맥킨지가 실시한 ‘2026 AI 현황’ 조사에서 연 매출 10억달러 이상 대기업 가운데 AI 에이전트를 확장 단계에서 활용한다고 응답한 비율이 지난해 27%에서 올해 40%로 늘었다. 반면 AI 활용이 수익성 개선에 기여했다는 응답은 37%로, 전년과 비슷한 수준에 머물렀다. AI 네이티브 AaaS 기업 애피어(Appier)는 이 조사 결과를 인용하며 AI 경쟁의 축이 도입 여부에서 실제 성과 창출 여부로 옮겨가고 있다고 밝혔다.
애피어 CEO 겸 공동창업자 치한 위(Chih-Han Yu)는 “이제 기업의 관심은 도입한 AI가 어떤 성과를 내고 있으며 이를 어떻게 지속적으로 확대할 수 있을지에 집중되고 있다”고 말했다. 도입률과 확장률은 늘었지만 수익성 지표가 정체된 배경으로, 애피어는 에이전틱 AI를 실제 성과로 연결하기 위한 운영 조건이 별도로 필요하다고 진단하고 이를 5가지 조건으로 구성된 ‘SCALE’로 정리해 제시했다.
SCALE, 5개 조건으로 구성
| 조건 | 내용 |
|---|---|
| 전략적 목표 설정(Strategic) | AI 도입 목표를 구체적으로 설정 |
| 역량 및 한계 판단(Calibrated) | AI가 처리할 수 있는 업무 범위와 한계를 판단 |
| 적응형 운영(Adaptive) | 업무 특성에 맞게 유연하게 대응 |
| 지속적 학습(Learning) | 실행 결과를 축적해 지속적으로 성능을 개선 |
| 효율적 자원 활용(Efficient) | 연산 자원과 비용을 효율적으로 관리 |
적응형 운영(Adaptive) 조건과 관련해 애피어는 업무마다 적합한 모델을 연결하는 모델 라우팅(Model Routing)과 여러 에이전트가 협업하도록 구성하는 에이전트 오케스트레이션(Agent Orchestration)을 구체적인 방법으로 꼽았다. 하나의 모델이나 에이전트에 의존하는 대신, 과업 특성에 따라 서로 다른 모델과 에이전트를 선택·조율하는 방식이다.
자율성 확대에 따른 운영 부담
애피어는 AI 에이전트의 자율성이 높아질수록 이를 운영하는 기업의 판단이 더 정교해져야 한다고 강조했다. 치한 위 CEO는 “에이전틱 AI가 더 많은 판단과 실행을 맡게 될수록 자율성 자체보다 이를 얼마나 신뢰할 수 있고 효율적으로 운영하느냐가 중요해진다. 결국 AI의 자율성이 높아질수록 이를 운영하는 기업의 판단 역시 더 정교해져야 한다”고 말했다.
효율적 자원 활용(Efficient) 조건과 관련해 애피어는 AI 활용 규모가 확대될수록 연산 비용 관리가 함께 필요하다고 짚었다. 이와 별도로 지속적 학습(Learning) 조건은 한 번 수행한 업무의 결과와 사용자 피드백, 이전 실행 맥락을 축적해 이후 판단과 실행을 개선하는 과정을 가리킨다.
맥킨지 조사가 보여준 40%와 37%라는 두 수치는 AI 에이전트 활용이 확대되고 있음에도 수익성 지표는 그에 비례해 움직이지 않고 있음을 나타낸다. 애피어는 이 격차를 좁히기 위한 운영 기준으로 SCALE의 5개 조건을 제시했다.