Why Enterprise Software Is Being Rebuilt Around AI Agents

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Why Enterprise Software Is Being Rebuilt Around AI Agents를 중심으로, 기존 업체는 고객·데이터·유통망에서 유리하지만, 스타트업에는 시스템 사이에 흩어진 업무를 끝까지 해결할 기회가 있다. 기록 시스템를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 기존 업체는 고객·데이터·유통망에서 유리하지만, 스타트업에는 시스템 사이에 흩어진 업무를 끝까지 해결할 기회가 있다. 기록 시스템에 AI 기능을 추가하는 것과 실제 문제 해결 전체를 맡는 것은 제공 가치가 다르다.
2. 에이전트의 역할은 검색, 정해진 절차 실행, 모호한 정책 해석, 고객 관계까지 고려한 판단으로 넓어진다. 영상은 이를 검색·프로세스·정책·프린시펄 에이전트로 구분한다.
3. 조달의 핵심 맥락은 ERP의 최종 가격이나 납기만으로 파악하기 어렵다. 이메일·문서·도면과 법무·재무·원가 엔지니어링을 연결하고, 문서 불일치나 공급 차질 같은 예외를 처리해야 전체 업무를 맡을 수 있다.
4. 자율성은 금액뿐 아니라 복잡성·위험·거래 관계에 따라 조절해야 한다. 사람의 검토는 고객 신뢰와 기업별 학습을 만들며, 전략적 협상에서는 전문가가 계속 참여한다. 시제품 정확도가 높아도 전수 검토가 필요하면 실제 업무 부담은 줄지 않을 수 있다.
5. 수직 AI의 경쟁력은 고객 업무에 대한 책임, 비공개 데이터, 전문 모델과 운영 경험에서 형성된다. 범용 모델로 빠르게 구현한 뒤에도 통합·메모리·평가·유지보수가 필요하므로, 자체 구축은 해당 역량을 기업 내부에 보유할 사업적 이유가 있는지 따져야 한다.

🧩 배경과 문제 정의

• 기존 기업용 소프트웨어 업체는 고객·데이터·유통망을 확보하고 있으며, AI 모델을 결합해 기능을 확장할 수 있다. AI 네이티브 스타트업의 경쟁력은 개별 시스템을 넘어 실제 업무를 처음부터 끝까지 완수하는 데 있다.
• 조달 시스템에 기록되는 최종 가격과 납기만으로는 협상, 원가 분석, 계약 검토, 공급업체와의 소통을 파악하기 어렵다. 업무의 상당 부분은 이메일·문서·스프레드시트와 여러 부서 사이에서 진행된다.
• 에이전트가 정보 검색을 넘어 판단과 외부 협상까지 맡으려면 고객의 신뢰가 필요하다. 자율성의 수준은 거래 금액뿐 아니라 업무의 복잡성, 위험, 거래 관계의 중요성에 따라 달라진다.

🕒 시간순 섹션별 상세정리

1. 스타트업의 기회는 여러 시스템을 연결한 업무 완수에 있다

• 기존 업체에 AI 모델이 결합되면, 이미 데이터를 보유하고 직원들이 사용법에 익숙한 제품이 더욱 강력한 경쟁자가 된다. 스타트업의 기회는 기존 업체가 자신의 기록 시스템에 한정돼 전체 업무를 완수하지 못하는 지점에 있다 [03:01]
• 서비스 해지 후 발생한 과금 문제를 해결하려면 청구 내역, 상담 기록, 계약을 함께 확인해야 한다. AI 네이티브 제품은 이처럼 여러 시스템에 흩어진 맥락을 연결해 문제 해결 전체를 맡을 수 있다 [03:49]

2. ERP의 최종 가격에는 조달 과정의 핵심 맥락이 빠져 있다

• 계약 서명이나 최종 가격은 단순해 보여도, 그 뒤에는 이해관계자 회의 30회, 이메일 500통, 엑셀 파일 20개 같은 작업이 있을 수 있다 [04:57]
• ERP에 알루미늄 가격이 8천 달러로 기록돼 있어도 공급업체가 1만 달러를 요구했던 과정이나, 원가 엔지니어가 3주 동안 엑셀과 3D 모델로 가격을 분석한 작업은 드러나지 않는다. 조달 업무의 상당 부분은 기록 시스템 밖에서 이루어진다 [05:30]

3. 검색 에이전트와 프로세스 에이전트는 확인과 정해진 실행을 맡는다

• 검색 에이전트는 기록 시스템 위에서 정보를 찾아주거나 가벼운 분석을 수행한다. 서비스 장애 보상 사례에서는 계약 조건과 장애 발생 여부를 확인해 고객 정보를 제공한다 [07:20]
• 프로세스 에이전트는 정책에 정해진 장애 기간과 보상 기준을 적용해 크레딧 승인과 청구 반영을 처리한다. 이 단계는 별도의 판단보다 정해진 절차의 실행에 가깝다 [07:45]

4. 정책 에이전트와 프린시펄 에이전트는 판단의 범위를 넓힌다

• 정책 에이전트는 명확한 정의가 없는 상황에서 기준을 해석한다. 예를 들어 20분간의 장애가 ‘중대한 장애’에 해당하는지 판단한다 [08:07]
• 프린시펄 에이전트는 고객 관계를 유지할 가치까지 고려해 기존 절차나 정책보다 더 많은 보상을 제공할지 판단한다 [08:22]

5. 기존 업체의 확장을 막는 요인은 기능 한계와 조직 내 이해충돌이다

• 기존 업체들은 프로세스·정책 에이전트로의 확장을 홍보하지만, 실제 출시 기능은 문서 서명이나 전사 내용 입력 등 검색과 일부 절차 실행에 머무는 경우가 많다. 일부는 OpenAI·Anthropic 같은 모델 개발사와의 협력으로 역량을 보완하려 한다 [09:20]
• 고객의 신뢰와 기존 유통망은 도입을 쉽게 만든다. Salesforce의 Agentforce처럼 추가 비용이 거의 없는 조건으로 제공되면 기존 고객이 쉽게 사용을 시작할 수 있다 [09:59]

6. 자율성의 수준보다 중요한 것은 위험과 예외 처리다

• LEO는 업무의 복잡성, 위험, 예산 승인 조건에 따라 완전 자율 실행과 사람의 검토를 병행한다. 스타트업은 신뢰를 쌓아야 하며, 기존 업체도 미완성 제품이나 잘못된 판단으로 이미 확보한 신뢰를 잃을 수 있다 [12:14]
• 송장 정보를 추출하고 다른 문서와 대조해 SAP나 Oracle에 입력하는 절차는 명확하지만, 블라드의 설명에서는 실제 해결해야 할 업무의 약 20%에 해당한다. 나머지 약 80%는 사기성 송장이나 문서 불일치처럼 정상 경로에서 벗어난 문제이므로, LEO는 예외 처리로 기능을 확장했다 [13:16]

7. 조달은 여러 전문 부서가 함께 결정하는 업무다

• 기업 조달에는 구매 부서뿐 아니라 법무, 원가 엔지니어링, 재무가 참여한다. 단순히 물건을 사는 행위보다 여러 이해관계자가 함께 의사결정을 수행하는 과정에 가깝다 [15:31]
• 고객의 문제를 확인하고 약속한 기능을 실제 운영 환경에 빠르게 제공하는 경험이 신뢰를 쌓는다. 초기에는 챗봇·검색·문서 처리처럼 구현 가능한 사용 사례부터 이 과정을 반복했다 [16:26]

8. 사람의 검토는 자율 협상을 위한 신뢰와 기업별 학습을 만든다

• 기업은 처음부터 완전 자율 협상 에이전트를 도입하지 않는다. 기술과 공급업체를 아직 신뢰하지 않기 때문에 사람의 검토를 포함하는 방식으로 시작한다 [16:55]
• 일반적인 협상 능력이 있어도 특정 기업의 운영 방식은 별도로 배워야 한다. 사람의 피드백을 반영하면서 고객이 맡기는 협상 규모가 1만 건, 2만 건, 10만 건으로 확대될 수 있다 [17:21]

9. 인력 부족으로 생략했던 소액 협상도 자동화의 대상이 된다

• 블라드가 든 사례에서는 기업이 처리할 인력이 부족해 5만 달러 미만의 지출을 협상하지 않았다. 에이전트는 기존에 놓치던 협상 기회를 처리해 추가 절감 가능성을 만든다 [18:44]
• 원래 협상을 전혀 하지 않았던 거래에서는 에이전트가 일부 절감 기회를 놓치더라도 기존 상태보다 나을 수 있다. 이 비교에서 블라드는 잘못된 협상 에이전트를 도입하는 추가 위험을 거의 없다고 본다 [19:04]

10. 거래 관계와 전문 지식이 중요한 협상에는 사람이 계속 필요하다

• 지출이 작아도 거래 관계의 가치는 클 수 있다. 팟캐스트 제작이나 마케팅 서비스처럼 기존 공급업체가 고객의 작업 방식을 잘 아는 경우에는 구매 담당자가 관계와 말투를 검토하면서 대부분의 실행을 자동화한다 [19:58]
• 복잡한 협상은 가격 외에도 계약 구조, 재무 조건, 원가 구조, 거래 조건을 함께 다룬다. 회사와 산업의 구체적인 지식을 가진 전문가들이 장시간 작업하는 에이전트에 필요한 맥락을 제공한다 [20:44]

11. 대형 제조·건설 프로젝트에서는 작은 납기 차질도 큰 손실로 계속된다

• LEO가 다루는 조달에는 노트북이나 사무용품뿐 아니라 항공기, 로봇, 드론, 데이터센터 건설에 필요한 구매가 포함된다. 항공기 제작에는 수천 공급업체와의 조달 및 생산 공장 구축이 필요하다 [22:18]
• 대형 프로젝트에서 특정 부품 하나가 2주 늦게 도착하면 전체 일정이 지연되고 수억 달러 규모의 손실이 발생할 수 있다. 필요한 부품과 공급업체를 결정하는 과정부터 여러 의사결정을 함께 조정해야 한다 [22:48]

12. 납기 변경 이메일은 날짜 갱신을 넘어 영향 판단이 필요하다

• 공급업체 선정 이후의 운영 업무도 중요하다. 구매 담당자의 이메일 500통 가운데 부품이 2주 늦어진다는 안내를 놓치면 큰 손실로 이어질 수 있다 [23:25]
• 기록 시스템에는 변경된 날짜만 남아도, 그 변화가 허용 가능한지 또는 1억 달러 규모의 손실을 일으키는지는 별도로 판단해야 한다. LEO 에이전트는 정보를 추출하는 데서 나아가 영향과 해결 방법을 판단하는 역할을 맡는다 [23:55]

13. 물리적 공급 차질에는 확률과 외부 맥락을 활용한다

• 에이전트가 선박 사고 같은 사건 자체를 바꿀 수는 없지만, 공급업체의 신뢰도와 관련 맥락을 활용해 위험을 예측할 수는 있다. 예시에서는 물품 누락률이 20%인 업체보다 1%인 업체가 10배 비싸더라도, 도착 확률이 중요한 구매라면 높은 비용을 지불할 이유가 생긴다 [25:25]
• 판단에 필요한 맥락은 기업 내부에 한정되지 않는다. 뉴스, 공급업체와 판매자 정보, 수요 정보에 더해 Polymarket 같은 예측시장 정보까지 활용할 가능성이 드러난다 [25:55]

14. 여러 에이전트의 정보 공유와 실행 순서가 전체 업무를 연결한다

• LEO는 위험과 복잡성에 따라 네 유형의 에이전트를 사용하며, 전체 업무를 수행하도록 에이전트끼리 정보를 공유하고 특정 순서로 작업하게 한다 [27:10]
• 사람 8명, 부서 3개, 소프트웨어 도구 5개가 관여하는 업무라면 에이전트도 그 역할과 도구를 연결해야 한다. 여러 에이전트의 협업이 개별 작업을 넘어 전체 업무를 처리하는 기반이 된다 [27:32]

15. 볼트 구매는 간단한 요청에서 재고 확인·견적 수집·협상 판단으로 계속된다

• 볼트 구매는 LEO가 완전 자율로 처리할 수 있다고 제시한 사례다. 현장 작업자가 SAP 같은 시스템에서 요청을 작성하기 어려울 수 있어, 사진·견적서·엑셀 파일로 수요를 전달하도록 진입 과정을 단순화한다 [29:02]
• 에이전트는 재고를 확인하고 다른 공장에서 내부 조달이 가능한지 살핀다. 내부 확보가 어려우면 소싱 에이전트가 공급업체를 확인하고 다른 에이전트가 견적요청서인 RFQ를 작성해 이메일로 발송한다 [29:38]

16. 자율 조달은 반복 업무와 미협상 지출을 함께 줄인다

• 협상 방식은 사람이 참여하는 전략적 협상, 자율 협상, 경매·전자경매로 나뉜다. 에이전트는 협상 이후 주문 확인, 배송 추적, 송장 처리까지 맥락을 유지하며 자율적으로 실행할 수 있다. [30:00]
• 매일 수천 번 수행하지만 없애고 싶은 업무를 자동화하는 것과, 현재는 수행하지 않지만 수천 번 실행하면 손익에 큰 영향을 줄 업무를 새로 수행하는 것은 별개의 기회다. 후자의 사례는 기존에 협상하지 않았던 지출에 대한 자율 협상이다. [30:59]

17. 전략적 직접 조달에는 전문가 중심의 장기 협상이 필요하다

• 직접 조달은 항공기·드론·로봇을 만드는 데 실제로 필요한 부품과 공급업체를 다룬다. 공급업체가 5만 곳에 이르는 경우와 달리, 여기서는 100곳 또는 최대 2,000곳 정도의 전략적으로 중요한 업체를 상대한다. [31:39]
• 공급업체 하나에 지출이 10억 규모에 이를 수 있어 자율 협상보다 철저하게 준비한 3개월짜리 협상이 적합하다. 엔지니어가 알루미늄·석유 가격지수와 가격 변동, 도면, 부품 품질을 분석하는 작업에 에이전트를 활용할 수 있다. [32:04]

18. 협상 에이전트의 핵심 역할은 준비와 실시간 근거 검증이다

• 복잡한 대규모 협상에서는 준비가 업무의 90%를 차지한다. 기록 시스템에는 지출이 10억 달러에서 9억 달러로 줄었다는 결과만 남지만, 그 뒤에는 10명이 3개월 동안 전담한 준비 작업이 있을 수 있다. [33:04]
• 협상 중에도 에이전트가 상대의 가격 인상 근거를 즉시 검토할 수 있다. 석유 가격이 10% 올랐더라도 제품의 석유 비중이 30%라면 제품 가격을 그대로 10% 올릴 이유는 없으며, 약 4% 정도의 인상이 타당할 수 있다는 예시다. [33:39]

19. 범용 모델과 실행 체계만으로 해결되지 않는 전문 업무가 있다

• LEO는 여러 공급자의 모델을 사용하며, PDF 읽기·작성이나 엑셀 생성 같은 일반 업무용 모델을 범용 자원으로 본다. 일부 업무는 기반 모델과 실행 체계인 하네스를 결합하면 전체 작업을 수행할 수 있지만, 다른 업무는 최상의 조합으로도 약 80%에 머물 수 있다. [34:41]
• 원가 엔지니어가 도면을 분석해 부품의 적정 원가를 계산하는 ‘should-cost modeling’이 전문화 대상이다. LEO는 이 영역의 완성도를 높이기 위한 모델 미세조정을 이미 시작했으며, 100%에 도달하는 것은 목표다. [35:33]

20. 가격 벤치마킹에는 비공개 데이터와 전문가의 암묵적 판단이 필요하다

• 견적서를 넣으면 적정 가격을 얻는 것이 이상적이지만, 필요한 가격 정보는 기업 내부 또는 여러 기업에 걸친 비공개 데이터다. 일반 목적 모델은 이런 정보로 학습할 수 없어 가격 벤치마킹에 한계가 있다. [36:06]
• 같은 일을 제안하는 컨설팅 견적도 가격이 10배 차이 날 수 있다. 조달 담당자나 영상 제작자는 경험으로 가격의 타당성을 판단하지만, 그 직관을 명시적인 규칙으로 모두 적어내기는 어렵다. [37:02]

21. 수직 AI의 방어력은 고객의 실제 업무를 맡는 데서 형성된다

• 지속 가능한 수직 AI 기업의 조건은 전체 업무를 책임지고, 데이터 자산을 쌓으며, 이전에는 불가능했던 일을 수행하는 것이다. 다만 초기 단계에서 미래의 경쟁 우위를 정확히 예측하기는 어렵고, 고객 신뢰와 추가 판매가 우선이라는 관점이다. [38:18]
• 기존 CRM이 거래를 기록했다면 영업 AI는 영업 준비, 아웃바운드, 인바운드 대응까지 맡는다. 고객이 제품에 더 많은 업무를 의존하게 되는 것이 경쟁 우위의 중요한 신호이며, 지속 사용과 네트워크 효과는 초기 사용 가치에서 파생된다. [38:54]

22. 빠르게 만든 시제품의 정확도가 업무 자동화율을 뜻하지는 않는다

• LEO의 초기 제품은 견적 정보를 추출해 SAP에 입력하는 기능이었다. 당시 소규모 엔지니어링 팀이 개발했던 기능은 이제 지원자에게 8시간 안에 구현하도록 주는 과제가 됐을 만큼 개발이 쉬워졌다. [40:15]
• 그러나 약 70%의 성능을 얻었다고 업무의 70%가 자동화되는 것은 아니다. 사람이 모든 데이터를 다시 확인해야 한다면 기존 업무를 100% 수행해야 하며, 검토 부담 때문에 오히려 일이 늘어날 수도 있다. [41:20]

23. 자체 구축의 어려움은 맥락 품질과 시스템 유지보수에서 드러난다

• 기반 모델과 GPT 제품의 확산은 AI에 대한 익숙함과 신뢰를 높여 분야별 전문 제품의 도입에도 도움이 된다는 평가다. [42:05]
• 한 포천 500 기업은 대금 회수 제품을 자체 구축하려고 최소 3~4개월을 투입했지만, 녹화와 화면 캡처를 모아도 업무 맥락의 양과 품질이 충분하지 않았다. [42:33]

24. 운영 투입을 결정하는 마지막 20%에는 큰 노력이 들어간다

• 약 80%까지 구현한 뒤 남은 20%를 해결해야 실제 운영에 투입할 수 있다. 이를 위해 통합, 메모리, 워크플로, 경우에 따라 산업별 데이터가 필요하며, 마지막 20%가 전체 노력의 80%를 차지할 수 있다는 설명이다. [43:53]
• 조달 AI를 자체 구축하려면 AI 조달 에이전트의 운영을 기업의 핵심 역량으로 삼아야 한다. 그 역량을 직접 보유하는 것이 사업적으로 타당한지 평가해야 한다. [44:25]

25. 구매자의 영향력은 공급업체 에이전트 확산의 경로가 될 수 있다

• 장기적으로 구매자와 공급업체 양쪽에 에이전트가 존재할 것이라는 전망이다. 다만 현재 관찰하는 대기업 공급업체들은 회의 기록 도구 등을 사용하더라도 실제 업무를 자동화하는 에이전트 도입에서는 예상만큼 앞서 있지 않다. [45:03]
• 산업 기업의 구매 부서는 공급업체가 사용할 도구, 품질 기준, 견적 요청에 대한 응답 방식을 지정할 힘이 있다. 이 관계를 활용해 공급업체에도 LEO 에이전트를 확산시키고 거래 양쪽의 업무를 맡을 수 있다는 구상이다. [46:01]

26. 가격 이해관계가 달라도 거래 과정의 마찰 감소는 공동 이익이다

• 이해관계가 다른 두 법률회사도 최신 초안, 미해결 쟁점, 합의 사항을 함께 파악하면 이익을 얻는다. 현재 사람이 수행하는 이런 조정 업무를 에이전트가 맡는 것은 양측이 같은 플랫폼을 사용할 수 있는 사례다. [46:48]
• 가격 협상에서는 양측의 이해가 충돌하지만, 가격에 앞서는 약 5,000개의 다른 작업에서는 이해가 일치한다는 논리다. 판매자는 거래 마찰을 줄이고 싶고, 구매자는 제품 출시나 시설 구축을 앞당기고 싶어 한다. [47:39]

27. 맞춤형 구축은 학습과 평가를 통해 소프트웨어로 전환될 전망이다

• 현재는 고객별 데이터 상태와 업무 차이를 이해해야 하므로 현장 투입 인력이 많이 필요하다. 기존 기업의 도입팀은 제품 개발과 떨어져 있는 경우가 있어, 현장 경험을 제품 개선에 반영하는 구조를 만들기 어렵다는 평가다. [49:29]
• 적절한 평가 과정과 학습 순환이 있으면 더 복잡한 업무를 맡고 배포 자체도 자동화할 수 있다. 일부 기업에서는 맞춤 작업의 자동화가 진행되고 있으며, 고객이 소프트웨어에서 설정을 직접 조정하는 방식도 늘고 있다. [50:06]

28. LEO의 현장 엔지니어는 반복되는 구축 업무를 스스로 자동화한다

• LEO 인력의 85%는 엔지니어이며, 엔지니어 직함이 없는 직원도 대부분 공학 배경을 갖고 있다. 기업별 프로세스 차이에 대응하면서도 간접 조달·직접 조달·재무용 에이전트를 제품으로 발전시키려는 조직 구성이다. [50:58]
• 제품은 맞춤 작업을 줄이고 셀프서비스를 확대하는 방향으로 설계한다. 현장 엔지니어의 KPI는 반복되는 자신의 업무를 자동화하는 것이며, 자동화가 끝나면 다음 과제로 이동한다. [51:28]

29. 기존 조달 도구의 한계는 실제 작업 방식을 바꾸지 못한 데 있다

• 뉴욕에서 열린 세 번째 행사에는 조달 리더 100명 이상이 참석했다. 조달 도구가 수백 개 등장했어도 요청자·공급업체·조달 담당자의 불만이 큰 이유는 도구가 프로세스를 효율화했을 뿐 실제 일하는 방식을 바꾸지 못했기 때문이라는 진단이다. [52:56]
• 실무는 여전히 이메일, Microsoft Teams, 엑셀, 파워포인트에서 이뤄진다. 개선의 단위는 개별 송장 기능보다 ‘누군가 필요를 제기하고 최종적으로 물건을 받는 과정’이며, 간접·직접 조달과 물류·재무를 함께 다뤄야 한다. [54:14]

30. 조달의 큰 불만과 손익 영향이 사업 기회를 만든다

• 조달은 사용자의 좌절이 강한 감정적 영역이면서도 지루하고 전문적인 분야다. 큰 변화가 약 20년 전, 더 나은 인터페이스가 약 10년 전이었다는 평가 아래, 실제 업무 변화가 사용자에게 큰 인상을 줄 수 있다고 본다. [56:47]
• 조달은 데이터센터·항공기·자동차·드론의 건설과 생산에 영향을 미친다. 안정적인 조달 과정은 비용 절감뿐 아니라 실제로 제품과 시설을 완성하는 데도 중요하다. [57:40]

🧾 결론

• 제품의 평가 단위는 개별 기능의 성능에서 고객이 요청한 업무가 실제로 완료되는지로 이동한다.
• 조달 자동화는 반복 작업을 줄이는 동시에, 인력 부족으로 생략했던 협상을 새로 수행해 추가 절감 기회를 만들 수 있다.
• 사람의 피드백과 전문 지식은 자율 실행 범위를 확대하는 기반이다. 고위험·고복잡도 업무에서는 지속적인 전문가 참여가 필요하다.
• 장기적인 방어력은 빠른 시제품 제작보다 실제 운영에서 예외를 해결하고 고객이 더 많은 업무를 맡기게 만드는 과정에 달려 있다.

📈 투자·시사 포인트

• 기존 소프트웨어 업체의 유통망과 신뢰, 스타트업의 전체 업무 수행 능력을 함께 평가해야 한다. 에이전트 기능 발표만으로 어느 쪽의 우위도 단정하기 어렵다.
• 사업 효과는 작업 시간 절감, 미협상 지출의 추가 절감, 납기 차질 대응으로 나누어 살펴볼 수 있다. 특히 조달은 비용뿐 아니라 제품 생산과 시설 완공에도 영향을 준다.
• 고객의 업무 의존도, 데이터 축적, 추가 판매와 반복 사용은 수직 AI의 경쟁력을 판단할 단서다. 초기 경쟁 우위는 예측하기 어렵다는 설명도 함께 고려해야 한다.
• 고객별 구축과 운영 유지보수는 중요한 부담이다. 현장 경험을 제품 개선에 반영하고 반복 구축을 자동화하는 능력이 확장 가능성을 좌우한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 업무의 20%·80% 구분, 협상 준비 비중 90%, 마지막 20%에 필요한 노력 80%는 설명과 사례에 등장하는 수치다. 모든 기업이나 업무에 적용되는 검증된 비율로 받아들이기 어렵다.
• LEO의 완전 자율 실행 범위와 전문 모델 성능은 제시된 사례와 목표를 구분해야 한다. 고객별 오류율, 사람의 개입 빈도, 실제 절감 효과를 비교할 자료는 제공되지 않는다.
• 석유 가격이 10% 오르고 제품의 석유 비중이 30%라는 조건만으로 약 4% 인상을 도출할 수는 없다. 단순 가중 계산은 3%이므로, 예시에 추가 비용 조건이 있는지 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 조달 요청부터 수령·송장 처리까지의 흐름을 정리하고, ERP 밖에서 수행하는 작업과 참여 부서를 표시한다.
• 반복 업무와 현재 생략하는 협상을 구분해, 처리 시간·검토 부담·추가 절감 효과를 각각 측정할 기준을 만든다.
• 금액·복잡성·관계 중요도·예외 유형별로 자율 실행, 사람의 승인, 전문가 참여가 필요한 조건을 정한다.
• 실제 예외 사례로 평가하고, 사람이 다시 확인하는 시간을 포함해 도입 전후 업무 부담을 비교한다.

❓ 열린 질문

• 여러 부서와 시스템을 넘나드는 에이전트의 구매 결정과 운영 책임은 어느 조직이 맡아야 하는가?
• 고객 피드백과 예외 처리 경험을 얼마나 재사용할 수 있어야 고객별 구축 부담을 줄일 수 있는가?
• 구매자와 공급업체 양쪽에 에이전트를 배치할 때, 가격 이해관계의 충돌과 공동 업무의 이익을 어떻게 조정할 것인가?