AI 에이전트는 소프트웨어가 아니다…마이크로소프트가 제시한 ‘업무 재설계’의 순서

마이크로소프트의 Becoming a Frontier Firm 플레이북이 내놓는 메시지는 분명하다. AI 에이전트 배치는 단순한 소프트웨어 도입이 아니라 운영 모델을 바꾸는 일이라는 것이다. 마이크로소프트는 사내 수백 건의 AI 전환 경험을 토대로, 에이전트에게 업무 일부를 맡기기 전에 업무 자체를 보이게 만들고, 단순화하며, 통제 가능한 형태로 만들어야 한다고 설명한다. 성공 여부도 배정한 라이선스 수나 프롬프트 횟수가 아니라 품질, 속도, 위험, 매출, 고객 영향 같은 사업 성과로 판단해야 한다는 입장이다. 12

AI 도구가 아니라 업무 흐름에서 출발하라

첫 단계는 실제 일이 어떻게 처리되는지 파악하는 것이다. 처음부터 끝까지 이어지는 프로세스를 그려 보고, 부서·담당자 사이의 인계 지점과 예외 상황, 의사결정 주체, 구성원이 의존하는 데이터와 시스템을 확인해야 한다. 이 과정을 건너뛰면 기업은 가치가 낮거나 일관성 없는 절차를 더 빠르게 자동화하는 데 그칠 수 있다. 12

마이크로소프트는 이를 **‘에이전트보다 먼저 린(lean)하게’**라는 말로 압축한다. 에이전트에 책임을 맡기기 전 기업이 할 일은 다음과 같다.

• 기본 프로세스를 단순화하고 표준화한다.
• 불필요한 승인 절차, 중복 작업, 과도한 인계를 없앤다.
• 함께 활용할 수 있는 데이터 기반과 관련 시스템 연결을 마련한다.
• 접근 권한과 거버넌스를 설정한다.
• 어떤 의사결정과 예외, 고위험 조치는 사람이 계속 주도할지 명확히 정한다. 12

핵심은 “생산성을 높여 달라”는 식의 포괄적 지시가 아니다. 충분히 이해된 업무 흐름 안에서, 에이전트가 맡을 책임을 명확하고 제한적으로 설계해야 한다는 뜻이다.

전환을 추진하는 세 가지 경로

마이크로소프트는 하나의 정답 대신 서로 보완할 수 있는 세 가지 전환 방식을 제시한다.

1. 페르소나 가속화(Persona Acceleration)

우선순위가 높은 직무에 AI 보조 도구, 프롬프트, 역량 교육, 역할별 에이전트를 제공하는 방식이다. AI를 잘 쓰는 개인의 업무 방식을 팀이 반복 가능한 역량으로 바꾸고, 학습과 관리 관행을 통해 인간과 AI의 협업을 일상 업무에 정착시키는 것이 목표다. 1

2. AI 기반 프로세스 재설계(AI-Powered Process Redesign)

한 가지 업무가 아니라 여러 부서가 얽힌 전체 워크플로를 대상으로 한다. 단일 작업을 자동화하는 데서 끝내지 않고, 지연·중복·낭비·분절된 의사결정을 줄이도록 프로세스 자체를 다시 구성한다. AI의 가치는 일을 조직하는 방식을 바꿀 때 나온다는 플레이북의 관점이 가장 잘 드러나는 접근이다. 12

3. AI 우선 가능성(AI-First Possibility)

소규모 전문가 팀이 처음부터 AI를 전제로 제품, 서비스, 운영 방식을 만들도록 자율성을 주는 방식이다. 불확실성은 더 크지만, 점진적 자동화로는 발견하기 어려운 새로운 업무 방식과 제품 가능성을 찾을 수 있다. 1

에이전트 자율성은 단계적으로 높여야 한다

플레이북은 자율성을 ‘전부 아니면 전무’의 선택으로 보지 않는다. 사람이 책임을 유지하면서 에이전트의 역할을 점진적으로 넓히는 흐름을 제시한다.

1. AI 보조 도구를 쓰는 사람: AI가 초안 작성, 요약, 분석을 맡고 인간의 판단을 지원한다.
2. 인간-에이전트 팀: 에이전트가 통제 장치, 상향 보고 경로, 감독 체계 안에서 정해진 업무나 의사결정을 수행한다.
3. 인간 주도·에이전트 운영 워크플로: 에이전트가 운영 흐름의 상당 부분을 처리하고, 사람은 전략 방향 설정, 예외 처리, 결과 검증, 최종 책임을 맡는다. 1

이는 모든 조직이 반드시 따라야 할 일직선의 성숙도 모델은 아니다. 오류의 영향, 데이터 준비 수준, 위험도에 따라 업무별로 서로 다른 수준을 적용할 수 있다.

마이크로소프트 내부 사례가 보여주는 것

마이크로소프트는 클라우드 공급망 업무에서 먼저 워크플로를 재설계하고 공통 기반을 갖춘 뒤, 계획·조달·이행·물류 전반에 111개가 넘는 목적형 에이전트를 확장 배치했다고 밝혔다. 회사는 일부 공급망 워크플로의 처리 주기가 최대 75% 단축됐고, 수요 계획 조사에 걸리던 시간이 5~7일에서 몇 시간으로 줄었다고 보고했다. 24

또 다른 사례인 ‘Copilot Cowork’에서는 9명으로 구성된 부서 간 협업팀이 AI 우선 방식으로 초기 제품을 35일 만에 출시했다. 마이크로소프트가 강조한 교훈은 개발 속도만이 아니었다. 엔지니어와 제품 관리자는 에이전트 산출물을 지시·검토·조정하면서 제품 판단과 시스템 설계에 집중하는 이른바 ‘메타 엔지니어’, ‘메타 PM’ 역할로 이동했다는 것이다. 24

이 관점에서 AI는 초안 작성, 일상적 조사, 운영 정보 추적에 드는 시간을 줄인다. 대신 사람의 일은 문제 정의, 시스템 설계, 결과 검증, 예외 대응, 관계 구축, 판단으로 옮겨간다. 이를 위해서는 코파일럿 라이선스 접근권만이 아니라 AI 활용 역량, 신뢰, 실험 문화, 역할과 관리 방식의 변화가 필요하다. 12

지속 가능한 우위는 모델 자체가 아니라 조직의 ‘학습 루프’에 있다

마이크로소프트는 기반 모델이 갈수록 대체 가능한 상품이 될 것이라고 본다. 그 대신 경쟁력은 조직 고유의 자산에서 나온다고 주장한다. 신뢰할 수 있는 조직 지식, 데이터와 도구에 대한 통제된 접근, 워크플로 오케스트레이션, 좋은 업무의 기준을 정의하는 고유한 방식, 실제 성과에 연결된 평가 체계가 여기에 해당한다. 15

회사는 이 피드백 구조를 **‘힐 클라이밍 머신(hill-climbing machine)’**이라고 부른다. 원하는 결과를 정의하고, 에이전트 산출물을 평가하며, 피드백과 오류를 수집한 뒤, 워크플로 또는 에이전트를 개선하고 반복하는 방식이다. 이 관점에서 우위는 특정 모델 하나를 고르는 데 있지 않다. 조직 자신의 기준과 업무를 중심으로 시스템을 계속 개선하는 능력에 있다. 5

기업용 에이전트 데이터가 시사하는 배치 패턴

마이크로소프트가 거의 2,000개 테넌트에서 운영된 Copilot Studio 기업용 에이전트 4만 93개를 분석한 결과에 따르면, 내부 직원 생산성과 사용자 지원 사례가 배치된 에이전트의 64.6%를 차지했다. 또한 기술 지원과 전문화된 비즈니스 워크플로 등, 더 좁게 정의된 운영용 애플리케이션으로 활용이 옮겨가고 있다고 설명했다. 3

이 흐름은 플레이북의 주장을 뒷받침한다. 범용 생산성 보조 도구가 흔한 출발점일 수는 있지만, 더 큰 영향을 낼 에이전트 배치는 명확히 경계가 정해진 프로세스, 관련 데이터, 통제 장치, 측정 가능한 성과에 달려 있다는 것이다.

보편적 정답이 아닌 실행 프레임워크로 읽어야

플레이북의 근거는 마이크로소프트가 자사 전환 활동과 제품 생태계에서 직접 보고한 내용이다. 제시된 성과 수치는 독립적으로 검증되지 않았으며, 마이크로소프트 역시 이를 처방전이나 타사의 성과 보증이 아닌 계속 발전하는 실무 접근법이라고 밝힌다. 12

따라서 중요한 것은 마이크로소프트의 수치나 조직 명칭을 그대로 따라 하는 일이 아니다. 중요한 사업 성과를 먼저 고르고, 업무 흐름을 드러내고 단순화하며, 데이터와 거버넌스 기반을 마련하고, 에이전트에 범위가 분명한 일을 맡긴 뒤, 인간의 책임을 유지한 채 측정된 피드백으로 시스템을 개선하는 순서를 검증하는 데 있다.