마이크로소프트, "실행 가능한 AI 에이전트 구축에 26~60 엔지니어 주가 필요하다"고 밝혀

제목: 보조에서 실행으로: 아키텍처의 전환

Microsoft의 2026년 “Agentic Transformation Patterns” 플레이북은 AI 에이전트가 단순히 사용자를 보조하는 수준을 넘어 실제로 업무를 실행하기 위해 어떻게 재구축되어야 하는지를 명시하고 있습니다. 이 플레이북은 단 하나의 실행 모드 에이전트를 출시하기 전, 핵심 인프라 구축에 드는 비용을 26~60 엔지니어-주(engineer-weeks)라는 구체적인 수치로 제시합니다. 이러한 변화를 간과하는 기업은 스스로 안전하게 행동할 수 없는 취약한 도구를 만들 위험이 있습니다.

현재 기업들은 이메일 초안을 작성하거나, 코드 스니펫을 제안하거나, 데이터를 찾아주는 대규모 언어 모델(LLM) 어시스턴트를 실험하고 있습니다. 이러한 에이전트들은 "보조(assist)" 모드에 머물러 있습니다. 즉, 사람이 모든 결과물을 확인하며, 얇은 래퍼(wrapper)가 요청을 모델로 전달하고 응답을 반환하는 방식입니다. 이 아키텍처는 구축 비용이 저렴하고 빠르지만, 의도적으로 의사 결정과 데이터 쓰기 권한을 사용자에게 남겨둡니다.

조직이 에이전트에게 데이터베이스 채우기, 다운스트림 프로세스 트리거, 또는 트랜잭션 승인과 같은 전체 워크플로우를 실행하도록 원할 때, 모델은 더 이상 사람이 검증할 답변을 건네주는 블랙박스에 머물러서는 안 됩니다. 에이전트는 고유한 정체성, 지속적인 상태(persistent state), 그리고 내장된 안전장치를 갖춘 자율 서비스로 동작해야 합니다. Microsoft는 기존의 보조 전용 설계를 실행 준비가 된 시스템으로 패치할 수는 없으며, 7가지 아키텍처 기둥을 중심으로 근본적인 재설계가 필요하다고 주장합니다.

실행 준비가 된 AI 에이전트의 7가지 기둥

• 권한(Authority) – "사용자 위임" 권한에서 범위가 지정된 액세스 권한을 보유한 지속적인 에이전트 정체성으로 전환합니다. 에이전트는 사람의 토큰 없이도 다운스트림 서비스에 스스로를 인증할 수 있어야 합니다.
• 경계(Boundaries) – 높은 이해관계가 걸린 계산에 대해 임시적인 모델 추론을 사용하는 대신 결정론적(deterministic) 코드 경로를 사용합니다. 금융 수학이나 컴플라이언스 체크와 같이 정밀함이 요구되는 모든 작업은 모델의 출력값에서 추론하는 것이 아니라, 검증된 소프트웨어에서 실행되어야 합니다.
• 스키마(Schemas) – 느슨한 타입의 데이터 교환에서 지정된 데이터 관리자(data steward)가 소유한 표준 스키마로 전환합니다. 이를 통해 에이전트가 다운스트림 시스템에서 처리할 수 없는 잘못된 형식의 레코드를 작성하는 것을 방지합니다.
• 장애 감지(Failure Detection) – 사람의 감독을 지속적인 텔레메트리(telemetry) 및 비즈니스 결과 모니터링으로 대체합니다. 시스템은 예상치 못한 트랜잭션 규모와 같은 이상 징후를 자동으로 드러내야 하며, 임계값을 초과할 경우 에이전트를 중단시켜야 합니다.
• 상태(State) – 수명이 짧은 채팅 세션을 시스템 레코드에 저장된 내구성이 있고 케이스 범위 내로 제한된 상태로 대체합니다. 실행 에이전트는 며칠 또는 몇 주에 걸쳐 이전 단계, 감사 추적(audit trails) 또는 사용자 기본 설정을 기억해야 할 수도 있습니다.
• 롤백(Rollback) – "프롬프트 재실행" 대신 작업을 안정적으로 되돌릴 수 있는 이벤트 소싱(event-sourcing) 또는 보상 트랜잭션(compensating transactions)을 사용합니다. 에이전트가 실수를 하면 플랫폼은 수동 개입 없이 부수 효과(side effects)를 되돌려야 합니다.
• 감사 가능성(Auditability) – 단순한 채팅 기록에서 각 작업을 특정 에이전트 버전 및 정체성과 연결하는 작업별 로그로 업그레이드합니다. 이를 통해 규제 기관과 내부 감사인은 에이전트가 언제, 어떤 정책에 따라 정확히 무엇을 했는지 추적할 수 있습니다.

이러한 변화는 선택적인 추가 기능이 아닙니다. 이는 AI 기반 자동화를 위한 새로운 운영 모델을 구성합니다. Microsoft는 이 기반을 구축하는 데 26~60 엔지니어-주가 소요될 것으로 추정합니다.

비용이 중요한 이유

플레이북은 사용자의 워크플로우에서 단 몇 분만을 단축하는 저가치 작업에 실행 모드 에이전트를 배치하는 것에 대해 경고합니다. 엔지니어링 투자 비용이 미미한 생산성 향상보다 더 클 수 있기 때문입니다. 주문 이행, 보험금 지급 심사, 컴플라이언스 보고와 같이 자율 실행이 비용 절감이나 리스크 감소로 직접 연결되는, 측정 가능한 결과가 있는 프로세스를 목표로 삼아야 합니다.

데이터 스키마를 소유하려면 정치적 권한(Political authority)이 필요합니다.

반론: 보조 전용으로도 충분한가?

회의록 작성이나 지식 베이스 문서 검색과 같은 많은 내부 지원 시나리오에서는 사람의 검증이 여전히 실질적인 안전장치 역할을 합니다. 다만 그 대가로 사이클 타임이 느려지고 최종 결정을 위해 계속해서 인력에 의존해야 한다는 단점이 있습니다.

결론은 명확합니다. AI 에이전트를 지원 역할에서 자율 역할로 전환하는 것은 단순히 기능을 켜고 끄는(feature toggle) 문제가 아니라, 전체 아키텍처를 다시 작성하는 작업입니다. 엔지니어링 및 거버넌스 요구 사항을 과소평가하는 기업은 취약한 봇을 출시하게 될 위험이 있습니다.