에이전틱 AI는 GBS를 어떻게 바꿀까: 현실 점검과 단계별 전략

에이전틱 AI와 GBS: 현실 진단

신기술의 도입 속도는 종종 담론을 따라가지 못한다. 2025년이 ‘에이전틱 AI의 해’로 불렸지만 실제로는 대규모 확산이 이뤄지지 않았다. 2025년 2월 SSON 서밋 조사에서도 GBS 조직의 65%가 아직 생성형 AI(GenAI) 프로젝트를 완료하지 못했다고 답했다. 이는 기업, 특히 GBS에서의 도입이 이제 막 초기 단계를 지나고 있음을 보여준다.

왜 지금 GBS에서 주목해야 하나

에이전틱 AI는 과도한 홍보를 걷어내면 소프트웨어 워크플로의 오케스트레이션 계층을 현실적으로 강화하는 기술이다. LLM을 포함하되 필수로 요구하지 않으며, 기존 IT 운영과 고객지원 에이전트 같은 GBS·GCC 핵심 기능과 자연스럽게 접속한다. 이미 백오피스에서 전략 파트너로 변모 중인 GBS에 적합한 다음 단계다.

GBS에서의 에이전틱 AI 도입 5단계

에이전틱 AI를 서두르기보다 체계적으로 준비·실험·확장하는 접근이 성과로 이어진다. 다음 다섯 단계는 GenAI, 예측 AI, 문서 AI와의 ‘스택형’ 결합을 전제로, 파일럿에서 엔터프라이즈 스케일로 가는 경로를 제시한다.

1) 프로세스 파악: 운영 실태를 정밀 진단

글로벌 운송물류 기업의 사례처럼, 7개 GBS 센터에서 수천 명이 80개 이상의 복잡하고 수작업이 많은 프로세스를 지역별로 다르게 수행할 수 있다. 현행 프로세스·워크플로를 정확히 이해해야만 재설계나 재구성이 가능하다.

2) 데이터 파악: 흐름·파이프라인·거버넌스

엔드투엔드 데이터 흐름, 파이프라인 구조, 핵심 API, 정형/비정형 데이터 구성, 시스템 오브 레코드(데이터 플랫폼)와 벡터 DB(컨텍스트 엔진)의 존재 여부를 점검한다. 에이전틱 AI가 합리적 결정을 내리려면 적절한 데이터 거버넌스와 보안 체계가 필수이며, 도입 후의 변화까지 시나리오로 검토해야 한다.

3) 문제 정의: 비용·SLA·경험·리스크를 명시

앞선 운송기업의 경우 복잡성·변동성·수작업 때문에 비용이 커지고 SLA 준수, 고객 경험, 컴플라이언스·법적 리스크가 악화됐다. 문제를 명확히 이름 붙이면 구체적 목적을 가진 유스케이스로 전환된다.

4) 운영모델 파일럿: COE·시민개발·BOTT

센터 오브 엑설런스(COE)로 역량을 집약하거나, 시민개발로 민주화하거나, Build-Operate-Transform-Transfer(BOTT) 같은 파트너 모델을 선택할 수 있다. 구조가 불명확하면 유망한 파일럿도 도메인 밖으로 확장되기 어렵다. 에이전틱 AI는 다중 에이전트의 협조가 일반적이지만, 환경·복잡도·리스크·거버넌스의 제약을 반드시 반영해야 한다.

5) 스케일업: 파일럿을 기업 전반으로 확장

호주 다국적 은행은 자동화 COE로 비핵심 업무를 자동화한 뒤, 복잡한 워크플로 개선이 필요하다는 결론을 내렸다. 이에 ‘오버 더 톱’ 플랫폼을 채택해 14개월간 100건이 넘는 디스커버리 프로젝트를 수행했고, 파일럿이 엔터프라이즈급 이니셔티브로 성장했다.

엔터프라이즈 스케일에서의 모습

한 글로벌 운송사의 7개 GBS 센터는 데이터 파이프라인 구축, 복잡 문서 디지털화, 국가별 예외에 대한 규칙 기반 추론, 팀 간 업무 오케스트레이션을 수행하는 기반을 마련했다. 그 결과 약 16개 이니셔티브에서 ‘AI 퍼스트’ 전환, 자동화의 기하급수적 성장, 뚜렷한 효율 개선이 뒤따랐다. 에이전틱 AI가 오케스트레이션 계층에서 맥락 인지, 도메인 간 협업, 거버넌스 정렬 하의 자율 실행을 가능하게 하면서, 사람과 AI 모두의 운영을 가속한다.

실제 적용 예시

조달 프로세스 고도화 체크리스트

문서 AI가 발주서 데이터를 추출해 수작업 점검을 줄이는 한편, 에이전틱 AI 에이전트는 공급업체 리스크 평가, 컴플라이언스 기준 교차 검증, 예산 가용성 확인, 초기 협상 개시까지 자동화하고, 규제 보고를 위한 감사 로그를 남긴다.

금융 자문 업무의 단계별 활용

예측 AI가 시장 트렌드를 분석하면, 에이전틱 AI 에이전트가 사업부별 전략 투자 검토를 지원해 의사결정을 더 빠르고 일관되게 대규모로 확장한다. 인간의 판단을 대체하지 않고 보강해 품질과 속도를 높이는 것이 핵심이다.

독립형 자동화에서 에이전틱 생태계로

GBS는 여러 사업부를 가로지르는 프로세스와 데이터를 한데 모으는 허브다. 이 중앙 관점은 에이전트들이 고립된 작업이 아니라 상호 학습·통찰 공유·협업을 통해 기업 차원의 최적화를 이루는 ‘에이전틱 생태계’를 여는 출발점이 된다. GBS·GCC에 배치된 에이전트들은 점증적 자동화를 뛰어넘어 엔드투엔드 프로세스 오케스트레이션 수준으로 운영 고도화를 달성할 수 있다.

GBS 리더를 위한 실행 포인트

GenAI·예측 AI·문서 AI와의 스택 결합을 전제로, 프로세스/데이터 진단과 거버넌스 설계를 선행하고, 명확한 운영모델 아래 엄격한 파일럿을 거쳐 점진적으로 확장하라. 이렇게 하면 에이전틱 AI의 잠재력을 리스크 통제와 함께 기업 전반의 성과로 전환할 수 있다.