[편집자주]
2026년 새해, AI 산업의 무게중심은 ‘모델 성능 경쟁’을 넘어 ‘확장(스케일) 경쟁’으로 옮겨가고 있다. 기업들은 더 낮은 추론 비용, 에이전트의 대규모 운영, 전력·데이터센터·GPU 같은 인프라 병목, 그리고 신뢰·보안·거버넌스라는 규칙의 변화를 동시에 마주했다. 한국도 반도체·제조 기반의 강점을 갖고 있지만, 전력과 컴퓨팅 자원, 인재 확보, 규제 해석과 국제 표준 대응 같은 과제가 한꺼번에 커지는 국면이다. 이에 테크42는 이와 같은 글로벌 AI 산업 환경과 한국이 마주한 도전을 신년 기획 '2026 AI 인사이트'로 소개한다.
앞서 2026 AI 인사이트 2편을 통해 지난해 하반기 AI 확산 속도는 더 빨라졌다는 점을 확인했다. 하지만 올해 기업 현장의 질문은 달라질 전망이다. 단순히 ‘AI를 쓰느냐’가 아니라 ‘얼마나 안정적으로 운영하고, 어느 정도의 비용으로, 어떤 성과를 증명하느냐’에 초점이 맞춰질 전망이다. 이와 관련 글로벌 AI 데이터 클라우드 기업 스노우플레이크가 최근 발표한 ‘AI+데이터 예측 2026’ 리포트는 기업 AI의 승부처를 ROI(투자대비수익) 증명(Show-me-the-money) → 에이전트 운영체계(표준·평가·피드백·거버넌스) → 현장(제조)로의 확장으로 정리한다.
하지만 스노우플레이크의 전망이 정답은 아니다. 이름이 알려진 글로벌 컨설팅 기업 등이 제시하는 다른 주요 리포트를 보면 결론은 같으면서도 조금은 다른 각도의 흐름을 제시하기도 한다.
다양한 각도의 전망, 결론은 하나로 귀결된다
글로벌 컨설팅 기업 맥킨지(McKinsey)는 기업 설문 데이터를 통해 이미 현장에서 에이전트 실험·확장이 진행되고 있다는 사실을 먼저 제시한다. 에이전틱 AI를 확장 단계에서 쓰는 조직과 실험하는 조직의 비중을 공개하며, 올해를 ‘도입’이 아니라 ‘확장의 실행력’을 겨루는 구간임을 시사한다.
글로벌 회계법인 딜로이트(Deloitte)는 이 경쟁을 ‘비용’과 ‘물리 제약’으로 짚었다. 올해 AI 컴퓨팅의 중심이 학습이 아니라 추론(inference)으로 이동하고, 추론이 전체 컴퓨팅의 큰 비중을 차지할 수 있다는 전망이다. 이는 곧 ‘ROI 증명이 추론비·전력·칩 수급 관리와 직결된다는 예측이기도 하다.
한편 IT 시장 조사 기관인 IDC(International Data Corporation)는 ‘조직 운영’에 초점을 맞춘다. 에이전틱 AI가 늘어날수록 기업은 단일 모델 성능보다, 여러 도구와 데이터를 오케스트레이션(조정)하는 역량과 신뢰(Trust) 구조를 재설계해야 한다고 본다.
컨설팅 기업 포레스터(Forrester)의 표현은 더 직설적이다. 올해 AI는 화려한 데모 경쟁에서 벗어나, 교육·프로세스·거버넌스 같은 기초 공사가 승패를 좌우하는 ‘현장 작업(hard hat work)’으로 이동한다는 진단이다.
실제로 ‘기초 공사’를 무엇으로 설계할지에 대해 미국 국립표준기술연구소(NIST)는 전망을 넘어 실무 프레임을 제공한다. 생성형 AI 확산이 불가피한 만큼, 위험을 식별·관리하고 책임성을 담보하는 체계를 조직이 어떻게 구축해야 하는지를 AI RMF(생성형 AI 프로파일 포함)로 구체화한 것이다.
여기에 스노우플레이크는 한 걸음 더 나아가, 에이전트가 늘어날수록 ‘성능’보다 먼저 필요한 것이 서로 다른 도구·데이터·시스템을 안전하게 이어 붙일 표준이라며 모델 컨텍스트 프로토콜(MCP)· 에이전트2에이전트(A2A) 프로토콜·에이전트 통신 프로토콜(ACP) 같은 ‘프로토콜 경쟁’을 전면에 올려놓는다.
그럼에도 불구하고 돌고 돌아 올해 AI 산업을 바라보는 결론은 결국 하나로 수렴한다. ‘좋은 모델을 도입했는가’를 넘어 이제는 첫 번째가 ‘추론 비용을 감당할 수 있는가’가 중요해졌다는 점이다. 다음으로 ‘에이전트를 표준·평가·거버넌스로 운영하는가’와 ‘현장 업무까지 확장해 성과를 증명할 수 있는가’가 기업 AI의 생존 조건으로 부상하고 있다.
“이제는 투자보다 증명” — 기업 AI, ROI·비용·신뢰성 ‘정량화’ 단계로
앞서 언급한 스노우플레이크 리포트의 전제는 단순하다. 올해 기업들은 AI에 계속 투자하겠지만, 그 방식은 달라질 것이라는 예측이다. ‘이제는 투자(investing)에서 성과(proving outcomes)로 이동한다’고 단언한 진단처럼, 실험과 PoC(개념증명)를 넘어 수익·생산성·리스크 절감이 수치로 입증되는지가 AI 예산을 좌우한다는 것이 이 리포트의 핵심이다.
한편으로 이러한 흐름은 포괄적으로 봤을 때 ‘AI 도입률 상승’이 만든 필연이라 할 수 있다. 맥킨지 조사만 봐도 에이전트는 이미 기업 내부로 들어왔다. 응답자의 23%가 에이전틱 AI를 ‘확장(스케일링)’ 단계에서 사용 중이고, 39%는 실험을 시작했다. 이제 경영진의 질문은 ‘해보자’가 아니라 ‘얼마를 쓰고, 무엇을 얻었나’로 바뀌고 있다.
여기에 딜로이트는 비용·인프라 변수까지 끌어올린다. 올해 AI 컴퓨팅의 무게추가 학습에서 추론으로 이동하고, 추론이 전체 AI 컴퓨팅의 약 3분의 2를 차지할 수 있다는 전망은 'ROI 증명'이 결국 추론비(토큰·지연·전력) 관리로 이어질 수밖에 없다는 뜻이다.
이와 관련 우리나라의 몇몇 사례도 이를 뒷받침 하고 있다. 삼성SDS는 이미 지난해 코파일럿 수준을 넘어, ‘전체 비즈니스 프로세스를 자동화하는 엔터프라이즈 AI 에이전트 솔루션’을 전면에 내세웠다. 즉 “도와주는 AI”가 아니라 “프로세스를 끝까지 처리하는 AI”로 메시지를 바꾼 것이다.
LG CNS(AgenticWorks)는 에이전틱 AI의 설계·구축·운영·관리 전 주기를 지원하는 플랫폼을 소개하며, 데이터 커넥터·RAG 결합·평가/모니터링·권한/거버넌스 등 ‘전사 표준으로 끌어올리는 기능’을 전면에 배치했다. 성능 홍보보다 운영·통제·확장에 초점이 맞춰져 있다는 부분이 주목된다.
에이전트 ‘대중화’의 조건… 프로토콜(MCP·A2A·ACP)과 평가·피드백 루프, 그리고 거버넌스
이번에는 각 리포트의 전망을 연결해보자. 우선 스노우플레이크가 올해 변곡점으로 꼽은 또 하나는 에이전트 생태계의 ‘표준화’다. MCP, A2A, ACP 같은 프로토콜이 생태계를 통합해 기업이 자동화를 추진하는 기반이 된다는 것이다. 에이전트가 늘어날수록 승부는 모델 스펙이 아니라 도구·데이터·시스템을 안전하게 연결하는 규격과 운영 규칙에서 갈린다는 말이다.
IDC도 비슷한 결론을 낸다. 에이전틱 미래(agentic future)는 단순 기능 도입이 아니라, 조직 단위의 오케스트레이션과 신뢰(Trust) 재설계가 필요하다는 관점이다. 즉, 에이전트가 많아질수록 기업은 누가/어떤 권한으로/어떤 데이터에 접근해/무엇을 실행했는지를 남기고 통제해야 한다는 주장이다.
그래서 올해 AI의 ‘운영’은 기술만이 아니라 거버넌스 프레임으로 이어진다. 포레스터가 “AI는 티아라(보석 왕관)를 벗고 안전모를 쓴다”고 표현한 것도 같은 맥락이다. 화려한 데모보다 훈련·거버넌스·ROI 검증 같은 기초 공사가 먼저라는 말이다.
이와 관련 우리나라 역시 에이전트가 현업 워크플로에 들어가는 방식을 적용하는 사례를 확인할 수 있다.
먼저 네이버클라우드 CLOVA Studio의 경우가 그렇다. 이는 기업·기관이 특화형 AI 서비스를 만들 수 있는 개발 도구다. 네이버클라우드에 따르면 이미 2000개 이상의 기업·기관이 활용 중이다. 이를 통해 에이전트 확산의 기반이 되는 ‘플랫폼화’ 흐름을 엿볼 수 있다.
SK텔레콤이 기업대상(B2B) AI 핵심 솔루션으로 선보인 에이닷 비즈(A.Biz)를 보면 회의 일정 조율·회의실 예약·회의록 작성·보고서 초안 생성 등 반복 업무를 대신 처리하는 흐름이 제시된다. 에이전트가 ‘업무 자동화의 단위’로 들어가는 장면이다.
이와 같은 사례를 통해 올해 에이전트 경쟁은 ‘똑똑한 비서’를 넘어 표준(프로토콜)·평가·피드백·거버넌스를 갖춘 ‘운영 가능한 자동화’ 경쟁이 될 것이라는 전망이 설득력을 얻는다.
피지컬 AI의 실전 무대는 ‘제조’, 데이터·비전·에이전트가 공정을 바꾼다
최근 AI 산업에서 피지컬 AI가 강조되는 이유도 짚어볼 필요가 있다. 이는 단순히 최근 CES2026 등을 통해 선보인 로봇이 화제가 되기 때문만은 아니다. 그보다 근원적인 이유는 AI가 기업의 비용 구조를 바꾸려면, 결국 현장(공정·물류·품질)으로 들어가야 하기 때문이다. 즉 앞서 반복적으로 언급된 IDC의 ‘오케스트레이션’ 언급은 결국 사무실 컴퓨터를 넘어 현장까지 확장될 때 폭발력이 커진다.
이러한 상황에서 제조는 피지컬 AI를 현실화 할 가장 빠른 무대다. 딜로이트가 “추론이 컴퓨팅의 중심이 되며, 대부분의 추론이 여전히 데이터센터에서 돌아갈 가능성”을 짚었다면, 현장은 결국 센서·비전·로봇이 만들어내는 데이터를 데이터센터/클라우드의 추론 체계와 연결해야 한다. 즉 피지컬 AI는 단순한 ‘로봇 하드웨어’가 아니라 데이터 파이프라인에 비전 추론과 에이전트 실행이 결합되는 것으로 읽어야 한다.
이러한 상황은 앞서 살짝 언급한 올해 초 CES 무대에서도 확인됐다. 우리나라 현대자동차그룹은 CES 2026에서 ‘AI Robotics Strategy’를 공개하며, 보스턴다이내믹스와 글로벌 AI 리더들과의 협업, 제조 전반(Software-Defined Factory 접근 포함)에서의 AI 로보틱스 통합 로드맵을 제시했다. 보스턴다이내믹스는 같은 자리에서 산업용(제품 버전) 아틀라스(Atlas)를 공개했다. 그에 대한 기대치는 현대자동차 주가 급등으로 이어지며 놀라움을 더했다.
한국 기업들과 피지컬 AI 선점 경쟁에 나서는 중국과 미국 기업의 기술력도 놀라운 수준이다. 로봇만을 봤을 때 기능적으로는 이미 인간의 움직임을 거의 따라왔다고 해도 과언이 아니다. 그렇다면 무엇이 경쟁의 승패를 좌우할까? 결국 올해 피지컬 AI 경쟁은 로봇에 장착된 피지컬 AI가 현장 데이터를 먹고 추론하며, 에이전트가 실행을 설계·조율하는 운영 시스템을 얼마나 안정적으로 확보할 것이지, 또 그것을 얼마나 확장할 수 있을 것인가에 달렸다. 그리고 그 확장이 가장 빠른 업종이 제조인 셈이다.
종합해 보면 올해는 화려한 모델 경쟁의 해라기보다, AI를 ‘운영’하는 기업들이 ‘증명’하는 해라고 할 수 있다. 이제까지 분석을 통해 ROI를 수치로 증명하고(맥킨지·포레스터), 추론 비용과 인프라를 관리하며(딜로이트), 에이전트를 표준·평가·거버넌스로 길들이고(스노우플레이크·IDC·NIST), 제조를 중심으로 피지컬 AI로 확장하는 한 줄의 흐름이 연결됐다.
다음 4편에서는 이 모든 흐름을 한국의 관점으로 압축해, 우리나라의 강점·약점을 비롯한 변수와 올해 대응 전략 등을 좀 더 알아볼 예정이다.
