newsletterTODAY'S PICKS AI 에이전트 도입 후 관리는? Agent Workforce Management(AWM) 5단계 라이프사이클 BESPICK by 현주 이 2026년 10월 12일 2026년 10월 12일 3.8K AI 에이전트를 도입할 때 무엇을 가장 먼저 고민하시나요? 어떤 AI 모델을 사용할지, 기존 시스템과는 어떻게 연결할지 등 기술적인 부분부터 떠올리기 쉬운데요. 하지만 실제 업무에서는 모델의 성능만큼이나 에이전트를 제대로 운영하는 것이 중요합니다. AI 에이전트 도입 성과는 사람과 프로세스가 70%, 엔지니어링 역량이 20%, 모델 역량이 10%를 좌우한다 하죠.오늘 베스픽에서는 AI 에이전트를 체계적으로 운영하고 관리하기 위한 Agent Workforce Management에 대해 살펴보겠습니다. AI 에이전트, 새로운 관리가 필요한 이유? 기업에서 사용하는 AI 에이전트는 빠르게 늘어나고 있습니다. Fortune Global 500 기업의 평균 AI 에이전트 수는 2028년 15만 개를 넘어설 전망인데요. 2025년 15개 미만이었던 것과 비교하면 불과 3년 만에 1만 배 이상 급증하는 셈입니다. 에이전트가 맡는 역할과 책임의 범위도 커지고 있는데요. 주어진 목표에 따라 스스로 판단하는 것은 물론, 여러 시스템과 도구를 오가며 다른 에이전트와 협업해 복잡한 업무까지 수행합니다.동시에 AI 에이전트를 관리하는 것이 중요한 과제로 떠오르고 있습니다. AI 에이전트는 인력, 애플리케이션, 인프라, 데이터 중심의 기존 IT 관리 대상에 속하지 않는 자율성을 지닌 업무 주체인데요. 심지어 하위 에이전트를 만들어 업무 구조를 확장하기도 합니다. 에이전트의 25.5%가 다른 에이전트를 생성하고 작업을 위임할 수 있다고 하죠.이러한 상황에서 에이전트가 얼마나 있는지, 어디서 무슨 일을 하고 있는지 제대로 파악하기란 쉽지 않습니다. 한 조사에 따르면 기업의 절반 이상은 AI 에이전트가 수행한 작업을 완전히 검증하지 못하며, 에이전트의 활동을 처음부터 끝까지 추적하지 못하는 기업도 48%에 달하는데요. 에이전트가 사람의 승인 절차를 피해 운영 데이터를 삭제하거나, 허가되지 않은 외부 시스템에 접근한 사실이 뒤늦게서야 발견되기도 합니다.이에 따라 AI 에이전트를 관리하는 새로운 체계, Agent Workforce Management(AWM)가 주목받고 있습니다. 온보딩부터 퇴사까지, AI 생애 주기 관리하기 AWM은 AI 에이전트를 디지털 직원처럼 바라보는 데서 시작합니다. 일반적으로 신규 직원이 입사하면 온보딩과 교육을 거쳐 업무에 투입되고, 근태와 성과를 지속적으로 평가받는데요. 또한 퇴사할 때는 시스템 접근 권한을 회수하는 등 인수인계 절차를 진행하죠. 이처럼 AI 에이전트도 도입부터 운영, 성과, 종료까지 전 과정을 체계적으로 관리하는 것이 AWM입니다.주요 IT 기업들도 AI 에이전트의 라이프 사이클을 고려한 운영 방법을 제시하고 있는데요. 명칭이나 구체적인 방식에는 차이가 있지만, 내용을 종합하면 다음과 같이 정리할 수 있습니다. AI 에이전트 라이프 사이클 관리 5단계① 온보딩 및 신원 부여: 어떤 에이전트가 존재하는지 확인해 등록하고 고유한 신원을 부여합니다. 이후 담당자와 역할을 지정하고, 업무에 필요한 범위에 맞춰 시스템과 데이터 접근 권한을 설정합니다.② 모니터링: 에이전트를 업무에 투입한 이후에는 이들이 어떤 시스템과 데이터에 접근하고, 어떤 행동을 하는지 지속적으로 추적합니다. 비정상적인 접근이나 정책을 벗어난 행동이 발생하지 않는지도 살펴보려 합니다.③ 성과 관리: 에이전트가 오류 없이 작동한다고 해서 반드시 일을 잘하고 있다는 뜻은 아닙니다. 업무 결과의 품질은 어떠한지, 실제 KPI를 개선하고 있는지, 투입한 비용 대비 충분한 성과를 내는지 등을 평가합니다. AWM은 AI 에이전트의 행동을 추적하고 담당자와 책임 관계까지 관리한다는 점에서 기존 IT 거버넌스와는 차이가 있는데요. IT 거버넌스가 사전에 설정한 정책과 권한을 중심으로 ‘시스템이 정상적으로 작동하는가’를 살폈다면, AWM은 ‘에이전트가 제대로 일하고 성과를 내고 있는가’까지로 관리 기준을 확대한 것입니다. 빠르게 형성되는 AI 에이전트 관리 시장 기업에서 AI 에이전트를 통합적으로 관리하려는 수요가 커지면서, AWM은 하나의 독립적인 시장으로 자리 잡고 있습니다. Gartner는 작년 10월부터 AI Agent Management Platforms를 별도의 주제로 다루기 시작했는데요. 배포 환경과 관계없이 여러 AI 에이전트를 중앙에서 운영하고 거버넌스와 비용, 성과까지 함께 살펴보는 플랫폼이 필요하다고 설명합니다.IT 기업들도 AI 에이전트 관리 솔루션을 잇따라 선보이고 있습니다. Microsoft는 자사 에이전트뿐 아니라 외부 에이전트까지 등록해 운영할 수 있는 Agent 365를 정식 출시했고요. Workday는 Agent System of Record를 통해 에이전트의 역할과 책임을 설정하고 성과와 비용을 추적할 수 있도록 지원합니다. ServiceNow 역시 AI 자산을 관리하기 위한 AI Control Tower를 제공하고 있습니다.보안 기업들은 AI 에이전트를 중심으로 영역을 넓혀가고 있습니다. Okta는 AI 에이전트 신원과 접근 권한을 관리하는 Okta for AI Agents를 공개했는데요. AI 에이전트에 고유한 신원과 필요한 권한만 부여해, 생성부터 폐기까지 라이프 사이클을 관리하는 것이 핵심입니다. CrowdStrike와 Qualys도 기업 내 AI 에이전트 현황을 파악하고, 허가되지 않은 에이전트나 위험한 행동을 탐지해 대응하는 기능을 선보였습니다. [실전 사례] 수백 개의 AI 에이전트 관리 꿀팁 3가지 그렇다면 실제 업무 현장에서 AI 에이전트를 어떻게 관리하면 좋을까요? 750개 이상의 AI 에이전트를 구축한 베스핀글로벌이 안정적인 운영을 위해 적용한 3가지 액션 포인트를 소개합니다.업무 인벤토리 구축: AI 에이전트를 도입하기 전, 전사 업무를 분석한 인벤토리를 만들었습니다. 각 부서 구성원이 자신의 업무가 어떤 단계로 진행되는지, 성과는 어떻게 측정하는지 정리한 것인데요. 이를 바탕으로 AI 에이전트를 만들고 등록함으로써 에이전트를 누가 어떤 기준으로 관리하고 평가할지 명확하게 설정할 수 있었습니다.섀도우 모드 운영: 신규 에이전트는 곧바로 업무에 투입하지 않고 먼저 섀도우 모드로 운영했습니다. 실제 비즈니스 프로세스에 넣기 전에 에이전트가 생성한 결과물의 정확도가 높은지, 성과 측정이 가능한지 등을 검증하는 단계인데요. 사람으로 치면 일종의 인턴 기간으로, 일정 수준에 도달한 에이전트만 업무에 배치했습니다.결과 중심의 평가 도입: AI 에이전트가 오류 없이 작동하는지, 토큰을 얼마나 소비하는지만 확인하는 것이 아니라 비즈니스 관점에서 평가를 진행했습니다. 업무 KPI를 얼마나 개선했는지, 비즈니스 프로세스를 어떻게 변화시켰는지 등을 살펴보는 것인데요. 이러한 성과 관리를 에이전트 운영 체계에 포함시켜, 지속적으로 성과를 모니터링할 수 있도록 했습니다.앞으로 AI 에이전트는 기업 곳곳에서 더 많은 업무를 맡게 될 것입니다. 그만큼 AI 에이전트를 잘 관리하고 운영하는 일이 더욱 중요해질 텐데요. 우리 기업은 에이전트를 단순한 도구가 아닌 새로운 워크포스(workforce)로 바라보고 있는지, 에이전트의 생애 주기를 체계적으로 관리할 수 있는지 점검해 보시길 바랍니다.그리고 이 과정에서 AWM에 대해 궁금한 점이 있다면 언제든 베스핀글로벌에 문의해 주세요. 기업의 AI 에이전트 설계부터 구축, 운영까지 베스핀글로벌이 적극 지원하겠습니다. ※본 콘텐츠는 베스핀글로벌의 뉴스레터 ‘베스픽(BESPICK)’을 통해 매주 화요일 발행되는 콘텐츠입니다. 베스픽을 구독하시면 가장 먼저 IT 업계 최신 이슈 및 인사이트를 전달받으실 수 있습니다. 방금 읽은 이 콘텐츠가 마음에 드셨다면?지금 바로 베스핀글로벌의 뉴스레터 ‘베스픽’을 구독하고, 매주 인사이트를 가장 빠르게 받아보세요. 베스핀글로벌 문의하기 뉴스레터 구독하기 FAQ Q1. Agent Workforce Management(AWM)이란 무엇인가요?AWM은 AI 에이전트를 단편적인 소프트웨어나 도구가 아닌 ‘디지털 직원(Workforce)’으로 바라보고 관리하는 새로운 운영 체계입니다. 신규 에이전트의 등록 및 권한 부여(온보딩)부터 실시간 모니터링, 비즈니스 성과 관리, 역할 최적화, 그리고 권한 회수 및 폐기(오프보딩)에 이르기까지 전체 생애주기(Life Cycle)를 체계적으로 거버넌스하는 솔루션 및 프로세스를 의미합니다.Q2. 기존 IT 거버넌스나 소프트웨어 관리 체계와 AWM의 차이점은 무엇인가요?기존 IT 거버넌스는 사전 설정된 정책에 따라 ‘시스템이 정상 작동하는가’에 초점을 맞춥니다. 반면 AI 에이전트는 자율성을 가지고 스스로 판단하며, 하위 에이전트를 직접 생성하는 등 확장성을 가집니다. 따라서 AWM은 단순 시스템 작동 여부를 넘어 ‘에이전트가 무슨 일을 하고 있으며, 어떤 권한으로 행동하고, 실제 비즈니스 성과(KPI)를 내고 있는가’까지 통합 관리한다는 점에서 차이가 있습니다.Q3. AWM 관점에서 AI 에이전트 생애주기는 어떻게 구성되나요?총 5단계로 구성됩니다.①온보딩 및 신원 부여: 에이전트 등록, 고유 ID 부여 및 최소 권한 설정②모니터링: 시스템/데이터 접근 및 비정상 행동 추적③성과 관리: 정성·정량적 업무 품질 및 비즈니스 KPI 개선 여부 평가④조정 및 최적화: 변화된 업무 환경에 맞춰 에이전트 역할 및 권한 재설정⑤오프보딩 및 종료: 불필요한 에이전트의 접근 권한 회수 및 안전한 폐기Q4. AI 에이전트를 도입할 때 ‘섀도우 모드(Shadow Mode)’가 필요한 이유는 무엇인가요?섀도우 모드는 사람 직원의 ‘인턴십/수습 기간’과 같습니다. 신규 AI 에이전트를 실제 업무 환경에 바로 투입하지 않고, 가상 환경에서 생성 결과물의 정확도, 안전성, 성과 측정 가능성 등을 사전 검증하는 단계입니다. 이를 통해 업무 오류나 보안 리스크를 사전에 예방하고 안정적인 운영 배포가 가능해집니다.Q5. AI 에이전트의 성과 및 인사 평가는 어떻게 진행해야 하나요?단순히 토큰 소비량이나 단순 동작 에러 유무만 측정해서는 안 됩니다. 비즈니스 결과 중심의 평가가 핵심입니다. 에이전트가 실제 업무 프로세스를 얼마나 효율화했는지, 당초 목표로 한 비즈니스 KPI(예: 고객 응답 시간 단축, 매출 기여도, 정밀도 향상 등)를 얼마나 개선했는지를 종합적으로 모니터링하고 관리해야 합니다. 더 읽어볼 만한 컨텐츠 요즘 AI 업계가 찾는 ‘FDE(전방 배치 엔지니어)’란?AI는 질병을 예측할 수 있을까? 디지털 트윈이 여는 예측 의료말하는 동시에 통역한다! 더 빠르고 자연스러운 AI 통번역의 세계 달라진 클라우드 트렌드! AI 시대에 맞는 클라우드 전략은?Claude와 ChatGPT에게 주식 투자를 맡겨봤더니? AI 투자의 모든 것 Agentic AI PlatformAIAI AgentAI lock-inAI 데이터AI 전환AI 트렌드ai엔지니어AXAX전환BESPINGLOBALDatafdeHELPNOWHelpNow AI기업ai도입베스핀글로벌 이전 글 요즘 AI 업계가 찾는 ‘FDE(전방 배치 엔지니어)’란?
