✓회의실에서 나온 질문
최근 사내에서 AI 에이전트 도입 가능성을 이야기하다 보면 비슷한 질문이 나온다. 한쪽에서는 업무가 편해질 것이라는 기대를 말하고, 다른 한쪽에서는 “그럼 사람은 어떻게 되는가”를 걱정한다.
새로운 기술이 조직에 들어올 때마다 반복되는 반응이다. 다만 최근 AI 에이전트를 둘러싼 흐름을 살펴보면, 이 질문에 답하기 전에 먼저 짚어야 할 지점이 있다.
✓확산되는 AI 에이전트 도입
2026년 7월 17일 제주 신라호텔에서 열린 대한상공회의소 하계포럼 AI 대담에서 최태원 대한상의 회장 겸 SK그룹 회장은 기업이 AI를 도입할 때 인력과 비용 감축부터 생각해서는 안 된다는 취지로 말한 것으로 보도됐다.
AI 에이전트가 업무를 학습해 생산성이 높아지더라도, 남는 인력에게 다른 역할을 찾아주는 일이 먼저라는 내용이었다. 앞서 6월 말에는 구성원 각자에게 업무 자동화를 돕는 1인 1에이전트 도입을 제안했다는 보도도 나왔다.
비슷한 시기 뤼튼테크놀로지스의 박민준 AX대표는 한 포럼에서 AI가 실제 업무를 대신 수행하는 시대가 머지않았다며, 기업이 먼저 갖춰야 할 것은 화려한 AI 기능이 아니라 데이터 인프라라는 점을 강조했다고 전해진다.
유통업계에서도 AI 에이전트 도입 움직임이 이어지고 있다. 롯데는 그룹 차원의 AI 전환 행사에서 계열사별 활용 사례를 소개했고, 대형마트와 온라인 플랫폼도 점포 운영과 상품 추천, 고객 응대 영역에서 AI 활용 범위를 넓히고 있다.
✓AI 도입과 인력 감축의 오해
AI 에이전트 이야기가 나오면 가장 먼저 떠오르는 그림은 사람이 줄어드는 조직이다. 자동화라는 단어 자체가 그런 인상을 주기 때문에 이해하기 어려운 반응은 아니다.
하지만 최근 기업들이 공개적으로 내놓는 메시지는 단순한 감축보다 업무 재설계에 더 가깝다. 사람이 맡고 있던 모든 일을 없애는 것이 아니라, 반복 업무를 줄이고 남는 시간을 다른 역할로 옮기는 방향이다.
물론 기업의 공개 발언이 실제 인력 운용 결과까지 보장하는 것은 아니다. 인력 감축이 목적이 아니라는 메시지와 실제 채용, 재배치, 조직 운영 사이에는 차이가 생길 수 있다.
따라서 AI 도입을 바라볼 때는 기업의 선언보다 실제 업무가 어떻게 바뀌는지를 함께 살펴야 한다.
✓확인된 사실과 남은 공백
여기서 확인된 사실과 아직 확인되지 않은 부분을 나눠 볼 필요가 있다.
확인된 사실은 최태원 회장과 박민준 대표가 각각 공개 강연과 포럼에서 위와 같은 취지의 발언을 했다는 점이다. 롯데, 대형마트, 네이버 등 여러 기업이 AI 에이전트를 실제 서비스나 사내 업무에 적용하는 사례가 다수 보도됐다는 점도 확인된다.
다만 두 발언의 전체 대담과 강연 원문은 직접 확인하지 못했다. 이 글에서는 복수 매체가 공통으로 전한 내용을 바탕으로 발언 취지를 요약했으며, 정확한 전후 맥락과 세부 표현은 전체 원문 확인 후 달라질 수 있다.
또한 인력 감축이 목적이 아니라는 메시지가 실제 채용이나 인력 재배치 수치로 이어졌는지는 이번 조사에서 확인되지 않았다. 이 부분은 아직 확인되지 않은 영역으로 남겨둔다.
AI 활동과 실제 성과를 구분해서 보는 기준은 다른 글에서 별도로 정리했다.
✓데이터 인프라라는 전제
AI 에이전트가 실제 업무를 대신하려면 기업 내부의 데이터를 읽고, 판단하고, 필요한 시스템을 호출할 수 있어야 한다. 그런데 현장에서는 같은 상품이나 같은 거래를 두고도 부서마다 다른 숫자를 사용하는 경우가 적지 않다.
전산에는 재고가 있다고 나오지만 창고에서는 찾지 못하고, 영업과 물류가 서로 다른 주문 수량을 보고 있다면 AI도 정확한 판단을 하기 어렵다. AI가 잘못된 데이터를 빠르게 처리한다고 해서 결과까지 정확해지는 것은 아니다.
AI 에이전트 도입의 출발점은 새로운 기능보다 기존 데이터의 정확성과 연결 상태를 확인하는 일에 가깝다.
✓SCM 현장에서 본 업무 재배치
여기부터는 확인된 사실이 아니라 필자의 실무적 해석이다.
유통·물류 SCM 현장에서 여러 시스템 도입을 경험해 보면, 새 도구가 들어올 때 실제로 줄어드는 것은 사람의 숫자보다 반복 업무의 비중인 경우가 많았다.
발주 확인, 재고 대사, 정해진 양식의 보고서 작성처럼 규칙에 따라 반복되는 일이 먼저 자동화 대상이 된다. 반면 예외 상황 판단, 협력사 조율, 현장 문제 해결처럼 정해진 규칙만으로 처리하기 어려운 일은 여전히 사람이 맡게 된다.
예를 들어 재고 차이를 자동으로 찾아내는 것은 시스템이 할 수 있다. 그러나 왜 차이가 발생했는지 확인하고, 창고와 영업 부서의 입장을 조율하며, 재발 방지 기준을 만드는 일은 여전히 사람의 판단이 필요하다.
AI 에이전트도 이 흐름의 연장선으로 볼 수 있다. 다만 처리할 수 있는 업무 범위와 속도가 기존 자동화보다 넓기 때문에, 재배치 계획 없이 도입만 서두르면 현장 혼선도 그만큼 커질 수 있다.
✓우리 조직, 어디서부터
AI 에이전트 도입을 검토한다면 기술이나 제품을 선택하기 전에 현재 업무부터 나눠 볼 필요가 있다.
먼저 규칙에 따라 반복되는 업무와 사람의 판단이 필요한 업무를 구분해야 한다. 그다음 자동화 대상 업무를 맡고 있던 사람이 이후 어떤 역할로 이동할지 최소한의 그림을 준비해야 한다.
데이터의 위치와 정확성도 함께 확인해야 한다. AI가 필요한 자료에 접근할 수 있는지, 부서별 데이터가 서로 다른 기준으로 관리되고 있지는 않은지, 잘못된 판단이 발생했을 때 누가 확인하고 중단할 수 있는지 점검해야 한다.
AI 에이전트는 단순한 프로그램 도입이 아니라 업무와 권한, 책임을 다시 나누는 과정에 가깝다.
✓핵심 정리
AI 에이전트 도입 확산은 이제 일부 기술 기업만의 이야기가 아니다. 유통과 물류, 쇼핑, 사내 업무 등 여러 영역에서 실제 적용 사례가 나타나고 있다.
다만 인력 감축이 목적이 아니라는 기업의 메시지를 그대로 받아들이기보다, 확인된 사실과 아직 확인되지 않은 결과를 나눠 볼 필요가 있다.
실무 현장에서는 기술 도입 자체보다 업무 재설계, 데이터 정비, 인력 재배치, 책임 기준을 먼저 준비하는 접근이 더 현실적이다.
✓현장 점검 다섯 가지
| 점검 항목 | 확인 기준 | 실무 포인트 |
|---|---|---|
| □ 도입 목적 | 업무 효율화·역할 전환 | 경영진 메시지 명확화 |
| □ 반복 업무 | 자동화 대상 목록 | 부서별 업무 분해 |
| □ 인력 재배치 | 전환 역할·교육 계획 | 도입 전 사전 설계 |
| □ 데이터 기반 | 데이터 정합성·접근 권한 | 기능 도입 전 점검 |
| □ 성과 기준 | 시간 절감·오류 감소·역할 전환 | 도입 전 지표 합의 |
English Summary
Korean companies are expanding the use of AI agents across internal operations and customer services. The main issue is not simply reducing headcount, but redesigning repetitive work and reallocating employee roles. Organizations should prepare reliable data, clear responsibilities, and transition plans before adopting AI agents.