전략Strategic Rationale

왜, 무엇을 먼저 — 투자 근거와 우선순위

판단 Decision Framework

에이전트를 어디까지 믿을 것인가

편의점 CCTV는 도둑이 아니라 직원을 감시한다. 경제학은 이것을 대리인 문제(agency problem)라 부른다. AI 에이전트가 등장하면서, 대리인 문제는 해결되는 것이 아니라 새로운 형태로 진화하고 있다. Governed Autonomy는 AI 에이전트에게 자율성을 부여하되, 핵심 판단 지점에서 사람이 개입하는 설계 원칙이다.

2026년 9월 7일

경제Economics

거래비용 이론, ROI 프레임워크, TCO, AI 투자 경제학

2026년 7월 29일

견적서 한 장에 숨은 비용

AI 에이전트가 기업 거래의 숨은 비용 네 가지를 동시에 무너뜨리고 있다. 거래 상대를 찾고, 협상하고, 감시하고, 제재하는 비용이다. 이것은 단순한 효율화가 아니라 "기업은 왜 존재하는가"라는 근본 질문을 흔드는 변화다. 그러나 AI가 아무리 발전해도 사라지지 않는 비용이 있다. "이 거래를 해야 하는가"를 판단하는 비용이다.

선택Prioritization

과제 발굴, Impact×Feasibility, Quick win vs Strategic bet

2026년 9월 5일

17%가 배포했고, 66.5%는 잴 자가 없다

기업의 17%만이 AI 에이전트를 실제로 배포했다. 그런데 60% 이상이 2년 안에 하겠다고 답했다[1]. 문제는 그 사이에 자기 조직이 만들 수 있는 상태인지 판단할 방법이 없다는 것이다. 국내 중견·대기업의 66.5%가 AI 역량을 측정할 기준 자체를 갖고 있지 않다[2]. 지금 시장에 나와 있는 진단 도구는 대부분 도입 성숙도를 잰다. AI를 얼마나 널리, 얼마나 자주 쓰는가를 묻는다. 그러나 에이전트 시대의 질문은 다르다. 사서 쓸 수 있는 영역이 줄어들고, 직접 만들어야 하는 영역이 늘어난다. 도입 성숙도와 구축 역량은 같은 축이 아니다. 이 격차의 비용은 계산 가능하다. Gartner는 agentic AI 프로젝트의 40%가 2027년까지 취소될 것으로 본다. 이유는 비용 초과, 불명확한 ROI, 거버넌스 실패다[1]. 셋 다 착수 전에 진단할 수 있는 항목이다. 이 문제는 새롭지 않다. 2000년대 ERP 도입기에도, 2010년대 빅데이터 도입기에도 같은 일이 반복됐다. 도구를 먼저 사고 역량은 나중에 붙이려 했다. 다른 점은 에이전트가 사람을 대신해 판단하고 행동한다는 것뿐이다. 준비 없이 위임하면 손실이 더 빠르다. 여섯 개 축으로 나누어 재면 된다. 경계, 맥락, 구조, 검증, 운영, 통제다. 여섯 글자를 따면 BUILDS가 된다. 총점이 아니라 최저점을 본다.

2026년 8월 7일

127개를 걸러 1개를 남긴다

기업이 AI 과제를 발굴하면 평균 100개 이상의 후보가 나온다. 그중 80% 이상이 실패한다. 문제는 기술이 아니라 과제 선정이다. RAPIDS 프레임워크는 Readiness(준비도), Alignment(전략 정합), Pain(고통 강도), Impact(임팩트), Data(데이터 품질), Scope(범위 통제)의 6가지 기준으로 과제를 걸러낸다.