AI 도입에서 성과를 내는 기업과 그렇지 못한 기업의 차이는 ‘에이전트형 사고(agentic thinking)’에 있다. 미국 직장인의 40%가 AI를 업무에 쓰지만(2025년 Anthropic Economic Index), 단순 도구 수준에 머무는 경우가 많다. 선도 기업은 AI 에이전트를 업무 방식·프로세스·제품에 구조적으로 내재화한다.

에이전트형 사고의 분기점 (Agentic Thinking Divide)

일반적인 AI 활용은 “이 보고서 요약해줘”처럼 단발적인 요청에 그친다. 에이전트형 사고는 다르다.

• 기존 방식: AI를 도구로 사용. 인간이 작업을 분해하고 결과를 조합
• 에이전트형 방식: AI 에이전트에게 목표를 주고 멀티스텝 작업을 위임. 인간은 결정과 감독에 집중

에이전트형 방식으로 전환한 팀은 AI 활용이 복리로 누적된다. 에이전트가 기관 지식을 학습하고, 반복 작업을 자동화하고, 새 팀원이 빠르게 온보딩할 수 있게 된다.

3가지 전환 기둥

1. 인력 강화: 조직 지식을 반영한 AI 교육

조직에 특화된 AI를 직원에게 제공한다. 일반 챗봇이 아니라, 회사의 프로세스·정책·용어를 아는 에이전트가 되어야 한다.

• L’Oreal: 마케팅 팀에 브랜드 가이드라인과 캠페인 데이터를 학습한 에이전트를 배포. 콘텐츠 제작 시간을 단축하면서 브랜드 일관성 유지
• 인간 전문성을 대체하는 것이 아니라, 정보 집약적 작업의 처리 속도를 높이면서 사람의 판단은 유지

2. 프로세스 압축: 인간 판단을 유지하면서 정보 처리 가속

여러 시스템의 데이터를 교차 분석하는 작업을 에이전트에게 위임한다. 인간은 결정만 내린다.

• Lyft: 운전자 지원 케이스를 처리하는 에이전트가 복수의 시스템을 쿼리해 맥락을 수집하고 담당자에게 요약 제공. 처리 시간 단축 + 담당자는 결정과 공감에 집중
• Rakuten: 상품 데이터 처리 파이프라인에 에이전트 통합. 이전에는 수동이었던 분류·보강 작업을 자동화

3. 신제품·기능 개발: 비용 절감이 아닌 수익 창출

에이전트를 내부 효율화에만 쓰지 않고 고객을 위한 새로운 제품 기능으로 확장한다.

• AI 에이전트가 고객 인터랙션에 직접 참여하는 기능 개발
• 인간 팀으로는 불가능했던 개인화·규모화 달성

6개월 배포 프레임워크

엔터프라이즈 AI 에이전트를 처음 도입하는 팀을 위한 단계별 가이드.

실패를 피하는 원칙

• 에이전트에게 맥락을 줘라: 회사 지식 없는 범용 AI는 효과가 제한적이다. 에이전트가 조직의 프로세스와 정책을 알아야 한다.
• 인간 판단 루프를 유지하라: 고위험·고복잡도 결정은 에이전트가 준비하고 인간이 결정하는 구조를 유지한다.
• 점진적으로 신뢰를 쌓아라: 작고 반복적인 태스크부터 위임하고, 성과를 확인하면서 범위를 넓혀간다.
• 인프라를 공유하라: 각 팀이 에이전트를 독자적으로 구성하면 가이드라인 업데이트가 어렵다. 공유 에이전트 인프라로 거버넌스를 일원화한다.

관련 도구

Claude Cowork는 기업 팀이 커스텀 개발 없이 위의 패턴을 구현할 수 있게 하는 Anthropic의 엔터프라이즈 AI 플랫폼이다.

관련 문서

• agent-governance — 에이전트 거버넌스 정책과 접근 제어 설계
• agentops — AI 에이전트 프로덕션 운영의 관찰·제어 방법론
• aiops — AI 시스템 전반의 운영 방법론
• claude-agent-sdk — Claude Agent SDK로 프로덕션 에이전트 구성하기

참고 자료

• Building AI agents for the enterprise — Claude Blog (2026-04-30)