Qlik, ‘설명 가능한 AI’ 앞세워 에이전틱 기능 공개…서비스나우와 전략 제휴

데이터 통합·분석 기업 퀵테크 인터내셔널 AB(QlikTech International AB)가 연례 고객 행사 ‘Qlik Connect 2026’에서 새로운 ‘에이전틱 AI’ 기능을 공개했다. 핵심은 예측과 자동화를 담당하는 신규 AI 에이전트, 데이터 엔지니어링 고도화, 그리고 서비스나우와의 전략적 제휴다.

이번 발표는 기업들의 AI 도입이 빠르게 늘고 있지만, 실제 성과로 이어지지 못한다는 문제의식에서 나왔다. 마이크 카포네 Qlik 최고경영자(CEO)는 27일 미국 플로리다주 올랜도에서 열린 행사 기조연설에서 “기업들이 AI에 많은 돈을 쓰고 있지만 기대한 수익과 가치를 얻지 못하고 있다”고 말했다.

Qlik, 예측·자동화 AI 에이전트 공개

Qlik은 이런 ‘AI 신뢰’ 문제를 해소하기 위해 데이터 품질, 거버넌스, AI 투명성이라는 세 가지 축을 동시에 강화하겠다고 밝혔다. 카포네 CEO는 특히 많은 AI 도구가 결과만 제시할 뿐, 어떤 근거와 과정으로 결론에 도달했는지 설명하지 못한다고 지적했다. 이른바 ‘블랙박스’ 구조가 기업 의사결정자들의 신뢰를 떨어뜨리고 있다는 설명이다.

이를 보완하기 위해 Qlik은 이번 분기 안에 ‘프리딕트 에이전트(Predict Agent)’를 출시할 예정이다. 사용자가 자연어로 향후 매출, 수요, 운영 리스크 같은 질문을 던지면 적절한 머신러닝 모델을 자동으로 만들고, 예측 결과와 함께 해석까지 제공하는 방식이다. 단순히 숫자를 내놓는 데 그치지 않고, 왜 그런 예측이 나왔는지 이해할 수 있도록 설계한 것이 특징이다.

함께 공개된 ‘오토메이트 에이전트(Automate Agent)’는 이 예측 결과를 실제 업무 흐름으로 연결한다. 예를 들어 프리딕트 에이전트가 공급망 차질 가능성을 감지하면, 오토메이트 에이전트가 외부 시스템에서 대체 공급업체를 찾는 조달 워크플로를 자동으로 실행하는 식이다. 기업 입장에서는 ‘인사이트’가 바로 ‘실행’으로 이어지는 구조를 기대할 수 있다.

데이터 엔지니어링까지 확장…서비스나우와도 협력

Qlik은 데이터 엔지니어링 부문에도 에이전틱 자동화를 확대했다. 회사는 ‘선언형 파이프라인’과 실시간 데이터 라우팅 기능을 새롭게 추가했다고 설명했다. 이는 AI 시스템에 들어가는 데이터 파이프라인을 구축·운영할 때 생기는 복잡성과 마찰을 줄이고, 입력 데이터가 항상 최신 상태이면서 거버넌스 기준을 충족하도록 돕는 데 초점이 맞춰져 있다.

여기에 서비스나우(ServiceNow)와의 전략적 제휴도 더해졌다. 이번 협력으로 Qlik 애널리틱스 엔진은 서비스나우의 ‘워크플로 데이터 패브릭(Workflow Data Fabric)’에 통합된다. 목적은 서비스나우의 AI 에이전트가 활용하는 데이터의 품질과 맥락을 끌어올리는 것이다.

카포네 CEO는 이번 협력이 ‘인사이트에서 행동까지 가는 더 나은 경로’를 제공할 것이라고 강조했다. 또 서비스나우 데이터 카탈로그용 신규 Qlik 데이터 커넥터를 통해 데이터 계보, 이동 경로, 구조에 대한 가시성도 높아질 것이라고 밝혔다. 이를 통해 사용자는 비즈니스 관계와 패턴에 대한 새로운 통찰을 얻고, 더 정교한 의사결정을 지원하는 추천까지 확보할 수 있다는 설명이다.

핵심은 ‘AI 자체’가 아니라 ‘신뢰할 수 있는 데이터’

프라모드 마하데반 서비스나우 데이터·애널리틱스 제품 에코시스템 부사장도 “사람이든 AI 에이전트든, 판단의 질은 결국 입력 데이터의 질에 달려 있다”고 말했다. 그는 Qlik과의 협력이 외부 데이터 기반 인사이트를 서비스나우 내부 워크플로에 직접 연결해, 실제 업무가 이뤄지는 환경에서 ‘신뢰할 수 있고, 거버넌스가 적용된, 의사결정 준비가 된 데이터’를 활용할 수 있게 해준다고 평가했다.

이번 발표는 AI 경쟁이 모델 성능 중심에서 ‘운영 가능한 신뢰’ 경쟁으로 이동하고 있음을 보여준다. 기업 고객들이 더 이상 화려한 AI 기능만으로는 만족하지 않고, 설명 가능성과 데이터 품질, 자동화된 실행까지 요구하고 있기 때문이다. Qlik의 이번 전략은 결국 ‘AI를 잘 쓰는 기업’의 조건이 강력한 모델보다 ‘정돈된 데이터와 투명한 흐름’에 있다는 점을 다시 부각시킨다.