AI 에이전트 경쟁, 모델 성능서 기업 시스템으로 이동

AI 에이전트 경쟁의 무게중심이 컴퓨터 조작 능력에서 기업 업무에 안전하게 투입할 수 있는 운영 시스템으로 옮겨가고 있다. 모델 성능뿐 아니라 회사별 문맥과 권한 관리, 오류 복구, 검증 체계를 함께 갖춰야 실제 업무를 맡길 수 있다는 분석이다.

안드리센호로위츠(Andreessen Horowitz)는 2025년 8월 28일 공개한 글에서 컴퓨터 사용형 에이전트가 브라우저와 데스크톱 환경을 직접 다루며 업무 자동화 범위를 넓히고 있다고 밝혔다. 기업 현장에서는 범용 모델 자체보다 기업별 문맥과 신뢰성 설계, 장기 작업을 조율하는 오케스트레이션이 중요하다고 평가했다.

컴퓨터 사용형 에이전트는 사람이 사용하는 화면을 인식해 클릭과 입력, 화면 이동 등의 동작을 수행하는 AI 시스템이다. 목표를 받은 뒤 필요한 도구를 선택하고 여러 단계를 이어서 처리한다는 점에서 정해진 절차를 반복하는 기존 로봇프로세스자동화(RPA)와 차이가 있다.

적용 대상은 문서 검색과 고객관리시스템 입력, 사내 메신저 알림, 보고서 작성처럼 여러 프로그램을 오가는 업무다. 기업 업무에는 접근 권한과 예외 처리, 감사 기록, 사람의 승인 절차가 얽혀 있어 화면을 조작하는 능력만으로 전체 과정을 자동화하기 어렵다.

OSWorld 공식 논문에 따르면, 369개 실제 컴퓨터 작업에서 인간 수행률은 72.36%, 당시 최고 모델 성공률은 12.24%였다. OSWorld는 실제 운영체제 환경에서 파일과 응용프로그램, 웹페이지를 다루는 능력을 측정하는 벤치마크다.

오픈AI(OpenAI)는 2025년 1월 23일 공개한 컴퓨터 사용 에이전트(Computer-Using Agent·CUA)가 OSWorld에서 38.1%, WebArena에서 58.1%, WebVoyager에서 87%를 기록했다고 밝혔다. 컴퓨터를 직접 다루는 모델이 연구 단계를 넘어 제품화 단계로 들어섰음을 보여주는 수치다.

다만 같은 컴퓨터 사용 능력을 측정하더라도 벤치마크 버전과 작업 구성, 실행 하니스가 다르면 결과를 단순 비교하기 어렵다. 원 논문과 OSWorld-Verified, 개별 업체의 재평가는 서로 다른 조건을 적용하므로 성능 수치에는 평가 기준을 함께 밝혀야 한다.

기업용 AI 에이전트의 병목을 모델 점수만으로 설명하기 어려운 이유도 여기에 있다. 강한 모델을 확보해도 필요한 문맥을 제때 제공하고 실행 결과를 검증하며 실패한 작업을 복구할 시스템이 없으면 생산 환경에서 안정적으로 운용하기 어렵다.

마이크로소프트(Microsoft·$MSFT)는 2026년 6월 2일 공개한 글에서 기업에 필요한 것은 강한 모델이나 연산 자원만이 아니라 에이전트를 구축하고 배포하며 관측하고 통제하는 시스템이라고 밝혔다. △컨텍스트 △거버넌스 △관측 가능성 △지속적인 개선을 생산 환경 도입의 주요 조건으로 제시했다.

오픈AI도 2026년 6월 25일 공개한 글에서 에이전트 이용 방식이 단발성 질의에서 장시간 업무를 위임하는 방향으로 바뀌고 있다고 설명했다. 작업 시간이 길어질수록 중간 결과 검증과 권한 제한, 실패 시 사람에게 넘기는 절차의 중요성도 커진다.

보안은 기업용 에이전트가 해결해야 할 또 다른 과제다. 에이전트가 내부 문서와 업무 시스템을 읽고 쓸 수 있게 되면 필요한 문맥을 활용하는 능력과 민감 정보를 노출할 위험이 함께 커진다.

마이크로소프트 리서치(Microsoft Research)의 CI-Work 연구는 기업용 거대언어모델(LLM) 에이전트의 프라이버시 위반율을 15.8~50.9%, 정보 누출률을 최대 26.7%로 제시했다. 연구진은 모델 규모나 추론 깊이를 늘리는 방식만으로 문맥에 따른 정보 유출 문제를 해결하기 어렵다고 결론 내렸다.

업계에서는 화면과 브라우저를 거치는 에이전트를 기존 소프트웨어와 연결하기 위한 과도기적 방식으로 보는 견해와, 에이전트가 사람처럼 기존 도구를 직접 다루는 방식이 주류가 될 것이라는 견해가 맞선다. 두 입장 모두 실제 도입에는 접근 통제와 가드레일, 실행 결과 검증이 필요하다는 점에서는 일치한다.

기업 내부에서도 에이전트 운용 구조를 구축하려는 시도가 이어지고 있다. 코인베이스의 내부 AI 시스템은 클라우드 샌드박스와 하위 에이전트 조율, 자동 작업 생성 구조를 적용했고, 이런 시스템 설계는 모델이 여러 단계의 업무를 수행하는 과정에서 실행 범위와 책임을 구분하는 기반이 된다.

가상자산 분야에서는 AI 에이전트의 가격 수혜보다 신원과 권한, 감사 체계를 어떻게 설계할지가 직접적인 접점이다. 자율 거래 AI 에이전트의 신원과 허용 범위를 검증하는 공동 연구도 시작된 만큼 에이전트가 기업 업무와 디지털 자산 인프라에 들어갈수록 통제 체계의 중요성은 커지는 구조다.

검증 출처: 안드리센호로위츠, OSWorld, OpenAI CUA, OpenAI Agents, Microsoft Blog, Microsoft Research