운영 민첩성 높이려는 현장 산업···14인의 기술 리더가 말하는 ‘모바일 AI 에이전트’의 잠재력

1세대 모바일 애플리케이션 대부분은 웹 버전의 단순한 이식에 불과했다. 사용자 경험은 부족했고 성능은 느렸으며 도입률도 낮았다. 이에 따라 기업들은 비즈니스 목표와 구현 전략을 재정립할 수밖에 없었다. 이후 개발 도구가 발전하면서, 기업들은 ‘모바일 우선(Mobile First)’ 전략을 채택해 특정 사용자 유형과 업무 환경에 맞춘 스마트폰 및 태블릿 앱을 설계하기 시작했다.

그리고 오늘날, 유사한 변화의 흐름이 다시 나타나고 있다. 에이전트형 AI 기능이 도입되면서 새로운 모바일 AI 경험이 본격화되고 있다. 건설, 제조, 의료를 비롯해 현장 중심 업무가 많은 산업은 모바일 AI 에이전트를 통해 운영 민첩성을 크게 향상시킬 수 있을 것으로 기대된다.

모바일 AI 에이전트, 도입할 시점일까?

디지털 전환을 선도하는 조직이라면 현재 운영 중인 모바일 애플리케이션과 확산된 SaaS 도구를 점검해, AI 기능과 에이전트형 AI 경험이 가장 효과적으로 적용될 수 있는 영역을 선별해야 한다. 고려할 요소는 다음과 같다.

• 핵심 현장 업무 프로세스를 지원하는 애플리케이션의 전체 비즈니스 가치
• 현장 인력의 수와 본사와의 접점 규모
• 현장 의사결정에서 요구되는 데이터 양과 시의성

실시간으로 다수 인력이 수행하고 데이터 양이 많은 미션 크리티컬한 워크플로우는 AI가 가장 큰 비즈니스 가치를 발휘할 수 있는 영역이다. 또 다른 기회는 디지털화되지 않았거나 현장과 본사를 연결하는 도구가 부족한 회색 영역의 작업을 파악하는 데 있다.

퀵베이스(Quickbase) 산하 모바일 입력 양식 솔루션 업체 패스트필드(FastField) 계정 디렉터 매슈 프라이는 “현장 업무에 AI를 도입하려 한다면, 우선 현장 팀과 본사를 양방향으로 연결할 수 있는 환경이 갖춰져야 한다”라며 “이 연결을 정비하고 데이터를 하나의 운영 플랫폼에 통합하는 것이 AI 도입의 핵심 기반이 된다. 이는 현장에서 보다 스마트한 의사결정을 가능케 하는 공통 정보 기반을 마련해 준다”라고 설명했다.

기술 리더는 시스템 아키텍처를 재검토하고, AI 기능 통합을 위한 기술 부채와 준비 상태를 점검해야 한다. 최근 조사에 따르면 제조업체의 92%는 노후화된 인프라가 생성형 AI 도입을 심각하게 방해하고 있다고 답했으며, 전체 인프라 준비 상태를 점검한 기업은 절반도 되지 않는다.

NTT데이터(NTT DATA) 제품 산업 공동 책임자 프라순 삭세나는 “레거시 시스템, 사이버 보안 취약점, 체계적인 거버넌스 부족은 AI 전환을 가로막는 주요 요인”이라며 “인프라 준비도, 인력 역량 강화, 윤리적 AI 관행에 집중하면 운영과 보안을 유지하면서도 생성형 AI의 혁신적 잠재력을 실현할 수 있다”라고 말했다.

모바일 AI 에이전트, 사용자 경험을 어떻게 바꿀까

현장용 모바일 앱은 주로 입력 양식, 체크리스트, 정보 조회, 대시보드, 보고서 등으로 구성된다. 이러한 앱은 현장 작업자에게 수행해야 할 작업을 안내하고, 작업 중 생기는 질문에 답하며, 본사의 기획·일정 팀에 필요한 정보를 제공하는 데 활용된다.

시뮬레이션 엔지니어링 소프트웨어 업체 알테어(Altair) 분석 및 IoT 부문 수석부사장 크리스찬 벅너는 “모바일 UX는 이제 소프트웨어를 탐색하는 시대에서, 소프트웨어와 협업하는 시대로 접어들고 있다”라며 “기존의 양식, 버튼, 정적인 메뉴는 사용자가 시스템에 적응하도록 만든 구조였지만, AI 비서는 이제 시스템이 사용자에게 적응하는 구조로 바꾸고 있다”라고 말했다.

앞으로 모바일 AI 앱은 메뉴와 고정된 워크플로우 대신, 프롬프트 기반 인터페이스와 개인화된 데이터 시각화를 중심으로 구성될 전망이다. AI는 사용자의 업무 맥락을 파악해 어떤 정보가 필요한지를 예측하고, 프롬프트 인터페이스는 정보 조회와 작업 업데이트 과정을 더욱 직관적으로 만들어줄 것이다.

벅너는 이어 “AI 비서가 소프트웨어의 입구 역할을 하게 되면, 현장 앱은 데스크톱 화면을 흉내 내는 것을 멈추고 진짜 팀원처럼 행동해야 한다”라며 “이 비서들은 단순히 데이터를 불러오는 것을 넘어, 사용자의 사고를 돕고, 복잡한 기술 매뉴얼을 요약하며, 문제의 근본 원인을 가정하고, 다음 조치를 제안하며, 심지어 해결책까지 함께 고민할 수 있다”고 설명했다. 그는 “현장에서는 본사에 전화할 일이 줄고, 답을 찾는 시간도 단축되며, 현장에서 바로 더 나은 결정을 내릴 수 있게 된다”라고 덧붙였다.

현장 업무에서의 에이전트형 AI 활용 사례

현장 서비스 관리 소프트웨어 업체자버 공동 설립자 겸 CTO 포레스트 자이슬러는 “AI 에이전트는 나무를 자르거나 배관을 고치진 못하지만, 전화 응대, 견적 작성, 미수금 관리, 대부분의 행정 업무는 처리할 수 있다”라며 “현장 인력이 본연의 기술에 집중할 수 있도록 도와준다”라고 설명했다.

에이전트형 AI의 한 가지 활용 사례는 행정 업무를 줄이는 것이다. 그러나 그 외에도 여러 기능이 현장 작업을 수동적인 대응 위주에서 능동적인 업무 중심으로 바꾸는 데 기여한다.

비용 및 지급 관리 플랫폼 업체 익스팬드AP(ExpandAP)의 설립자 겸 CEO 폴 웨넥은 “실시간 상황 기반 가이드, 예측적 작업 순서 안내, 다국어 지원을 위한 언어 처리 기능은 모바일 앱이 현장 인력에게 선제적이고 개인화된 지원을 제공할 수 있게 한다”라며 “이러한 생성형 AI 기반 앱은 단순히 반응하는 데 그치지 않고, 실시간으로 전반적인 상황을 조망할 수 있게 도와 가장 현명한 판단을 내릴 수 있도록 지원한다”라고 말했다. 이어 “현장의 모바일 앱은 사용자의 입력과 업무 조건에 따라 실시간으로 반응하는 유동적인 워크플로우를 제공해야 하며, 이는 고객 경험(CX) 향상과 생산성 증대로 이어진다”고 덧붙였다.

콜센터용 AI 대화 분석 플랫폼 옵저브AI(Observe.AI) 공동 설립자 겸 CEO 스와프닐 제인은 에이전트형 AI의 핵심 기능 중 하나로 위치 기반 데이터, 과거 이력, 센서 입력을 활용한 예측 지원 기능을 꼽았다. 그는 “예를 들어 한 전력 기술자가 외딴 현장을 방문할 때, AI는 해당 지역의 알려진 문제를 미리 제시하고, 날씨와 지형을 반영한 가장 안전한 경로를 추천하며, 관련 유지보수 이력을 불러오고, 검사 절차를 안내할 수 있다”라고 설명했다.

또 다른 활용 사례는 빠른 의사결정이 요구되는 환경과 잘못된 판단의 대가가 큰 상황에서 AI의 속도와 정확성을 활용하는 것이다. 이를 위해서는 방대한 지식 기반과 충분한 테스트가 필요하며, 올바르고 유효한 의사결정을 유도할 수 있어야 한다.

채팅 및 API 플랫폼 기업 센드버드(Sendbird) 공동 설립자 겸 CEO 존 S. 킴은 “의료나 금융처럼 단 몇 초가 중요한 산업에서는 생성형 AI가 안전성과 운영 속도를 높여 실수는 줄이고 의사결정은 빨라진다”라며 “그러나 근거 없는 결과를 피하려면 도메인 특화 데이터와 엔터프라이즈급 투명성이 반드시 함께 제공되어야 한다”라고 밝혔다.

AI 에이전트, 웨어러블, 5G가 만드는 고도화된 현장 역량

일부 현장 업무는 여러 지역에서 유사한 작업을 반복 수행하면서, 각 지역의 조건과 요구 사항에 유연하게 대응해야 한다. 반면, 보다 다양한 업무 유형을 수행하고 복잡한 현장 조건에 놓인 작업의 경우, 에이전트형 AI는 현장 엔지니어와 협력해 실시간 정보와 가이드를 제공하는 동반자 역할을 한다.

산업용 데이터 운영 플랫폼 업체 코그나이트(Cognite) 전략 프로젝트 부문 EVP 프랑수아 라보리는 “요즘은 문제 해결 과정에서 에이전트형 AI의 사용이 증가하고 있다”라며 “AI 에이전트가 사용자를 문제 해결 방향으로 유도하고, 관련 정보와 운영 권고안을 즉시 제공함으로써 현장 작업자가 바로 적용할 수 있도록 돕는다”라고 말했다. 그는 이어 “또한, 백그라운드에서 조용히 작동하며 점검과 평가를 수행하고, 적절한 시점에 사용자에게 알림을 제공하는 ‘앰비언트 에이전트’의 사용도 증가하고 있다”라며 “이는 중공업 분야에서 장비 고장을 예측하고, 유지보수 일정을 최적화하며, 리스크를 보다 효과적으로 관리할 수 있도록 지원한다”라고 설명했다.

학습과 지식 관리 애플리케이션도 고성능 태블릿, 5G 네트워크 연결, AR/VR 및 기타 웨어러블 장비의 활용을 통해 단순한 가능성에서 실제 운영상의 차별화 요소로 자리잡고 있다.

제조 및 산업 기기 예측 유지보수 솔루션 업체 오거리(Augury) 전략 부문 부사장 아르템 크루페네프는 “생성형 AI 기반 에이전트는 텍스트, 음성, 동영상 튜토리얼, AR 오버레이 등 멀티모달 방식으로 장비 위에 직접 가이드를 제공함으로써 현장 기술자의 역량을 끌어올린다”라며 “전문성을 민주화하고 지식을 원활하게 이전함으로써, 모든 기술자가 전문가 수준의 숙련도를 발휘할 수 있게 된다”고 말했다. 그는 “초기 도입 단계에서는 신뢰성과 의존성 문제 같은 리스크가 존재하지만, 다운타임 감소, 안전성 향상, 운영 비용 절감이라는 이점은 경쟁력 있는 현장 운영에 있어 에이전트형 AI를 필수 요소로 만든다”라고 강조했다.

AI 에이전트 도입의 리스크, 어떻게 대비할 것인가

생성형 AI, 가상 비서, AI 에이전트에 대한 기대감은 크지만, IT 리더는 모바일 현장 애플리케이션을 에이전트형 업무 환경으로 전환할 때 보다 현실적인 접근이 필요하다. 특히 시간 추적, 커뮤니케이션, 업무 리포팅처럼 산업별 요구사항이 낮은 영역부터 벤더 앱에 초기 적용될 가능성이 크다.

SaaS 플랫폼이 에이전트형 기능을 발표하더라도, 데이터 팀은 해당 플랫폼의 데이터 양과 품질이 AI 모델을 뒷받침할 수 있을지 반드시 평가해야 한다.

매니지엔진(ManageEngine) AI 연구 디렉터 람프라카시 라마무르티는 “완전하고 정확한 데이터가 없으면 AI 에이전트는 신뢰할 수 없는 결과를 도출할 수 있다”라며 “기본 탑재 기능만으로는 복잡한 환경에서 요구되는 문맥 기반 워크플로우와 운영 니즈를 충족하기 어렵다”고 설명했다.

데이터 프라이버시와 규제 이슈가 있는 경우에는 보다 철저한 검토가 요구된다. 특히 제3의 대규모 언어 모델(LLM) 및 AI 에이전트와 민감한 데이터를 공유해야 하는 현장 운영 사례에 대비해, 데이터 및 AI 거버넌스 체계를 재정비할 필요가 있다.

오라스케이프(Aurascape) 공동 설립자이자 제품 부사장 비스웨시 아난타크리슈난은 “민감한 데이터를 생성형 AI에 투입하면 데이터 유출, 라이선스 분쟁, 지식재산(IP) 노출, 규제 위반 등의 문제가 발생할 수 있다”라며 “특히 의료처럼 고객 데이터를 다루는 산업에서는 리스크가 매우 크고, 데이터가 잘못 처리될 경우 고객 경험(CX)에 치명적인 악영향을 줄 수 있다”고 경고했다. 이어 “건설, 에너지 등 핵심 인프라 산업 역시 오류 허용 여지가 거의 없다”고 덧붙였다.

정보보안 및 인프라 부서 또한 벤더를 재평가하고, 내부 인프라가 민감 정보를 다루는 에이전트형 기능을 감당할 수 있는 수준인지 점검해야 한다.

마이텔(Mitel) 대기업 R&D 책임자이자 CTO인 루이스 도밍고스는 “AI 초기 도입은 보안과 인프라 측면에서 리스크를 동반한다”라며 “혼란을 최소화하려면 사이버 보안, 확장 가능한 시스템, 견고한 거버넌스 체계, 단계적 도입 전략에 적극 투자해야 한다”고 조언했다.

산업별로 특화된 에이전트형 모바일 AI 경험을 구현하려면 더 많은 데이터, 테스트, 자본이 필요하다. 스크럿오토메이션(Scrut Automation) CISO 니콜라스 무이는 “수직 산업용 AI 에이전트는 엄청난 효율성을 제공할 수 있지만, 이를 실현하려면 명확한 문맥과 구조가 필요하다. 그렇지 않으면 오히려 방해 요소가 된다”고 말했다.

산업별 기능을 통해 실질적 가치를 얻기 위해서는 기존 모바일 앱에 단순히 AI를 추가하기보다는, 완전히 새로운 모바일 AI 경험을 구상하는 ‘블루 스카이’ 접근이 효과적이라는 것이 전문가들의 조언이다.

주퍼(Zuper) CEO 아난드 수바라지는 “제조, 건설, 의료, 에너지와 같은 산업에서 에이전트형 AI는 의사결정을 고도화하고, 안전성을 높이며, 업무를 간소화할 것”이라며 “하지만 초기 도입자들은 AI의 오류와 보안 허점이 실제 리스크라는 점을 반드시 인식해야 한다”고 강조했다. 그는 “성공하는 조직은 워크플로우를 근본적으로 재설계하고, 인간의 전문성과 AI 자율성을 결합해 더 똑똑하고, 더 안전하며, 더 강력한 운영 체계를 구축할 것”이라고 말했다.

가장 효과적인 출발점은 현장 기술자의 입장이 되어보는 것이다. 그들의 작업 방식을 관찰하고, 현재 모바일 앱을 어떻게 사용하는지 살펴보며, 점심을 함께하며 질문을 던져보는 것부터 시작하라. AI가 어떤 가치를 줄 수 있을지 직접 듣고, 일자리 불안이라는 두려움 없이 어떻게 개념을 전달할 수 있을지를 배우는 것이 중요하다. 가장 유망한 기회는 현장 기술자의 업무를 단순화하면서 고객에게 더 높은 가치를 제공할 수 있는 영역에 숨어 있다.
dl-ciokorea@foundryco.com