AI 에이전트가 수행할 수 있다고 분류된 업무량 가운데 프런티어 모델이 필요한 고복잡도 업무 비중은 산업별 6~11%로 추정됐다.
와튼스쿨(Wharton School)과 액센츄어(Accenture)는 16일 공개한 공동 보고서 ‘What Does Agentic AI Really Cost?’에서 기업이 업무별 난도와 데이터·시스템 조건을 살펴 모델을 설계 단계에서 선택해야 한다고 제안했다.
보고서는 O*NET의 923개 직업과 1만8000개 이상의 업무·활동을 검토했다. 사람과의 상호작용이나 물리적 활동 필요성을 고려해 에이전트가 맡을 수 있다고 분류한 업무 1만1339개를 추렸다.
이 업무들을 작업 흐름, 규제 요건, 연동 시스템, 민감한 데이터 접근, 데이터의 양과 갱신 필요성에 따라 평가했다. 모델 성능뿐 아니라 업무 환경과 데이터 조건도 복잡도를 가르는 기준으로 삼았다.
평가 대상 업무 항목의 90% 이상은 낮은 복잡도 범주에 속했다. 이는 기업 업무의 90% 이상을 자동화할 수 있다는 뜻도, 실제 자동화 성공률을 나타내는 수치도 아니다.
산업별 6~11%는 전체 직업·업무가 아니라 각 산업에서 에이전트가 수행할 수 있다고 분류한 업무량 가운데 고복잡도 업무가 차지하는 비중이다. 이 수치와 90% 이상이라는 복잡도 분포는 서로 다른 기준을 설명한다.
생명과학 분야에서는 비용 청구서와 보고서 준비, 고용 기록 관리가 프런티어 모델을 요구하지 않는 업무로 분류됐다. 생산 품질관리 체계를 개발하거나 특허 출원 문서를 작성하는 일은 고복잡도 사례로 제시됐다.
본지는 앞서 텐센트가 20여 분야의 AI 에이전트 적용 사례를 공개한 내용도 전했다. 이번 보고서는 개별 적용 사례와 함께 업무별 복잡도와 조건을 살펴야 하는 이유를 비용 추정 틀로 설명한다.
◇ 기업 규모가 비슷해도 도입 비용은 세 배 넘게 차이
비슷한 규모의 기업도 수행하는 업무가 다르면 5년간 에이전트 도입·운영비가 세 배 넘게 차이 날 수 있다고 보고서는 분석했다. 업무량과 복잡도, 데이터 요구 수준, 사람의 감독 필요성이 비용에 영향을 준다.
자본시장·기술·방위 산업에서는 업무량이 많은 과제도 복잡할 수 있다. 산업 평균만으로 개별 기업에 필요한 모델이나 비용을 판단하기 어려운 이유다.
비용 산정에는 모델 사용료 외에 업무 설계와 데이터 준비, 시스템 통합, 시험·검증, 보안·규제 대응 등 초기 비용 8개 항목이 포함됐다. 운영 단계에서는 사람의 감독, 모니터링·유지보수, 데이터 처리 체계, 소프트웨어·도구와 연산 비용을 반영해 총 13개 항목을 계산했다.
이 추정치는 실제 기업의 도입 결과를 집계한 값이 아니라 업무 분류와 가정에 근거한 모델의 산출물이다. 보고서는 결과를 비용의 하한선에 가까운 추정치로 규정하고, 외부 컨설팅과 외부 업체의 시스템 통합, 직원 교육, 업무 전환 지원 비용은 계산에서 제외했다.
◇ 업무 흐름을 살핀 뒤 모델 성능을 정해야
두 기관은 설계 단계에서 업무 범위와 필요한 모델 성능을 정하라고 제안했다. 업무 흐름과 데이터 조건을 먼저 파악한 뒤 모델을 선택하면 업무별 요구 수준을 반영할 수 있다는 설명이다.
한 에이전트에 모든 업무를 맡기면 맥락 관리가 복잡해질 수 있다. 반대로 업무를 지나치게 잘게 나누면 개발·통합·관리 비용이 늘어난다.
운영 중 업무마다 모델을 자동으로 바꾸는 방식은 추적이 어렵고, 이를 대규모로 실행할 수 있는 기업도 많지 않다고 보고서는 설명했다. 업무량이 적더라도 복잡도가 높은 작업에는 프런티어 모델이 필요할 수 있어, 실제 업무 흐름에 맞춰 모델 성능과 비용을 함께 추적해야 한다는 제안이다.
<Copyright ⓒ TokenPost, unauthorized reproduction and redistribution prohibited>
Most Popular