씽킹AI "AI 도입해도 실적 제자리? 비즈니스 병목부터 풀어야"
"인공지능(AI)의 발전 속도와 비즈니스의 성장 속도는 다릅니다. 이해하고 배우는 속도가 빨라질 때 성장은 비로소 빨라집니다." 서광덕 씽킹AI 한국 지사장은 20일 서울 강남구 섬유센터에서 열린 '씽킹AI 서밋 서울 2026(TAS 2026)' 기조연설에서 AI 기술 발전과 기업의 실제 성과 사이에 발생하는 괴리에 대해 이같이 밝혔다. 올해 글로벌 컨설팅 업체 맥킨지앤컴퍼니의 조사에 따르면 응답자 10명 중 8명은 AI로 개인 생산성이 향상됐다고 답했다. 기업 중 3분의 1은 에이전틱 코딩 도구로 직접 개발할 수 있다는 이유로 소프트웨어 구매를 안 한다고 응답했다. AI가 영업이익에 기여했다고 답한 기업은 37%에 그쳤다. 미국 매사추세츠공대(MIT)의 2025년 보고서에서도 생성형 AI 시범 프로젝트의 95%가 측정 가능한 손익 효과를 거두지 못한 것으로 나타났다. 글로벌 시장조사기관 가트너는 에이전틱 AI 프로젝트의 40% 이상이 2027년 말까지 중단될 것으로 전망했다. 서광덕 지사장은 이러한 문제의 원인으로 개발과 지속성, 수익화 등 세 가지 병목을 지목했다. AI를 활용하면 하루 만에 시제품을 만들 수 있지만 운영을 위해서는 데이터 정의와 접근 권한, 기존 시스템 연동, 오류 발생 시 책임 소재 등을 해결해야 한다. 서 지사장은 "데모가 빙산의 10%라면 운영은 나머지 90%"라며 "이 90%는 AI가 직접 만들어주지 않는다"고 말했다. 지속성도 문제다. 새로운 AI 모델이 출시되거나 기업의 핵심성과지표(KPI)가 바뀔 때마다 기존 시스템을 수정해야 한다는 지적이다. 데이터의 의미와 비즈니스 맥락이 개별 코드와 프롬프트에 흩어져 있다면 모델을 교체할 때마다 개발을 반복해야 한다. 수익화를 위해서는 AI 프로젝트의 책임 주체를 명확히 하고 성과를 측정하며 결과를 지속적인 개선에 활용하는 체계가 필요하다고 봤다. 서 지사장은 이를 소유와 측정, 학습이라는 세 가지 조건으로 정리했다. 해결책으로는 AI 에이전트를 활용해 업무 전반을 연결하는 '에이전틱 그로스(Agentic Growth)'를 제시했다. 개별 작업의 자동화를 넘어 문제 감지부터 판단, 실행, 결과 검증까지 하나의 순환 구조로 운영하는 방식이다. 서 지사장은 게임 서비스의 일간 활성 이용자 수(DAU)가 12% 감소한 상황을 가정해 기존 업무 방식과 에이전틱 방식의 차이를 설명했다. 기존에는 담당자가 보고서를 확인하고 데이터팀에 분석을 요청한 뒤 운영팀이 대응해야 하지만, 에이전틱 방식은 AI가 이용자 이탈 원인을 분석하고 대응안을 제시한다. 사람이 이를 승인하면 에이전트가 후속 조치까지 수행하는 구조다. 씽킹AI는 이를 구현하기 위한 기반으로 '에이전트 엔진'을 소개했다. 에이전트 엔진은 데이터 기반과 옴니채널 감지, 에이전트 실행, 업무 응용 등 4개 계층으로 구성된다. 이용자 행동 분석(UBA), 고객관계관리(CRM), A/B 테스트 등의 기능을 연결해 기업 업무를 자동화하도록 설계한 것이 특징이다. 서 지사장은 기업이 특정 AI 모델보다 데이터와 비즈니스 맥락을 유지할 수 있는 기반을 먼저 구축해야 한다고 강조했다. 개별 AI 도구를 도입하는 데 그치지 않고 업무 전반을 연결하면서 기업 내부에 데이터와 운영 경험을 축적해야 한다는 취지다. 그는 "사람은 방향을 정하고 판단하게 되고 반복적인 부분에 있어서는 에이전트가 24시간 돌아가면서 실행한다"며 "모델보다 데이터와 택소노미(분류체계)를 먼저 설계해야 모델이 바뀌어도 살아남을 수 있다"고 부연했다.
