대리적 AI가 약속을 이행할 수 있는 능력에 대한 합의는 조심스럽게 낙관적입니다. 지금까지는 괜찮았지만, 중요한 주의점이 있습니다. 최근 PwC의 설문조사에 따르면, AI 에이전트를 도입한 300명의 고위 경영자 가운데 66%가 생산성 향상에 긍정적인 결과를 보고했습니다. 하지만 모든 시스템이 일정 수준의 생산성 향상을 가져오는 것이 일반적임을 고려할 때, 경영자들이 진정으로 원하는 것은 극단적인 경쟁 우위를 창출하는 의미 있는 차별화입니다. 현재 PwC 보고서의 저자들은 몇몇 AI 에이전트만이 “일의 수행 방식을 혁신하고 있다”고 평가합니다. “많은 직원들이 엔터프라이즈 앱에 내장된 대리적 기능을 활용하여 일상적인 작업을 빠르게 처리하고 있습니다 — 인사이트 제공, 기록 업데이트, 질문에 대한 답변 등입니다. 이는 의미 있는 생산성 향상으로 이어지지만, 진정한 변혁이라고 보기는 어렵습니다. ” 가장 큰 장애물은 기술 자체가 아니라, “마인드셋, 변화에 대한 준비, 그리고 인력 참여”라고 PwC 저자들은 결론지었습니다. Phenom의 CEO이자 공동 창립자인 마헤 바이레디(Mahe Bayireddi)는 인사 기능에 AI 에이전트를 제공하는 회사의 지도자로서, 이러한 도전이 주로 이 영역에 있다고 동의했습니다. 필라델피아에서 열린 Phenom의 최근 사용자 컨퍼런스에서 바이레디는 AI 에이전트에게 있어서 맥락(context)의 중요성을 강조했습니다. “이 과정을 통해 배울 것이 많습니다, ”라고 그는 말했습니다. “현재, AI 에이전트를 효과적으로 관리하는 방법을 동적으로 안내할 수 있는 전문가가 많지 않습니다. ” 그는 덧붙였습니다. “에이전트가 제대로 사용되고, 변화 관리가 원활히 이루어지며, 데이터가 적절히 활용된다면 생산성을 20-30%까지 높일 수 있습니다. 핵심 질문은 어떻게 성공시킬 것이며, 변화를 어떻게 효과적으로 관리할 것인가 하는 점입니다. ” AI 에이전트와 그들이 다루는 데이터는 산업별, 회사별로 도메인에 특화되어야 합니다. “범용 데이터는 매우 복잡합니다, ”라고 그가 설명했습니다.

“맥락과 개인화의 미묘한 차이를 이해하는 것이 AI가 제대로 작동하는 데 필수적입니다. 너무 일반적이거나 과도하게 단순해서는 안 됩니다. ” AI 에이전트의 출현은 생성형 AI를 실용적 응용 분야로 이끌고 있습니다. 통합될 경우, 에이전트는 “작업 흐름에 내장될 수 있다”고 바이레디는 말했습니다. “지금까지는 사람들이 ChatGPT에 가서 질문하고 답변을 기다리는 방식이었지만, 그것이 자연스러운 업무 방식은 아닙니다. ” 자동화 대상인 특정 기능과 프로세스의 미묘한 차이를 해결하는 데 집중해야 합니다. “이것은 맥락을 포함하는 효과적인 형식으로 실현되어야 합니다, ”라고 그는 덧붙였습니다. “그것은 오직 부서 내에서 에이전트가 효과적으로 작동할 때만 가능하다. ” 바이레디는 AI 에이전트가 일자리를 위협한다고 보지 않지만, 이들은 일의 성격을 변화시킬 것임을 인정합니다. “에이전트로 인해 새로운 일자리들이 생겨나고, 새로운 형태의 업무도 발전할 것입니다. 기술은 그 일부이며, 업무 자체와 역할들도 진화할 것입니다. ” PwC 저자들은 AI 에이전트로 최소한의 성과에 머무르지 말 것을 권고합니다. “파일럿 단계에 머무르는 기업들은 근본적으로 작업 방식을 재설계하는 데 적극적인 경쟁자들에 뒤처질 위험이 큽니다. 현재 새 운영 모델을 구축하고 여러 AI 에이전트를 통합·조율하는 미래 지향적인 기업은 몇 안 되며, 45%만이 운영 모델과 워크플로우를 근본적으로 재고하거나, 42%만이 AI 에이전트를 중심으로 프로세스를 재설계하고 있습니다. ”