Key Takeaways
2026년의 1분기가 지나고 있는 지금, 우리는 한 가지 역설적인 상황을 주목하게 됩니다. AI 산업은 그 어느 때보다 강력한 역량을 갖추게 되었지만, 이를 둘러싼 담론은 그 어느 때보다 혼란스럽다는 점입니다.
현재 가장 뜨거운 논쟁의 중심에는 인공일반지능(AGI)이 있습니다. 하지만 AGI는 우리가 새로운 벤치마크를 정복할 때마다 기준이 바뀌는, 정의조차 불분명하고 끊임없이 변화하는 목표일 뿐입니다. 그사이 진정으로 의미 있는 진보는 기업 현장에서 조용히 일어나고 있습니다. AI 시스템이 ‘반응형’에서 ‘선제적’으로, ‘범용’에서 ‘특화’된 형태로, 그리고 ‘불확실성’에서 ‘신뢰성’으로 측정 가능한 임계점을 넘어서고 있는 것입니다.
AI의 비즈니스 적용을 고민하는 분들이라면, 최근 가장 유의미한 돌파구가 모델 자체가 아닌 시스템 레벨에서 일어나고 있다는 사실을 반드시 인지해야 합니다. 거대언어모델(LLM)을 완전한 에이전틱 시스템으로 탈바꿈시키는 것은 바로 메모리 아키텍처, 추론 엔진, API 호출, 그리고 인터페이스입니다.
아래에서 설명할 다섯 가지 트렌드는 모두 이 시스템 레벨에서 작동하며, 이미 2026년 기업용 AI의 지형을 재편하기 시작했습니다. 여기서 언급할 기술 중 일부는 현재 고도화 단계에 있으며, 대부분은 향후 12~18개월 내에 기업 현장의 보편적인 현실이 될 것입니다. 이 모든 내용은 세일즈포스 AI 리서치 연구소의 최신 성과에 기반하며, 리스크가 크지만 그만큼 배움도 큰 현장에 AI를 도입할 준비가 된 고객들과의 실제 구현 과정을 통해 검증되었습니다.
이러한 변화를 종합해 보면 결국 ‘에이전틱 엔터프라이즈‘의 출현을 가리키고 있습니다. 이는 인간과 AI 에이전트가 나란히 협력하고, 워크플로우 전반에서 지능이 끊임없이 작동하며 조직의 성과와 판단력을 한 차원 높이는 새로운 기업 모델을 의미합니다.
Trend 1: 앰비언트 인텔리전스(Ambient Intelligence)의 부상
여러분의 AI는 보이지 않는 곳에서 항상 깨어 있으며, 언제 행동해야 할지를 스스로 판단하게 될 것입니다.
현재 대부분의 에이전트는 사용자가 프롬프트를 입력해야만 특정 작업을 수행하는 ‘반응형’ 단계에 머물러 있습니다. 하지만 앞으로 우리는 업무 환경의 백그라운드에 자연스럽게 녹아들어, 워크플로우 내의 맥락과 상황을 스스로 파악하고 사용자에게 필요한 인사이트와 도움, 관련 정보를 선제적으로 제공하는 AI 시스템으로 나아가고 있습니다.
우리는 이것을 ‘앰비언트 인텔리전스(Ambient Intelligence)‘라 부릅니다.
영업 담당자가 고객과 대화하는 상황을 가정해 보겠습니다. 에이전트는 별도의 명령 없이도 실시간으로 대화를 경청하며, 대화 내용에 꼭 맞는 제안이나 인사이트, 참고 자료를 즉시 제공합니다. 더 나아가 AI가 직접 행동하기까지 합니다. 다음 단계를 단순히 보고하는 수준을 넘어, 우선순위를 정해 후속 작업을 처리하고 그 업데이트 내용을 영업 담당자에게 실시간으로 공유합니다. ‘질문하고 답변받는’ 방식에서 ‘예측하고 전달하는’ 방식으로의 이러한 패러다임 전환은 지식 노동자들의 업무 방식을 근본적으로 변화시킬 것입니다. 이러한 혁신은 이미 시작되었으며, 내년이면 시장에서 본격적으로 만나보게 될 것입니다.
이러한 변화가 산업 전반에 어떤 결과를 가져올까요? 서비스 운영 분야는 비약적인 발전을 이룰 것입니다. 고객센터의 앰비언트 인텔리전스는 단순한 통화 녹취을 넘어 ‘선제적 개입’으로 진화할 것입니다. 상담원이 필요성을 느끼기도 전에 갈등 완화 기법을 제안하거나 관련 정책 정보를 띄워주는 식이죠.
현장 서비스에서도 비슷한 변화가 일어날 것입니다. 현장에 도착한 엔지니어는 앰비언트 AI가 진단 데이터를 모니터링하고, 수리 이력을 확인하며, 필요한 부품을 예측해 실시간으로 가이드를 제공받게 됩니다. 이 모든 과정에 프롬프트 입력은 단 한 번도 필요하지 않습니다. 이러한 경험은 우리가 ‘인비저블 서비스(Invisible Service)’라 부르는 단계로 이어집니다. 즉, 고객이 문제를 채 인지하기도 전에 문제가 해결되는 시대를 맞이하게 되는 것입니다.
Trend 2: 에이전트 협업을 위한 시맨틱 레이어(Semantic Layer)
여러분의 AI 에이전트는 새로운 공용 언어를 사용하여 여러분을 대신해 다른 기업과 협상하게 될 것입니다.
이미 에이전트들은 조직 내에서 인력의 효율을 높이는 가속기 역할을 하고 있습니다. 재고 관리, 청구서 발행, 물류 등 각기 다른 기능을 수행하는 특화된 AI들이 그 예입니다. 다음 진화 단계는 ‘오케스트레이터(Orchestrator) 에이전트’의 등장입니다. 이들은 전문가 그룹을 조율하는 중재자로서, 사용자의 선호도와 비즈니스 목표에 맞게 움직이는 개인형 AI 비서 역할을 수행합니다.
이러한 오케스트레이션 역량은 완전히 새로운 것은 아닙니다. 우리는 몇 달 전, AI 시스템이 단성에서 다성, 그리고 앙상블 시스템으로 진화하는 과정을 탐구한 바 있습니다. 그리고 오늘날 Agentforce는 조직 내에서 이미 이러한 “다성(polyphonic)” 단계를 증명해 보이고 있습니다.
2026년에 마주할 진정한 변화는 조직의 경계를 넘어 에이전트 간의 소통을 가능하게 하는 ‘시맨틱 레이어(Semantic Layer)‘입니다. 이를 서로 다른 조직의 에이전트들이 단순히 데이터를 주고받는 수준을 넘어, 상대의 의도를 파악하고 신뢰도를 검증하며 조건을 협상할 수 있게 해주는 ‘공용 어휘집’이라고 생각하셔도 좋습니다.
가장 흥미로운 시나리오는 서로 다른 기업의 에이전트 오케스트레이터들이 직접 협상을 시작할 때 펼쳐집니다. 자동차 구매를 예로 들어보겠습니다. 여러분의 개인 AI 에이전트는 딜러사 에이전트와만 협상하는 것이 아닙니다. 보험사, 대출 기관, 서비스 제공업체의 AI 에이전트들과 동시에 소통하며 조건을 조율합니다. 이러한 다자간 협상에는 정교한 시맨틱 프레임워크가 필요하며, 이를 통해 모든 당사자가 윤리적·법적 테두리 내에서 움직이고 의사결정 과정을 투명하게 유지할 수 있습니다.
세일즈포스는 조직 간 AI 협업을 위한 ‘도로 교통 법규’와 같은 에이전트 간 통신 프로토콜을 적극적으로 구축하고 있습니다. 그 토대는 이미 마련되고 있습니다. 최근 구글은 에이전트의 능력, 한계, 적절한 사용 사례를 설명하는 표준화된 메타데이터인 세일즈포스의 ‘에이전트 카드(Agent Cards)’ 개념을 자사의 A2A(Agent-to-Agent) 규격에 채택했습니다. 이 카드를 통해 서로 다른 조직의 에이전트들은 실제 거래를 시작하기 전, 상대방이 무엇을 할 수 있고 무엇을 할 수 없는지 미리 파악하고 버전을 조율할 수 있습니다.
Trend 3: 시뮬레이션 환경 (Simulation Environments)
여러분의 AI도 ‘훈련 시간’을 채우고, 시스템의 안전성을 요구하는 시장과 관계자들에게 증명해야 할 것입니다.
현재 AI의 성능은 근본적으로 들쭉날쭉 합니다. 기업용 배포 환경에서는 결코 용납될 수 없는 수준의 불확실성이 존재합니다. 최첨단 LLM조차 사람 이름에 포함된 글자 수를 세는 단순한 일에 애를 먹기도 하지만, 정작 우리는 이 시스템이 재고 관리나 재무 결산 같은 중요한 업무를 처리해주길 기대하고 있습니다.
이 트렌드가 나아갈 방향은 명확합니다. 앞으로 기업용 AI를 도입할 때는 시뮬레이션을 통해 검증된 성능 지표가 필수적으로 요구될 것입니다. 조종사에게 비행시간이 필요하고 외과 의사에게 감독 하의 수술 경험이 필요하듯, AI 에이전트 역시 실제 고객을 응대하기 전에 현실적인 시뮬레이션 환경에서 기록된 충분한 ‘훈련 시간’을 증명해야 할 것입니다.
이러한 기술적 토대는 이미 마련되어 있습니다. 세일즈포스는 에이전트가 수천 가지의 가상 비즈니스 시나리오를 학습하고 전문가의 검증을 받을 수 있는 ‘eVerse 시뮬레이션 환경‘을 개발했습니다. 여기서는 정보가 누락된 고객의 반품 요청, 데이터가 충돌하는 서비스 접수, 이해관계자의 요구사항이 시시각각 변하는 영업 협상 등 현실적인 B2B 및 B2C 시나리오를 생성합니다. 에이전트는 이 시나리오 속에서 과업을 수행하고, 저희는 그 성공과 실패를 측정하여 강화 학습을 통해 에이전트의 행동을 최적화합니다.
실제로 Agentforce Voice를 출시하기 전, 우리는 다양한 억양, 대화 중단, 배경 소음, 불안정한 연결 상태 등을 가정하여 수천 건의 가상 대화를 통해 스트레스 테스트를 진행했습니다. 그 결과, UCSF 헬스와의 파일럿 프로젝트에서 시뮬레이션 기반 학습을 통해 88%의 업무 수행률을 기록했습니다. 이는 기존 방식이 달성하던 60~70% 수준을 훨씬 뛰어넘는 수치입니다.
이러한 변화는 단순한 기술적 유행에 그치지 않습니다. 향후 18개월 내에 이는 시장의 필수 요구사항이 될 것입니다. 기업의 구매 결정권자들은 다음과 같은 질문을 던지게 될 것입니다: “이 에이전트의 시뮬레이션 훈련 시간은 얼마나 됩니까? 어떤 예외 상황을 겪었나요? 훈련 데이터를 보여주세요.” 이제 시뮬레이션 환경은 보안 감사나 가동 시간 보장만큼이나 기업용 AI 도입의 표준이 될 것입니다.
이러한 변화는 우리가 ‘리얼리티 갭’이라 부르는 문제, 즉 통제된 환경에서의 AI 성능과 복잡한 현실 세계에서의 성능 차이를 해결해 줍니다. 단순히 텍스트 데이터만으로 학습하는 시대는 이제 포화 상태에 이르렀습니다. 시뮬레이션 환경을 통한 ‘경험 학습’은 범용 언어 모델이었던 에이전트를, 가장 중요한 순간에 신뢰할 수 있게 작동하는 ‘기업 특화형 시스템’으로 진화시킬 것입니다.
Trend 4: 기업용 일반 지능 (EGI)
여러분의 AI는 어쩌다 한 번 뛰어난 것이 아니라, 항상 일관되게 탁월한 성능을 보여줄 것입니다.
복잡한 수학 정리를 풀거나 시를 쓰는 AGI를 쫓는 대신, 세일즈포스 연구팀은 ‘기업용 일반 지능(EGI)’이라 부르는 목표에 집중하고 있습니다. 이는 복잡한 비즈니스 과업을 뛰어난 역량으로, 무엇보다 일관되게 수행하는 에이전트를 의미합니다.
진정한 EGI는 무엇을 필요로 할까요? 실제 비즈니스 환경에서 중요한 역량들, 즉 여러 단계를 거치는 장기 추론, 변화하는 규칙에 적응하는 적응형 지능, 깊이 있는 리서치와 분석, 그리고 실시간으로 제공되는 선제적 인사이트가 필요합니다. 하지만 역량만으로는 부족합니다. EGI는 노이즈가 섞인 데이터, 누락된 정보, 그리고 수많은 예외 상황 속에서도 흔들림 없는 일관성을 유지해야 합니다. 비즈니스 세계에서 90%의 정확도는 충분하지 않습니다. 99%의 신뢰도가 필요합니다.
올해 이 트렌드가 나아갈 방향은 다음과 같습니다. 역량과 일관성을 동시에 평가하는 새로운 벤치마크가 등장할 것입니다. 기존의 AGI 벤치마크는 비즈니스 가치를 판단하기엔 오해의 소지가 많습니다. 대신 헬스케어나 금융 같은 특정 산업군과 서비스, 영업, 현장 서비스, 커머스, 마케팅 등 기업용 유스케이스에 특화된 EGI 벤치마크가 그 자리를 대신할 것입니다.
세일즈포스는 이미 정확도, 비용, 속도, 그리고 신뢰와 안전을 기준으로 모델 성능을 측정하는 CRM을 위한 LLM 벤치마크 초기 버전을 선보인 바 있습니다. 향후 18개월 내에 이러한 비즈니스 핵심 기준들은 단순한 학술적 지표를 넘어설 것입니다. 이는 기업의 AI 도입을 위한 필수 요건이 되어, 모든 제안요청서(RFP)에 반드시 포함되어야 할 항목이 될 것입니다.
핵심 요약: 기술 및 비즈니스 리더들은 이제 “이 AI 시스템이 얼마나 인상적인가?”라는 질문을 멈추고, “이 시스템이 우리 비즈니스 맥락에서 지속적으로 탁월한 성과를 낼 수 있는가?”를 요구하기 시작할 것입니다. 높은 역량과 높은 일관성을 동시에 확보한 기업만이 파괴적인 가치를 창출할 수 있습니다. 반면, 가끔은 훌륭하지만 일관성이 떨어지는 AI에 만족하는 기업들은 도입 초기 단계인 ‘파일럿의 지옥(Pilot purgatory)’에서 벗어나지 못하고 정체될 것입니다.
Trend 5: 공간 지능 (Spatial Intelligence)
여러분의 AI는 물리적 세계를 단순히 언어로 설명하는 것을 넘어, 직접 이해하게 될 것입니다.
지금 거대한 변화가 일어나고 있습니다. 바로 AI가 3차원 공간을 인식하고, 추론하며, 상호작용하는 역량인 ‘공간 지능’으로의 이동입니다. 그 중심에 있는 월드 모델(World Models)은 3D 환경뿐만 아니라 마찰력, 촉각, 물체의 움직임과 같은 물리적 특성까지 파악하는 차세대 기술입니다. 이는 단순히 공간을 ‘보는’ 컴퓨터 비전 수준을 훨씬 넘어, 그 공간 안에서 어떻게 행동해야 하는지를 이해하는 단계입니다. 이 분야의 권위자인 페이페이 리(Fei-Fei Li) 박사는 최근 이에 대한 비전을 발표했고, 얀 르쿤(Yann LeCun) 역시 월드 모델에 집중하기 위해 행보를 옮겼습니다. 업계의 두 선구자가 독립적으로 같은 기술에 미래를 걸었다면, 비즈니스 리더들은 마땅히 주목해야 합니다.
월드 모델은 물리적 세계에 대한 언어를 처리하는 수준을 넘어, 세상을 이해하고 직접 상호작용하는 AI를 가능케 할 것입니다. 그렇다면 내년에 비즈니스 리더들에게 이것은 어떤 의미가 될까요?
초기 비즈니스 활용 사례는 이미 나타나고 있습니다. 커머스 분야에서는 정적인 가상 매장이 아니라, 실시간으로 학습하고 반응하며 조정되는 개인화된 쇼핑 환경을 보게 될 것입니다. 물류 분야에서는 아마존과 같은 기업들이 공간 관계를 이해하고 물체의 행동을 예측하며 변화하는 환경에 적응하는 창고 로봇 시스템을 이미 선보이고 있습니다. 또한, 현장 서비스 엔지니어는 단순히 매뉴얼을 따르는 것이 아니라, 부품 간의 3차원적 관계를 모델링하여 문제를 진단하고 실제 물리적 맥락에 기반한 가이드를 생성하는 AI와 협력하게 될 것입니다.
월드 모델은 AI를 실제 비즈니스가 일어나는 ‘물리적 현실’에 뿌리 내리게 합니다. 하지만 다른 트렌드와 마찬가지로 진정한 과제는 모델 그 자체가 아니라, 이를 감싸는 기술적 토대를 구축하는 것입니다. 즉, 메모리 시스템, 추론 엔진, 인터페이스를 통해 월드 모델을 완전한 에이전틱 프레임워크로 통합하는 과정입니다. 이러한 역량이 성숙해지고 Agentforce와 같은 엔터프라이즈 플랫폼과 결합함에 따라, 과거에는 상상조차 할 수 없었던 완전히 새로운 영역의 인간-AI 협업 모델이 등장할 것입니다.
향후 전망: 인간의 역할이 핵심입니다
이 모든 트렌드를 관통하는 핵심: 인간이 주도권을 쥐고 명확한 방향을 제시해야 합니다.
앰비언트 인텔리전스는 적절한 순간에 침묵하면서도 흐름을 놓치지 않아야 합니다. 멀티 에이전트 시스템은 우리의 가치관과 법적 테두리를 반영한 명확한 지휘 체계와 통신 프로토콜이 필요합니다. 시뮬레이션 환경은 통제된 테스트와 복잡한 현실 사이의 간극을 메우기 위해, 시나리오를 검증하고 ‘탁월함’의 기준을 정의할 분야별 전문가를 필요로 합니다. 그리고 EGI는 모델의 기준이 아닌, 인간의 기준에 따른 일관성과 신뢰성을 요구합니다.
기업용 AI의 미래는 인간의 판단력을 전례 없는 규모로 확장하는 데 있습니다. 2026년을 선도할 조직은 거버넌스 프레임워크를 수립하고, 팀원들에게 AI 협업 교육을 실시하며, 에이전트 오케스트레이션을 위한 인프라를 구축하는 등 오늘부터 준비하는 기업들입니다.
세일즈포스는 지금 이 순간에도 향후 18개월 동안 비즈니스 운영 방식을 완전히 바꿀 실질적인 시스템을 구축하고 있습니다. 이 시스템들은 현재의 일시적인 AI 유행과는 다를 수 있습니다. 하지만 이 거시적인 트렌드 변화는 저희 세일즈포스 연구소와 고객 배포 현장에서 직접 분석한 것입니다. 즉, 연구에 기반하고 실무 구현으로 검증되었으며, ‘가장 강력한 AI는 인간의 가이드가 필요한 시점을 아는 AI’라는 원칙을 따르고 있습니다.
이 다섯 가지 트렌드가 2026년 기업용 AI의 지형을 재편할 것입니다. 질문은 하나입니다. 여러분의 조직은 이 미래를 함께 설계할 것입니까, 아니면 단순히 그 변화에 대응만 할 것입니까? 2026년, 기업용 AI의 미래에 오신 것을 환영합니다.
궁금한 점은 언제든 문의주세요.
전문가가 도움을 드리겠습니다.
