기업의 AI 에이전트가 회사 데이터에 접근할 수 있는 평균

데이터 접근율 30% 이하인 조직과 70% 이상을 확보한 조직의 격차는 AI 에이전트의 실질적인 활용 성과를 결정한다. 전체 조사 대상 조직을 분석한 결과, AI 에이전트가 회사 데이터에 접근할 수 있는 평균 비율은 45%에 불과했다. 데이터 리더(data leaders)로 분류된 일부 조직은 70% 이상의 데이터 접근을 보장하고 있으며, 이들은 다른 조직들에 비해 에이전트 활용 과정에서 더 큰 성공을 거두고 있다. 반면 데이터 래가드(data laggards)로 분류된 조직의 데이터 접근율은 30% 이하로 나타나 리더 그룹과 뚜렷한 수치 차이를 보였다. 데이터 접근 비율의 차이가 에이전트의 성공 여부를 가르는 핵심 지표로 작동하고 있다.

설문 응답자의 100%가 2년 이내에 에이전틱 AI(agentic AI, 자율적으로 목표를 수행하는 AI)를 사용할 계획이라고 답했다. 이 중 69%의 응답자는 에이전틱 AI를 광범위하게 사용할 것으로 예상하고 있다. 하지만 데이터 시스템의 제약을 제거하지 못한다면 에이전틱 AI가 약속하는 속도와 효율성을 달성하는 것은 어렵다. 데이터 접근성 확보라는 전제 조건이 해결되지 않는 한, 에이전틱 AI의 도입 계획은 실제 성능 구현으로 이어지지 못하는 제약에 직면하게 된다.

AI 에이전트의 결정에 대한 신뢰도는 데이터 준비 상태

설문 응답 조직 중 AI 에이전트가 내리는 결정이 정확하고 관련성이 있다고 신뢰하는 곳은 약 절반에 그쳤다. 반면 데이터 관리 역량이 뛰어난 data leaders(데이터 리더) 집단은 100%가 에이전트의 결정을 신뢰하는 것으로 나타났다. 신뢰할 수 있는 AI를 구현하기 위해서는 신뢰할 수 있는 데이터 기반이 필수적이라는 결과다.

AI 에이전트의 확장을 위해 모든 응답자가 꼽은 최우선 과제는 정형 및 비정형 데이터에 대한 접근성을 개선하는 것이다. 정형 데이터는 고정된 필드에 저장된 데이터이며, 비정형 데이터는 텍스트나 이미지처럼 형식이 없는 데이터를 의미한다. 비즈니스 컨텍스트를 포함하여 데이터 및 AI 거버넌스(데이터의 가용성, 무결성, 보안을 관리하는 체계)를 강화하는 작업 또한 높은 우선순위의 과제로 분류된다. data leaders는 특히 데이터 관리의 자동화에 집중하고 있다.

확인해야 할 핵심 지점

2027년까지 비즈니스 결정의 50%가 AI 에이전트로 증강 또는 자동화될 전망이다. Gartner의 예측치다. 기업 운영 전반에 AI 에이전트 도입이 확산됨에 따라 레거시 데이터 시스템의 제약을 극복하는 일이 시급해졌다. 데이터 병목 현상을 제거하지 못하면 에이전트가 신속하고 정확한 결정을 내리는 데 필요한 데이터를 확보하지 못할 위험이 있다. 적시에 데이터를 공급하지 못하는 시스템은 에이전트의 성능을 제한하는 결정적 결함이 된다.

레거시 데이터 시스템은 AI 에이전트의 확장성과 결정 속도를 제한하는 주요 요인이다. 데이터 후발 주자(data laggards)의 66%는 레거시 시스템이 AI 에이전트 확장을 제한한다고 답했다. 결정 속도를 저해한다는 응답은 68%에 달해 확장성보다 속도 저하를 더 심각한 문제로 꼽았다. 반면 레거시 데이터 제약을 대부분 극복한 데이터 선도 기업(data leaders) 중 해당 제약을 보고한 비율은 8%에 불과했다. 선도 기업들은 인프라 정비를 통해 에이전트 운용의 장애물을 대부분 제거한 상태다.

AI 에이전트 도입 전, 현재 데이터 접근 가능 범위와 비즈니스 컨텍스트 결합 수준을 기준으로 도입 우선순위를 결정한다.