AI가 업무 이해·판단·실행까지…KT, '에이전틱 데이터 플로우' 개발

(zdnet.co.kr)

ZDNet Korea2026년 9월 3일AI 코딩

KT가 AI 에이전트가 기업 내부 데이터를 이해하고 업무 규정에 따라 스스로 판단 및 실행까지 수행할 수 있도록 돕는 '에이전틱 데이터 플로우'를 개발하며, AI를 실질적인 업무 대행자로 전환하기 위한 데이터 활용 체계를 구축했습니다.

이 글의 핵심 포인트

1KT, AI 에이전트가 업무 이해·판단·실행까지 수행하는 '에이전틱 데이터 플로우' 개발
2K 피처 맵, K 메타, KT 온톨로지, K 이밸류에이션의 4개 축으로 구성된 데이터 활용 체계 구축
31,600여 종의 표준 데이터 자산을 구축하여 AI가 데이터 가공 없이 즉시 사용 가능하도록 설계
4사내 업무 매뉴얼과 노하우를 구조화하여 AI가 직접 실행 가능한 워크플로우로 전환
5AI의 결과뿐만 아니라 계획 수립 및 판단 과정 전반을 검증하여 오류 발생 지점 개선 가능

이 글에 대한 공공지능 분석

왜 중요한가?

AI 에이전트의 역할이 단순한 '정보 검색'에서 '업무 수행'으로 진화하는 기술적 전환점을 보여줍니다. 기업의 파편화된 데이터를 AI가 즉시 실행 가능한 지능으로 변환할 수 있는 인프라를 구축했다는 점이 핵심입니다.

어떤 배경과 맥락이 있나?

LLM의 성능 경쟁을 넘어, 기업 내부의 특화된 데이터와 업무 지식을 어떻게 에이전트의 워크플로우에 결합(Agentic Workflow)할 것인가가 AI 산업의 핵심 화두로 부상하고 있습니다. 기존 RAG(검색 증강 생성)의 한계를 넘어 실행력까지 갖춘 에이전트 구현이 필수적인 시점입니다.

업계에 어떤 영향을 주나?

AI 에이전트 시장의 경쟁 구도가 모델 자체의 성능 중심에서 '데이터 및 도메인 지식 통합 역량' 중심으로 이동할 것입니다. 이는 단순 API 제공업체보다 기업의 복잡한 업무 로직을 데이터화하고 관리할 수 있는 솔루션 기업에 유리한 환경을 조성합니다.

한국 시장에 어떤 시사점이 있나?

한국 기업들은 AI 도입 시 단순 모델 도입을 넘어, 사내의 암묵지를 디지털 자산화(Ontology 구축)하는 작업이 선행되어야 함을 시사합니다. 데이터 표준화와 보안 권한 관리가 결제된 에이전틱 인프라 구축이 미래 기업 경쟁력의 핵심이 될 것입니다.

이 글에 대한 큐레이터 의견

KT의 이번 발표는 AI 에이전트의 실질적인 비즈니스 가치를 창출하기 위한 '데이터 인프라'의 중요성을 정확히 짚어냈습니다. 단순히 모델을 가져다 쓰는 것을 넘어, 기업의 복잡한 규정과 업무 절차를 AI가 이해할 수 있는 '디지털 워크플로우'로 변환하는 작업은 AI 에이전트 상용화의 가장 큰 병목 구간을 해결하려는 전략적인 시도로 평가됩니다.

다만, 이러한 에이전틱 시스템의 성공은 '데이터의 품질'과 '온톨로지의 정교함'에 전적으로 의인하게 된다는 리스크가 있습니다. 만약 사내 매뉴얼이나 데이터 표준화가 불완전하다면, AI의 자율적인 판단은 오히려 통제 불가능한 업무 오류나 보안 사고로 이어질 수 있습니다. 따라서 스타트업 창업자들은 모델 성능에만 매몰되기보다, 특정 도메인의 데이터를 어떻게 구조화하고 검증(K-Evaluation과 같은)할 것인지에 대한 '신뢰 가능한 에이전트 프레임워크' 구축에 집중해야 합니다.

원문 보기 →