AI가 우리의 일상과 삶의 방식을 뒤바꾸고 있다. 일상 업무에서 AI는 검색, 문서 작성, 일정 관리, 의사결정 보조 수단으로 빠르게 자리잡고 있으며, 예술과 콘텐츠 산업에서는 창작의 필수 도구로, 교육 현장에서는 인간 교사의 대체자로 진화하고 있다. AI를 둘러싼 질문도 많이 달라졌다. 과거에는 어떤 모델이 더 뛰어난지, 어떤 기술이 더 새롭고 강력한지가 주된 관심사였다면, 이제는 AI를 생활 루틴과 실제 업무 안에 어떻게 녹여낼 것인지가 더 중요한 화두가 되었다. AI를 실험해보는 것에서 나아가, 어떻게 사람과 조직이 이를 이해하고 활용하며, 어떤 기준을 가지고 검증하고 책임질 것인지에 대한 논의가 시작된 것이다.
다음달 열리는 ‘AI 융합 비즈니스 개발 컨퍼런스(AI TECH 2026)’는 이러한 변화, 특히 산업 분야에서 AI의 현재와 활용 방향을 살펴보는 자리다. 올해 행사는 ‘Make AI Work for Your Business’를 주제로, AI가 기술 시연을 넘어 실제 산업과 조직, 개인의 문제 해결에 어떻게 쓰일 수 있는지에 주목한다. 본지는 AI TECH 2026 키노트 연사들을 대상으로 시리즈 인터뷰를 진행한다. 인터뷰는 AI를 각자의 영역에서 경험하고 있는 전문가들에게 AI가 실제 현장에서 어떤 변화를 만들고 있는지, 도입 과정에서 어떤 오해와 시행착오가 있는지, 앞으로 AI를 어떻게 바라보고 활용해야 하는지 등을 묻는다.
지식/데이터/업무 자동화 AI 에이전트 오케스트레이션 기업 활용 - 엠클라우드브리지 이혁재 대표
Q) 연사님의 이력과 현재 하고 있는 일을 간단히 소개해주세요.
저는 데이터·AI·클라우드 시스템에 특화된 컨설팅 및 솔루션 기업 엠클라우드브리지 대표로, 전사 업무용 AI 에이전트 플랫폼 ‘Ai 365 오케스트레이션 플랫폼(Ai 365 Orchestration Platform)’을 총괄하고 있습니다. 엠클라우드브리지는 2022년 9월 설립 이후 마이크로소프트, 구글, 데이터브릭스, 스노우플레이크, 데이터독 등과 협력하며 국내 엔터프라이즈·SMB 고객을 대상으로 데이터·AI·클라우드 통합 컨설팅과 AI 플랫폼을 제공해 왔습니다.
저는 1990년대 중반부터 한국과 싱가포르에서 IT, ERP, 클라우드 분야에 몸담아 왔으며, 택투라 코리아를 비롯한 글로벌 IT 기업의 한국 지사장을 연임했습니다. 이후 20년 이상 데이터, 클라우드, AI 사업을 이끌며 데이터 인프라를 실제 비즈니스 의사결정으로 연결하는 방법에 집중해 왔습니다.
엠클라우드브리지 설립 후에는, 기업이 이미 보유한 마이크로소프트 365, 애저(Azure), 패브릭(Fabric) 위에 전사 AI 에이전트를 어떻게 올릴지에 초점을 맞춰, 지식관리·데이터·업무지원·보안 에이전트를 하나의 오케스트레이션 플랫폼으로 묶은 ‘Ai 365 오케스트레이션 플랫폼’을 기획·제품화했습니다.
Ai 365는 애저 오픈 AI와 구글 버텍스 AI(Vertex AI), ERP·MES·CRM·HR·파일 시스템 등 온프렘·클라우드 데이터를 연결해 한국 기업 환경에 맞는 “전사 AI 에이전트 레이어”를 제공하는 것을 목표로 하고 있으며, 저는 데이터 솔루션·데이터&AI·코파일럿(Copilot)/AI 에이전트·인프라·보안 등 전문 팀과 함께, 고객사의 전략·조직·IT 환경을 반영한 AI 에이전트 아키텍처를 설계하고 교육·POC·운영까지 엔드 투 엔드(End-to-End)로 지원하는 역할을 맡고 있습니다.
Q) 연사님의 업무 영역에서 AI가 결정적인 영향을 끼치기 시작했다고 느꼈던 인상적인 에피소드에 대해 말씀해 주세요.
가장 인상적이었던 건, 한 제조·엔지니어링 고객사에서 “AI는 아직 파일럿” 수준이라고 생각하던 조직이, 실제 현장 엔지니어들의 일하는 방식을 Ai 365 에이전트로 바꾸기 시작한 순간입니다. 당시 이 조직은 도면, 매뉴얼, 규격 문서가 수십만 건 이상인데, 검색은 파일명·폴더 구조에 의존하고 있어, 필요한 정보를 찾는 데만 시간이 많이 걸리고, 노하우는 특정 선배에게 의존하는 전형적인 구조였습니다.
우리는 Microsoft 365에 흩어진 문서와 설계 자료, 내부 시스템 데이터를 Azure OpenAI 기반 Ai 365 지식관리 에이전트와 데이터 에이전트에 연결하고, 엔지니어가 자연어로 “이 설계에서 허용 오차가 뭐야?”, “작년 유사 사고 리포트 보여줘”처럼 질문하면 바로 문서·데이터를 함께 보여주고 설명해 주도록 구성했습니다.
도입 후에는 “사수가 퇴사해도, AI 에이전트가 사수 역할을 상당 부분 대신해 준다”는 피드백이 나왔고, 그때부터 내부에서 AI를 단순 챗봇이 아니라 “전사 엔지니어링 에이전트”로 부르기 시작한 것이 기억에 남습니다.
또 다른 사례로, 기존 BI 대시보드를 “보는 BI”에서 “대화하는 AI+BI”로 바꾸면서, 경영진이 직접 자연어로 KPI를 묻고 시나리오를 비교하는 프로젝트가 있습니다. 이때 느낀 것은, AI가 특정 부서의 효율화 도구를 넘어서 “의사결정 인터페이스”를 통째로 바꾸는 계기가 될 수 있다는 점이었습니다.
Q) 세간에 퍼져 있는 AI에 대해 오해 중, 바로잡고 싶은 게 있으시다면?
첫 번째 오해는 “AI = 하나의 거대한 똑똑한 두뇌”라는 생각입니다. 현장에서 실제로 효과를 내는 것은, 한 개의 만능 AI가 아니라, 지식·데이터·업무·보안처럼 기능별·도메인별로 역할이 분리된 여러 에이전트를 '조율하는' 오케스트레이션입니다.
두 번째 오해는 “좋은 모델을 쓰면 모든 게 해결된다”는 믿음입니다. 기업 환경에서는 LLM 성능만큼이나, 사내 문서·데이터 연결 구조, 권한·보안 정책, 감사·로그, 서비스 운영 체계가 중요하고, 이 부분을 설계하지 않으면 PoC는 화려하지만 실제 롤아웃은 실패하는 경우를 많이 봅니다.
세 번째는 “AI가 결국 사람을 대체할 것”이라는 단선적인 시각입니다. 우리가 보는 방향은, AI가 사람을 대체한다기보다, 조직 안에 수십·수백 개의 에이전트가 들어와 ‘디지털 팀원’처럼 반복·정형 업무를 맡고, 사람이 문제 정의, 의사결정, 책임을 더 잘 수행하도록 구조를 재편하는 쪽입니다.
Q) AI 도입이 기대와 달리 흘러갔던 상황을 보거나 경험한 적이 있으신가요?
가장 많이 보는 패턴은 “챗봇 하나 만들어보자”로 시작해, PoC 때는 잘 돌아가지만 실제로는 아무도 안 쓰는 경우입니다. 지식베이스 연결과 RAG만 구현하고, 권한 관리, 유지보수, FAQ·업무 프로세스와의 연계 없이 ‘멋진 데모’ 수준에 머물다 보니, 초기 기대에 비해 임팩트가 작아지는 겁니다.
또 다른 실패 패턴은, IT 부서만의 프로젝트로 AI를 추진하는 경우입니다. 업무 담당 부서와 함께 “AI 에이전트가 실제로 대신 처리할 업무 단위(예: 보고서 초안 작성, 사고 리포트 자동 정리, 정기 보안 점검 로그 확인)”를 정의하지 않으면, 결과적으로는 “검색이 조금 편해진 수준”에서 끝나는 사례가 많습니다.
반대로 성공하는 프로젝트는, 처음부터 “전사 AI 에이전트 로드맵”을 그리고, 지식관리 → 데이터 분석 → 업무 자동화 → 보안·감사까지 단계적으로 확장하는 구조를 취합니다. 이 때 오케스트레이션 플랫폼이 있어야, 개별 PoC들이 하나의 전사 플랫폼으로 수렴됩니다.
Q) 연사님이 보실 때, AI를 잘 활용하는 사람과 잘 못 활용하는 사람 사이에서 발견되는 가장 큰 차이점은 무엇인가요?
AI를 잘 활용하는 사람들의 공통점은, “질문을 업무 언어로 잘 정의한다”는 점입니다. 예를 들어 “이 보고서 요약해줘” 대신 “우리 팀장이 의사결정할 때 꼭 보는 세 가지 KPI 중심으로 요약해줘”처럼, 맥락·목적·대상까지 함께 설명하는 사람이 에이전트의 성능을 훨씬 잘 끌어냅니다.
두 번째 차이는, 도구를 “일회성 검색창”이 아니라 “업무 파이프라인 일부”로 보는 관점입니다. 반복되는 업무 흐름을 정해진 프롬프트·템플릿·워크플로로 고정해두고, 그 위에 Power Automate 같은 자동화나 Copilot Agent, 커스텀 AI Agent를 얹는 사람은 시간이 지날수록 생산성 격차가 크게 벌어집니다.
세 번째는, “AI가 틀릴 수 있다”는 전제를 항상 깔고 검증 루틴을 갖춘다는 점입니다. 특히 숫자, 규정, 계약, 보안과 관련된 답변은 샘플 검증, 소스 문서 확인, 2차 리뷰 프로세스를 만들어 두는 사람이 장기적으로 더 안전하고 신뢰도 높은 활용을 합니다.
Q) 연사님이 개인적으로 실생활에서 유용하게 쓰고 있는 AI툴은 무엇인가요? 어떻게 사용하고 계신지, 해당 툴을 활용하는 자기만의 노하우가 있으신지 궁금합니다.
업무에서는 당연히 Ai 365 에이전트와 함께, ChatGPT 계열 LLM, Microsoft Copilot, Perplexity 같은 멀티 AI를 병행해서 사용합니다. 하루 업무의 상당 부분이 “아이디어 브레인스토밍 → 고객사 환경에 맞게 현실 검증 → 우리 플랫폼과 연계할 수 있는 구조 설계”인데, 이 세 단계에서 AI를 다르게 씁니다.
- 브레인스토밍 단계: 제약을 일부러 느슨하게 두고, 다양한 시나리오·유즈케이스를 빨리 뽑아봅니다.
- 검증 단계: 우리 고객사들의 실제 시스템 구조·권한·보안·조직문화를 기준으로 필터링하면서, “이 조직에서 과연 가능한가?”를 체크합니다.
- 설계 단계: Ai 365 지식·데이터·업무·보안 에이전트 중 어디에 넣을지, Copilot Agent로 할지, 프로코드 AI Agent로 할지, Power Automate로 자동화할지 나누어 아키텍처를 잡습니다.
개인적인 노하우를 하나 꼽자면, “AI에게 바로 답을 요구하지 말고, 먼저 나의 생각과 가설을 짧게라도 써보고, 그다음 피드백을 요청하라”는 것입니다. 이렇게 하면, AI가 ‘정답자’가 아니라 ‘코파일럿’으로 자리 잡고, 내가 책임을 지고 판단하는 구조가 유지되기 때문에 결과물의 품질과 설득력이 훨씬 좋아집니다.
"AI Tech, 조직의 AI 로드맵 스케치하는 워크숍으로 활용하라"
Q) 이번 AI Tech에서 다루실 주제를 간단히 소개해 주세요.
이번 AI Tech 2026에서는 “지식/데이터/업무 자동화 AI Agent Orchestration 기업 활용”을 중심으로, 전사 AI 에이전트를 실제 업무에 어떻게 녹여낼 수 있는지 이야기할 예정입니다. Ai 365 Orchestration Platform을 사례로, 지식관리 에이전트, 데이터 에이전트, 업무지원 에이전트, 보안 에이전트를 어떻게 하나의 플랫폼으로 엮고, Microsoft 365·Azure OpenAI·Fabric과 연동해 기업 환경에서 운영하는지 구체적인 구조를 공유합니다. 특히 “챗봇을 넘어서, 전사 AI 에이전트로 가는 단계별 로드맵”과 “Copilot Agent와 커스텀 AI Agent를 언제, 어떻게 나눠써야 하는가” 같은 실무적 선택지에 초점을 맞추려고 합니다.
Q) 연사님의 발표가 어떤 상황의 분들에게 더 많이 도움이 될 것으로 생각하시나요?
▲각 부서의 디지털 전환·혁신을 담당하는 기획자 ▲PM, PO, IT·데이터·AI 조직에서 실제로 LLM·Copilot·AI Agent 도입을 추진하는 실무 리더 ▲이미 Microsoft 365, Azure, Fabric, Power BI 등을 쓰고 있는데, “여기에 AI 에이전트를 어떻게 붙여야 하지?”를 고민하는 분들에게 특히 도움이 될 것 같습니다.
단순 기술 소개를 넘어서 “조직도 기반 권한 관리, 보안·감사, 운영체계를 포함한 전사 플랫폼 관점”을 다루기 때문에, CEO·임원·CIO·CDO처럼 전략 관점에서 AI를 보고 싶은 분들에게도 인사이트를 드릴 수 있을 것입니다.
Q) AI 도입 및 활용, 전환과 관련해 현장에서 어떤 어려움을 가장 많이 호소하나요? 많이 나오는 질문은요?
현장에서 가장 많이 나오는 어려움은 세 가지로 요약됩니다.
- “어디서부터 시작해야 하나?”
- Copilot, ChatGPT, 자체 AI Agent, RPA 등 선택지가 너무 많아서, 무엇을 1단계로 삼을지 혼란스러워합니다.
- “보안·권한·감사는 어떻게 보장하나?”
- 사내 문서·데이터를 LLM과 연결하려니, 정보유출·접근권한·로그·감사 문제로 내부 보안·법무·노조 조직의 우려가 큽니다.
- “PoC는 잘 됐는데, 전사 확산은 왜 막히는가?”
- 소규모 파일럿은 성공했지만, 여러 부서·시스템·업무에 확장하려 할 때 운영·라이선스·조직 변화관리에서 막히는 경우가 많습니다.
그래서 자주 받는 질문도 자연스럽게 연결됩니다. “Copilot Agent로 어디까지 할 수 있고, 우리 업무에 맞춘 커스텀 AI Agent는 언제 필요한가?”, “지식·데이터·업무·보안 에이전트를 어떻게 순서대로 도입해야 전사 플랫폼으로 수렴하나?” 같은 질문입니다.
Q) 이번 AI Tech에 대해 연사님이 '업계 종사자'로서 바라거나 기대하는 점은 무엇일까요?
AI Tech가 “최신 모델 소개” 중심이 아니라, “Make AI Work for Your Business”라는 주제처럼, 결국 비즈니스 실행 관점에서 이야기가 오가는 자리이길 기대합니다. 모델 성능이나 벤치마크도 중요하지만, 기업 입장에서 더 중요한 건 “우리 조직에서 AI를 어떻게 안전하게, 지속가능하게, 수익과 연결되게 쓸 것인가”이기 때문입니다.
또 하나는, 각 회사가 겪고 있는 실패·시행착오 사례까지 솔직하게 공유하는 컨퍼런스가 되었으면 합니다. “성공 스토리”만이 아니라, PoC 실패, 보안 이슈, 내부 저항, 운영 난제 등을 함께 나눌 때, 업계 전체의 학습 속도가 빨라지고, 동일한 함정을 피할 수 있다고 생각합니다.
Q) AI Tech 참석을 고민하고 있는 예비 청중들께 한마디 남겨주세요.
이번 AI Tech를 “새로운 도구를 한 번 더 보는 자리”가 아니라, “내 조직의 1년, 3년 AI 로드맵을 스케치하는 워크숍”처럼 활용하셨으면 합니다. 여러 세션에서 나오는 사례와 구조, 실패와 성공의 요소를 들으면서, 내 조직의 데이터·시스템·조직문화와 겹쳐 보며 “우리는 어디서 시작해 어디까지 갈 것인가”를 생각해 보시면 좋겠습니다.
또 하나는, 발표 내용 자체보다 “발표자·참석자와의 대화”에서 얻는 인사이트입니다. 비슷한 고민을 가진 업계 동료들과 구체적인 질문을 주고받다 보면, 혼자 검색하고 공부할 때는 얻기 어려운, 굉장히 현실적이고 날것의 힌트를 많이 얻으실 수 있을 것입니다.
헬로티 이동재 기자 |
