인공지능 에이전트 확산 관리에 관한 최고정보책임자(CIO) 가이드

기업 네트워크는 AI 에이전트로 급속히 채워지면서 복잡한 멀티클라우드 인프라를 관리하는 리더들에게 중대한 거버넌스 사각지대를 만들고 있다.

개별 사업부가 생성형 AI 도입을 서두르면서 CIO들은 디지털 생태계가 점점 더 파편화되고 모니터링되지 않는 자산들로 채워지는 것을 목격하고 있습니다. 이 추세는 클라우드 초기 시절의 섀도 IT 문제를 반영하지만, 이제는 비즈니스 로직을 실행하고 민감한 기업 데이터에 접근할 수 있는 자율적 행위자들이 관여합니다.

IDC는 2029년까지 활발히 배포되는 AI 에이전트 수가 현재 대비 무려 40배 증가한 10억 개를 넘어설 것으로 전망한다. 2025년 상반기만 해도 에이전트 생성량이 119% 급증했다. 기업 리더들에게 시급한 과제는 더 이상 이러한 에이전트를 구축하는 것이 아니라, 서로 다른 플랫폼 전반에서 이를 효과적으로 위치 파악하고 감사하며 통제하는 것이다.

세일즈포스는 새로운 자동화된 탐색 도구를 통해 MuleSoft 에이전트 패브릭을 강화함으로써 이러한 분산 문제를 정면으로 해결하고 있습니다. 이 도구는 AI 에이전트의 출처와 관계없이 중앙 집중식 관리를 가능하게 설계되었습니다.

자동화된 탐색

보안 및 운영 팀에게 가시성 부족은 여전히 근본적인 과제입니다. 마케팅 팀이 한 플랫폼에 AI 에이전트를 배포하는 동안 물류 팀이 다른 플랫폼에서 구축하면 중앙 IT는 조직의 디지털 인력에 대한 통합된 시각을 상실하게 되어 효과적인 거버넌스가 거의 불가능해집니다.

업데이트된 MuleSoft 아키텍처는 '에이전트 스캐너'로 이 문제를 해결합니다. 이 도구는 Salesforce Agentforce, Amazon Bedrock, Google Vertex AI 등 주요 생태계를 지속적으로 모니터링하여 활성 에이전트를 자동으로 식별합니다. 이를 통해 개발자의 수동 등록 및 보고에 의존할 필요가 사라집니다.

에이전트 발견은 시작에 불과합니다. 컴플라이언스 담당자는 해당 에이전트의 목적과 범위를 이해해야 합니다. 스캐너는 에이전트의 기능, 이를 구동하는 대규모 언어 모델(LLM), 접근 권한이 부여된 특정 데이터 엔드포인트에 대한 상세 메타데이터를 추출합니다. 이 데이터는 이후 통일된 에이전트 간(A2A) 사양으로 표준화되어 서로 다른 벤더 플랫폼에 걸친 자산에 대한 일관된 프로필을 생성합니다.

MuleSoft의 앤드류 콤스톡 수석 부사장 겸 총괄 매니저는 "향후 10년간 가장 성공적인 조직은 멀티클라우드 AI 환경의 다양성을 효과적으로 활용하는 기업이 될 것"이라며 "강화된 MuleSoft 에이전트 패브릭은 모든 플랫폼에서 혁신할 수 있는 자유를 제공하면서 안전하게 확장하는 데 필요한 통합된 가시성과 제어 기능을 보장한다"고 말했습니다.

AI 에이전트를 위한 거버넌스 및 비용 관리

관리되지 않는 에이전트는 상당한 재정적·보안적 위험을 초래합니다. 예를 들어, 신규 대출 처리 에이전트를 검증해야 하는 은행 CISO는 기존 방식으로는 개발팀으로부터 문서를 수동으로 추적해야 했습니다. 자동화된 카탈로그를 통해 보안팀은 에이전트가 접근 가능한 금융 데이터베이스를 즉시 확인하고 권한 수준을 검증할 수 있어, 오래된 보고서가 아닌 실시간 데이터로 작업할 수 있습니다.

재정적 관점에서 가시성은 비용 통합을 가능하게 합니다. 대기업은 종종 중복으로 인해 어려움을 겪는데, 각 지역 팀이 독립적으로 유사한 도구를 구매하거나 구축하기 때문입니다. 예를 들어, 다국적 제조업체는 세 개의 서로 다른 플랫폼에서 서로 다른 요약 에이전트에 대해 비용을 지불하는 세 개의 별도 팀을 보유할 수 있습니다.

MuleSoft 에이전트 비주얼라이저를 활용해 기능을 기준으로 자산을 필터링하면 운영 책임자가 이러한 중복을 신속하게 파악할 수 있습니다. 이를 단일 고성능 자산으로 통합하면 중복 라이선스 비용을 절감하고 새로운 혁신적 프로젝트를 위한 예산을 확보할 수 있습니다.

'에이전트 기반 기업'으로의 성공적 전환

혁신은 종종 조직의 가장자리에서 발생합니다. 데이터 과학자들이 공식 조달 채널 밖에서 맞춤형 도구를 개발하는 곳이 바로 그곳입니다.

확장된 에이전트 패브릭은 간단한 URL을 통해 '자체 개발' 에이전트와 모델 컨텍스트 프로토콜(MCP) 서버 등록을 허용함으로써 이를 수용합니다. 이는 물류와 같이 팀이 독점 데이터베이스 최적화를 위한 내부 도구를 구축할 수 있는 분야에서 특히 가치가 있습니다. 문서화되지 않은 채 방치되기보다는, 이러한 자산들을 등록하여 전사적으로 재사용 가능하도록 발견할 수 있게 할 수 있습니다.

캐피타(Capita)의 AI 운영 책임자 조너선 하비(Jonathan Harvey)는 이렇게 말했습니다: "에이전트 스캐너를 통해 우리는 재고 관리보다 혁신에 집중할 수 있게 될 것입니다. 모든 에이전트가 자동으로 발견되고 분류된다는 확신은 우리 팀이 효과적으로 협업하고, 기존 작업을 재사용하며, 더 스마트한 다중 에이전트 솔루션을 구축할 수 있게 합니다."

마찬가지로 AT&T는 이 프레임워크를 활용해 지원, 채팅, 음성 등 다양한 고객 상호작용 채널에 걸쳐 에이전트를 조정하고 있습니다.

AT&T의 엔터프라이즈 및 통합 아키텍트인 브래드 링거(Brad Ringer)는 이렇게 설명했습니다: "AI 개발 속도에 맞춰 MuleSoft 에이전트 패브릭은 확장에 필요한 핵심 프레임워크를 제공합니다. 고객 지원, 채팅, 음성 상호작용에 배포하는 모든 에이전트와 MCP 서버를 통합하고 오케스트레이션하는 데 도움을 줍니다. 단순한 도구를 넘어, 우리의 전진 전략 전체를 가능케 하는 핵심 요소입니다."

"에이전트 기반 기업(Agentic Enterprise)"으로의 전환은 IT 자산 관리 방식의 근본적 변화를 요구합니다. 통합 관리를 위해 오래된 스프레드시트에 의존하는 방식은 더 이상 AI 에이전트 배포 속도와 맞지 않습니다.

리더들은 현재 보유한 AI 에이전트 목록이 불완전하다는 전제에서 출발해야 합니다. 정확한 기준선을 설정하려면 자동화된 스캐닝 도구 배포가 필수적입니다. 이 기반이 마련되면, 모든 에이전트(상용 구매 또는 자체 개발 여부 불문)가 A2A와 같은 표준화된 형식으로 기능 및 데이터 접근 권한을 공개하도록 거버넌스 정책을 수립해 일관된 모니터링을 가능하게 해야 합니다.

마지막으로 경영진은 이러한 도구가 제공하는 가시성을 활용해 지출을 감사하고, 클라우드 환경 전반에 걸쳐 기능적 중복을 식별하며, 이를 통합하여 총소유비용(TCO)을 더 효과적으로 통제할 수 있습니다.

조직이 시범 운영에서 대규모 배포로 전환함에 따라 핵심 차별화 요소는 개별 에이전트의 지능이 아닌, 모든 에이전트를 연결하는 네트워크의 전반적인 일관성과 전략적 관리가 될 것입니다.

참조: AI 비용 효율성과 데이터 주권 간의 균형

업계 리더로부터 AI와 빅데이터에 대해 더 알아보고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & 빅데이터 엑스포를 꼭 확인해 보세요. 이 포괄적인 행사는 TechEx의 일부로, 사이버 보안 & 클라우드 엑스포를 포함한 다른 주요 기술 행사와 동시 개최됩니다. 자세한 내용과 등록 정보는 여기를 클릭하세요.

AI 뉴스는 TechForge Media에서 제공합니다. 다가오는 기업 기술 행사 및 웨비나를 여기서 더 알아보세요.