생성형 인공지능은 이미 많은 회사에서 회의록을 정리하고, 고객 문의의 초안을 만들며, 긴 문서를 요약하는 데 쓰이고 있다. 이 단계의 인공지능은 대체로 답을 돌려주는 도구다. 사람이 답을 읽고 다음 행동을 정하므로, 잘못된 답도 대개 사람의 검토 단계에서 걸러진다.

최근에는 답변형 챗봇을 넘어 AI 에이전트에 관심이 쏠리고 있다. AI 에이전트는 필요한 정보를 찾고 여러 시스템을 오가며 정해진 조건에 맞으면 실제 업무를 진행한다. 고객에게 보낼 메일을 초안으로 작성하는 데 그치지 않고 발송까지 수행하며, 재고와 계약 정보를 조회한 뒤 다음 업무를 등록하는 식이다. 이때부터 회사가 고민할 문제는 답변의 품질만이 아니다. AI가 무엇을 할 수 있는지, 누가 그 행동을 통제하는지, 잘못된 행동을 어떻게 되돌릴지를 정해야 한다.

이러한 변화는 눈에 띄지 않는 업무에서 먼저 나타날 가능성이 크다. 문의를 분류하고, 정해진 자료를 찾아 담당자에게 전달하고, 누락된 정보를 다시 요청하는 일은 각각 단순해 보인다. 그러나 실제로는 고객별 약속, 문서의 최신성, 담당자의 권한, 마감 시점이 함께 얽혀 있다. 에이전트의 가치는 대형 언어모델 자체보다 각 회사의 업무 흐름을 얼마나 정확히 읽고 실행하는지에 따라 달라질 수 있다.

같은 모델을 사용하더라도 어떤 자료를 먼저 조회하는지, 어느 단계에서 사람에게 넘기는지, 실패한 작업을 다시 시도할 수 있는지에 따라 결과가 달라진다. 결국 기업이 축적하게 되는 자산은 AI 모델만이 아니라 업무 규칙을 실행 가능한 형태로 바꾼 절차, 권한 구조, 상태 관리와 데이터다. 특허 관점에서도 바로 이 실행 구조를 먼저 살펴볼 필요가 있다.

세계지식재산기구(WIPO)에 따르면 생성형 AI 특허 패밀리 공개 건수는 2023년 약 1만 4,000건에서 2025년 3만 7,808건으로 늘었고, 2024년과 2025년 두 해에 공개된 신규 패밀리는 5만 6,000건을 넘었다. WIPO는 추론 모델과 에이전트형 시스템도 신흥 특허 영역으로 보고 있다. 다만 AI라는 이름만으로 권리가 생기는 것은 아니다. 실제 제품에서 사람이 하던 판단과 실행이 어디에서 나뉘고, 그 과정의 기술적 문제를 어떤 구조로 해결하는지가 중요하다.