12만 명. Deloitte가 24개국에서 조사한 기업 리더 수입니다. 이 중 AI 에이전트를 프로덕션에 배포한 기업은 고작 8.6%였습니다 (2026년 1월 기준, Deloitte State of AI in the Enterprise 2026 보고서).
_Photo by
이 숫자를 처음 봤을 때 솔직히 의아했습니다. 제 타임라인에는 "AI 에이전트로 3명이 50명 분의 일을 한다"는 글이 넘쳐나거든요. 그래서 데이터를 좀 더 깊이 파봤습니다.
숫자가 말해주는 기업 AI 에이전트의 민낯
먼저 전체 그림을 봐야 합니다.
상태 비율 설명 프로덕션 배포 8.6% 실제 업무에 AI 에이전트 운영 중 파일럿/개발 중 14% PoC 또는 내부 테스트 단계 검토/계획 중 13.7% 도입을 논의하는 단계 공식 이니셔티브 없음 63.7% AI 에이전트 관련 계획 자체가 없음 출처: Deloitte State of AI in the Enterprise 2026 (2025년 8~12월 조사)
63.7%가 아예 시작조차 안 했다는 게 핵심입니다. 근데 여기서 흥미로운 건, 프로덕션 배포 비율이 2025년 8월 7.2%에서 12월 13.2%로 4개월 만에 거의 2배 뛰었다는 점입니다. 느리지만 가속이 붙고 있어요.
그런데 왜 91.4%는 아직 프로덕션까지 못 갔을까요?
1순위 장벽: 레거시 시스템 통합 (60%)
가장 많이 언급된 장벽이 "레거시 시스템과의 통합"이었습니다. 60%의 AI 리더가 이걸 꼽았어요.
저도 지난달에 비슷한 경험을 했습니다. 회사에서 고객 문의 자동 분류 에이전트를 만들려고 했는데, 문제는 고객 데이터가 10년 된 Oracle DB에 있고, 티켓 시스템은 온프레미스 Jira에, 슬랙 봇과 연결하려니 방화벽 정책까지 걸리더라고요. AI 모델을 호출하는 건 API 한 줄이면 되는데, 데이터를 꺼내서 에이전트에 넘기는 파이프라인을 만드는 데 2주가 걸렸습니다.
이전에 MCP(Model Context Protocol)로 AI 에이전트 연결하기를 다뤘는데요, MCP 같은 표준 프로토콜이 이 문제를 해결하려는 시도지만, 아직 레거시 시스템 어댑터가 충분하지 않습니다. 97M+ 다운로드를 기록한 MCP도 결국 "새로운 시스템 간 연결"에 특화되어 있지, 10년 된 Oracle 프로시저를 감싸는 건 결국 사람 손이 필요합니다.
_Photo by
- Luke Chesser on
- Unsplash | 데이터를 꺼내는 것부터가 진짜 전쟁_
2순위 장벽: 인력 스킬 갭 (53%)
Deloitte 보고서에서 두 번째로 큰 장벽은 "인력 스킬 부족"이었습니다. 53%의 기업이 더 넓은 인력에게 AI 리터러시 교육을 시행 중이라고 답했지만, 실상은 좀 다릅니다.
문제는 "프롬프트 잘 쓰는 법"을 가르치는 게 아닙니다. AI 에이전트를 프로덕션에 넣으려면 이런 역량이 필요합니다:
에이전트 오케스트레이션: 어떤 작업을 에이전트에 맡기고, 어떤 건 사람이 해야 하는지 설계 가드레일 설계: 에이전트가 할 수 있는 것과 없는 것의 경계선 긋기 모니터링/디버깅: 에이전트가 왜 이런 판단을 내렸는지 추적하는 관찰 가능성(Observability) 비용 관리: API 호출 비용, 토큰 소비량 예측과 최적화 TMI인데, 저희 팀에서 "AI 에이전트 스킬업" 세션을 열었을 때 참석률이 90%였습니다. 근데 실제로 에이전트를 만들어본 사람은 참석자의 15% 정도였어요. 관심은 폭발적인데 실행은 더딘 거죠. Deloitte 데이터도 같은 이야기를 합니다 — 86%가 올해 AI 예산을 늘리겠다고 하면서도, 34%만이 "AI로 깊은 변혁"을 이루고 있다고요.
3순위 장벽: 거버넌스와 신뢰의 부재
이건 Deloitte 보고서의 수치보다 제가 체감하는 현장 이야기입니다.
AI 에이전트가 회의록을 자동으로 정리하고 후속 액션을 팔로업하는 사례가 Deloitte 보고서에 나옵니다. 금융사에서는 에이전트가 화상회의 내용을 캡처해서 참석자들에게 리마인더를 보내는 거죠. 기술적으로는 가능합니다. 근데 실제로 도입하려면?
"에이전트가 보낸 리마인더가 틀리면 누가 책임지나요?"
이 질문에 답을 못 하면 프로덕션에 못 갑니다. 최근 Meta Manus 데스크톱을 리뷰하면서도 느낀 건데, 개인용 AI 에이전트는 실수해도 본인이 감수하면 됩니다. 기업용은 다릅니다. 항공사가 AI 에이전트로 고객 재예약을 처리한다는 사례도 보고서에 있는데, 잘못된 재예약 한 건이 얼마의 비용을 발생시킬지 생각해보면 거버넌스가 왜 필수인지 이해됩니다.
그래도 가속은 시작됐다
비관적인 이야기만 한 것 같은데, 밝은 면도 있습니다.
ZDNet이 3월 21일 보도한 기사에서 언급된 포인트가 인상적이었습니다 — "신뢰할 수 있는 AI 에이전트를 만드는 4가지 원칙" 중 핵심은 점진적 권한 확대입니다. 처음부터 자율적인 에이전트를 만드는 게 아니라, 읽기 전용(read-only)에서 시작해서 점진적으로 실행 권한을 넓히는 방식이죠.
_Photo by
- Jakub Żerdzicki on
- Unsplash | 데이터 기반 의사결정 — AI 에이전트의 시작점_
제조업체가 AI 에이전트로 신제품 개발을 지원하는 사례도 주목할 만합니다. 비용 대비 출시 시간의 최적 균형점을 AI가 찾아주는 건데, 여기서 핵심은 AI가 "결정"하는 게 아니라 "옵션을 제시"한다는 점입니다. 이 경계가 성공적 도입의 핵심인 것 같습니다.
숫자로 보면:
프로덕션 도입률: 4개월 만에 7.2% → 13.2% (약 83% 증가) AI 예산 증가 예정: 86% 생산성 향상 체감: 66%
개발자가 지금 할 수 있는 것
제 결론은 이렇습니다. 8.6%라는 숫자가 낮아 보이지만, 이건 "AI 에이전트가 쓸모없다"는 신호가 아닙니다. "조직이 준비되지 않았다"는 신호입니다. 기술은 이미 충분합니다. 부족한 건 파이프라인, 거버넌스, 그리고 사람의 스킬입니다.
개발자로서 이 gap을 기회로 볼 수 있습니다:
사내 AI 에이전트 파일럿을 먼저 만들어보세요. 읽기 전용, 저위험 영역부터. 슬랙에서 JIRA 티켓 상태를 조회하는 것만으로도 시작할 수 있습니다. 레거시 시스템 어댑터를 만드는 스킬이 앞으로 2-3년간 가장 가치 있을 겁니다. 모델을 파인튜닝하는 것보다 데이터 파이프라인을 구축하는 능력이 현장에서는 더 귀합니다. 91.4%의 기업이 아직 출발선에 있다면, 지금 시작하는 사람이 곧 선두가 됩니다.
참고 자료
Deloitte,
- State of AI in the Enterprise 2026 — 3,235명 리더 설문, 24개국 (2025년 8-9월 조사) Lucidworks,
- Enterprise AI Adoption in 2026: Trends, Gaps & Strategic Insights — 1,600명 AI 리더 대상 벤치마크 스터디 Bernard Marr,
- AI Agents Lead The 8 Tech Trends Transforming Enterprise In 2026 ZDNet, "4 tips for building better AI agents that your business can trust" (2026년 3월 21일) Codewave,
- The State of AI Enterprise Adoption in 2026 — 12만 명 설문 기반 분석
함께 읽으면 좋은 글:
- Meta Manus 데스크톱: 내 PC 파일을 직접 다루는 AI 에이전트, 써볼 만할까? - 개인용 AI 에이전트의 현주소
- AI 코딩 도구 비용 전쟁 2026: 크레딧 태워도 괜찮을까? - AI 도구 비용 관리의 현실