기업의 70%가 AI 에이전트 포기｜Gartner 예측의 충격
機械翻訳 / Machine-translated
A
AI Friends
1日前・8分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
이 기사에서 알 수 있는 것
2026년 9월 29일, 조사 기관 Gartner가 예측을 발표했습니다. 벤더 엔지니어가 구축한 AI 에이전트를 2028년까지 기업의 70%가 포기한다는 내용입니다.
지금 많은 기업이 수천만 원에서 수억 원 규모의 투자를 진행 중인 AI 에이전트 프로젝트의 대부분이, 불과 2년 후에는 사용되지 않게 된다는 뜻입니다. 왜 이런 일이 벌어지는 걸까요?
문제의 핵심은 FDE라고 불리는 구축 모델에 있습니다. FDE는 Forward Deployed Engineering의 약자로, 벤더의 엔지니어가 고객 기업에 상주하며 해당 기업 전용 AI 시스템을 만들어 내는 방식입니다.
언뜻 보면 이상적으로 느껴집니다. 자사 업무에 완벽하게 맞는 AI를 손에 넣을 수 있으니까요. 그러나 Gartner는 이 모델에 심각한 결함이 있다고 지적합니다.
Gartner가 꼽는 가장 큰 문제는 비용 급증과 지식 부재입니다. 벤더 엔지니어가 있는 동안은 문제없이 작동합니다. 하지만 그들이 떠난 후, 기업 측에는 시스템을 유지·개선할 노하우가 남지 않습니다.
결과적으로, 사소한 수정이나 기능 추가 때마다 벤더를 다시 불러야 하는 상황이 발생합니다. 처음 견적에 없던 추가 비용이 잇따라 발생하고, 프로젝트를 유지하기 어려워지는 것입니다.
게다가 FDE 계약의 20% 미만만이 커스터마이징된 요건을 표준 제품 기능으로 전환하는 데 성공했습니다. 귀사를 위해 만들어진 기능은 귀사만의 것으로 남아, 벤더의 제품 개선에도 기여하지 못합니다.
업계에서는 'FDE 워싱'이라는 말도 생겨났습니다. 기존 IT 컨설팅에 'FDE'라는 라벨을 붙여 높은 요금을 청구하는 행위를 가리킵니다. 깊은 제품 지식도 없이 표면적인 도입 지원만 제공하는 것입니다.
문제는 FDE 모델에만 있지 않습니다. AI 에이전트 전체가 구현 과제를 안고 있습니다. 조사에 따르면, 기업이 개발한 AI 에이전트의 88%는 프로덕션 환경에 도달조차 하지 못했습니다.
테스트 환경에서는 뛰어난 성능을 보이지만, 실제 업무에 적용하려고 하면 작동하지 않는 사태가 잇따라 발생하고 있습니다.
실제 실패 사례도 보고되고 있습니다. 2026년 4월, 카 렌털 소프트웨어 기업 PocketOS에서는 코딩용 AI 에이전트가 프로덕션 데이터베이스와 백업을 수 초 만에 삭제해 버렸습니다.
한 핀테크 기업에서는 거래 대조용 AI 에이전트를 테스트에서 99.2%의 정확도까지 끌어올렸습니다. 그러나 프로덕션 운영 30일 동안 대량의 잘못된 대조 오류를 발생시켜, 230만 달러(약 33억 원) 규모의 고객 계좌를 잠가 버렸습니다.
기존 소프트웨어와 달리, AI 에이전트는 확률적으로 작동합니다. 예측 불가능한 순서로 도구를 호출하고, 예상치 못한 행동을 취합니다. 기존 모니터링 도구로는 무슨 일이 일어나고 있는지 파악하기 어렵습니다.
Gartner는 2026년 2월에도 별도의 예측을 발표했습니다. 에이전트형 AI 프로젝트의 40% 이상이 2027년 말까지 중단된다는 내용입니다.
이유는 기술적 한계가 아닙니다. 운영의 어려움, 거버넌스 미비, 측정 가능한 비즈니스 가치를 제시하지 못하는 것이 원인입니다.
나아가 2027년까지 기업의 40%가 운영 개시 후 발각된 거버넌스 미비를 이유로 자율형 AI 에이전트를 격하하거나 철수시킬 것으로도 예측됩니다.
AI 에이전트는 '작동한다'는 것만으로는 충분하지 않습니다. 누가 어디까지 책임을 지는가, 어떤 판단을 허용하는가, 실패했을 때 어떻게 대처하는가. 이러한 체계가 갖춰지지 않으면, 결국 쓸모가 없어지고 마는 것입니다.
일본 기업은 더욱 어려운 상황에 놓여 있습니다. AI 에이전트 도입 실패에서 가장 많은 사례는 '주도자가 불명확하다'는 문제입니다.
경영진이 "AI를 도입하라"고 지시하고, 담당자가 "해 보겠습니다"라고 대답합니다. 실제로 책임을 지고 추진할 사람이 없는 상태에서 프로젝트가 표류해 버리는 것입니다.
또한 일본 기업에서는 'AI 인재가 없다'는 것뿐만 아니라 'AI를 활용하는 문화가 없다'는 이중의 벽이 존재합니다. 기술자를 채용하더라도, 현장이 AI를 업무에 접목하려는 발상 자체를 갖고 있지 않다면 도입은 진전되지 않습니다.
실제 실패 사례도 보고되고 있습니다. 작업 범위를 제한하지 않고 AI 에이전트에게 맡긴 결과, 한 번의 실행이 9시간 이상 지속되는 사태가 발생했습니다.
다른 기업에서는 거래처에 대한 이메일 발송을 확인 없이 AI에 맡긴 결과, 잘못된 내용 그대로 전송되어 버렸습니다. 존재하지 않는 사내 규정을 AI가 '참조했다'고 자료에 기재했고, 그것을 알아채지 못한 채 사용된 사례도 있습니다.
API 비용 관리도 과제입니다. AI 에이전트 실행을 중도에 멈추는 仕組みを用意していなかったため、想定を大きく超えるコストが発生した企業もあります。
그렇다면 AI 에이전트 도입을 어떻게 하면 성공시킬 수 있을까요? Gartner는 FDE 모델을 사용한다면 다음 3가지 조건을 충족하는 경우에 한정해야 한다고 조언합니다.
첫째, 깊은 제품 지식이 필요한 문제일 것. 벤더의 제품을 속속들이 아는 엔지니어가 아니면 해결할 수 없는 과제입니다.
둘째, 신속한 적응이 요구될 것. 시장 변화나 경쟁사의 움직임에 빠르게 대응해야 하는 경우입니다.
셋째, 벤더의 기술과 고객의 업무 환경을 긴밀하게 통합해야 할 필요가 있을 것. 단순한 도입으로는 끝나지 않는, 고도의 통합 작업이 요구되는 경우입니다.
이러한 조건에 해당하지 않는다면 FDE 모델은 피하는 것이 좋습니다. 대신 자사가 유지할 수 있는 범위의 표준 제품을 선택하거나, 내재화를 검토하는 편이 나을 것입니다.
AI 에이전트의 실패는 기술의 미성숙이 원인이 아닙니다. 조직의 준비 부족이 원인입니다.
누가 책임을 지는가, 어디까지 자동화를 허용하는가, 실패했을 때 어떻게 대처하는가. 이러한 체계를 갖추지 않고 도입하면, 아무리 뛰어난 AI라도 실패합니다.
반대로 말하면, 체계만 갖춰진다면 AI 에이전트는 큰 가치를 창출할 수 있습니다. 실제로 일부 기업에서는 AI 에이전트가 업무를 크게 효율화하고, 새로운 비즈니스 모델을 만들어 냈습니다.
지금 필요한 것은 최신 AI 모델이 아닙니다. AI를 능숙하게 활용할 수 있는 체계입니다. 기술 도입을 서두르기 전에, 먼저 자사의 체제를 점검해야 할 것입니다.
이 기사는 AI Friends 에서 크로스포스트된 기사입니다.
