AI 에이전트 운영 비용 점검법, 소유권 43포인트 격차 메우는 5가지 질문

무슨 일이 일어나고 있나

Kana가 5월에 미국 대기업 고위 리더 225명을 조사했더니 70%가 이미 실제 마케팅 업무에 커스텀 AI 에이전트를 돌리고 있었습니다. 하나도 안 쓰는 곳은 3%뿐이었어요. 만들 것인가라는 질문은 끝났다는 뜻입니다.

문제는 그다음입니다. 같은 조사에서 리더의 약 40%가 에이전틱 마케팅의 소유권을 최고AI책임자(chief AI officer)에게 둬야 한다고 답했는데, AI 리더 집단만 떼어 보면 이 비율이 52%였어요. 반면 마케팅 임원들은 자기 조직이나 공동 소유 모델을 골랐습니다. 원문 표현대로, 두 유능한 집단이 서로 상대가 맡고 있으리라 가정하는 상태입니다.

Ivanti 조사는 이 가정이 얼마나 헐거운지 숫자로 보여줍니다. 이름은 걸려 있는데(85%) 그 이름이 무엇을 책임지는지는 불분명(42%)해요. 원문은 권한 과잉(permission sprawl)이 첫날부터 시작된다는 점도 지적하는데요, 많은 조직이 사람 계정 프로필을 복제해 에이전트를 띄우기 때문입니다. 마케팅에서는 캠페인 에이전트가 세팅한 담당자의 CRM 접근 권한을 그대로 들고 다닌다는 얘기예요. 출시 당시엔 문제가 없었던 권한이, 그 담당자가 승진하거나 팀을 옮긴 뒤에도 에이전트에 남아 있습니다.

같은 문제를 데이터 쪽에서 본 분석도 나왔습니다. 에이전트형 AI용 데이터 아키텍처를 다룬 글은 신뢰성, 맥락, 추적 가능성, 거버넌스, 실행 가능성 다섯 속성을 시스템에 명시해야 한다고 정리합니다. 예시가 구체적이에요. 가격이 전날 49.99달러에서 59.99달러로 올랐는데 데이터가 갱신되지 않으면 가격 에이전트는 예전 값을 자신 있게 안내하고 판매 건당 10달러를 잃습니다. 사람은 이상한 숫자를 보면 동료에게 확인하지만, 에이전트는 그 숫자로 실행합니다.

한편 워싱턴에서는 속도를 늦추자는 쪽과 늦추면 안 된다는 쪽이 부딪쳤어요. Anthropic CEO Dario Amodei가 프런티어 속도를 조절하자는(pace the frontier) 공개서한을 냈고 OpenAI의 Sam Altman과 Elon Musk가 X에서 지지했습니다. Alphabet의 Demis Hassabis도 조심스럽게 지지 의사를 밝혔고요. 반면 Trump 대통령은 Financial Times 인터뷰에서 "우리가 AI에서 중국을 앞서고 있고, 솔직히 계속 그러길 원한다. AI에서 이기는 쪽이 이기는 것"이라고 했습니다. Mike Johnson 하원의장은 CNN에서 Jake Tapper에게 규제를 서두르는 것이 국가안보 위협이 될 수 있다며, 의회가 긴급 회기로 AI를 규제하면 중국과의 경쟁에서 진다고 말했어요.

왜 중요한가

세 소재를 한 줄로 꿰면 이렇습니다. 에이전트는 이미 깔렸고(70%), 관리 책임은 비어 있고(43포인트 격차), 외부에서 규제가 대신 채워줄 가능성은 당분간 낮습니다.

MarTech 원문이 1968년 NATO 소프트웨어 공학 컨퍼런스와 1980년 Bennet Lientz, Burton Swanson의 487개 조직 연구를 꺼낸 이유가 여기 있어요. 그 연구에서 유지보수는 소프트웨어 예산의 절반을 차지했습니다. AI 에이전트도 소프트웨어입니다. 출시 비용보다 운영 비용이 크게 쌓이는데, 지금 대부분의 조직은 유지보수 예산 항목 자체를 만들지 않았어요.

인과를 한 단계 더 파보면 이렇습니다. 에이전트의 유지보수 부담은 코드가 낡아서 생기는 게 아니라, 에이전트가 의존하는 세 가지가 각자 다른 속도로 움직이기 때문에 생깁니다. 첫째 모델이 벤더 일정에 따라 바뀌고, 둘째 비즈니스 규칙(오퍼, 가격, 세그먼트 정의)이 마케팅 일정에 따라 바뀌고, 셋째 데이터 파이프라인이 엔지니어링 일정에 따라 바뀝니다. 지시문은 이 세 가지가 처음 만난 순간을 기준으로 쓰였는데, 세 축이 각기 어긋나면 지시문은 그대로여도 산출물은 달라져요. 이게 드리프트의 실제 발생 경로입니다. 코드 리뷰로는 안 잡히고, 분기 점검으로도 늦습니다.

에이전트 200개를 다음 분기에 배포한다는 대형 유틸리티 사례가 원문에 나옵니다. 대부분 IT 밖, 마케팅 같은 부서에서 개발되고 있고요. 모델이 업데이트되거나 정책이 바뀌거나 지시문을 쓴 사람이 팀을 옮기면 그 에이전트가 어떻게 되는지 물었더니 답이 마땅치 않았다고 합니다. 200개는 만들 때는 성과 지표지만, 세 축이 각자 흔들리는 순간 200개짜리 부채가 됩니다.

분기 점검의 공백은 계산해보면 더 선명해요. 매일 돌아가는 에이전트를 분기에 한 번 보면 점검 사이 약 90일이 무감시 구간입니다. 이 구간에 모델 업데이트가 한 번 끼면 브랜드팀이 승인한 문장과 실제 나가는 문장이 서서히 벌어지고, 그 차이는 90일 뒤에 발견됩니다. 그사이 고객에게 나간 건 되돌릴 수 없고, 가격 에이전트라면 건당 10달러짜리 오차가 그 기간 전체 거래에 누적됩니다.

이해관계, 역학

소유권 논쟁에서 각 진영이 왜 그렇게 답했는지 보면 유인이 드러납니다.

중앙집중을 주장하는 AI 리더 52%의 논리는 타당해요. 에이전트가 고객 데이터를 다루고 규제 노출을 안고 있으니 개별 부서가 자기 결과물을 스스로 감시하게 둘 수 없다는 겁니다. 다만 이 답에는 조직적 유인도 섞여 있습니다. 40%(전체)와 52%(AI 리더)의 12포인트 차이는, 소유권 주체를 자기 직책으로 답한 쪽이 AI 리더 본인들이라는 뜻이에요. 에이전트 소유권을 쥐는 조직이 플랫폼 계약과 모델 지출의 결재선을 쥡니다. 신설 조직이 예산 근거를 확보하는 가장 빠른 길이 소유권 주장이고요.

마케팅 임원들이 자기 기능이나 공동 소유를 고른 것도 마찬가지입니다. 중앙 AI 조직의 누구도 에이전트의 톤이 맞는지, 오퍼가 현행인지, 세그먼트 로직이 아직 시장 진입 방식과 맞물리는지 모른다는 반박은 사실입니다. 동시에 이 답은 실행 속도에 대한 통제권을 놓지 않겠다는 방어예요. 여기서 진짜 문제는 어느 쪽이 옳으냐가 아닙니다. 양쪽 모두 소유권을 원하면서 유지보수는 원하지 않는다는 점이 문제입니다. 소유권은 예산과 권한이 붙고, 유지보수는 인력 시간만 나가니까요. 그래서 85%와 42% 사이의 43포인트가 생깁니다. 이름 걸기는 이득이고, 책임지기는 비용이에요.

벤더 쪽 유인도 봐야 합니다. Snowflake가 사내 매입채무 자동화 도구 InvoiceIQ를 공개하면서 강조한 건 문서 인식 성능이 아니라 분류, 추출, 번역, 매칭, 보강, 의사결정으로 나뉜 6단계 파이프라인이었어요. Snowpark Container Services 위에서 청구서 수집부터 ERP 제출까지 처리하고, 결정론적 단계와 AI 단계를 섞어 예외 처리 비용을 줄이면서 감사 추적을 남기는 구조입니다. 벤더가 모델 성능 대신 아키텍처 서사를 내세우는 이유는 명확합니다. 모델 계층은 벤더 간 차별화가 빠르게 사라지는데, 데이터 계층과 워크플로 계층을 자기 플랫폼 안에 묶으면 전환 비용이 올라가거든요. 실무자 입장에서 6단계 분해는 배울 만하지만, 파이프라인 설계를 배우는 것과 그 파이프라인이 도는 컨테이너 서비스까지 사는 것은 다른 결정입니다.

정치 쪽 유인은 더 단순합니다. 감속을 제안한 쪽이 Anthropic, 즉 안전 담론을 브랜드 정체성으로 삼아온 회사라는 점이 먼저 눈에 들어와요. 그리고 Altman과 Musk가 곧바로 공개 지지를 표했습니다. 이미 프런티어에 올라선 쪽이 속도 조절에 동의하는 구도는, 뒤따르는 쪽의 추격 속도에도 같은 제한이 걸린다는 뜻입니다. 행정부와 의회는 이를 국가안보 프레임으로 받았고요. 이 충돌의 실무 함의는 누가 옳으냐가 아니라, 당분간 워싱턴발 규제 공백이 이어진다는 점입니다. 자율규제 담론에 기대 리스크 관리를 미뤄둔 조직은 스스로 기준을 만들어야 해요.

광고 쪽에서도 같은 역학이 반복됩니다. FTC는 8월 31일 Amazon이 7년 넘게 숨겨진 최저 입찰가(soft reserve price)로 광고주에게 몰래 웃돈을 물렸다며 제소했어요. 이틀 뒤 9월 2일 Judge Leonie Brinkema는 DOJ 대 Google 광고 기술 소송에서 기업 분할 대신 행동적 구제를 택했습니다. 구체안은 9월 16일까지 봉인이지만 자기 우선 노출 제한, 실시간 경매 데이터 퍼블리셔 공유, Prebid 연동이 유력하다고 알려졌고요. Equativ의 Arnaud Créput CEO는 2021년 프랑스 경쟁당국이 Google에 2억 2천만 유로 벌금과 행동 규제를 부과한 뒤 5년이 지났지만 "시장 구조는 근본적으로 바뀌지 않았다"며, Google이 여전히 거래 양쪽의 핵심 인프라를 통제한다고 지적했습니다. 행동적 구제는 행위를 금지하지만 그 행위를 가능하게 한 구조는 남겨둡니다. 그래서 검증 책임이 다시 광고주와 퍼블리셔에게 돌아와요. 에이전트 소유권과 똑같은 패턴입니다. 규칙은 선언되고, 실제 확인은 아래로 내려옵니다.

퍼블리셔 쪽 사례가 이 패턴을 더 잘 보여줍니다. Google은 Search Console 기반 'AI contribution pilot'을 조용히 확대해왔는데, Gemini와 AI Overviews, AI mode 응답에 콘텐츠가 '유의미하게' 기여했다고 판단될 때만 지급합니다. 참여하면 Search Console에 월 수익 위젯이 붙는데, 산정 방식에 대한 상세 정보는 제공되지 않아 업계 한 임원은 "상당히 블랙박스"라고 평했어요. Digiday 취재로는 최소 수십 개 퍼블리셔가 접촉받았고, 대형보다 중소 퍼블리셔에게 더 매력적으로 받아들여졌으며 뉴스 매체를 넘어 확대됐습니다. 블랙박스를 유지하는 편이 지급액을 최소화하면서 법적 방어선은 확보하는 방식이고, 참여 자체가 '검색 생태계에 순응했다'는 선례로 남아 이후 단체 협상력을 갉아먹을 수 있습니다. 파일럿 참여 퍼블리셔 임원 두 명은 정보가 기본적이긴 하지만 밖에서 과거 추천 트래픽 경제가 돌아오길 기다리는 것보다 안에 있는 게 낫다고 했고요. 산정 기준을 쥔 쪽이 가치를 정의한다는 점에서, 소유권 문서가 없는 에이전트 운영과 구조가 같습니다.

실무에 주는 함의

MarTech 원문이 제시한 다섯 질문을 그대로 점검표로 쓸 수 있어요. 지금 돌아가는 에이전트마다 답이 사람 이름으로 나오는지 확인해보세요.

첫째, 지시문을 누가 씁니까. 둘째, 개정 주기는 누가 관리합니까. 셋째, 모델 업데이트를 누가 추적합니까. 넷째, 결과물 드리프트를 누가 감시합니까. 다섯째, 은퇴 결정을 누가 내립니까. 원문은 이 다섯을 마케팅 운영팀, 브랜드팀, AI/플랫폼팀, 예산 담당자에게 나눠 맡기라고 제안합니다.

소유권 분할 원칙도 명확합니다. 중앙 조직이 접근 권한, 데이터, 모델 계층을 맡고 마케팅이 지시문, 톤, 그리고 그 에이전트가 여전히 사실을 말하고 있는지를 맡습니다. 둘 다 사람 이름이 붙어야 하고요.

내일 바꿀 수 있는 것부터 순서대로 적어둡니다.

• 권한 복제 끊기. 에이전트 목록을 열고 사람 계정 프로필을 복제해 만든 것부터 골라내세요. 그 담당자가 지금 다른 팀이면 우선순위 1번입니다. 접근 범위를 문서 검색, 실시간 조회, 쓰기 작업 세 단계로 쪼개고, 쓰기 권한은 기본값을 0으로 되돌린 뒤 근거가 쌓인 것만 다시 엽니다. 검색한 문서는 판단 자료일 뿐이고, 실행 허용 여부는 미리 정한 규칙과 실행 직전의 실제 상태로 검사해야 해요.
• Gold 계층만 연결하기. Medallion 아키텍처에서 Bronze는 원본을 변경 불가능하게 보존하고, Silver는 스키마와 계약을 적용하며 중복을 제거하고, Gold는 인증된 데이터와 신뢰할 수 있는 지표를 제공합니다. 에이전트에는 Gold 이상만 노출하고 Bronze, Silver는 계보 확인과 디버깅, 사람의 조사용으로 남기세요. RAG 파이프라인을 붙이면서 원본 데이터 레이크를 그대로 물리는 사례가 여전히 흔한데, 이게 잘못된 확신의 출발점입니다.
• 최신성 SLA의 기준점 바꾸기. 최신성은 값이 마지막으로 바뀐 시점이 아니라 데이터가 마지막으로 성공적으로 적재된 시점에 걸어야 합니다. 그래야 값이 일정한 데이터를 오래됐다고 오판하거나 멈춘 파이프라인을 정상으로 착각하는 일을 막아요. 계약 검증에 실패하면 배포를 차단하고, 어긴 데이터는 데드 레터 큐로 격리해 알림과 사람 검토를 부릅니다. 가격 데이터가 24시간 기준을 넘겼다면 49.99달러를 안내하는 대신 현재 가격 데이터가 없다고 답하게 하는 편이 낫습니다. 실시간 응답 에이전트에는 야간 배치 갱신이 충분하지 않을 수 있다는 점도 같이 검토하세요.
• 비정형 데이터 인덱스 주기 확인. 문서와 위키, PDF, 지원 티켓을 청크와 임베딩으로 바꾼 RAG 데이터에도 같은 보장이 필요합니다. 정책 문서는 바뀌었는데 벡터 인덱스를 다시 만들지 않았다면, 오래된 가격을 조회하는 것과 동일한 실패예요. 최신성 SLA를 문서 수정 시각이 아니라 원천 기준으로 걸어야 합니다.
• 유지보수 예산 줄 세우기. 에이전트별로 연간 운영 인력 시간을 추정해 예산 항목으로 올리세요. 1980년 연구의 '절반'이라는 비율이 그대로 적용되진 않겠지만, 지금 0으로 잡혀 있는 것보다는 어떤 숫자든 낫습니다. 200개 배포 계획이 있다면 배포 승인 조건에 운영 시간 추정치를 넣는 게 가장 값싼 브레이크입니다.
• 은퇴 기준 문서 쓰기. 킥오프 문서는 있는데 은퇴 기준 문서가 있는 조직은 드뭅니다. 성과 임계값, 사용 빈도 하한, 담당자 부재 기간 같은 조건을 미리 걸고, 그 아래로 내려가면 끄기로 정해두세요.

자율성 확대는 섀도 모드, 감독 모드, 가드레일이 있는 자율 모드, 완전 자율 모드 네 단계로 나눠 테스트와 운영 근거를 쌓으며 올립니다. 관측 가능성만은 첫날부터 갖춰야 하고요. EU AI Act 제12조와 제19조는 고위험 AI 시스템에 이벤트 자동 기록과 최소 6개월 보존을 요구하고, 위반 시 최대 1,500만 유로 또는 전 세계 연간 매출 3% 중 높은 금액이 과징금으로 매겨집니다. 국내 기업에 직접 적용되지 않더라도 6개월 이벤트 보존과 자동 기록이라는 틀은 개인정보보호법이나 전자상거래법 감사 대응에 그대로 쓸 만해요. 구현 순서는 데이터 계약과 품질, 추적과 거버넌스, 맥락 계층, 실행 가능한 접근 순이고 관측 가능성은 모든 단계에 걸칩니다.

리스크, 반대 관점

거버넌스를 조이면 에이전트가 안 돌아간다는 반론이 있습니다. 이건 형식적 반론이 아니라 실제로 자주 일어나는 실패예요. 승인 절차를 겹겹이 쌓으면 에이전트가 아무것도 실행하지 못해 도입 자체가 무산됩니다. 다만 여기서 필요한 건 통제를 줄이는 게 아니라 통제 지점을 옮기는 겁니다. 신뢰도 임계값 라우팅은 모든 건을 사람이 보게 하는 대신 애매한 건만 넘기는 방식이고, 원문 지적대로 프로젝트 일정에 쫓기면 이 안전장치부터 생략됩니다. 순서를 뒤집어야 해요. 임계값 라우팅은 나중에 붙이는 기능이 아니라 첫 배포의 최소 요건입니다.

소유권 격차 43포인트라는 숫자를 과대 해석할 위험도 있습니다. Ivanti 조사 대상은 IT 전문가 1,500명이고 Kana 조사는 미국 대기업 고위 리더 225명이라 모집단이 다릅니다. 두 숫자를 나란히 놓으면 그림이 선명해지지만, 같은 조직을 두 번 측정한 게 아니에요. 40%와 52%의 차이도 응답자 집단이 다른 데서 오는 것이라, 조직 내 갈등의 크기를 그대로 나타내는 값으로 읽으면 과잉 해석입니다. 조사 방법론 세부는 공개되지 않았습니다.

Medallion과 데이터 계약 접근의 비용도 짚어둬야 합니다. 계약 검증 실패 시 배포를 차단하는 구조는 안전하지만, 파이프라인이 잦게 바뀌는 조직에서는 차단이 일상이 됩니다. 실시간 응답 에이전트라면 야간 배치로 갱신하는 방식이 충분하지 않을 수 있다는 점도 원문이 인정하는 한계고요. 계약을 도입하기로 했다면 계약과 업무 정의, 권한을 지속적으로 관리할 담당자를 함께 지정해야 합니다. 관리자 없는 계약은 배포를 막는 장치로만 남아요.

Adaptive Gold처럼 에이전트가 자기 반복 쿼리 패턴을 관찰해 자주 쓰는 데이터 조합을 구체화하고 웨어하우스 뷰를 만드는 방식은 아직 초기 단계입니다. DataHub CONTEXT 2025에서 Apple이 소개한 '디지털 스튜어드' 에이전트는 메타데이터를 점검하고 누락과 업데이트를 제안하는 카탈로그 관리 범위였고, 이를 데이터셋으로 확장하는 건 다음 단계예요. 원문도 에이전트의 쿼리 패턴이 안정된 뒤에 시도할 만하다고 선을 그었습니다.

마지막 함정은 규제 기대입니다. Google 광고 기술 판결이 행동적 구제로 끝나고, 프랑스 사례에서 2억 2천만 유로 벌금과 행동 규제 이후 5년이 지나도 시장 구조가 그대로였던 걸 보면, 규제가 실무 리스크를 대신 정리해주리라는 가정은 위험해요. Trump 행정부와 하원 지도부가 감속론에 선을 그은 상황이면 더 그렇습니다. Google의 AI 기여 파일럿처럼, 산정 기준을 공개하지 않는 쪽이 규칙을 정하는 구도도 같은 방향을 가리키고요. 내부 통제가 유일한 통제라고 보는 편이 현실에 가깝습니다.

자주 묻는 질문

AI 에이전트란 무엇인가요

사람이 매번 지시하지 않아도 지시문과 데이터 접근 권한을 받아 반복 업무를 수행하는 소프트웨어입니다. 마케팅에서는 캠페인 세팅, 고객 응대, 가격 안내 같은 작업에 쓰여요. 핵심 차이는 사람은 이상한 숫자나 날짜를 보면 동료에게 확인하고 멈추는데, 에이전트는 조직 지식과 직관이 없어 그 데이터로 확신을 갖고 실행한다는 점입니다.

AI 에이전트 활용 사례는 어디까지 왔나요

Kana가 5월에 미국 대기업 고위 리더 225명을 조사한 결과 70%가 실제 마케팅 업무에 커스텀 에이전트를 운영 중이었고 하나도 안 쓰는 곳은 3%였어요. 사내 운영 사례로는 Snowflake가 청구서 처리를 분류, 추출, 번역, 매칭, 보강, 의사결정 6단계 파이프라인으로 재설계한 InvoiceIQ가 있습니다. 도입 여부가 아니라 운영 체계가 갈림길입니다.

AI 에이전트 비교는 무엇을 기준으로 하나요

모델 성능만 보면 실제 실패 원인을 놓칩니다. 실무 실패는 신뢰성, 맥락, 추적 가능성, 거버넌스, 실행 가능성 다섯 속성 중 하나가 빠져서 생기는 경우가 많아요. 데이터 계약으로 스키마와 최신성 SLA를 강제하는지, Gold 계층만 노출하는지, 이벤트 로그를 자동 기록하는지, 신뢰도 임계값으로 애매한 건을 사람에게 넘기는 라우팅이 있는지를 비교표 항목에 넣으세요.

AI 에이전트 도입 비용은 어떻게 잡아야 하나요

출시 비용보다 운영 비용이 크게 누적됩니다. 1980년 Bennet Lientz와 Burton Swanson이 487개 조직을 조사한 연구에서 유지보수는 소프트웨어 예산의 절반을 차지했어요. 지시문 개정, 모델 업데이트 추적, 드리프트 점검, 은퇴 결정에 드는 인력 시간을 에이전트별로 추정해 별도 예산 항목으로 세우는 게 출발점입니다.

AI 에이전트 트렌드는 앞으로 어디로 가나요

미국에서는 규제 속도가 늦춰질 신호가 뚜렷합니다. Anthropic의 감속 제안에 Trump 대통령은 중국과의 경쟁을 이유로 선을 그었고, Mike Johnson 하원의장도 규제를 서두르면 경쟁에서 진다고 했어요. 광고 쪽에서도 Google 판결이 분할 대신 행동적 구제로 끝났고, Google의 AI 기여 파일럿은 산정 기준을 공개하지 않은 상태로 확대되고 있습니다. 통제 기준을 조직 내부에서 먼저 만들어두는 흐름이 이어집니다.