도미노 데이터 랩(Domino Data Lab Inc.) 최고경영자 토머스 로빈슨(Thomas Robinson)은 기업용 AI의 투자 성과가 모델 자체보다 매출·혁신·위험관리가 이뤄지는 핵심 업무 프로세스에 AI를 통합하는 데서 나와야 한다고 주장했다. 조직의 57%는 여전히 AI 지출을 웃도는 수익을 내는 데 어려움을 겪고 있다는 설명이다.
실리콘앵글(SiliconANGLE)은 8월 28일 더큐브(theCUBE) 인터뷰를 통해 이 같은 발언을 전했다. 로빈슨 CEO는 제약 연구, 금융 서비스, 국가안보처럼 잘못된 답변이 실제 결과로 이어지는 산업에서 이른바 ‘마지막 단계’의 격차가 특히 크다고 말했다. AI 기술이 생산 환경에 도입되고도 수익과 혁신, 비용 절감이 발생하는 업무까지 연결되지 못하는 경우가 많다는 것이다.
지난 몇 년간 기업의 AI 도입은 이메일 초안 작성이나 마케팅 문구 제작처럼 개인의 데스크톱 생산성을 높이는 용도에 집중됐다고 로빈슨 CEO는 설명했다. 그러나 이런 작업은 기업이 매출을 만들고 잃는 지점이나 신제품을 개발하고 비용을 줄이는 핵심 영역이 아니라는 주장이다. 그는 AI를 기업의 고위험·핵심 업무 프로세스에 적용해야 한다고 강조했다.
성과 측정 방식도 문제로 지목됐다. 좌석 수, 토큰 사용량, 단순 도입률을 세는 방식은 기업이 얼마를 지출할지 보여줄 뿐, 얼마를 벌었는지는 설명하지 못한다는 것이다. AI 프로젝트를 처음부터 비용 절감 과제로만 규정하면 기대할 수 있는 효과도 비용의 100% 절감 수준으로 제한된다고 로빈슨 CEO는 말했다. 반면 도미노 데이터 랩 고객 가운데 앞서가는 기업들은 1~5년 뒤의 신제품 개발과 미래 혁신, 매출 확대를 AI의 목표로 삼고 있다고 덧붙였다.
신뢰 확보는 에이전트형(agentic) AI가 확산되는 과정에서 또 다른 제약으로 제시됐다. 로빈슨 CEO에 따르면 조직의 약 41%가 이를 관리할 거버넌스 없이 에이전트형 AI를 시험하거나 확대하고 있다. 도미노 데이터 랩은 대응 방안으로 세 단계 체계를 제시했다. 정책 엔진이 프로젝트 시작부터 제공 단계까지 통제하고, 생산 환경에서 지속적으로 활동을 감시·추적하며, 결과에 책임지는 사람을 두는 방식이다. 그는 일부 모델이 추론 모델로 불리더라도 현재로서는 환각보다 인간의 판단을 더 신뢰해야 한다고 말했다.
로빈슨 CEO는 이에 따라 기업용 AI의 가치가 모델 자체에서 통합, 거버넌스, 업무흐름으로 이동할 것으로 내다봤다. 모델 제공업체들이 자체적으로 현장 배치 엔지니어링 조직을 만드는 움직임이 이런 변화를 보여주는 사례라는 설명이다. 더 나은 AI 모델만으로 격차를 메우겠다는 것이 아니라, 기업에 직접 들어가 디지털 전환과 기술 적용을 수행할 인력을 확보하고 있다는 것이다. 해당 인터뷰는 실리콘앵글 미디어의 더큐브가 진행했으며, 이 코너는 도미노 데이터 랩의 후원을 받았지만 회사와 다른 후원사들은 콘텐츠 편집에 관여하지 않았다고 실리콘앵글은 밝혔다.