업무 앱에 들어온 에이전트, 소프트웨어 지출 구조 바꾼다
2026년 10월 미국 라스베이거스에서 열린 '오라클 AI 월드 2026'의 핵심 장면은 거대한 모델 성능 경쟁이 아니었다. 오라클은 인공지능(AI)이 직원 옆에서 답을 제안하는 단계를 넘어, 기업 시스템 안에서 실제 업무를 처리하는 존재로 전환됐다고 선언했다.
디지털데일리의 2026년 10월 30일 보도에 따르면 클레이 마고요크(Clay Magouyrk) 오라클 공동 최고경영자(CEO)는 고객 지원 요청 처리 시간이 3시간 30분에서 16분으로 줄었고, 제품 아이디어가 서비스로 구현되는 기간도 9개월 이상에서 6주로 단축됐다고 밝혔다. 이 숫자는 단순한 생산성 개선 사례가 아니다.
기업용 소프트웨어 시장의 과금 기준과 구매 의사결정이 '사용자 좌석 수'에서 '업무 처리량'으로 이동할 수 있음을 보여주는 구체적 신호다. 이번 행사의 산업적 의미는 오라클이 '일하는 AI'를 전면에 세웠다는 점에 있다. 기업은 그동안 전사적자원관리(ERP), 고객관계관리(CRM), 인사관리(HCM) 같은 업무 애플리케이션을 사람이 조작하는 도구로 구매했다.
오라클의 메시지는 이 구조를 뒤집는다. 애플리케이션 내부에 에이전트를 심고, 각 에이전트에 신원과 권한을 부여하며, 기업 통제 아래 업무를 맡기겠다는 구상이다. 이 대목은 생성형 AI 도입 논의의 축을 '도입 여부'에서 '운영 모델 설계'로 옮기는 분기점이다.
오라클이 공개한 사례는 투자자에게도 다른 질문을 던진다. AI가 회의록을 정리하거나 문서를 요약하는 수준에 머문다면 매출 확대 효과는 제한적이다. 반대로 고객 지원, 제품 개발, 재무 분석, 공급망 계획처럼 비용과 시간이 직접 연결된 업무를 줄이면 기업은 예산 항목을 다시 짠다.
고객 지원 처리 시간이 3시간 30분에서 16분으로 줄었다는 수치는, 본지 계산 기준으로 약 92%의 시간 단축에 해당한다. 제품 서비스화 기간이 9개월 이상에서 6주로 바뀐 사례 역시 개발 조직의 병목이 어디서 발생하는지 다시 계산하게 만든다. 소프트웨어 기업 입장에서는 기능 판매보다 업무 결과 판매가 더 높은 가격 결정력을 만들 수 있다.
광고
오라클이 소개한 '퓨전 클로(Fusion Claws)'는 이 전략을 구체화한 장치다. 재무 분석가나 공급망 계획 담당자가 쓰는 실행 환경에 에이전트를 배치해 업무 흐름 안에서 직접 행동하게 하는 방식이다.
여기서 중요한 요소는 에이전트의 자율성이 아니라 통제 가능성이다. 사람 대신 일을 맡기는 AI가 늘수록 기업은 누가 어떤 데이터에 접근했고, 어떤 승인 절차를 거쳤으며, 결과에 대한 책임을 어디에 둘지 기록해야 한다. 오라클은 에이전트마다 신원과 권한을 부여한다고 설명했다.
이는 기업용 AI 시장에서 보안·감사·권한 관리가 기능 개발과 같은 비중의 경쟁 영역으로 부상한다는 뜻이다. 인프라 전략도 달라졌다.
오라클 클라우드 인프라(OCI)는 엔비디아(NVIDIA) 그래픽처리장치(GPU)에 더해 구글 텐서처리장치(TPU), 추론 특화 칩을 추가하는 방향으로 AI 컴퓨팅 기반을 넓혔다. 이 선택은 특정 칩 생태계에 기대는 방식만으로는 기업 고객의 다양한 AI 워크로드를 감당하기 어렵다는 판단을 반영한다.
학습과 추론, 검색증강생성(RAG), 업무 자동화 에이전트는 각각 비용 구조가 다르다. 특히 실제 기업 현장에서는 대규모 학습보다 반복 추론 비용이 누적될 가능성이 크다. 클라우드 사업자가 여러 칩 옵션을 제시하면 고객은 최고 성능보다 총소유비용(TCO)을 기준으로 서비스를 고르게 된다.
엔비디아·구글 칩 병행, 클라우드 인프라 경쟁 새 국면
이 지점에서 오라클의 움직임은 아마존웹서비스(AWS), 마이크로소프트 애저(Azure), 구글 클라우드와의 경쟁 구도에도 영향을 준다. 오라클은 데이터베이스(DB)와 업무 애플리케이션에서 출발한 기업이다. 하이퍼스케일 클라우드 사업자와 같은 방식으로 데이터센터 규모만 앞세우기보다, DB와 애플리케이션, AI 에이전트를 하나의 업무 단위로 묶는 전략을 택했다.
이는 후발 클라우드 사업자가 선택할 수 있는 현실적 경로이기도 하다. 인프라만 팔면 가격 경쟁에 노출되지만, 업무 프로세스와 결합한 AI를 팔면 고객 이탈 비용을 높일 수 있다.
광고
오픈AI와 협력한 'AI 워크스페이스'도 같은 맥락에 놓인다. 오라클은 사내 데이터와 외부 업무 도구를 한곳에서 연결하는 작업 공간을 제시했다. 샘 알트만(Sam Altman) 오픈AI CEO가 마고요크 CEO와 대담에 참여한 사실은 두 회사의 이해관계가 단순한 모델 공급 계약을 넘어섰음을 드러낸다.
기업 고객은 범용 챗봇만으로 업무 전환을 완성하기 어렵다. 내부 데이터, 권한 체계, 외부 애플리케이션 연결, 감사 로그가 함께 작동해야 한다.
오라클은 이 복잡한 연결 지점을 자사 플랫폼 안으로 끌어들이려 한다. 보안은 이 전략의 약한 고리이자 수익 기회다.
디지털데일리 보도에 따르면 오라클은 AI 시스템이 찾아내는 취약점의 규모와 이를 막는 부담이 충격적인 수준이라고 밝히며, 데이터 단계의 통제를 강조했다. '딥 트러스트 AI 아키텍처(Deep Trust AI Architecture)'는 데이터베이스 세션에서 AI가 우회하기 어려운 DB·소프트웨어(SW) 플랫폼 계층에 규칙을 심는 접근이다.
업무 에이전트가 실제 권한을 갖는 순간, 보안은 네트워크 방화벽이나 사용자 인증만으로 해결되지 않는다. 어떤 데이터가 어떤 맥락에서 호출됐는지, AI가 어떤 규칙을 따라 실행됐는지 플랫폼 내부에서 관리해야 한다. 오라클이 DB 계층을 앞세우는 이유가 여기에 있다.
반론도 가능하다. 기업 현장에서는 AI 에이전트가 아직 오작동과 책임 소재 문제를 완전히 해결하지 못했다는 우려가 크다.
실제로 원본 자료에서도 오라클은 AI가 찾아내는 취약점과 방어 부담을 언급했다. 따라서 '일하는 AI'가 곧바로 대규모 인력 대체나 비용 절감으로 이어진다고 단정하기 어렵다.
그러나 이 반론은 기업용 AI 시장의 변화 속도를 과소평가할 위험이 있다. 기업은 완전 자율형 AI를 기다리지 않고, 권한이 제한된 반복 업무부터 자동화한다.
고객 지원 분류, 재무 보고 초안, 공급망 예측 보조처럼 승인 절차를 남겨둔 업무부터 에이전트가 파고들 가능성이 크다.
광고
DB 계층 보안이 AI 투자 성패 가르는 기준 된다
한국 기업에 주는 메시지도 분명하다. 아이티데일리는 2026년 10월 30일 '오픈K클라우드 데브데이 2026'이 차세대 AI 인프라 기술 공유를 위해 개최된다고 보도했다.
국내에서도 AI 인프라 확장 논의가 이어지고 있다는 뜻이다. 다만 한국 기업이 글로벌 사업자의 발표를 단순히 따라가는 방식으로는 비용 압박을 피하기 어렵다. GPU, TPU, 추론 칩을 어떤 업무에 붙일지 정하지 않은 채 인프라부터 늘리면 투자 회수 기간은 길어진다.
업무 프로세스별 데이터 준비도, 권한 설계, 보안 규칙을 함께 점검해야 AI 예산이 운영비 낭비로 흐르지 않는다. 산업 생태계 관점에서 이번 발표는 세 시장의 경계를 흐린다. 첫째, 기업용 애플리케이션 시장은 업무 에이전트 플랫폼 시장으로 확장된다.
둘째, 클라우드 인프라 시장은 칩 조달 능력과 추론 비용 최적화 경쟁으로 이동한다. 셋째, 보안 시장은 데이터베이스와 애플리케이션 내부 통제 영역으로 깊숙이 들어간다. 이 변화는 대형 소프트웨어 기업에 유리하다.
이미 고객 업무 데이터와 권한 체계를 쥔 사업자가 AI 에이전트를 붙일 때 전환 비용이 낮기 때문이다. 반대로 단일 기능형 AI 스타트업은 기업 시스템 안에 깊게 연결되지 못하면 가격 경쟁에 노출될 수 있다. 오라클 AI 월드 2026의 핵심은 'AI가 똑똑해졌다'는 선언이 아니다.
오라클은 AI를 기업 운영 체계 안으로 집어넣고, 그 위에 인프라와 보안, 애플리케이션 매출을 함께 쌓겠다는 사업 모델을 제시했다. 투자자는 앞으로 AI 관련 기업을 볼 때 모델 성능 지표만 따질 일이 아니다.
고객의 실제 업무 시간 단축, 추론 비용 절감, 권한 관리 체계, 데이터 계층 통제력을 함께 따져야 한다. 한국 기업도 같은 판단 앞에 섰다. AI 예산을 실험비로 쓸 것이 아니라, 업무 운영 구조를 바꾸는 자본 지출로 설계해야 할 시점이다.
※ 이 기사는 디지털데일리의 2026년 10월 30일 보도와 아이티데일리의 2026년 10월 30일 보도를 참조하여 작성하였다.
광고
FAQ
Q. 오라클의 '일하는 AI'는 일반 챗봇과 무엇이 다른가?
A. 일반 챗봇은 사용자의 질문에 답하거나 문서 작성을 돕는 방식으로 쓰인다. 오라클이 제시한 업무 에이전트는 애플리케이션 안에서 특정 권한과 신원을 갖고 업무 흐름에 직접 참여하는 구조다. 디지털데일리 보도 기준으로 오라클은 에이전트별 권한 부여와 회사 통제를 핵심 요건으로 강조했다. 기업 입장에서는 답변 품질보다 승인, 감사, 보안 기록을 함께 관리하는지가 도입 기준이 된다. 즉, 채팅 인터페이스가 아니라 업무 처리 책임과 추적 가능성이 핵심 차별점이다.
Q. OCI에 GPU와 TPU, 추론 칩을 함께 두는 이유는 무엇인가?
A. AI 업무는 모델 학습, 추론, 데이터 검색, 업무 자동화처럼 성격이 다르며 각각 비용 구조도 다르다. 엔비디아 GPU는 AI 인프라의 핵심 선택지로 쓰였고, 구글 TPU와 추론 특화 칩은 업무별로 비용과 성능을 나눠 적용하는 수단이 될 수 있다. 오라클이 여러 칩을 OCI에 추가한 것은 단일 하드웨어로 모든 기업 수요를 처리하기 어렵다는 판단에서 비롯된 것이다. 기업 고객은 앞으로 최고 성능보다 업무별 단가와 안정성을 우선 기준으로 삼을 가능성이 크다. 복수 칩 옵션을 확보한 클라우드 사업자가 총소유비용(TCO) 협상에서 유리한 위치를 갖게 된다.
Q. 한국 기업은 이번 발표에서 무엇을 먼저 점검해야 하나?
A. 한국 기업은 AI 도구 도입보다 업무 단위의 비용 구조를 먼저 확인해야 한다. 고객 지원, 재무 분석, 공급망 계획처럼 처리 시간과 오류 비용을 측정할 수 있는 영역부터 검토하는 편이 현실적이다. 동시에 사내 데이터 접근 권한과 외부 업무 도구 연결 방식을 정리해야 한다. 이 준비 없이 인프라만 확대하면 AI 투자 효과를 숫자로 설명하기 어렵다. 오라클의 사례에서 알 수 있듯, 에이전트 도입 효과는 권한 설계와 데이터 준비도가 갖춰진 조직에서만 수치로 드러난다.
▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기
){kind=small}
){kind=small}
){kind=small}
){kind=small}
