ZDNET을 팔로우하세요: 우리를 선호 소스로 추가하세요 Google에서.
ZDNET의 주요 시사점
- 다음 작업 팀에는 사람과 상담원이 포함됩니다.
- AI 도구를 실험하고 벤치마킹하여 가치를 확인하세요.
- 새로운 도전에 대한 새로운 에이전트 솔루션에 열려 있습니다.
당신 옆에 있는 사람이 전문적으로 자신의 역할을 수행하고 있는지 걱정하는 것은 더 이상 당신의 유일한 관심사가 아닙니다. 엄격한 목표를 달성하고 훌륭한 결과를 제공하려는 사람들을 위해 팀에는 다양한 인간 동료와 상담원이 포함될 가능성이 높습니다.
우리는 기술과 데이터의 새로운 결합으로 인해 기본 운영 작업부터 의사 결정 책임에 이르기까지 오늘날 우리가 당연하게 여기는 일부 역할이 자율적으로 발견하고, 협상하고, 거래하는 대리인에 의해 수행된다는 것을 의미하는 자율 비즈니스 시대로 진입하고 있습니다.
또한: 성공적인 기업 혁신을 위한 에이전트 AI의 12가지 규칙
기술 분석가인 Gartner는 AI 에이전트 소프트웨어 지출이 2025년 864억 달러에서 2027년에는 2,065억 달러, 3,763억 달러에 이를 것으로 예상하면서 기업들이 에이전트에 대한 투자를 늘리고 있다고 예측했습니다.
일부 회사는 이미 운영 활동에 에이전트를 사용하고 있습니다. 샌프란시스코에서 열린 Snowflake Summit 2026에서 세 명의 디지털 리더는 최근 자신의 조직이 에이전트를 프로덕션에 투입하는 방법을 설명했습니다.
패널 세션이 끝난 후 ZDNET은 참가자들에게 에이전트 동료와 성공적으로 협력하는 방법에 대해 무엇을 배웠는지 물었습니다. 그들은 에이전트 벤치마킹, 새로운 아이디어에 대한 개방성 유지, 올바른 영역에 집중이라는 세 가지 영역이 중요하다고 제안했습니다.
도구 벤치마킹
스포츠 전문 기업인 Fanatics의 데이터 부사장인 Madeleine Want는 에이전트와 인간 동료 모두에게 훌륭한 결과를 제공하는 것이 어려운 일이라는 것을 인식했습니다. 그래서 그녀의 조직은 데이터 실무자 커뮤니티 전반에서 이점을 추적하고 추적합니다.
그녀는 Fanatics가 조직이 도구를 테스트하고, 기능을 비교하고, 미리 보기를 실행하고, 디자인 파트너십을 개발하는 데이터용 AI를 공격적으로 얼리 어답터한다고 말했습니다.
“우리는 이러한 도구를 어떻게 사용하고 있는지, 어떤 유형의 작업에 사용하고 있는지, 도구를 사용하여 얼마나 많은 시간을 절약하고 있는지, 시간을 활용하여 무엇을 하고 있는지 등 모든 종류의 자체 보고 가치 기반 질문을 벤치마킹합니다.”라고 그녀는 말했습니다.
또한: 기업의 40%가 AI 에이전트를 폐기할 것입니다 – 실패하지 않도록 하는 3가지 방법
Fanatics의 베팅 및 게임 부문 전반에서 데이터 엔지니어링, 데이터 과학 및 기계 학습을 관리하는 Want는 ZDNET에 벤치마크 결과 에이전트 입력이 인간의 시간을 절약한다는 것을 보여줍니다.
그녀는 “모든 비즈니스 분석가는 ‘좀 더 전략적인 업무를 수행하고 싶지만 일상적인 보고에 갇혀 있다’고 말할 것입니다.”라고 말했습니다.
“우리가 보고 있는 것은 보다 일상적인 보고 작업이 AI를 통한 자동화에 가장 적합한 작업이라는 것입니다. 따라서 직원들이 그 시간을 되찾은 다음 이를 보다 인간적이고 보다 전략적인 작업에 다시 적용하는 것을 보고 있습니다. 이는 여러분이 바라는 꿈의 결과입니다.”
Want는 에이전트 AI를 성공적으로 적용하려면 작업에 필요한 더 나은 도구를 확보하여 필요한 작업을 완료하고 가장 잘하는 더 흥미로운 영역에 집중할 수 있어야 한다고 말했습니다.
또한: AI는 인지 피로를 유발합니다. 더 빠르고 더 낮은 속도로 작업하는 방법은 다음과 같습니다.
그러나 특정 도구는 현재 작동할 수 있지만 그녀는 에이전트 AI가 진행 중인 작업임을 인식했으며 도구 채택 및 테스트에 대한 회사의 노력은 전문가가 정기적으로 새로운 서비스에 노출될 수 있음을 의미합니다.
Want는 에이전트에 대한 조직의 철학적 접근 방식은 새로운 AI 지원 작업 방식이 발견됨에 따라 배포에 관리자와 전문가 간의 앞뒤 프로세스가 포함된다는 것을 의미한다고 말했습니다.
그녀는 “‘이것은 전통적인 기업 기술의 다년간에 걸친 혁신 프로젝트가 아니다’라고 말하는 기대 관리가 많이 있습니다”라고 그녀는 다른 전문가들에게 탐구와 변화에 열린 자세를 유지하라고 조언했습니다.
“우리는 일단 출시되면 결코 롤백되지 않을 잘 테스트되고 잘 다져진 기술을 채택하지 않습니다. 우리는 지금 실험 단계에 있으므로 일찍 채택하고 시도해 보되 민첩성을 유지해야 하기 때문에 가볍게 받아들이십시오.”
새로운 아이디어에 열린 자세를 유지하세요
웨어러블 기술 전문 기업인 Whoop의 분석 부사장인 Matt Luizzi는 에이전트 AI가 출시되기 전부터 팀이 시간을 더 잘 활용할 수 있도록 돕고자 하는 또 다른 디지털 리더입니다.
“나는 우리 팀이 어디에서 시간을 보내고 있는지 이해하려고 노력하고 있었는데 사람들은 단지 들어온 비즈니스 관련 무작위 질문에 답하는 데 시간의 50~60%를 소비하고 있다고 말했습니다.”라고 그는 말했습니다.
“‘어제 매출은 어땠나요? 지역별로 어떻게 다른가요? 웹 세션이 왜 중단되었나요?’ 그것은 사람들이 떠나고 싶어하는 파괴적인 것들입니다. 이는 사람들이 기꺼이 자신의 일을 그만두고 싶어하는 작업입니다. 현재 상담원이 뛰어난 분야이기도 합니다.”
또한: 자율적인 사업이 다가오고 있습니다. 이러한 변화가 전문가들에게 좋은 소식인 이유는 다음과 같습니다.
Luizzi는 ZDNET과의 인터뷰에서 에이전트 도입을 통해 인간이 전문 동료와 함께 점진적인 가치를 더하는 전략적 작업에 더 많은 시간을 보낼 수 있다는 것을 자신의 사업을 통해 확인했다고 말했습니다.
“우리는 또한 사람들이 선제적으로 사물을 식별하고, AI를 통해 근본 원인을 파악하고, 문제를 해결하고, 선박이 역을 떠나기 전에 훨씬 더 빠르게 조치를 취할 수 있게 되면서 이미 이 기술이 실질적인 수익에 미치는 영향을 확인했습니다.”
Luizzi는 특히 쉽게 자동화할 수 있는 작업의 경우 에이전트 AI의 행진이 계속해서 속도를 낼 것이라고 제안했습니다.
“우리는 인간이 시간을 보내는 곳에서 새로운 기능을 잠금 해제하는 발전을 계속 보게 될 것입니다. 그러나 우리는 계속해서 경계를 넓혀야 합니다”라고 그는 말했습니다.
또한: 생산성은 잊어버리세요. 실제 AI 가치를 창출하는 5가지 전략적 변화는 다음과 같습니다.
이를 위해 Luizzi는 어떤 직원도 에이전트 성공의 열쇠를 쥐고 있을 가능성이 없다고 제안했습니다. 훌륭한 아이디어는 어디에서나 떠오를 수 있으며, 모든 전문가는 성과를 낼 준비가 되어 있어야 합니다.
“일부 조직은 하급 직원이 새로운 기술을 받아들이고 위험을 감수하며 시간을 내는 상향식 조직이 될 것입니다.”라고 그는 말했습니다.
“이러한 이니셔티브 중 일부는 하향식으로 진행될 것입니다. 우리와 같은 리더는 회의에 참석하여 다른 고객이 무엇을 하고 있는지 듣고 이를 조직 전체에 지속시킬 수 있으며 이러한 솔루션이 팀이 직면한 문제를 해결하는 위치를 식별하고 패턴 일치시킬 수 있습니다.”
해결해야 할 새로운 문제 찾기
소프트웨어 전문업체 Synopsys의 CIO인 Sriram Sitaraman은 상당히 많은 양의 엔지니어링 및 기업 데이터를 관리하고 있다고 말했습니다. 두 영역 모두에서 명확해진 한 가지 사실은 에이전트가 인간의 능력을 향상시키는 데 어떻게 도움이 되는지 보여주고 있다는 것입니다.
“사용 가능한 데이터의 양을 살펴보면 취할 수 있는 차선책의 개념은 현재 우선순위에 따라 여러 사람 간의 대화였습니다.”라고 그는 말했습니다. “이제 AI를 사용하면 진정으로 데이터 기반의 수익성 있는 조치를 취할 수 있습니다.”
Sitaraman은 그의 회사가 AI 에이전트가 빠른 쿼리 실행, 그래프 생성, 통찰력 도출과 같은 하급 직원의 작업을 수행할 수 있는 잠재력을 인식했다고 말했습니다.
또한: AI 알고리즘을 이기고 꿈의 직업을 얻는 방법
그는 또한 애플리케이션을 위해 어떤 새로운 기능을 구축할지 결정하는 예도 제시했습니다. 그는 직원들이 대리인 동료들과 협력하여 아이디어를 선별하고 상업적으로 실행 가능한 제안을 표면화할 수 있다고 말했습니다.
“대화를 하는 사람들로 구성된 팀이 필요하지 않습니다. 그것은 많은 양의 데이터를 보는 소규모 팀입니다”라고 그는 말했습니다.
“의사 결정을 위해 데이터 소스를 조정하려는 많은 노력은 이제 인간이 AI를 활용하는 방법에 초점을 맞추고 있습니다. 이러한 노력은 대량의 데이터를 실행 가능한 다음 단계로 줄이는 것입니다.”
Sitaraman은 에이전트 AI가 인간 작업자에게 시간을 돌려준다고 말했습니다. 예를 들어, 1단계 데이터 정렬 및 선별 작업을 선택하면 직원은 더 높은 수준의 가치 창출 작업으로 이동할 수 있습니다.
“이것은 계층적인 것입니다. 모델은 계속해서 작업을 AI에 전달하고, AI가 관리할 수 있는 작업의 복잡성은 모델이 향상됨에 따라 증가할 것입니다.”라고 그는 말했습니다.
“그래서 6개월 안에 AI가 다양한 유형의 문제를 해결하는 것을 볼 수 있습니다. 지금과 같은 유형의 문제가 아니라 다른 유형의 문제가 계속해서 발전할 것입니다.”
자세한 정보 확인