기업의 AI 에이전트 도입이 확산 단계를 지나 실질적 성과로 이어지고 있는지가 산업 전반의 화두로 떠올랐다. 맥킨지의 ‘2026 AI 현황’ 조사에 따르면 연 매출 10억달러 이상 대기업 가운데 AI 에이전트를 확장 단계에서 활용한다는 응답은 지난해 27%에서 올해 40%로 늘었다. 반면 AI 활용이 수익성 개선에 기여했다는 응답은 37%로 전년과 비슷한 수준에 머물렀다. 도입 규모는 커졌지만 성과로 전환되는 비율은 정체된 셈이다.
이런 격차를 두고 AI 네이티브 AaaS 기업 애피어는 에이전틱 AI를 실제 비즈니스 성과로 연결하기 위한 운영 조건 5가지를 ‘SCALE’이라는 이름으로 제시했다. 애피어 치한 위(Chih-Han Yu) CEO 겸 공동창업자는 “이제 기업의 관심은 도입한 AI가 어떤 성과를 내고 있으며 이를 어떻게 지속적으로 확대할 수 있을지에 집중되고 있다”고 말했다. AI 경쟁의 축이 도입 여부에서 성과 창출 여부로 옮겨가고 있다는 진단이다.
목표 설정과 역량 판단이 출발점
SCALE의 첫 두 조건은 전략적 목표 설정(Strategic)과 역량 및 한계 판단(Calibrated)이다. AI 에이전트를 도입하는 것 자체가 목적이 아니라, 무엇을 달성할지 명확한 목표를 세우고 해당 AI가 어디까지 판단하고 실행할 수 있는지, 어디서 한계를 보이는지를 먼저 가늠해야 한다는 것이다. 이 단계가 부실하면 확장 이후에도 성과 측정과 개선이 어려워진다는 지적이다.
적응형 운영과 지속 학습, 자원 효율화
이어지는 세 조건은 적응형 운영(Adaptive), 지속적 학습(Learning), 효율적 자원 활용(Efficient)이다. 업무마다 적합한 모델을 연결하는 모델 라우팅(Model Routing)과 여러 에이전트의 협업을 구성하는 에이전트 오케스트레이션(Agent Orchestration)이 적응형 운영의 핵심 방법으로 제시됐다. 여기에 과거 실행 결과를 반영해 지속적으로 학습하고, AI 활용 규모가 커질수록 늘어나는 연산 비용을 효율적으로 관리하는 역량이 뒤따라야 한다는 설명이다.
치한 위 CEO는 “에이전틱 AI가 더 많은 판단과 실행을 맡게 될수록 자율성 자체보다 이를 얼마나 신뢰할 수 있고 효율적으로 운영하느냐가 중요해진다. 결국 AI의 자율성이 높아질수록 이를 운영하는 기업의 판단 역시 더 정교해져야 한다”고 말했다. AI 에이전트에 맡기는 판단과 실행의 범위가 넓어질수록, 그것을 관리하는 기업 쪽의 운영 역량이 함께 성숙해야 한다는 관점이다.
맥킨지 조사가 보여주듯 확장 단계 활용 응답은 1년 사이 큰 폭으로 늘었지만 수익성 개선 응답은 좀처럼 움직이지 않았다. 이는 AI 에이전트를 얼마나 많이 쓰는지보다 어떻게 운영하는지가 성과를 가르는 변수라는 점을 시사한다. SCALE이 제시하는 다섯 가지 조건은 이 격차를 좁히기 위해 기업이 점검해야 할 운영 체계의 목록이라 할 수 있다.