관찰 기간: 베이징 시간 2026년 10월 22일 09:00부터 10월 29일 09:00까지. 이번 기간에 공식 공개된 배포 계획, 경영 현황 공시, 연구 및 제품 진전만 새로운 소식으로 다룬다. 이전부터 운영 중이던 고객 사례를 언급할 때는 배경 정보임을 명시하며, 새로 발표된 사례처럼 다시 소개하지 않는다.
들어가며
기업 AI는 더 어렵지만 더 큰 가치를 창출하는 단계에 접어들었다. ‘글을 쓰고 답하는’ 수준을 넘어 ‘조직의 업무 프로세스에 실제로 연결되는’ 단계로 나아가고 있다. 이번 주 Uber는 1,000명 규모의 시범 도입을 3만여 명을 대상으로 하는 ChatGPT Work 전사 배포로 확대한다고 발표했다. ServiceNow는 프로덕션 환경에서의 에이전트 사용량이 전년 동기 대비 어떻게 변했는지 공개했고, SAP는 재무 및 구매 업무에서의 고객 활용 사례를 소개했다. 한편 기업들의 자체 보고를 기반으로 한 조사에서는 에이전트로 인한 예상치 못한 비용과 거버넌스 문제가 드러났다. Google, IBM, Akamai는 각각 실행 격리, ID 자격 증명, 권한 통제 측면에서 기술적 기반을 보강했다.[1][2][3][4][6][7][8]
두 가지 수치의 착시를 경계해야 한다. 계정 개설이 직원의 지속적인 사용을 뜻하는 것은 아니며, 공급업체가 공개한 절감 효과가 독립적으로 검증된 투자 수익률을 뜻하는 것도 아니다. 이 글에서는 ‘도입 확대 시작’, ‘실제 사용 중’, ‘프로덕션 환경 사용량’, ‘제품 베타 버전’을 구분해 표시함으로써 성숙도가 서로 다른 진전을 한데 섞지 않는다.
주요 소식｜Uber, ChatGPT Work를 1,000명 시범 도입에서 직원 3만여 명으로 확대
Uber는 10월 22일 ChatGPT Work를 기업 지식 업무용 에이전트 플랫폼으로서 전 세계 직원 30,000명 이상에게 개방해, 기존 약 1,000명 규모의 시범 도입 범위를 확대한다고 공식 발표했다. 이는 단순히 채팅 창을 제공하는 것이 아니다. Uber의 설명에 따르면 이 플랫폼은 Google Drive, Gmail, Google Calendar, Slack 등 일상적으로 사용하는 도구와 연결되며, 직원은 여러 앱에 걸친 자료 수집, 회의 브리핑 준비, 프레젠테이션 정리, 데이터 분석을 요청할 수 있다. 소프트웨어 개발팀은 계속 Codex를 사용하며, 두 제품의 역할도 서로 다르다.[1]
이 배포 사례에서 기업이 가장 참고할 만한 부분은 조직 차원의 도입 확대 조건이다. Uber는 내부 AI Skills 라이브러리, 승인된 커넥터, 전용 직원 교육도 함께 언급했다. 이런 지원 체계가 없으면 같은 모델을 쓰더라도 부서마다 데이터 반출 경로, 공유 권한, 운영 지침이 달라질 수 있으며, 규모가 커질수록 감사가 어려워진다. 1,000명 규모의 시범 도입에서 전사 도입으로 확대했다는 것은 단순한 성능 테스트를 넘어 구매, 권한, 교육, 업무 협업 방식까지 프로젝트에 포함했음을 보여준다.[1]
다만 이 발표는 ‘3만 명이 이미 매일 활발히 사용하고 있다’고 보고한 것이 아니며, 평균 업무 시간 절감량, 재무적 이익, 1인당 호출 비용도 제시하지 않았다. Uber는 도입·활용 현황과 정량적 성과를 추후 공유하겠다고 밝혔다. 올바른 해석은 다음과 같다. 전사 출시 사실은 확인되지만, 광범위한 실제 사용과 실질적인 ROI는 아직 근거가 필요하다. 다른 기업은 등록 인원을 성공 지표로 삼기보다 업무 티켓 완료율, 여러 시스템에 걸친 작업의 정확도, 사람의 검토에 드는 시간, 권한 범위 초과 횟수, 작업별 총비용을 통해 확대 도입의 효과를 검증할 수 있다.[1]
주요 뉴스 1｜ServiceNow, 프로덕션 환경의 에이전트 사용량이 전년 대비 13배 이상 증가했다고 처음 공개
ServiceNow는 10월 28일 발표한 3분기 실적에서 자사 플랫폼 집계 기준으로 고객이 프로덕션 환경에서 에이전트를 사용한 연초 이후 누적 사용량이 전년 동기 대비 13배 이상 증가했다고 밝혔다. 이는 시연한 에이전트의 수나 내년에 판매할 라이선스 수에 대한 전망과는 다르다. 적어도 플랫폼 제공자가 관측한 실제 운영 환경의 사용 확대를 보여준다. 다만 실적 발표 본문에는 이 ‘사용량’의 통일된 측정 단위, 고객별 분포, 개별 작업의 유효성이 공개되지 않았으므로, 매출이나 효율성도 똑같이 13배 증가했다고 추론할 수는 없다.[2]
같은 발표에 따르면 HPE는 클라우드 및 AI 사업의 고객 지원과 현장 서비스를 혁신하기 위해 ServiceNow를 선택했고, Stagwell은 4개의 서비스 데스크를 70여 개 조직을 포괄하는 거버넌스 플랫폼으로 통합하기로 했다. 이는 당일 발표된 도입 및 구축 방향으로, 이미 모든 구축이 완료됐다고 표현해서는 안 된다. 발표에서 돌아본 Bundesliga, Thrive, INRY 등의 고객 사례는 앞서 별도로 공개된 내용이므로, 이번 호에서는 10월 28일 새롭게 이뤄진 배포로 다루지 않는다. 기업은 ‘어떤 에이전트가 있는가’에서 ‘실제로 얼마나 사용했고, 몇 개의 작업을 완수했으며, 오류가 발생하면 누가 책임지는가’로 관심을 옮겨야 한다.[2]
주요 뉴스 2｜SAP, 클라우드 고객 45,000곳이 AI 사용…수치상 성과는 여전히 프로세스별 검증 필요
재무 및 공급망 팀이 제대로 된 대조 실험을 하려면 업무량, 예외 발생 비율, 서비스 수준을 동일하게 유지하고, 자동 문제 탐지, 재무 담당자의 최종 확인, 시스템 재작업, 모델 비용을 하나의 보고서에 담아야 한다. 45,000은 SAP의 AI 제품을 도입한 고객 수이지, 완전히 자율적으로 운영되는 에이전트 프로젝트가 45,000개라는 뜻은 아니다.[3]
주요 뉴스 3｜Redwood 설문조사의 경고: 확장 가능한 에이전트가 곧 관리 가능한 에이전트는 아니다
10월 22일 Redwood는 기술·리스크·AI 관련 실무자 및 관리자 300명을 대상으로 한 설문조사 결과를 발표했다. 응답자의 77%가 거버넌스가 적용되지 않은 에이전트로 인해 부정적인 결과를 겪었다고 답했으며, 가장 흔한 문제는 예상치 못한 클라우드 비용이었고 운영 중단과 규정 준수 문제가 그 뒤를 이었다. 또한 응답자의 42%는 배포된 에이전트를 중앙에서 관리하는 등록부가 있다고 답했고, 51%는 실시간 활동 모니터링 기능을 갖추고 있다고 밝혔다. 여기서 측정한 것은 응답자가 직접 보고한 경험과 조직의 역량이다. 전 세계 기업의 77%에서 확인된 실제 사고가 발생했다고 말할 수는 없다.[4]
이 조사는 Redwood의 의뢰로 자사의 자동화 사업을 중심으로 진행됐으므로, 표본 규모와 응답자 구성, 선택 편향의 가능성을 고려해야 한다. 하지만 실무적인 질문을 던진다는 점은 유효하다. 기업이 에이전트에게 회계, CRM, 업무 티켓, 코드 저장소를 넘나들며 작업하도록 허용하면서도 조회 가능한 담당자 정보, 도구 목록, 중지 스위치, 작업별 과금 체계를 갖추지 않았다면, 사고 발생 후 원인을 되짚기 어렵다. 무작정 에이전트 수를 늘리기보다 자산 목록, 승인 규칙, 비용 모니터링 체계를 미리 구축하는 편이 더 확실한 접근이다.[4]
주요 뉴스 4｜재무 에이전트, ‘청구서 접수—승인—지급’을 연결하기 시작…권한 경계 설정은 필수
10월 22일 Tipalti는 AP Agent를 발표했다. 청구서 접수, 계정과목 분류, 승인, 지급, 대사를 하나의 워크플로에서 조율해 실행하고, MCP를 통해 권한이 부여된 기업용 AI 도구에 재무 데이터를 제공하는 것이 목적이다. 설계상으로는 필드 단위의 설명, 추적 가능한 작업 기록, 에이전트의 결정에 재무 담당자가 이의를 제기하거나 이를 변경할 수 있는 기능, 자동 실행을 허용할 단계를 기업이 직접 결정할 수 있다는 점을 강조한다.[5]
이는 공급업체가 발표한 신제품 및 기능 설명에 해당하며, 원자료에는 독립적으로 검증할 수 있을 만큼 충분한 고객 결제 성공률이나 장기 비용 추이 자료가 제시되지 않았다. 기업이 실제로 도입하려면 먼저 ‘청구서 상태 조회’, ‘회계 계정과목 제안’, ‘지급 지시 준비’, ‘실제 자금 지급’을 구분해야 한다. 마지막 항목에는 금액, 수취인, 권한에 따라 더욱 엄격한 승인 절차를 적용해야 한다. MCP를 도입한다고 해서 기존 ERP 권한, 은행의 2인 교차 검증, 지급 감사를 우회할 수 있는 것은 아니다.[5]
주요 뉴스 5｜Google·IBM·Akamai, 세 가지 계층에서 에이전트의 프로덕션 운영 요건 보완
실행 환경. Google Cloud는 10월 22일 Agent Compute Engine을 소개했다. 에이전트에 하드웨어 격리 기능을 갖춘 microVM, 단기 ID, 영구 작업 공간을 제공하고, 모델 응답이나 사람의 승인을 기다리는 동안 유휴 인스턴스를 일시 중지해 리소스 소모를 제어한다. 이 인프라는 이미 Google 내부의 Gemini 에이전트 워크로드에 사용되고 있지만, 외부 고객 대상 Agent Compute Engine 프리뷰는 앞으로 수개월 후에야 제공될 예정이다. 내부 사용 경험을 근거로 모든 기업 고객이 이미 구매할 수 있는 정식 서비스인 것처럼 서술해서는 안 된다.[6]
ID 및 권한 부여. IBM은 10월 27일 HashiCorp Vault와 Agent Identity를 에이전트 ID, 단기 자격 증명, 필요 시 권한 회수에 활용한다고 발표했다. watsonx Orchestrate 역시 플랫폼 전반에 걸친 탐지, 격리, 평가, 중지 제어를 강조한다. 일부 탐지 및 격리 기능은 여전히 기술 프리뷰로 표시되어 있다. 봇 계정에 장기 관리자 키를 발급하는 기존 방식과 달리, 이 설계는 ‘누가 에이전트를 소유하는가, 무엇에 접근할 수 있는가, 언제 권한을 회수할 것인가’에 초점을 맞춘다. 이는 기업이 실제 프로덕션 시스템에 연결하기 전에 반드시 답해야 할 질문이다.[7]
실행 범위 제한. Akamai는 10월 27일 Akamai Inference와 Agent Sandbox 베타 버전을 출시했다. 전자는 관리형 모델 호출을 제공하고, 후자는 Spin 생태계와 WebAssembly를 통해 에이전트가 생성한 코드를 격리하여 연산, 메모리, 외부 연결, 시스템 기능을 제한한다. 두 제품 모두 베타 단계이므로, 상용 프로덕션 환경에서 전면적으로 사용할 수 있는 것처럼 서술해서는 안 된다. 세 회사의 솔루션은 서로 완전히 대체할 수 있는 관계가 아니다. microVM은 비교적 강력한 격리를 제공하고, Vault 계열 구성 요소는 ID와 비밀 정보를 관리하며, Wasm 샌드박스는 실행 가능한 코드의 기능을 제한한다. 실제 솔루션을 선택할 때는 지연 시간, 관측 가능성, 운영 복잡성도 고려해야 한다.[6][7][8]
숫자로 한눈에 보기｜모든 숫자는 먼저 분모부터 확인
- 1,000 → 30,000+: Uber가 발표한 시범 도입 인원과 전 직원 대상 개방 범위이며, 일간 활성 사용자 수나 절감된 업무 시간이 아니다.[1]
- 13배 이상: ServiceNow가 공개한 올해 누적 프로덕션 에이전트 사용량의 전년 동기 대비 증가 폭이다. ROI로 직접 환산할 수 있는 비즈니스 기준 수치는 공개하지 않았다.[2]
- 45,000: SAP가 자사 AI 솔루션을 사용 중이라고 밝힌 클라우드 고객 수이며, 독립적인 에이전트 프로덕션 프로젝트 수로 간주해서는 안 된다.[3]
- 300명, 77%: Redwood 설문조사의 표본 규모와 부정적인 결과를 보고한 응답자 비율이며, 업계 전체의 사고 발생률이 아니다.[4]
- 이미지 0개: 이번 호에서는 공급업체 로고, 장식용 이미지, 출처가 불분명한 홍보 사진을 프로덕션 성과의 증거로 사용하지 않았다.
엔지니어링 코멘트｜모델 시연에서 지속 가능한 제공까지, 최소 다섯 개의 관문을 통과해야 한다
첫 번째는 업무 범위다. 먼저 명확한 입력값, 허용된 작업, 검수 기준이 있는 프로세스를 선택해야 한다. 예를 들어 재무 이상 징후의 1차 검토, 내부 지식 검색, 고객 서비스 분류 또는 IT 티켓 정리가 이에 해당한다. “검색, 제안, 제출, 결제”에 단계별로 권한을 부여한다. 에이전트가 정확한 답변을 생성할 수 있다고 해서 운영 회계 장부를 직접 업데이트하도록 허용해야 하는 것은 아니다.[5][7]
두 번째는 신원과 비밀정보다. 에이전트마다 책임자, 단기 자격 증명, 사용 가능한 도구, 최소 권한을 정의해야 한다. 브라우저와 코드 실행 환경은 가급적 장기 키와 분리하고, 고위험 작업은 감사 기록이 남는 게이트웨이를 거치도록 해야 한다. 이는 IBM, Google, Akamai가 이번 주 공개한 솔루션이 공통으로 지향하는 제어 영역이지만, 업체마다 실제 이용 가능 상태는 다르다.[6][7][8]
세 번째는 사람의 검토와 예외 발생 시 대체 처리다. 규칙에 부합하지 않거나, 신뢰도가 낮은 출력이 나오거나, 예산을 초과하거나, 외부 시스템에 장애가 발생한 작업에는 사람이 인계받을 수 있는 경로를 유지해야 한다. 검토, 실행 취소, 재작업에 드는 시간도 포함해야 하며, 모델의 단일 추론 속도를 전체 프로세스의 효율 향상과 동일시해서는 안 된다.[4][5]
네 번째는 비용 장부다. 최소한 완료된 작업별로 토큰, 도구 호출, 환경 실행, 저장 공간, 로그, 재시도, 인력 비용을 추적해야 한다. 에이전트가 복잡해질수록 유휴 환경과 반복 호출이 “저렴한 토큰당 비용”의 이점을 잠식할 가능성이 커진다. 구매 전 소규모의 실제 작업 표본으로 작업당 기준선을 수립해야 한다.[4][6]
다섯 번째는 경영 성과 검증이다. 접근 권한을 부여받은 직원 수, 주간 활성 사용자 수, 완료 작업 수, 사람이 수정한 건수, 최종 고객 만족도, 재무 성과를 구분해 기록해야 한다. Uber와 SAP가 공개한 것은 보급 범위와 도입 수준을 보여주는 지표이고, ServiceNow가 공개한 것은 플랫폼의 실제 운영 환경 사용 지표다. 모두 가치 있는 진전이지만, 검증 가능한 투자수익률을 계산하려면 작업 단위의 효과 데이터가 나올 때까지 기다려야 한다.[1][2][3]
앞으로 주목할 점
Uber가 향후 실제 사용자 수, 완료 작업의 품질, 애플리케이션 간 보안 사고를 공개하는지, ServiceNow가 13배에 달하는 운영 환경 사용량의 측정 기준과 사업상 이익을 추가로 설명하는지, SAP 시범 도입에서 기준선이 있고 인력 비용을 구분할 수 있는 고객 사례 분석이 나오는지 살펴볼 필요가 있다. Google Agent Compute Engine과 Akamai Sandbox가 프리뷰·테스트 단계에서 정식 운영 환경에 사용할 수 있는 단계로 전환되는 조건과 가격도 주목해야 한다.[1][2][3][6][8]
자료 수집 및 중복 제거 안내: 이번 호는 10월 22~28일에 처음 공개된 기업의 원문 페이지를 근거로 삼았으며, 지난 호 『AI 실전 도입 주간지』와 주제별로 대조해 중복을 제거했다. 이번에는 NIUX /blog/rss.xml에 접근하지 못했다. 공개 블로그 목록은 캐시된 버전이어서 최근 14일간의 모든 초안과 게시된 페이지를 포괄하지 못하므로, 사이트 전체에 대한 최근 14일간의 전수 중복 제거는 완료하지 못했다. 모든 업체의 운영 데이터는 자체 보고 수치임을 명시했다. 신뢰할 수 있고 이번 호의 근거 자료와 직접 관련된 원본 이미지를 확보하지 못해 본문 이미지 0개, 표지 이미지 0개로 구성했다.
참고 자료
- Uber, OpenAI와 함께 전 직원에게 ChatGPT Work 도입 — Uber, 2026-10-29 접속
- ServiceNow, 2026년 3분기 실적 발표 — ServiceNow, 2026-10-29 접속
- 2026년 3분기 AI 출시 주요 내용 — SAP 뉴스 센터, 2026-10-29 접속
- 기업의 77%, 거버넌스 없는 AI 에이전트로 대가 치러 — Redwood Software, 2026-10-29 접속
- Tipalti, 재무 운영의 자율성을 높이는 새로운 AP Agent로 에이전트형 AI 고도화 — Tipalti, 2026-10-29 접속
- Agent Compute Engine과 확장된 에이전트 거버넌스 소개 — Google Cloud, 2026-10-29 접속
- IBM, AI 에이전트용 신원 관리 및 제어 기능 도입으로 기업의 최첨단 AI 활용 보안 강화 — IBM 뉴스룸, 2026-10-29 접속
- Akamai, AI 추론 서비스 및 에이전트 실행 환경 출시 — Akamai, 2026-10-29 접속
