발표에서 확인된 핵심 사실

데이터를 보관하던 기존 기록 시스템이 실제 업무를 수행하는 AI 에이전트로 확장됐다. 이 변화는 사용자가 데이터를 찾는 단계에서 업무를 완결하는 단계로 선택지를 옮기게 한다. 단순한 챗봇 추가를 넘어 실제 행동을 수행하는 제품들이 시장에 나왔다. 세일즈포스(Salesforce)와 도큐사인(Docusign), 아틀라시안(Atlassian), 클라비요(Klaviyo)가 이 전략을 취하고 있다. 도큐사인의 아이리스(Iris)는 계약서를 직접 검토한다. 아틀라시안의 로보(Rovo)는 요청 해결과 배정을 목표로 작동한다. 클라비요의 컴포저(Composer)는 캠페인 작성과 마케팅 성과 평가를 수행한다. 이들은 기존에 보유한 기록 시스템(system of record)의 데이터와 실행 기능을 동시에 통제하며 에이전트 기능을 확대한다.

애플리케이션 수준의 에이전트는 필요한 자율성과 판단 수준에 따라 네 가지 유형으로 구분된다. 검색 보조 에이전트(Retrieval assistants)는 정보를 찾고 문서를 요약하며 질문에 답하거나 응답 초안을 작성한다. 프로세스 에이전트(Process agents)는 기록 갱신이나 승인 요청 배정 같은 규칙 기반 업무를 수행한다. 제한적인 판단으로 과제를 해석하고 행동한다. 정책 에이전트(Policy agents)는 조직의 업무 지침, 선례, 기준값을 모호한 사례에 적용한다. 주체적 판단 에이전트(Principal agents)는 전략, 위험, 자원의 개방적인 상충관계를 고려해 조직이 무엇을 해야 하는지 판단한다.

기술이 실제로 작동하는 방식

수직 특화 AI 개발자는 전문가가 AI 결과물을 수정하는 루프(Loop, 반복 학습 과정)에 집중한다. 완료된 기록만으로는 업무를 가르칠 학습 과정이 자동으로 만들어지지 않는다. AI는 전문가가 무엇을 왜 수정했는지와 최종 결과를 학습해 다음 작업을 개선한다. 기존의 기억 기능은 고객 선호나 지난주 결정을 떠올리게 하는 수준에 그친다. 수정 루프는 업무 품질과 전문가가 수정한 이유, 다음번에 바꿔야 할 점까지 학습한다. 이는 AI 연구소들이 개발하는 범용 메모리와는 다른 차원의 지속적인 우위 요소가 된다.

기존 기업은 자사가 소유한 기록 주변의 국소적인 업무를 자동화하는 데 머문다. 실제 업무는 사람, 프로세스, 소프트웨어의 조합으로 이뤄진다. 이 과정은 애플리케이션, 팀, 기업의 경계를 넘나들며 진행된다. 수직 특화 AI 스타트업은 기록이 아니라 전체 업무를 중심으로 기능을 다시 묶는다. 기록 시스템의 경계를 넘는 전체 업무 관리가 기존 기업과 차별화되는 기회다.

확인해야 할 핵심 지점

약 1,750개의 법률 업무 학습 환경이 고객 데이터 없이 구축됐다. Harvey(법률 특화 AI)는 고객 데이터를 사용하지 않고 합성 데이터와 공개 법률 자료, 전문가 제작 데이터를 활용했다. 방대한 고객 이력이 없어도 전문 업무를 학습시킬 수 있음을 증명했다.

유망한 수직 특화 AI 시장은 네 가지 조건을 충족해야 한다. 전문가가 AI의 정답과 오류를 빠르게 구별하고 구체적인 개선 방법을 알려줄 수 있어야 한다. 단순한 규칙 적용을 넘어 전문가의 판단이 중요할 만큼 업무 난도가 높아야 한다. AI가 충분히 학습할 수 있을 만큼 해당 업무가 빈번하게 발생해야 한다. 하나의 작은 과제에서 시작해 전체 업무를 수행하는 수준으로 확장 가능해야 한다. 법률, 세무, 회계 분야와 제조 현장의 품질 조사 등이 이러한 조건에 부합한다.

수직 AI 시장 진입 시 전문가의 구별 가능성, 판단 난이도, 발생 빈도, 확장성이라는 네 가지 체크리스트로 사업성을 판단해야 한다.