AI 요약
과거 2년 전만 해도 AI 에이전트는 기술적 제약으로 인해 기능이 매우 제한적이었으나, 현재는 기술력과 비즈니스 요구 사이의 간극이 상당히 좁혀졌습니다. 하지만 대다수의 조직은 여전히 AI를 단순 답변이나 라우팅 용도로만 사용하며, 정보 조회나 복잡한 다단계 문제 해결과 같은 실질적인 '행동' 단계로 나아가지 못하고 있습니다. 인터콤은 에너지, 의료, 이커머스, 게이밍, 금융 서비스, 자산 관리 등 6개 산업 분야를 조사한 결과, 이러한 정체의 원인이 AI 모델의 성능 부족보다는 조직 내부의 구조적 문제에 있음을 확인했습니다. AI가 성공적으로 업무를 수행하기 위해서는 콘텐츠, 범위, 절차, 데이터, 실행이라는 5가지 단계의 '준비성(Readiness)'이 필요하지만, 대다수 기업은 실시간 데이터 연동과 실행 결과에 대한 책임 소재를 정의하는 고도화된 준비 단계에서 어려움을 겪고 있습니다.
핵심 인사이트
- 성능보다 구조의 문제: AI 자동화의 확장을 가로막는 것은 모델의 지능이 아니라, 조직이 AI에게 업무를 맡길 수 있도록 구조화되어 있는지의 여부입니다.
- 5가지 준비성 모델: AI 도입 단계는 콘텐츠(설명 가능성), 범위(경계 설정), 절차(명시적 프로세스), 데이터(실시간 API 연결), 실행(책임 및 복구 체계)의 5단계로 구분됩니다.
- 6개 산업군 사례 연구: 에너지, 의료, 이커머스, 게이밍, 금융, 자산 관리 분야의 기업들을 분석하여 기술적 가능성과 조직적 제약 사이의 충돌을 확인했습니다.
주요 디테일
- 절차적 준비성(Procedural Readiness): 숙련된 직원의 머릿속에만 있는 '암묵적 지식'을 AI가 이해할 수 있도록 명문화된 의사결정 분기점으로 전환하는 과정이 필수적입니다.
- 데이터의 신뢰성: 실시간으로 정확한 사용자 정보를 식별하고 안정적인 API를 통해 데이터를 공급할 수 있는 인프라가 갖춰져야 실질적인 업무 처리가 가능합니다.
- 최고 난이도의 실행 준비성: 잘못된 환불 처리 등 AI의 오류 발생 시 누가 책임을 지고 어떻게 복구할 것인지에 대한 조직적 합의와 권한 위임이 가장 큰 장벽입니다.
- 과거와 현재의 차이: 2년 전에는 모델의 역량이 병목이었으나, 현재는 조직이 AI에게 '무엇을 허용할 것인가'가 핵심 과제로 부상했습니다.
향후 전망
- 조직 개편의 필요성: 기업들은 단순히 더 좋은 AI 모델을 기다리는 대신, 내부 프로세스와 데이터 접근 권한을 AI 친화적으로 재설계하는 데 집중할 것으로 보입니다.
- 자율 에이전트의 확산: 데이터 및 실행 준비성을 확보한 선두 기업들을 중심으로 단순 상담을 넘어 실제 결제, 변경, 취소 등 비즈니스 액션을 수행하는 AI 도입이 가속화될 전망입니다.
출처:intercom_blog