AI 에이전트, 데모 다음은 데이터와 권한이에요

SAP는 Cohere의 에이전트 플랫폼 North를 SAP Business AI Platform에서 정식으로 쓸 수 있게 했다고 발표했어요. 데이터 주권과 데이터 상주 요건이 있는 고객을 위한 조치라고 설명했어요. SAP는 규제 업종의 고민으로 데이터 경로를 들었어요. AI가 답을 내기까지 데이터가 여러 애플리케이션과 공급사, 지역을 거칠 수 있다는 점이에요.

SAP의 발표에 따르면 기업은 North로 자기 인프라 안에서 AI 에이전트와 업무 흐름 자동화를 만들 수 있어요. 대상 업무로는 재무, 영업, 인사, IT, 고객 지원을 꼽았고, CRM 관리, 회의 준비, IT 서비스 자동화 같은 쓰임새를 예로 들었어요. SAP는 솔루션의 호스팅과 운영, 지원을 일괄로 맡고 SAP 환경과 North를 잇는다고 밝혔어요. 실제 도입 고객이나 비용은 발표에 없어요.

규제 업종에서 에이전트 도입을 막던 조건이 모델 성능보다 데이터가 지나가는 경로였다면, ERP 공급사 플랫폼 안에서 그 경로를 정하는 선택지가 하나 생겼다는 뜻이에요. 운영을 SAP가 맡는 구조는 별도 인프라를 관리할 부담을 덜어 주지만, 한 공급사에 기대는 범위가 넓어지는 구조로도 읽혀요.

확인할 점은 '정식 제공'이 곧 우리 회사의 요건 충족을 뜻하지 않는다는 데서 나와요. 데이터가 저장·처리되는 지역, 접근할 수 있는 사람, 모델 호출과 로그가 남는 위치를 계약서와 아키텍처 문서로 직접 확인해야 해요. 규제 기관에 설명할 책임은 공급사가 아니라 도입하는 회사에 남기 때문이에요.

출처 · SAP 공식 발표 · 11/3

SK텔레콤은 사내 경연 'AX 스파크' 파이널을 3일 열고 수상작을 시상했다고 밝혔어요. 8월부터 10월까지 173건이 출품됐고, 매달 예선으로 20건을 추린 뒤 사내외 심사와 구성원 투표로 최종 5건을 골랐어요. 대상은 통합보안센터가 만든 악성앱 분석 에이전트 'M-TripleA'예요. 스마트폰에 깔린 악성 앱을 분석하고 공격 서버를 자동으로 추적하는 에이전트라고 소개했어요.

출품은 마케팅과 네트워크 인프라를 맡은 MNO CIC, AI CIC, 직속 조직까지 걸쳤고 개발자와 비개발자가 함께 참여했다고 해요. 최종 후보에는 서비스 기획부터 운영까지 맡도록 설계한 멀티 에이전트 플랫폼 'ATLAS', 전국 18만 여 통신설비의 전기 사용량과 요금을 분석하는 'PYLON', AI 응답의 오답 원인을 판별하는 'AUTO LLM JUDGE' 등이 올랐어요. SKT는 '1인 1에이전트'를 내걸고 사내 개발 플랫폼과 단계별 교육을 제공해 왔고, 올해 사내에서 만든 업무 에이전트가 5천 개 이상이라고 밝혔어요. 수상작을 중심으로 전사 확산을 추진할 계획이라고 해요.

직원이 에이전트를 만드는 단계를 지나면, 무엇을 남기고 넓힐지 고르는 체계가 필요해진다는 뜻이에요. 에이전트가 수천 개 쌓이면 중복, 품질, 데이터 접근 권한이 모두 관리 대상이 돼요. 우수상에 AI 응답 품질을 평가하는 에이전트가 들어간 점도 같은 고민으로 읽혀요.

우리 회사가 현업 주도로 에이전트를 만들게 한다면, 확산 전에 평가 기준을 먼저 정해 두는 게 좋아요. 업무 효과를 어떻게 잴지, 어떤 데이터에 닿는지, 누가 운영을 책임지는지가 기준에 들어가야 해요. 전사로 퍼지는 순간 개인 도구가 아니라 운영 시스템이 되기 때문이에요.

출처 · SK텔레콤 공식 발표 · 11/3

Snowflake는 행사 Expedition 2026에서 여러 제품에 걸친 새 기능을 발표했어요. 모델 학습 기능인 Cortex Training, Snowflake CoCo와 CoWork, 앱 개발 기능, 에이전트 협업 기능이 대상이에요. 배경으로는 Deloitte의 2026년 기술 트렌드 보고서를 인용해, 기업 38%가 에이전트를 시범 운영하지만 실제 운영 중인 곳은 11%라고 소개했어요. Snowflake는 이 간극의 원인을 맥락 부족으로 봤어요.

Snowflake는 기능을 세 갈래로 설명했어요. 에이전트를 관리된 데이터, 지표, 비즈니스 로직에 연결하는 것, 사용자 각자의 권한대로 실제 작업을 하고 감사 기록을 남기는 것, 검증된 스킬과 메모리를 조직 안에서 나눠 쓰는 것이에요. 예로, 지난 분기 매출 성장률을 물으면 에이전트가 SQL은 제대로 짜도 어느 필드가 '매출'의 공식 정의인지 모르면 틀린 숫자를 자신 있게 내놓는다고 짚었어요.

데이터·분석과 AI 에이전트 영역이 겹치는 지점이에요. 에이전트 프로젝트 범위에 모델 선택만이 아니라 시맨틱 레이어, 지표 정의, 권한 정비가 함께 들어가야 한다는 뜻으로 읽혀요. 시범 단계에서 그럴듯하던 데모가 운영에서 막히는 이유를 데이터 쪽에서 찾은 셈이에요.

확인할 점은 세 가지예요. 매출, 고객 수 같은 핵심 지표의 공식 정의가 문서와 시스템에 정리돼 있나요? 에이전트가 사용자 권한을 그대로 따르나요, 아니면 서비스 계정 하나로 모든 데이터에 닿나요? 에이전트가 한 작업을 나중에 추적할 수 있나요? 이 셋이 비어 있으면 모델을 바꿔도 같은 문제가 남아요.

출처 · Snowflake 공식 발표 · 11/3

OpenAI는 유럽의 주거용 부동산 회사 Heimstaden이 ChatGPT Enterprise와 Codex를 자산 관리 업무에 쓰고 있다고 발표했어요. OpenAI는 이 도입으로 비용을 줄이고 유럽 전역 직원의 일을 돕고 있다고 소개했어요. 원문 페이지는 읽지 못해 제목과 요약만 근거로 썼어요.

어떤 업무에 어떤 순서로 들였는지, 몇 명이 쓰는지, 기존 시스템과 어떻게 연결했는지는 발표 요약에 없어요. 확인되는 건 전 직원이 쓰는 대화형 업무 도구와 개발자용 코딩 도구를 한 회사가 함께 들였다는 점, 무대가 유럽의 주거 자산 관리라는 점이에요.

업무 도구 영역에서 현업용 AI와 개발용 AI를 같이 들이면, 쓰는 사람과 닿는 데이터가 서로 달라진다는 뜻이에요. 현업 도구는 문서와 메일에, 코딩 도구는 코드 저장소와 개발 환경에 닿아요. 라이선스 관리와 사용 정책도 두 갈래로 나뉘게 돼요.

그래서 두 도구의 사용 정책을 따로 정했는지 확인해야 해요. 업무 도구에는 입력해도 되는 정보의 범위를, 코딩 도구에는 접근할 저장소와 생성 코드의 검토 절차를 정해 두는 식이에요. 하나의 'AI 사용 지침'으로 두 도구를 함께 다루면 어느 한쪽이 빈틈으로 남기 쉬워요.

출처 · OpenAI 공식 발표 · 11/3

과학기술정보통신부는 AMD와 맺은 업무협약(MoU)의 제1회 운영위원회를 열었다고 밝혔어요. 이기종 AI 인프라 구축, AI 연구센터 설립, 인재 양성 같은 협력 과제를 구체화하는 자리라고 설명했어요. AMD는 한국과의 협력을 넓히는 일의 하나로, 자사의 대표 AI 행사 'Advancing AI' 월드 투어를 서울에서 처음 열었다고 해요.

원문을 읽지 못해 제목과 요약만 근거로 썼어요. 과제별 일정, 규모, 참여 기관은 발표 요약에 없어요. 민간 기업이 무엇을 쓸 수 있게 되는지도 발표에 없어요.

이기종 인프라는 여러 종류의 칩을 섞어 쓰는 구성이에요. 정부 협력 과제에 이 구성이 올라왔다는 건, 국내 AI 인프라 논의가 특정 칩 하나를 전제로 하지 않는 쪽도 다룬다는 뜻이에요. 클라우드·인프라 프로젝트에서는 하드웨어보다 소프트웨어가 얼마나 옮겨 다닐 수 있느냐가 쟁점이 돼요.

우리 프로젝트에 비추면, 학습·추론 환경이 다른 종류의 칩에서도 돌아가는지 점검해 볼 일이에요. 특정 칩 전용 라이브러리에 깊이 묶여 있으면 공급처를 바꾸거나 늘릴 때 다시 짜야 하는 부분이 커져요.

출처 · 과학기술정보통신부 보도자료 · 11/3

SK텔레콤은 3분기 실적 발표에서 연결 기준 매출 4조 4,973억 원, 영업이익 5,523억 원을 기록했다고 밝혔어요. AI 쪽에서는 SK하이퍼(7월)와 SK호라이즌(8월)을 출범시켜 AI 데이터센터 사업의 추진 체계를 갖췄다고 설명했어요.

역할은 나눴어요. SKT가 전략과 위험 관리, 글로벌 협력을, SK하이퍼가 사업 개발을, SK호라이즌이 인프라 운영과 확장을 맡는 구상이라고 해요. SK호라이즌은 울산과 서울에 약 180MW 규모 신규 데이터센터를 짓고 있고, SK하이퍼는 울산을 중심으로 잠재 고객과 조건을 협의 중이라고 밝혔어요. SKT는 독자 AI 파운데이션 모델을 에이닷과 업무용 AI 서비스에 적용하고 있다고도 했어요.

AI를 쓰는 기업 입장에서는 국내에 AI 연산을 둘 공급처 준비가 진행 중이라는 뜻이에요. 앞의 SAP 사례처럼 데이터를 승인된 지역에 두어야 하는 요건과 맞물리는 부분이에요. 다만 언제 어떤 조건으로 쓸 수 있는지는 발표에 없어요.

AI 워크로드를 어디에 둘지 정할 때 국내 데이터센터 선택지를 해외 리전과 나란히 비교했는지 확인해야 해요. 용량을 확보할 수 있는 시점과 계약 조건은 발표가 아니라 공급사와의 협의로 확인할 내용이에요.

출처 · SK텔레콤 공식 발표 · 11/4

Snowflake는 USA Cycling의 공식 AI 데이터 클라우드·협업 파트너가 됐다고 발표했어요. LA28 올림픽·패럴림픽 준비를 돕는 제휴로, 도로, 산악자전거, 트랙, BMX 레이싱, BMX 프리스타일 다섯 종목과 패럴림픽 도로·트랙 종목을 다룬다고 해요.

발표에 실린 USA Cycling CEO의 말을 보면 출발점이 보여요. 파리 대회 여자 팀 추발 준비 때는 자원봉사와 크게 할인된 데이터 과학 지원에 기댔고, 데이터를 하나로 묶을 시스템이 없었다고 해요. 파워, 심박, 케이던스, 속도 기록, 웨어러블의 수면·회복 데이터, 산악자전거 서스펜션 계측, 고속 카메라 영상이 따로 쌓여 있었어요. CEO는 처리할 수 있는 양보다 데이터가 훨씬 많다고 말했어요.

스포츠 이야기지만 기업 데이터 프로젝트와 구조가 같다고 읽혀요. 데이터를 모으는 건 쉽고, 서로 잇는 일이 어렵다는 점이에요. AI를 얹기 전에 흩어진 원천을 한 층으로 묶는 작업이 먼저 온다는 사례예요.

우리 프로젝트에서는 원천 데이터 목록부터 확인할 만해요. 어떤 시스템과 장비에서 어떤 형식으로 데이터가 나오는지, 그것을 현업 담당자가 바로 쓸 수 있는 형태로 모을 계획이 있는지가 질문이에요.

출처 · Snowflake 공식 발표 · 11/3