2026년 전 세계 AI 투자 2조 5천억 달러 전망…초점은 '자율 에이전트'로 이동

전 세계 인공지능(AI) 투자가 전년 대비 44% 증가해 2026년에는 2조 5천억 달러에 이를 것으로 전망된다. AI 성능 비용은 계속 하락하고 모델 역량은 빠르게 발전하고 있지만, 전 세계 기업들은 막대한 기술 투자를 지속 가능한 기업 수익으로 전환해야 한다는 지속적인 과제에 직면해 있다.

Uniphore와 협력하여 MIT Technology Review Insights가 발표한 보고서에 따르면, 기업의 AI 도입은 초기 실험 단계를 넘어 본격적인 운영 도입 단계로 진입했다. 그러나 구조적 변화 없이 AI를 배포하면서 많은 기업에서 운영 파편화 현상이 나타나고 있다.

고립된 인텔리전스의 함정

많은 조직에서 급격한 AI 도입은 고립된 '자동화의 섬'을 만들어냈다. 각 사업 부서가 AI를 사일로(silo) 형태로 개별 도입하면서 워크플로우가 단절되는 결과를 낳은 것이다. 예를 들어, 자동화된 세일즈 에이전트는 미해결된 고객 지원 티켓을 파악하지 못한 채 운영되는 경우가 빈번하며, 마케팅 엔진은 재무팀이 이미 파악하고 있는 결제나 금융 기록에 접근하지 못한 채 아웃바운드 캠페인을 개인화하기도 한다.

개별 툴이 특정 업무에서 뛰어난 성능을 보일 수는 있지만, 기업이라는 전체 조직 차원에서는 이처럼 사일로화된 배포로부터 얻는 배움이 거의 없는 실정이다.

'에이전틱 시프트'

보고서는 AI를 단순한 생산성 툴로 취급하던 것에서 벗어나 기업의 핵심 운영 모델로 받아들이는 근본적인 변화를 '에이전틱 시프트(agentic shift)'로 정의했다. 자율형 AI 에이전트는 강력한 거버넌스를 바탕으로 인력, 워크플로우, 분산된 데이터 소스 간의 지속적이고 실시간인 조율을 필요로 한다.

이러한 전환을 성공적으로 이끌기 위해, 기업들은 다음 세 가지 핵심 요소를 중심으로 기술 아키텍처와 관리 방식을 재고해야 한다.

• 모델 선택에 앞선 프로세스 재설계: 성과가 높은 기업들은 모델을 선택하기에 앞서 프로세스 재설계를 필수적인 기본 단계로 삼는다. 이러한 기업들은 AI 시스템 도입 후 기존 역할을 억지로 끼워 맞추는 대신, 자율 시스템이 실제로 작동하고 발전하는 방식에 맞춰 워크플로우를 설계한다.

• 단순한 데이터 양보다 중요한 '데이터 준비성': 저장된 정보의 양이 방대하다고 해서 해당 기업이 AI에 즉각 활용 가능한 데이터를 보유하고 있다는 뜻은 아니다. 기업들은 비현실적인 데이터 중앙화나 대규모 마이그레이션을 추진하는 대신, 멀티클라우드 환경 전반에서 데이터가 위치한 곳에서 직접 쿼리하고 준비할 수 있는 컴포저블(composable) 아키텍처로 눈을 돌리고 있다.

• AI 주권 확보: 데이터 현지화(Data Residency) 규제가 강화되고 인프라가 분산됨에 따라, 기업은 모델이 어디에서 실행되는지, 운영 통제권을 누가 갖는지, 시스템이 서로 다른 사법 관할 경계를 어떻게 준수할 것인지와 같은 핵심적인 문제를 해결해야 한다.

기업용 AI가 성숙해짐에 따라, 경쟁력의 격차는 개별 모델의 속도나 크기보다는 데이터 준비성, 프로세스 설계, 그리고 주권적 통제권을 상호 연결된 운영 시스템으로 얼마나 효과적으로 조율해 내느냐에 의해 점점 더 판가름 나고 있다.