에이전틱 AI와 함께하는 Intelligent Enterprise

에이전틱 AI 시대 준비를 위한 접근 방향

• 목표와 과제 선정: 명확한 방향성과 정량적인 목표를 설정하고 이 과제를 왜 하는가, 지금 가장 중요한 과제인가라는 관점에서 ROI가 가장 높은 영역에 집중
• AI 맵을 통한 관리: 조직 내 모든 에이전트를 한 눈에 관리하는 에이전트 조직도로서 중복 투자 최소화에 기여

PwC AI 애셋 및 에이전트 구현 사례

• 에이전틱 AI 적용 절차: Assessment, Envision, Engineer, Engage의 과정을 거쳐 기존 프로세스를 분석해 AI와 인간이 협업하는 To-Be 워크플로우를 구성
• 유스 케이스 파악: PwC는 산업, 도메인, 프로세스별 약 300개의 유스 케이스를 보유하여 후보군을 신속히 파악하고 의사결정하는 데 기여

AI 시대를 위한 데이터의 새로운 기준

• AI-ready Data의 필요성: 기업은 방대한 데이터를 보유하나, 시스템 간 분절, 업무 맥락 부재 등으로 인해 AI가 만든 결과물에 대한 신뢰도는 낮음. 에이전틱 AI가 목표 기반의 능동적 주체가 되기 위해서는 AI-ready Data가 필수
• AI-ready Data의 준비: 비정형 데이터 정비 및 전처리, 데이터 유형별 수집과 표준화, 온톨로지 기반 지식 자산화, AI 향 데이터 거버넌스 체계 확립을 통해 AI가 바로 활용할 수 있는 형태로 설계 

엔터프라이즈 에이전트의 구현

• 운영 플랫폼 구축: 엔터프라이즈 에이전트 성공은 LLM의 성능이 아니라 실행 체계에 달려 있음. 실행 체계란 단일 모델, 단일 앱 개발이 아니라, 사용자 접점부터 실행·통제·운영까지 연결되는 플랫폼 아키텍처의 설계 
• 하이브리드 구축 전략: 범용 업무에는 상용 플랫폼을 활용하고, 권한, 감사, 프로세스 경쟁력과 직결되는 영역은 내부 통제하여 구현하는 것이 합리적임

에이전틱 AI 기반 전사 HR 제도의 혁신

• 조직 재설계: AI 전문 관리 조직인 AX CoE와 AI와 인간의 협업 조직으로서 단순 반복 및 공통 업무를 수행하는 SSC(Shared Service Center) 도입 
• 조직 운영 모델 재정립: 에이전틱 AI와 인간이 협업하기 위해 에이전트 보스 리더십이 필요. 에이전트 보스의 관리 영역은 거버넌스, 윤리까지 확장되므로 AI의 오류·편향, 책임 불명확성, 성과 왜곡 등 리스크를 방지하기 위한 AI 리터러시 교육, AI 리더십 스킬 트레이닝 등 로드맵 수립 필요

에이전틱 AI 환경에서 주목 받는 보안 리스크

• 5대 보안 리스크: 에이전틱 AI는 업무 시스템에 직접 접속하는 행위 주체로서 사람을 전제로 설계된 통제 모델의 개선 필요. 비인간 계정 증가, 자동 실행, SaaS 횡단 데이터 노출, 프롬프트 기반 조작, AI 공급망 취약점이 동시에 작동하는 복합적 리스크
• 보안의 방향성: 최근 에이전트 환경에서 대규모 데이터 유출 사례는 결국 과도한 권한과 느슨한 통제에 기인. 모델 보안이 아닌 비인간 계정·권한 관리, 행위 통제, 데이터 통제의 세 레이어로 설계하는 것이 바람직함