TBD

AI Agent가 기업의 실제 업무를 수행하려면 단순히 데이터를 검색하거나 답변을 생성하는 것만으로는 부족합니다. 기업의 데이터와 업무 개념, 관계와 규칙을 Ontology로 구조화하고, 이를 Agent가 이해하고 활용할 수 있는 실행 가능한 컨텍스트로 연결해야 합니다. 본 세션에서는 Ontology를 기반으로 기업의 데이터와 업무 맥락을 AI가 이해할 수 있는 형태로 구축하고, MCP를 통해 AI Agent가 필요한 정보와 기능에 접근해 실제 Action까지 수행하는 구조를 살펴봅니다. 또한 Agent의 권한과 실행 범위를 통제하면서 기존 기업 시스템과 안전하게 연결하고, 이를 실제 업무 Workflow와 Agentic Automation으로 확장하는 방법을 소개합니다.

TBD

AI Agent가 기업 업무에 본격적으로 도입되면서 자동화의 과제도 개별 업무 수행에서 AI Agent, Digital Worker, API, 사람을 하나의 엔드투엔드 프로세스로 연결하고 조율하는 것으로 이동하고 있습니다. 단순히 더 많은 Agent를 도입하는 것보다 각각의 역할과 실행 순서를 설계하고, 예외 처리와 Human Approval을 포함해 전체 업무 흐름을 안정적으로 운영하는 오케스트레이션이 중요해지고 있습니다. 본 세션에서는 기존의 규칙 기반 자동화와 자율적으로 판단하는 AI Agent가 어떻게 상호 보완적으로 결합되는지 살펴보고, Agentic Workflow를 기업 핵심 업무까지 확장하기 위해 필요한 Orchestration, Governance, Monitoring 및 Human-in-the-loop 전략을 실제 엔터프라이즈 자동화 관점에서 소개합니다.

아이티센클로잇강기식 전무

AI를 사용하는 것은 쉽고 빨라졌지만, 기업 업무에 연결해 안정적으로 운영하는 것은 여전히 어렵습니다. 도입 이후 마주하는 통제·거버넌스·인프라 종속성 문제를 짚고, 국내 엔터프라이즈에 최적화된 멀티 에이전트 관리 플랫폼 'AgentGo'의 해법을 소개합니다.

삼성SDS김효영 그룹장

AI Agent가 직접 업무를 수행하는 시대에도 기업에는 이미 RPA를 비롯한 수많은 자동화 자산이 존재합니다. 본 세션에서는 AI와 기존 자동화를 효과적으로 결합하기 위한 세 가지 핵심 조건인 'Continuity, Economy, Execution' 을 제시합니다. 기존 RPA를 MCP와 연결해 AI의 실행 도구로 활용하고, 반복 업무는 RPA로, 가변적인 업무는 AI 기반 Adaptive Action으로 최적화하며, 기존 자동화 기술과 CUA를 결합해 실행 정확도를 높이는 방법을 소개합니다. 이를 통해 기존 자동화 자산을 활용하면서 AI의 판단력과 Automation의 실행력을 결합하는 Agentic Automation으로 어떻게 진화하고 있는지 살펴봅니다.

하이퍼이지윤상석 대표

AI Agent를 기업에 도입할 때 실제 병목은 모델이 아니라 맥락입니다. 기업의 데이터와 업무 규칙을 Agent가 이해할 수 있는 구조로 만드는 데 통상 수개월이 걸리고, 그 시간을 견디지 못한 과제가 PoC에서 멈춥니다. 본 세션에서는 스키마와 로그를 역공학해 엔티티·관계·업무 규칙을 자동으로 도출하는 온톨로지 자동 구축 파이프라인과, 이를 통해 구축 기간을 단축한 실제 수행 경험을 살펴봅니다. 이어 과제의 난이도와 성격에 따라 여러 프런티어 모델을 자동으로 라우팅해 하나의 구독으로 적재적소에 사용하게 하는 오케스트레이션 구조를 소개합니다. 마지막으로 이렇게 확보한 기업 맥락을 화면 안의 업무를 넘어 설비와 로봇으로 확장하는 단계, 3D 디지털트윈 위에서 행동의 결과를 미리 시뮬레이션하고 실행으로 연결하는 Agentic 전환의 다음 국면을 함께 짚어봅니다.

포스코DX이제석 리더

생성형 AI는 단순 질의응답을 넘어 목표를 이해하고 계획·실행하는 AI Agent로 진화하고 있으며, 기업의 반복 업무 자동화와 의사결정 지원을 위한 핵심 수단으로 부상하고 있습니다. 개별 Agent 도입만으로는 데이터 연계, 보안, 유지보수 및 전사 확산에 한계가 있으므로, 개발·배포·운영을 표준화하는 통합 플랫폼 구축이 필수적입니다. Agentee를 기반으로 검증된 Agent를 공통 자산화하고 전사 업무에 확산함으로써, 업무 생산성 향상을 넘어 AI 중심의 새로운 업무 운영체계로 전환해야 하는 전략을 제시합니다.

이비소프트성원상 대표

생성형 AI가 답변을 만드는 도구에서 실제 업무를 이해하고 판단하며 수행하는 AI로 발전하고 있습니다. DefectMATE AI를 통해 요구사항 분석 → 테스트 → 이슈 조치 → 재검증까지 AI가 실제 소프트웨어 업무에 참여하는 사례를 소개합니다. 이를 개발 전 과정으로 확장한 AI Software Delivery OS의 방향과 구조를 살펴봅니다. 마지막으로 다양한 AI Agent가 기업의 실제 업무를 수행하고 협업하는 Agentic OS로의 확장 가능성과 미래를 이야기합니다.

디티나우한성근 이사

기업 업무의 상당수는 계약서, 청구서, 신청서, 이메일 첨부문서와 같은 비정형 문서에서 시작됩니다. Upstage Document Parse·Information Extract·Solar를 활용해 문서를 분류하고 핵심 정보를 추출한 뒤, 업무 시스템과 자동화 프로세스로 연결하는 방법을 소개합니다. 보험 심사, 계약 검토, 증빙 처리 등 실제 적용 사례를 통해 Document AI가 어떻게 실행형 AI Agent로 발전하는지 살펴봅니다.