42
글로벌 기업들이 AI 에이전트에 실제로 맡긴 일은 코드 수정, 고객 문의 응대, 월말 결산, 발주 변경 메일 처리, 견적 작성처럼 범위가 정해진 업무였습니다. Stripe에서는 사람이 한 줄도 쓰지 않은 에이전트 코드가 매주 1,300건 넘게 사람 검토를 거쳐 병합되고, Microsoft는 공급망 업무에 에이전트 100개 이상을 붙였다고 밝혔습니다. 반대로 운영 데이터베이스를 지운 에이전트, 없는 정책을 지어낸 상담 봇, 발표한 감원을 되돌린 은행도 있습니다. 잘 된 곳에는 공통점이 있었습니다. 에이전트가 실제 서비스에 바로 손대지 못하게 막아 두었고, 마지막 결정은 사람이 했습니다. 아래 15곳의 숫자는 대부분 회사 자신이나 도구를 판 회사가 발표한 것이라, 누가 말한 숫자인지 같이 적었습니다.
그림 1. 이 글에 나온 숫자와 사례를 한 장에 모은 포스터. 각 숫자와 출처는 본문에 다시 적었습니다.
에이전트가 사람보다 AI를 더 쓴다는 말, 사실인가요?
적어도 한 플랫폼에서는 사실입니다. 여러 AI 모델을 한곳에서 빌려 쓰게 해 주는 OpenRouter가 2026년 10월 8일 낸 뉴스레터 Cache is Crucial을 보면, 2026년 2월 6일 처음으로 에이전트가 쓴 토큰이 사람이 쓴 토큰을 넘었습니다. 9월 마지막 주에는 에이전트 쪽이 사람의 약 7배였습니다. OpenRouter는 API 키마다 도구 호출 빈도, 대화 턴 수, 요청 간격을 보고 매달 에이전트, 사람, 혼합으로 나눴습니다.
다만 이 숫자를 "에이전트가 사람보다 일을 7배 더 한다"로 읽으면 곤란합니다. 같은 뉴스레터에서 9월 에이전트 토큰의 90% 가까이는 캐시된 프롬프트, 그러니까 이미 읽은 내용을 다시 읽어 들인 토큰이었습니다. 에이전트는 한 번 시키면 같은 문서와 코드를 여러 번 돌려 읽으면서 일합니다. 토큰이 많다는 건 일을 많이 했다는 뜻이 아니라 많이 읽었다는 뜻에 가깝습니다. 같은 서류를 몇 번이고 다시 펼쳐 보는 셈이죠. OpenRouter 한 곳의 데이터라 AI 시장 전체를 대표하지도 않습니다.
10월 5일로 끝난 주에 에이전트 132.6조, 사람 17조 토큰이었다는 숫자도 돌고 있습니다. 이 숫자는 OpenRouter 대표가 올린 차트를 RuntimeWire가 읽어 낸 것입니다. OpenRouter가 2026년 10월 20일 X에 올린 글에는 "약 8배"라고만 나옵니다. 위의 7배와는 재는 시점이 다릅니다.
회사들은 에이전트를 몇 개나 쓰고 있나요?
공개된 숫자 중 가장 큰 건 스위스 은행 UBS입니다. 2026년 10월 28일 발표한 3분기 실적에서 UBS는 직원들이 개인용 AI 에이전트를 1만 2,700개 넘게 쓰고 있고, 실제 업무에 들어간 AI 활용 사례가 608개로 1년 전보다 81% 늘었으며, 1,090개 넘는 앱을 더 개발 중이라고 밝혔습니다. 소프트웨어 개발자 1만 8,000명 이상이 AI 도구를 쓰고 있다고도 했습니다. 다만 "개인용 에이전트"가 각각 무슨 일을 하는지, 어떤 권한을 갖는지, 얼마를 아꼈는지는 공개하지 않았습니다.
앞으로는 더 늘어난다는 전망이 나옵니다. IBM이 2026년 10월 27일 에이전트 신원·권한 관리 제품을 발표하면서 인용한 Gartner 전망에 따르면, 포천 500 기업 한 곳이 쓰는 에이전트는 2025년 평균 15개 미만에서 2028년 15만 개 이상으로 늘어납니다. 같은 Gartner 자료(2026-04-28)에서 에이전트 관리 체계가 제대로 갖춰졌다고 보는 조직은 13%였습니다. 이 13%의 조사 대상과 표본 수는 공개되지 않았습니다. 그리고 IBM은 바로 그 관리 도구를 파는 회사라는 점도 같이 봐야 합니다.
글로벌 기업들은 에이전트에 어떤 일을 맡겼나요?
앞의 UBS 말고 원문으로 확인한 9곳을 업무별로 나눴습니다. 회사는 그 회사가 직접 발표한 숫자, 업체는 도구를 판 회사의 고객 사례에 실린 숫자입니다. 독립 기관이 검증한 숫자는 없습니다.
개발: 사람이 검토하는 코드 공장
Stripe (미국 결제, 회사). Stripe 엔지니어가 쓴 Minions 1편(2026-02-09)과 2편(2026-02-19)에 따르면, 슬랙으로 요청을 받은 코딩 에이전트가 코드를 고치고 테스트를 돌려 PR을 올립니다. 이렇게 사람이 쓴 코드 없이 에이전트가 만들고 사람이 검토해 병합한 PR이 1편 때 매주 1,000건 이상, 열흘 뒤 2편 때 1,300건 이상이었습니다.
눈여겨볼 건 울타리입니다. 에이전트는 실제 서비스와 고객 데이터, 외부 인터넷에 닿지 않는 테스트용 개발 환경에서만 돌고, 사내 도구 약 500개 중 기본으로는 일부만 씁니다. 자동 테스트는 많아야 두 번 돌리고, 그래도 안 되면 사람에게 넘깁니다. 전체 PR 중 비중이나 되돌린 비율은 공개되지 않았습니다.
Nubank (브라질 핀테크, 업체). 코딩 에이전트 Devin을 만든 Cognition의 고객 사례에 따르면, Nubank는 600만 줄이 넘는 오래된 데이터 처리 코드를 쪼개는 작업을 Devin에 맡겨 엔지니어 시간 기준 8~12배 효율, 맡긴 범위에서 20배 넘는 비용 절감을 얻었다고 합니다. 사람이 지시하고 결과를 검토했습니다. 게시일이 없고, 도구 판매사가 낸 숫자입니다.
고객 응대: 문의는 AI가, 판단은 사람이
Intercom (미국·아일랜드 고객지원 소프트웨어, 회사). 자기 제품인 AI 상담원 Fin을 자사 고객지원에 쓴 결과를 2026년 3월 13일 블로그에 공개했습니다. Fin이 전체 상담 물량의 81% 이상을 해결하고, 2022년 이후 문의가 300% 넘게 늘었는데도 인원을 그만큼 늘리지 않았다고 합니다. Fin이 없었다면 상담 인력이 최소 100명 더 필요했고 연 750만~900만 달러를 아꼈다는 계산도 붙였습니다. 뽑지 않아도 된 인원을 추정한 숫자입니다. 실제로 줄인 인원은 나오지 않습니다.
주의할 점이 하나 있습니다. Intercom은 이후 Fin 성과 지표의 계산 방식을 바꿨습니다. 일부 대화를 분모에서 빼면서 해결률은 올라가고, 실제 해결 건수와 요금은 그대로라고 설명합니다. 81%가 어느 방식으로 잰 숫자인지는 글에 나오지 않습니다.
Fujitsu (일본 IT 서비스, 업체). Microsoft 고객 사례(2026-10-09)에 따르면, 한 해 30만 건 가까이 들어오는 사내 IT 서비스데스크 문의에서 첫 응답과 분류 작업의 약 75%를 에이전트가 맡습니다. 첫 응답과 분류 얘기라, 문의 75%를 끝까지 해결했다는 뜻은 아닙니다.
재무와 백오피스: 마감과 청구서
Pamarco (미국 제조, 직원 약 225명, 업체). Microsoft 고객 사례(2026-09-18)에서 Pamarco는 월말 결산 작업의 최대 40%를 에이전트가 처리한다고 밝혔습니다. 독일 법인의 청구서 계정 분류는 성공률 80%, 운송비 청구서 분류는 약 95%라서 구매주문 없는 청구서는 자동 전기까지 켰다고 합니다. 판단이나 검토가 필요한 일은 사람 담당자가 책임집니다.
캐나다 의류 회사 Canada Goose도 월말 결산을 8영업일에서 5영업일로(2026-10-27) 줄였다고 했지만, 같은 시기에 ERP를 통째로 바꿨기 때문에 이 숫자는 에이전트 성과로 세지 않았고 15곳에도 넣지 않았습니다.
BNY (미국 은행, 회사·보도). BNY는 자체 AI 플랫폼 Eliza 위에서 "디지털 직원"을 씁니다. 2025년 4분기 실적 발표에서 경영진은 디지털 직원이 134명이라고 말했고, CNBC(2026-02-09)도 같은 숫자를 보도했습니다. Computer Weekly(2025-07-02)가 WSJ를 인용한 기사에 따르면, 이 디지털 직원들은 사람처럼 회사 로그인과 담당 관리자를 갖고 있고, 이메일 계정도 곧 받는다고 했습니다(2025년 7월 기준). 몇 시간을 아꼈는지는 공개되지 않았습니다.
공급망과 영업: 발주 변경과 견적
Microsoft (미국, 회사). 2026년 9월 17일 자사 AI 전환 경험을 쓴 글에서 Microsoft는 클라우드 공급망의 계획, 조달, 이행, 물류에 전용 에이전트 100개 이상을 배치했다고 밝혔습니다. 골라낸 일부 업무에서는 처리 기간이 약 10영업일에서 2.5영업일 미만으로 줄었고(2026년 4~8월 월간 계획 5회 기준), 수요 계획이 왜 바뀌었는지 찾는 데 5~7일 걸리던 일이 몇 시간, 빠르면 20분 안에 끝납니다. 요즘은 정해진 권한과 승인 기준 안에서 담당자가 발주를 바로 수정하거나 취소하도록 돕는 데까지 왔다고 합니다. Microsoft도 에이전트를 붙이기 전에 업무 절차부터 단순하게 바꿨다고 적었습니다.
Farmlands (뉴질랜드 농업 협동조합, 업체). Microsoft 고객 사례(2026-03-25)에 따르면, 공급업체가 보내는 발주 변경 메일의 절반 이상을 에이전트가 읽고 바뀐 내용을 요약해 ERP에 올립니다. 반영할지는 구매 담당자가 승인하거나 거절합니다. 관련 메일의 70~80%를 맞게 해석한다고 합니다.
Grupo Madisa (멕시코 산업장비 유통, 업체). 렌털 견적에 2~3일 걸리던 회사가 견적 에이전트 Memo를 붙였습니다(Microsoft 고객 사례, 2026-10-22). 할인을 마음대로 못 하게 막아 두었고, 고객이 제안을 승인하면 견적이 ERP에 자동으로 들어갑니다. 최근 7일 동안 대화가 120건 가까이 있었다고 했지만, 견적이 몇 시간으로 줄었는지나 계약 전환율은 나오지 않습니다.
에이전트가 사고를 내거나 쓸모없었던 곳은요?
원문으로 확인한 5곳입니다. 사고, 되돌림, 거의 안 쓰임으로 성격이 다릅니다.
Replit과 SaaStr (2025년 7월, 사고). SaaStr 창업자 Jason Lemkin이 Replit의 코딩 에이전트로 앱을 만들던 중, 코드 동결을 지시해 둔 상태에서 에이전트가 운영 데이터베이스를 지웠습니다(The Register, 2025-07-21). Fortune(2025-07-23)에 따르면 경영자 1,200명 이상, 회사 1,190곳 넘는 기록이 날아갔습니다. Replit 대표는 개발용과 운영용 데이터베이스를 자동으로 분리하고, 실행 없이 계획만 세우는 모드를 넣겠다고 했습니다. 채팅창에 "지우지 마"라고 적어 둔 걸로는 막지 못한 거죠.
Cursor (2025년 4월, 사고). 코딩 도구 Cursor의 고객지원 봇 "Sam"이 "구독 하나에 기기 하나"라는 있지도 않은 정책을 사용자에게 안내했고, 해지 글이 이어졌습니다(The Register, 2025-04-18). 회사는 사과하고 환불했으며, 이후 AI가 쓴 지원 메일에 AI라고 표시하기로 했습니다.
Commonwealth Bank of Australia (2025년 8월, 되돌림). 음성 봇을 도입하며 상담 인력 45명 감원을 발표했다가, 은행 스스로 "실수"라며 사과하고 철회했습니다(Finextra, 2025-08-22). 노조는 은행 주장과 달리 통화량이 오히려 늘었다고 주장했습니다. 이 통화량 주장은 노조 쪽 말입니다.
Klarna (2024~2025년, 되돌림). 2024년 2월 27일 AI 상담원이 첫 달 230만 건을 처리하며 정규직 700명분 일을 했다고 발표했던 Klarna는, 2025년 5월 대표가 비용을 너무 앞세운 결과 "품질이 낮아졌다"고 인정하고 사람 상담원을 다시 늘리기 시작했습니다(Finextra, 2025-05-09).
DoorDash (2026년 10월, 거의 안 쓰임). DoorDash는 3분기 주문이 9억 9,300만 건이었다고 발표했습니다(실적 자료, 2026-10-29). 외부 AI 에이전트가 주문할 수 있게 MCP 연결도 열어 두었습니다. 그런데 실적 발표에서 Tony Xu 대표는 외부 에이전트를 통한 주문이 "통틀어 수백 건 정도"라고 말했습니다(TechCrunch, 2026-10-30). 기간을 말하지 않아서 비율은 낼 수 없습니다. 문은 열어 뒀는데 손님이 거의 안 온 겁니다.
잘 된 곳과 탈 난 곳은 무엇이 달랐나요?
공개된 내용만 놓고 보면, 잘 된 곳은 다섯 가지 장치를 갖고 있었습니다(LeanX 집계).
· 실제 서비스와 분리된 작업 환경: Stripe는 운영 서비스·고객 데이터·외부망과 떨어진 환경에서만 에이전트를 돌렸습니다. Replit에서는 코드 동결 중에 에이전트가 운영 DB를 지웠고, 이후 대표가 개발용과 운영용 DB를 자동으로 나누겠다고 했습니다.
· 좁은 권한: Stripe는 사내 도구 약 500개 중 일부만, Grupo Madisa는 할인을 막아 둔 채 에이전트를 썼습니다. Cursor 지원 봇은 없는 정책을 안내했습니다.
· 마지막 결정은 사람: Farmlands는 담당자가 발주 변경을 승인하거나 거절하고, Microsoft는 정해진 승인 기준 안에서만 에이전트가 돕습니다. Klarna는 품질이 낮아진 뒤 사람을 다시 투입했습니다.
· 에이전트마다 신원과 담당자: BNY의 디지털 직원은 회사 로그인과 담당 관리자를 갖고 있고, 이메일 계정도 곧 받는다고 했습니다(2025년 7월 기준). Gartner 자료에서 관리 체계를 갖췄다는 조직은 13%였습니다.
· 결과로 재는 숫자: Microsoft는 처리 기간과 원인 분석 시간, Pamarco는 분류 성공률을 냈습니다. DoorDash는 연결을 열었지만 외부 에이전트 주문이 수백 건이었습니다.
토큰 수나 에이전트 개수는 얼마나 많이 돌렸는지를 보여 줄 뿐, 일이 얼마나 줄었는지는 보여 주지 않습니다. 잘 된 곳이 내세운 숫자는 처리 기간, 분류 성공률, 해결 비율 같은 업무 결과였습니다.
그래서 에이전트를 쓰면 돈이 되나요?
아직 회사 전체 숫자로는 약합니다. McKinsey가 97개국 1,719명을 조사해 2026년 8월 25일 낸 State of AI 2026에서, 연 매출 10억 달러 넘는 대기업 응답자 중 에이전트를 확대하고 있다는 비율은 1년 새 27%에서 40%로 늘었습니다. 작은 조직은 22%로 그대로였습니다. 하지만 AI가 영업이익에 영향을 줬다는 응답은 37%로 1년 전과 같았습니다. 모두 응답자의 자기 평가입니다.
Gartner는 2025년 6월 25일 에이전트 프로젝트의 40% 이상이 2027년 말까지 취소될 것으로 내다봤습니다. 이유는 늘어나는 비용, 불분명한 가치, 부족한 위험 관리입니다. 에이전트를 판다는 업체 수천 곳 중 실제 에이전트 기술을 가진 곳은 130곳 정도라고도 했습니다. 2026년 5월 26일에는 운영 중 사고가 난 뒤에야 관리 빈틈을 발견해 2027년까지 기업의 40%가 자율 에이전트를 격하하거나 폐기할 것이라고 했습니다. 둘 다 예측이고, 실제로 측정한 실패율은 아닙니다.
연구도 있습니다. 2026년 9월 공개된 Locating Hidden Failures Makes Long-Horizon Agents More Reliable은 개발, 컴퓨터 조작, 과학 분야의 에이전트 실행 기록 2,518개에서 실수 6,967개를 찾아 78가지로 나눴습니다. 가장 뛰어난 AI 평가자도 첫 실수가 어디서 났는지 맞힌 경우가 3분의 1이 안 됐습니다. 최종 결과가 성공이어도 중간에 무엇을 지우거나 망가뜨렸는지는 따로 봐야 한다는 얘기입니다.
우리 회사에 옮긴다면 어떻게 시작할까요? (LeanX 제안)
아래는 해외 사례에서 본 장치를 한국 회사 규모에 맞춰 줄인 LeanX의 제안입니다. 해외 회사들이 이렇게 했다는 뜻은 아닙니다.
에이전트 장부부터 만드세요. 에이전트마다 이름, 맡은 일, 담당자, 쓸 수 있는 시스템과 권한, 멈추는 방법을 한 줄씩 적습니다. BNY가 디지털 직원에게 로그인과 관리자를 준 것과 같은 생각입니다. 직원 개인이 만든 에이전트도 회사 데이터에 닿는다면 장부에 올려야 합니다.
처음 2주는 읽기 전용으로 돌리세요. 발주 변경 메일 100건, 세금계산서 100건, 고객 문의 100건처럼 지난달 기록으로 에이전트를 돌려 보고, 사람이 처리한 결과와 비교합니다. 이 기간에는 ERP나 고객에게 쓰는 권한을 주지 않습니다. Farmlands처럼 에이전트가 요약해 올리고 사람이 승인하는 단계부터 시작하면 됩니다.
재는 숫자를 정하세요. 토큰 사용량이나 에이전트 개수 말고, 처리 시간, 정확도, 사람이 고친 비율, 건당 비용을 잽니다. "2주 뒤 처리 시간이 30% 안 줄거나 정확도가 95% 아래면 멈춘다"처럼 멈출 기준을 숫자로 적어 둡니다. 이 숫자들은 출발점으로 잡은 제안값이고, 업무마다 다르게 정해야 합니다.
지우는 권한과 보내는 권한은 맨 나중에 주세요. Replit 사고처럼 데이터를 지우는 권한, Cursor 사고처럼 고객에게 바로 답을 보내는 권한은 사람이 확인하는 단계를 오래 거친 뒤에 열어도 늦지 않습니다. 고객 정보를 해외 AI 서비스에 넣기 전에는 개인정보 처리위탁이나 국외이전 고지가 필요한지도 확인하세요.
한계
이 글의 성공 사례 숫자는 모두 해당 회사나 도구를 판 회사가 발표한 것이고, 독립 기관이 검증한 숫자는 없습니다. 15곳 중 Microsoft 고객 사례가 4곳(제외한 Canada Goose까지 5곳)으로 많은 것은 측정값을 공개한 사례가 그쪽에 많았기 때문입니다. 대부분 측정 기간, 구축 비용, 실패율을 밝히지 않았습니다. BNY의 디지털 직원 수는 실적 발표 녹취와 CNBC 보도로, 로그인·관리자 내용은 Computer Weekly 기사로 확인했고 BNY의 투자자 자료 원본은 열지 못했습니다. Klarna 발언은 Bloomberg 인터뷰를 인용한 Finextra 기사로 확인했습니다. Nubank 사례 페이지에는 게시일이 없습니다. OpenRouter 숫자는 한 플랫폼의 사용량이며, Gartner와 McKinsey 숫자는 예측이거나 자기 평가 설문입니다. 한국 법 관련 내용은 확인할 거리를 적은 것이고 법률 판단은 아닙니다.
에이전트 개수보다 먼저 정할 것은 맡길 일 하나와 멈추는 기준입니다.
LeanX는 AX 컨설팅과 AI 자동화 구축을 하는 팀입니다. 에이전트에 맡길 업무를 고르고, 2주 읽기 전용 실험과 권한·승인 단계를 회사 상황에 맞춰 같이 짜 볼 수 있어요. 어디부터 할지 모르겠다면 30문항 무료 진단으로 먼저 점검해 보세요.
참고한 글
· OpenRouter, "Cache is Crucial" (2026-10-08)
· UBS, 2026년 3분기 실적 발표 (2026-10-28)
· Stripe, "Minions" 1·2편 (2026-02)
· Microsoft, 자사 AI 전환 경험 (2026-09-17)
· McKinsey, The State of AI 2026 (2026-08-25)
출처 링크는 원문에 모두 달아 두었습니다.
