🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

포워드 디플로이드 엔지니어링을 위한 AI 툴의 핵심은 더 강한 모델 자체가 아니라 기업별 맥락과 예외를 구조화해 FDE가 실제 워크플로를 설계·운영·확장하도록 돕는 에이전트다.

📌 핵심 요점

1. 모델 지능과 브라우저·API·MCP 실행 하네스가 발전하면서 작업 실행보다 고객 조직의 고유한 업무 방식과 예외를 이해하는 일이 새로운 병목이 됐다.
2. 성공적인 AI 전환은 기존 프로세스에 모델을 덧붙이는 작업이 아니라 정상 경로·예외·담당자·인계 관계를 다시 설계하고 사람과 에이전트의 책임 경계를 정하는 작업이다.
3. 대기업은 NetSuite·Dynamics·SAP·Salesforce 같은 기록 시스템을 쉽게 교체할 수 없으므로, Varick OS는 기존 시스템 위에서 에이전트 생성·모니터링·거버넌스를 지원하는 방식을 택한다.
4. 인게이지먼트 에이전트와 워크플로 에이전트는 문서 분석, 반복 질문, 누락된 예외 탐지, 프로세스 검증을 맡아 희소한 FDE가 여러 고객을 밀착 지원하도록 확장한다.
5. 의존성 그래프와 후처리 학습한 오픈소스 모델을 결합해 기업 맥락을 처리하고, 장기적으로는 고객 요청에 따라 워크플로를 자율 수정하는 단계까지 발전시키려 한다.

🧩 배경과 문제 정의

최신 AI 모델과 실행 하네스가 지식 업무 수행 능력을 끌어올리면서 병목은 실행 자체에서 기업별 맥락을 추출하고 실제 업무 프로세스로 옮기는 일로 이동했다. 같은 부서도 회사마다 정상 경로와 예외 처리, 문서에 없는 사람 간 인계, 기록 시스템 의존성이 다르다. 기술적 전문성과 고객 커뮤니케이션 능력을 함께 갖춘 FDE는 희소하므로, 인원을 선형적으로 늘리지 않으면서 고객 밀착도를 유지할 보조 에이전트가 필요하다.

🕒 시간순 섹션별 상세정리

1. 실행 능력 다음에 남은 비즈니스 이해 병목

• 고객 조직을 깊이 이해하면서도 인력을 기하급수적으로 늘리지 않는 능력이 다음 병목이며, AI가 그 확장 부담을 맡아야 한다. [00:51]
• 모델 지능과 브라우저·API·MCP 실행 하네스가 발전하면서 작업 실행 자체는 더 이상 핵심 제약이 아니라고 진단한다. [01:33]
• 의료기업과 SaaS 기업의 영업부서는 서로 다르게 움직이므로 직원에게서 고유 맥락을 추출해 단순한 모델 호출에 담는 방식은 쉽게 무너질 수 있다. [02:15]

2. AI 중심 운영 전환과 실제 업무 지도 작성

• 사람 중심 운영을 AI 중심으로 바꾸려면 도구만 지급할 것이 아니라 업무 절차 자체를 새롭게 설계해야 한다. [02:54]
• FDE는 AP·AR·카드 정산·은행·청구·FP&A 담당자와 협력하며 정상 업무뿐 아니라 문제가 발생했을 때의 처리 경로까지 파악한다. [03:53]
• 문서에 없는 예외에서는 담당자 간 인계가 발생하고 구매 주문서와 송장 조정에만 나흘의 처리 시간이 추가되기도 한다. [04:19]

3. 망가진 프로세스의 재설계와 역할 분담

• 생성형 AI 파일럿의 95%가 운영 환경에 도달하지 못하고 87%가 측정 가능한 ROI를 만들지 못했다는 조사 결과를 망가진 프로세스 위에 AI를 덧씌운 결과로 해석한다. [05:16]
• 비기술 직군에 AI 도구만 지급하거나 기존 11단계를 갑자기 1단계로 줄이면 업무 이해도와 도입률이 함께 떨어질 수 있다. [06:12]
• 8단계 업무라면 4단계는 완전 자동화하고 3단계는 사람이 개입하며, 위험이 높거나 가치가 낮은 1단계는 사람이 맡는 식으로 경계를 나눠야 한다. [06:43]

4. 기존 기록 시스템 위에 올리는 에이전트

• 대기업은 NetSuite·Dynamics·SAP·Salesforce 같은 기록 시스템에 묶여 있어 이들과 분리된 AI 솔루션은 실제 기업 환경과 충돌한다. [07:23]
• 한 고객사는 NetSuite 이전에 5년과 500만 달러를 투입했기 때문에 새로운 AI 도구를 위해 다시 시스템을 옮길 유인이 없었다. [07:34]
• Varick OS는 별도의 시스템 이전 없이 기존 기록 시스템 위에서 에이전트 생성·모니터링·거버넌스를 지원한다. [08:05]

5. 희소한 FDE 역량을 확장하는 보조 에이전트

• 2026년 이후 FDE 수요는 커질 것으로 보지만 높은 AI 기술력과 지적·정서적 소통 능력을 함께 갖춘 인재는 찾기 어렵다. [09:08]
• FDE 에이전트는 한 명의 엔지니어나 전략가가 여러 고객, 24시간 들어오는 요청, 수백 쪽의 문서를 함께 관리하도록 지원한다. [09:38]
• AP·AR·정산·FP&A 담당자가 서로 다른 우선순위를 요구해도 50명을 추가 채용하지 않고 고객별 맥락과 대면 지원을 유지하는 것이 목표다. [09:59]

6. 업무 설계 병목과 부서 단위 ROI

• 2024년 무렵까지는 실행 자체가 병목이었지만 현재의 모델 지능과 통합 하네스는 지식 업무 실행을 거의 해결한 수준에 도달했다는 판단이다. [10:31]
• 다음 병목은 고객 업무를 파악하고 자동화와 사람의 역할을 결정한 뒤 그 구조를 견고하고 확장 가능한 플랫폼에 구현하는 일이다. [10:50]
• 영업 탐색이나 매입채무 한 부분만 바꾸면 ROI가 5~10%에 머물 수 있지만 부서 전체를 전환하면 25~75%의 성과와 매출·비용·위험 개선을 함께 노릴 수 있다고 보여준다. [11:30]

7. 문서 과부하를 줄이는 인게이지먼트 에이전트

• FDE 팀은 고객의 24시간 이메일에 대응하며 수면 부족과 스트레스를 겪는 반면 플랫폼 팀은 Codex와 Claude의 생산성 혜택을 누리고 있었다. [12:23]
• 약 150쪽의 문서를 Claude에 올리고 2분을 기다린 뒤 장황하고 부정확한 분석을 받는 기존 방식은 시간과 정확도 모두에서 문제가 있었다. [12:39]
• 인게이지먼트 에이전트는 회의 노트·문서·프레젠테이션을 통합하고 프로세스 책임자나 서로 다르게 표기된 인물의 동일인 여부 같은 반복 질문에 즉시 답한다. [13:21]

8. 워크플로 동반자에서 자율 변경까지

• 워크플로 에이전트는 FDE가 업무 흐름을 만들 때 누락된 예외와 프로세스 소유자를 찾아 잘못된 이메일 전달 같은 오류를 방지한다. [13:52]
• Claude나 Codex와 나란히 작동하면서 새 워크플로가 고객의 실제 업무 절차를 정확히 반영하는지 지속적으로 점검한다. [14:19]
• 개발 중인 최종 단계는 고객의 변경 요청과 기업 맥락을 해석해 워크플로를 자율 수정하고 FDE의 시간을 고객 인터뷰와 고부가가치 업무로 돌리는 것이다. [14:55]

9. 의존성 그래프와 자체 모델을 결합한 컨텍스트 처리

• 승인과 선행 조건으로 움직이는 기업 워크플로의 단일 진실 공급원에는 사람과 업무의 선후관계를 표현하는 의존성 그래프가 적합하다. [15:49]
• Claude 같은 프런티어 모델은 분석이 지나치게 길고 중요한 세부사항을 구별하지 못할 수 있어 오픈소스 모델을 후처리 학습해 상세함과 명료함의 균형을 맞춘다. [16:40]
• 대규모 지식 그래프의 동명이인 판별, 중복 순환, DAG 위반을 탐지하고 맞춤형 도구를 사용하는 강화학습 환경으로 맥락 추출 능력을 훈련한다. [17:52]

10. 자율 업무 관리와 현장 중심 도입 전략

• 다음 단계의 자율 에이전트는 FDE가 시간을 소비하던 소규모 업무 관리까지 맡아 사람이 복잡한 문제 해결과 고객 대응에 집중하도록 한다. [18:14]
• 제품만으로는 실제 운영 문제를 해결할 수 없으므로 모든 프로젝트를 FDE와 전략가가 기업 내부를 조사하는 감사로 시작하고 그 이해를 바탕으로 에이전트를 구현한다. [19:03]
• 가장 큰 병목은 화려한 기술이 아니라 기업을 안에서부터 이해하는 포워드 디플로이드 과정이며, 프런티어 모델을 무작정 덧붙이면 운영 환경에서 실패할 위험이 크다고 결론짓는다. [19:44]

🧾 결론

• 기업용 AI의 실질적 제약은 모델의 실행 능력보다 조직 내부의 암묵적 맥락과 예외 경로를 정확히 추출하는 능력에 가깝다.
• FDE 에이전트는 포워드 디플로이드 엔지니어를 대체하기보다 문서 처리와 소규모 업무 관리를 흡수해 한 사람이 더 많은 고객을 지원하도록 만드는 증폭 장치다.
• 도입 성패는 기존 기록 시스템과의 연결, 사람과 에이전트의 명확한 역할 분담, 변경 과정에 대한 모니터링과 거버넌스에 달려 있다.
• 워크플로 자율 변경은 아직 개발 중이므로 현재 가치와 장기 비전을 구분해 평가해야 한다.

📈 투자·시사 포인트

• 단일 업무만 자동화하는 제품보다 부서 전체의 정상 경로와 예외를 재설계할 수 있는 플랫폼이 더 큰 ROI를 제시할 가능성이 있다는 주장에 주목필요가 있다.
• 기존 기록 시스템을 교체하지 않고 그 위에 배치되는 통합 방식은 고객의 이전 비용과 도입 저항을 줄이는 중요한 제품 조건이 될 수 있다.
• FDE 인재의 희소성이 지속된다면 고객 맥락 관리, 워크플로 검증, 에이전트 거버넌스를 지원하는 보조 도구의 수요가 커질 수 있다.
• 투자 판단에서는 에이전트 수나 모델 성능보다 실제 운영 전환율, 부서 단위 ROI, 예외 처리 정확도, FDE 한 명당 고객 수의 개선을 확인해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 생성형 AI 파일럿의 95%가 운영 환경에 도달하지 못하고 87%가 측정 가능한 ROI를 만들지 못했다는 수치는 조사명, 표본, 측정 기간과 실패 기준이 제시되지 않아 원자료 확인이 필요하다.
• 부분 자동화의 ROI가 5~10%, 부서 전체 전환의 성과가 25~75%라는 범위도 고객 수, 계산 방식, 비용 포함 범위가 공개되지 않았다.
• Varick OS, 인게이지먼트 에이전트, 워크플로 에이전트의 효과는 발표자의 설명을 중심으로 제시됐으며 정확도·처리 시간·실제 고객 성과에 관한 비교 지표는 제공되지 않았다.
• 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

• 한 부서를 선정해 정상 경로, 예외 상황, 담당자, 인계 방식, 승인 조건과 기존 기록 시스템을 하나의 업무 지도로 정리한다.
• 각 업무 단계를 완전 자동화, 사람 승인 후 실행, 사람 전담으로 분류하고 위험도와 에이전트 가치에 따라 경계를 설정한다.
• 도입 전에 처리 시간, 오류율, 비용, 매출 영향, 위험 완화와 FDE 한 명당 고객 수를 기준선으로 기록한다.
• 기존 기록 시스템을 유지한 채 작은 워크플로부터 연결하고, 예외 누락과 잘못된 담당자 전달을 집중적으로 검증한다.

❓ 열린 질문

• 의존성 그래프는 조직 개편, 담당자 변경, 중복 인물과 순환 의존성이 발생할 때 어떤 방식으로 최신성과 무결성을 유지하는가?
• 후처리 학습한 오픈소스 모델은 Claude 같은 프런티어 모델보다 어떤 평가 기준에서 더 명료하고 정확한 결과를 내는가?
• 워크플로 자율 수정이 운영 환경에 적용될 때 변경 권한과 최종 책임은 FDE, 고객 담당자, 에이전트 중 누구에게 귀속되는가?