마이크로소프트가 말한 AI 에이전트 협업, 도입보다 먼저 볼 것
AI를 활용하여 생성한 이미지입니다.
마이크로소프트가 사람과 AI 에이전트가 함께 일하는 사무실을 이야기하면서, 에이전트를 몇 개 연결했는지보다 어떤 업무에 배치하고 어떻게 통제할지가 더 중요하다고 짚었어요. 마이크로소프트 스위스의 세일즈 인에이블먼트·운영 책임자 앤 제임슨은 9월 30일 공개된 인터뷰에서 IT 업무 환경이 사람과 AI 에이전트가 함께 쓰는 공간으로 바뀌고 있다고 설명했습니다.[1]
이 내용은 새로운 모델 출시 소식이라기보다 도입 순서를 다시 보게 하는 현장 관점에 가까워요. AI를 많이 붙인 조직이 곧바로 더 나아지는 것은 아니고, 데이터 품질과 업무 흐름, 검수 책임이 정리돼 있어야 에이전트가 실제 시간을 줄일 수 있다는 뜻입니다.
마이크로소프트가 강조한 세 가지 조건
| 조건 | 실무에서 확인할 질문 |
|---|---|
| 업무 선택 | 사람이 반복하는 일 중 에이전트가 맡아도 위험이 낮은 단계는 어디인가요? |
| 데이터 품질 | 에이전트가 읽는 문서와 데이터가 최신이고 서로 충돌하지 않나요? |
| 통제와 학습 | 결과를 누가 승인하고, 오류가 나면 어떤 기록을 남기나요? |
제임슨은 AI를 얼마나 많이 배치했는지가 아니라, 어느 지점에서 실제 부가가치를 만드는지가 중요하다고 말했어요.[1] 이 구분은 에이전트 프로젝트의 성과를 단순한 사용량이나 자동화된 작업 수로 세지 말아야 한다는 의미로 읽을 수 있습니다.
에이전트가 사람의 일을 대신한다는 말의 범위
에이전트는 질문에 답하는 챗봇보다 긴 작업 흐름을 맡을 수 있어요. 자료를 찾아 요약하고, 정해진 형식으로 초안을 만들고, 다른 시스템에 입력할 정보를 정리하는 식입니다. 하지만 에이전트가 업무의 목적과 예외 조건을 저절로 이해하는 것은 아니에요.
예를 들어 고객 문의를 분류하는 에이전트를 만든다면, 분류 기준만 적어서는 부족합니다. 환불·보안·법적 분쟁처럼 자동 처리를 멈춰야 하는 예외, 개인정보를 볼 수 있는 범위, 사람에게 넘길 조건을 함께 정해야 해요. 결과가 그럴듯해 보여도 원문과 다른 답을 만들 수 있으므로, 최종 책임자를 비워 둔 자동화는 운영에 넣기 어렵습니다.
데이터가 나쁘면 에이전트도 흔들려요
AI 프로젝트에서 데이터 품질은 모델 선택만큼 자주 놓치는 부분이에요. 오래된 정책 문서와 최신 정책 문서가 같이 검색되거나, 같은 상품명이 부서마다 다르게 쓰이면 에이전트는 어느 쪽을 따라야 할지 판단하기 어렵습니다. 이때 답변 문장을 더 길게 만드는 것으로 문제를 해결할 수는 없어요.
먼저 문서에 작성일과 적용 범위를 붙이고, 폐기된 자료를 검색 대상에서 분리해야 합니다. 숫자와 가격처럼 바뀌는 값은 원문 위치를 남기고, 사람의 승인이 필요한 문장은 별도 상태로 표시하는 편이 안전해요. 데이터가 정리되지 않은 상태에서 자동화를 넓히면 오류가 빨리 반복될 뿐입니다.
거버넌스는 감시가 아니라 업무 설계예요
마이크로소프트는 AI 활용의 성공 조건으로 통제, 회복력, 혁신을 함께 언급했고 데이터 품질과 거버넌스, 구성원의 역량도 중요하다고 설명했어요.[1] 거버넌스라는 말이 어렵게 들리지만, 실제로는 에이전트가 무엇을 읽고 무엇을 바꿀 수 있는지 정하는 규칙에 가깝습니다.
최소한 다음 항목은 시작 전에 문서로 남겨야 해요.
- 에이전트가 접근할 수 있는 데이터와 접근하면 안 되는 데이터
- 자동 실행이 가능한 작업과 사람 승인이 필요한 작업
- 실행 결과·실패·예외를 기록하는 위치와 보관 기간
- 오류가 반복될 때 중지하고 담당자에게 넘기는 기준
이 기준이 있어야 자동화가 빨라져도 책임 소재가 흐려지지 않습니다. 특히 계정 권한이나 외부 시스템 변경을 에이전트에 맡길 때는 처음부터 작은 범위로 시작하고, 기록을 확인한 뒤 권한을 늘려야 해요.
한국 기업과 개인 사용자가 볼 포인트
한국에서 이 흐름을 받아들일 때는 새로운 서비스 이름보다 데이터가 실제로 어디에 저장되고, 어떤 계정이 접근하는지부터 확인하는 게 좋아요. 해외 클라우드 기반 에이전트라면 지역별 데이터 처리와 보관 정책, 관리자 권한, 로그 제공 범위를 확인해야 합니다.
개인 사용자는 메일 정리나 문서 초안처럼 되돌리기 쉬운 작업부터 시험할 수 있어요. 반대로 금융 정보 입력, 고객에게 보내는 메시지 발송, 계정 권한 변경은 자동 실행보다 승인 단계를 두는 편이 낫습니다. 에이전트가 시간을 줄였는지 볼 때도 실행 횟수보다 재검토에 든 시간과 잘못된 결과를 수정한 비용을 함께 봐야 해요.
남은 불확실성
이번 인터뷰는 마이크로소프트의 관점과 방향을 보여주지만, 특정 제품을 도입했을 때 생산성이 몇 퍼센트 올라간다는 독립 실측을 제시한 자료는 아니에요.[1] 업종과 데이터 구조, 권한 체계에 따라 결과가 크게 달라질 수 있습니다. 따라서 이 내용을 모든 조직에 같은 방식으로 적용되는 성과 약속으로 읽으면 안 됩니다.
앞으로 확인할 부분은 에이전트가 실제 업무에서 만든 오류와 그 처리 비용이 얼마나 공개되는지, 기업이 감사 로그와 중지 기능을 어느 수준까지 제공하는지예요. 에이전트의 수가 늘어나는 속도보다 통제 가능한 운영 방식이 먼저 자리 잡는지가 더 중요합니다.
도입 전에 해볼 일
- 반복 업무 하나를 골라 실패해도 되돌릴 수 있는 범위를 정하기
- 에이전트가 사용할 문서의 최신본과 폐기본을 분리하기
- 사람의 승인 없이 실행하면 안 되는 조건을 적기
- 성공률뿐 아니라 재검토 시간과 오류 수정 비용을 기록하기
함께 읽을 글
GPT-6.1 Sol의 에이전트 코딩·안전 기능 정리를 함께 읽으면 모델 성능과 실제 운영 규칙을 나눠서 비교할 수 있어요.
