발표에서 확인된 핵심 사실

기업 5곳 중 1곳이 AI 에이전트의 비용 지출을 실시간으로 중단시키지 못하는 상황에서, 조사 대상 기업의 85%는 이미 두 개 이상의 오케스트레이션 도구를 사용하고 있다. 오케스트레이션 도구는 AI 모델과 데이터를 연결해 실제 업무 흐름을 만드는 지휘 도구다. 단일 플랫폼에만 의존하는 기업은 15%에 불과하다.

3개 이상의 도구를 동시에 운영하는 기업은 64%에 달한다. 특정 회사 제품에만 묶여 나중에 바꾸기 어려워지는 벤더 종속 현상을 막으려는 전략이다. 보안 설정이나 권한 제어 능력을 기업이 직접 확보하려는 목적도 크다. Microsoft AI Foundry/Copilot Studio, OpenAI Agents SDK, Anthropic Claude Platform 같은 도구들을 함께 활용해 리스크를 분산하고 있다.

응답자의 53%는 2026년 말까지 주 제어 평면이 하이브리드 형태로 전환될 것이라고 답했다. 제어 평면은 전체 AI 시스템의 설정과 운영을 관리하는 중앙 관제탑이다. 여러 오케스트레이션 플랫폼과 모델, 에이전트가 서로 유기적으로 상호작용하는 환경을 구축하려는 계획이다. 특정 벤더의 기술에 갇히지 않고 필요에 따라 최적의 도구를 선택해 조합하는 체계를 만들려는 의도다.

현재는 Microsoft가 주도하고 있으나, 향후 도입 고려

70%의 기업이 현재 Microsoft AI Foundry/Copilot Studio를 사용하고 있지만, 다음 도입 단계에서는 Anthropic의 Claude Agent SDK를 고려하는 비율이 43%로 가장 높다. 현재의 사용량은 Microsoft가 압도적이지만, 새로운 도구를 탐색하는 빌더들 사이에서는 Anthropic이 구축한 모델의 영향력이 빠르게 커지는 모습이다.

비용 제어 방식은 플랫폼의 기본 기능을 쓰는 것부터 직접 구축하는 것까지 다양하게 나뉜다. 30%는 플랫폼 내장 예산 캡이나 스로틀링(요청 속도를 강제로 제한하는 기능)을 활용해 지출 상한선을 둔다. 25%는 커스텀 게이트웨이 미들웨어(데이터가 오가는 길목에서 요청을 가로채 제어하는 중간 소프트웨어)를 직접 구축해, 비용을 무분별하게 쓰는 에이전트를 중간에서 가로채 차단하는 장치를 세웠다.

25%의 기업은 동적 라우팅(작업의 난이도에 따라 적절한 모델로 경로를 배정하는 기술)을 통해 지출을 관리한다. 모든 요청을 비싼 모델로 보내지 않고, 무거운 작업만 고성능 모델에 맡긴 뒤 단순한 일은 저비용 모델로 분산해 비용 효율을 높이는 전략이다.

확인해야 할 핵심 지점

모델 성능에 매달리던 초기 단계를 지나 이제 기업들은 AI 에이전트의 실행 제어와 비용 관리라는 실질적인 운영 문제에 직면했다. 기업 5곳 중 1곳은 AI 에이전트가 토큰을 과도하게 사용하는 상황을 실시간으로 멈추지 못하고 있다. 응답자의 21%는 이미 비용이 지출된 뒤에 기록을 확인하는 사후 로그 방식의 반응형 모니터링에만 의존한다. 즉각적으로 작동을 중단시키는 킬 스위치(비정상 작동 시 즉시 전원을 끄는 장치)가 없는 상태다.

AI 플랫폼을 구매할 때 중요하게 보는 기준도 운영 효율 중심으로 이동했다. 유연성이 29%로 가장 높았고 보안 및 권한(17%), 생산 신뢰성(15%), 에이전트 실행 제어(15%)가 그 뒤를 이었다. 특정 기본 모델의 성능에 종속되는 성질인 모델 그래비티(model gravity)를 중요하게 꼽은 기업은 10%에 불과했다.

이제 비용 제어 전략을 지출 후 기록을 살피는 사후 모니터링에서 실시간으로 차단하는 커스텀 게이트웨이나 네이티브 컨트롤 방식으로 전환해야 한다.