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 빠르게 확산되고 있지만, 기업에서 중요한 것은 개별 Agent의 성능을 넘어 AI Agent와 기존 자동화, 애플리케이션, 데이터, 사람을 어떻게 하나의 업무 프로세스로 연결하고 안정적으로 운영할 것인가입니다. 본 세션에서는 Agentic Automation과 Business Orchestration 전략을 중심으로, AI Agent와 로봇, API, 문서 처리, Human-in-the-loop를 통합해 복잡한 업무를 End-to-End로 실행하는 방법을 살펴봅니다. 또한 핵심 플랫폼을 기반으로 Agentic Enterprise를 구현하고, Agent의 실행을 가시화·통제·거버넌스하면서 실제 비즈니스 성과로 연결하는 방향을 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.

하이퍼이지윤상석 대표

기업에 AI Agent를 도입한다고 해서 곧바로 실제 업무를 수행할 수 있는 것은 아닙니다. Agent가 신뢰할 수 있는 판단과 실행을 하기 위해서는 먼저 기업의 데이터와 업무 규칙, 시스템 간 관계를 이해할 수 있는 비즈니스 맥락(Context)이 필요합니다. 하이퍼이지는 기업 내 분산된 데이터와 업무 지식을 온톨로지로 연결하고, 이를 기반으로 AI Agent가 기업의 맥락을 이해해 Workflow를 실행하는 Skein OS를 구축하고 있습니다. 이 세션에서는 데이터와 지식이 어떻게 Agent의 실행 기반으로 전환되는지, 그리고 MCP 기반 시스템 연계와 Human-in-the-loop, 승인·감사 체계를 통해 Agent의 실행을 어떻게 통제할 수 있는 지를 살펴봅니다.

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.

이화여자대학교

AI Agent가 기업의 업무를 수행하는 단계로 발전하면서, 이제 중요한 과제는 무엇을 실행할 것인가를 얼마나 더 잘 판단할 수 있는가로 이동하고 있습니다. 특히 사람과 시장, 조직의 반응을 모델링하고 다양한 선택의 결과를 사전에 예측할 수 있다면 AI는 단순한 업무 자동화 도구를 넘어 기업 의사결정을 지원하고 확장하는 새로운 역할을 할 수 있습니다. 본 세션에서는 Social Simulation과 Human Modeling, AI Agent를 결합해 인간과 시장의 행동을 어떻게 모델링하고 미래 시나리오를 예측할 수 있는지 살펴봅니다. 또한 이러한 시뮬레이션 기반 접근이 마케팅·상품기획·고객전략·조직 운영 등 실제 비즈니스 의사결정에서 어떻게 활용될 수 있는지, 그리고 AI Agent가 예측과 시뮬레이션을 바탕으로 보다 정교한 판단과 실행을 수행하기 위해 필요한 조건을 함께 짚어봅니다.

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.

디티나우

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.