IBM은 F1 역대 최다 우승팀인 스쿠데리아 페라리와 파트너십을 맺고, 생성형 AI 기반의 '스토리텔링'을 통해 팬 참여를 극대화하고 있습니다. 페라리 팬 앱을 전면 개편하여 AI 경기 요약, 예측 게임, 대화형 AI 도우미 등을 도입한 결과, 레이스 주말 팬 참여도가 62%나 증가했습니다. 이는 기업이 엔터프라인즈 AI를 활용해 방대한 데이터를 소비자 친화적 콘텐츠로 전환하고 개인화된 경험을 제공하는 방법을 보여주는 중요한 사례입니다.
글로벌 기업 환경에 도입되기 시작한 에이전틱 AI(Agentic AI) 플랫폼들의 주요 기능과 장점을 분석한 리뷰입니다. 기업의 실무적인 업무 프로세스 자동화와 생산성 극대화를 위해 이러한 자율적 AI 플랫폼을 도입하고 평가하는 것이 매우 중요해지고 있습니다.
현재 주요 AI 기업들은 시장 점유율 확대를 위해 실제 서비스 원가보다 훨씬 낮은 가격에 엔터프라이즈 AI를 제공하며 막대한 손실을 감당하고 있습니다. 기업들은 저렴한 비용을 당연시하며 업무 프로세스와 비즈니스를 AI에 의존하고 있지만, 가격이 현실화되는 시점에 기하급수적인 비용 폭탄을 마주하게 될 위험이 있습니다. CTO와 CFO 등 실무 의사결정권자들은 AI 도입에 따른 잠재적 단가 상승 리스크를 즉각적으로 재평가해야 합니다.
금융 데이터 플랫폼 케플러(Kepler)는 앤스로픽의 AI 모델 '클로드(Claude)'를 활용해 출처가 투명하게 검증되는 금융 AI 시스템을 구축했습니다. 이들은 2,600만 건 이상의 금융 데이터를 분석하여 수치의 오류를 원문 라인 단위로 추적할 수 있는 인프라를 만들었으며, 특히 복잡한 금융 분석에서 다른 모델들이 중간에 논리를 잃는 현상을 클로드를 통해 방지했습니다. 이는 규제가 엄격해 AI 활용에 신뢰가 필수적인 금융 산업에 투명성과 실무적 정확성을 제공한다는 점에서 중요합니다.
기업들이 본격적인 AI 도입을 시도하면서 직면한 가장 큰 과제는 '파편화된 데이터 인프라'입니다. 성공적인 엔터프라이즈 AI 구축을 위해서는 분절된 시스템을 벗어나 통합되고 엄격하게 관리되는 개방형 데이터 기반을 마련해야 합니다. 궁극적으로 기업은 AI를 단순한 혁신 프로젝트가 아닌 핵심 비즈니스 지표와 직결된 전략적 자산으로 활용해야 합니다.
기업용 지식 관리 시스템이 60년간 실패해 온 핵심 원인은 기술적 한계가 아니라 위험을 회피하며 '친숙함(유명 대기업)'을 우선하는 구매자의 잘못된 선택 기준에 있습니다. 혁신적인 스타트업의 완성된 AI 솔루션보다 거대 컨설팅 회사의 검증되지 않은 구축 제안이 채택되는 기업의 보수적인 구매 문제를 날카롭게 지적합니다. 조직 내 실질적인 AI 도입과 데이터 자산의 가치 실현을 위해, 이러한 산업의 고질적인 병폐를 극복하고 혁신을 멈추지 말아야 한다는 점에서 중요한 글입니다.
AI 에이전트가 기업 내에 빠르게 도입되면서 새로운 보안 위협이 대두되고 있어, 이를 통제할 강력한 거버넌스와 보안 기반 구축이 시급합니다. 보고서에 따르면 74%의 기업이 2년 내 에이전틱 AI를 도입할 계획이지만, 단 21%만이 성숙한 거버넌스 체계를 갖추고 있어 위험 노출 가능성이 큽니다. 안전한 엔터프라이즈 자동화를 위해서는 전사적 통제 평면(control plane)을 마련해 에이전트의 권한, 정책, 데이터 접근을 체계적으로 관리해야 합니다.