2026년 8월 5일, CAT.AI 주최의 미디어 대상 워크숍이 개최되었다. 주제는 “AI 에이전트 시대, 기업 경쟁력을 좌우하는 AI 구현 방식”이다. 워크숍에서는 AI 활용의 경쟁 기준이 “모델 선정”에서 “기업의 지식과 가치관을 AI에 구현하는 것”으로 이동하고 있음을 시사했다. 동사는 2026년 4월에 株式会社トゥモロー・ネット에서 분사된 AI 솔루션 기업이다. 발표에는 NTT 그룹 및 LINE에서 AI 사업의 기획 및 개발, 신규 사업 창업에 참여해 온 CAT.AI 이사, 사업 디자인 본부장 熊谷彰斉(Kumagai Chako) 氏가 참여했다. 본 기사는 熊谷 氏가 언급한 AI 에이전트 시대의 기업 경쟁력에 대한 관점, “지식 구현”의 중요성, 일본판 FDE의 필요성, 기업이 고려해야 할 사항에 대한 워크숍 내용을 종합적으로 보도한다. ## 기업 경쟁력을 결정하는 것은 모델의 성능 차이가 아닌 “지식 구현” “지금까지는 ‘어떤 모델을 선택할 것인가’, ‘어떤 도구를 도입할 것인가’와 같은 AI 도입의 속도와 기술 수준이 경쟁 대상이었지만, 앞으로의 경쟁 기준은 기업 데이터를 AI에 통합하는 ‘지식 구현’의 속도와 깊이이다.” 熊谷 氏は、基盤 모델의 성능 차이가 줄어드는 현재, 경쟁력을 좌우하는 것은 인프라나 모델 자체가 아니라, 기업의 지식을 축적한 지식층과, 이를 활용하는 AI 에이전트의 구현이라고 설명했다. 한편으로, 지식 구현만으로는 충분하지 않다고 강조했다. 다음 경쟁 기준이 될 것은 조직이나 부서가 보유한 ‘사회성·가치관’을 AI에 어떻게 구현하는가이다. 그 배경으로 熊谷氏가 언급한 것이 2022년에 등장한 InstructGPT이다. “2020년에 등장한 GPT-3는 압도적인 지식량과 추론 능력을 가지고 있었지만, 지시를 무시하거나 분위기를 파악하지 못하는 등 ‘똑똑하지만 사용하기 불편한 연구 모델’이었습니다. 그것을 ‘똑똑함보다 가치관을 맞추는 방향’으로 180도 전환한 것이 InstructGPT입니다.” InstructGPT에 의해 인간이 원하는 행동을 학습시키는 접근 방식이 확립되었고, 그 흐름이 ChatGPT의 실용화로 이어졌다. 이 관점은 기업용 AI에도 적용될 수 있다고 熊谷氏は語る. “사내 AI 에이전트의 구축에서도, 단순히 사내 데이터를 검색(RAG)시키는 것뿐만 아니라, 기업이나 부서가 보유한 고유한 문화, 평가 기준, 사고 프로세스 등 ‘사회성·가치관’을 연계(alignment)시키는 것이 경쟁력의 원천이 됩니다.” 그러나, 사회성을 학습한 AI는 사용자에게 맞춰 응답을 우선하는 탓에, 불都合한 사실을 전달하기 어려워지는 위험도 있다. 熊谷氏は、「편안함이 아닌, 정확하게 전달될 수 있도록 설계하는 것이 중요합니다”라고 주의를 촉구했다. ## AI 구현의 관성은 어떻게 변화하는가? “범용”에서 “부서 특화”, “자율 운영”으로 다음으로, 熊谷氏は AI 에이전트의 확산으로 기업에서 AI 구현의 관성이 완전히 변화하고 있음을 설명했다. 첫째 挙げたのが、汎用型AIから“부서 특화 AI”への転換だ。 영업, 고객 지원, 회계, 법무 등 부서별로 역할을 분담하고, 다루는 데이터와 업무 규칙을 구분한 AI 에이전트를 배치함으로써, 더 높은 정확성과 실용성이 기대될 수 있다는 것이다. 둘째 挙げたのが、“사용”から“협동·자율 운영”への変化である。 기존처럼 사람이 하나하나 승인하는 대신, 목표, 임계값, 예외 조건 등을 미리 정의하고, 그 범위 내에서 AI가 자율적으로 작업을 실행하고 평가하는 “루프형” 운영이 확산될 것이라고 전망했다. 더욱이, 熊谷氏(Kumagai-shi)는 AI 도입 방식 자체도 변화할 것이라고 언급했다. 기존처럼 요구사항 정의, 제안서 작성, PoC(Proof of Concept)를 거쳐 개발하는 방식이 아닌, 현장에서 바로 프로토타입(prototype)을 구축하고 현장에서 개선을 반복하는 개발 스타일이 주류로 자리 잡을 것이라고 밝혔다. 그 예로 소개된 사례는 AI를 활용한 사업 계승의 사례였다. 熊谷氏は、知人が亡き父의 설계事務所の見積書(smetsu-sho)와 設計書(seisaku-sho)를 Claude Code에 取り込み(torikomi), 設計思想(seisaku-shisou)와 見積もりロジック(mitsumori-rojikku)을 継承(kiso)함으로써 사업을 계속할 수 있게 된 사례를 소개했다. “기업에서는 의사결정의 복잡성이 장벽이 되지만, 업무와 프로세스를 단순하게 재해석하면 비슷한 변화를 일으킬 수 있을 것이다”라고 강조했다. ## 일본판 “FDE”의 필요성은? 3장에서는 AI 에이전트 시대에 주목받는 FDE(Forward Deployed Engineer)에 대해 설명되었다. 熊谷氏は、AI 도입이 PoC 단계에서 멈춰 버리는 배경으로, 자사 데이터를 AI에 연결하는 어려움과 현장 업무를 이해한上でシステム(shisutemu)에 落とし込(otoshi-komi)을 수 있는 인력 부족을 지적했다. 그러면서 고객 기업의 현장에 들어가 업무 이해부터 구현까지 동행하는 FDE의 중요성이 높아지고 있다고 설명했다. 더불어 일본 기업 특유의 환경에 적응한 “일본판 FDE”의 필요성도 언급했다. “일본 기업에서는 업무가 속독적으로 되어 있거나, 암묵지(amukji)로서 축적되어 있는 경우가 많다. 따라서 코드를 작성할 뿐이 아닌, 현장에 들어가 맥락을 이해한うえで 요구사항을 찾아내는 능력이 필요하다.” 일본판 FDE에 요구되는 역할은 크게 4가지이다. 업무 이해(Business Reader): 현장의 의사결정 로직(rojikku)을 読み解(yomigari) 데이터 설계(Knowledge Architect): 흩어져 있는 사내 지식을 구조화(koshuusei)하고 RAG(Retrieval-Augmented Generation)화(RAG-hwa) 구현력(Builder): 현장에서 “動くもの(udogu mono)”를 보여주는 기술력 동행력(Trusted Partner): 품의(pumi)와 현장 조정(hyeonjang chodong)에 동행하며 의사결정의 지연을 돌파(donpa) 熊谷氏は、FDE의 가치를 보여주는 예로, 같은 사내 데이터를 渡(wota)해도 경험이 浅(asa)은 FDE는 일반적인 챗봇(chatbot)을 만드는 한편, 뛰어난 FDE는 기업의 배경을 감안하여 대시보드(dashboard)와 분석 기능(bunseki kinsyu)까지 갖춘 시스템을 단시간에 구축하는 사례를 소개했다. 동氏(toushi)によると、뛰어난 FDE는 기업명(kigyōmei)과 사업 내용(sayaku 내용)으로부터 필요한 정보를 추측(chusak)하고, 이용자가 요구(yougo)할であろう 분석 기능과 대시보드, 참조(sanchyo)원 정보의 표시(tsihi) 등을 미리 組み込む(mukigomu)다고 한다. “고객에게 말하든 말든 ‘이런 정보가 있었다 бы(bayo)면 좋겠어요’라는 형태로 제안(jehan)할 수 있다. 그런 사람은 데이터가 준비(junbi)되어 있으면 수일(suil)에서 수주(suju) 내에 움직이는 것을 만들 수 있다.” ## 기업이 직면(jikmen)하는 과제와 경영(gyōei)이 취지(chiji)하는 5가지 액션 최종 장(chojeong jang)에서는 AI 에이전트를 기업 활동(kyosha kyoho)에 組み込む(mukigo)ために 경영(gyōei)이 취지(chiji)하는 포인트(pointu)가 정리(jeongri)되었다. 熊谷氏は、AI 에이전트 시대의 과제(gaeje)로, 주로 “비용 통제(byong-u tongcheo)”, “보안(bosan)”, “인력(inreok) 및 조직 설계(johsei sekkei)”의 3점을 挙げ(gye)었다. 특히 AI 에이전트는 인간의 승인(sungin)을 거치지 않고 일정 범위(seiting wabei)에서 자율적으로 움직이는 것으로 큰 가치(gachi)를 창출(changcheul)하는 한편, 이용량(yuyong-yangg)이 늘어날수록 토큰(token) 비용(byong-u)의 관리가 중요(jungho)해진다. “토큰 비용(token byong-u)은 시스템 유지비(shisutemu yuyubi-bi)가 아닌 ‘뛰어난 アシスタント(ashisutanto)의 인건비(ingon-bi)로서 생각 AI 에이전트 인터페이스 개발 플랫폼 도입 일본판 FDE 채택 및 내수 AI 인재 육성 토큰 비용을 “인건비”로 인식하는 비용 관리 비용 억제와 보안을 동시에 달성하는 “AI 온프레미스화” 회사 전체의 “AI 지도자(오케스트레이터)” 배치 또한 쿠마구치 박사는 2020년 코로나19 팬데믹 초기에 LINE이 복지부와 협력하여 실시한 전국 규모의 건강 조사를 예로 들어 AI 에이전트의 정체성에 대해 설명했다. 당시, LINE라는 디지털 기반이 국민으로부터 실시간으로 정보를 수집하고 사회 전체의 상황 파악에 활용되었다. 이 메커니즘을 기업 내에 적용하면, AI 에이전트는 조직의 상태를 파악하는 “신경계”와 같은 역할을 수행한다는 것이다. “AI 에이전트는 사실 회사 안의 신경계로서 존재하는 것이 이상적이라고 생각합니다. 다양한 데이터를 즉시 가지고 와서, 기업 안의 건강 검진이 항상 이루어지도록 하는 상태가 되는 거죠.” 이번 워크숍을 통해 제시된 것은 기업에서 AI 활용의 경쟁 기준이 “어떤 모델이나 도구를 선택할 것인가”에서 “자사 고유의 지식과 맥락을 AI에 구현하고 가치를 연결하는 것인가”로 이동하고 있는 점이다. 주식회사 CAT.AI는 AI 지도자 배치, AI 에이전트 개발 플랫폼, 일본판 FDE를 통한 동행 지원, 온프레미스 AI 등을 통해 기업이 AI를 구현하고 운영하는 데 필요한 지원을 제공할 자세를 보였다. 생성 AI의 성과를 단순한 “효율화”로 국한하지 않고 “기업 경쟁력”으로 전환하기 위해서는 경영진이 주도하여 AI 활용에 필요한 조직 체계 구축, 비용 관리, 거버넌스 설계에 참여하고 AI를 기업 활동의 기반으로 통합하는 것이 중요하다. AI-BPO로 업무를 자동화하고 전체 최적화를 달성하는 CX 플랫폼 | CAT.AI 원문 보기 | 출처: Ledge.ai