지난 2~3년간 기업이 들여온 생성형 AI의 대표 이미지는 '코파일럿(copilot)'이었다. 사람이 묻고 AI가 답하는, 프롬프트-응답형 보조도구 말이다. 그런데 2026년의 화두는 한 걸음 더 나아간다. 스스로 목표를 세워 계획하고, 외부 도구를 호출하고, 시스템을 업데이트하고, 막히면 사람에게 판단을 넘기는(에스컬레이션) AI 에이전트다. Anthropic이 2025년 12월에 낸 "The 2026 State of AI Agents Report"는 500명이 넘는 기술 리더를 설문해, 응답 조직의 80%가 이미 AI 에이전트에서 측정 가능한 경제적 성과를 보고했다고 전한다 [출처: Anthropic, 2025].
왜 지금 전 세계가 이 전환을 주목할까. 여러 조사기관이 2026년을 코파일럿에서 에이전트로 무게중심이 옮겨가는 변곡점으로 지목한다. 다만 같은 데이터는 냉정한 현실도 함께 보여준다. 대다수 기업의 에이전트는 아직 위험이 낮은 단일 작업에 머물러 있고, 가장 큰 장벽은 모델의 지능이 아니라 이를 기존 시스템에 붙이는 '통합'이다. 이 글은 무엇이 실제로 바뀌었는지, 자율성의 수준을 어떻게 층위로 나눠 볼지, 그리고 발표된 기대와 검증된 성과를 어떻게 구분할지를 정리한다.
숫자를 들여다보기 전에 읽는 법을 짚어 두자. 이 분야의 진술에는 세 종류가 섞여 있다. 하나는 측정된 것이다. 표본이 명시된 설문 결과이며, 조직이 스스로를 두고 답한 값이다. 다른 하나는 전망된 것으로, 아직 오지 않은 해를 두고 조사기관이 내놓은 예측이다. 마지막은 평가된 것이다. 데이터를 참고하되 그 자체는 집계가 아닌, 분야의 성숙도에 대한 애널리스트의 판단이다. 이 글의 측정 층위 전체에는 단서가 하나 붙는다. 자기보고라는 점이다. 에이전트 성과를 금액으로 독립 감사한 수치는 이 글에 나오지 않는데, 근거 자료에 그런 수치가 없기 때문이다.
목차
- 코파일럿과 에이전트, 무엇이 다른가
- 자율성의 다섯 층위 — 2026은 어디쯤인가
- 성과는 실재하나 — 무엇이 측정됐나
- 진짜 장벽은 모델이 아니다
- 배치는 빨라도 조율은 느리다
- 무엇을 지켜볼까
코파일럿과 에이전트, 무엇이 다른가
서로 다른 두 가지 일: 응답과 실행
먼저 용어부터 구분하자. 코파일럿은 사람이 매 단계 지시하고 결과를 검토하는 보조도구다. 문서 초안을 써 주거나 코드 한 조각을 제안하지만, 다음 행동은 언제나 사람이 정한다. 반면 AI 에이전트(agentic AI)는 목표 하나를 받으면 스스로 하위 작업으로 쪼개 계획하고, 필요한 도구(검색·데이터베이스·사내 API 등)를 호출하며, 여러 단계를 이어서 실행한다. 그리고 확신이 서지 않거나 권한을 벗어나는 지점에서는 사람에게 판단을 넘긴다. 요컨대 차이는 '응답'이냐 '실행'이냐에 있다.
이 정의에서 무게를 지는 대목은 두 가지다. '도구 호출(tool call)'은 에이전트가 제 텍스트 바깥으로 손을 뻗는 일이다. 검색을 돌리고, 데이터베이스를 조회하고, 사내 시스템에 기록한다. 그래서 추론의 끝이 화면 위의 한 문단이 아니라 실제 상태의 변화가 된다. '에스컬레이션'은 멈춤 조건이다. 확신이나 권한을 벗어난다고 판단한 지점에서 문제를 사람에게 되돌린다. 코파일럿에서는 사람이 루프 안에 있고, 에이전트에서는 루프 가장자리에서 예외를 처리한다.
왜 지금 전환이 일어나는가
이 전환은 모델이 갑자기 똑똑해져서라기보다, 모델을 도구·데이터와 엮어 여러 단계를 돌리는 방식이 성숙해졌기 때문이다. Anthropic 보고서는 이 대목을 분명히 한다. "에이전트 도입은 더 이상 모델 성능에 의해 제한되지 않는다"는 것이다. 실제로 응답 조직의 57%가 이미 다단계(multi-step) 에이전트 워크플로를 운용하고 있고, 16%는 여러 팀에 걸친 교차기능(cross-functional) 프로세스까지 나아갔다 [출처: Anthropic, 2025].
이 두 숫자는 따로 볼 때보다 나란히 놓을 때 더 많은 것을 말한다. 과반이 단답에서 여러 단계의 연쇄로 넘어갔지만 팀 경계를 넘긴 곳은 소수에 그치는데, 이 격차는 주로 기술의 문제가 아니다. 여러 단계를 이어 돌리는 것은 엔지니어링의 성취지만, 팀을 가로지르는 프로세스를 돌리려면 여러 시스템과 여러 권한 체계, 그리고 워크플로의 한 조각씩을 나눠 쥔 여러 집단을 함께 건드려야 한다. 앞엣것은 역량 있는 팀이 만들 수 있고, 뒤엣것은 조직이 합의해야 한다.
실제로는 어떤 모습인가
구체적으로 그리면 이렇다. 지원 티켓을 받은 에이전트는 문제를 분류하고, 사내 지식베이스와 로그를 조회하고, 필요한 설정을 바꾼 뒤, 스스로 해결하지 못하는 사안만 담당자에게 넘긴다. Gartner는 태스크특화 에이전트가 개발 자동화, 인시던트 관리, 지원 케이스 해결 같은 일을 '사람 개입 없이' 수행하게 될 것으로 전망했다 [출처: Gartner, 2025]. 코파일럿이 초안을 건네고 멈춘다면, 에이전트는 그 초안을 실행에 옮기고 결과까지 확인하려 한다. 다만 이는 목표 지점이지 오늘의 표준은 아니다.
이 Gartner 문장이 어느 층위에 속하는지는 짚어 두자. '사람 개입 없이'는 조사기관이 태스크특화 에이전트에 기대하는 바이지, 오늘 사람 손 없이 닫힌 티켓을 집계한 수치가 아니다. 그래도 예시로는 쓸모가 있다. 응답에 실행이 무엇을 더하는지 보여주기 때문이다. 에이전트는 상태를 읽고, 상태를 바꾸고, 멈출 때를 알아야 한다. 코파일럿은 그 셋에 대해 글을 쓰기만 하면 된다.
자율성은 스위치가 아니라 스펙트럼이다
다만 한 가지는 분명히 해 두는 편이 좋다. '에이전트'는 켜고 끄는 스위치가 아니라 스펙트럼이다. 같은 이름을 달았어도 어떤 에이전트는 정해진 한 가지 작업만 자동화하고, 어떤 에이전트는 여러 시스템을 넘나들며 판단한다. 뒤에서 보겠지만, 현재 대다수 배치는 이 스펙트럼의 낮은 쪽에 몰려 있다.
기업들도 이를 사다리로 읽는 듯하다. 같은 Anthropic 설문에서 81%가 2026년 중 더 복잡한 활용으로 확장할 계획이라고 답했는데, 39%는 다단계 워크플로 쪽이고 29%는 팀을 가로지르는 교차기능 프로세스 쪽이다 [출처: Anthropic, 2025]. 이는 밝힌 의도이므로 측정이 아니라 전망 층위다. 다만 그 모양새는 시사적이다. 기업들은 다음 수를 완전 자율로의 도약이 아니라 같은 사다리의 한 칸 위로 그린다.
자율성의 다섯 층위 — 2026은 어디쯤인가
Gartner가 제시한 다섯 단계
자율성을 과장 없이 이야기하려면 층위가 필요하다. 시장조사기관 Gartner는 2025년 8월 예측에서 엔터프라이즈 앱 안의 AI가 다음 다섯 단계로 진화한다고 전망했다 [출처: Gartner, 2025]. 이는 실측이 아니라 예측임을 먼저 밝혀 둔다.
- 2025년 말 — 거의 모든 엔터프라이즈 앱에 AI 어시스턴트(코파일럿)가 내장된다.
- 2026년 — 앱의 40%가 특정 업무를 전담하는 태스크특화(task-specific) 에이전트를 탑재한다.
- 2027년 — 구현 사례의 약 3분의 1이 복잡한 작업에 협업형(collaborative) 에이전트를 쓴다.
- 2028년 — 다중 에이전트 생태계가 여러 앱을 넘나들며 동적으로 협업한다.
- 2029년 — 지식노동자의 최소 절반이 필요할 때마다 에이전트를 직접 만들고 통제·배치한다.
목록을 죽 훑으면 각 칸이 무엇을 더하는지 보인다. 첫 칸은 업무 옆에 어시스턴트를 붙이고, 둘째 칸은 경계가 정해진 일을 처음부터 끝까지 넘긴다. 셋째 칸은 복잡한 작업 하나에 여러 에이전트를 협업시키고, 넷째 칸은 앱의 경계를 지우며, 다섯째 칸은 만드는 주체를 노동자에게 옮긴다. 각 단계는 범위 아니면 만드는 주체를 더한다. 그리고 이런 예측에서 오래 남는 부분은 달력이 아니라 순서다.
2026년 이정표가 중요한 이유
여기서 Gartner는 2026년 말까지 엔터프라이즈 앱의 40%가 태스크특화 에이전트를 탑재할 것으로 봤는데, 2025년의 5% 미만에서 뛰어오르는 수치다 [출처: Gartner, 2025]. 주목할 점은 위치다. 2026년의 이정표는 '태스크특화' 에이전트이지, 헤드라인이 즐겨 쓰는 '멀티 에이전트'가 아니다. Gartner의 로드맵상 다중 에이전트 생태계가 무르익는 시점은 2028년(4단계)에 가깝다. 즉 2026년을 '멀티 에이전트의 해'라고 부르는 표현은 방향은 맞되 시점은 앞서 있는 셈이다.
먼 끝의 숫자, 어떻게 다룰까
Gartner는 이 사다리의 먼 끝에도 숫자를 붙였다. 최선의 시나리오를 가정하면 에이전틱 AI가 2035년까지 엔터프라이즈 소프트웨어 매출의 약 30%, 금액으로는 4,500억 달러가 넘는 몫을 차지할 수 있다고 봤다. 2025년의 약 2%에서 올라가는 수치다 [출처: Gartner, 2025]. 이 숫자에는 떼면 안 되는 꼬리표가 둘 붙는다. 낙관 시나리오라는 것, 그리고 시계가 10년 뒤라는 것이다. 그래서 이 글에서 가장 검증하기 어려운 수치이기도 하다. 한 기관이 가능하다고 보는 규모의 그림이지 계획표는 아니다. 반면 40%라는 수치는 2026년 말을 가리키므로 1년 안에 확인할 수 있다.
성과는 실재하나 — 무엇이 측정됐나
80%가 실제로 말하는 것
그렇다면 성과는 실재할까. Anthropic 보고서에서 가장 눈에 띄는 수치는 80%다. 응답 조직의 80%가 AI 에이전트 투자에서 이미 측정 가능한 경제적 성과를 보고했고, 88%는 2026년에도 그 성과가 유지되거나 늘 것으로 기대했다 [출처: Anthropic, 2025]. 다만 이 숫자는 기업들이 스스로 응답한 설문 결과이지, 외부 감사를 거친 회계 수치가 아니라는 점을 함께 읽어야 한다. "성과를 보고했다"와 "성과가 독립 검증됐다"는 다른 층위의 진술이다.
이 수치가 무엇을 열어 둔 채 남기는지도 구체적으로 짚어 두는 편이 좋다. 자기보고된 '측정 가능한 경제적 성과'는 그 조직이 내세울 만한 숫자를 갖고 있다고 믿는다는 뜻이지, 그 숫자가 얼마인지, 어떻게 계산됐는지, 바깥의 누군가가 확인했는지를 말해 주지는 않는다. 설문이 잰 것은 '그렇다'고 답한 조직이 몇 곳인가이며, 이는 분명한 측정이되 창출된 가치의 측정과는 다른 것이다. 그 공백도 그림의 일부다. 오늘 확보 가능한 가장 강한 광범위 근거가 규모가 크고 일관된 자기보고라는 사실 말이다.
코딩이 최전선이다
성과가 가장 뚜렷한 최전선은 소프트웨어 개발이다. 같은 보고서에서 조직의 약 90%가 개발 보조에 AI를 사용한다고 답했고, 86%는 프로덕션 코드에 에이전트를 배치하고 있다고 밝혔다 [출처: Anthropic, 2025]. 코드는 결과를 테스트로 즉시 검증할 수 있어 에이전트가 자리 잡기 좋은 영역이다.
두 수치의 간격이 좁다는 점이 흥미롭다. 개발자를 돕는 데 AI를 쓰는 것과 실제로 나가는 코드를 에이전트가 건드리게 두는 것은 신뢰의 층이 다른데도, 뒤쪽이 앞쪽보다 불과 몇 포인트 아래에 있다 [출처: Anthropic, 2025]. 대부분의 영역에서 '쓴다'와 '실물에 손대게 둔다' 사이의 낙차는 훨씬 크다. 이유는 검증에 있을 것이다. 코드에는 테스트와 리뷰와 버전 이력이 딸려 온다. 잘못을 나가기 전에 잡고, 나갔더라도 되돌릴 장치가 이미 갖춰져 있다는 뜻이다.
성과를 정직하게 읽는 법
정리하면 성과의 방향은 분명하다. 다수 기업이 실제 이득을 체감하고 있으며, 그 이득을 특정 도메인(특히 코딩)에서 먼저 보고한다. 하지만 '얼마나' 이득인지는 자기보고 수준에서 조심스럽게 받아들이는 편이 정확하다.
같은 두 숫자 안에는 구분이 하나 더 들어 있다. 80%는 이미 벌어진 일을 말하고, 2026년까지 성과가 유지되거나 늘 것으로 기대한 88%는 아직 벌어지지 않은 일을 말한다 [출처: Anthropic, 2025]. 기대는 설문이 담기에 가장 쉽고 책임을 묻기에 가장 어려운 항목이다. 둘을 갈라 두면 흔한 오독을 막을 수 있다. 강한 전망을 강한 실적으로 읽는 오독 말이다.
진짜 장벽은 모델이 아니다
네 가지 장벽과 그 공통점
에이전트 도입이 어렵다면 그 이유는 무엇일까. 흥미롭게도 답은 '모델이 덜 똑똑해서'가 아니다. Anthropic 조사에서 조직들이 꼽은 최대 장벽은 기존 시스템과의 통합(46%)이었고, 그다음이 데이터 접근·품질(42%), 보안·컴플라이언스(40%), 변화관리(39%) 순이었다 [출처: Anthropic, 2025]. 상위 장벽이 모두 모델 밖의 문제, 즉 데이터와 시스템과 조직의 문제라는 점이 핵심이다.
네 수치가 얼마나 촘촘히 붙어 있는지 보자. 46, 42, 40, 39다 [출처: Anthropic, 2025]. 모두가 부딪히는 벽이 하나뿐이라면 오히려 쉬운 문제일 텐데, 실제로는 무게가 엇비슷한 장애물이 무리를 이루고 있다. 시스템에 연결하는 일, 그 안의 데이터를 믿는 일, 그것을 규율하는 규칙을 만족시키는 일, 그리고 그것을 쓰는 사람들을 설득하는 일은 같은 과업의 네 얼굴이다. 어느 것도 더 좋은 모델로 풀리지 않는다.
병목은 옮겨갔다
이는 앞서 인용한 문장과 맞물린다. 모델 지능은 더 이상 에이전트를 프로덕션에 올리는 1차 병목이 아니라는 것이다 [출처: Anthropic, 2025]. 병목은 모델 성능에서 운영 인프라로 옮겨갔다. 에이전트가 실제로 일하려면 사내 시스템에 안전하게 연결되고, 신뢰할 만한 데이터를 읽고, 권한과 감사 체계 안에서 움직여야 한다. 화려한 데모와 매일 도는 프로덕션 사이의 거리는 대개 여기에서 벌어진다.
'운영 인프라'는 추상적으로 들리지만 뜯어보면 하나하나가 구체적이다. 에이전트에게는 사람이 손으로 자료를 옮겨 주는 대신 사내 시스템으로 들어가는 인증된 경로가 필요하다. 안전할 만큼 좁고 쓸모 있을 만큼 넓은 권한도 필요하다. 행동의 근거가 될 만큼 최신인 데이터도 필요하다. 낡은 기록을 읽은 에이전트는 사람처럼 머뭇거리지 않기 때문이다. 무엇을 했는지 남는 기록도 필요하다. 아무도 되짚어 볼 수 없는 행동은 아무도 승인할 수 없다. 데모는 이 거의 전부를 건너뛴다. 정돈된 데이터, 잘 돌아가도록 고른 범위, 옆에서 개입할 사람이 있다. 반면 프로덕션은 지켜보는 사람 없이 모든 요건을 만족시켜야 한다. 데모에서 보인 성능 자체는 진짜다. 데모가 생략한 것은 그 둘레의 장치이고, 몇 달이 걸리는 곳도 바로 거기다.
배치는 빨라도 조율은 느리다
12개의 에이전트, 그 절반은 홀로
배치 속도와 조율 성숙도는 별개다. Salesforce가 2026년 초 발표한 Connectivity Benchmark Report(전 세계 IT 리더 1,050명 조사)에 따르면, 평균적인 기업은 이미 약 12개의 AI 에이전트를 운용하며 이 숫자는 2년 안에 약 67% 늘 것으로 전망된다. 그런데 그 에이전트의 절반가량은 서로 단절된 채 고립되어 작동한다 — 다른 에이전트나 중앙 통제와 연결되지 않은 상태다 [출처: Salesforce, 2026].
이 수치들이 나온 조사는 이름을 밝혀 둘 만하다. 방법론이 숫자의 무게를 정하기 때문이다. Salesforce의 열한 번째 연례 Connectivity Benchmark로, 조사기관 Vanson Bourne과 함께 전 세계 IT 리더 1,050명을 대상으로 2025년 10~11월에 진행했다 [출처: Salesforce, 2026]. 보고된 증가율대로라면 평균적인 기업은 2027년쯤 20개에 가까운 에이전트를 굴리게 된다. 측정된 값에서 앞으로 밀어 본 전망이다 [출처: Salesforce, 2026]. 다만 눈에 띄는 대목은 개수가 아니다. 한 번에 하나씩 붙이다 열두 개에 이르렀는데도 그것들을 하나의 시스템으로 보는 그림은 여전히 없을 수 있다는 점이다.
거버넌스 공백
이 그림은 Anthropic의 수치와 정확히 맞물린다. 다단계 워크플로를 돌리는 곳은 많아도(57%), 여러 팀에 걸친 교차기능 프로세스까지 간 곳은 16%에 그친다 [출처: Anthropic, 2025]. 배치는 빠르지만 조율은 뒤처져 있다는 뜻이다. Salesforce 조사에서 에이전트 배치를 포괄하는 공식 거버넌스 프레임워크를 갖춘 조직이 54%에 불과하다는 사실도 같은 방향을 가리킨다. 배치가 통제 체계를 앞질러, 이른바 '섀도 AI(shadow AI)'라는 관리 사각지대를 만든다 [출처: Salesforce, 2026].
Salesforce의 두 수치를 나란히 놓으면 격차가 드러난다. 조직의 89%가 대부분 또는 모든 팀에 에이전트를 배치하고 있다고 답한 반면, 그 배치를 포괄하는 공식 거버넌스 프레임워크를 갖췄다는 응답은 54%였다 [출처: Salesforce, 2026]. 두 문항이 같은 응답자를 항목별로 따라간 것은 아니므로, 그 사이의 거리를 거버넌스 없는 기업의 정확한 수로 읽을 수는 없다. 그래도 현장의 묘사로는 놓치기 어렵다. 넓은 배치는 거의 보편이고 공식 거버넌스는 그렇지 않다. '섀도 AI'가 가리키는 것이 바로 이것이다. 아무도 전체 목록을 갖고 있지 않은 에이전트들 말이다.
낙관의 독법과 신중의 독법
여기서 관점의 균형이 필요하다. Gartner가 앱 침투율과 시장 규모로 낙관을 그린다면, Forrester는 더 신중하다. Forrester는 2026년 보고에서 엔터프라이즈 리더의 약 4분의 3이 에이전틱 AI를 도입 중이라고 답했지만, 의미 있는 프로덕션 수준으로 돌린 곳은 소수이고 진정한 대규모 다중 에이전트 시스템은 더 드물다고 지적했다 [출처: Forrester, 2026]. Forrester는 "기술은 폭주 기관차이고 엔터프라이즈는 그것이 끌어야 할 무거운 짐"이라며, 진짜 제약은 모델이 아니라 리스크 관리와 거버넌스라고 봤다. 실제로 보안 의사결정권자의 49%가 에이전틱 AI를 우려로 꼽았다 [출처: Forrester, 2026]. 도입률과 성숙도는 같은 말이 아니다.
두 독법은 보이는 것만큼 서로 충돌하지 않는다. 답하는 질문이 다르기 때문이다. Gartner는 소프트웨어를 센다. 몇 개의 애플리케이션이 에이전트를 품고 나오는가다. Forrester는 조직을 평가한다. 몇 곳이 규모 있게 의미 있는 일을 시키고 있는가다. 둘은 동시에 성립할 수 있다. 태스크특화 에이전트를 내장한 애플리케이션이 나와도, 그것을 쓰는 기업은 조율된 다중 에이전트 시스템과는 한참 멀 수 있다.
무엇을 지켜볼까
정리하면 2026년은 코파일럿에서 에이전트로 무게중심이 실제로 이동하기 시작한 해다. 검증된 사실은 이렇다. 다수 조직이 에이전트에서 측정 가능한 성과를 보고했고(80%), 다단계 워크플로가 절반을 넘겼으며(57%), 코딩이 그 최전선이다(개발 보조 90%). 동시에 남는 물음도 분명하다. 가장 큰 장벽은 모델이 아니라 통합·데이터·거버넌스이고(통합 46%), 여러 팀을 넘나드는 교차기능 자동화는 아직 소수(16%)이며, 에이전트의 절반은 서로 고립돼 돌아간다.
이 분야를 좇는다면, 다음 헤드라인 숫자가 나왔을 때 세 가지 물음이 대부분을 갈라 준다. 누가 쟀는가 — 스스로를 두고 답한 조직인가, 바깥의 제3자인가. 어느 층위인가 — 측정인가, 전망인가, 평가인가. 그리고 도입을 말하는가 규모를 말하는가 — 에이전트를 배치했다는 뜻인가, 여러 팀에 걸쳐 의미 있는 일을 하고 있다는 뜻인가. 낙관과 신중이 갈리는 대목은 대개 어느 물음에 답한 것이냐의 차이로 정리된다.
앞으로 지켜볼 지점은 세 가지다. 첫째, 단일 태스크를 자동화하는 오늘의 에이전트가 서로 조율되는 다중 에이전트 시스템으로 무르익을지 — Gartner의 로드맵대로라면 2027~2028년이 분기점이다. 둘째, 진짜 병목인 통합·데이터·거버넌스가 풀릴지, 아니면 배치 속도가 계속 통제를 앞지를지. 셋째, 오늘의 자기보고 성과가 시간이 지나 독립적으로 검증되는 지속적 성과로 남을지다. 코파일럿은 사람을 도왔고, 에이전트는 일을 대신 실행하기 시작했다. 그 실행이 얼마나 믿을 만하고 잘 다스려지는지가 다음 이야기가 될 것이다.