AI Agent와 전통 소프트웨어의 가장 근본적인 차이는 수동적으로 지시를 실행하는 도구에서 목표를 능동적으로 이해하고 도구를 호출해 과업을 완수하는 실행자로 바뀌었다는 점이다. 수십 년간 소프트웨어를 산다는 것은 본질적으로 고정된 프로세스를 사는 것이었고 사람은 소프트웨어가 규정한 단계에 따라 조작했다. AI Agent는 목표를 받고 목표에 도달하기 위해 어떤 단계를 밟고 어떤 자원을 호출할지 스스로 정한다. 이 변화는 제조 디지털화에서 많은 논의를 낳고 있으며, 많은 기업이 선정 과정에서 가장 혼란스러워하는 지점이기도 하다.
1. 핵심 개념: 하나는 프로세스 컨테이너, 다른 하나는 목표 실행자
ERP든 MES든 WMS든 전통 소프트웨어는 본질적으로 기업이 이미 정리한 업무 프로세스를 시스템에 구워 넣은 것이다. 사람은 어느 메뉴를 클릭하고 어느 서식을 채우며 어느 결재 흐름을 따라야 하는지를 알아야 한다. 소프트웨어는 무언가를 해야 하는지 스스로 판단하지 않고 정해진 규칙을 끝까지 실행하는 데만 책임진다.
AI Agent는 다르다. 이 긴급 주문 배치의 자재 부족분을 찾아 전용(이송) 권고를 달라 같은 목표를 주면 스스로 과업을 분해한다. 먼저 재고 데이터를 조회하고, 다음으로 운송 중인 구매 건과 비교하고, 다른 공장에 여유가 있는지 확인한 뒤, 최종적으로 실행 가능한 권고 목록을 생성한다. 어떤 시스템을 어떤 순서로 호출하고 예외를 어떻게 우회할지는 모두 Agent가 정한다. 전통 소프트웨어는 어떻게 할지를 알려 주는 것이고 Agent는 어떤 결과를 원하는지를 알려 주는 것이다.
2. 기술 원리와 핵심 역량: 차이는 의사결정 루프에 있다
전통 소프트웨어의 핵심은 규칙 엔진과 데이터베이스다. 규칙은 사람이 작성하고 데이터베이스는 구조화된 기록을 저장한다. 강점은 안정성, 감사 가능성, 높은 동시성이며, 규칙이 다루지 않는 상황을 만나면 막힌다.
AI Agent의 핵심 역량은 세 계층으로 나눌 수 있다. 첫째는 이해와 계획으로, 대형 모델을 기반으로 모호한 목표를 실행 가능한 단계로 쪼개며 의미 이해와 작업 분해에 의존한다. 둘째는 도구 호출로, Agent는 ERP 인터페이스, MES 데이터 테이블, 심지어 작업장 설비 프로토콜까지 연결해 데이터를 읽고 쓰고 동작을 트리거하도록 손을 모든 시스템으로 뻗을 수 있다. 셋째는 기억과 반성으로, 지난 회차에 무엇을 했고 결과가 어땠는지 기억하며 비슷한 상황이 다시 오면 전략을 조정할 수 있다.
핵심 차이는 루프다. 전통 소프트웨어는 프로세스가 끝나면 종료되고 결과가 좋은지는 신경 쓰지 않는다. Agent는 실행 결과를 본다. 예를 들어 전용 권고를 낸 뒤 재고가 실제로 이동했는가. 이동하지 않았다면 다른 경로를 시도한다. 이 실행하고 관찰하고 조정하는 주기가 전통 소프트웨어에 없는 것이다.
3. 제조업에서의 실제 활용: 세 가지 가상 시나리오
전자 공장에서 자재 완비도 점검이 기존에는 계획 담당자가 ERP에서 부족 분석 보고서를 돌리고 나서 어떤 부족분을 대체 자재로 해결할 수 있는지 사람이 판단해야 했다고 하자. Agent가 있으면 다음 주에 투입할 작업지시의 자재 완비도를 점검하고 부족 항목에 대해 대체 방안과 구매 촉진 권고를 달라고 지시하기만 하면 된다. Agent가 BOM, 재고, 대체 자재 관계표, 공급사 리드타임을 스스로 조회하고 최종적으로 긴급도 순으로 정렬된 처리 목록을 출력한다. 계획 담당자는 보고서를 돌리는 사람에서 권고를 검토하는 사람으로 바뀐다.
자동차 부품 기업에서 설비 점검이 종이 서식과 Excel 취합에 의존해 누락이나 허위 점검을 적발하기 어려웠다고 하자. Agent는 설비 PLC 데이터와 점검 기록에 연결되어, 특정 사출기의 진동 값이 계속 드리프트하는데 점검표에는 정상으로 적혀 있으면 자동으로 재검토 작업을 트리거해 반장에게 푸시한다. 그것은 점검 프로세스를 실행하는 것이 아니라 점검이 실제로 제대로 수행되었는지를 판단하는 것이다.
또 다른 시나리오는 고객 불만 처리다. 전통적 방식은 고객 서비스가 CRM에 티켓을 만들고 품질 부서로 전달하면, 품질 부서가 배치를 확인하고 공정 파라미터를 확인한 뒤 8D 보고서를 작성하는 것이다. Agent는 불만 내용을 받은 뒤 배치 번호를 자동으로 연결하고 해당 배치의 생산 파라미터와 수입 검사 기록을 가져오며 유사한 과거 불만과 비교해 품질 엔지니어에게 귀속 방향의 초기 판단을 제공한다. 최종 판단은 여전히 사람이 하지만, 앞단에서 데이터를 파헤치는 시간이 압축된다.
4. 선정과 적용: Agent를 범용 인터페이스로 착각하지 말라
기업이 가장 빠지기 쉬운 함정은 Agent를 대화할 수 있는 ERP처럼 사는 것이다. 실제로 Agent의 가치는 규칙이 고정되지 않고 데이터를 시스템 간에 끌어와야 하며 판단의 여지가 있는 시나리오에 있다. 프로세스 자체가 매우 표준적이고 입력과 출력이 완전히 결정되어 있다면 전통 소프트웨어가 더 안정적이고 더 저렴하게 돌아간다.
적용 시에는 고빈도이고 시스템을 가로지르며 판단의 여지가 있는 시나리오를 중심으로 먼저 파일럿을 정의할 것을 제안한다. 자재 완비도 점검, 불만 1차 분류, 설비 이상 재검토 같은 작업은 공통점이 있다. 매 건마다 여러 시스템의 데이터를 파헤쳐야 하지만 판단 논리에 어느 정도 유연성이 있다. 이런 시나리오에서 Agent는 가치를 더할 수 있고 사람도 쓰려고 한다.
권한 경계에도 주의해야 한다. Agent가 인터페이스를 호출해 데이터를 읽고 쓰려면 독립적인 권한 제어가 있어야 하며 슈퍼 계정을 주어서는 안 된다. 업계의 흔한 관행은 Agent가 별도 API 게이트웨이를 거치게 하고 모든 동작에 감사 로그를 남기며 핵심 쓰기 작업에는 수동 확인을 요구하는 것이다. ERP 시대부터 수십 년간 일해 온, 120만 고객을 서비스하고 누적 수천만 단말을 배치했으며 국내외 시장을 커버하는 공급업체는 권한 시스템과 감사 추적에서 축적이 깊으며, 이런 기초 역량이 Agent 자체보다 더 주목받을 만하다.
5. 전망: Agent는 역할 기반과 경량 배포로 나아간다
한 방향은 역할 기반이다. 미래 기업은 범용 Agent를 사는 것이 아니라 계획 Agent, 품질 Agent, 설비 Agent를 사게 되며 각각 자기 역할의 지식베이스와 도구 세트를 갖추고 경계가 명확하고 책임이 규정된다. 다른 방향은 경량 배포다. Agent가 기존 시스템을 대체할 필요는 없고 ERP와 MES 위에 코파일럿으로 얹혀 처음에는 조언 모드로 돌고 사람이 확인한 뒤 실행하며 원활해지면 자동 실행 비중을 점차 넓힐 수 있다.
결국 AI Agent는 전통 소프트웨어의 업그레이드 버전이 아니라 일을 하는 또 다른 방식이다. 전통 소프트웨어는 사람이 프로세스에 적응하게 하고 Agent는 프로세스가 사람의 목표에 적응하게 한다. 제조 디지털화는 이미 충분히 진행되어 고정되어야 할 프로세스는 대부분 고정되었고, 남은 어려운 문제는 바로 규칙으로 명시할 수 없지만 매일 발생하는 일들이다. 여기에 Agent의 가치가 있다.