AI 네이티브 AaaS(Agentic AI as a Service) 기업 애피어(Appier)가 에이전틱 AI의 비즈니스 성과를 지속적으로 확대하기 위해 기업이 갖춰야 할 5가지 핵심 조건 ‘SCALE’을 제시했다. AI 활용이 빠르게 확대되는 가운데, 개별 기술의 도입을 넘어 AI를 효과적으로 운영하고 성과를 높이는 역량이 더욱 중요해지고 있다는 진단이다.

맥킨지의 ‘2026 AI 현황’ 조사에 따르면 연 매출 10억 달러 이상 대기업 가운데 AI 에이전트를 확장 단계에서 활용하고 있다는 응답은 지난해 27%에서 올해 40%로 증가했다. 반면 AI 활용이 기업의 수익성 개선에 기여했다고 답한 비율은 37%로 전년과 비슷한 수준에 머물렀다. AI 에이전트 활용이 빠르게 확대되는 가운데, 기업에는 실제 비즈니스 성과를 입증하고 이를 지속적으로 확대하는 것이 중요한 과제가 되고 있다.

애피어는 기업의 AI 활용이 본격적인 확장 단계에 접어든 만큼, 논의의 초점이 실제 업무에서의 운영과 성과 확대로 옮겨갈 필요가 있다고 보고 있다. 이에 기업이 갖춰야 할 핵심 조건을 ▲Strategic(전략적 목표 설정) ▲Calibrated(역량 및 한계 판단) ▲Adaptive(적응형 운영) ▲Learning(지속적 학습) ▲Efficient(효율적 자원 활용)의 앞 글자를 딴 ‘SCALE’로 정리했다.

먼저 ‘전략적 목표 설정(Strategic)’은 AI를 통해 무엇을 달성할 것인지 명확히 하는 것이다. 매출 성장과 고객 전환, 비용 절감, 생산성 향상 등 명확하고 측정 가능한 비즈니스 목표와 평가 기준을 설정해야 AI 활용을 실제 성과의 관점에서 판단할 수 있다.

목표가 정해졌다면 AI가 해당 과업을 얼마나 신뢰성 있게 수행할 수 있는지도 판단해야 한다. ‘역량 및 한계 판단(Calibrated)’은 AI가 자신의 역량과 확신 수준을 평가하고 잠재적 위험을 고려해 행동 여부를 결정하는 능력을 의미한다. 특히 기업용 AI는 작은 오류도 비즈니스에 큰 영향을 미칠 수 있는 만큼, 최종 결과만 검증하는 것이 아니라 업무 흐름의 주요 단계마다 AI의 판단을 점검하고 필요한 가드레일을 적용하는 것도 중요하다.

AI가 과업을 수행할 수 있는지 판단하는 것만큼 어떤 모델과 에이전트에게 일을 맡길 것인지도 중요하다. ‘적응형 운영(Adaptive)’은 모든 업무에 동일한 모델을 적용하는 대신 과업의 목적과 난이도에 따라 적합한 모델과 에이전트를 선택하고 조율하는 것을 뜻한다. 과업에 적합한 모델을 연결하는 모델 라우팅(Model Routing)과 서로 다른 역할과 전문성을 가진 복수의 에이전트가 협업하도록 설계하는 에이전트 오케스트레이션(Agent Orchestration)이 대표적이다.

여기에 ‘지속적 학습(Learning)’을 통해 업무 과정에서 축적되는 맥락과 사용자 피드백, 이전 실행 결과를 이후 판단과 실행에 활용해야 한다. 에이전틱 AI가 일회성 자동화에 그치지 않고 실제 업무 환경에서 지속적으로 가치를 만들어내려면, 이전 실행에서 얻은 정보를 바탕으로 판단과 실행을 개선할 수 있어야 한다.

마지막으로 기업의 AI 활용이 확대될수록 ‘효율적 자원 활용(Efficient)’의 중요성도 커진다. 여러 단계의 추론과 모델 호출, 에이전트 간 상호작용이 이뤄지는 환경에서는 LLM(거대언어모델)의 효율성과 토큰 최적화를 통해 과업에 필요한 수준의 모델과 연산 자원을 적절히 활용해야 한다. 필요 이상의 자원을 투입하지 않으면서도 원하는 수준의 성과를 안정적으로 만들어내는 것이 핵심이다.

애피어는 이러한 SCALE의 방향과 맞닿아 있는 에이전틱 AI 연구를 꾸준히 이어가며, 관련 기술을 제품에도 적용하고 있다. AI가 자신의 역량과 확신 수준, 잠재적 위험을 판단하는 연구부터 정보가 부족한 상황을 스스로 인식하고 과업과 맥락에 맞는 추론 언어를 선택하는 연구까지 범위를 넓혀왔다. 애피어는 이러한 연구와 기술 역량을 바탕으로 기업이 AI를 실질적인 ROI로 전환하고, 그 성과를 지속적으로 확대할 수 있도록 지원하고 있다.

치한 위(Chih-Han Yu) 애피어 CEO 겸 공동창업자는 “이제 기업의 관심은 도입한 AI가 어떤 성과를 내고 있으며, 이를 어떻게 지속적으로 확대할 수 있을지에 집중되고 있다”며 “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.

자세한 내용은 애피어에서 확인할 수 있다.

이미지 출처: 애피어