Gartner预测：2028年过半企业将从辅助AI转向结果导向AI工作流

배경

가트너(Gartner)가 최근 발표한 예측 데이터는 기업급 인공지능의 진화 방향에 있어 중대한 전환점을 시사합니다. 2028년까지 기업 절반 이상이 현재 주류인 코파일럿(Copilot) 및 스마트 어드바이저와 같은 보조형 AI 패턴을 공식적으로 접고, 결과 지향형 AI 워크플랫폼으로 완전히 전환할 것이라는 전망입니다. 이 예측의 핵심은 기업들이 AI에 대해 가지는 기대치가 근본적으로 이동하고 있다는 점입니다. 과거 몇 년간 기업들은 AI를 인간 직원의 효율성을 높이는 도구로 인식했으며, 자연어 상호작용을 통해 코드를 생성하거나 문서를 작성하는 데 그쳤습니다. 그러나 대형 언어 모델(LLM)의 능력이 지수함수적으로 성장하고 디지털화 과정이 심화됨에 따라, 이러한 '보조' 모델은 효율성의 병목 현상을 드러내기 시작했습니다.

기업들은 단순히 조언을 받는 것이 곧바로 비즈니스 가치로 이어지지 않는다는 사실을 깨달았습니다. 진정한 과제는 AI 능력을 기존 ERP, CRM, 공급망 관리 등 핵심 비즈니스 시스템에 매끄럽게 통합하여, AI가 상태를 자동으로 인지하고 판단하며 구체적인 작업을 실행하여 정량화 가능한 결과를 도출하는 데 있습니다. 예를 들어, AI가 단순히 공급망 리스크 보고서를 생성하는 것을 넘어, 자동으로 구매 주문을 조정하거나 물류 경로를 재계획하는 행위입니다. 이는 AI가 '수동적인 도구'에서 '능동적인 비즈니스 참여자'로 진화함을 의미하며, 그 권한 범위와 책임 한계, 그리고 인간 직원과의 협업 양상이 재구성되어야 함을 시사합니다.

심층 분석

기술적 및 비즈니스 아키텍처의 심층 분석에서 볼 때, 이 전환은 AI 응용 패러다임의 하부 논리 변화를 수반합니다. 보조형 AI는 주로 프롬프트 엔지니어링과 컨텍스트 윈도우 기술에 의존하여 높은 불확실성을 가지며, 금융이나 의료와 같은 고위험 산업에서는 인간의 검증과 수정이 필수적이어서 대규모 확산에 한계가 있었습니다. 반면, 결과 지향형 AI 워크플로는 계획, 기억, 도구 호출, 반성 메커니즘을 포함한 복잡한 에이전트(Agent) 아키텍처에 기반합니다. 이러한 시스템은 비즈니스 규칙 이해, 다단계 작업 분해, 실행 결과의 자체 오류 수정 능력을必须具备합니다.

비즈니스 모델 측면에서 이는 소프트웨어 공급자의 가치 제안이 '인당 구독'에서 '결과 기반 지불' 또는 '비용 절감 분배'로 이동함을 의미합니다. 기업은 AI의 '지성'이 아닌 AI가 가져오는 '효율 향상'이나 '비용 절감'에 대해 지불합니다. 이는 AI 시스템이极高的인 신뢰성, 설명 가능성, 보안성을 갖추어야 함을 요구합니다. AI가 자율적으로 잘못된 작업을 실행할 경우 직접적인 재무 손실이나 규정 준수 리스크로 이어질 수 있기 때문입니다. 따라서 기업은 워크플로우 오케스트레이션 엔진, 권한 격리 메커니즘, 감사 추적 시스템, 그리고 인간 개입 인터페이스를 포함한 새로운 기술 스택을 구축해야 합니다. 또한, 결과 지향형 AI는 고품질이고 실시간이며 구조화된 데이터를 필요로 하므로 데이터 거버넌스의 중요성이 그 어느 때보다 커집니다.

산업 영향

이 트렌드는 전체 산업 구조에 깊은 영향을 미치며 관련 기업들의 경쟁 구도를 재편할 것입니다. 세일즈포스(Salesforce), SAP, 오라클(Oracle)과 같은 전통적인 소프트웨어 거대 기업들은 단순한 기능 강화로는 경쟁 우위를 유지할 수 없으며, AI 능력을 핵심 비즈니스 로직에 깊이 통합하여 엔드투엔드 자동화 솔루션을 제공해야 합니다. 독립적인 챗봇 인터페이스만 제공하는 스타트업들은 AI가 직접 비즈니스 결과를 주도한다는 것을 증명하지 못할 경우 거대한 시장 퇴출 압력을 받게 될 것입니다.

또한, 자율 실행 워크플로우가 계산 지연 시간과 병렬 처리 능력에 더 높은 요구사항을 부과함에 따라, 기업들의 클라우드 인프라 및 전용 AI 칩에 대한 수요는 더욱 가중될 것입니다. 사용자 관점에서는 기업 직원의 업무 성질이 현저히 변화합니다. 반복적이고 규칙이 명확한 작업은 AI가 완전히 인수하게 되며, 인간 직원은 예외 상황 처리, 복잡한 의사결정, AI 시스템의 감독 및 유지보수에 더 많은 시간을 할애하게 됩니다. 이는 기업들이 직원들의 기술 구조 요구를 '작업 기술'에서 '판단력'과 'AI 협업 능력'으로 전환해야 함을 의미합니다. 또한, 노조와 인사 부서는 AI 자율 실행으로 인한 고용 구조 변화에 대응하여 직무 책임을 재정의해야 할 것입니다.

전망

미래를 전망할 때, 기업들은 이 전환에 대응하기 위해 몇 가지 핵심 신호에 주목해야 합니다. 첫째는 'AI 거버넌스' 프레임워크의 구축입니다. 여기에는 AI의 자율 권한 경계 정의, 인간 개입 임계값 설정, 그리고 AI 의사결정의 감사 추적 메커니즘 구축이 포함됩니다. 둘째는 기술 선정의 변화입니다. 기업들은 개별 모델의 성능 평가에서 전체 워크플로우 플랫폼의 안정성, 확장성, 통합 능력 평가로 초점을 옮겨야 합니다. 셋째, 투자수익률(ROI) 계산 방식의 혁신입니다. 기업은 작업 완료율, 오류율 감소 폭, 인력 절감 시간 등 AI 워크플로우가 가져오는 실제 비즈니스 가치를 측정하기 위한 새로운 지표 체계를 수립해야 합니다.

가트너의 예측이 2028년까지 절반 이상의 기업이 전환을 완료할 것이라고 전망하지만, 현재 미국 기업의 60%가 여전히 AI 초기 실험 단계에 머물러 있다는 점은 주목할 만합니다. 이는 '보조'에서 '자율'로의 도약이 단기간에 이루어지지 않으며, 장기간의 시범 운영, 검증, 최적화 과정을 거친다는 것을 나타냅니다. 기업들은 무분별한 추종보다는 자체 비즈니스 페인 포인트, 데이터 성숙도, 기술 역량을 바탕으로 단계별 AI 진화 로드맵을 수립해야 합니다. 최종적으로 이 변화는 단순한 기술 업그레이드가 아니라, 기업의 관리 철학, 조직 구조, 비즈니스 모델의 전면적인 재구성을 의미하며, 기업은 이에 능동적으로 적응하여 미래의 스마트 비즈니스 경쟁에서 유리한 지위를 점해야 할 것입니다.