AI부터 비용 관리까지, 2026년 기업 기술 과제 5대 키워드

매년 이맘때면 ‘내년을 내다본다’는 제목의 기사들이 쏟아지며, 특정 집단은 무엇을 해야 하고 어떤 전문가는 무엇을 해야 한다고 말하는 식의 조언이 이어진다. 이번에는 관점을 달리해, 기술 구매에서 가장 중요한 주체라고 할 수 있는 한 집단이 실제로 무엇을 하겠다고 말하는지에 초점을 맞췄다. 필자는 기업을 대상으로 2026년 기술 우선순위에 대한 의견 284건을 수집했으며, 그 결과를 바탕으로 상위 다섯 가지를 정리했다.

1. AI 최적화와 불확실성

두 가지로 요약되는, 어찌 보면 예상 가능한 우선순위부터 살펴보자. 첫째는 211개 기업이 공통적으로 꼽은 최우선 과제로, AI 프로젝트의 가치를 극대화하기 위해 필요한 하드웨어, 소프트웨어, 데이터, 네트워크 도구를 구축하는 일이다. 둘째는 바로 그 도구가 무엇인지, 나아가 이를 명확하게 규정할 수 있는지에 대해 상당한 불확실성이 존재한다는 점이다.

211개 기업 가운데 대다수는 에이전트 형태의 AI에 초점을 맞추고 있다고 답했다. 다만 기업들은 에이전트 AI를 단일한 개념으로 보지 않는다. 직원이 오늘날의 챗봇 AI처럼 사용하는 인터랙티브 모델, 애플리케이션 워크플로 안에 또 하나의 소프트웨어처럼 들어가는 워크플로 모델, 그리고 애플리케이션 자체에 내장되는 임베디드 모델, 이렇게 세 가지로 구분해 인식해 왔다.

기업들은 워크플로 AI가 어떤 환경에서 실행되고 무엇과 연결되는지에 대해서는 비교적 이해하고 있다고 본다. 그러나 이 경우에도 워크플로에 새로 추가되는 AI 요소가 훨씬 폭넓은 데이터 소스에서 인사이트를 통합한다는 점에서 유용하다고 평가한다. 이론적으로 데이터는 어디에든 존재할 수 있기 때문이다. 나머지 두 가지 모델의 영향에 대해서는 불확실성이 더욱 크다는 반응이다.

임베디드 AI 에이전트는 주로 비즈니스 분석이나 네트워크·IT 운영 지원에 활용된다. 이들 용도는 AI를 기존 기능의 단순 확장으로 보이게 만들어, 인프라나 운영 방식에 대한 대대적인 재검토가 필요 없을 것처럼 여겨진다. 하지만 기업들의 평가는 다르다. AI 에이전트는 본질적으로 데이터 흡수력이 매우 강한 존재라는 것이다. 더 많은 정보와 더 일관된 정보를 원하며, 의사결정 과정에서 데이터의 가치나 가중치를 판단할 기준도 필요로 한다.

예를 들어 네트워크 운영용 AI 도구는 트래픽을 보다 정확히 예측하기 위해 계절별 매출 패턴 같은 정보까지 요구할 수 있다. 데이터 소스가 충분히 넓지 않으면 비즈니스 타당성을 확보할 만큼의 가치를 만들어내기 어렵다. 더 큰 문제는 AI가 데이터를 사용하는 방식이 모델의 작동 원리에 암묵적으로 포함돼 있다는 점이다. 기존 애플리케이션이 개발자의 명시적 호출에 따라 데이터를 사용하는 것과 달리, AI는 어떤 데이터를 요구할지 사전에 예측하기가 쉽지 않다.

가장 큰 위험 요소로 지목된 것은 인터랙티브 AI다. 기업들은 이 모델이 전체 직원의 약 10~15% 수준, 즉 단위 노동 가치가 가장 높은 인력에 한정될 것으로 보고 있다. 그럼에도 불구하고 개별 상호작용이 어떤 자원 수요를 발생시킬지는 거의 예측이 불가능하다고 본다. 한 IT 기획 담당자는 “질문 하나가 일반 애플리케이션을 일주일 동안 운영하는 것과 맞먹는 연산량과 데이터 사용량, 트래픽을 발생시킬 수 있다”고 언급하며, 이런 갑작스러운 자원 소모가 기업 전반의 IT 성능에 실제로 영향을 줄 수 있다고 설명했다.

또한 인터랙티브 에이전트는 광범위한 접근 권한을 요구할 수 있어 데이터 거버넌스 측면의 우려도 크다. 기업들은 에이전트에 모든 데이터 접근 권한을 부여해서는 안 된다는 데 의견을 같이한다. 이는 명백히 개인정보 보호와 거버넌스 리스크를 키울 뿐 아니라, 데이터 중복으로 인한 또 다른 위험을 초래할 수 있기 때문이다. 문제는 단순한 중복 제거를 넘어선다. 기업들은 상세 데이터와 요약 데이터, 이른바 파생 데이터를 혼합해 사용하는 것 자체를 권장하지 않는다. 서로 다른 수준의 데이터를 함께 사용할 경우, 의도치 않게 결과가 왜곡될 수 있다는 이유다. 한 기업은 “같은 상세 데이터를 바탕으로 만든 요약본 20개는 AI에게 20개의 서로 다른 정보원처럼 보일 수 있다”고 설명했다. 이런 맥락에서 데이터 흐름 애플리케이션 분야의 주요 기업인 컨플루언트를 IBM이 인수한 결정 역시 데이터 접근 통제와 거버넌스 이슈와 연관돼 있을 가능성이 제기된다.

2. 클라우드 백업

두 번째 우선순위 역시 최근 상황을 고려하면 예상 가능한 결과다. 의견을 제시한 284개 기업 가운데 173개 기업은 클라우드 장애 발생 시를 대비해 클라우드 구성 요소를 백업할 수 있는 전략이 필요하다고 답했다. 기업들은 이 문제가 경영진이 생각하는 것보다 훨씬 복잡하다고 인식하고 있다.

우선 실제로 무엇을 백업해야 하는지부터 판단해야 한다. IT 기획 담당자들은 대규모 클라우드나 인터넷 장애로부터 모든 것을 완벽하게 보호하는 것은 현실적으로 불가능하다고 보고 있다. 대부분의 클라우드 장애는 길어야 몇 시간 안에 복구되기 때문에, 일부 애플리케이션은 그대로 두고 상황이 해소되기를 기다리는 선택도 가능하다는 설명이다.

백업 대상이 정리되면 다음은 방법의 문제다. 멀티클라우드가 최선의 해법인지, 아니면 데이터센터에 일정 수준의 자체 역량을 구축하는 것이 나은지 검토해야 한다. 기업들은 어떤 형태로든 복원력을 확보하려면 일부 애플리케이션을 재설계해 클라우드 환경에서의 이식성을 높여야 할 수 있다고 본다. 이 과정에서 애플리케이션 데이터가 어디에 저장돼 있는지, 그리고 데이터 접근이 어떤 방식으로 연결돼 있는지도 함께 점검해야 한다는 지적이다.

3. 인프라 단순화

세 번째 우선순위는 인프라의 기술적 복잡성을 관리하는 문제로, 139개 기업이 이를 핵심 과제로 꼽았다. 한 IT 기획 담당자는 “구매해야 할 것도, 관리해야 할 것도 너무 많다. 출처도 많고 기술도 지나치게 다양하다”고 표현했다.

대규모 인프라를 한 번에 교체하는 이른바 전면 재구성은 예산상 불가능하다는 데 기업들은 의견을 같이한다. 대신 현재 진행 중인 프로젝트를 장기적인 인프라 단순화 전략에 맞춰 정렬할 수는 있다고 본다. 특히 흥미로운 점은 100개가 넘는 기업이 해법으로 벤더 수 축소를 꼽았다는 점이다. 이들은 운영 효율성을 높이고, 운영 복잡성과 통합 부담, 장애 격리 문제를 줄일 수 있다면 일정 수준의 벤더 종속은 감수할 만한 대가라고 판단하고 있다. 이는 멀티벤더 전략이나 개방형 인프라에 대한 인식이 크게 변화하고 있음을 보여주는 사례로 평가된다.

4. 거버넌스 우선순위 재정립

네 번째 우선순위는 인프라보다는 관리적 성격이 더 강한 과제다. 조사 대상 가운데 124개 기업은 거버넌스를 전면적으로 재정비할 필요가 있다고 답했다. 여기에는 AI가 중요한 요인으로 작용하고 있지만, 클라우드와 멀티클라우드의 탄력적 호스팅 모델, 여러 관할권에 걸친 운영에서 발생하는 데이터 주권 이슈, 그리고 갈수록 복잡해지는 규제 환경도 함께 영향을 미치고 있다. 실제로 경영 관리에 공식적인 ‘대관 업무’ 관점의 의견이 필요하다고 답한 기업 비율은 2020년 12%에서 2026년 47%로 크게 증가했다. 예를 들어 유럽연합(EU)의 클라우드 및 AI 주권 관련 논의는 AI 전략뿐 아니라 클라우드 애플리케이션 복원력 계획에도 직접적인 영향을 주고 있다.

기업들이 지적하는 가장 큰 문제는 거버넌스가 주로 프로젝트 기획 단계에서만 적용돼 왔다는 점이다. 대형 프로젝트가 없을 경우, 거버넌스는 오래된 검토 절차에 의존한 채 형식적으로 유지되는 경우가 많았다는 설명이다. 기업들은 애플리케이션과 데이터 활용 방식이 점진적으로 확대되는 과정 역시 법과 규제 변화와 마찬가지로 새로운 거버넌스 이슈를 만들어낼 수 있다고 보고 있다.

AI는 이 문제를 더욱 복잡하게 만든다. 데이터 접근에 대한 필터가 없다면 AI가 실제로 어떤 데이터를 활용하고 있는지 파악하기 어렵거나 아예 불가능하기 때문이다. 이는 분명 거버넌스 차원의 도전이지만, 기업들이 프로젝트라는 틀 없이 거버넌스를 고민해본 경험이 거의 없다는 점에 비하면 오히려 부차적인 문제로 보일 수 있다는 지적도 나온다. 그렇다면 거버넌스 자체를 위한 ‘거버넌스 프로젝트’를 만들어야 하는 것일까. 필요하다면 이를 어떻게 정당화하고, 어떤 방식으로 예산을 확보해야 할지도 새로운 과제로 떠오른다. 법이나 규제가 명확히 바뀌는 경우에는 대응 절차가 존재하지만, 그 외의 도전 과제에 대해서는 뚜렷한 기준이 없는 경우가 많다. 예를 들어 워크플로 AI 에이전트조차도 사용이 확산되면서 점차 거버넌스 문제로 이어질 수 있다는 점이 우려로 제기된다.

5. 비용 관리

다섯 번째이자 마지막 우선순위는 108개 기업이 꼽은 비용 관리다. 이는 다른 모든 목표를 달성하는 데 있어 가장 큰 제약 요인으로 작용하고 있다. 조사 대상 284개 기업 가운데 226개 기업은 2026년을 앞두고 예산 압박이 더 커졌다고 답했으며, 예산 부담이 줄었다고 응답한 곳은 9개 기업에 불과했다. 그럼에도 불구하고 비용 관리가 우선순위 5위에 머문 것은 2008~2009년 이후 가장 낮은 수준이라는 점에서 눈길을 끈다.

이번 비용 관리의 특징은 과거와 달리 관리 대상이 단순한 초기 투자 비용에 국한되지 않는다는 점이다. 이전에는 장비와 소프트웨어 같은 자본적 비용이 중심이었다면, 2026년을 향한 기업들의 초점은 총소유비용, 즉 TCO로 옮겨가고 있다. 전통적인 프로젝트 관점에서는 TCO를 산정하는 것이 비교적 가능했지만, 이번에 제시된 우선순위들은 검토와 타당성 평가, 승인 절차가 필요한 ‘프로젝트’와, 비교적 형식적인 절차를 거치지 않는 일상적인 운영 의사결정의 경계를 흐리고 있다. AI 효율 최적화 전반이나 클라우드 애플리케이션 복원력, 거버넌스의 TCO를 어떻게 평가할 것인지는 여전히 어려운 과제로 남아 있다.

종합적으로 보면, 기업들은 예상 가능한 이슈들을 우선순위로 두는 동시에 그 이면에 있는 보다 미묘한 문제들에도 대응하고 있다. AI처럼 익숙해 보이는 주제조차도 접근 방식은 많은 이들의 예상과 다르다. 개별 기술 요소보다는 전체 생태계 관점에서 바라보고 있다는 점이 특징이며, 이런 흐름은 2026년을 주목해야 할 중요한 트렌드가 다수 등장하는 해로 만들 가능성이 크다.
dl-ciokorea@foundryco.com