기업 AI, ‘모델 경쟁’ 넘어 ‘문맥 설계’로…임피터스 ‘리프 AI’ 공개

| 강수빈 기자

기업들의 인공지능(AI) 도입이 실험 단계를 넘어 실제 성과를 내는 국면으로 옮겨가고 있다. 이 과정에서 핵심은 어떤 모델을 고르느냐보다, 사내 지식과 업무 규칙, 데이터 관계를 얼마나 최신 상태로 연결하고 관리하느냐에 있다는 분석이 나온다.

미국 소프트웨어 기업 임피터스 테크놀로지스는 이런 수요를 겨냥해 ‘리프 AI(Leap AI)’ 제품군을 공개했다. 이 제품군은 레거시 시스템 현대화, 시맨틱 컨텍스트, 에이전트형 AI 솔루션, 관측 가능성(옵저버빌리티)을 하나의 프레임워크로 묶어 기업 AI를 실제 운영 환경으로 옮기는 데 초점을 맞췄다.

나치켓 데슈판데 임피터스 최고경영자(CEO)는 실리콘앵글 미디어의 더큐브(theCUBE) 인터뷰에서 기업 AI의 가장 큰 걸림돌로 ‘컨텍스트 갭’을 짚었다. 컨텍스트 갭은 AI가 기업 고유의 지식과 규칙을 충분히 이해하지 못해 기대한 투자수익률(ROI)을 내지 못하는 문제를 뜻한다.

그는 “모델이 기업마다 다른 고유한 지식을 갖고 있지 못한 것이 핵심 문제”라며 “리프 AI 제품군은 이 간극을 메우기 위해 설계됐다”고 설명했다. 이어 기존 환경에 묶여 있던 데이터를 꺼내 에이전트형 AI 시스템이 활용할 수 있게 하는 현대화 솔루션 ‘리프로직(LeapLogic)’도 주요 축이라고 덧붙였다.

‘에이전트형 AI’ 성패, 회사별 규칙 이해에 달려

임피터스가 강조한 또 다른 키워드는 ‘컨텍스트 엔지니어링’이다. 단순히 대형언어모델을 도입하는 것만으로는 기업 환경에서 안정적인 결과를 내기 어렵고, 실제 의사결정에 쓰이는 우선순위와 예외 규칙까지 AI가 반영해야 한다는 의미다.

데슈판데는 항공사 수하물 분실 대응 사례를 예로 들었다. 공항마다 자체 인력을 쓰는 곳도 있고 외부 파트너에 맡기는 곳도 있는 만큼, 같은 ‘수하물 처리’ 업무라도 운영 방식이 서로 다르다. 이런 세부 맥락을 반영한 뒤에야 AI 에이전트가 분실 수하물 지표를 개선하기 시작했다는 설명이다.

이는 기업용 AI 시장 전반에 던지는 메시지와도 맞닿아 있다. 기업들은 성과를 원하지만, 각자의 시스템과 프로세스가 너무 달라 획일적인 도구만으로는 한계가 있다. 임피터스는 소프트웨어의 표준화 장점과 서비스의 유연성을 함께 제공해 이 틈새를 공략하겠다는 전략이다.

데슈판데는 기존 시스템통합(SI) 방식이 고객 맞춤형으로 구축되긴 했지만 시간과 비용이 많이 들었고, 결과도 항상 보장되지는 않았다고 진단했다. 반면 새 접근법은 소프트웨어와 서비스를 함께 제공해 구축 속도를 높이면서도 ‘성과 중심’ 운영이 가능하다는 점을 내세웠다.

빠르게 바뀌는 AI 인프라, ‘추상화’와 ‘관측’이 경쟁력

AI 도입 속도가 빨라진 점도 기업의 고민을 키우고 있다. 인프라, 응용프로그램인터페이스(API), 모델이 짧은 주기로 바뀌는 상황에서 전통적인 기업 프로젝트 방식으로는 이를 따라가기 쉽지 않다. 한 달 전 내린 기술 선택이 금세 낡아 보일 수 있다는 뜻이다.

임피터스는 리프 AI가 이런 부담을 줄이는 데에도 강점이 있다고 주장했다. 솔루션 개발자가 밑단의 기술 변화에 직접 매달리지 않도록 복잡성을 감추고, 일관된 방식으로 에이전트형 AI 솔루션을 만들 수 있게 돕는다는 설명이다. 여기에 관측 가능성을 내장해 운영 중인 시스템을 지속적으로 점검하고 조정할 수 있도록 한 점도 특징으로 제시했다.

또한 이 제품군은 주요 기술 파트너들과 협업해 개발되고 있어, 빠르게 진화하는 AI 생태계 변화와 보조를 맞출 수 있다고 회사 측은 강조했다. 특정 모델이나 API에 과도하게 종속되지 않도록 하는 ‘추상화’가 앞으로 기업 AI 도입의 중요한 경쟁력이 될 가능성이 크다.

결국 기업 AI의 다음 단계는 더 강력한 모델을 찾는 경쟁이 아니라, 자사 데이터를 얼마나 제대로 연결하고 통제하며 최신 상태로 유지하느냐의 싸움에 가까워지고 있다. 임피터스의 리프 AI 출시는 이런 흐름 속에서 ‘에이전트형 AI’의 실사용 가치를 입증하려는 시도로 읽힌다. 다만 실제 시장에서 의미 있는 성과를 내려면, 각 산업별 복잡한 업무 맥락을 얼마나 빠르게 제품에 녹여내는지가 관건이 될 전망이다.

TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.
본 기사는 시장 데이터 및 차트 분석을 바탕으로 작성되었으며, 특정 종목에 대한 투자 권유가 아닙니다.

많이 본 기사

지금 꼭 알아야 할 리포트