"The whole theme that we are now coming out with is you do AI with AI — you design with AI, you build with AI, you test with AI, you deploy with AI, manage with AI, and optimize with AI." Kore.ai의 창립자이자 CEO인 라즈 코네루(Raj Koneru)가 런칭 전 벤처비트()와의 단독 인터뷰에서 밝힌 포부입니다. 그는 단순히 도구를 제공하는 것을 넘어, AI 에이전트를 만들고 최적화하는 과정 자체를 AI가 수행하는 새로운 패러다임을 제시했습니다.

이러한 비전이 집약된 결과물이 바로 이번에 공개된 '아르테미스(Artemis)' 플랫폼입니다. 기존에 숙련된 엔지니어들이 수개월에 걸쳐 수행하던 에이전트 설계와 배포 작업을 단 며칠로 압축하겠다는 야심 찬 계획이 담겨 있습니다. 이는 마이크로소프트(Microsoft)나 세일즈포스(Salesforce) 같은 빅테크 기업들이 주도하는 에이전트 인프라 시장에서, '중립성'과 'AI 기반 자동화'라는 정면 돌파구를 찾은 전략적 선택으로 풀이됩니다.

아르테미스 플랫폼: 수개월의 엔지니어링을 며칠로 단축

예전에는 기업이 AI 에이전트를 하나 구축하려면 숙련된 엔지니어들이 수개월 동안 아키텍처를 설계하고 수만 줄의 코드를 직접 작성해야 했다. 이번에 공개된 아르테미스(Artemis, AI 에이전트 구축 및 최적화 플랫폼)는 이 소요 시간을 며칠 단위로 대폭 단축했다. 핵심은 사람이 일일이 지시하는 방식에서 벗어나, AI가 에이전트의 설계부터 거버넌스, 최적화까지 전 생애주기를 직접 관리하는 자동화 파이프라인을 구축했다는 점이다.

이 시스템의 기술적 뼈대는 ABL(Agent Blueprint Language, 에이전트 청사진 언어)이라는 독자적인 언어다. 쉽게 말하면 AI 에이전트가 어떻게 생각하고 움직여야 할지 정의해 둔 표준 설계도와 같다. 이 언어는 YAML(사람과 컴퓨터가 모두 읽기 쉬운 텍스트 기반 데이터 형식) 기반의 선언형 언어로, 작성된 내용은 컴파일(컴퓨터가 실행 가능한 형태로 변환)되어 실제 인프라에서 작동한다. 비유하자면 복잡한 요리 과정을 상세히 적은 표준 레시피를 만들어 두고, 이를 통해 어떤 주방에서도 동일한 결과물을 내놓게 하는 방식이다. 특히 아르테미스는 6가지 오케스트레이션(여러 AI의 협업을 조율하는 방식) 패턴을 지원한다. 관리자가 전체를 통제하는 supervisor, 업무를 위임하는 delegation, 권한을 넘기는 handoff, 작업을 병렬로 분산하는 fan-out, 상위 단계로 문제를 보고하는 escalation, 그리고 에이전트 간 연합체인 agent-to-agent federation이 그것이다.

설계도가 있어도 이를 작성할 전문 인력이 필요하다는 문제는 Arch(아치, 자연어 요구사항을 ABL 코드로 변환하는 AI 시스템)가 해결한다. 사용자가 비즈니스 요구사항과 데이터 소스를 자연어로 입력하면, Arch가 이를 분석해 최적의 오케스트레이션 패턴을 선택하고 즉시 실행 가능한 ABL 코드를 생성한다. 여기서 그치지 않고 배포와 모니터링까지 수행하며, 실제 운영 데이터에서 목표치에 미달하는 지점을 발견하면 스스로 ABL 코드를 수정해 다시 배포하는 최적화 루프를 실행한다. 사람이 일일이 성능을 측정하고 코드를 수정하던 반복 작업을 AI가 완전히 대체한 셈이다.

기업 환경에서는 AI의 자율성만큼이나 이를 통제할 수 있는 기록과 검증 절차가 중요하다. 아르테미스는 ABL 결과물을 GitHub(코드 저장 및 버전 관리 플랫폼)와 연동하고 CI/CD(지속적 통합 및 배포, 코드 변경 사항을 자동으로 테스트하고 반영하는 체계) 파이프라인을 통해 관리하도록 설계했다. 덕분에 개발자와 사업 담당자는 AI가 생성한 설계도를 함께 리뷰하고 버전별로 추적하며 관리할 수 있다. 이는 단순한 노코드(코딩 없이 만드는 방식) 도구를 넘어, 전문적인 소프트웨어 엔지니어링의 엄격한 관리 체계를 AI 에이전트 구축 과정에 그대로 이식한 결과다.

듀얼 브레인 아키텍처: '환각'을 잡는 결정론적 설계

최근 실리콘밸리에서 등장한 많은 AI 스타트업들은 기존 거대언어모델(LLM)에 얇은 기능층을 씌운 래퍼(Wrapper) 형태를 띤다. 이런 구조는 모델이 내뱉는 답변에 전적으로 의존하기 때문에 모델 자체가 가드레일을 설정하고 판단해야 한다. 반면 코리아이(Kore.ai)의 아르테미스는 결정론적 실행이라는 개념을 도입해 모델의 자율성과 시스템의 통제권을 완전히 분리했다. 쉽게 말하면 AI에게 모든 판단을 맡기지 않고 정해진 규칙대로 움직여야 하는 영역을 따로 떼어낸 설계다.

핵심은 듀얼 브레인 아키텍처(Dual-Brain Architecture)다. 이는 LLM 기반의 에이전트 추론 엔진과 비즈니스 룰 기반의 결정론적 실행 엔진이 병렬로 작동하는 구조다. 비유하자면 창의적인 아이디어를 내는 작가와 원칙대로 서류를 검토하는 회계사가 한 팀으로 움직이는 것과 같다. 작가가 고객의 질문 의도를 파악해 유연하게 대화를 이끌면, 회계사는 기업의 내부 규정이나 금융 상품의 약관 같은 정해진 규칙에 따라 정확한 결과값을 산출한다. 이 과정에서 두 엔진은 공유 메모리를 통해 실시간으로 정보를 주고받으며 협업한다.

제어 방식 역시 모델 내부가 아닌 플랫폼 레이어 가드레일(Platform Layer Guardrail) 수준에서 강제된다. 모델에게 착하게 대답하라고 부탁하는 것이 아니라 플랫폼이라는 외벽에서 입력과 출력을 엄격하게 필터링하고 거버넌스 엔진으로 검증하는 방식이다. 덕분에 의료 처방전 갱신이나 은행 포트폴리오 관리처럼 단 한 번의 환각(Hallucination, AI가 거짓 정보를 사실처럼 말하는 현상)이 치명적인 사고로 이어지는 산업군에서도 신뢰성을 확보할 수 있다. 모델의 유연함은 살리되 결과의 정확성은 시스템이 보장하는 구조다.

확장성 측면에서는 특정 모델에 종속되지 않는 중립성을 택했다. OpenAI나 Anthropic(앤스로픽, AI 안전성 중심의 모델 개발사)을 포함해 오픈소스 모델까지 총 175개의 AI 모델을 지원한다. 여기에 MCP(Model Context Protocol, 모델이 외부 도구 및 데이터 소스와 표준화된 방식으로 통신하는 규약)를 통해 기업 내 흩어진 모든 데이터 소스를 연결하고 도구를 호출한다. 이를 통해 기업은 최신 모델로 쉽게 교체하면서도 비즈니스 룰이라는 단단한 뼈대는 그대로 유지할 수 있다.

MS 애저 통합과 벤더 중립성: 한국 기업의 AI 전략적 선택지

이번 업데이트에서 가장 먼저 확인되는 변화는 마이크로소프트(MS) 생태계와의 깊은 결합 방식이다. 아르테미스 플랫폼은 마이크로소프트 애저 파운드리(Azure Foundry, MS의 AI 인프라 구축 환경)를 비롯해 에이전트 365(Agent 365), 엔트라 ID(Entra ID, 클라우드 기반 ID 및 액세스 관리 서비스), 마이크로소프트 그래프 API(Microsoft Graph API, MS 365 데이터 접근 인터페이스)와 네이티브하게 통합된다. 쉽게 말하면 별도의 복잡한 연결 코드를 짤 필요 없이 MS의 최신 AI 도구들을 마치 원래 하나였던 부품처럼 바로 끼워 쓸 수 있다는 뜻이다. 특히 기업용 AI 서비스인 AI for Work는 마이크로소프트 코파일럿(Copilot)과 연동되어 사내 데이터와 AI 워크플로우가 코파일럿 인터페이스에 그대로 나타나며, AI for Service는 다이내믹스 365(Dynamics 365, MS의 고객 관계 관리 솔루션)와 결합해 고객 응대 프로세스를 자동화한다.

하지만 여기서 주목할 점은 MS와의 밀착 관계가 곧 특정 플랫폼에 완전히 종속되는 결과로 이어지지 않는다는 사실이다. 비유하자면 특정 브랜드의 최신 가전제품을 편리하게 사용하면서도, 전원 플러그만큼은 전 세계 공통 표준 규격을 채택해 언제든 다른 브랜드 제품으로 갈아탈 수 있는 환경을 구축한 셈이다. 실제로 아르테미스는 애저뿐만 아니라 아마존 웹 서비스(AWS), 구글 클라우드(Google Cloud)는 물론 기업 내부 서버를 직접 운영하는 온프레미스(On-premises, 자체 구축 서버 환경)까지 모두 지원한다. 이는 특정 벤더의 레거시 락인(Legacy Lock-in, 특정 기업의 기술이나 서비스에 종속되어 다른 서비스로 옮기기 어려워지는 현상) 없이, 기업이 비용이나 성능, 보안 요구사항에 맞춰 인프라와 모델을 유연하게 선택할 수 있는 전략적 대안이 된다.

이런 유연성은 모델 선택과 서비스 전달 경로라는 실무적 영역에서 더욱 빛을 발한다. 오픈AI(OpenAI)나 앤스로픽(Anthropic) 같은 최신 모델부터 다양한 오픈소스 모델까지 총 175종의 AI 모델을 지원하며, 이를 40개가 넘는 음성 및 디지털 채널로 즉시 송출할 수 있다. IT 관리자나 개발자 입장에서는 인프라 환경이 바뀌거나 시장에 더 효율적인 AI 모델이 등장했을 때, 전체 시스템 아키텍처를 뜯어고치는 고통스러운 작업 없이 설정 변경만으로 빠르게 대응할 수 있다는 점이 핵심이다. 결과적으로 한국 기업들은 MS의 강력한 업무 생산성 도구를 최대로 활용하면서도, 동시에 특정 클라우드 사업자나 모델 공급처에 휘둘리지 않는 기술적 자율성을 동시에 쥐게 된다.