비즈니스가 에이전트 AI 가치에 시간을 가속화하는 방법

1,050명의 최고정보책임자(CIO)를 대상으로 한 최근 설문조사에 따르면 IT 부문 내에서 AI 에이전트의 빠른 채택이 조명받고 있습니다. 놀랍게도 이 IT 리더들 중 93%가 향후 2년 이내에 AI 에이전트를 시스템에 통합할 준비를 하고 있습니다. 데이터 사일로를 해소하여 이러한 통합을 촉진하고, 보다 간소화되고 효율적인 IT 환경을 목표로 하고 있습니다.

설문조사는 또한 이들 조직에서 애플리케이션의 광범위한 사용을 강조했으며, 평균적으로 897개의 앱이 사용되고 있습니다. 응답자의 45%가 1,000개 이상의 애플리케이션을 사용하고 있다고 보고했으며, 이는 IT 팀이 일관된 사용자 경험을 만들기 위해 노력하는 데 있어 도전 과제를 제시합니다.

현재 기업 애플리케이션의 29%만이 통합되어 비즈니스 전반에 걸쳐 데이터를 공유하고 있습니다. AI 사용 증가를 대비하여 CIO들은 데이터 인프라 및 관리에 예산의 20%를 할당하고 있으며, 이는 AI 자체에 지출하는 금액(5%)의 4배에 달합니다.

AI 에이전트 이해하기

ARK Invest가 정의한 AI 에이전트는 디지털 애플리케이션과의 상호작용 방식을 혁신적으로 변화시켜 인간-컴퓨터 상호작용에 중대한 변화를 가져올 것입니다. 이러한 에이전트는 다음을 수행할 수 있습니다:

• 자연어 처리를 통해 사용자 의도를 이해
• 추론과 맥락 인식을 활용하여 행동 계획 수립
• 사용자 요청을 충족하기 위해 도구를 사용하여 작업 실행
• 반복 학습과 지속적인 개선을 통해 성능 향상

ARK Invest는 AI가 지식 작업의 생산성을 크게 향상시킬 것이라고 예측합니다. 2030년까지 기업들이 생산성 향상 솔루션에 투자함에 따라 지식 근로자 1인당 소프트웨어 사용량이 상당히 증가할 것으로 예상됩니다. 채택률에 따라 글로벌 소프트웨어 지출은 지난 10년간 연평균 14% 성장에서 연간 18%에서 48%로 증가할 수 있습니다.

Agentic AI로 가치 창출 시간 단축

기술 연구 회사인 Valoir는 Agentic AI가 인간의 개입 없이 복잡한 작업과 상호작용을 자동화함으로써 기하급수적인 이점을 제공할 수 있다고 제안합니다. 그러나 이러한 복잡한 작업을 효율적으로 관리할 수 있는 Agentic AI를 구축하는 것은 그 자체로 일련의 도전 과제를 제시합니다.

Salesforce Agentforce와 같이 Agentic AI 개발을 위해 특별히 설계된 플랫폼을 사용하면 프로세스를 크게 가속화할 수 있습니다. Valoir의 연구에 따르면 조직은 자율 AI 에이전트를 16배 빠르게 배포하고 다른 방법에 비해 75% 높은 정확도를 달성할 수 있습니다.

Valoir의 Agentic 개발 7단계

Valoir는 작업과 데이터 소스의 복잡성에 따라 맞춤화된 Agentic AI 개발의 7가지 핵심 단계를 제시했습니다:

1. 모델 설정: AI 에이전트 구축의 기초.
2. 데이터 및 애플리케이션 통합: 시스템 전반에 걸친 원활한 데이터 흐름 보장.
3. 프롬프트 엔지니어링: AI 상호작용을 위한 효과적인 프롬프트 제작.
4. AI 가드레일 및 보안: 보호 장치 및 보안 조치 구현.
5. 사용자 인터페이스 및 워크플로/애플리케이션 개발: 사용자 친화적인 인터페이스 설계.
6. 튜닝: 최적의 성능을 위한 AI 모델 미세 조정.
7. 데이터 정확도: AI 에이전트가 사용하는 데이터의 신뢰성 보장.

Valoir의 연구는 DIY(Do-It-Yourself) 접근 방식과 Agentforce와 같은 깊이 통합된 플랫폼 사용 간의 상당한 차이를 강조했습니다. 예를 들어, DIY 모델 설정은 일반적으로 3개월에서 12개월이 걸리는 반면, Agentforce의 사전 통합 모델은 7.5배 빠르게 배포될 수 있습니다.

마찬가지로, 오픈소스 대안을 사용한 데이터 및 애플리케이션 통합은 한 달 이상 걸릴 수 있지만, Agentforce는 몇 주 만에 이를 완료할 수 있으며, 이는 3.5배 빠릅니다. 가장 두드러진 차이는 AI 가드레일, 신뢰, 보안 확립에서 나타났으며, DIY 접근 방식은 1년 이상 걸릴 수 있는 반면, Agentforce와 같은 플랫폼은 훨씬 더 빠르게 이러한 계층을 제공합니다.

정확도는 AI 에이전트의 효과적인 배포에 매우 중요합니다. 간단한 작업의 경우 DIY 접근 방식은 50%의 정확도를 달성한 반면, Agentforce는 95%를 달성했습니다. 판매 코칭과 같은 복잡한 시나리오에서는 DIY 정확도가 40%로 떨어졌지만 Agentforce는 95%를 유지했습니다. 전반적으로 플랫폼을 사용하면 에이전트 정확도가 75% 향상될 수 있습니다.

Valoir의 연구 결과에 따르면 DIY 프로젝트의 총 소요 시간은 평균 75.5개월이었지만, Agentforce를 사용한 프로젝트는 4.8개월 만에 생산적인 정확도에 도달하여 플랫폼 접근 방식이 16배 빠릅니다. Valoir의 에이전트 AI 연구에 대한 더 많은 통찰은 그들의 상세 보고서를 방문하여 확인할 수 있습니다.