Agentic AI 시대, 진짜 자산은 무엇인가 - 코딩·커머스·인프라를 관통하는 통제권의 질문

무슨 일이 일어나고 있나

요즘 AI 뉴스를 보면 'Agentic'이라는 단어가 빠지지 않는데요. 표면적으로는 서로 다른 영역의 소식처럼 보이지만, 자세히 들여다보면 같은 질문을 던지고 있어요. 자동화가 모든 걸 대체하는 시대에 무엇이 끝까지 가치로 남는가라는 질문입니다.

먼저 Anthropic의 분석이 흥미로운데요. Agentic AI 코딩 도구가 루틴한 작업을 자동화하면서도 경험 많은 개발자에 대한 시장 수요는 오히려 늘어난다는 거예요. 단순 코드 작성은 자동화되지만 아키텍처 설계, 성능 최적화, 보안 같은 고수준 의사결정은 여전히 시니어의 몫이라는 거죠. 결과적으로 저수준 개발자는 대체되고 시니어의 가치는 더 높아지는 양극화가 벌어지고 있어요.

비슷한 시기 MarTech는 Agentic commerce 투자를 어떻게 평가할지에 대한 프레임워크를 제시했는데요. 흥미롭게도 수십 년을 버텨온 다이렉트메일(direct mail)에서 교훈을 끌어왔어요. 핵심 질문 세 가지는 이렇습니다. 첫째 브랜드가 고객 데이터와 응답 이력 같은 자산을 직접 소유하는가, 둘째 기저 기술이 바뀌어도 살아남는 핵심 기능인가, 셋째 시간이 지나도 동일하게 측정 가능한가. Gartner는 2027년까지 Agentic AI 프로젝트의 40% 이상이 중단될 거라고 봤는데, 그만큼 옥석 가리기가 중요해진 거예요.

인프라 단에서도 같은 흐름이 보입니다. Snowflake는 Snowflake Postgres를 발표하면서 OLTP와 OLAP 시스템을 자동 동기화하고 복잡한 ETL 파이프라인을 제거하는 방향을 택했어요. Ericsson은 이를 통해 48시간 걸리던 데이터 지연을 1시간 이하로 줄였다고 하고요. 자동화가 진행될수록 데이터가 어디에 어떻게 쌓이고 통제되는지가 더 중요해진다는 메시지예요.

왜 중요한가 - 흐름과 인과

세 소식을 나란히 놓으면 하나의 패턴이 보이는데요. 자동화의 물결이 거셀수록, 자동화되지 않는 영역의 가치가 더 선명해진다는 점이에요.

코딩에서는 그 영역이 '판단과 설계'였고, 커머스에서는 '소유하는 자산'이었으며, 인프라에서는 '데이터의 통제권과 신뢰성'이었어요. 표현은 달라도 본질은 같습니다. AI 에이전트가 실행을 가져갈수록, 인간과 브랜드가 쥐고 있어야 할 것은 실행 자체가 아니라 그 위에서의 통제권이라는 거죠.

다이렉트메일의 비유가 특히 핵심을 찌르는데요. 다이렉트메일이 수십 년간 살아남은 이유는 화려한 기술 때문이 아니라, 브랜드가 고객 명단과 응답 데이터를 직접 소유하고 측정할 수 있었기 때문이에요. Agentic commerce 플랫폼에 투자할 때도 똑같은 질문을 던져야 합니다. 3년 후 벤더가 바뀌거나 사라져도 우리가 쌓은 고객 데이터와 측정 체계는 우리 손에 남는가. 이 질문에 '아니오'라면 그건 자산이 아니라 임대료예요.

Anthropic의 코딩 분석도 같은 맥락입니다. AI가 코드를 짜준다고 해서 개발자가 필요 없어지는 게 아니라, AI가 만든 결과물을 검증하고 통합하고 책임지는 판단력이 더 비싸지는 거예요. 통제권이 곧 가치인 셈이죠.

실무에 주는 함의

첫째, 마케팅·데이터 실무자라면 Agentic 도구를 도입할 때 '편리함'보다 '소유권'을 먼저 따져야 해요. 벤더 피치가 화려할수록 차분하게 물어보세요. 우리가 이 플랫폼에서 만들어내는 데이터와 고객 관계는 우리 것인가, 아니면 벤더의 것인가. 측정 지표는 플랫폼이 바뀌어도 일관되게 유지되는가. 이 두 가지가 확보되지 않으면 단기 효율은 얻어도 장기적으로 종속될 위험이 큽니다.

둘째, 조직의 인력 전략도 재설계가 필요해요. Anthropic 분석이 시사하듯 자동화는 단순 실행 역할을 줄이고 판단·설계 역할의 가치를 키웁니다. 데이터마케팅 팀이라면 단순 리포팅이나 캠페인 세팅 같은 작업은 에이전트에 맡기되, 사람은 전략적 해석과 검증, 그리고 AI 산출물의 품질을 책임지는 역할로 올라서야 해요. 신입 교육도 '도구 사용법'이 아니라 '판단 능력'을 키우는 쪽으로 옮겨가야 하고요.

셋째, 데이터 인프라 측면에서는 파이프라인 단순화가 곧 경쟁력이에요. Snowflake Postgres 사례처럼 OLTP와 OLAP을 매끄럽게 잇는 구조는 데이터 활용의 속도와 신뢰도를 동시에 높여줍니다. Agentic AI가 실시간으로 의사결정하려면 데이터가 지연 없이 흘러야 하는데, 복잡한 ETL이 병목이 되는 경우가 많거든요. 자산 집약적 산업의 필드 서비스를 매출 엔진으로 전환하는 흐름도 결국 흩어진 자산·계약·부품 정보를 하나의 운영 뷰로 통합했기에 가능했어요. 원격 진단으로 현장 출장을 30% 줄이거나 현장 기술자를 수익 창출자로 바꾼 사례들이 그 증거인데, 핵심은 통합된 데이터 기반이었습니다.

리스크와 한계

물론 이 흐름에는 그림자도 있어요. Gartner가 경고했듯 Agentic AI 프로젝트의 상당수가 좌초할 가능성이 높습니다. 기술이 성숙하지 않았는데 과대 기대만 앞서면 투자 손실로 이어지기 쉬워요. 'Agentic'이라는 라벨이 붙었다고 다 좋은 게 아니라는 거죠.

또 하나 간과하기 쉬운 게 신뢰성 리스크인데요. 생성형 AI가 선거 과정에서 상대 후보의 얼굴을 합성하거나 조롱하는 광고로 악용되는 사례가 확산되고 있어요. 규제는 부재한데 기술의 악용 가능성만 커지면서, AI 생성 콘텐츠의 검증과 책임 소재가 심각한 문제로 떠올랐습니다. 마케팅 영역에서도 자동화된 에이전트가 만든 콘텐츠가 브랜드 평판을 해치거나 잘못된 정보를 퍼뜨릴 수 있어요. 통제권 없는 자동화는 곧 책임 없는 자동화로 이어질 위험이 있는 거죠.

결국 Agentic AI 시대의 승부처는 '얼마나 많이 자동화했는가'가 아니라 '무엇을 끝까지 소유하고 통제하고 측정하는가'예요. 도구는 빠르게 바뀌지만, 자산과 판단력은 오래 남습니다. 화려한 벤더 피치 앞에서 차분하게 그 질문을 던질 수 있는 조직이 결국 이 변화를 자기 것으로 만들 거예요.