에이전트형 인공지능 분석의 품질과 과제

주장생성형 인공지능은 기업 분석의 접근성을 높였으며, 에이전트형 인공지능은 워크플로우 자동화를 통해 더 큰 가치를 창출합니다. 현재 에이전트가 생성하는 통찰의 품질은 기업의 기대치에 미치지 못합니다.

팩트조사 대상 기업에서 에이전트가 생성한 통찰 중 비즈니스 개선으로 이어진 비율은 평균 48%입니다. 이는 1년 전의 37%보다 개선된 수치이나, 여전히 절반 이상의 통찰이 실질적인 성과를 내지 못합니다.

교차검증에이전트의 기술적 한계로 인해 잘못된 통찰이 도출될 경우, 기업은 잘못된 의사결정을 내릴 위험이 있습니다. 이는 단순한 투자 수익률 저하를 넘어 기업의 평판이나 재무적 손실로 이어질 수 있는 문제입니다.

팩트통찰 리더로 분류된 상위 기업 그룹에서는 에이전트가 생성한 통찰의 70% 이상이 비즈니스 개선으로 이어졌습니다. 이들은 일반 기업들보다 에이전트의 처방적 통찰 품질을 높게 평가합니다.

주장에이전트의 통찰 품질이 낮은 가장 큰 원인은 비즈니스 맥락의 부족입니다. 조사에 참여한 임원 중 55%가 맥락 부족을, 45%가 데이터 파편화 및 접근성 문제를 주요 장애물로 지목했습니다.

팩트조사 대상 기업의 52%는 에이전트가 과도한 통찰을 생성하여 이를 적절히 평가하고 실행하는 데 어려움을 겪고 있습니다. 전체 통찰을 모두 평가할 수 있는 기업은 24% 미만이며, 대부분은 여전히 인력 중심의 수동 평가에 의존합니다.

주장기업들은 에이전트의 성능을 높이기 위해 인공지능 및 데이터 거버넌스 강화에 집중하고 있습니다. 응답 기업의 60%가 거버넌스 개선을 최우선 과제로 꼽았으며, 이는 데이터의 신뢰성을 확보하기 위한 필수적인 단계입니다.

팩트기업의 45%는 데이터 아키텍처에 시맨틱 계층을 추가하는 방안을 추진하고 있습니다. 전문가들은 이 시맨틱 계층이 에이전트가 데이터의 의미를 정확히 파악하고 고성능을 발휘하게 하는 핵심 요소라고 강조합니다.

교차검증에이전트형 분석의 성공은 단순히 기술 도입에 그치지 않고, 데이터의 맥락을 어떻게 정의하고 관리하느냐에 달려 있습니다. 데이터 거버넌스가 뒷받침되지 않은 상태에서의 자동화는 오히려 비효율을 초래할 수 있습니다.

출처MIT 테크놀로지 리뷰(https://www.technologyreview.com/2026/11/02/1147660/raising-the-quality-of-insights-in-agentic-analytics/)의 보도를 교차 검증했습니다.