오피스에이전트9 워크 에이전트 도입, 모델보다 데이터 제어권이 중요하다? 30년 개발자가 말하는 AI 트렌드 안녕하세요, 오피스에이전트 팀입니다. 지금 AI 산업의 시선은 단순히 똑똑한 모델을 만드는 것을 넘어, 실제 비즈니스 현장에서 스스로 업무를 수행하는 '워크 에이전트(Work Agent)'로 향하고 있습니다. 많은 기업이 어떤 LLM을 선택할지 고민하지만, 전문가들은 정작 중요한 승부처는 모델 그 자체가 아니라 기업 내부의 '데이터 제어권'을 얼마나 확보하느냐에 있다고 말합니다. '기업의 민감한 데이터와 복잡한 프로세스를 AI와 어떻게 안전하게 연결하고 자동화할 것인가?' 이것이 곧 기업용 AI 도입의 성패를 가르는 핵심 질문입니다. 30년 개발 경력의 지란지교소프트 박종천 CAIO(최고AI책임자)가 티타임즈TV에 출연해 분석한 성공적인 워크 에이전트 도입 전략을 정리해 드립니다.| AI 전쟁의 본질: .. 2026. 4. 14. 바이브 코딩 시대, '토큰'을 아끼는 기업은 망한다? 30년 개발자가 말하는 AI 트렌드 안녕하세요. 오피스에이전트 팀입니다. 지금 AI 산업의 패러다임은 단순히 AI를 '도입'하는 단계를 넘어, 누가 더 효율적으로 '워크플로우(Workflow)를 혁신'하느냐로 이동하고 있습니다. 과거의 생산성이 노동 시간과 비용 절감에 달려 있었다면, 이제는 얼마나 많은 AI 토큰을 태워 부가가치를 창출하느냐가 기업의 생존을 결정짓습니다. 비행기가 더 멀리 비행하기 위해 충분한 연료가 필요하듯, AI 시대의 기업은 '토큰 사용량'을 비용이 아닌 생산성 향상을 위한 필수 투자로 인식해야 합니다. 과연 10명의 직원이 수백 명의 성과를 내는 '토큰 경제'의 실체는 무엇일까요? 30년 개발 경력의 지란지교소프트 박종천 CAIO(최고AI책임자)가 티타임즈TV에 출연해 이야기한 현장에서 직접 겪은 AI 산업 트렌드.. 2026. 4. 14. 빅테크의 AI 전쟁은 '토큰'에 달렸다? 30년 개발자가 말하는 AI 트렌드 안녕하세요. 오피스에이전트 팀입니다. 지금 AI 산업에서 가장 뜨거운 전쟁은 바로 '토큰 생산' 경쟁입니다.일반 기업이 토큰을 얼마나 많이 쓰느냐를 생산성의 지표로 삼는다면, 아마존, 구글, 마이크로소프트와 같은 빅테크는 누가 더 저렴하고 우수한 토큰을 대량으로 공급하느냐에 사활을 걸고 있습니다. LLM의 성능을 시작으로 클라우드, 반도체, 그리고 전기 생산까지 모든 AI 생태계에 영향을 미칠 이 토큰 이코노미(Token Economy)가 앞으로 기업들의 성적표를 어떻게 가를까요? 30년 개발 경력의 지란지교소프트 박종천 CAIO(최고AI책임자)가 티타임즈TV에 출연해 분석한 핵심 AI 내용을 정리해 드립니다.| 싸고 좋은 '토큰'을 많이 만들어 팔겠다는 빅테크 3사현재 빅테크 기업들의 본질적인 경쟁은 .. 2026. 4. 13. 조달청 AI 강연 현장에서 느낀 변화, 이제는 ‘업무 적용’ 단계입니다 최근 지란지교소프트 CAIO 박종천님이 조달청 직원을 대상으로 AI 강연을 진행했습니다.현장에는 100여 명 이상의 참석자가 자리했고, 강연 내내 높은 집중도가 이어졌습니다. 이전과 달라진 점은 하나였습니다.AI에 대한 관심이 “알아보기”가 아니라“업무에 어떻게 적용할 것인가”로 바뀌었다는 점입니다. 강연에서 가장 강조한 메시지는 단순했습니다.AI는 더 이상 도구가 아니라 ‘역량’이라는 것이제는 도입 여부보다, 어떻게 활용할 것인가가 더 중요한 단계입니다. 공공 영역에서도 이러한 흐름이 이어지고 있고,실제 현장에서도 적용에 대한 고민이 시작되고 있습니다. 조달청 강연에서 전한 메시지와AI 전환 방향은 아래 글에서 이어서 정리했습니다. 2026. 3. 31. [AI 전환 인사이트 ⑤] AI 전환 방법 총정리 (기업 기준 5단계 로드맵) AI 전환에 대한 관심은 점점 높아지고 있습니다.하지만 실제로 실행 단계까지 이어지는 경우는 많지 않습니다. 현장에서 가장 자주 듣는 질문도 비슷합니다.“AI 도입은 해야 할 것 같은데, 그래서 우리 회사는 뭐부터 시작해야 할까요?”이 질문에서 멈추는 순간, AI 전환은 더 이상 진행되지 않습니다. 이번 글에서는 이 막막함을 풀기 위한 기준으로AI 전환 5단계 프레임워크를 정리했습니다. 진단 → 정리 → 파일럿 → 확산 → 내재화이 5단계는 단순한 순서가 아니라 실제 기업들이 시행착오를 겪으며 만들어낸“실행 가능한 흐름”에 가깝습니다. 특히 많은 기업이파일럿 없이 바로 전사 도입을 시도하다가 성과를 만들지 못하고 멈추는 경우가 많습니다. 그래서 중요한 것은기술이나 도구보다 먼저, 어떤 순서로 접근하느냐입.. 2026. 3. 23. [AI 전환 인사이트 ④] AI 도입을 미루면 생기는 문제 5가지 (기업 관점 정리) AI 도입을 미루면 생기는 문제 5가지(기업 관점 정리)“아직 AI 도입은 좀 이르지 않을까?”많은 기업이 이렇게 고민하지만, 실제 현장에서는 이미 AI 전환이 시작되고 있습니다.같은 산업 안에서도 먼저 AI를 적용한 기업과 그렇지 않은 기업의 차이가 점점 벌어지고 있고, 이 격차는 시간이 지날수록 더 커질 가능성이 높습니다. 왜 지금 시작해야 할까요?이번 글에서는 AI 전환을 더 이상 미루기 어려운 이유를 5가지로 정리했습니다.경쟁사는 이미 AI 전환을 시작하고 있다는 점인재 확보의 기준이 달라지고 있다는 점정부 지원을 활용할 수 있는 시기라는 점늦을수록 데이터 격차가 벌어진다는 점AI 기본법 시행으로 체계적인 도입이 중요해졌다는 점특히 AI는 도입하는 순간 끝나는 것이 아니라, 문서와 질문, 피드백.. 2026. 3. 17. [AI 전환 인사이트 ③] ChatGPT와 사내 AI 에이전트는 무엇이 다를까 AI를 업무에 도입하려는 기업에서 자주 나오는 질문이 있습니다.“ChatGPT 같은 AI가 이미 있는데, 사내 AI 에이전트는 왜 필요한가요?”겉보기에는 둘 다 질문을 하면 답을 주는 AI처럼 보입니다.하지만 실제로는 지식의 범위와 답변 방식이 완전히 다릅니다. 예를 들어 ChatGPT에게 “우리 회사 휴가 정책이 뭐야?”라고 물어보면대부분 근로기준법 기준의 일반적인 연차 제도가 설명됩니다. 하지만 사내 AI 에이전트는 우리 회사의 실제 인사 규정 문서를 검색해 답합니다.예를 들어 이런 식입니다.“입사 6개월 미만 직원은 월 1일 유급휴가가 발생하며반차 사용 시 HR팀 사전 신청이 필요합니다.(출처: 인사관리 규정 v3.2 제12조)” 이 차이를 만드는 핵심 기술이 바로 RAG입니다.RAG는 AI가 답변.. 2026. 3. 14. [AI 전환 인사이트 ②] AI 전환에 성공한 기업들의 시작 방식 3가지 AI 도입을 고민하는 기업은 많습니다.하지만 실제로 업무 방식까지 변화한 사례는 생각보다 많지 않습니다.같은 생성형 AI를 검토해도 어떤 조직은 빠르게 안착하고, 어떤 조직은 늘 준비 단계에 머무는 이유는 무엇일까요. 여러 기업 사례를 살펴보면 한 가지 공통점이 보입니다.성과를 만든 기업들은 기술보다 먼저 업무와 정보 구조를 준비했습니다. 공통점 1. 사내 문서부터 정리했습니다AI가 업무에 도움을 주려면 먼저 참조할 정보가 있어야 합니다.회사 안의 문서와 기준이 정리되어 있지 않으면 AI도 안정적인 답을 만들기 어렵습니다.그래서 실제로 AI 활용이 자리 잡은 기업들을 보면 가장 먼저 업무 매뉴얼, 정책, FAQ 같은 사내 문서 정리부터 시작했습니다.AI는 결국 회사 안의 정보를 기반으로 답을 만들기 때.. 2026. 3. 10. [AI 전환 인사이트 ①] ChatGPT를 쓰는데도 회사가 바뀌지 않는 이유 요즘 많은 직장인이 ChatGPT를 업무에 활용합니다. 회의록을 요약하고,이메일 초안을 쓰고,보고서 뼈대를 잡는 일도 이제 꽤 익숙해졌습니다. 개인 차원에서는 분명 편리해졌고,업무 속도가 빨라졌다고 느끼는 분도 많습니다. 그런데 여기서 한 번 생각해볼 질문이 있습니다. 직원들이 ChatGPT를 쓰기 시작했다고 해서, 회사 전체의 업무 방식도 달라졌을까요? 이 질문에 답하려면‘개인의 AI 활용’과 ‘조직의 AI 전환’을 구분해서 볼 필요가 있습니다. 개인의 AI 활용은이메일을 다듬거나 자료를 요약하는 것처럼업무를 빠르게 만드는 데 초점이 있습니다. 하지만 조직의 AI 전환은 조금 다릅니다.회사 규정, 매뉴얼, 업무 절차 같은 내부 지식이 AI와 연결되어직원 누구나 필요한 답을 바로 찾을 수 있는 상태를 .. 2026. 3. 6. 이전 1 다음