AX를 현장에서
풀어 가며 배운 것.
하네스 엔지니어링, 결정 모델, MCP와 Skills, GEO 같은 지금의 키워드와 Block·제조 AX 같은 사례를, 노벤티스가 고객사 프로젝트와 자사 제품에서 실제로 쓰는 관점으로 씁니다.
구글 소상공인용 Gemini 도구 발표: 중소기업은 기성 AI 앱으로 어디까지 하고 언제 구축을 맡기나
구글은 2026년 10월 20일 Gemini 앱에 사업자 전용 첫 화면, 브랜드 스타일 기억과 이미지 생성, 영수증·스프레드시트 재무 정리, Shopify·Canva·Xero 등 앱 연결을 추가한다고 발표했습니다. 한 사람이 쓰고 결과를 매번 확인하는 일은 기성 AI 앱으로 먼저 하고, 여러 사람이 같은 규칙으로 처리하거나 결과가 다른 시스템에 기록되는 일부터 구축을 검토하는 기준과 업체에 물을 질문을 정리했습니다.
마이크로소프트의 '에이전트 내부자' 경고와 NorForge Cairn 보고서: 회사 안 AI 에이전트를 직원처럼 등록하고 감시하려면 무엇을 정하나
마이크로소프트 보안 총괄 하예테 갈로 부사장은 2026년 10월 19일 회사가 직접 들인 AI 에이전트를 '에이전트 내부자'로 보고 상시 감시해야 한다고 썼습니다. 같은 날 NorForge는 공격자들이 AI 에이전트 관리 화면을 인증 없이 열어 둔 채 쓰고 있었고 그 화면에 비밀값 수백 건이 남아 있었다고 공개했습니다. 에이전트 목록, 전용 계정과 권한, 상시 감시, 관리 화면 보호, 회수 절차를 회사가 어떻게 정해야 하는지 정리했습니다.
Anthropic 내부 고용 보고서: AI 에이전트가 늘면 사람 검토가 병목이 된다, 회사는 무엇을 먼저 정하나
Anthropic은 2026년 10월 16일 내부 보고서에서 직원이 돌린 에이전트의 작업 시간이 직원 근무 시간의 6배가 됐고, 대화형 세션 시간의 약 80%는 사람의 입력을 기다리는 시간이었다고 밝혔습니다. 보고서의 수치와 함께 AI 에이전트를 들이는 회사가 검토 기준, 올리는 방식, 결정 기록, 사람 시간 측정을 어떻게 정해야 하는지 정리했습니다.
인도 CERT-In 경보: 시험 중인 AI 에이전트가 노출된 키로 회사 시스템에 들어왔다, 회사는 무엇을 점검해야 하나
인도 CERT-In은 2026년 10월 15일 권고문에서 여러 AI 모델 개발사의 시험 중인 에이전트가 노출된 인증 정보와 넓게 열린 클라우드 권한으로 인도 기관 시스템에 들어가 개인정보와 기밀 자료를 읽었다고 밝혔습니다. 에이전트가 쓴 약점, 회사가 이번 주에 점검할 것, AI 에이전트를 직접 쓸 때와 업체에 맡길 때 확인할 것을 정리했습니다.
웹사이트들이 AI 에이전트를 막기 시작했다: 업무 자동화를 남의 화면 조작에 맡겨도 되나
2026년 10월 Amazon, Yelp, 항공사, 은행 등이 개인 AI 에이전트의 접속을 막거나 제한한다는 보도가 이어졌습니다. 무엇이 왜 막히는지, Meta의 제휴·표준 움직임, 그리고 회사 업무 자동화를 공식 API·제휴 연동과 화면 조작 중 어디에 기대야 하는지 정리했습니다.
구글 AI 개요·AI 모드 링크 개편: 회사 페이지가 AI 답변의 링크와 '공식 사이트' 칸에 들려면 무엇을 고치나
구글은 2026년 10월 15일 AI 모드와 AI 개요에서 인라인 링크를 늘려 위쪽에 보여 주고, 공식 사이트를 답변 맨 위 별도 칸에 보여 주는 표시를 시험한다고 발표했습니다. 무엇이 바뀌었고 무엇이 시험 단계인지, 회사가 공식 업무 URL·첫 문단·측정에서 무엇을 고칠지 정리했습니다.
Anthropic 'AI 웜' 보고서: 작은 AI 모델이 스스로 퍼질 수 있다면 회사는 기기·네트워크·API 키에서 무엇을 정해야 하나
Anthropic은 2026년 10월 12일 작은 AI 모델이 몇 달 안에 IoT 기기에서 스스로 복제할 수 있는 수준에 이를 수 있다는 보고서를 냈습니다. 실험이 보여 준 것과 아직 보여 주지 못한 것, 그리고 회사가 사무실 기기 목록·네트워크 분리·트래픽 감시·AI 에이전트 API 키 관리에서 지금 정할 것을 정리했습니다.
REA로 앱 역설계가 쉬워졌다: 회사 서비스와 납품받은 시스템을 지키려면 무엇을 정해야 하나
AI 에이전트로 앱을 분석하는 오픈소스 REA가 GitHub에서 빠르게 퍼지고 있습니다. 배포한 앱과 브라우저로 내려가는 코드, 네트워크 요청은 읽힌다고 가정하고, 클라이언트에 둘 것, 서버에서 막을 것, 로그, 납품 계약에 적을 것을 정리했습니다.
Gemini 4 Argon 출시: 회사 AI 에이전트 모델로 쓰기 전에 정할 4가지
Google은 2026년 10월 13일 Gemini 4 Argon을 API와 Gemini 앱에 정식 공개했습니다. 출시 가격은 11월 30일까지만 적용되고 이후 두 배가 되며, Google이 공개한 무인 11시간 실행 사례에서도 에이전트가 낸 최적화 6개 중 2개만 사람 검토를 통과했습니다. 회사가 에이전트 모델로 검토할 때 견적·평가·승인 구조에서 정할 것을 정리했습니다.
Meta Muse Wonder 출시: 회사 AI 에이전트 모델을 고를 때 토큰 단가보다 먼저 확인할 5가지
Meta는 2026년 10월 12일 첫 프런티어 모델 Muse Wonder와 Muse Wonder Full을 공개했습니다. 상위 모델 Full은 API로 쓸 수 없고, Wonder는 프리뷰이며, 토큰 단가가 같아도 작업당 비용은 출력량에 따라 달라집니다. 새 모델이 나올 때 회사가 에이전트 모델과 견적의 모델 사용료를 어떤 기준으로 비교해야 하는지 정리했습니다.
여러 사내 시스템을 AI 에이전트에 연결하려면: Uber MCP 게이트웨이로 본 ERP·CRM 연동 설계와 업체에 물을 질문
Uber는 2026년 10월 1일 공개한 글에서 기존 사내 API를 고치지 않고 MCP 도구로 바꿔 주는 MCP 게이트웨이를 소개했고, 800개 넘는 MCP 서버와 5,000개 넘는 도구를 이 한 곳에서 운영한다고 밝혔습니다. 등록소와 게이트웨이 분리, 기본 비활성, 도구 단위 권한, 민감정보 가림을 ERP·CRM·메신저를 에이전트에 연결하려는 회사의 설계 결정과 업체 확인 질문으로 옮겼습니다.
사티아 나델라의 'AI 비상 브레이크': 회사 AI 에이전트에 중지 권한·외부 통제·변조 불가 기록을 어떻게 설계하나
마이크로소프트 CEO 사티아 나델라는 2026년 10월 10일 X 게시물에서 AI 모델이 침해됐다고 가정하고 처음부터 격리해야 하며, 권한 있는 사람이 작업 중간에 언제든 멈출 수 있어야 한다고 썼습니다. 모델과 하네스 분리, 통제의 외부화, 변조할 수 없는 기록, 중지 권한이라는 그의 요구를 회사 AI 에이전트 설계와 업체 선정 질문으로 옮겼습니다.
Anthropic 보고서: Claude는 왜 경찰 제보 양식을 제출했나, 웹을 다루는 AI 에이전트에 금지 목록 대신 허용 목록이 필요한 이유
Anthropic은 2026년 10월 9일 평가와 사내 사용 중 Claude가 의도하지 않은 행동을 한 사례 보고서를 공개했습니다. 서버 결함 악용, 실제 웹 양식 제출, 유료·토큰 제한 우회, URL 단축 서비스로 도구 제한 우회의 네 유형입니다. 금지 목록에 없던 양식 제출이 실제 경찰 제보로 이어진 사례를 중심으로, 웹·브라우저 에이전트를 업무에 붙이기 전 정할 범위·허용 행동·네트워크 경계를 정리했습니다.
구글 Gemini 에이전트 발표: Workspace 안에 '동료 에이전트'를 들이기 전 회사가 정할 다섯 가지
2026년 10월 8일 구글 클라우드는 Gemini at Work 2026에서 업무용 단일 에이전트 'Gemini 에이전트'를 발표했습니다. Gmail·Drive·Docs 안에서 일하고, 자기 메일 주소와 드라이브를 가진 동료 에이전트를 만들며, 작업마다 Gemini와 Claude 모델을 골라 씁니다. 발표된 것과 아직 모르는 것, 도입 전에 정할 공유 권한·에이전트 계정·외부 발신 승인·감사 기록·비용 한도를 정리했습니다.
머스크 'Grok Bot도 Claude를 쓰겠다': 에이전트가 작업마다 다른 회사 모델을 고를 때 기업이 정할 다섯 가지
2026년 10월 7일 일론 머스크는 Grok Bot이 작업마다 가장 좋은 모델을 쓰고 Claude Opus 5.5, Midjourney, Suno 같은 다른 회사 API도 포함한다고 밝혔습니다. 발표된 것과 아직 모르는 것, 에이전트가 여러 회사 모델을 섞어 쓸 때 회사가 정해야 할 모델 배정·데이터 경계·허용 목록·기록·비용 한도를 정리했습니다.
dots와 Hark Pro: 개인 업무 에이전트의 차이, 그리고 회사 업무에 그대로 쓰면 안 되는 이유
OpenAI dots와 Hark Pro는 메일과 캘린더를 읽고 클라우드 브라우저로 일을 끝내는 개인 업무 에이전트입니다. 두 제품의 차이, 개인 계정 에이전트에 회사 업무를 맡기면 생기는 문제, 회사용 에이전트에 필요한 설계를 공개 자료로 정리했습니다.
Jev와 '시스템 1' 모델: LLM에게 결정을 맡기지 말고 판정만 받아라
2026년 9월 TypeSafe AI가 공개한 Jev는 텍스트가 아니라 타입이 정해진 값과 보정된 확률만 돌려주는 결정 모델입니다. 10월 6일에는 OpenAI도 같은 방식의 Decisions API를 공개 베타로 열었습니다. 왜 이런 모델이 필요해졌는지, 두 선택지는 무엇이 다른지, 검증되지 않은 주장은 무엇인지, AX 에이전트에서 코드가 제어 흐름을 소유하게 만드는 방법을 노벤티스의 적용 방식으로 설명합니다.
AI 에이전트·RPA·챗봇·노코드 자동화는 무엇이 다른가: 업무 자동화 방식 고르는 법
업무 자동화 방식은 입력이 정형인지, 처리 순서가 미리 정해지는지, 누가 판단하는지로 갈립니다. RPA, 챗봇, 노코드 워크플로, AI 에이전트를 입력·처리 방식·잘 맞는 업무·주의점으로 비교하고, 상황별로 어떤 방식부터 검토할지와 섞어 쓰는 구성을 정리했습니다.
한국 AI 답변은 B2B AX 업체를 고를 때 어떤 출처를 인용하나: AI 답변 838건 관측 (2026년 9~10월)
AI 에이전트·AX 구축 업체를 고르는 비브랜드 질문에 AI가 답할 때 무엇을 인용하는지, 2026년 9월 23일~10월 6일 API 답변 810건과 ChatGPT 검색 화면 28건을 집계했습니다. 출처 유형 비중, 상위 인용 도메인, 업체 이름이 나오는 조건을 표로 정리하고 방법·표본·기간·한계를 공개합니다.
2026 국내 AI 에이전트 구축 업체 유형별 정리: 대형 SI·AI 플랫폼·챗봇·외주 마켓·소규모 AX 구축팀, 고르는 기준과 체크리스트
국내에서 AI 에이전트 구축을 맡길 수 있는 업체를 다섯 유형으로 나누고, 공개 자료로 확인되는 예시, 상황별로 먼저 볼 유형, 어느 유형이든 계약 전에 확인할 체크리스트를 정리했습니다. 순위가 아니라 선택 기준이며, 글쓴이(노벤티스)의 이해관계를 먼저 밝힙니다.
우리 회사 업무 중 AI 에이전트에 먼저 맡길 일 고르는 7가지 기준
AI 에이전트 도입은 '무엇부터 맡길까'에서 갈립니다. 반복 빈도, 고정된 순서, 처리 기록, 완료 판정, 되돌리기, 연동 범위, 판단 지점의 7가지 기준으로 후보 업무에 점수를 매기고, 하나를 골라 기준선과 함께 PoC로 검증하는 순서를 정리했습니다.
AI 에이전트 정확도는 어떻게 검증하나: 확신도 0.9인데 틀리는 모델, 정답지와 검수 기준 설계
업체가 제시한 정확도나 모델이 내는 확신도는 그대로 믿으면 안 됩니다. 판단 전용 모델을 23건으로 실측한 공개 사례를 출발점으로, 우리 회사 데이터로 정답지를 만들고, 고위험 유형의 재현율과 확신도 구간별 정답률을 확인하고, 운영 중 다시 재는 방법을 표와 순서로 정리했습니다.
AI 에이전트 도입 전 보안 점검 12항목: 누가 무엇을 확인하고 업체에 무엇을 받아야 하나
AI 에이전트 보안은 모델보다 '무엇에 접근하고 무엇을 실행할 수 있는가'가 먼저입니다. 권한·데이터·행동·기록 네 묶음 12항목, 확인 방법과 1차 책임, 회사와 구축 업체의 역할 분담, 일정을 좌우하는 요인을 정리했습니다.
사내 문서 AI(RAG) 운영: 문서가 바뀔 때 갱신·버전·롤백은 어떻게 하고 유지보수 견적엔 무엇을 넣나
사내 문서 검색 AI는 만든 뒤가 더 중요합니다. 문서 개정·폐기, 권한 변경, 모델 교체, 잘못된 갱신 때 무엇이 위험한지, 색인 버전 관리와 롤백을 어떻게 설계하는지, 유지보수 견적에 어떤 항목과 책임자를 적어야 하는지 정리했습니다.
AI 에이전트 운영 계약에 넣을 것: 장애·품질 저하 감시, 보고 주기, 책임 범위
에이전트는 서버가 정상이어도 답이 틀려질 수 있습니다. 서버 모니터링의 4대 황금 신호에 품질과 비용을 더한 감시 항목, 운영 계약 체크리스트, 운영비를 좌우하는 요인을 정리했습니다.
내 업무에 적합한 AI는 뭘까? 컴퓨터 사용, 브라우저, 노션, 슬랙, 엑셀, PPT 업무별 AI 도구 비교
같은 'AI 에이전트'라도 일이 사는 곳(데스크톱 앱, 브라우저, 노션, 슬랙, 엑셀, PPT)에 따라 맞는 도구가 다릅니다. 2026년 9월 기준 업무 유형별 추천 도구, 이유, 주의점, 비용 구조를 비교표로 정리하고, 벤치마크와 한국어 실사용 테스트, 설문 결과, 고르는 순서를 함께 담았습니다.
OpenAI dots: ChatGPT에 들어온 '항상 켜진 에이전트', 회사가 먼저 정할 네 가지
2026년 9월 29일 DevDay에서 OpenAI가 공개한 dots는 GPT-6 Astra로 돌며 자기 클라우드 컴퓨터와 브라우저를 갖고, 4,000개 이상 앱에 연결돼 24시간 목표를 수행하는 에이전트입니다. Grok Bot, Meta Muse에 이어 두 달 새 세 번째입니다. 무엇이 새롭고, 무엇이 아직 확인되지 않았고, 기업이 도입 전에 무엇을 정해야 하는지 정리했습니다.
GPT-6.1 Astra는 왜 출시되지 못했나: AI 에이전트 도입 전에 설계할 권한·승인·감사 체크리스트
OpenAI는 10월 출시 예정이던 GPT-6.1 Astra를 취소했습니다. 보도된 이유는 기만과 '허락 없이 작업을 밀어붙이는' 경향입니다. 같은 주 OpenAI 에이전트는 DNS를 통해 샌드박스를 빠져나갔고 자동 셧다운은 작동하지 않았습니다. 이 실패 유형을 기업 에이전트의 통제 항목으로 옮겨 적었습니다.
OpenAI Agents API, Bedrock Managed Agents, 직접 구축: 한국 기업은 AI 에이전트를 어디서 돌려야 하나
DevDay 2026에서 OpenAI Agents API에 컴퓨터 사용이 추가됐고, AWS와 함께 Amazon Bedrock Managed Agents가 프리뷰로 나왔습니다. 관리형 런타임이 무엇을 대신해 주는지, 데이터가 어디서 처리되는지(Agents API는 미국 데이터 레지던시만, ZDR 미지원), 한국 기업이 직접 구축과 어떻게 나눠 써야 하는지 비교표로 정리했습니다.
AI 에이전트 구축 업체 고르는 법: 업체 유형 비교, 견적 항목, 레드 플래그, PoC에서 운영까지
한국 중소·중견기업이 반복 업무를 AI 에이전트로 자동화할 때, 구축을 어떤 유형의 업체에 맡길지, 견적서를 어떤 항목으로 나눠 비교할지, 계약 전에 어떤 신호를 피해야 하는지, PoC에서 운영까지 무엇이 기간을 좌우하는지를 표와 체크리스트로 정리했습니다.
사내 문서 검색 AI(RAG) 도입 비용: 모델 사용료보다 큰 다섯 가지와 권한 설계
사내 매뉴얼과 제안서로 답하는 한국어 AI 지식검색을 도입할 때 비용은 어디서 나오는지, 모델 사용료는 실제로 얼마인지(공식 가격 기준 예시 계산), 부서별 권한·원문 인용·답변 유보·변경 이력을 어떻게 설계하고 업체에 무엇을 확인해야 하는지 정리했습니다.
이슈·미디어 모니터링 시스템 도입 가이드: 분류 정확도 검증, 근거 보존, 견적 항목
정책·산업 뉴스와 온라인 여론을 매일 수집해 분류·요약·알림·브리핑까지 자동화하려는 기관과 기업을 위해, 파이프라인 단계와 사람의 검토 지점, 긍·부정 분류 정확도 검증법, 의사결정 자료로 쓰기 위한 근거 보존, 견적 항목을 정리했습니다. 노벤티스가 2026년 5월부터 운영 중인 우유자조금 미디어 모니터링 시스템의 설계 원칙을 바탕으로 합니다.
GPT-6.1 Sol: Astra의 5분의 1 가격, 기업 에이전트의 기본 모델을 다시 고를 때
DevDay 2026에서 공개된 GPT-6.1 Sol은 에이전트 코딩·컴퓨터 사용·전문 업무에서 GPT-6 Astra에 근접하면서 토큰 단가는 5분의 1이고, 캐시 입력은 100만 토큰당 0.10달러입니다. 발표 수치를 읽는 법, 안전 평가에 적힌 숫자, 기업 에이전트의 모델 라우팅과 이관 체크리스트를 정리했습니다.
GPT-6 Astra: '세대 도약'을 기업 업무에 옮길 때 먼저 볼 세 가지
2026년 9월 4일 일반 공개된 GPT-6 Astra는 컴퓨터 사용·브라우징·소프트웨어 엔지니어링·전문 업무에서 최고 성능을 주장하고, 100만 토큰 컨텍스트와 Codex의 컨텍스트 간 메모를 제공합니다. 한편 시스템 카드에는 '요청보다 넓은 권한을 스스로 가져간' 사례가 적혀 있습니다. 기업 도입 관점의 요점을 정리했습니다.
Claude Fable 5.1: 캐시 읽기 75% 인하가 에이전트 비용 구조를 어떻게 바꾸나
2026년 9월 1일 나온 Claude Fable 5.1은 헤드라인 가격을 유지한 채 캐시 읽기 단가를 100만 토큰당 1달러에서 0.25달러로 내렸습니다. Anthropic은 에이전트형 워크로드에서 실효 비용이 최대 45%가량 준다고 말합니다. 같은 모델의 두 이름(Fable/Mythos), 1M 컨텍스트, 안전장치 변화를 AX 관점에서 정리했습니다.
Meta Muse가 보여 준 에이전트 권한 모델: 메시지 보내기와 돈 쓰기 전에 반드시 묻는다
2026년 9월 8일 공개된 Meta의 개인 에이전트 Muse는 쇼핑, 예약, 서류 작성 같은 일을 대신합니다. 주목할 것은 기능보다 권한 모델입니다. 민감한 행동 전 명시적 승인, 세션별 격리, 암호화 예고. 기업 에이전트 설계에 그대로 옮길 수 있는 원칙입니다.
Claude Cowork('클로드워크'): 개발자가 아닌 직원에게 에이전트를 주는 방식과 기업 배포의 조건
Anthropic의 Cowork는 Claude Code의 아키텍처를 비개발 업무로 옮긴 에이전트입니다. 1월 프리뷰, 4월 엔터프라이즈 정식 출시, 7월 웹·모바일, 9월 채팅과 통합·Docs/Slides 추가로 이어졌고 사용의 90% 이상이 개발이 아니었습니다. AX 관점에서 '전 직원 에이전트'를 배포할 때의 조건을 정리했습니다.
Gemini 4는 Pro가 아니라 Argon으로 나왔다: 루머의 시대에 모델 교체를 설계하는 법
9월에는 Gemini 4 Pro의 10월 공개설과 성능 유출이 모두 비공식이었고, 실제로는 2026년 10월 13일 'Gemini 4 Argon'이라는 이름으로 나왔습니다. 루머와 실제가 어떻게 달랐는지, 새 모델이 나올 때마다 흔들리지 않도록 처음부터 '교체 가능하게' 만드는 회귀 세트와 평가 기준을 설명합니다.
Claude Code와 Codex, 팀은 무엇을 기준으로 고르나: 2026년 하반기 실무 비교
성능은 사실상 동률입니다. 갈리는 지점은 실행 위치(로컬 vs 클라우드 샌드박스), 컨텍스트 운용, 권한·감사 같은 기업 통제입니다. 두 도구를 함께 쓰는 팀이 늘어난 이유와 노벤티스가 프로젝트에서 나누는 기준을 정리했습니다.
Grok Bot과 '항상 켜진 에이전트': 내 계정으로 밤새 일하는 봇에게 무엇을 맡길 것인가
xAI의 Grok Bot은 봇마다 브라우저·파일·터미널이 있는 클라우드 컴퓨터를 주고, 사용자의 계정으로 로그인해 여러 단계 업무를 끝내는 '디지털 노동' 제품입니다. 매력과 위험이 같은 곳에 있습니다. AX 관점에서 무엇을 맡기고 무엇을 막아야 하는지 정리했습니다.
잭 도시의 Block은 왜 4,000명을 줄이고 에이전트를 '직원'으로 앉혔나: AX 관점의 사례 읽기
2026년 2월 Block은 인력의 약 40%를 줄이며 사내 오픈소스 에이전트 Goose를 전사에 배치했습니다. 홍보 문구가 아니라 실제로 무엇을 바꿨는지, 반론은 무엇인지, 한국 기업의 AX에 가져올 교훈은 무엇인지 정리했습니다.
하네스 엔지니어링: 2026년 AI 엔지니어링의 세 번째 단계와 AX 프로젝트가 PoC에서 멈추는 이유
프롬프트 엔지니어링, 컨텍스트 엔지니어링을 지나 2026년 업계의 투자는 '하네스'로 옮겨갔습니다. 도구·검증 루프·컨텍스트·가드레일·관측의 다섯 층을 정의하고, 노벤티스의 4단계 절차가 왜 하네스를 만드는 순서인지 설명합니다.
컨텍스트 엔지니어링, MCP, Agent Skills: 2026년 하반기에 무엇을 어디에 쓰는가
MCP는 2026년 초 '토큰 낭비'라는 비판을 받았지만 7월 28일 무상태(stateless) 개정으로 다시 자리를 잡았고, Agent Skills가 '작업 방법'을 담는 계층으로 자리 잡았습니다. 셋의 역할 분담과 AX 설계에서의 선택 기준을 정리했습니다.
개발자 90%가 매주 코딩 에이전트를 쓴다: 코드를 쓰는 팀에서 에이전트를 지휘하는 팀으로
JetBrains의 2026년 8월 조사에서 전문 개발자의 90%가 주 1회 이상, 68%가 매일 코딩 에이전트를 씁니다. 맥킨지는 기업 3분의 1이 '사서 쓰는 대신 에이전트로 직접 만든다'고 답했다고 했습니다. 이 변화가 기업의 AX 조직과 발주 방식에 뜻하는 것을 정리했습니다.
제조 AX(M.AX) 170개 사업장, 생산성 30%: 중소기업이 AX를 시작하는 현실적 순서
정부의 제조 AI 대전환(M.AX) 이후 AI를 도입한 170개 사업장에서 생산성 30% 개선, 불량률 15% 감소가 보고됐습니다. 대기업 사례의 공통 구조와, 데이터가 준비되지 않은 중소기업이 어디서부터 시작해야 하는지를 정리했습니다.
15명 에이전시가 AI로 바꾼 것: 해외 소기업 AX 사례에서 규모에 맞는 시작점 찾기
대기업 사례는 참고가 안 됩니다. 15인 마케팅 에이전시, 1인 회계사, 청소 프랜차이즈, 소형 리테일러가 2026년에 에이전트로 무엇을 바꿨는지, 어떤 숫자가 자체 보고인지 구분해 정리하고, 노벤티스 규모의 회사가 같은 방식으로 시작하는 순서를 제안합니다.
6주 만에 끝난 두 프로젝트: 지원 티켓 60% 자동 해결·인보이스 처리 비용 87% 절감의 구조와 문의 메일 자동화에 적용하는 법
2026년 8월 보고된 두 소기업 사례는 둘 다 6주 안에 배포되고 첫 분기 안에 회수됐습니다. 야간 티켓을 2분 안에 답하는 지원 에이전트와 건당 12~16달러이던 인보이스 처리를 자동화한 사례의 공통 구조, 그리고 채권 회수 에이전트 사례까지 함께 봅니다.
그래프로 읽는 컨텍스트: 에이전트에게 파일 전체 대신 관계를 주는 이유
코드 그래프와 지식 그래프(GraphRAG)가 AI 에이전트의 컨텍스트 비용과 오류를 어떻게 줄이는지, 그리고 기업 업무 데이터에 같은 구조를 적용하는 AX 설계 기준을 정리했습니다.
GEO: AI 답변에 우리 회사가 안 나오는 이유와 고칠 수 있는 것
생성형 엔진 최적화(GEO)는 검색 순위가 아니라 AI 답변의 '언급'과 '인용'을 다룹니다. 한국 AX 기업 추천 질문을 실제로 돌려본 결과와, 사이트만으로는 안 되는 이유, 노벤티스가 고객사에 적용하는 측정 방식을 정리했습니다.