어시스턴트, 협업, 완전 자율화: 다가오는 엔터프라이즈 소프트웨어의 세 가지 AI 시대 

비즈니스 인텔리전스 플랫폼의 사용자 인터페이스를 상상해 보세요. 보통 이러한 인터페이스는 수많은 탭, 사이드바, 드롭다운, 슬라이더 등 다양한 UI 요소가 포함되어 복잡하게 느껴질 수 있습니다. 새로운 사용자는 필요한 기능을 어디서 찾아야 할지 모를 수 있고, 숙련된 사용자도 주주 사용하지 않는 기능을 찾아 헤매는 경우가 있습니다. 

이제 이러한 모든 구성 요소 대신 간단한 텍스트 상자가 화면에 표시된다고 상상해 보세요. 사용자는 "EMEA 지역의 20~30세 인구 통계에서 지난 10년간의 전년 대비 구독자 수를 보여주는 차트를 생성해 주세요."와 같은 프롬프트를 입력할 수 있습니다. 그러면 차트가 바로 구체화됩니다. 

우리는 아직 그 지점에 도달하지 못했습니다. 하지만 이러한 미래는 멀지 않았습니다.

지난 10년 동안 소프트웨어 회사들은 사용자 인터페이스(UI)를 개선하고 워크플로를 간소화하며 작업을 완료하기까지 필요한 클릭 수를 줄여 사용자 경험(UX)을 향상시키는 데 주력해 왔습니다. 이러한 발전으로 생산성이 향상되어 소프트웨어 채택률이 높아지고, 작업 완료 시간이 단축되었습니다.  

그러나 여진히 엔터프라이즈 소프트웨어를 사용하려면 특히 레거시 애플리케이션에서 전환할 때 사용자가 다른 시스템을 배우고 적응하는 데 시간을 투자해야 합니다. 게다가 여러 플랫폼에서 디자인이 일관되지 않으면 사용자 교육과 채택이 더욱 복잡해집니다. 

이러한 문제를 해결하기 위해 조직은 종종 대대적인 변화 관리 프로그램을 배포하지만, 새로운 시스템에 대한 사용자 수용도가 낮아 기대했던 효과를 내지 못하는 경우가 종종 발생합니다. 이러한 실패는 종종 불충분한 교육, 변화에 대한 저항, 그리고 기존 시스템에서 새로운 시스템으로의 전환 과정이 복잡하기 때문에 발생합니다.

AI가 이 모든 것을 바꿀 것입니다. 

에이전틱 AI 발전이 이끄는 세 가지 시대를 통해, 엔터프라이즈 애플리케이션이 어떻게 변화할 것으로 예상되는지 살펴보겠습니다. 이 과정은 점진적인 개선에서 완전한 자율성으로 나아가는 흐름을 따릅니다. 

현재 에이전틱 AI를 엔터프라이즈 소프트웨어에 통합하는 초기 단계에 있습니다. 이러한 변경 사항은 사용자 경험을 향상시키지만, 주로 기존 UI를 대체하기보다는 보완하는 역할을 합니다. 

임베디드 AI 기반 지원: 생성형 AI를 활용한 설명 및 세부 정보 자동 완성, 머신 러닝 기반 추천, 검색 증강 생성(RAG)을 통한 관련 정보 검색이 가능해집니다.

대화형 인터페이스: 챗봇과 코파일럿은 자연어 명령을 통해 작업을 완료할 수 있습니다.

사용자 정의 가능한 플랫폼: 플랫폼형 서비스(PaaS) 솔루션은 사용자가 플랫폼에 제공된 대형 언어 모델(LLM)을 활용하여 맞춤형 AI 기능을 구축할 수 있도록 지원합니다.

이러한 향상된 기능이 생산성을 높여주지만, 사용자 상호 작용에서는 여전히 기존의 UI가 중요한 역할을 하고 상당한 수준의 사용자 개입이 필요합니다.

이 시대에는 엔터프라이즈 애플리케이션이 더욱 지능적이고 협업 중심적인 프레임워크로 발전합니다. 기존의 UI는 뒷전으로 밀려나 IT 전문가와 슈퍼 유저를 위한 도구가 됩니다. AI 에이전트가 대부분의 인간-소프트웨어 상호작용을 자동화하여 단계별 안내를 제공하고 병목 지점을 강조합니다. 그러나 중요한 결정에는 여전히 사람의 의견이 필요합니다. 이 단계에서 예상되는 핵심 기능은 다음과 같습니다.

인터페이스로서의 에이전트: 대화형 인터페이스가 사용자 상호 작용의 중심이 되면서 기존의 UI에 대한 의존도가 최소화됩니다.

에이전트 간 소통: 다양한 소프트웨어 플랫폼에 걸친 AI 에이전트들이 HTTP와 유사한 표준 프로토콜을 활용하여 원활하게 소통합니다.

동적 통합: AI 에이전트가 실시간으로 정보를 교환함에 따라 소프트웨어 제품 간의 수동 통합이 더 이상 필요하지 않게 됩니다. 이러한 변화로 인해 IT 전문가가 반복적인 유지 보수나 문제 해결보다 전략 및 혁신과 같은 고부가가치 업무에 집중할 수 있게 됩니다. AI 에이전트 간의 원활한 소통으로 병목 현상이 줄어들고 의사 결정 프로세스가 빨라지면서, 조직의 워크플로우도 더욱 민첩해집니다.

마지막 진화 단계에서는 거의 완전히 자율적이어서 사람의 개입을 최소화하는 엔터프라이즈 애플리케이션을 구상합니다. 사용자는 목표를 정의하고 AI 에이전트는 사전 정의된 조직 가드레일 내에서 목표를 달성하기 위해 협력합니다. 주요 특징은 다음과 같습니다.

목표 지향적 AI 에이전트: 사용자가 목표를 지정하면 AI 에이전트가 처음부터 끝까지 작업을 실행합니다.

구성 가능한 가이드 레일: 조정 가능한 지침으로 업무 범위, 의사 결정 지점, 승인 요건 등을 명확하게 정의합니다. 이러한 지침은 자연어를 사용해 설정할 수 있으므로 별도의 전문 IT 기술이 필요하지 않습니다. 예를 들어, 관리자가 "승인을 위해 미화 10,000달러가 넘는 모든 송장을 재무 부서 로 보내주세요"와 같은 간단한 지침을 입력하면 시스템이 적절한 워크플로를 생성합니다.

그러나 모호한 표현이나 부정확한 명령어로 인해 의도하지 않은 설정이 적용될 수 있는 언어적 한계가 존재할 수 있습니다. 이러한 문제를 해결하려면 정확성을 확보하고, 안내형 프롬프트나 검증 단계와 같은 보완 장치를 제공하는 것이 중요합니다.

온디맨드 UI: 의사 결정이나 정보 표시를 위해 필요에 따라 동적 인터페이스가 생성됩니다.

비정형 데이터 관리: 정보는 주로 비정형 형식으로 수집되지만 분석 및 보고를 위해 정형 데이터나 반정형 데이터로 변환됩니다. 

간소화된 아키텍처: 엔터프라이즈 애플리케이션은 전문화된 AI 에이전트와 범위 경계가 있는 구성 가능한 가이드 레일이라는 두 가지 주요 구성 요소로 이루어집니다. 데이터는 조직 전체가 공유하는 중앙 집중형 저장소에 보관되므로 애플리케이션별 데이터 리포지토리가 필요하지 않게 됩니다.

이 시대에는 생산성 향상이 상당할 것으로 예상되며, 여기에 엔터프라이즈 애플리케이션 및 데이터 관리에 대한 총 소유 비용(TCO) 감소 등 더 많은 이점이 뒤따를 것입니다.