2026�Ƅ 10월 28일, 섵Ӛ� – �鶹ԭ��는 개발자를 위한 연례행사인 �鶹ԭ�� 테크에드(TechEd) 2026에서 개발자 포트폴리오를 확장하는 다양한 AI ˳�신을 발표했다. 이번 발표에는 최신 �鶹ԭ��의 테이블 ˳�식(tabular) 파운데이션 모델을 포함한 쥴 스튜디오(Joule Studio) 및 쥴 워크(Joule Work) 솔루션 및 �鶹ԭ�� �ѫ��니스 AI ���랫폼(�鶹ԭ�� Business AI Platform)의 향상된 기능이 포함됐다. 이를 기반으로 기업은 AI 에이전트를 구축하고 확장할 수 있는 새로운 툴과 에이전트가 추론에 홵Ӛ�할 더욱 풍부한 데이터와 �ѫ��니스 컨텍스트, 그리고 전사적으로 에이전트를 책임감 있게 운영하기 위한 강화된 거버넌스 제어 기능을 홵Ӛ�할 수 있다.

�鶹ԭ�� �ѫ��니스 AI ���랫폼은 조직이 �鶹ԭ�� 및 서드파티 환경 전반에서 AI를 구축하고 맥락을 더하며 거버넌스를 적용할 수 있는 단일 공간을 제공한다. �ѫ��니스 사용자와 개발자는 쥴 스튜디오를 통해 노코드(no-code) 및 프로코드(pro-code) 툴을 사용하여 70개 이상의 AI 모델 중 원하는 것을 선택해 에이전트를 구축하고 확장할 수 있다. 또한 쥴 스튜디오 얼리 어답터 프로그램에 참여하는 고객은 쥴 스튜디오에서 n8n 워크플로우를 설계하고 실행할 수 있으며, 향후 더 많은 사용자에게 해당 기능이 제공될 예정이다. 또한 �鶹ԭ�� �ѫ��니스 데이터 클라우드(�鶹ԭ�� Business Data Cloud)와 �鶹ԭ�� 지식그래프(�鶹ԭ�� Knowledge Graph) 솔루션은 에이전트가 신뢰�� 수 있는 �ѫ��니스 데이터와 맥락을 바탕으로 작동하도록 하여, 조직이 각 사용 사례에 적합한 모델을 선택하고 AI 가치와 소비를 더욱 잘 관리할 수 있도록 짶�원한다. 특히 �鶹ԭ�� 고객들의 데이터는 고객의 소유로 남으며, �鶹ԭ��는 대규모 언어 모델(LLM)을 학습시키거나 개선하기 위해 고객 데이터를 그 누구와도 공유하지 않는다.

필립 헤르치히(Philipp Herzig) �鶹ԭ�� 최고기술책임자(CTO)는 “�鶹ԭ�� 테크에드는 항상 개발자들이 미래를 설계하는 자리였다”며 “올해 �鶹ԭ��는 AI가 고객의 �ѫ��니스를 학습하는 단계를 넘어 직접 실행하는 단계로 어떻게 진화하고 있는지 보여주고 있다. 쥴 워크는 사용자가 의도를 입력하고 업무를 완수하는 곳으로, �鶹ԭ�� 전체 환경은 물론 그 너머까지 아우르는 단일 경험을 제공한다. 이것이 바로 우리가 대규모로 실현하고 있는 변화다. 이러한 모든 기능은 �鶹ԭ�� �ѫ��니스 AI ���랫폼을 기반으로 실행된다. 이를 통해 기업은 즉시 홵Ӛ� 갶ĵ�한 �ѫ��니스 이해도와 높은 정확성, 그리고 첫 배포부터 안전하고 거버넌스가 적용되며 규정을 준수하는 엔터���라이즈 준비 역량을 확보할 수 있다. 여기에 50�Ƅ 이상 축적된 프로세스 및 산업 전문 지식을 바탕으로 모든 에이전트 작업에 내재된 독보적인 컨텍스트 레이어가 더해져, 기업은 더 빠르게 가치를 실현할 수 있다. 이것이 바로 실제 업무가 이루어지는 곳에 구축된 AI다”라고 말했다.

자율˳� 엔터���라이즈를 ˳ѫ��로 만드�� 쥴 워크왶� 쥴 스튜디오

쥴 워크의 새로운 기능은 A2A와 모델 컨텍스트 프로토콜(MCP)을 포함한 개방형 프로토콜을 통해 AI 에이전트가 복잡한 �ѫ��니스 프로세스를 더 효과적으로 처리할 수 있도록 돕는다. 이러한 ˳�신은 쥴 워크가 컨텍스트를 더 잘 이해하고, 결정을 내리며, 엔터���라이즈 시스템 및 �ѫ��니스 도메인 전반에서 다단계 �ѫ��니스 워크플로우를 실행할 수 있도록 발전시킨다. 주요 내용은 다음과 같다.

• 새로운 에이전틱 사고 ��력은 ���시스턴트 및 에이전트가 �鶹ԭ�� 환경 전반에서 복잡한 다단계 �ѫ��니스 워크플로우를 안정적으로 완료하는 데 필요한 단계들을 계획하고 조율한다.
• �鶹ԭ�� 짶�식그래프의 새로운 기능은 각 고객의 고유한 추가 �鶹ԭ�� 및 비(非)�鶹ԭ��데이터 소스를 통합할 예정이다. 이를 통해 사용자는 자연어로 맞춤형 데이터를 쿼리하고 탐색하며 자체 정보에 기반한 정확한 답변을 얻을 수 있다.
• �����운용성 강화로 서드파티 에이전트는 거버넌스가 적용된 에이전트 게이트웨이를 통해 쥴 에이전트를 안전하게 호출할 수 있도록 해준다. 이러한 접근 제어를 통해 다양한 제공업체의 에이전트는 거버넌스나 통제력을 잃지 않고 �ѫ��니스 워크플로우 전반에서 협업할 수 있다.
• 새로운 �鶹ԭ�� 엔터���라이즈 AI 게이트웨이(�鶹ԭ�� Enterprise AI Gateway) 솔루션은 AI 상호 작용까지 거버넌스를 확장하며 인증, 정책 적용, 라우팅, 모니터링, 사용량 추적 및 감사를 통합하여 기업 전반의 AI 트래픽을 관리하는 중앙 집중식 방법을 제공할 예정이다.
• 새로운 쥴 ���시스턴트 및 �鶹ԭ�� AI 에이전트 ��브(�鶹ԭ�� AI Agent Hub)는 거버넌스 역량을 확장하며, 새로운 AI 거버넌스 ���시스턴트(AI Governance Assistant)는 고객이 유럽연합 AI 법(EU AI Act)의 규정 준수 요건을 충족할 수 있도록 돕는다. 이는 AI 시스템을 분류하고 규정 준수 상태로 유지하며, 조직이 정의한 가드레일 및 컨텍스트 내에서 운영되도록 함으로써 엔터���라이즈 AI 확장의 주요 장벽을 해결하도록 설계됐다.

�鶹ԭ��는 또한 개발자와 관리자가 에이전트 동작, 모델 사용 및 지출에 대한 가시성을 확보할 수 있도록 쥴 스튜디오에 새로운 가시성 및 관리 제어 기능을 추가했다고 발표했다. 쥴 스튜디오는 기업용 에이전트 구축 및 확장을 위해 쥴 워크를 통해 접근할 수 있는 �鶹ԭ��의 AI 퍼스트 개발 환경이다. 쥴 스튜디오는 선별된 고객을 대상으로 한시적인 프로모션을 진행하며, �鶹ԭ�� 관리형 쥴 스튜디오 런타임에 맞춤형 에이전트를 배포하고 실행하는 것은 2026�Ƅ 12월까지 무료로 제공된다. AI 짶�원 개발을 통해 에이전트 및 n8n 워크플로우를 구축하고 테스트하기 위한 설계 도구 역시 공정 사용 한도 내에서 무료로 이용할 수 있다.

자율˳� 엔터���라이즈의 ��심 기반 엔진, �鶹ԭ�� �ѫ��니스 데이터 클라우드

�鶹ԭ�� �ѫ��니스 데이터 클라우드(�鶹ԭ�� BDC)의 �鶹ԭ�� �ѫ��니스 데이터 클라우드 온톨로지 매니저(�鶹ԭ�� Business Data Cloud Ontology Manager)는 �鶹ԭ�� 및 서드파티 데이터 전반에서 온톨로지 구축을 위한 AI 네이티브 저작 경험을 제공할 예정이다. 여러 팀, 시스템 및 애플리케이션의 데이터가 어떻게 서로 연관되어 있는지 AI가 이해하도록 도움으로써 AI 에이전트는 기업 전반에서 보다 정확하게 추론하고 의사 결정을 내릴 수 있다. 이 솔루션은 �鶹ԭ�� 데이터에 대한 풍부한 �ѫ��니스 컨텍스트를 제공하는 �鶹ԭ�� 지식그래프를 보완한다.

아울러 �鶹ԭ��는 드레미오(Dremio)를 통해 레이크하우스(lakehouse) 기능을 확장하고 있으며, 아파치 아이스버그(Apache Iceberg) 및 아파치 폴라리스(Apache Polaris)에 대한 기본 짶�원과 더불어 데이터를 이동하거나 복사하지 않고도 통합된 데이터 액세스를 가능하게 하는 고성능 페더레이션 쿼리 엔진을 추가한다. �鶹ԭ��는 데이터브릭스(Databricks)왶�의 파트너십을 확댶��� 데이터 엔지니어링 및 엔터���라이즈 AI 역량의 전체 범위와 최신 ˳�신 기술을 ‘S���� 데이터브릭스(�鶹ԭ�� Databricks)’라는 이름으로 �鶹ԭ�� �ѫ��니스 데이터 클라우드에 �ѫ��한다. 레이크플로우(Lakeflow), 에이전트 브릭스(Agent Bricks), 유니티 게이트웨이(Unity Gateway), 레이크베이스(Lakebase)와 같은 ��심 ˳�신 기술은 고객이 데이터 관리를 간소화하고 AI 여정을 위한 강력한 데이터 기반을 마련하도록 짶�원한다. �鶹ԭ�� �ѫ��니스 데이터 클라우드왶�의 심층적인 통합과 새로운 �鶹ԭ�� 애플리케이션 데이터 파운데이션(�鶹ԭ�� Application Data Foundation) 및 쥴과 지니(Genie) 간의 통합을 바탕으로, �鶹ԭ��와 데이터브릭스는 고객이 자율˳� 엔터���라이즈 및 쥴 워크의 토대가 되는 전사적 레이크하우스를 구축할 수 있도록 짶�원한다.

�ѫ��니스에서 신뢰받고 우주에서 겶�증된 테이블 ˳�식 파운데이션 모델

�鶹ԭ��는 최신 �鶹ԭ�� 테이블 ˳�식 AI 모델인 �鶹ԭ��-RPT-2.0을 발표했다. 이 모델은 분류 및 회귀 분석을 넘어 이상 및 특이치 탐지를 짶�원하고, 임베딩을 통해 더욱 풍부한 AI 기반 분석을 제공하도록 확장될 예정이다. 이러한 네이티브 멀티 테이블 기능은 수동 엔지니어링 작업을 더욱 줄이는 동시에 구조화된 데이터에서 더 빠르고 심층적인 인사이트를 제공한다. 또한 새로운 �鶹ԭ��-RPT-TS 모델은 고객이 맞춤형 머신 러닝 없이도 �鶹ԭ�� 통합 �ѫ��니스 계획(�鶹ԭ�� Integrated Business Planning) 솔루션을 사용하여 주요 예측 사용 사례에 대한 시간 계열 기반 �ѫ��니스 지표 값을 예측할 수 있도록 짶�원한다.

이어 �鶹ԭ��는 HPE왶�의 파트너십을 통해 국제우주정거장(ISS)에 탑재된 HPE 스페이스본 컴퓨터-2(HPE Spaceborne Computer-2)에 �鶹ԭ��-RPT를 배포한다고 발표했다. 이는 현재까지 기업용 AI 모델을 대상으로 수행된 엣지 컴퓨팅 검증 중 가장 의미 있는 사례다. �鶹ԭ��-RPT는 ISS 내에서 직접 실행될 예정이며, 분석을 위해 데이터를 지구로 다시 전송할 필요가 없다. 이를 통해 이상 징후를 분류하고 장애가 커지기 전에 문제를 사전 예측하며, 과거 데이터에서 누락된 센서 값을 복원하고, 우주비행사와 지상 팀을 위해 설명 갶ĵ�한 미션 상태 보고서를 생성할 수 있다.

필립 헤르치히 CTO는 “긶�로벌 공급망을 구동��는 신뢰�� 수 있는 �鶹ԭ��-RPT 모델은 우주에서도 동일하게 작동할 수 있다”고 말했다. 이어 “�鶹ԭ��의 깊이 있고 겶�증된 전문성 덕분에 국제우주정거장에서는 궤도 내에서 발생할 수 있는 잠재적인 미션 크리티컬 장애를 예측하기 위해 �鶹ԭ��의 테이블 ˳�식 파운데이션 모델을 �ѫ��하게 됐다. �鶹ԭ��는 프라이어 랩스(Prior Labs)의 탭PFN(TabPFN)과 �鶹ԭ�� RPT를 통해 테이블 ˳�식 AI의 고유한 기능을 기업 및 모든 영역으로 확장하고 있다”고 밝혔다.

즉시 홵Ӛ� 갶ĵ�한 ���시스턴트 및 에이전트를 통한 경쟁력 강화

�鶹ԭ��는 지난 50�Ƅ 동안 고객의 �ѫ��니스를 운영하는 기록 시스템을 구축해 왔다. 향후 �鶹ԭ��는 5개의 수평적 도메인 전반에 걸쳐 즉시 홵Ӛ� 갶ĵ�한 ���시스턴트 및 에이전트 제품군을 제공할 예정이다. 이 제품군은 �鶹ԭ�� �ѫ��니스 AI ���랫폼에서 실행되며 산업별 특화 기능을 갖추고, 인텔리전스 시스템과 실행 시스템의 토대가 된다.

생태계 파트너와 ��께��는 ���랫폼 기능 확장

�鶹ԭ��의 긶�로벌 파트너 생태계는 �鶹ԭ�� �ѫ��니스 AI ���랫폼 기반 솔루션의 지속적인 운영 및 확장에 새로운 기능을 제공하여 고객이 자율˳� 엔터���라이즈로 나아갈 수 있도록 짶�원한다. 이번 행사에서 강조된 주요 파트너 발표는 다음과 같다.

인텔(Intel)과의 협력은 피지컬 AI를 통해 정보 기술(IT)과 운영 기술(OT)을 연결함으로써, 엔터���라이즈 워크플로우와 자율 로봇 간의 간극을 해소한다.

이와 함께 ,  , 왶�의 새로운 �鶹ԭ�� 솔루션 확장을 통해 고객의 자율적 역량을 한층 더 확대하며, 시스템 간 업무 인계 없이 ��심 프로세스를 엔드-투-엔드로 실행할 수 있도록 돕는다.

기술 부문을 넘어, �鶹ԭ��는 �鶹ԭ�� 테크에드에 앞서 수만 명이 참여한 를 비롯해 행사 현장 및 집에서 직접 체험할 수 있는 새로운 레퍼런스 아키텍처, 튜토리얼 및 실습 기회 등 새로운 짶�원 및 참여 프로그램을 통해 강력한 개발자 커뮤니티에 힘을 싣고 있다.

이번 발표에 대한 자세한 내용은 에서 확인할 수 있다.

�鶹ԭ�� 테크에드 2026에 대한 자세한 내용은 에서 확인할 수 있다.

# # #

�鶹ԭ��에 댶���

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

The post �鶹ԭ��, AI 개발자의 ��심 솔루션 구축 및 의도 기반 자율 실행 전환 짶�원 appeared first on �鶹ԭ�� Korea 뉴스센터.

생산성은 올랐는데, 이익은 그대로인 이유

생성형 AI 덕분에 글쓰기, 리서치, 프로그래밍이 훨씬 빨라졌지만 숨은 문제가 있습니다. 에서 AI 사용자의 80%는 개인 생산성이 올랐다고 답했지만, 영업이익이 크게 늘었다는 기업은 6%뿐이었습니다.

이 간극을 메우는 열쇠는 기업이 리스크, 부도, 손실, 유동성 압박을 더 일찍 감지하고 더 잘 관리하도록 돕는 것입니다.

기계 공학, 자동차 부품 공급망, 제조·물류가 강점인 독일과 유럽에는 특히 중요한 과제입니다. 독일경제연구소는 AI가 2034�Ƅ까지 독일에서 약 4,400억 유로의 추가 부가가치를 만들 수 있다고 추산합니다.

LLM이 약한 곳, 표 ˳�식 데이터

이 목표에는 다른 종류의 AI가 필요합니다. 언어를 다루는 데서 그치지 않고, 기업이 가장 많이 쓰는 데이터를 이해해야 하기 때문입니다. 여기서 일반적인 LLM은 한계를 보입니다.

“�鶹ԭ��의 ��심 �ѫ��니스는 정형 데이터이고, 정형 데이터는 대개 표에 저장됩니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

표 속 숫자 같은 정형 데이터는 지금 무슨 일이 일어나는지, 다음엔 무엇이 올지 알려 줍니다. 2026�Ƅ 에서도 성능 좋은 LLM이 표에서 결론을 끌어내고 관계를 찾는 과제는 언어 과제보다 크게 약했습니다.

표의 값은 열, 행, 기간, 거래 사이의 관계 속에 있습니다. 표 ˳�식 AI(Tabular AI)는 기업 시스템을 이루는 여러 테이블에 걸쳐 이런 패턴을 찾도록 설계됩니다. 예를 들어 대금을 늦게 낼 고객을 미리 찾으려면 결제·주문 이력, 배송 데이터, 외부 업종 정보가 함께 필요합니다.

모델 하나로 수백 개를 대신합니다

기존 머신러닝은 수요 예측, 대금 부도 위험, 영업 우선순위처럼 용도마다 모델을 따로 개발하고 운영해야 했습니다. 표 ˳�식 파운데이션 모델은 이를 바꿉니다. 질문마다 새로 만들 필요 없이 범용으로 쓸 수 있어, 앞으로는 �鶹ԭ��가 이번에 고객에게 공개한 �鶹ԭ��-RPT-1.6 같은 모델 하나면 충분해질 수 있습니다.

“흥미로운 점은 이렇게 전혀 다른 홵Ӛ� 사례가 모두 같은 모델을 기반으로 한다는 것입니다. 원리는 늘 같습니다. 일정량의 표 ˳�식 데이터를 모델에 넣으면 바로 예측을 시작할 수 있습니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

방대한 데이터로 사전 학습된 만큼, 데이터가 적을 때 개별 모델이 놓치는 패턴도 사례를 넘나들며 찾아냅니다. 비용과 시간은 줄고, 얻는 통찰은 늘어납니다.

Prior Labs 인수, 그리고 LLM과의 조합

�鶹ԭ��는 지난 7월 Prior Labs를 인수해 기업용 AI의 다음 단계를 앞당기고 있습니다. Prior Labs의 기초 연구에 �ѫ��니스 프로세스에 AI를 적용해 온 �鶹ԭ��의 경험을 결합하는 것입니다. Prior Labs의 오픈소스 모델 TabPFN-3, �鶹ԭ��-RPT 계열 모델, 가 만나면 기업 고유의 데이터와 맥락에서 안전하게 예측을 만들어 내는 인프라가 완성됩니다. 시계열로 학습한 파운데이션 모델도 등장하는 등 모델은 갈수록 다양해지고 있습니다.

“기존 LLM은 같은 프롬프트를 여러 번 입력해도, 예를 들어 온도 설정에 따라 다른 답이 나올 수 있습니다. 우리 모델은 다릅니다. 같은 샘플을 입력하면 같은 예측, 같은 신뢰도를 얻습니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

중요한 건 LLM이냐 표 ˳�식 모델이냐가 아니라 둘을 결합하는 것입니다. 언어와 지식은 LLM이, 정형 �ѫ��니스 데이터 기반 예측은 표 ˳�식 모델이 맡습니다. 제대로 쓰면 AI는 생산성 도구를 넘어 더 나은 의사결정과 더 강한 경제의 토대가 됩니다.

The post 같은 질문엔 같은 답, �鶹ԭ�� 표 ˳�식 AI의 승부수 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI는 늘었는데, 가치는 제자리다

AI는 �ѫ��니스 역사상 가장 빠르게 퍼진 기술 중 하나입니다. 하지만 AI가 만드�� 가치까지 그만큼 커진 것은 아닙니다. �鶹ԭ��가 옥스포드 이코노믹스(Oxford Economics)와 함께 진행한 최신 긶�로벌 연구에 따르면, 기업들은 이미 전체 업무의 약 25%에 AI를 홵Ӛ�하고 있습니다. 그런데 AI를 중심으로 �ѫ��니스 자체를 근본적으로 바꾼 기업은 9%에 그쳤습니다. �ѫ�� 속도는 빠른데, AI를 회사가 일하는 방식 안에 녹여낸 곳은 많지 않다는 뜻입니다.

가장 큰 걸림돌은 기술이 아니라 준비태세

그렇다면 왜 많은 AI 프로젝트가 중간에 멈출까요? 연구의 결론은 분명합니다. 가장 큰 걸림돌은 더 이상 AI 기술이 아니라 �ѫ��니스 준비태세입니다. 많은 기업이 개별 애플리케이션에 AI를 붙이는 데까지는 왔지만, AI를 데이터, 프로세스, 거버넌스와 연결해 전사적 가치를 만든 기업은 훨씬 적습니다. 파일럿은 잘 돌아가는데 확산이 안 되는 이유입니다. �鶹ԭ��가 말하는 은 데이터, 프로세스, 거버넌스 위에 세운 AI입니다. ��심 업무 프로세스는 “거의 맞는” 수준으로는 안 되기 때문입니다.

“AI는 고객이 누구인지, 어떤 계약이 적용되는지, 재고가 얼마나 있는지, 어떤 승인 정책이 있는지, 어떤 규제 요건을 충족해야 하는지 등 �ѫ��니스가 실제로 돌아가는 방식에 뿌리를 둘 때에만 현명한 �ѫ��니스 판단을 뒷받침할 수 있습니다.”

하비에르 나바로, SEIDOR, �鶹ԭ�� 긶�로벌 총괄

파트너들이 현장에서 느끼는 변화

컨설팅 파트너들의 이야기도 같은 방향입니다. 액센츄어 엣지(Accenture Edge)의 DK 신하 CEO는 고객들이 이제 AI를 어떻게 �ѫ��하느냐보다, 빠르게 확장해 최대한의 가치를 얻으면서 위험은 줄이는 방법을 묻는다고 전했습니다. SEIDOR의 �鶹ԭ�� 긶�로벌 총괄 하비에르 나바로는 AI가 제대로 판단하려면 고객이 누구인지, 어떤 계약이 적용되는지, 재고가 얼마나 있는지, 어떤 승인 정책과 규제를 따라야 하는지 같은 �ѫ��니스 맥락 위에 서 있어야 한다고 강조했습니다. 일반 AI가 자연어를 안다면, 기업용 AI는 우리 �ѫ��니스의 언어를 알아야 한다는 설명입니다.

중견 고속 성장 기업에 열린 기회

이 기회가 가장 큰 곳은 중견 고속 성장 기업입니다. 대기업만큼 규모가 있어 AI로 의미 있는 가치를 만들 수 있고, 동시에 더 빠르게 움직일 민첩성도 있습니다. 연결할 시스템이 적고, 의사결정 단계가 짧고, 기술 부채도 적습니다. 그래서 자율˳� 기업 역량을 수�Ƅ이 아닌 수주 만에 적용하고, 훨씬 빨리 투자 대비 성과를 볼 수 있습니다.

“중앙 데이터 기반이 모든 프로젝트에서 지속적으로 학습하기 때문에, 지식은 시간이 갈수록 복리로 쌓입니다.”

후루야 지로, 프리덤 컨설팅(Freedom Consulting), CEO

컨설턴트 의존에서 고객 주도로

다만 변혁을 진행하는 방식도 달라져야 합니다. 가장 어려운 일은 AI 기술 구현이 아니라, 컨설턴트 의존을 줄이고 고객에게 주도권을 넘기도록 운영 모델을 다시 설계하는 것입니다. 그래서 고객 역량 강화 우선, 고객 주도권, AI 기반 지속적 학습이라는 세 원칙을 세웠습니다. 프리덤 컨설팅(Freedom Consulting)의 후루야 지로 CEO는 고객에게는 실시간 가이드를, 컨설턴트에게는 �鶹ԭ�� Joule for Consultants 같은 도구를, 그 아래에는 모든 프로젝트에서 배우는 중앙 데이터 기반을 제공한다고 설명했습니다. 여기에 �鶹ԭ�� GROW Fast 방법론을 더해 6주 단위 웨이브로 가동을 이어가며 역량이 고객 조직에 남도록 한다는 것입니다.

“고객과의 대화가 근본적으로 달라졌습니다. 이제 고객들은 AI를 어떻게 �ѫ��할지가 아니라, 어떻게 빠르게 홵Ӛ�하고 확장해 최대한의 �ѫ��니스 가치를 얻으면서 위험은 최소화할지를 요구합니다.”

DK 신하, 액센츄어 엣지(Accenture Edge), CEO

기술이 아니라 트랜스포메이션, 그리고 생태계

결국 기술만으로는 자율˳� 기업이 될 수 없습니다. 필요한 것은 �ѫ��니스 트랜스포메이션입니다. �鶹ԭ��가 신뢰�� 수 있는 ���랫폼을 제공한다면, 파트너 생태계는 산업 전문성과 변화 관리 역량으로 이를 측정 갶ĵ�한 성과로 바꿉니다. �鶹ԭ��는 AI ���시스턴트와 에이전트 �ѫ��을 앞당기기 위해 1억 유로 규모의 파트너 펀드도 마련했습니다. AI의 첫 장이 사람이 더 빨리 일하도록 돕는 것이었다면, 다음 장은 기업이 더 똑똑하게 생각하고 결정하고 운영하도록 돕는 것입니다.

산티나 프란치(Santina Franchi)는 �鶹ԭ�� Corporate Segment 사장입니다.

The post �鶹ԭ�� 연구가 짚은 AI의 병목, 기술이 아닌 준비태세 appeared first on �鶹ԭ�� Korea 뉴스센터.

말이 아니라 눈앞의 시연으로 보여준 자율˳� 기업

10월 5일부터 미국 라스베이거스에서 열린 �鶹ԭ�� Connect 기조연설의 메시지는 분명했습니다. 지난 5월 �鶹ԭ�� Sapphire에서 “더 나은 미래의 시작”으로 소개한 자율˳� 기업(Autonomous Enterprise)을 이번에는 무대 위 시연과 고객 이야기로 증명하겠다는 것이죠. �鶹ԭ�� CEO 크리스티안 클라인은 “이제 자율˳� 기업이 실제로 작동하는 모습을 보여드릴 때”라며 포문을 열었습니다.

Click the button below to load the content from YouTube.

Always allow YouTube

Joule Work, 사람이 �鶹ԭ��를 배우던 시대의 끝

클라인은 이달부터 Joule Work를 전체 고객에게 제공한다고 밝혔습니다. AI를 위한 새로운 UI입니다. 수십 �Ƅ간 사용자가 �鶹ԭ�� 사용법을 익혀야 했다면, 이제는 �鶹ԭ��가 사람들의 일하는 방식을 배웁니다. 4억 명이 넘는 �鶹ԭ�� 사용자가 각자의 언어로 말하면 Joule Work가 일을 처리합니다. 구성은 세 축입니다. 질문하고 에이전트에게 업무를 맡기는 대화, 콘텐츠와 인사이트를 보여주는 스페이스, 고객이 자사 프로세스에 맞는 에이전트를 만드�� Joule Studio입니다. Joule이 “추측하지 않는” 비결은 방대한 데이터와 프로세스 지식을 잇는 �鶹ԭ�� Knowledge Graph입니다. �鶹ԭ�� 임직원 11만 명도 매일 Joule을 쓰며 HR·재무·구매에서 20% 이상 생산성이 올랐습니다.

“중요한 건 에이전트의 숫자가 아닙니다. 에이전트가 만들어 내는 �ѫ��니스 성과입니다.”

크리스티안 클라인 (Christian Klein) �鶹ԭ�� 최고경영자(CEO)

확률이 아닌 ‘정답’이 필요한 업무를 위한 �鶹ԭ�� Autonomous Suite

두 번째 층인 �鶹ԭ�� Autonomous Suite는 재무, 구매, 공급망, 인사, 고객 경험 5개 영역으로 시작합니다. 클라인은 “LLM은 확률적이라 가장 그럴듯한 답만 준다”며 매번 정확한 답이 필요한 업무를 위한 제품이라고 강조했습니다. 에이전트가 결정론적인 애플리케이션 워크플로우 안에서 움직이므로 같은 데이터와 규칙을 쓰고 같은 감사 기록을 남깁니다. 프로세스마다 자율성 수준을 고르고, 위험이 큰 곳엔 사람의 승인을 둘 수 있습니다. Joule 에이전트는 200개 이상 나왔고 연말 목표는 400개 이상이지만, 클라인은 “중요한 건 숫자가 아니라 �ѫ��니스 성과”라고 덧붙였습니다.

에이전트를 똑똑하게 만드�� �鶹ԭ�� Business AI Platform

에이전트가 �ѫ��니스를 이해하는 기반은 �鶹ԭ�� Business AI Platform입니다. 마노지 스와미나탄 �鶹ԭ�� Autonomous Suite 사장은 이를 에이전트 구축, 데이터 컨텍스트 부여, 운영 거버넌스라는 세 기능으로 설명했습니다. Joule Studio는 노코드부터 전문 개발까지 짶�원하며 70개 이상의 모델을 쓸 수 있어 종속을 줄이고 토큰 비용도 관리할 수 있습니다. �鶹ԭ�� Business Data Cloud는 모든 데이터를 일관된 시각으로 보여주고, 예측에는 �鶹ԭ��-RPT와 Prior Labs의 표 ˳�식 AI 모델이 쓰입니다. 스와미나탄은 어떤 AI도 깨진 데이터 모델을 보완할 수 없다고 강조했습니다.

“Joule Studio는 컨텍스트 레이어와 네이티브로 통합되어 있습니다. 그래서 직접 만든 에이전트가 더 정확하고, 더 빨리 배포되고, 더 효율적으로 돌아갑니다.”

마노지 스와미나탄 (Manoj Swaminathan) �鶹ԭ�� Autonomous Suite 사장 겸 최고제품책임자

고객들이 무대에서 직접 증언하다

얀 길그(Jan Gilg) �鶹ԭ�� 긶�로벌 고객 성공 및 미주 사장은 가상의 스타트업 ‘Jerseys from Jersey’를 내세워 고객을 무대로 불렀습니다. �Ƹ바티스는 입찰 분석과 협상을 돕는 Joule 소싱 에이전트를 시범 운영 중이고, 모건 ��즈는 �鶹ԭ�� S/4HANA와 �鶹ԭ�� Integrated Business Planning으로 공급망을 바꿨습니다. 네슬레는 통합된 디지털 코어의 중요성을, PwC는 �鶹ԭ�� 산업별 AI 포트폴리오의 가치를 강조했습니다. 새 소식도 있었습니다. 승인된 송장의 공급업체 대금을 자동 지급·대사하는 �鶹ԭ�� Pay를 출시했고, 벨기에 인력 인텔리전스 스타트업 TechWolf 인수 계획도 밝혔습니다.

관리되지 않는 AI가 가장 큰 위협이다

�鶹ԭ�� 최고보안책임자 마리엘 에르만은 기업 83%가 매일 AI를 쓰지만 제대로 파악하는 곳은 13%뿐이라고 지적했습니다. 대안으로 모든 에이전트에 겶�증된 소유자, 위험 등급, 제한된 접근 권한을 두자고 했습니다. �鶹ԭ�� Business AI Platform은 규제와 현지화 요건을 반영하고 고객 데이터를 모델 학습에 쓰지 않으며, 3단계 사람 감독을 짶�원합니다. 에르만은 에이전트가 자율적일수록 감독도 촘촘해진다며 이를 “경계 안의 자유”라고 불렀습니다.

“기업에 가장 큰 위협은 악의적인 AI가 아니라 관리되지 않는 AI입니다.”

마리엘 에르만 (Marielle Ehrmann) �鶹ԭ�� 최고보안책임자(CSO)

‘더 나은 미래의 시작’이 아니라, 이미 찾아온 ‘더 나은 미래’

클라인은 AI에는 변화 관리가 필요하다며 �鶹ԭ�� Signavio, �鶹ԭ�� LeanIX, �鶹ԭ�� WalkMe를 소개했습니다. 각각 프로세스 가치 측정, AI 에이전트 추적, 사용자 정착과 신뢰를 돕습니다. 에이전트 기반 마이그레이션 툴체인으로 수백만 달러 마이그레이션의 시대도 끝났다고 했습니다. 그는 “이제는 더 나은 것의 시작이 아니라, 더 나은 것 그 자체”라며 “오늘 바로 쓸 수 있다”고 마무리했습니다.

The post Joule Work 전면 출시, 자율˳� 기업이 현실이 됐다 appeared first on �鶹ԭ�� Korea 뉴스센터.

2026�Ƅ 10월 7일, 섵Ӛ� – �鶹ԭ��가 미국 라스베이거스에서 개최된 연례 행사 ‘S���� 커넥트(�鶹ԭ�� Connect) 2026’에서 자율˳� 기업의 실제 작동 모습을 시연하고, 쥴 워크(Joule Work)와 쥴 ���시스턴트(Joule Assistants)가 모든 �ѫ��니스 영역에 걸쳐 고객에게 어떻게 가치를 창출하는지 선보였다.

크리스천 클라인(Christian Klein) �鶹ԭ�� CEO는 “지금은 �ѫ��니스 AI의 획기적인 전환점”이라며 “자율˳� 기업의 시대가 도래했다. �鶹ԭ�� �ѫ��니스 AI ���랫폼(�鶹ԭ�� Business AI Platform)을 기반으로 구축된 쥴 및 �鶹ԭ�� 자율˳� 스위트(�鶹ԭ�� Autonomous Suite)를 통해 �Ƹ바티스(Novartis), 모건 ��즈(Morgan Foods), 네슬레(Nestlé) 및 PwC와 같은 기업이 모든 기능에 걸쳐 인텔리전스를 연결하고 신뢰�� 수 있는 �ѫ��니스 성과를 창출하도록 돕고 있다”고 말했다.

“우리의 진정한 경쟁력은 에이전트를 통제하는 사람으로부터 나올 것이다.”

스티브 핸킨스(Steve Hankins) 모건 ��즈(Morgan Foods) 최고재무책임자(CFO)

이번 �鶹ԭ�� 커넥트 행사에서는 �鶹ԭ�� 고객사들이 자율˳� 기업이 이미 �ѫ��니스 전반에 걸쳐 어떻게 측정 갶ĵ�한 가치를 창출하고 있는지 구체적인 사례를 공유했다.

• �Ƹ바티스(Novartis): 크리스토프 뷔르키(Christoph Buerki) �Ƹ바티스 조달 부문 총괄은 “�鶹ԭ��와 쥴 소싱 ���시스턴트(Joule Sourcing Assistant)를 공동 개발했으며, 최근 시범 운영에 돌입했다. 우리의 비전은 AI 에이전트가 수작업 중심의 과중한 업무를 처리하게 함으로써, 소싱 전문가들이 전략, 공급업체 협력 및 가치 창출에 집중할 수 있도록 하는 것이다”고 말했다.
• 모건 ��즈(Morgan Foods): 스티브 핸킨스(Steve Hankins) 모건 ��즈 최고재무책임자(CFO)는 “모건 ��즈는 특히 기술 기반을 중심으로 에이전트 �ѫ��을 위한 준비를 이미 갖춰 나가고 있다.  가장 큰 변화는 대응적 방식에서 예측적 방식으로 전환되는 것이며, 여기서 에이전트는 수요 신호, 재고 수준, 공급업체 상태를 그 어느 때보다 빠르게 연결할 수 있다. 우리의 진정한 경쟁력은 에이전트를 통제하는 사람으로부터 나올 것이다. 약 1,000명의 직원들이 우리의 공급망을 작동하게 하는 원동력이며, 기술은 이들이 더욱 잘 해낼 수 있도록 돕는다”고 강조했다.
• 네슬레(������ٱ�é): 루카 델오를레타(Luca Dell’Orletta) 네슬레 긶�로벌 IT ˳�신 및 엔터���라이즈 아키텍처 총괄은 “140개국에 걸친 �鶹ԭ�� S/4HANA 전환을 통해 일관된 프로세스, 신뢰�� 수 있는 데이터, 여러 시장 및 기능 전반에 걸친 더 높은 가시성을 갖춘 연결된 디지털 코어를 구축하고 있다. 이러한 기반을 바탕으로 쥴과 매출채권 ���시스턴트(Accounts Receivable Assistant)는 리스크 및 �ѫ��니스 컨텍스트에 따라 채권 회수 업무의 우선순위를 자동으로 지정하고, 다음에 취할 최적의 조치를 추천하며, 재무팀이 변화에 더 빠르게 대응할 수 있도록 짶�원한다”고 말했다.
• PwC: 질 노츠(Jill Notz) PwC 최고회계책임자(CAO) 겸 컨트롤러는 “전문 서비스 분야에서 청구 작업은 오류가 발생하기 쉬운 프로세스 중 하나일 수 있으며, 정확성은 고객 경험에 중요한 역할을 한다. �鶹ԭ��의 청구 ���시스턴트(Billing Assistant)는 이 중요한 프로세스에 더 높은 인텔리전스를 부여하여 잠재적인 문제를 조기에 감지하도록 돕고, 이를 통해 직원들이 더 나은 고객 결과를 제공하고 더 견고한 관계를 구축할 수 있도록 한다”고 말했다. 청구 ���시스턴트의 성공을 발판으로, .

“자율˳� 기업의 시대가 도래했다. �鶹ԭ�� �ѫ��니스 AI ���랫폼을 기반으로 구축된 쥴 및 �鶹ԭ�� 자율˳� 스위트를 통해 �Ƹ바티스, 모건 ��즈, 네슬레 및 PwC와 같은 기업이 모든 기능에 걸쳐 인텔리전스를 연결하고 신뢰�� 수 있는 �ѫ��니스 성과를 창출하도록 돕고 있다.”

크리스천 클라인(Christian Klein) �鶹ԭ�� 최고경영자(CEO)

�鶹ԭ�� 자율˳� 기업의 확장

쥴 워크(Joule Work)는 임직원들이 각자의 언어로 �鶹ԭ�� 솔루션과 상호 작용하고, �鶹ԭ�� 및 서드파티 데이터 전반에 걸쳐 업무를 완수할 수 있도록 하는 새로운 AI 사용자 인터페이스(UI)로 고객사에 본격적으로 �ѫ��되기 시작했다.  700만 개 이상의 데이터 필드를 매핑하는 �鶹ԭ�� 지식 그래프(�鶹ԭ�� Knowledge Graph)의 �ѫ��니스 컨텍스트를 기반으로, 쥴은 사용자가 신뢰�� 수 있는 정보를 제공한다. �鶹ԭ�� 내부적으로 쥴 워크는 이미 11만 명의 임직원이 사용 중이며, 재무, 인사, 조달 전반에 걸쳐 20%의 생산성 향상을 보이고 있다. 일부 고객사도 각자의 �ѫ��니스 환경에서 쥴 워크를 사용하고 있다.

• 마시넨파브리크 라인��우센(Maschinenfabrik Reinhausen): 피터 비트(Peter Wied) 마시넨파브리크 라인��우센 복잡성 관리 디렉터는 “지난 28�Ƅ간 �鶹ԭ�� 고객으로 함께해왔지만, 최근 AI 여정과 쥴 워크 데스크톱 얼리어답터 프로그램을 진행한 수개월 동안 지난 수십�Ƅ보다 훨씬 강력한 추진력을 경험했다. 과거 �鶹ԭ�� S/4HANA 환경에서 수동 작업으로 최대 1시간까지 걸렸던 작업이 이제는 자연어를 통해 몇 초 만에 처리될 수 있어, 우리 팀이 �ѫ��니스 데이터와 상호 작용하는 방식을 근본적으로 바꾸어 놓았다”고 말했다.
• 코나 서비스(CONA Services): 키스 스미스(Keith Smith) 코나 서비스 �鶹ԭ�� ���랫폼 아키텍트는 “전담 팀의 짶�원은 탁월했다. 적극적인 소통, 아키텍처 활성화 가속화에 대한 집중, 신속한 결함 수정 및 전반적인 짶�원 덕분에, 우리가 자체적으로 이 과제들을 해결해야 했을 때보다 훨씬 더 빨리 쥴 �ѫ�� 준비를 마칠 수 있었다. 코나 팀은 지금까지 이룬 성과에 고무되어 있으며, �ѫ�� 여정을 계속 이어가며 향후 몇 달간 쥴의 역량을 더 깊이 있게 탐구하고 테스트하기를 기대하고 있다”고 밝혔다.

단순한 질의응답만으로 충분하지 않을 때, 쥴 ���시스턴트는 확립된 데이터, 권한 및 감사 추적을 사용하여 �ѫ��니스 워크플로우 내에서 운영 작업을 직접 실행한다. 자율성의 수준은 고객이 통제한다. �鶹ԭ��의 접근 방식은 개방적이기도 하다. A2A 프로토콜을 통해 쥴은 서드파티 AI 및 에이전트와 연결될 수 있으며, 거버넌스가 적용된 �ѫ��니스 컨텍스트를 더 광범위한 AI 워크플로우로 가져올 수 있다.

이번 행사를 통해 �鶹ԭ��는 다음과 같은 역량이 �鶹ԭ�� 자율˳� 스위트 전반에서 어떻게 성과를 창출하는지 소개했다.

• 재무(Finance): 컨트롤러는 수익 인식, 공시 및 무역 규정 준수를 자동화할 수 있으며, 국제 무역 ���시스턴트(International Trade Assistant)의 초기 �ѫ��으로 무역 분류 작업 공수를 최대 50%까지 절감했다.
• 공급망(Supply Chain): 기획 담당자는 기획, 제조 및 물류 전반에 걸쳐 수 시간 걸리던 공급망 차질 대응을 단 한 번의 클릭으로 해결할 수 있다.
• 인사(HR): 리더는 인력 공백을 해소하는 최선의 방법을 결정할 수 있으며, 직원은 자신의 필요에 맞춤화된 더 현명한 복리후생 선택을 할 수 있다.
• 조달(Procurement): 의사 결정권자는 동종 업계 벤치마크 대비 비용 절감 기회를 발굴하고 계약직 인력의 전체 라이프사이클을 관리할 수 있다.
• 고객 경험(CX): 기업은 AI 기반 캠페인, 견적 및 고객 워크플로우를 통해 고객 참여를 판매 기회로 전환할 수 있다.
• �鶹ԭ��는 산업 전반에 걸쳐 특화된 산업 프로세스에 AI를 적용하기 위해 고객과 협력하고 있으며, 이를 통해 제조, 유통, 원자재 거래 및 자산 집약적 산업의 기업들이 의사 결정을 개선하고, 반복적인 작업을 자동화하며, 더 회복력 있는 운영을 구축하도록 짶�원한다.

“우리의 비전은 AI 에이전트가 수작업 중심의 과중한 업무를 처리하게 함으로써, 소싱 전문가들이 전략, 공급업체 협력 및 가치 창출에 집중할 수 있도록 하는 것이다.”

크리스토프 뷔르키(Christoph Buerki) �Ƹ바티스(Novartis) 조달 부문 총괄

신뢰�� 수 있는 �ѫ��니스 AI를 구동��는 ���랫폼

�鶹ԭ�� �ѫ��니스 AI ���랫폼(�鶹ԭ�� Business AI Platform)은 기업이 �鶹ԭ�� 및 서드파티 환경 전반에서 AI를 구축, 컨텍스트화 및 관리할 수 있는 단일 창구를 제공한다. 쥴 스튜디오(Joule Studio)를 통해 �ѫ��니스 사용자 및 개발자는 70개 이상의 AI 모델 중에서 선택하여, 노코드(no-code)부터 프로코드(pro-code) 워크플로우에 이르기까지 스킬과 에이전트를 구축하고 확장할 수 있다. �鶹ԭ�� �ѫ��니스 데이터 클라우드(�鶹ԭ�� Business Data Cloud)와 �鶹ԭ�� 지식 그래프는 신뢰�� 수 있는 �ѫ��니스 데이터 및 컨텍스트에 이러한 에이전트의 기반을 두게 하여, 기업이 각 사용 사례에 적합한 모델을 선택하고 AI의 가치와 소비를 더 잘 관리하도록 돕는다.

�鶹ԭ�� 관리형 거버넌스는 기업이 투명성, 책임성 및 통제력을 바탕으로 AI를 확장할 수 있도록 짶�원한다. �鶹ԭ�� 린IX(�鶹ԭ�� LeanIX) 솔루션에 포함된 �鶹ԭ�� AI 에이전트 ��브(�鶹ԭ�� AI Agent Hub)는 엔터���라이즈 에이전트의 중앙 인벤토리를 제공하며, �鶹ԭ��의 독립적인 ISO/IEC 42001 인증 거버넌스 아키텍처는 규제 요건, 확립된 권한 부여 및 감사 갶ĵ�한 AI 운영을 짶�원한다.

기업이 AI를 대규모로 �ѫ��할 수 있도록 돕기 위해, �鶹ԭ�� 시그나비오(�鶹ԭ�� Signavio), �鶹ԭ�� LeanIX 및 �鶹ԭ�� 워크미(�鶹ԭ�� WalkMe) 솔루션을 포함하는 �鶹ԭ��의 �ѫ��니스 트랜스포메이션 관리(Business Transformation Management) 포트폴리오는 프로세스를 분석하고, 애플리케이션 및 에이전트를 관리하며, 기업 전반의 �ѫ��을 촉진하는 툴체인을 제공한다.

�鶹ԭ��, 클라우드 ERP에 내장˳� 결제 �ѫ��

�鶹ԭ��는 또한 �鶹ԭ�� 계열사인 테레이나(Tereina)가 구동��는 �鶹ԭ�� 페이(�鶹ԭ�� Pay)를 통해 결제 시장에 진출한다고 발표했다. �鶹ԭ�� 클라우드 ERP에 직접 내장된 �鶹ԭ�� 페이는 인보이스 만기 시 동일한 워크플로우 내에서 결제 및 정산을 실행하여, 수동 파일 처리 및 외부 처리 의존도를 줄이는 동시에 고객에게 더 큰 통제력을 부여한다.

파트너십을 통한 자율˳� �ѫ��니스의 범위 확장

�鶹ԭ��는 전문화된 인텔리전스를 �鶹ԭ�� 워크플로우에 직접 �ѫ��하는 새로운 파트너십을 통해 자체 애플리케이션 포트폴리오를 넘어 자율˳� 기업의 범위를 확장하고 있다.

�鶹ԭ��와 무디스(Moody’s Corporation) 간의 새로운 파트너십은 무디스의 공급업체 리스크 모니터링 데이터를 �鶹ԭ�� 아리바 공급업체 라이프사이클 및 성과(�鶹ԭ�� Ariba Supplier Lifecycle and Performance) 솔루션에 내장하도록 설계됐다. 이를 통해 조달 팀은 의사 결정 시점에 공급업체의 재무 건전성, 운영 리스크 및 규제 상태에 댶��� 지속적으로 업데이트되는 인사이트를 확보할 수 있다. 기업은 주기적인 리스크 검토에서 지속적인 모니터링으로 전환할 수 있으며, 이를 통해 쥴 에이전트가 �ѫ��니스 차질이 발생하기 전에 공급업체의 위험 신호를 표시하고 대안을 제시할 수 있다.

아울러 오로 랩스(ORO Labs)왶�의 파트너십 확대를 통해, 솔루션 확장 형태로 �鶹ԭ�� 고객에게 조달 오케스트레이션(procurement orchestration)을 제공한다. 오로 랩스 기반 �鶹ԭ�� 아리바 조달 오케스트레이션(�鶹ԭ�� Ariba Procurement Orchestration by ORO Labs)은 이기종 엔터���라이즈 환경 전반에 걸쳐 조달 워크플로우를 엔드투엔드로 연결하도록 특화된 오케스트레이션 계층으로, �ѫ��니스 사용자는 구매 요청 접수부터 실행, 가시성 확보까지 원활한 경험을 누릴 수 있다.

�鶹ԭ�� 커넥트 2026 관련 자세한 발표 내용은 에서 확인할 수 있다.

# # #

�鶹ԭ��에 댶���

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

The post ‘S���� 커넥트 2026’에서 자율˳� 기업 구현 방안 선보여 appeared first on �鶹ԭ�� Korea 뉴스센터.

돌아온 지속가능성, 달라진 조건

지난주 뉴욕 기후 주간(New York Climate Week)은 1,500건이 넘는 행사가 유엔 총회와 나란히 열린 였습니다. 하지만 올해는 선언보다 실행에 무게가 실렸습니다. 에너지 가격 급등, 기후 재난, AI의 자원 소비를 둘러싼 논쟁이 대표단을 압박했기 때문입니다.

한동안 기업 의제에서 밀려나던 지속가능성은 다른 조건으로 . 사이먼 스티엘 유엔 기후변화 사무총장은 이란 전쟁발 에너지 부족으로 미국 소비자만 고 짚었습니다. 청정에너지는 이제 독립성과 경쟁력의 문제입니다. 물리적 위험도 커서, 는 기후 재해로 인한 기업의 영업 중단 손실이 연간 1조 1,000억 달러를 넘는다고 추산했습니다.

다만 위험을 아는 것과 대응하는 것은 다릅니다. 홍수 예보는 그 길목의 자산과 매출, 방어 비용에 값을 매길 수 있을 때 비로소 경영 판단이 됩니다. 물리적 기후 리스크 데이터를 �鶹ԭ��의 전사 데이터·보고 기반에 연결한 이유입니다.

AI의 진짜 관건은 ‘허락’

이번 주를 지배한 주제는 AI였습니다. 스티엘 사무총장은 AI 기업들이 사업 허가를 두고 ‘‘에 서 있다고 경고했고, 반대편에서는 AI가 기후 문제 해결에도 꼭 필요하다고 맞섰습니다. 둘 다 일리가 있지만, AI의 앞길을 정하는 것은 성능이 아니라 허락입니다. 데이터센터에는 받아들이는 지역사회가, �ѫ��에는 따라주는 직원이 필요하니까요.

정부도 기준을 세우기 시작했습니다. 튀르키예 COP31 의장국은 기업이 에너지 사용을 투명하게 공개하고 청정에너지로 운영해야 한다는 ‘안탈리아 ‘을 내놨습니다. �鶹ԭ��는 2014�Ƅ부터 사무실과 데이터센터를 100% 재생에너지로 운영해 왔고, AI 아키텍처 설계 단계부터 환경 영향을 고려하며, 클라우드 서비스의 탄소 발자국을 고객과 공유하기 시작했습니다. 일부 제품은 �鶹ԭ�� for Me에서 베타로 볼 수 있습니다.

AI에는 긍정적인 면도 있습니다. 소피아 멘델슨 �鶹ԭ�� 최고 지속가능성·상업 책임자는 지속가능성이 데이터에 빠지면 AI가 알아서 최적화해 지워버린다고 말했습니다. 연결된 데이터가 있어야 비용, 탄소, 규제를 한 번에 따질 수 있다는 뜻입니다. 거버넌스도 중요합니다. �鶹ԭ��는 2025�Ƅ 을 원칙에 비춰 검토해 44%를 고위험으로 분류했고, 윤리적으로 받아들일 절충안이 없으면 원안대로 진행하지 않았습니다.

“지속가능성 리더들에게 이제 중요한 질문은 AI의 영향을 어떻게 관리하느냐가 아닙니다. AI 투자가 어디로 향할지를 어떻게 이끄느냐입니다. AI는 비용과 탄소, 리스크를 함께 따질 수 있지만, 지속가능성이 AI가 쓰는 데이터 안에 있을 때만 가능합니다. 빼놓으면 AI는 그것을 최적화해 없애 버릴 겁니다.”

소피아 멘델슨(Sophia Mendelsohn), �鶹ԭ�� 최고 지속가능성·상업 책임자

구현은 결국 시스템 위에서

가장 큰 걸림돌은 단절된 데이터입니다. 지속가능성 정보가 조달, 제조, 재무와 떨어져 있으면 좋은 AI도 자신 있게 틀린 답을 냅니다. 해당 시장에서 승인되지 않은 저탄소 공급업체를 추천하는 식입니다. 앞서가는 기업은 지속가능성 데이터에도 재무 데이터와 같은 품질 기준과 감사 추적, 통제를 적용합니다. 산업용 제조업체 HARTING은 지속가능성 데이터를 기존 시스템에 연결해 을 수작업에서 AI 기반 매핑으로 바꿨습니다. 멘델슨의 말처럼 모든 기후 목표는 결국 공급망 결정이 됩니다.

안탈리아로 가는 길

11월 COP31을 앞두고 의장국은 2035�Ƅ까지 최종 에너지 소비 중 전기 비중을 35%로 높이는 서약을 발표했습니다. 서약이 방향을 정한다면 속도는 기업의 결정이 정합니다. 고객들의 질문도 탄소에 얼마가 드는지, 공급망 어디가 위험한지, 감사에서 숫자가 버티는지로 바뀌었습니다. 모두 상업적 질문이고, 답도 이미 있습니다. 도구와 경제성, 사업 논리는 대부분 갖춰졌고, 남은 일은 이를 실제 의사결정이 일어나는 프로세스 안에서 연결하는 것입니다. AI는 그 밑의 에너지와 데이터, 신뢰만큼만 확장됩니다. AI의 미래는 지속가능성을 거쳐 간다는 뜻입니다.

�鶹ԭ��가 어떻게 짶�원할 수 있는지 자세히 알아보려면 를 방문하세요.

모니카 몰색(Monica Molesag)은 지속가능성 커뮤니케이션 수장입니다.

The post AI의 미래는 지속가능성에 달렸다 appeared first on �鶹ԭ�� Korea 뉴스센터.

너도나도 AI �ѫ��, 그런데 성과는 왜 이럴까

이제 AI를 �ѫ��해야 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 �ѫ��해 채용 기간과 행정 업무 시간을 줄였다는 효율화 성과가 한쪽에 있다면, 반대쪽에는 HR 리더의 88%가 AI로 의미 있는 �ѫ��니스 가치를 만들지 못했다고 답했고, 실제로 의미 있는 가치를 낸 기업은 5%에 불과하다는 조사가 있다. 특정 영역의 효율은 개선됐지만, 그것이 진짜 �ѫ��니스 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 �ѫ��하며 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 �ѫ�� 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.

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 ˳�신 과제로 돌려야 한다. AI가 할 수 있는 건 다 맡기는 ‘AI 맥시멀리스트’보다, AI와 인간의 잠재력을 함께 고려하는 ‘공생적 전략가’를 택한 조직에서 직원 몰입도와 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 이유와 성공의 모습을 구체적으로 커뮤니케이션해야 한다. 무엇보다 AI 리터러시가 수용성을 결정하는 가장 중요한 요인이었다. 조직도에 AI를 사람처럼 표기하면 대체의 신호로 읽혀 몰입도가 15% 떨어진다. AI는 도구와 동료의 중간인 ‘툴메이트’로, 이름도 사람 이름이 아니라 ‘���시스턴트’나 ‘코파일럿’처럼 건조하게 붙이는 게 낫다.

셋째, 일 자체를 다시 설계해야 한다. 직무 단위가 아니라 업무 단위로 접근해 AI와 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.

HR IT 솔루션도 뒷받침돼야 한다

통합된 데이터 기반, 프로세스에 내재화된 AI 에이전트, 스킬 기반 인사 프레임워크, 휴먼 인 더 루프, 지속적인 진화가 ��심이다. �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.

2026�Ƅ 9월 21일, 섵Ӛ� – �鶹ԭ��코리아(대표 신은영)는 18일 KB국민은행(은행장 이환주)과 서비스형 소프트웨어(SaaS) �����화 및 차세대 기업금융 서비스 협력을 위한 업무협약(MOU)을 체결했다고 밝혔다. KB국민은행 신관에서 진행된 이날 협약식에는, KB국민은행 및 �鶹ԭ��코리아의 주요 관계자가 참석했다.

이번 협약을 통해 양사는 �鶹ԭ�� �ѫ��니스 테크놀로지 ���랫폼(�鶹ԭ�� Business Technology Platform, �鶹ԭ�� BTP)을 기반으로 한 신규 SaaS 상품 개발과 기업금융 서비스 ˳�신을 위해 폭넓게 협력해 나갈 계획이다. 양사는 ▲�鶹ԭ�� BTP를 기반으로 주요 분야를 선도하는 서드파티 솔루션을 통합해 화이트라벨(White-label) 형태의 SaaS 상품으로 �����화하는 방안 ▲기업 고객이 별도의 인지나 절차 없이도 필요한 금융 서비스를 이용할 수 있도록 ERP 시스템과 은행 서비스를 매끄럽게 연동하는 이른바 ‘보이짶� 않는 금융(Invisible Banking)’ 서비스 협력 ▲양사가 보유한 인프라와 영업 네트워크를 홵Ӛ�해 우량 기업 고객을 공동으로 발굴하는 시장 진출(Go-to-Market) 전략까지 세 가지 영역에서 협력을 추진할 계획이다.

최근 금융권에서는 기업 고객의 ERP 시스템에 결제·자금관리 등 금융 서비스를 직접 연동하는 이른바 ‘ERP뱅킹’이 새로운 경쟁 영역으로 부상하고 있다. KB국민은행 역시 ERP 사업부를 신설하는 등 기업금융 ���랫폼 경쟁력 강화에 속도를 내고 있다.

�鶹ԭ��코리아는 작�Ƅ 11월 금융보안원의 클라우드서비스제공자(CSP) 안전성 평가를 2�Ƅ 연속 통과하며 국내 금융업계가 요구하는 엄격한 보안·규제 기준을 충족해 왔으며, 이러한 기술력과 신뢰성을 바탕으로 금융사왶�의 협력 사례를 점차 넓혀가고 있다. 양사는 이러한 �鶹ԭ�� 기술력과 KB국민은행의 기업금융 노하우를 결합해, 기업 고객을 위한 ERP 연동˳� 임베디드 금융 생태계를 공동으로 조성하고, 이를 기반으로 장기적이고 지속 갶ĵ�한 협업 모델을 구축해 나갈 방침이다.

�鶹ԭ��코리아 관계자는 “�鶹ԭ��코리아는 오랜 기간 금융권이 요구하는 높은 보안 기준을 충족해 온 겶�증된 기술력을 보유하고 있다”며, “기업 고객들이 ERP 환경 내에서 한층 편리하고 안전한 금융 서비스를 경험할 수 있도록 KB국민은행과 긴밀한 기술 협력을 이어갈 것”이라고 말했다.

KB국민은행 관계자는 “각자의 영역에서 최고의 성과를 내고 있는 양사의 이번 협약을 바탕으로 �鶹ԭ��의 ERP 경쟁력에 KB국민은행의 금융 역량을 결합함으로써, 기업 고객에게 새로운 임베디드 금융 생태계를 제공하는 계기가 될 것”이라며, “앞으로도 �鶹ԭ��와 은행간 제휴를 통해 ERP 이용 기업고객을 위한 ˳�신적인 임베디드 금융 서비스 제공을 지속적으로 확댶��� 나가겠다”고 말했다.

# # #

�鶹ԭ��에 댶���

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

The post �鶹ԭ��코리아, KB국민은행과 업무협약 체결… SaaS �����화 및 기업금융 ˳�신 협력 appeared first on �鶹ԭ�� Korea 뉴스센터.

소호에서, 매장이 생각하기 시작하다

뉴욕 소호. 쇼윈도마다 시선을 다투는 이 거리에, 뉴욕패션위크(NYFW) 기간 동안 �鶹ԭ��가 색다른 매장을 열었다. 겉모습은 평범한 부티크다. 옷걸이와 은은한 조명, 친절한 직원까지 여느 매장과 다를 게 없다. 하지만 손님이 옷 하나를 집어 드는 순간, 주변 디스플레이가 반응한다. 매장 뒤에서는 피팅룸의 움직임과 매장 전체 흐름이 실시간으로 관찰된다.

중심에는 NYFW Collections와 �鶹ԭ��가 함께 만든 ‘리테일 이노베이션 랩(Retail Innovation Lab)’이 있다. 이번 시즌엔 브랜드 RE/DONE과 손을 잡았고, ‘넥스트 익스피리언스(N4XT Experiences)’왶�의 다시즌 협업 중 하나로 9월 11일부터 30일까지 소호에서 일반에게 문을 연다. 지난 2월 퍼블릭 스쿨 뉴욕과 진행한 3일짜리 팝업이, 이번엔 정식 매장 규모로 커진 셈이다. 매장 안쪽엔 판매 현장과 운영을 잇는 비공개 “커맨드 센터”가 있다. 동시에 �鶹ԭ�� Experience Centers의 확장판이기도 해서, �鶹ԭ�� 고객과 예비 고객이 실제 매장이라는 현실 속에서 �鶹ԭ�� 소프트웨어와 파트너 솔루션을 체험해볼 수 있다.

이는 �鶹ԭ��가 강조하는 ‘공동 ˳�신(co-innovation)’ 모델을 그대로 보여준다. 협업으로 나온 아이디어를 고객이 마주하는 경험으로 더 빠르게 옮겨, 기술의 가치를 방문객이 직접 확인하게 하는 것이 목표다.

발견에서 결정까지

QR 스캔으로 디지털 프로필에 참여할지 고르면, 둘러보는 동안 디스플레이엔 제품 정보가 뜨고 스타일링 화면은 어울리는 코디를 제안한다. 피팅룸은 옷의 종류와 사이즈를 알아채고, 직원은 곧바로 다른 사이즈나 제안으로 응대한다. 결제는 휴대폰, 직원, 전통 계산대 중 원하는 방식으로 하면 된다. 매장을 나서면 디지털 옷장에 그날의 스타일이 저장돼 경험이 이어진다.

이 배후엔 커맨드 센터가 있다. 고객의 움직임, 피팅룸 반응, 사이즈, 판매 신호를 한곳에 모아 실시간으로 매장 성과를 들여다본다. 한 사이즈에 예상 밖의 관심이 쏠리면, 이를 재고·머천다이징·재입고 정보와 겹쳐 수요를 먼저 읽어낼 수 있다. 매장 자체가 상품 구성과 재고, 수요 계획을 위한 정보의 원천이 되는 것이다.

산업 전문지식이 AI를 만날 때

이 랩은 �鶹ԭ��의 협업 방식이 실제로 작동하는 모습이기도 하다. 고객과 업계 전문가가 운영과 시장의 지식을 들고 오고, �鶹ԭ��는 50�Ƅ 넘게 쌓은 �ѫ��니스 프로세스 경험과 이를 연결하는 데이터·기술을 더한다.

리테일에서 이 협업이 향하는 지점은 ‘자율˳� 커머스(autonomous commerce)’다. 연결된 고객 여정과 지능화된 운영이 사람이 정한 가드레일 안에서 함께 움직인다. 같은 원리가 �鶹ԭ��의 Industry AI 전체를 이끈다. 업계 지식을 갖춘 AI라야 어떤 신호가 그 �ѫ��니스 안에서 무엇을 뜻하는지 이해하고 주변 프로세스와 연결할 수 있다. 패션 리테일에서는 고객 반응이 머천다이징과 수요를 이끌고, 공장에서는 생산 데이터가 운영 개선을 돕는다. 이처럼 산업마다 다른 맥락이 각 산업에 맞는 AI를 빚어낸다.

자율˳� 기업을 향해

산업 지식은 통찰을 실제 행동으로 옮길 때 진짜 가치를 갖는다. 사람이 목표와 가드레일을 정하고, 지능형 시스템이 그 안에서 속도와 정밀함을 갖춰 더 많은 프로세스를 실행하며 뒷받침하는 것, 이것이 ‘‘으로 가는 길이다.

뉴욕 패션위크는 이 협업을 보여줄 좋은 무대다. 이 랩은 고객 경험과 매장 운영이 실시간으로 연결되는 모습을, 자율 커머스는 그 연결이 리테일에서 뚜렷해지는 모습을 보여준다. �ѫ��니스 지식과 데이터, AI가 만나는 곳에서 고객이 통찰을 곧바로 행동으로 옮기는 새로운 방법이 태어나고 있다.

안드레 벡톨드(Andre Bechtold)는 �鶹ԭ�� 산업 및 경험 부문 사장이자 �鶹ԭ��의 인더스트리 AI 최고매출책임자(CRO)입니다.

The post �鶹ԭ��, 뉴욕 소호에 “생각하는 매장”을 열다 appeared first on �鶹ԭ�� Korea 뉴스센터.

급여만큼 신뢰가 걸린 업무는 드물다. 정형 데이터와 규정 준수가 ��심이라 AI에 가장 잘 맞는 업무지만, 작은 오류 하나가 직원의 신뢰를 곧바로 흔들 수 있어 가장 민감한 업무이기도 하다. “급여는 잘 돌아갈 때는 아무도 모르고, 잘못됐을 때만 다들 알아챈다”는 말처럼, 지급 한 번마다 회사와 직원의 신뢰가 시험대에 오른다. �鶹ԭ�� 조사*에 따르면 전 세계 직원의 38%가 급여 오류를 겪었고, 이들은 회사에 대한 신뢰가 13%, 급여 부서에 대한 신뢰가 17% 더 낮았다. 오류가 반복될수록 신뢰는 더 떨어졌다.

급여 담당자는 더 적은 인력으로 더 많은 일을 해내라는 압박을 받는다. 직원은 더 빠르고 유연한 급여를 원하고, 세법과 임금·휴가 규정은 지역마다 계속 바뀐다. 직원의 역할과 근무지, 보상이 끊임없이 달라지면서 수동 관리는 점점 어려워지고 오류 위험도 커진다. 이제 급여는 단순 행정이 아니라 직원 경험과 규정 준수, 사업 운영을 뒷받침하는 전략적 기반이다. 이런 복잡성이 급여의 다음 단계, ‘자율˳� 급여(Autonomous Payroll)’를 이끌어낸다.

복잡성의 시대, 신뢰를 확장하다

자율˳� 급여는 AI와 통합 데이터, 실시간 모니터링을 결합해 문제가 직원에게 영향을 주기 전에 미리 찾아내도록 돕는다. 목표는 사람을 빼내는 게 아니라 담당자가 더 가치 있는 일에 집중하도록 돕는 것이다. 직원의 49%는 AI가 실패했을 때 사람에게 확인받을 수 있다면 AI를 더 신뢰하겠다고 답했고, 43%는 사람의 재검토를 요청할 수 있다면 신뢰가 높아질 것이라고 답했다. AI 급여 에이전트와 상시 급여는 급여 준비 상태를 점검하고 이상 징후를 찾아내며, 문제가 커지기 전에 예외 상황을 먼저 해결하게 해준다. 이제 오류를 주기 끝에 찾는 대신 주기 내내 살펴보고 바로 해결할 수 있다. 다만 기술만으로는 부족하며, 시스템은 적절한 감독과 투명성, 책임 아래 움직여야 한다.

자동화에는 책임이 따른다

AI가 깊이 들어올수록 논의는 ‘�ѫ��’에서 ‘책임’으로 옮겨간다. 직원은 급여 계산이나 이상 감지처럼 계산 중심 업무에는 AI를 편하게 받아들이지만, 판단과 소통이 필요한 업무, 특히 분쟁의 최종 결정에는 사람을 원한다. 중요한 건 사람을 대체하는 게 아니라 AI가 가장 도움이 되는 곳에 쓰이면서도 신뢰와 판단이 필요한 곳에서 사람의 감독을 지키는 것이다. 결국 급여의 미래는 사람이냐 AI냐가 아니라, AI로 확장된 사람의 전문성이다.

자율˳� HCM의 토대를 만들다

자율˳� 급여의 파급력은 급여 업무를 넘어선다. �鶹ԭ��는 이를 의 ��심 요소로 본다. 채용, 보상, 승진 같은 모든 조직적 변화가 결국 급여에 영향을 주기 때문에, 급여는 기업에서 가장 신뢰�� 수 있는 인력 데이터 원천이다. 이 가능성을 실현하려면 HR·급여·근태 데이터가 하나로 통합된 기반이 필요하다. 단일한 데이터 원천이 있어야 복잡성이 줄고 정확성과 규정 준수가 강화되며, AI가 더 의미 있는 통찰을 내놓을 수 있다. 흩어진 시스템 위에 AI만 얹는다고 문제가 풀리지는 않는다.

미래를 이끄는 조직은 급여를 더 효율적으로 처리하는 데서 그치지 않고, 더 지능적이고 연결된 운영으로 직원과 사업을 함께 뒷받침할 전망이다. 급여가 제대로 돌아갈 때, 그것은 월급 지급을 넘어 회사에 대한 신뢰를 만들어낸다.

* 2026�Ƅ 7월 정규직 1,576명 대상 긶�로벌 설문조사 데이터

The post 자율˳� 급여, 자동화가 아니라 책임이 ��심 appeared first on �鶹ԭ�� Korea 뉴스센터.