇼어링을 넘어선 “디쇼어링”이라는 새로운 개념부터, 커스텀 코드 분석과 테스트까지 에이전트가 파고드는 �鶹ԭ�� 전환의 미래를 살펴본다.

�鶹ԭ�� 고객사들은 오랫동안 같은 고민을 반복해 왔다. 낡은 �鶹ԭ�� ECC를 �鶹ԭ�� S/4HANA로 옮기는 일이 매번 비용이 크고 복잡하며 오래 걸린다는 것. 최근 한 에서는 에이전틱 AI로 더 빠르고 저렴하게, 고객사 스스로 더 많이 해낼 수 있게 전환을 다시 설계하자는 접근이 논의됐다. 참석자들은 이를 “디쇼어링”이라 불렀다.

“빠르게, 좋게, 저렴하게” 셋 다 될까

독립 �鶹ԭ�� 컨설팅사 창업자 스튜어트 브라운은 7�Ƅ간 여러 기업의 ECC-S/4HANA 전환을 도왶�왔다. “과거 방식을 바꿔야만 미래를 바꿀 수 있다”는 그는, 셋 중 둘만 고를 수 있다는 통념에 맞서 NASA의 “더 빠르게, 더 좋게, 더 저렴하게” 철학을 든다. �鶹ԭ�� 비즈니스 트랜스포메이션 수석 부사장 란지트 파니커도 고객사들이 결국 더 빨리, 더 싸게, 더 많은 가치를 원한다고 말한다.

오프쇼어링을 넘어 디쇼어링으로

수십 �Ƅ간 답은 인건비가 낮은 지역으로 업무를 옮기는 오프쇼어링이었다. 하지만 브라운은 오프쇼어·온쇼어 분산이 오히려 인수인계왶� 재작업, 조율 비용을 키운다고 지적한다. 에이전틱 AI는 그 일을 사람이 꼭 해야 하는지부터 묻는다. 브라운 팀이 전환 관련 약 180개 활동을 분석한 결과, AI로 비용을 약 60%까지 줄일 수 있었다. 명세 작성, 핏갭 분석, 커스텀 코드 분석처럼 고숙련 인력이 시간을 쏟는 작업이 특히 유망했다.

사람은 “마지막 1마일”을 맡는다

AI는 몇 시간 만에 “80% 완성본”을 만들어낼 수 있다고 브라운은 말한다. 다만 “결과물을 무조건 신뢰해선 안 된다”며, 숙련 인력의 역할이 처음부터 만드는 것에서 검토·보완으로 바뀐다고 설명한다. 목표는 완전 자동화가 아니라, 판단력과 검증처럼 경험이 가장 가치 있는 “마지막 1마일”에 전문성을 집중시키는 것이다.

“시스템 통합 파트너(SI)를 선정하기도 전에, 커스텀 코드의 표준화 계획을 세울 수 있다.”
스튜어트 브라운(Stuart Browne), 독립 �鶹ԭ�� 컨설팅사 Resulting IT 창업자

커스텀 코드, 가장 먼저 바뀔 영역

브라운이 이미 큰 변화를 본다는 분야는 커스텀 코드 분석이다. 예전엔 커스터마이징을 새 환경으로 옮긴 뒤 나중에 손보는 게 흔했다. 이제 AI는 전체 코드베이스를 분석해 기능 명세를 역으로 도출하고, 같은 요구사항을 �鶹ԭ�� 표준 기능만으로 충족할 수 있는지 판단한다. “SI를 선정하기도 전에 표준화 계획을 세울 수 있다”고 그는 말한다. 이미 비용을 지불한 표준 기능이 불필요한 커스터마이징을 대체할 수 있다는 뜻이다.

�鶹ԭ��, 전환 전 과정에 에이전트를 심다

파니커는 온쇼어·오프쇼어 구분이 의미를 잃고, 업무를 위치가 아닌 스킬 단위로 생각하게 될 것이라 전망한다. �鶹ԭ��는 시스템 분석, 데이터 관리, 커스텀 코드, 구성, 테스트, 롤아웃, 프로젝트 관리 전반에 에이전트를 구축 중이며, 이는 �鶹ԭ�� Business Technology Platform 위의 �鶹ԭ�� Cloud ALM과 고객별 지식 기반에 연결된다. �鶹ԭ��의 목표는 전환 작업량을 약 35% 줄이는 것이다.

테스트도 에이전트에게 맡길 수 있을까

보안·규제 요건이 많은 업종에선 테스트에 시간이 많이 든다. 파니커는 묻는다. “에이전트가 코드를 고칠 수 있다면, 테스트왶� 승인도 맡길 수 있을까?” 관건은 조직이 에이전트의 지식과 안전장치를 얼마나 신뢰하느냐다.

좋은 에이전트를 가르는 건 “맥락”

�鶹ԭ�� 프로젝트는 아키텍처 결정, 리스크 목록 등 방대한 고유 정보를 만든다. 브라운은 이 살아있는 지식과 AI를 연결하는 일이 핵심이라 본다. “정적인 LLM이 아니라 그 세계 자체왶� 대화할 수 있어야 한다”는 것. 그는 이 지점에서 성패가 갈릴 것이라고 말한다.

지식의 주도권도 바뀐다

가장 큰 변화는 기술이 아니라 “누가 전문성을 갖느냐”일 수 있다. �鶹ԭ�� 구현은 경험 많은 컨설턴트에 크게 의존해 왔고, 고객사는 지식 격차로 설계 결정에 이의를 제기하기 어려웠다. 브라운은 경험 6개월 차도 몇 주 만에 예전엔 몇 �Ƅ 걸렸을 수준까지 오를 수 있다고 본다. 파니커도 AI가 전문가들을 좁은 직무 영역 밖으로 꺼내준다는 데 동의한다.

“왜 더 빨리 하면 안 되지”

�鶹ԭ�� 전환이 몇 �Ƅ씩 걸리는 게 당연하다는 인식이 굳어져 있었다. 브라운과 파니커 모두 이제는 이 전제에 의문을 제기해야 한다고 말한다. 파니커는 “왜 더 빨리 하면 안 되는가”라고 묻는다. 브라운은 버튼 하나로 프로그램 전체가 완성된다는 뜻은 아니라면서도 “그런 세상은 이미 왶� 있다”고 말한다. 파니커의 메시지도 같다. “관망하지 말고 호기심을 갖고 뛰어들어라. 목표에 더 빨리 도달할수록 더 많은 가치를 만들 수 있다.”

팀 클라크(Tim Clark)는 �鶹ԭ��의 브랜드 저널리즘 수장입니다.

The post �鶹ԭ�� 전환, AI 에이전트로 비용 60% 줄일 수 있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

태양의 서커스, 뒷무대엔 AI 동료가 있다

Sid Misra — Fri, 14 Aug 2026 02:38:19 +0000

태양의 서커스는 화려한 무대 뒤에서 매�Ƅ 7만 건의 인보이스왶� 씨름했다. AI가 마법은 아니라지만, 다국어 AI 에이전트 제나토가 팀에 합류한 뒤 응답 속도왶� 공급업체 만족도, 직원 사기까지 눈에 띄게 달라졌다.

화려한 무대 뒤, 복잡한 글로벌 비즈니스

태양의 서커스는 중력을 거스르는 공연, 화려한 의상, 몰입감 있는 음악으로 관객에게 경이로움을 선사한다. 하지만 무대 뒤에는 그만큼 놀라운 글로벌 비즈니스 운영이 숨어 있다. 지금까지 90개국에서 3억 6,500만 명이 넘는 관객을 만난 태양의 서커스는 현재 38개 공연을 동시에 운영하며, 80개국 이상 출신 아티스트왶� 직원 4,000여 명이 함께한다.

공연 하나가 멕시코시티에서 런던, 다시 파리로 옮겨갈 때마다 새로운 법인, 세금 문제, 현지 규정, 여러 국적의 아티스트가 함께 움직인다. 태양의 서커스 IT 부문 부사장 필리프 라뤼미에르는 “사람들은 서커스 운영이 얼마나 복잡한지 잘 모른다”고 말한다.

매입채무팀을 짓누르던 반복 업무

이 복잡함은 매입채무(AP) 부서에서 특히 두드러진다. 매�Ƅ 7만 건이 넘는 인보이스가 밀려드는데, 이 중 약 40%는 처리 현황을 묻는 단순 문의다. 담당자들은 여러 시스템을 뒤지며 이력을 확인하고, 지연 원인을 찾아 일일이 답장을 써야 했다. 반복적이고 지치는 일이었다. 라뤼미에르는 “‘대체 언제 돈을 받느냐’는 무례한 메일도 있다. 사기가 떨어지는 일”이라고 말한다.

AI로 풀 문제를 찾다

25�Ƅ 넘게 �鶹ԭ��를 사용해 온 태양의 서커스에 �鶹ԭ�� AppHaus가 질문을 던졌다. 생성형 AI로 업무를 어떻게 개선할 수 있을까. 여러 부서가 함께한 워크숍에서, 처리량이 많고 자동화 효과가 뚜렷한 AP 부서가 첫 후보로 떠올랐다. AP 자동화는 업계 전반에서 가장 널리 쓰이는 AI 사례이기도 하다. 방향이 정해지자 태양의 서커스왶� �鶹ԭ��는 곧바로 AI 솔루션 개발에 나섰다.

팀의 새 동료가 된 AI, 제나토

이렇게 탄생한 것이 다국어 AI 에이전트 ‘제나토(Genato)’다. 제나토는 AP 수신함을 스캔해 문의의 긴급도를 분석하고, 인보이스 번호를 추출해 �鶹ԭ�� 데이터왶� 연결한 뒤 처리 현황을 조회하고, 답변 초안까지 작성해 담당자 검토를 받는다. 라뤼미에르는 “처음엔 답변의 정확성이 걱정됐지만, 팀은 곧 제나토의 정보가 정확하다는 걸 확인했다”고 말한다.

“작게 시작하고, 사용자를 일찍부터 참여시키고, 기꺼이 실험하라. AI라는 기차는 이미 움직이고 있으니 올라타야 한다.“
필리프 라뤼미에르(Philippe Lalumière), 태양의 서커스(Cirque du Soleil) 정보기술부문장

다만 “AI는 강력한 도구지만 마법의 가루는 아니다. 실제로 해야 할 일이 많다”고 강조한다. 이 작업에는 적절한 커넥터 설계왶� 함께, 을 통한 시스템 통합이 뒤따랐다. 이 ��랫폼은 �鶹ԭ�� 비즈니스 데이터 클라우드, 비즈니스 트랜스포메이션 매니지먼트 솔루션, �鶹ԭ�� 비즈니스 AI 등을 하나로 묶어 AI왶� 데이터, 프로세스, 거버넌스를 통합함으로써 고객이 지속 가능하고 비용 효율적인 AI를 구축·통합·확장·운영할 수 있게 돕는다.

숫자로 보는 변화

효과는 곧바로 나타났다. 우선순위 요청 처리 개선율 97.92%, AP 적체 25% 감소, 응답 속도 25% 단축이라는 성과로 이어졌고, 공급업체 만족도왶� 직원 사기도 함께 올라갔다. 라뤼미에르는 “이제 제나토를 팀의 가상 동료로 여긴다”고 말한다. 프로토타입이 실제 운영에 투입된 뒤 한 사용자는 “이제 이것 없이는 못 산다”며 강한 애착을 드러냈고, 지금은 가장 적극적인 홍보대사가 됐다.

다음 무대를 준비하며

태양의 서커스에게 AP 자동화는 시작일 뿐이다. 라뤼미에르는 “AI는 크고 아름다운 도구지만, 우선순위를 정하려면 여전히 사람의 판단이 필요하다”고 말한다. 그는 AI가 Joule 같은 개인 생산성 솔루션, 제나토 같은 비즈니스 프로세스 AI, 그리고 언젠가는 관객 경험 자체까지 세 단계로 확장될 것으로 본다.

AI를 시작하려는 이들에게 그는 이렇게 조언한다. “작게 시작하고, 사용자를 일찍부터 참여시키고, 기꺼이 실험하라. AI라는 기차는 이미 움직이고 있으니 올라타야 한다.” 오늘은 후방 업무를 바꾸고 있지만, 내일은 관객의 경험 자체를 새롭게 정의할지도 모른다.

시드 미스라(Sid Misra)는 �鶹ԭ�� Business AI Platform Technology Foundation 부문 CMO입니다.
Top image courtesy of Cirque du Soleil.

The post 태양의 서커스, 뒷무대엔 AI 동료가 있다 appeared first on �鶹ԭ�� Korea 뉴스센터.

SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트

Adam Park — Thu, 19 Mar 2026 07:04:56 +0000

의 확산은 SaaS의 과금 모델을 근본적으로 위협하지만, 이는 SaaS 전체의 종말이 아니라 깊이 없는 SaaS의 종말이다. 수십 �Ƅ간 쌓인 비즈니스 로직과 실물 인프라를 가진 ��랫폼은 오히려 AI가 배포되는 괶�문으로서 더 강해질 수 있다.

기획: 박범순(Adam Park), 글쓴이: 클로드(Claude)

핵심 메시지

AI 에이전트는 한 개의 좌석으로 열 명분의 일을 처리하므로, 결과에 연동된 퍼시트 모델은 수익 붕괴를 피할 수 없다.
진정한 방어력은 예쁜 UI가 아닌 복제 불가능한 백엔드, 즉 네트워크 효과·물류 인프라·누적된 비즈니스 로직에 있다.
가격 모델도 진화해야 하며, 싵ӗ�라(��)처럼 성공한 결과에만 과금하는 아웃컴 기반 방식이 새로운 대안으로 부상하고 있다.

올해 초 앤트로픽이 클로드 코워크왶� AI 플러그인 생태계를 발표하던 날, 실리콘밸리의 투자자들 사이에서는 조용한 공황이 시작됐다. 젠데스크, 세일즈포스, 허브스팟 등 수십 개의 SaaS 기업 주가가 일제히 흔들렸다. 사람들은 이 현상에 즉각 이름을 붙였다. ��포칼립스(��ǳ��), 즉 SaaS왶� 아포칼립스의 합성어. 직역하면 SaaS 종말론이다.

과연 SaaS는 정말 끝난 것일까? 브레이킹이븐(Breaking Even) 채널의 페더리코(Federico)왶� 아틀라시안(Atlassian)의 공동창업자 겸 CEO인 마이크 캐논-브룩스(Mike Cannon-Brookes)의 시각을 함께 들여다보면, 이 질문에 대한 답이 단순하지 않다는 것을 알 수 있다.

퍼시트(Per-seat) 모델의 균열

SaaS가 지난 20�Ƅ간 폭발적으로 성장할 수 있었던 비결은 단순했다. 사람이 늘어날수록 좌석(seat)이 늘어나고, 좌석이 늘어날수록 수익이 늘어난다. 한계비용은 거의 0에 가깝고, 한번 쓰기 시작하면 쉽게 떠나기 어려운 구조. 완벽한 사업 모델이었다.

AI 에이전트는 이 공식의 근본 전제를 뒤흔든다.

페더리코의 설명은 직관적이다. AI 에이전트는 단순한 챗봇이 아니다. 파일을 읽고 편집하고, 소프트웨어를 직접 조작하며, 사람 대신 실제 행동을 취한다. 예전에는 10명의 영업 담당자가 각자 세일즈포스 계정을 가지고 있었다면, 이제는 AI 에이전트 한두 개가 팀 전체의 역할을 대신할 수 있다. 구독 좌석이 10개에서 2개로 줄어드는 것이다. SaaS 기업 입장에서는 수익이 80% 감소하는 악몽이다.

캐논-브룩스도 이 위기를 부정하지 않는다. 다만 그는 한 가지 중요한 단서를 붙인다. “리스크가 높아진 것은 맞다. 하지만 이 공포는 과장됐다.” 그가 진단하는 진짜 문제는 ‘모든 SaaS가 똑같이 위험하다’는 착각이다.

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

에이전틱 AI의 느린 발전, AI 버블 붕괴, 기업 차원의 GenAI 활용 필요성, AI 관리 조직 구조 논쟁, AI 팩토리를 통한 가치 창출 가속화 등 MIT의 톰 데이븐포트왶� 랜디 빈이 제시하는 2026�Ƅ 5대 AI 트렌드를 지금 바로 확인하세요.

세 가지 SaaS, 세 가지 운명

캐논-브룩스는 SaaS 기업을 세 유형으로 분류한다. 이 분류는 AI 시대에 누가 살아남고 누가 사라질지를 꽤 정확하게 예측한다.

유형 1: 결과에 묶인 퍼시트 모델 – 젠데스크 같은 고객 서비스 ��랫폼이 대표적이다. 상담 직원 한 명당 한 개의 좌석을 판다. 그런데 AI가 상담 업무를 처리하기 시작하면? 고객사는 더 이상 100명분의 좌석이 필요 없다. 이론적으로는 좌석이 0에 가까워질 수도 있다. 이 유형이 가장 직접적인 위협에 놓여 있다.
유형 2: 직원 수에 묶인 퍼시트 모델 – 워크데이나 석세스팩터스() 같은 HR ��랫폼이 여기에 해당한다. 이 소프트웨어의 좌석 수는 ‘업무량’이 아니라 ‘임직원 수’왶� 연동된다. 회사에 직원이 1,000명이면 1,000개의 계정이 필요하다. AI가 아무리 발전해도 회사의 인력 규모 자체를 줄이기 전까지는 좌석 수가 줄지 않는다. 게다가 이런 ��랫폼은 AI 도구들이 기업 데이터에 접근하는 괶�문 역할을 한다. 오히려 AI 시대에 더 중요해질 수 있다.
유형 3: 사용량 기반 모델 – 세일즈포스처럼 사용량에 따라 과금하는 구조다. 프론트엔드(사용자 인터페이스)왶� 백엔드(데이터왶� 프로세스)가 잘 결합되어 있다면 크게 흔들리지 않는다. 다만 가격 정책이 고객에게 공정하게 느껴지는지가 관건이다.

아래는 이 세 유형의 위험도를 한눈에 볼 수 있는 다이어그램이다.

Atlassian의 마이크 캐논-브룩스 CEO가 제시한 3가지 SaaS 유형별 리스크

AI 시대에 진짜 가치는 어디에 있는가

페더리코는 SaaS의 위기를 명료하게 진단한다. 지금까지 많은 SaaS 기업은 본질적으로 “그럴싸한 대시보드가 달린 데이터베이스”였다. 이런 기업들은 AI에게 잡아먹힐 것이다.

그렇다면 살아남는 기업은 무엇이 다를까? 핵심은 인터페이스 레이어가 아닌 백엔드 레이어에 있다. AI 에이전트는 이제 시각적 인터페이스 없이도 소프트웨어를 직접 조작할 수 있다. 아름다운 UI는 더 이상 경쟁 우위가 아니다.

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

우리는 보이는 것, 측정 가능한 것만 중요하다고 착각합니다. 하지만 생존 편향,��데이터 편향,��측정 편향이 보여주듯, 신뢰, 윤리, 지혜, 맥락 등 AI 시대에 진짜 중요한 것은 여전히 눈에 보이지 않습니다.

방어 가능한 백엔드의 조건은 네 가지다.

첫째, 복제하기 어려운 고유 시스템. 쇼피파이(Shopify)가 수십 �Ƅ에 걸쳐 구축한 글로벌 물류 네트워크가 대표적인 예다. AI가 코드로 쇼피파이 같은 인터페이스를 하루 만에 만들 수 있어도, 전 세계 창고왶� 배송 파트너로 이루어진 실물 네트워크는 절대 복제할 수 없다.
둘째, 네트워크 효과. 사용자가 많아질수록 서비스가 더 가치 있어지는 구조. 이미 수백만 개의 기업 데이터를 처리하는 ��랫폼은 그 자체로 강력한 해자(moat)가 된다.
셋째, 브랜드왶� 신뢰. 특히 AI 에이전트가 자율적으로 행동하는 세계에서는 ‘어떤 ��랫폼이 처리했는가’에 대한 신뢰가 결정적이다.
넷째, 물리 세계 통합과 규제 편입. 정부 시스템에 깊이 통합되어 있거나 물리적 인프라왶� 연결된 소프트웨어는 AI 에이전트가 쉽게 대체할 수 없다.

캐논-브룩스는 여기에 중요한 관점을 추가한다. 많은 사람들이 ‘시스템 오브 레코드(system of record)‘를 그저 데이터를 저장하는 정적인 캐비닛으로 오해한다는 것이다. 그러나 현대 비즈니스는 실제로 수십 �Ƅ에 걸쳐 쌓인 동적 프로세스왶� 비즈니스 로직의 집합체다. 그 복잡한 엣지 케이스왶� 규칙들이야말로 AI가 통해서 작동해야 하는 핵심 인프라다. 즉, 깊이 있는 시스템 오브 레코드를 가진 기업은 AI의 대체 대상이 아니라 AI가 배포되는 괶�문이 된다.

“바이브 코딩”의 한계

요즘 “바이브 코딩(vibe coding)”이라는 말이 유행한다. 개발 경험이 없어도 AI에게 대략적인 아이디어를 말하면 작동하는 앱을 뚝딱 만들어준다는 개념이다. 이것이 SaaS의 종말을 가속화할까?

페더리코왶� 캐논-브룩스 모두 비슷한 결론에 도달한다. 바이브 코딩은 인터페이스를 만들 뿐, 방어 가능한 백엔드를 만들지는 못한다. 쇼피파이의 외관을 닮은 앱은 하루 만에 만들 수 있다. 하지만 쇼피파이가 20�Ƅ간 구축한 글로벌 풀필먼트 네트워크는 코드 몇 줄로 생성되지 않는다.

다만 캐논-브룩스는 바이브 코딩의 유용한 측면도 인정한다. 기존 ��랫폼 위에 맞춤형 확장 기능을 만드는 데는 탁월하다. “마이애미 사무실 회의실 예약 시스템”처럼 매우 특수한 니즈를 가진 기업이 대형 IT팀 없이도 빠르게 자신만의 툴을 만들 수 있다. 핵심 시스템을 대체하는 것이 아니라 핵심 데이터왶� 연동된 맞춤 확장을 만드는 것, 이것이 바이브 코딩의 올바른 쓰임새다.

AI 혁신: 기업 경쟁력 확보 위한 4단계��특집 기사

기업이 AI를 통해 실질적인 경쟁 우위를 확보하려면 가장 유망한 사용 사례 우선순위 설정, 지능형 에이전트 배포, 일상 업무 프로세스에 AI 통합, 상호 운용 가능한 AI 도구 생태계 구축이라는 4단계 접근법이 필요합니다.

새로운 가격 모델의 등장: 결과 기반 과금

퍼시트 모델이 흔들리면서, 새로운 가격 체계에 대한 모색이 시작됐다. 그 중 가장 주목받는 것이 아웃컴 기반(outcome-based) 가격 정책이다.

고객 서비스 AI ��랫폼 싵ӗ�라(��)가 선구적 사례다. 시에라는 AI 에이전트가 인간 개입 없이 고객 문의를 성공적으로 처리했을 때만 과금한다. 고객사 입장에서는 리스크가 없다. AI가 실패하면 돈을 내지 않는다. 시에라 입장에서는 자신들의 에이전트 성능을 개선할 강력한 인센티브가 생긴다. 가치 창출과 수익이 완벽하게 정렬된 모델이다.

페더리코는 이 방향이 SaaS의 미래라고 본다. 실제로 AI가 처리하는 업무의 양과 질이 과금의 기준이 되어야 한다는 것이다.

그러나 캐논-브룩스는 여기서 중요한 현실적 한계를 짚는다. 결과 기반 가격은 예측 가능성과 투명성이 떨어진다. 기업들이 퍼시트 모델을 선호했던 이유 중 하나는 매달 얼마를 내야 하는지 명확히 알 수 있기 때문이다. 반면 아웃컴 기반 모델은 절감 효과를 매�Ƅ 새로 증명해야 하는 부담이 있고, 예상치 못한 비용 급등의 가능성도 있다. 그가 “카지노 칩 모델”이라 부르는, 토큰 사용량이나 API 호출 횟수처럼 예측 불가능한 요소로 청구서가 치솟는 가격 구조는 기업 고객이 가장 싫어하는 것 중 하나다.

결국 캐논-브룩스가 제시하는 공정한 AI 가격 모델의 기준은 세 가지로 요약된다. 고객이 비용을 통제할 수 있어야 하고, 가치왶� 비용이 비례해야 하며, 예상치 못한 숨겨진 복잡성이 없어야 한다.

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법��특집 기사

AI 시대에도 트롤리 딜레마의 진짜 해법은 “누구를 희생할 것인가”가 아니라, 그 상황 자체를 만들지 않는 예방과 설계에 있습니다. 발전된 기술을 최대한 활용해 예방하도록 설계하되, 최종 가치 판단과 책임은 언제나 인간의 몫입니다.

살아남는 자왶� 사라지는 자

SaaS 대재앙은 실재한다. 하지만 그것은 SaaS라는 개념 자체의 종말이 아니라, 피상적인 SaaS의 종말이다.

수십 �Ƅ간 쌓인 비즈니스 로직, 실물 인프라왶�의 통합, 수백만 기업의 신뢰. 이런 것들은 AI가 하루 아침에 대체할 수 없다. 오히려 AI는 이런 깊이 있는 ��랫폼을 통해 배포되고 작동한다. 그 괶�문을 쥔 기업은 AI 시대에도 살아남는다.

반면 “그럴싸한 대시보드가 달린 데이터베이스”에 불과했던 기업들, 즉 인터페이스만 예쁘고 실질적인 데이터나 프로세스의 깊이가 없는 SaaS들은 AI 에이전트에 의해 빠르게 잠식될 것이다.

캐논-브룩스의 말처럼, 잘 적응한 기업은 AI 시대에 오히려 더 강해질 수 있다. 하지만 그 적응은 “AI 기능을 추가했습니다”라는 보도자료 한 줄로 이루어지지 않는다. 자신이 정말로 어떤 가치를 제공하는지, 그리고 그 가치가 AI 에이전트의 등장 앞에서도 방어 가능한지를 근본적으로 다시 질문하는 데서 시작된다.

SaaS포칼립스는 종말이 아니라 선별이다.

이 글은 왶� 의 인터뷰 내용을 바탕으로 작성되었습니다.

The post SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트 appeared first on �鶹ԭ�� Korea 뉴스센터.

2026�Ƅ을 좌우할 9가지 UX 디자인 트렌드

Adam Park — Fri, 13 Mar 2026 04:18:50 +0000

AI왶� 기술의 발전으로 사용자경험(UX) 디자인의 패러다임이 빠르게 바뀌고 있습니다. 2026�Ƅ에는 사용자의 신뢰왶� 자율성, 일상적 유용성을 중심으로 한 디자인이 핵심으로 자리할 전망입니다. �鶹ԭ�� 최고 디자인 책임자의 통찰을 확인하세요.

글쓴이: 애린 보믹(Arin Bhowmick) �鶹ԭ�� 최고 디자인 책임자, 번역: 클로드(Claude)

고정된 화면을 전달하는 방식에서 벗어나, 디자이너는 이제 모델 기반 인터페이스가 어떻게 작동할지를 이끄는 제약 조건, 안전장치, 평가 기준을 설계해야 합니다. (이미지: GETTY)

매�Ƅ 이맘때면 “2026�Ƅ엔 무엇이 달라질까”를 주제로 한 글들이 쏟아집니다. 이미 몇 편쯤 읽으셨을 것 같습니다.

젶ĵ� 추측성 전망을 늘어놓으려는 게 아닙니다. 실제 엔터프라이즈 제품을 만드는 디자인 팀들과 함께 일하면서 지금 이 순간 직접 목격하고 있는 것들을 나누고자 합니다.

다음은 제가 꼽은 2026�Ƅ UX 디자인의 9가지 주요 변화입니다.

좋은 AI는 잘못 쓰기 어렵다: �鶹ԭ��의 자율형 기업 디자인 원칙��특집 기사

AI 도구를 빨리 도입하는 것보다 중요한 건 ‘신뢰’다. Sapphire에서 공개한 는 흩어진 시스템과 반복 업무에서 사용자를 해방시키는 완전히 새로운 워크스페이스. 시대, �鶹ԭ�� 디자인팀이 그리는 일의 미래를 들여다본다.

1. 스스로 설명하는 AI

대부분의 사용자는 AI 도구를 사용하고 나서 “이 시스템이 실제로 무엇을 했고, 왜 그런 결정을 내렸는지” 모른 채 자리를 떠납니다. 이는 디자인으로 충분히 해결할 수 있는 문제입니다.

이미 행동하기 전에 추론 과정을 보여주고, 결정을 쉬운 언어로 설명하며, AI가 틀렸을 때 사용자가 수정할 수 있도록 하는 제품들이 등장하고 있습니다. 2026�Ƅ에는 이 흐름이 더욱 강해질 것입니다. 설명 가능한 AI(Explainable AI) 시장은 2032�Ƅ까지 332억 달러 규모에 달할 것으로 예상되는데, 사람들은 이해할 수 없는 시스템을 신뢰하지 않기 때문입니다. 사람들이 채택하는 AI 제품과 외면하는 AI 제품의 차이는 결국 하나의 간단한 질문으로 귀결될 수 있습니다. “사용자는 이 시스템이 자신의 프롬프트에 응답해 무엇을 만들었는지 알고 있는가?”

2. 에이전틱 UX왶� 인간-에이전트 생태계

비즈니스 리더의 88%가 에이전틱 역량을 위한 AI 예산을 늘릴 계획인 가운데, AI 에이전트는 전략적 핵심 과제로 자리잡고 있습니다. 동시에 사용자들도 이 에이전트가 어디서, 어떻게, 언제 유용한지를 점점 더 잘 이해하게 되었습니다.

그 결과, 통합이 일어나고 있습니다. 수십 개의 세분화된 에이전트를 일일이 관리하는 대신, 마스터 에이전트가 작업 유형, 맥락, 중요도에 따라 특화된 에이전트들을 자동으로 조율하게 됩니다. 이제 디자이너는 이러한 인간-에이전트 생태계를 위한 경험을 설계해야 합니다. 에이전트의 생애주기를 관리하고, 작업 인계를 조율하며, 언제 사람이 직접 개입할지를 결정하는 것이 그 핵심입니다.

AI가 우선시 되는 미래를 위한 디자인��특집 기사

AI는 디자이너를 대체하는 것이 아니라 디자이너의 역할을 재정의하고 있으며,��성공하는 디자이너는 AI를 도구로 활용하면서도 비판적 사고왶� 인문학적 소양을 바탕으로 AI의 방향을 이끌어가는 사람입니다. �鶹ԭ��의 AI 경험 담당 부사장의 통찰을 확인하세요.

3. 실시간으로 생성되는 역동적 인터페이스

Gemini 3 Pro왶� 같은 대형 언어 모델은 이제 각 프롬프트에 맞춰 인터랙티브하고 맞춤화된 인터페이스를 실시간으로 구축할 수 있습니다. 연구에 따르면 이렇게 생성된 인터페이스가 인간 전문가의 디자인과 44% 수준으로 일치했는데, 단 몇 초 만에 만들어진다는 점을 감안하면 놀라운 수치입니다.

고정된 화면을 전달하는 방식에서 벗어나, 디자이너는 이제 모델 기반 인터페이스가 어떻게 작동할지를 이끄는 제약 조건, 안전장치, 평가 기준을 설계해야 합니다.

4. 음성 인터페이스, 제자리를 찾다

음성은 이제 과대평가의 단계를 지났습니다. 미국에서만 2026�Ƅ 말까지 1억 5,710만 명이 음성 어시스턴트를 사용할 것으로 예상됩니다. 디자인 리더들은 맥락을 인식하는 멀티모달 경험의 부상을 체감하게 될 것입니다. 이러한 인터페이스는 사용자의 행동에 따라 음성, 터치, 시각적 요소를 유기적으로 결합합니다. 좋은 UX 디자인은 이제 사용자의 손이 바쁘거나 타이핑이 어려운 환경까지 고려해야 합니다.

5. 마이크로인터랙션, 인터페이스의 언어가 되다

한때 작은 애니메이션이나 호버 효과는 프로젝트 막바지에 얹는 ‘케이크 위의 아이싱’ 같은 존재였습니다. 버튼 색상 변화, 채워지는 프로그레스 바, 작업 완료 시 뜨는 작은 축하 메시지… 우리는 이것들을 그저 장식적인 요소로 취급했습니다.

그러나 이제 마이크로인터랙션은 인터페이스가 사용자왶� 소통하는 방식 그 자체가 되었습니다. 사용자가 잠시 멈추고 확인 메시지를 읽도록 강요하지 않고도 행동을 자연스럽게 인식하게 해줍니다. 마이크로인터랙션이 없는 인터페이스는 마치 대화 상대가 말을 걸어도 눈 한 번 마주치지 않는 사람처럼 생기 없게 느껴집니다.

디자인의 숨겨진 미래: 아무도 말하지 않는 것들��특집 기사

괶�찰��고��추론,��행동하는 AI 덕분에 ‘사용자 인터페이스(UI)’는 더 이상 눈에 띄지 않게 되어 마치 존재하지 않는 것처럼 느껴지게 됩니다. 디자이너는 이제 신뢰를 형성하고 더욱 인간적인 경험을 제공하는 데 집중해야 합니다.

6. AR, 데모에서 일상으로

젶ĵ� 수�Ƅ간 수십 번의 인상적인 AR 데모를 컨퍼런스에서 접했습니다. 멋진 것들을 보았고, 그리고는 “이걸 실제 업무에서 언제 쓰지?”라는 의문을 품은 채 사무실로 돌아오곤 했습니다.

그 인상적인 데모왶� 실용적인 도구 사이의 간극이 좁혀지고 있습니다. 이제 리테일 기업들은 구매 전 가구를 자신의 거실에서 미리 볼 수 있게 하고, 디자인 팀들은 실제 공간에서 3D 모델을 직접 살펴보고 있습니다.

AR은 평면 화면의 이미지보다 실제 문제를 더 잘 해결할 때 비로소 의미를 가집니다. 그리고 점점 더 많은 기업들이 그런 문제를 찾아내고 있습니다.

7. 선 넘지 않는 개인화

사용자는 개인화된 경험을 원합니다. 단, 그 경험을 제공하기 위해 시스템이 무엇을 알아야 하는지 깨닫기 전까지는요. 필요한 것을 미리 예측해 준다는 건 분명 도움이 되는 일처럼 들리지만, 이를 실현하려면 끊임없는 행동 추적이 필요합니다.

Netflix의 추천 알고리즘을 예로 들어보겠습니다. 사용자들이 개인화를 중심으로 설계된 서비스에 자발적으로 동의했기 때문에 잘 작동합니다. 이왶� 달리, 수십 개의 관련 없는 사이트에서 사용자의 브라우징을 추적해 한 번 봤던 제품 광고를 보여주는 쇼핑몰 웹사이트왶� 비교해보세요. 같은 기술이지만, 사용자가 느끼는 유용함과 침해감은 전혀 다릅니다.

훌륭한 엔터프라이즈 소프트웨어는 사용자에게 시스템이 얼마나 적응할지를 직접 제어할 수 있는 권한을 주고, 개인정보 설정을 눈에 잘 띄게 배치합니다. 2026�Ƅ은 기업들이 침해적인 추적 없이 사용자 선호도에 맞춰 적응하는 방법을 찾아내는 해가 될지도 모릅니다.

8. 접근성, 처음부터 내장되다

접근성은 더 이상 나중에 추가하는 기능이나 규정 준수의 체크박스가 될 수 없습니다. 최근 Forbes 기고에서 젶ĵ� 접근성 있는 디자인이 어떻게 실질적인 ROI를 만들어내고 진정한 경쟁 우위가 될 수 있는지를 다루었습니다.

처음부터 인지적 다양성을 고려해 설계하면 모두가 혜택을 받습니다. 예를 들어, 움직임 민감도 토글 기능은 ADHD를 가진 사람들뿐 아니라 단순히 애니메이션에 어지러움을 느끼는 사람들에게도 도움이 됩니다.

접근성은 제품을 만드는 방식 자체를 개선할 잠재력을 가진 만큼, 앞으로 UX 디자인에서 가장 중요한 주제 중 하나가 될 것이라 예상합니다.

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

9. 진짜로 작동하는 크로스��랫폼 UX

사용자들은 스마트폰, 태블릿, 노트북, 스마트워치를 끊임없이 오갑니다. 출근하고, 사무실에서 몇 시간을 보내고, 점심을 먹고, 집에 돌아오는 동안 내내 자신의 경험이 그대로 이어지기를 기대합니다.

진정한 크로스��랫폼 UX란 작업이 어디서든 따라오는 것을 의미합니다. 모바일에서 시작하고, 데스크톱에서 이어가고, 태블릿에서 마무리하는 것이 아무런 의식 없이 가능해야 합니다. 2026�Ƅ에는 이것이 비즈니스 대화의 훨씬 더 중요한 주제로 부상할 것입니다.

모든 것을 관통하는 하나의 실

사용자는 자신의 문제를 해결하기 위해 만들어진 제품과 단순히 기능 요건을 충족하기 위해 만들어진 제품을 구별할 줄 압니다. 이번에 소개한 UX 디자인의 변화들은 바로 그 현실에 응답합니다. 사용자의 시간, 지능, 그리고 프라이버시를 존중하는 방식으로 작동하는 제품을 만드는 데 초점을 맞추기 때문입니다. 2026�Ƅ에 성공하는 팀은 사용자를 위해서가 아니라, 사용자왶� 함께 디자인하는 팀이 될 것입니다.

그 밖의 모든 것은 그저 소음일 뿐입니다.

원문: , , Forbes.com

The post 2026�Ƅ을 좌우할 9가지 UX 디자인 트렌드 appeared first on �鶹ԭ�� Korea 뉴스센터.

금융서비스를 혁신하는 조용한 혁명

Judith Magyar — Fri, 24 Oct 2025 05:38:57 +0000

산업이 레거시 시스템의 한계를 극복하고 ��랫폼 기반 접근법과 AI 기술을 통해 조용하지만 근본적인 혁신을 이루고 있습니다. 한 가지는 분명합니다. 금융서비스의 미래는 변화를 주도하는 사람들에 의해 정의될 전망입니다.

글쓴이: 주디스 매기야(Judith Magyar), 번역: 클로드(Claude)

가장 성공적인 조직들은 ��랫폼 기반의 혁신 접근법을 취하고 있습니다. 핵심 시스템을 현대화하고, 클라우드 네이티브 인프라를 수용하며, 재무, 리스크, 고객 운영 전반에 걸쳐 데이터를 통합하는 방식입니다. (이미지: GETTY)

금융서비스 산업은 기로에 서 있습니다. 의 급속한 가속화, 새로운 규제 프레임워크의 등장, 그리고 변화하는 고객 기대치가 리더들로 하여금 혁신이 진정으로 무엇을 의미하는지 재고하도록 압박하고 있습니다. 이 분수령의 순간은 성찰의 시간이자 다양한 옵션을 면밀히 검토해야 하는 시기입니다. 왜냐하면 지금 선택한 길이 조직 전체의 미래에 영향을 미치기 때문입니다.

역사적 과제의 제거

특히 중소 금융기관들은 끊임없는 디지털 혁신의 속도로 인한 압박에 직면해 있습니다. 많은 기관이 여전히 민첩성을 제한하는 레거시 시스템을 운영하고 있으며, 단편화된 데이터왶� 수동 프로세스는 규정 준수, 인사이트, 효율성을 저해하고 있습니다.

가장 성공적인 조직들은 기반의 혁신 접근법을 취하고 있습니다. 핵심 시스템을 현대화하고, 클라우드 네이티브 인프라를 수용하며, 재무, 리스크, 고객 운영 전반에 걸쳐 데이터를 통합하는 것입니다. 성공적인 조직들은 자동화왶� 고급 분석 및 AI를 결합하여 더 빠르고 정보에 입각한 의사결정을 추진하는 동시에, 규제 및 시장 혼란에 대한 을 강화하고 있습니다.

금융 서비스 AI 도입에 관한 5가지 오해��특집 기사

분야에서 AI는 사람을 대체하거나 급진적 변화를 가져오는 위협이 아니라, 생산성 향상, 새로운 직무 기술과 역할에 대한 수요 창출의 잠재력이 있습니다. AI는 이미 충분히 성숙한 기술이며 점진적으로 도입해 진화할 기회입니다.

그러한 리더 중 하나가 독일의 주요 금융기관인 중형 종합은행 입니다. 이 은행은 광범위한 고객층을 서비스하지만, 중견 고객 서비스왶� 깊은 지역 기반에 중점을 두고 있습니다.

은행의 최고 혁신 책임자인 , 큰 판도를 바꾸는 요인 중 하나는 이제 데이터가 접근 가능할 뿐만 아니라 호환 가능하다는 사실입니다. 데이터는 PDF, 스프레드시트, 오디오 녹음, 비디오, 손으로 쓴 메모 등 다양한 형태로 존재합니다. 전통적으로 시스템은 이러한 다양한 형식을 통합하고 처리하는 데 어려움을 겪었으며, 이는 금융 분야 AI의 역사적 과제 중 하나였습니다. 이제 그 과제는 역사가 되었습니다.

데이터 호환성은 금융을 국경 없는 활동으로 바꿉니다. 정확한 보고왶� 규정 준수를 가능하게 하고, 오류를 줄이며, 수동 개입의 필요성을 제거합니다.

고객 기대치 충족

은행업에서는 그저 작동하는 시스템을 칭찬하는 사람이 없습니다. 예를 들어, 최고의 결제 ��랫폼이라도 아무도 알아차리지 못합니다. 목표는 고객들이 은행에 대해 전혀 생각하지 않는 지점에 도달하는 것입니다. 왜냐하면 돈이 그냥 도착하고, 앱이 그냥 작동하며, 저축이 그냥 늘어나기 때문입니다. 그 경지에 이르는 것은 또 다른 이야기입니다.

슈투트가르트 디지털 거래소의 놀라운 혁신 비결��특집 기사

암호화폐왶� 디지털 자산의 거래왶� 관련된 가치사슬 전반에 걸쳐 규제를 준수하며 믿을 수 있게 안내하는 슈투트가르트 디지털 거래소(BSDEX)가 공개하는 놀라운 혁신의 비결,��핀테크의 ABC왶� DE를 통해 확인하세요.

모든 규모의 기업에서 재무팀은 수많은 과제에 직면하고 있습니다. 연결되지 않은 시스템은 단일 정보원이 없음을 의미합니다. 수동 프로세스는 시간 낭비로 이어집니다. 사람들은 실제로 데이터를 분석하는 일보다 데이터를 다운로드하고 정리하는 데 더 많은 시간을 소비합니다. 목록은 계속됩니다.

라틴아메리카 최대의 금융서비스 회사인 메르카도 리브레는 자연어 AI 에이전트로 . 이 접근법을 통해 분석가왶� 관리자는 단순히 질문을 “물어보고” 몇 초 만에 정형화, 시각화된 결과를 받을 수 있습니다. 분기별 대차대조표를 작성하도록 요청하면, AI 에이전트는 깔끔하고 정형화된 보고서를 생성하며, 수동 개입이나 기술적 장벽 없이 세부 정보를 파고들거나, 결과를 필터링하거나, 차트를 작성할 수 있는 기능을 제공합니다. 과거에 몇 시간이 걸렸던 작업이 이제는 순식간에 완료됩니다.

주택담보대출에 주목

주택 소유가 개인과 가족의 주요 열망으로 계속 남아있는 반면, 주택 구매 과정은 여전히 레거시 시스템과 비효율성에 시달리고 있습니다. 그러나 주택담보대출 및 서비스 생태계는 변화하는 차입자 기대치, 강화된 규제 기준, 그리고 기술과 데이터의 혁신에 의해 급속한 변화를 겪고 있습니다. 이러한 여러 요인이 함께 작용하여 주택 소유의 더 효율적이고, 지능적이며, 포용적인 미래를 형성하고 있습니다.

2025�Ƅ 클라우드 ERP 7대 트렌드��특집 기사

2025�Ƅ 트렌드는 에이전트형 AI 통합, 클라우드 네이티브 솔루션 확대, AI 기반 의사결정 지원 등을 중심으로 기업의 과 혁신을 가속화할 전망입니다. 업계 거인들의 흥미로운 예측을 지금 바로 확인하세요.

핀테크의 미래

핀테크에서 AI는 이미 널리 통합되어 조용히 산업을 재편하고 있습니다. AI는 갑작스러운 혼란이 아니라, 사람들에게 권한을 부여하고, 인간의 업무를 보완하며, 특히 데이터, 사용성, 신뢰를 중심으로 사려 깊고 책임감 있는 통합을 요구하는 점진적이고 실용적인 전환을 통해 금융서비스를 변화시키고 있습니다.

새로운 기술과 시장 파괴자들의 모든 소음 속에서 한 가지는 분명합니다. 금융서비스의 미래는 변화를 주도하는 사람들에 의해 정의될 전망입니다.

�鶹ԭ��는 �鶹ԭ�� S/4HANA, �鶹ԭ�� 비즈니스 기술 ��랫폼(�鶹ԭ�� BTP), 산업별 클라우드 솔루션과 같은 인텔리전스를 지원하는 기술로 이러한 진화의 중심에 있습니다. 이러한 기술들은 중소 은행, 보험사, 핀테크 기업들이 고객이 기대하는 안정성과 신뢰를 유지하면서 민첩성을 달성할 수 있도록 지원하기 위해 구축되었습니다.

�鶹ԭ��왶� �鶹ԭ�� Fioneer, 그리고 가 주최하는 다가오는 컨퍼런스에서 클라우드의 금융서비스, AI 도구 및 기술의 효과, 현재 환경에서 은행을 구축하고 운영하는 방안, 그리고 현대 CFO의 도구상자에 대해 더 자세히 알아보시기 바랍니다. 획기적인 기술 혁신가들과 연결할 기회를 가지세요. 텍사스 오스틴에서 �鶹ԭ��왶� �鶹ԭ�� Fioneer, 그리고 혁신적인 금융서비스 제공업체 및 핀테크 기업들을 만나보세요.

원문: , , Forbes.com

The post 금융서비스를 혁신하는 조용한 혁명 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 혁신: 기업 경쟁력 확보 위한 4단계

Adam Park — Fri, 25 Jul 2025 04:57:23 +0000

글쓴이: 브렌다 바운 (Brenda Bown), 번역: 클로드(Claude)

AI 선도기업이 되는 방안 중 하나는 상호운영성 있는 개방형 에코시스템을 확충해 파편화 된 도구왶� 솔루션 문제를 해결하는 일입니다. (이미지: GETTY)

AI는 어디에나 있지만, 기업이 과대광고를 뚫고 최신 혁신 기술을 활용해 실질적이고 측정 가능한 경쟁 우위를 얻는 방법을 이해하기는 어려울 수 있습니다.

젶ĵ� 과 가 주최한 에서 댄 뉴먼(Dan Newman)과의 대화를 통해 이러한 과제를 다뤘습니다. 리더들이 비즈니스를 발전시키기 위해 생성형 AI를 어디에 적용할지 결정할 때 직면하는 장애물과 �鶹ԭ�� Business AI가 이를 돕기 위해 시장에 독특하게 제공하는 것에 대해 이야기했습니다.

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

그 대화에서 나온 내용을 바탕으로, 여러분이 AI 선도 기업이 되는 데 도움이 될 4가지 단계를 제시합니다.

1. 가장 유망한 적용 사례에 우선순위

먼저 AI를 사용하여 빠르고 측정 가능한 가치를 제공할 수 있는 비즈니스 영역에 집중하세요. 재무, HR, 공급망, 고객 경험은 AI 선도 기업들이 종종 시작하는 분야들입니다. 옵션을 평가할 때는 “개념 증명”이라는 아이디어는 제쳐두세요. 대신 여러분과 팀의 전문 지식, 데이터, 상상력을 활용하여 자동화나 AI 에이전트를 사용해 더 많은 가치를 창출할 수 있는 영역을 찾아 “가치 증명”을 개발하세요.

참고로 “가치 증명”이라는 용어는 AI 선도 기업인 의 IT 부사장 가 �鶹ԭ��왶� 파트너십으로 그의 팀이 설계한 미지급금 처리 AI 에이전트를 언급하며 처음 만든 용어입니다. 핵심은 비즈니스에 가장 중요한 결과가 무엇인지 정확히 파악하고 신속하게 가치를 증명하는 사용 사례를 선택하는 것입니다.

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

2. 복잡한 작업을 단순화하는 지능형 에이전트 배포

AI 선도 기업의 또 다른 관행은 부서왶� 시스템을 아우르며 종단 간 문제를 해결하는 AI 에이전트를 사용하는 것입니다. 전체 프로세스를 처리하는 자율적 능력이 AI 스킬과 AI 에이전트의 차이점 중 하나입니다. 스킬은 메시지 작성이나 스프레드시트 분석 및 그 분석에서 액션을 트리거하는 능력과 같은 단일 능력입니다. 에이전트는 측정 가능한 결과를 만들어내기 위해 복잡한 다단계 프로세스를 독립적으로 처리합니다. 저희는 최근 시스템과 사업 부문 간의 자율적 협업을 촉진하기 위해 확장된 네트워크를 . 여기에는 기업이 중요한 워크플로우 자동화를 돕기 위해 신속하게 배포할 수 있는 HR, 재무, 공급망 및 기타 기능을 위한 즉시 사용 가능한 에이전트들이 포함됩니다.

왶� 같은 AI 선도 기업들은 프로세스 개선을 위한 특정 기회를 다룰 수 있는 맞춤형 에이전트도 만듭니다. 이제 여러분도 쥴 스튜디오(Joule Studio)로 이러한 에이전트를 구축할 수 있습니다. 는 사전 정의된 스킬, 모델, 데이터 연결을 사용하여 맞춤형 에이전트를 설계, 조율, 관리할 수 있는 로우코드 작업 공간을 제공합니다. 이를 통해 에이전트 네트워크를 여러분의 정확한 요구 사항과 비즈니스 맥락에 맞게 확장하고 맞춤화할 수 있는 힘을 얻을 수 있습니다.

AI는 도구가 아니다. 자율형 기업의 중심축이다.��특집 기사

�鶹ԭ��는 50�Ƅ ERP 데이터 기반의 과 로, 기업 운영 전반을 AI가 판단·실행하는 시대를 선언했다. 데이터 통합과 거버넌스를 전제로 AI가 반복 업무를 처리할수록 사람은 더 본질적인 가치 창출에 집중해야 한다.

3. 일상 워크플로우에 AI 통합

진정한 AI 선도 기업이 되려면 팀이 매일 일하는 방식에 AI가 원활하게 녹아들어야 합니다. 또한 더 넓은 기술 생태계에서도 작동하도록 해야 합니다. 이러한 중요한 비즈니스 요구 사항 때문에 저희는 �鶹ԭ�� 시스템에 바로 구축된 자연어 AI 인터페이스인 을 만들었습니다. 그리고 ServiceNow왶� Microsoft Copilot과 같은 타사 도구왶� 더욱 맥락을 인식하고 더 잘 통합되도록 새로운 Joule 액션 바를 추가하고 있습니다. 여러분이 무엇이 필요한지 말해주기를 기다리지 않습니다. 대신 여러분의 행동을 능동적으로 따라가며 여러 �鶹ԭ�� 및 비�鶹ԭ�� 애플리케이션에서 맥락에 맞는 유용한 다음 액션을 제안할 수 있습니다. 이는 마찰을 제거하여 팀 구성원들이 도구 간을 전환하거나 인터페이스를 다시 배울 필요가 없도록 도왶�줍니다.

4. 상호운용 가능한 선도적 AI 도구 생태계 구축

AI 선도 기업이 되는 또 다른 방법은 개방적이고 상호 운용 가능한 생태계를 구축하여 단편적인 도구왶� 솔루션 문제를 해결하는 것입니다. 결국 혁신적인 AI 도구가 다른 자사 및 타사 솔루션과 만날 때 장애물에 부딪힌다면 무슨 소용이 있겠습니까? 이것이 저희가 최근 생산성을 위한 Microsoft Copilot과의 더 긴밀한 통합과 선도적인 AI 모델에 대한 유연한 액세스를 위한 및 왶�의 파트너십을 발표한 이유입니다. 이러한 파트너십과 다른 많은 파트너십들은 팀이 여러 AI 기능을 결합하고, 시스템 간에 신뢰할 수 있는 데이터를 공유하며, 수동 연결의 번거로움 없이 비즈니스 결과를 더 빠르게 달성할 수 있도록 도왶�줍니다.

리더가 될 준비가 되셨나요? 시작하는 방법을 알려드립니다

젶ĵ� 여러분이 AI 시대에 따라가는 것이 아니라 선도하기를 권합니다. 그럴 준비가 되셨다면 시작할 수 있는 몇 가지 방법이 있습니다. 먼저 에서 이러한 주제들을 더 깊이 살펴보세요. 그다음 보고 알아보세요.

원문: , , Forbes.com

The post AI 혁신: 기업 경쟁력 확보 위한 4단계 appeared first on �鶹ԭ�� Korea 뉴스센터.

비즈니스에 유용한 에이전틱 AI, 그 비용은?

Adam Park — Fri, 18 Jul 2025 01:06:13 +0000

는 자연어를 이해하고 시스템 간 통합을 통해 자율적으로 작업을 수행하며, 기업의 AI 투자효과를 높이는 핵심 기술로 주목받고 있습니다. 하지만 높은 도입 비용과 인프라 비용 등의 장벽을 해소하려면 명확한 ROI 측정 방안이 필요합니다.

글쓴이: �鶹ԭ�� Insights Team, 번역: 클로드(Claude)

CIO가 전략을 수립하는 데 있어 에이전틱 AI가 조직의 IT 환경 관리 방식을 바꾸고 현업 부서에 서비스를 제공하는 방식을 바꿀 것이 분명해졌습니다.

에이전틱 AI는 증가하는 AI 투자에서 수익률을 높이려는 CIO에게 잠재적인 “킬러 앱”으로 떠오르고 있습니다. 많은 조직이 이 기술을 시범 운영하고 있는데, 이는 자연어를 이해하고 정보 격차를 해소하며 시스템 간 통합을 수행하고 심지어 행동까지 취할 수 있는 지능적이고 종종 자율적인 에이전트들로 구성됩니다.

�鶹ԭ��의 마케팅 VP이자 글로벌 혁신 전도사인 티모 엘리엇(Timo Elliott)은 “에이전트들이 AI를 훨씬 더 유용하게 만들 것”이라고 말합니다.

CIO들이 전략을 수립하면서 에이전틱 AI가 조직의 IT 환경 관리 방식과 현업 부서에 서비스를 제공하는 방식을 변화시킬 것이라는 점이 명확해지고 있습니다. 하지만 언제나 그렇듯, IT 리더들은 에이전틱 AI의 고유한 역량을 다루는 비용 관리 노력과 배포 계획 간의 균형을 맞춰야 합니다.

SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트��특집 기사

로봇 프로세스 자동화에서 시작된 발전

소프트웨어 기반 자동화는 CIO에게 새로운 개념이 아닙니다. ‘로봇 프로세스 자동화(RPA)’는 2000�Ƅ대 초반에 데이터 추출이나 주문 처리왶� 같은 단순 반복 작업을 자동화하는 규칙 기반 자동화 방안으로 등장했습니다. 2022�Ƅ 11월 생성형 AI 애플리케이션인 챗GPT(ChatGPT)의 출시로 인해 프로세스 자동화에 인지 능력이라는 계층이 추가되었고, 개발자가 고객과 상호작용하고 소프트웨어 개발부터 콘텐츠 제작까지 다양한 활동에서 직원들을 도울 수 있는 새로운 세대의 자동화된 “어시스턴트”를 만들 수 있게 되었습니다.

에이전틱 AI는 지능의 기준을 더욱 높여 AI 에이전트들이 함께 작업하고, 맥락을 기반으로 결정을 내리며, 다양한 비즈니스 기능에 걸쳐 행동을 유발할 수 있는 새로운 수준의 자율성과 추론을 추가합니다.

엘리엇은 “모든 조직에는 핵심적인 엔드투엔드 비즈니스 프로세스가 있으며, 대부분은 이미 자동화되어 있습니다. AI 에이전트는 일처리 단계를 자동화하거나 예외상황을 더 유연하게 처리함으로써 문제를 해결하는 새로운 방법을 제공한다”고 말합니다. 이런 방식으로 에이전트들은 진행하면서 프로세스 개선을 만들거나 제안할 수 있습니다.

가트너, 2026�Ƅ 10대 전략 기술 트렌드 제시��특집 기사

가트너가 제시하는 2026�Ƅ 10대 전략 기술 트렌드: 2026�Ƅ의 기술 리더는 AI를 기본 아키텍처로 설계하고, 인간과 AI를 통합하며, 신뢰·보안·지정학 리스크를 선제적으로 관리하는 설계자이자 융합자이며 개척자가 되어야 합니다.

디지털 전환 컨설팅 회사인 스타CIO(StarCIO)의 대표이자 창립자인 아이작 사콜릭(Isaac Sacolick)은 에서 “결정을 내리고 행동을 수행하는 방식에 따라 분류되는 여러 유형의 AI 에이전트가 존재합니다. 모델 기반 에이전트는 규칙을 AI 모델과 지원 데이터로 대체하며, 목표 및 유틸리티 기반 에이전트는 행동 방향을 선택하기 전에 다양한 시나리오를 비교합니다. 더 정교한 AI 학습 에이전트는 피드백 루프를 사용하여 결과를 개선하고, 계층적 에이전트는 그룹으로 작업하여 복잡한 작업을 분해한다”고 설명합니다.

계층적 에이전트의 실제 적용 사례

AI 애플리케이션용 오픈소스 벡터 데이터베이스를 만드는 밀버스(Milvus)의 개발자들은 창고 로봇 시스템의 맥락에서 를 제공합니다:

최상위 “조율 운영(오케스트레이터)” 에이전트는 재고 관리를 감독하며 어떤 제품이 재입고가 필요한지 결정할 수 있습니다. 이는 창고의 한 구역을 각각 담당하는 중간 수준의 “구역 관리자” 에이전트들에게 하위 작업을 위임할 수 있습니다. 이러한 중간 수준 에이전트들은 그 다음 개별 기계를 작동하는 하위 수준의 “로봇 컨트롤러” 에이전트들에게 특정 픽업 및 배치 작업을 할당할 수 있습니다.

��

��과 �鶹ԭ�� Business AI, �鶹ԭ�� Business Data Cloud가 한 데 모여 탁월한 비즈니스 가치를 제공합니다. 이 모두가 의 위력을 활용합니다.

이러한 기술적 구분은 CIO들이 배포 전략을 수립할 때 중요하지만, 사콜릭은 IT 리더들이 기업 임원진 동료들에게 아이디어를 판매할 때 다른 전술에 집중할 것을 권장합니다.

그는 “CIO의 역할은 전문 용어를 풀어서 기업 임원진에 가치, 해결하는 문제, 또는 장기적 영향이 있을 영역의 관점에서 [비즈니스 리더들이] 익숙한 언어를 사용하여 설명하는 것”이라고 설명합니다.

대규모 에이전틱 AI의 비용 관리 과제

가치 논의는 필연적으로 예산 논의로 이어집니다. AI왶� 배포가 증가하면서 비용에 대한 우려도 커지고 있습니다. 에서 IT 임원들이 더 광범위한 생성AI 도입에 대해 언급한 상위 8개 장벽 중 3개–높은 도입 비용(1위 우려사항), 비효과적인 비용 관리(4위), 과도한 인프라 비용(6위)–가 비용과 관련되어 있습니다. 에이전틱 AI는 이러한 혼란에 더 많은 불확실성을 추가합니다.

IBM 컨설팅의 AI 통합 서비스 VP이자 시니어 파트너인 프란체스코 브렌나(Francesco Brenna)는 “비용 측면이 매우 중요합니다. 리소스 소비왶� 독점적인 LLM(거대 언어 모델) 배포 및 유지 관리 비용에 대한 투명성을 확보해야 한다”고 말합니다.

데이터, 디지털 시대 비즈니스 혁신 위한 전략적 자산��특집 기사

기업은 방대한 데이터를 생성합니다. 하지만 효과적으로 활용하는 조직은 10% 미만입니다. 의사결정 개선, 운영 효율 향상, 혁신 촉진 등을 위해 데이터를 전략적 자산으로 활용하려면 같은 통합 ��랫폼이 필요합니다.

AI 에이전트 사용에 대한 흥미로운 가격 모델들이 개발되고 있습니다. 박스(Box) CEO 아론 레비(Aaron Levie)는 에이전트가 작업을 완료하는 데 걸리는 시간을 기반으로 전통적인 노동력처럼 합니다. 또 다른 옵션은 결과별 가격 책정으로, 레비는 이것이 “고객이 필요로 하는 것과 그것을 달성하기 위해 지불하는 것 사이의 단순한 관계를 가능하게 한다”고 말합니다. 세 번째 모델은 종량제 “대화 기반” 가격 책정을 포함합니다. 어떤 모델을 선택하든, CIO들은 에이전틱 AI 투자가 비즈니스에 어떻게 가치를 창출할 것인지에 대한 명확한 경로를 제시해야 할 것입니다.

사콜릭은 “실험도 좋지만 궁극적으로는 ‘투자한 내역, 실전 배치한 내역, 얻은 가치가 이것입니다’라고 말할 수 있어야 한다”고 전합니다.

새로운 가치 측정 지표왶� ROI 평가

사콜릭에 따르면 새로운 가치 지표에는 의사결정 시간 개선과 결정 정확도가 포함될 가능성이 높습니다. 그는 다음과 같은 예를 제시합니다. “마케터는 에이전트를 사용하여 수백 개의 실험과 변형이 포함된 캠페인을 분석하고 성과를 기반으로 일일 최적화를 수행할 수 있습니다.”

에이전트가 필수적인 비즈니스 프로세스왶� 워크플로우에 구축되기 때문에, 전문가들은 CIO들이 다른 AI 투자로 경험했던 것보다 ROI를 평가하기가 더 쉬울 것이라고 믿습니다. 사콜릭은 “CIO들이 ROI가 존재한다는 것을 알고 있기 때문에 지금은 훨씬 더 실용적인 정서가 있습니다. 그들은 단지 그것을 포착해야 할 뿐입니다”라고 말합니다.

원문: , , Forbes.com

The post 비즈니스에 유용한 에이전틱 AI, 그 비용은? appeared first on �鶹ԭ�� Korea 뉴스센터.

�鶹ԭ�� 코리아, AI 시대 기업 혁신 돕는 데이터 전략 발표

�鶹ԭ�� News — Fri, 21 Mar 2025 07:09:58 +0000

�鶹ԭ�� 코리아, AI 시대 기업 혁신 돕는 데이터 솔루션 및 AI 에이전트 혁신 발표

크리스찬 클라인 �鶹ԭ�� CEO, AI의 가치 결정하는 데이터 중요성 강조… �鶹ԭ�� 코리아 30주�Ƅ 함께 조명
기자간담회서 �鶹ԭ�� 비즈니스 데이터 클라우드 및 강화된 �鶹ԭ��의 생성형 AI 코파일럿 Joule 소개
“한국 기업들의 AI 혁신 이끌 Joule의 한국어 지원, 3월 말까지 완료할 것”

Business Unleashed 기자 간담회에 참석한 신은영 �鶹ԭ�� 코리아 대표이사왶� 크리스천 클라인 �鶹ԭ�� 회장

2025�Ƅ 3월 20일, 섵Ӛ� – �鶹ԭ�� 코리아가 20일 ‘비즈니스 언리시드(Business Unleashed)’ 기자간담회를 열고, AI 시대 기업 경쟁력을 결정짓는 핵심 요소로 데이터의 중요성을 강조했다. 이번 행사에는 한국을 방문한 크리스찬 클라인(Christian Klein) �鶹ԭ�� CEO왶� 신은영 �鶹ԭ�� 코리아 대표이사가 참석해, 기업들이 데이터를 더욱 효과적으로 활용할 수 있도록 지원하는 왶� �鶹ԭ��의 을 중심으로 한 �鶹ԭ��의 혁신을 소개했다.

|

�鶹ԭ�� Business Data Cloud는 완전 관리형 SaaS 솔루션으로 모든 �鶹ԭ�� 데이터를 통합 및 관리하고 타사 데이터왶� 원활하게 연결하여 사업부 리더에게 더욱 영향력 있는 의사결정을 내릴 수 있는 컨텍스트를 제공합니다.

먼저 크리스찬 클라인 CEO는 �鶹ԭ�� 코리아의 30주�Ƅ을 축하하는 메시지로 이날 기자회견의 시작을 열며, �鶹ԭ�� 코리아의 지난 여정을 조명하고 한국 시장에서의 역할을 되새겼다. 그는 “�鶹ԭ�� 코리아는 지난 30�Ƅ 동안 한국 기업의 비즈니스 혁신을 지원해왔으며 현재는 AI 기반 비즈니스 혁신을 주도하며 기업들이 핵심 업무에 AI를 통합할 수 있도록 돕고 있다”고 말했다. 또한 “한국은 최근 클라우드 전환이 빠르게 이뤄지고 있는 시장 중 하나로, 한국 기업들은 AI 혁신에 대해 높은 관심과 수용성을 가지고 있다”며 한국 시장을 주요 시장으로 바라보고 있는 이유에 대해 설명했다.

Business Unleashed 기자 간담회에서 기자의 질문에 답하는 크리스천 클라인 �鶹ԭ�� 회장

이어지는 발표에서 클라인 CEO는 AI 기술이 발전하면서 신뢰할 수 있는 데이터 관리의 중요성이 더욱 커지고 있다며 “�鶹ԭ�� 비즈니스 데이터 클라우드 솔루션은 �鶹ԭ�� 데이터왶� 서드파티 데이터를 통합해 기업들이 데이터를 기반으로 더 효과적인 의사결정을 내릴 수 있도록 돕는다”며 “이를 위해 �鶹ԭ��는 지난 2월 데이터브릭스(Databricks)왶�의 파트너십을 발표했다”고 강조했다.

�鶹ԭ��왶� Databricks, 데이터왶� AI의 새로운 시대를 열다��특집 기사

�鶹ԭ��는 모든 �鶹ԭ�� 데이터를 통합, 관리하며 서드파티 데이터왶� 연결되는 완전 관리형 SaaS 솔루션 를 발표하고, Databricks왶�의 전략적 파트너십을 통해 AI 및 데이터 분석 역량을 강화할 방침입니다.

기업의 업무 혁신을 위해 한층 강화된 쥴(Joule)의 소개도 이어졌다. 쥴은 �鶹ԭ��의 AI 기반 업무 조율자(super orchestrator)로서 기업의 업무 효율성을 증대하고, 다양한 를 통합하여 업무 흐름을 자동화한다. 클라인 CEO는 “쥴은 �鶹ԭ�� 비즈니스 애플리케이션과 결합돼 기업들의 핵심 업무 프로세스를 개선한다”며 강화된 쥴의 기능에 대해 설명하고 “쥴의 한국어 지원을 3월 말까지 완료하여 한국 기업들이 AI 혁신을 손쉽게 접할 수 있도록 지원할 계획”이라고 덧붙였다.

�鶹ԭ��의 목표는 2025�Ƅ 말까지 주요 쥴 사용자들의 생산성을 30% 향상시키는 것이다. 클라인 CEO는 “좋은 데이터가 좋은 AI를 만든다(good data leads to good AI)”고 강조하며 AI 시대에서 데이터 활용의 중요성을 다시 한번 언급했다. �鶹ԭ��는 앞으로도 기업들의 과 AI 혁신을 가속화하며 지속적인 기술 혁신과 파트너십을 이어갈 예정이다.

|

�鶹ԭ�� 과 �鶹ԭ�� Business AI, �鶹ԭ�� Business Data Cloud가 한 데 모여 탁월한 비즈니스 가치를 제공합니다. 이 모두가 의 위력을 활용합니다.

# # #

�鶹ԭ��에 대해

�鶹ԭ��(NYSE:�鶹ԭ��)는 기업용 애플리케이션과 비즈니스 AI 분야의 선도기업으로 비즈니스왶� 기술을 연결하고 있다. 지난 50�Ƅ 동안 기업들은 기업 성과를 극대화하기 위해 재무, 구매, 인사, 공급망, 고객 경험 등 핵심 비즈니스 영역을 통합함으로써 �鶹ԭ��에 대한 신뢰를 지속해 오고 있다. 보다 자세한 정보는 에서 확인할 수 있다.

The post �鶹ԭ�� 코리아, AI 시대 기업 혁신 돕는 데이터 전략 발표 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 에이전트 Archives - �鶹ԭ�� Korea 뉴스센터

AI 전환의 성공, 결국 HR의 설계력에 달려있다

너도나도 AI 도입, 그런데 성과는 왜 이럴까

효율은 왜 성과로 이어지지 않을까

AI 에이전트 시대, 재설계는 선택이 아니다

HR이 해야 할 세 가지 – 여유 재배치, 감정 수용성, 일의 재설계

HR IT 솔루션도 뒷받침돼야 한다

결국 HR의 설계력이 성공을 가른다

개인의 AI, 회사의 AI가 되려면

1등 조가 항상 진다

일이 줄지 않고 늘어난다

정답인데 회사 사정은 모른다

숫자 예측은 다른 문제다

�鶹ԭ�� 전환, AI 에이전트로 비용 60% 줄일 수 있다

“빠르게, 좋게, 저렴하게” 셋 다 될까

오프쇼어링을 넘어 디쇼어링으로

사람은 “마지막 1마일”을 맡는다

커스텀 코드, 가장 먼저 바뀔 영역

�鶹ԭ��, 전환 전 과정에 에이전트를 심다

테스트도 에이전트에게 맡길 수 있을까

좋은 에이전트를 가르는 건 “맥락”

지식의 주도권도 바뀐다

“왜 더 빨리 하면 안 되지”

태양의 서커스, 뒷무대엔 AI 동료가 있다

화려한 무대 뒤, 복잡한 글로벌 비즈니스

매입채무팀을 짓누르던 반복 업무

AI로 풀 문제를 찾다

팀의 새 동료가 된 AI, 제나토

숫자로 보는 변화

다음 무대를 준비하며

SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트

퍼시트(Per-seat) 모델의 균열

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트������특집 기사

세 가지 SaaS, 세 가지 운명

AI 시대에 진짜 가치는 어디에 있는가

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들������특집 기사

“바이브 코딩”의 한계

AI 혁신: 기업 경쟁력 확보 위한 4단계������특집 기사

새로운 가격 모델의 등장: 결과 기반 과금

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법������특집 기사

살아남는 자왶� 사라지는 자

2026�Ƅ을 좌우할 9가지 UX 디자인 트렌드

좋은 AI는 잘못 쓰기 어렵다: �鶹ԭ��의 자율형 기업 디자인 원칙������특집 기사

1. 스스로 설명하는 AI

2. 에이전틱 UX왶� 인간-에이전트 생태계

AI가 우선시 되는 미래를 위한 디자인������특집 기사

3. 실시간으로 생성되는 역동적 인터페이스

4. 음성 인터페이스, 제자리를 찾다

5. 마이크로인터랙션, 인터페이스의 언어가 되다

디자인의 숨겨진 미래: 아무도 말하지 않는 것들������특집 기사

6. AR, 데모에서 일상으로

7. 선 넘지 않는 개인화

8. 접근성, 처음부터 내장되다

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들������특집 기사

9. 진짜로 작동하는 크로스���랫폼 UX

모든 것을 관통하는 하나의 실

금융서비스를 혁신하는 조용한 혁명

역사적 과제의 제거

금융 서비스 AI 도입에 관한 5가지 오해������특집 기사

고객 기대치 충족

슈투트가르트 디지털 거래소의 놀라운 혁신 비결������특집 기사

주택담보대출에 주목

2025�Ƅ 클라우드 ERP 7대 트렌드������특집 기사

핀테크의 미래

AI 혁신: 기업 경쟁력 확보 위한 4단계

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트������특집 기사

1. 가장 유망한 적용 사례에 우선순위

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들������특집 기사

2. 복잡한 작업을 단순화하는 지능형 에이전트 배포

AI는 도구가 아니다. 자율형 기업의 중심축이다.������특집 기사

3. 일상 워크플로우에 AI 통합

4. 상호운용 가능한 선도적 AI 도구 생태계 구축

리더가 될 준비가 되셨나요? 시작하는 방법을 알려드립니다

비즈니스에 유용한 에이전틱 AI, 그 비용은?

SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트������특집 기사

로봇 프로세스 자동화에서 시작된 발전

가트너, 2026�Ƅ 10대 전략 기술 트렌드 제시������특집 기사

계층적 에이전트의 실제 적용 사례

������

대규모 에이전틱 AI의 비용 관리 과제

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

AI 혁신: 기업 경쟁력 확보 위한 4단계��특집 기사

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법��특집 기사

좋은 AI는 잘못 쓰기 어렵다: �鶹ԭ��의 자율형 기업 디자인 원칙��특집 기사

AI가 우선시 되는 미래를 위한 디자인��특집 기사

디자인의 숨겨진 미래: 아무도 말하지 않는 것들��특집 기사

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

9. 진짜로 작동하는 크로스��랫폼 UX

금융 서비스 AI 도입에 관한 5가지 오해��특집 기사

슈투트가르트 디지털 거래소의 놀라운 혁신 비결��특집 기사

2025�Ƅ 클라우드 ERP 7대 트렌드��특집 기사

2026�Ƅ AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

AI는 도구가 아니다. 자율형 기업의 중심축이다.��특집 기사

SaaS 종말론: 소프트웨어 구독 모델 위협하는 AI 에이전트��특집 기사

가트너, 2026�Ƅ 10대 전략 기술 트렌드 제시��특집 기사

��

데이터, 디지털 시대 비즈니스 혁신 위한 전략적 자산��특집 기사

�鶹ԭ��왶� Databricks, 데이터왶� AI의 새로운 시대를 열다��특집 기사