AI FESTA 2026은 과학기술정보통신부가 지정한 국가 공식 ‘2026 인공지능주간(AI Week 2026)’의 대표 행사로, 10월 6일부터 8일까지 서울 코엑스 C홀에서 개최되었다. 올해는 ‘AI Realization(인공지능의 현실화)’을 중심으로 생성형 AI, AI 에이전트, 피지컬 AI, AI 인프라·반도체, 로봇 등 다양한 분야의 기술과 실제 산업 적용 사례가 소개됐다. 행사에는 약 350개사, 500개 부스 규모의 전시와 함께 다양한 컨퍼런스와 세미나가 진행됐다.

특히 Day 3 세미나는 AI를 실제 기업과 산업 현장에 어떻게 구현할 것인가에 초점을 맞췄다. AI 산업화의 조건부터 기업의 데이터와 조직 운영, 온톨로지와 AI 에이전트 활용까지 주제가 이어졌으며, 이번 기사에서는 그중 퓨처플레이 최재웅 전무, 더존비즈온 지용구 공동대표, 모비젠 엄태덕 CTO의 발표를 통해 기업 AX가 실제 성과로 이어지기 위해 필요한 조건을 살펴본다.

구현의 조건, 투자자가 본 AI 산업화의 분기점

기술개발에서 실제 구현으로

최재웅 전무는 AI 산업이 빠르게 성장하고 있지만 AI를 도입하는 것과 실제 산업에서 성과를 내는 것은 다른 문제라고 설명했다. LLM을 활용해 새로운 기능을 구현하는 것 자체는 과거보다 쉬워졌지만, 실제 기업에서는 도입한 AI가 조직 전체로 확산되지 못하거나 PoC 단계에 머무르는 사례가 여전히 많다는 것이다.

특히 AI 에이전트의 활용이 늘어나면서 비용에 대한 관점도 달라지고 있다. 단순한 챗봇은 질문과 답변 중심으로 비교적 적은 연산을 사용하지만, 에이전트는 하나의 업무를 수행하기 위해 여러 번 판단하고 실행하기 때문에 사용량과 비용이 크게 늘어날 수 있다. 이에 따라 기업은 단순히 AI를 적용했을 때의 효과뿐 아니라 운영비용과 실제 ROI까지 함께 고려해야 한다고 강조했다.

AI 기업이 산업에 안착하는 네 가지 조건

발표에서는 빠르게 성장한 해외 AI 기업들의 사례를 통해 실제 구현에 필요한 조건도 제시했다. 핵심은 현장 데이터에 접근할 수 있는가, 기존 업무 흐름을 장악할 수 있는가, AI가 실패했을 때의 비용을 관리할 수 있는가, 그리고 지속 가능한 단위경제성을 만들 수 있는가였다. 같은 AI 기술을 사용하더라도 실제 업무 안으로 얼마나 깊게 들어가느냐에 따라 사업의 성과가 달라진다는 설명이다.

예를 들어 의료 분야에서는 신뢰할 수 있는 데이터를 현장에서 즉시 제공하거나 기존 병원 시스템 안에 AI를 직접 연결해 의사의 업무 흐름에 자연스럽게 들어간 기업들이 빠르게 성장했다. 산업용 예지보전에서는 AI의 정확도만 높이는 대신 전문가가 최종 판단에 참여해 실패 위험을 줄이는 방식이 활용됐으며, 코딩 에이전트 기업들은 AI가 실제 업무를 처음부터 끝까지 수행하게 하면서 새로운 과금 구조를 만들어가고 있었다.

최 전무는 결국 기술 그 자체보다 누구의 어떤 문제를 해결하고, 어떤 제품과 서비스로 전달할 것인지가 중요하다고 강조했다. AI 산업화 역시 기술을 개발하는 것에서 끝나는 것이 아니라 실제 고객이 필요로 하는 업무에 적용하고 그 가치를 검증하는 과정에서 완성된다는 것이다.

AI Native Enterprise 시대, 기업 운영의 새로운 기준

AX의 출발점은 데이터

지용구 공동대표는 기업이 AI를 도입한다고 해서 곧바로 생산성이 높아지는 것은 아니라고 설명했다. 특히 디지털 전환(DX)을 통해 데이터가 충분히 정형화·구조화되지 않은 상태에서 AI를 도입하면, AI 역시 품질이 낮은 데이터를 바탕으로 답을 만들어야 하기 때문에 원하는 성과를 얻기 어렵다는 것이다.

개인이 AI를 사용하는 것과 기업이 AI를 사용하는 것의 차이도 강조했다. 개인은 AI가 틀리면 다시 질문하면 되지만, 기업의 업무에는 규칙과 보안, 권한과 책임이 존재한다. 따라서 기업 AX에서는 단순히 성능이 좋은 AI를 제공하는 것보다 누가 어떤 데이터에 접근하고, 어떤 업무를 AI에게 맡기며, 결과에 누가 책임질 것인지를 함께 설계해야 한다.

기술보다 중요한 리더십과 거버넌스

더존비즈온이 실제 고객사의 AI 활용을 살펴본 결과에서도 AI를 적극적으로 사용해 생산성으로 연결하는 기업들은 데이터와 AI 거버넌스가 비교적 잘 갖춰져 있었다. 지 대표는 AX의 성공 여부가 단순한 기술 문제가 아니라 리더십과 거버넌스의 문제라고 강조했다.

AI 에이전트는 기존 RPA와도 차이가 있다. RPA는 업무 규칙이 바뀌면 프로그램을 다시 수정해야 하지만, AI 에이전트는 변화한 규칙을 이해하고 새로운 방식으로 업무를 수행할 가능성을 갖는다. 따라서 기존 시스템이 아직 정상적으로 작동한다는 이유만으로 새로운 방식을 검토하지 않는다면 AX의 효과를 충분히 얻기 어렵다는 설명이다.

실제 더존비즈온은 AI 에이전트가 기업 시스템에 접근해 정해진 규칙에 따라 업무를 수행하거나, 이메일을 확인하고 필요한 회신 초안을 작성하는 사례도 소개했다. 지 대표는 기업 AI의 발전을 자율주행에 비유하며, 기술의 수준만큼이나 이를 신뢰하고 활용할 수 있는 조직의 경험과 관리체계가 중요하다고 강조했다.

기업 AX를 위한 온톨로지 구축과 활용 전략

AI가 기업의 업무 맥락을 이해하려면

엄태덕 CTO는 기업 AX가 기존 업무 시스템에 AI를 단순히 추가하는 방식에 그쳐서는 안 된다고 설명했다. 생성형 AI로 개인의 생산성이 크게 높아지고 있는 만큼, 기업 역시 기존 조직과 업무 프로세스 자체를 다시 설계해야 한다는 것이다. 모비젠은 이를 위한 핵심 기반으로 온톨로지(Ontology, 특정 영역에 존재하는 개념과 개념들 간의 관계를 컴퓨터가 이해할 수 있도록 구조화한 지식 모델)를 제시했다.

기업의 데이터는 여러 시스템에 흩어져 있고 서로 중복되거나 상충하기도 한다. 사람은 매뉴얼과 경험을 통해 이러한 데이터를 업무 맥락 속에서 해석하지만, AI는 데이터만 제공받아서는 기업이 실제로 어떻게 일하는지 이해하기 어렵다. 이에 모비젠은 데이터를 통합한 뒤 업무 간 관계와 의미를 온톨로지로 연결해 AI가 활용할 수 있는 ‘AI Ready Data’로 만드는 것이 중요하다고 설명했다.

온톨로지는 데이터 검색에만 사용되는 것이 아니다. 특정 상황이 발생하면 관련 데이터를 불러오고, 필요한 절차를 제시하고, 이후 실제 시스템에 데이터를 입력하거나 업무를 실행하는 과정까지 연결할 수 있다. 이를 통해 AI 에이전트가 단순히 질문에 답하는 것을 넘어 기업의 실제 업무에 참여할 수 있게 된다.

온톨로지에서 스스로 발전하는 AI 에이전트로

모비젠은 한국가스공사 적용 사례를 통해 이러한 구조를 설명했다. 기존에는 설비에 문제가 발생하면 담당자가 여러 알람을 확인하고 도면과 정비 이력, 매뉴얼 등을 각각 찾아 원인을 판단해야 했다. 온톨로지를 적용하면 관련 알람과 설비 데이터를 연결해 상황과 위험도를 파악하고, 필요한 대응 절차를 제시한 뒤 사람의 승인을 거쳐 실행과 보고서 작성까지 연결할 수 있다.

향후에는 온톨로지 역시 고정된 지식 구조에 머무르지 않고 AI의 경험에 따라 스스로 개선되는 방향으로 발전할 것으로 전망했다. 업무를 수행하며 축적된 성공과 실패의 경험이 에이전트의 스킬과 메모리로 남고, 반복적으로 검증된 지식은 다시 온톨로지에 반영되는 구조다. 모비젠은 이러한 ‘자기개선 온톨로지’를 향후 기업 AX와 AI 에이전트 발전의 핵심 요소로 보고 있다.

AI 성능보다 중요한 ‘구현의 조건’

세 발표는 서로 다른 관점에서 기업 AI를 다루었지만, 공통적으로 좋은 AI 모델을 도입하는 것만으로 AX가 완성되지는 않는다는 점을 강조했다. 퓨처플레이는 AI 기술이 실제 제품과 서비스, 비즈니스 모델로 연결돼야 한다는 점을, 더존비즈온은 이를 활용할 수 있는 데이터와 조직의 리더십·거버넌스를, 모비젠은 AI가 기업의 업무 맥락을 이해할 수 있도록 데이터를 연결하는 온톨로지의 중요성을 제시했다.

결국 기업 AX의 경쟁력은 AI 자체의 성능을 넘어 현장의 데이터와 업무를 얼마나 잘 연결하고, 조직이 AI를 실제 의사결정과 실행에 활용할 수 있도록 설계하느냐에 달려 있다. AI가 빠르게 고도화될수록 기업의 과제 역시 새로운 기술을 도입하는 것에서, 이를 실제 업무와 성과로 연결하는 ‘구현’으로 이동하고 있음을 세 발표를 통해 확인할 수 있었다.