107개 기관의 VB Pulse 데이터를 지속적으로 분석한 결과, 기관들은 AI 에이전트 오케스트레이션을 단일 공급자에게 맡기기보다 여러 플랫폼에서 운영하는 방향으로 나아가고 있다. 기관의 85%가 두 개 이상의 도구를 사용하고 있으며, 64%는 세 가지 도구를 사용한다. 단일 플랫폼만 사용하는 기관은 15%에 불과하다. 이러한 다양성은 단일 공급자에 대한 종속을 피하려는 의지만을 반영하는 것이 아니라, 공급업체의 보안 및 권한 관리 역량에 대한 우려와 AI 팀이 자체 통제 수단을 적용하려는 의지도 반영한다.
현재 사용되는 도구 중에서는 Microsoft AI Foundry와 Copilot Studio가 가장 앞서며, 조사 대상 환경의 70%에서 사용되고 있다. 그다음은 68%의 OpenAI Agents SDK, 47%의 Anthropic Claude Platform이다. 응답자들은 Google의 Enterprise Agent Platform, LangChain과 LangGraph 도구, Salesforce Agentforce, Amazon Bedrock, LlamaIndex도 다양한 수준으로 사용하고 있다. 22%는 공급업체 서비스와 함께 조직 내부에서 맞춤형 오케스트레이션 도구를 운영한다.
다중 플랫폼의 미래
기관의 53%는 2026년 말까지 자사의 주요 ‘제어 계층’이 하이브리드 형태가 될 것으로 예상한다. 반면 14%는 공급업체가 관리하는 서비스를 사용할 것으로 예상하고, 13%는 맞춤형 내부 제어 계층을 구축할 계획이다. 11%는 오케스트레이션 계층을 모델 공급업체와 분리하는 외부 플랫폼에 기대를 걸고 있다.
그러나 이러한 구조는 아직 안정되지 않은 것으로 보인다. 응답자의 3분의 2 이상이 1년 이내에 플랫폼을 변경할 계획이다. 15%는 3개월 이내에, 24%는 3~6개월 내에, 28%는 6~12개월 내에 변경이 이뤄질 것이라고 답했다. Claude Agent SDK는 검토 중인 도구 가운데 두드러지며, 참여한 빌더의 43%가 이를 탐색하고 있다. 또한 약 3분의 1은 Google의 Enterprise Agent Platform을 검토하고 있고, 31%는 맞춤형 내부 오케스트레이션에 집중하며, 25%는 OpenAI 옵션을 살펴보고 있다.
이처럼 지속적인 전환에도 불구하고 현재 사용 중인 플랫폼에 대한 전반적인 평균 만족도는 5점 만점에 4.17점이었다. 그러나 구현 용이성을 평가할 때 만족도는 3.91점으로, 비용 대비 가치를 평가할 때는 3.63점으로 떨어졌다. 이러한 격차는 문제가 반드시 도구의 부재에 있는 것이 아니라, 비용을 정당화할 수 있는 방식으로 도구를 통합하고 운영하기가 어렵다는 점에 있음을 시사한다.
기관은 실제로 무엇에 자금을 투입하는가?
플랫폼 선택 요인으로는 유연성이 29%로 가장 높았고, 보안 및 권한 관련 고려 사항이 17%로 뒤를 이었다. 프로덕션 환경에서의 운영 신뢰성과 에이전트 실행 제어는 각각 15%였다. ‘모델 종속’ 또는 특정 기반 모델과의 기본 호환성을 중요한 요인으로 본 응답자는 약 10%에 불과했다. 개발 용이성은 8%, 총소유비용은 4%, 지연 시간과 메모리 측면의 성능은 단 2%가 언급했다.
이러한 집중은 지출 항목에도 반영된다. 에이전트 모니터링 및 디버깅이 지출의 31%를 차지하고, 보안 및 권한 적용이 30%, 워크플로 도구가 19%를 차지한다. 이는 VentureBeat의 이전 조사에서 워크플로 도구에 대한 지출이 가장 컸던 것과 비교하면 변화한 양상이다.
기관의 운영 우선순위는 작업 완료 신뢰성이 30%, 다단계 워크플로 관리가 27%, 개발자 생산성이 23%, 운영 안정성이 13%였다. 사용자 경험을 최우선으로 둔 기관은 7%에 불과했다. 이는 인프라와 제어 계층을 구축하는 단계가 여전히 인터페이스와 사용 경험 개선보다 앞서 있음을 보여준다.
가시성과 비용 통제의 문제
플랫폼 선택에서 가장 큰 우려는 37%의 보안 및 권한 관리 제약이었고, 공급업체 종속이 23%, 제한적인 가시성 및 모니터링 가능성이 22%, 모델과 도구 선택의 유연성 부족이 16%로 뒤를 이었다. 더욱 긴급한 문제는 약 5곳 중 1곳이 폭주하는 AI 에이전트의 지출을 실시간으로 중단할 수 없다는 점이다.
이를 해결하기 위해 기관의 30%는 예산 한도나 사용률 축소와 같은 기본 제어 도구에 의존하고 있으며, 25%는 폭주하는 에이전트를 가로채는 중개자 역할을 하는 맞춤형 게이트웨이를 구축했다. 25%는 무거운 작업을 비용이 더 낮은 모델로 이전하기 위해 동적 라우팅을 사용한다. 반면 21%는 문제가 발생한 뒤 로그를 검토하는 방식과 같은 사후 모니터링에 의존하며, 즉시 중단 스위치는 갖추지 못했다.
기관 규모가 재정 통제 성숙도를 결정하는 요인으로 보이지도 않는다. 직원 수가 10,000명을 넘는 기관의 18%는 여전히 사후 제어에만 의존하고 있으며, 소규모 기관에서는 그 비율이 23%였다. 실제로 이는 더 많은 자원을 보유하고 있다고 해서 지출을 측정하고 악화되기 전에 중단할 수 있는 도구가 자동으로 갖춰지는 것은 아님을 의미한다.
진정한 에이전트는 아직 널리 확산되지 않았다
참여자들의 답변은 ‘에이전트’라고 불리는 많은 시스템이 여전히 기본적인 어시스턴트나 챗봇이며, 다단계 작업을 수행하는 자율 시스템은 아니라는 점을 보여준다. 47%는 자사 시스템의 26~50%가 진정한 오케스트레이션을 나타낸다고 답했고, 35%는 그 비율이 1~25%에 불과하다고 답했다. 14%는 자사 시스템의 51~75%가 복잡한 다중 에이전트 워크플로라고 답했으며, 자사 시스템의 76~100%가 고도화되고 반자율적이라고 답한 비율은 단 2%였다. 또한 3%는 여전히 챗봇만 배포하고 있다고 답했다.
이러한 결과는 VB Pulse의 6월 조사와도 일치한다. 당시 응답자의 71%는 배포한 에이전트의 4분의 1 이하만이 다단계 작업을 독립적으로 완료할 수 있다고 답했고, 응답자의 10분의 1만이 에이전트를 대규모로 배포했다고 답했다. 따라서 현재의 흐름은 자율 에이전트가 성숙 단계에 도달했다는 의미라기보다, 향후 자율 에이전트를 수용하는 데 필요한 제어 계층을 구축하는 과정에 가깝다. 기관들이 인프라 구축을 진전시키고 있는 가운데, 시스템을 ‘에이전트’라고 부르는 것과 실제로 연관된 작업을 자율적으로 수행할 수 있는 능력 사이의 격차는 여전히 존재한다.
뉴스 출처
VentureBeat Startups & Funding
원문 보기 ↗