Scaling AI agents with trustworthy data

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

기업용 인공지능 에이전트를 신뢰할 수 있는 수준으로 확장하려면 구조화·비구조화 데이터를 폭넓게 연결하고 비즈니스 맥락과 실시간 운영 접근성을 갖춘 데이터 기반이 필요하다.

📌 핵심 요약

• 기업들이 인공지능 에이전트를 빠르게 도입하고 있지만, 부적절한 인프라와 데이터 환경이 투자수익률 실현을 가로막는 주요 요인으로 지목됐다.
• 업무를 직접 수행하는 에이전트는 전사 구조화·비구조화 데이터뿐 아니라 비즈니스 맥락과 공급망·판매시점·인사 시스템 같은 운영 데이터에 원활하게 접근해야 한다.
• 조사 대상 조직에서 인공지능이 접근할 수 있는 사내 데이터는 평균 45%였으며, 데이터 지연 조직은 30% 이하인 반면 데이터 선도 조직은 70%를 넘었다.
• 에이전트 결정의 정확성과 관련성을 신뢰하는 조직은 전체의 약 절반에 그쳤지만 데이터 선도 조직은 모두 신뢰했으며, 레거시 시스템으로 인한 확장·속도 제약도 훨씬 적었다.
• 모든 응답자는 2년 이내 에이전틱 인공지능을 사용할 계획이고 69%는 광범위한 활용을 예상해, 데이터 접근성 개선과 맥락 기반 거버넌스 및 데이터 관리 자동화가 핵심 과제로 제시됐다.

🧩 주요 포인트

1. 제한된 전사 데이터 접근 → 에이전트가 활용할 수 있는 정보와 업무 맥락이 부족해져 도입 성과와 신뢰가 낮아질 수 있다.
2. 레거시 데이터 시스템의 병목 → 실시간 의사결정과 조직 전반의 에이전트 확장을 동시에 제약한다.
3. 구조화·비구조화 데이터 연결과 맥락 기반 거버넌스 강화 → 신뢰성과 속도를 갖춘 에이전트 운영 환경을 만드는 핵심 조건이다.

🧠 상세 정리

1. 빠른 도입과 투자수익률 사이의 간극

기업과 기술 리더들은 에이전틱 인공지능이 업무를 변화시킬 잠재력을 인정하고 있으며, 조직들은 이미 에이전트를 빠르게 도입하고 있다. 그러나 보고서는 기술 도입 속도와 실제 투자수익률 실현이 동일한 문제는 아니라고 지적한다. 원하는 성과를 내려면 에이전트 자체뿐 아니라 이를 뒷받침하는 인프라와 데이터 기반이 적절해야 하는데, 많은 조직에서 두 요소의 부족이 주요 장애물로 나타났다. 따라서 에이전틱 인공지능의 가치는 배치한 에이전트의 수보다 필요한 데이터를 안정적으로 활용하고 업무 과정에서 유효한 결정을 내릴 수 있는 환경을 갖췄는지에 크게 좌우된다는 것이 글의 출발점이다.

2. 행동하는 에이전트가 요구하는 데이터 환경

질문에 답하는 인공지능에서 실제 행동을 수행하는 에이전트로 전환되면서 기업 데이터 시스템에 대한 요구가 크게 높아졌다. 에이전트는 전사에 흩어진 구조화 데이터와 비구조화 데이터를 모두 활용해야 하며, 데이터가 어떤 업무와 상황을 의미하는지 이해할 수 있는 비즈니스 맥락도 필요하다. 실시간으로 판단하고 행동하려면 공급망, 판매시점, 인사 등의 운영 정보를 저장하는 시스템에도 마찰 없이 접근할 수 있어야 한다. 하지만 기존 데이터 시스템은 비교적 최근에 갱신된 경우에도 이러한 범위와 속도, 연결성 요구를 충족하는 데 어려움을 겪고 있으며, 에이전트의 활용이 늘수록 이 문제가 더욱 시급해지고 있다.

3. 데이터 접근 범위에서 드러난 조직 간 격차

보고서는 데이터 및 기술 담당 임원 300명을 대상으로 한 조사를 통해 조직의 데이터 준비도와 에이전트 활용 성과를 비교했다. 전체 조사 대상에서 인공지능이 접근할 수 있는 사내 데이터의 비율은 평균 45%에 불과했다. 데이터 지연 조직으로 분류된 기업에서는 접근 범위가 30% 이하로 떨어졌지만, 일부 데이터 선도 조직은 전체 데이터의 70%가 넘는 범위를 에이전트에 제공했다. 보고서에 따르면 이 선도 조직들은 다른 조직보다 에이전트를 통해 더 큰 성과를 거두고 레거시 시스템에 따른 데이터 제약도 적게 경험했다. 이 수치는 단순한 데이터 보유량보다 필요한 데이터를 실제로 에이전트가 이용할 수 있도록 연결하는 역량이 중요하다는 차이를 보여준다.

4. 데이터 준비도와 신뢰·속도·확장성의 관계

조사에서는 에이전트가 내리는 결정에 대한 신뢰도 역시 데이터 준비 상태에 따라 큰 차이를 보였다. 전체 조직 가운데 에이전트의 결정이 정확하고 관련성이 있다고 신뢰하는 곳은 약 절반이었지만, 데이터 선도 조직에서는 응답한 조직 모두가 에이전트의 결정을 신뢰했다. 데이터 지연 조직의 66%는 레거시 시스템이 에이전트 확장을 제한한다고 답했고, 68%는 에이전트가 신속하게 결정하는 것을 방해한다고 응답했다. 반면 레거시 데이터 제약을 상당 부분 해소한 선도 조직에서는 확장과 속도 중 어느 제약이든 보고한 비율이 각각 8%에 그쳤다. 보고서는 이를 신뢰할 수 있는 인공지능 운영에는 신뢰할 수 있는 데이터 기반이 필요하다는 강한 지표로 해석한다.

5. 전사적 활용 확대가 높이는 전환의 시급성

에이전트가 기업 운영에 더 깊이 포함될수록 레거시 데이터 시스템의 제약을 제거해야 할 필요성도 커지고 있다. 보고서가 인용한 가트너 전망처럼 2027년까지 기업 의사결정의 50%가 인공지능 에이전트의 지원을 받거나 자동화된다면, 조직은 에이전트가 정확한 데이터를 신속하게 얻지 못하게 만드는 병목을 해소해야 한다. 조사 응답자 모두가 2년 이내 에이전틱 인공지능을 사용할 계획이며, 그중 69%는 이를 광범위하게 활용할 것으로 예상했다. 이런 확산 계획에도 데이터 시스템의 제약이 유지된다면 에이전틱 인공지능이 약속한 의사결정 속도와 운영 효율을 충분히 실현하기 어렵다는 것이 보고서의 경고다.

6. 핵심 개선 과제와 보고서의 성격

전체 응답자가 에이전트 확장을 위해 가장 중요하다고 평가한 과제는 구조화 데이터와 비구조화 데이터에 대한 접근성을 개선하는 일이었다. 데이터 및 인공지능 거버넌스에 비즈니스 맥락을 강화하는 방안도 높은 우선순위로 제시됐으며, 데이터 선도 조직은 데이터 관리 자동화에도 집중하고 있었다. 이는 접근 범위를 넓히는 것만으로 끝내지 않고 데이터가 업무에서 갖는 의미와 관리 기준을 함께 제공해야 한다는 방향을 담고 있다. 이 글은 구글 클라우드와의 협력으로 제작된 후원 콘텐츠이며, MIT 테크놀로지 리뷰 편집진이 작성한 기사는 아니다. 제작 부문인 인사이트가 인간 작가·편집자·분석가·일러스트레이터를 통해 조사와 집필을 수행했고, 인공지능 도구가 사용됐을 가능성이 있는 부분은 철저한 인간 검토를 거친 보조 제작 과정으로 제한됐다고 밝혔다.

🧾 핵심 주장 / 시사점

• 데이터 접근률이 30% 이하인 지연 조직과 70%를 넘는 선도 조직의 차이는 에이전트 확장의 선결 과제가 모델 추가보다 전사 데이터 연결성 확보에 있음을 보여준다.
• 선도 조직의 전원 신뢰 응답과 낮은 확장·속도 제약은 데이터 준비도가 에이전트 결정에 대한 신뢰 및 운영 성능과 함께 움직이는 핵심 조건임을 나타낸다.
• 2년 이내 전면적인 도입 계획에 비해 현재 평균 데이터 접근률은 45%에 머물러 있어, 구조화·비구조화 데이터 접근과 비즈니스 맥락을 포함한 거버넌스 개선이 시급한 과제로 제시된다.

✅ 액션 아이템

• 전사 구조화·비구조화 데이터를 연결해 공급망·판매시점·인사 시스템에 대한 인공지능 에이전트의 실시간 접근성을 구축한다.
• 데이터 지연 조직의 30% 이하 접근률과 데이터 선도 조직의 70% 이상 접근률 차이를 기준으로 확장 범위를 구획하고 부족 구간을 우선 보완한다.
• 에이전트 결정의 정확성과 관련성을 높이려면 레거시 시스템의 확장·속도 제약을 점검하고 맥락 기반 거버넌스와 데이터 관리 자동화를 강화한다.

❓ 열린 질문

• 기업들이 에이전틱 인공지능을 2년 이내 도입하고 69%가 광범위 활용을 예상하는 환경에서 데이터 접근성 개선과 맥락 기반 거버넌스의 우선순위를 어떻게 정할 것인가?
• 평균 45% 접근률의 원인이 구조화·비구조화 연결 미흡인지, 아니면 공급망·판매시점·인사 시스템 접근 경로 제약인지 어떻게 구분할 것인가?
• 에이전트 결정의 정확성과 관련성을 신뢰한 조직이 약 절반에 그친다면 데이터 선도 조직처럼 의사결정과 속도 제약을 동시에 줄이는 기준은 무엇인가?