챗GPT 다음 단계는 AI Agent
: ① 처음부터 만들 필요 없는 기업용 ‘Agentic AI’ 도입 가이드- 해당 아티클은 2026년 11월 3일에 진행된 LG CNS 월간 D-Talks ‘Prebuilt Agent로 앞당기는 엔터프라이즈 AX혁신’ 내용을 기반으로 작성되었습니다.
![]()
많은 기업이 챗GPT(ChatGPT)나 클로드(Claude)에 질문하고 답변을 얻는 방식으로 AI를 활용하고 있습니다. 여기서 한 걸음 더 나아가 AI가 사내 시스템에서 직접 업무를 처리하도록 하려는 기업은 에이전트(Agent)를 처음부터 개발해야 할지 고민하게 됩니다.
하지만 기업이 AI 에이전트를 도입할 때 모든 기능을 처음부터 개발할 필요는 없습니다. LG CNS의 AgenticWorks는 AI 에이전트의 개발·실행·운영에 필요한 플랫폼 기능을 제공하며, 이를 기반으로 사전에 구성된 프리빌트 에이전트(Prebuilt Agent)를 활용하면 업무 적용을 보다 빠르게 시작할 수 있습니다.
AI 에이전트가 실제로 업무를 수행하려면 필요한 사내 데이터와 시스템에 접근할 수 있어야 합니다. 기업은 이 과정에서 에이전트에 어떤 권한을 부여할지 정하고, 어떤 작업을 수행했는지 확인할 수 있는 운영 환경도 갖춰야 합니다.
에이전틱 AI 플랫폼은 기업이 이러한 환경에서 에이전트를 개발하고 안전하게 운영할 수 있도록 지원합니다. 이번 글에서는 AgenticWorks의 구성과 활용 방법을 살펴보고, 사용량 기반 과금 체계와 AWS 마켓플레이스(AWS Marketplace)를 통한 도입 방식을 알아보겠습니다.
기업용 AI Agent에는 어떤 기반이 필요할까?
에이전틱 AI 플랫폼은 기업이 AI 에이전트를 쉽고 빠르게 도입하고 활용할 수 있도록 지원하는 통합 환경입니다. 기업이 자사 업무에 맞는 에이전트를 개발하고 운영하도록 돕는 동시에, 에이전트가 기업의 보안 정책에 맞게 안전하게 동작하도록 관리하는 기능도 제공합니다.
에이전트는 업무를 수행하는 과정에서 사내 데이터나 시스템에 접근하는 경우가 많습니다. 이때 기업은 에이전트가 어떤 작업을 수행했는지, 부여받은 권한에 맞게 실행했는지, 결과가 정확한지 확인할 수 있어야 합니다. 이런 사항을 확인하기 어렵다면 에이전트를 더 많은 업무에 적용하기도 어렵습니다. 따라서 개발 단계부터 실제 운영에 이르기까지 에이전트의 동작을 확인하고 통제할 수 있는 기반이 필요합니다.

개발 단계에서는 AI 모델을 학습·평가하고, 기업 데이터를 활용해 업무에 최적화된 에이전트를 구성합니다. 에이전트가 어떤 순서로 작업을 수행할지 워크플로(Workflow)를 설계한 뒤에는 의도한 대로 작동하는지 테스트합니다. 이 과정에서 업무에 적합한 AI 모델을 선택하고, 특정 모델에 문제가 생기면 다른 모델로 전환하는 폴백(Fallback) 기능도 활용할 수 있습니다. 테스트를 마친 에이전트는 실제 업무 환경에 배포합니다.
운영 단계에서는 에이전트가 수행한 작업을 모니터링하고, 각 작업이 어떤 과정을 거쳐 실행됐는지 추적합니다. 기업은 내부 보안 정책에 따라 에이전트가 접근할 수 있는 데이터와 시스템의 범위를 정하고, 허용된 범위 안에서 동작하도록 가드레일(Guardrail)을 적용할 수 있습니다.
에이전틱 AI 플랫폼을 활용하면 에이전트를 개발하는 단계부터 실제 업무에 적용하고 안전하게 운영하는 단계까지 하나의 환경에서 관리할 수 있습니다. LG CNS의 AgenticWorks는 이 과정에 필요한 기능을 모듈로 제공하며, 기업은 적용하려는 업무에 따라 필요한 모듈을 선택하고 조합할 수 있습니다.
AgenticWorks를 업무에 맞게 활용하는 방법
LG CNS의 프리빌트 에이전트는 AgenticWorks의 모듈을 기반으로 동작합니다. AgenticWorks의 5가지 모듈은 각각 독립적으로 동작하므로, 기업은 기존 AI 환경과 업무 목적에 맞춰 필요한 모듈을 선택하고 조합할 수 있습니다.

AgenticWorks Knowledge Lake는 AI가 필요한 정보를 검색하고 활용할 수 있도록 사내 문서와 지식 정보를 관리합니다. AgenticWorks Refiner는 학습·평가에 필요한 데이터셋을 만들고, 기업의 업무에 맞게 AI 모델을 최적화하는 데 쓰입니다. AgenticWorks Builder는 AI 모델에 기업 지식과 업무에 필요한 도구를 연결해 에이전트를 개발하는 모듈입니다.
AgenticWorks Hub는 여러 AI 모델과 에이전트, 도구를 연결하고 통합 관리합니다. AgenticWorks Studio는 여러 에이전트와 도구를 업무 처리 순서에 맞게 연결하고 실행하는 데 쓰입니다.
이들 모듈을 업무 목적에 따라 활용하는 방식은 크게 3가지입니다.
① 사내 데이터로 업무에 특화된 에이전트 개발
기업마다 사용하는 전문 용어와 업무 방식이 달라 범용 AI 모델만으로는 원하는 결과를 얻기 어려울 수 있습니다. 이 경우 AgenticWorks Refiner로 사내 데이터에서 데이터셋을 만들고, 이를 바탕으로 모델을 추가 학습시키거나 업무에 적합한 결과를 내는지 평가할 수 있습니다. 이어 AgenticWorks Builder에서 최적화한 모델에 기업 지식과 필요한 도구를 연결하면 업무에 특화된 에이전트를 개발할 수 있습니다. 금융이나 제조처럼 산업과 업무에 대한 전문 지식이 중요한 분야에 활용할 수 있는 방식입니다.
② 여러 AI 모델과 서비스의 통합 운영
기업 내 부서마다 사용하는 AI 모델이나 서비스가 다를 수 있습니다. AgenticWorks Hub를 활용하면 여러 모델의 API와 에이전트, 도구를 한곳에 연결해 관리할 수 있습니다. API 호출 이력을 추적하고 사용 현황을 모니터링할 수 있어, 기업은 여러 AI 서비스의 운영 상태를 한곳에서 파악할 수 있습니다.
③ 사내 문서를 활용하는 AI 워크플로 구성
사내 규정이나 업무 매뉴얼을 바탕으로 직원의 질문에 답하는 AI 워크플로도 구성할 수 있습니다. 먼저 AgenticWorks Knowledge Lake에서 문서의 내용을 추출하고 검색하기 좋은 형태로 정리합니다. 그런 다음 AgenticWorks Studio에서 질문에 필요한 문서를 찾고, 검색한 내용을 바탕으로 답변을 생성하도록 업무 흐름을 구성해 실행합니다.

AWU 기반 과금 체계와 AWS 마켓플레이스를 통한 도입
소프트웨어는 사용자 수나 라이선스를 기준으로 과금하는 경우가 많았습니다. 클라우드와 서비스형 소프트웨어(Software as a Service, SaaS)가 확산되면서 사용한 자원이나 서비스의 양에 따라 비용을 산정하는 방식이 늘었고, AI 플랫폼에서는 토큰이나 크레딧도 과금 기준으로 쓰입니다.
AI 에이전트는 하나의 업무를 처리할 때도 모델을 호출하고, 문서를 검색하고, 필요한 도구를 실행합니다. 기능마다 사용량을 측정하는 기준이 다르기 때문에 모델 호출량만으로는 에이전트의 전체 사용량을 파악하기 어렵습니다. 여러 기능을 함께 활용하는 기업에는 서로 다른 사용량을 하나의 기준으로 환산해 전체 사용량과 비용을 관리할 수 있는 체계가 필요합니다.
LG CNS는 AgenticWorks의 기존 구독형(Subscription)·영구형(Perpetual) 라이선스를 유지하면서 사용량 기반 과금 방식을 추가했습니다. 구독형은 일정 기간 플랫폼을 이용하는 방식이고, 영구형은 라이선스를 구매해 영구적으로 사용하는 방식입니다. 사용량 기반 과금을 선택하면 업무에 필요한 모듈과 기능을 골라 쓰고 실제 사용량에 따라 비용을 지불할 수 있습니다. 처음에는 특정 업무에 필요한 기능부터 사용하고, 활용 범위가 넓어지면 모듈이나 기능을 추가할 수 있습니다.

AgenticWorks는 서로 다른 기능의 사용량을 AWU(AgenticWorks Unit)라는 공통 단위로 환산합니다. 예를 들어 AgenticWorks Knowledge Lake의 문서·데이터 파이프라인 관리에 100 AWU, AgenticWorks Hub의 모델 API 호출 등에 200 AWU, AgenticWorks Studio의 도구 연동과 에이전트 생성·실행에 300 AWU를 사용했다고 가정해 보겠습니다. 사용하지 않은 AgenticWorks Refiner와 AgenticWorks Builder는 각각 0 AWU이므로 전체 사용량은 600 AWU입니다.
기업은 예상 사용량과 도입 규모에 따라 3가지 과금 옵션을 선택할 수 있습니다.
- 온디맨드(On-Demand)는 사용한 AWU만큼 나중에 지불하는 방식입니다. 도입 초기나 개념 검증(PoC)처럼 사용 기간이 짧거나 사용량을 예측하기 어려운 경우에 적합합니다.
- 크레딧 팩(Credit Pack)은 AWU를 미리 구매하고 사용할 때마다 차감하는 방식입니다. 꾸준한 사용이 예상되는 기업은 온디맨드보다 유리한 단가로 이용할 수 있습니다.
- 커밋(Commit)은 약정 금액을 기준으로 AWU를 구매하는 방식입니다. 장기 프로젝트나 전사 도입처럼 사용 규모가 큰 기업에 적합하며, 규모에 맞는 단가와 추가 혜택을 받을 수 있습니다.

LG CNS는 기업이 AWS 마켓플레이스에서 AgenticWorks 상품을 확인하고 구매·구독할 수 있도록 도입 경로를 마련할 계획입니다. 이미 AWS 인프라를 사용하는 기업은 기존 클라우드 환경에 AgenticWorks를 연동해 필요한 기능을 도입하고, 업무 규모에 맞춰 활용 범위를 넓힐 수 있습니다. AWS 인프라 이용료와 AgenticWorks 사용료를 한 번에 청구해 결제 절차도 간소화할 계획입니다.
2026년에는 AgenticWorks의 5개 모듈 모두를 AWS 마켓플레이스에서 전문 서비스(Professional Service) 방식으로 제공하고, 컨테이너(Container) 기반의 Metering Manager를 고객 환경에 설치하여 AWU 기반 사용량 측정 및 과금을 지원합니다.
2027년 하반기에는 AgenticWorks를 AWS 마켓플레이스에서 SaaS 형태로 구매할 수 있도록 제공 범위를 확대할 계획입니다. 또한 AgenticWorks의 모듈을 기반으로 동작하는 프리빌트 에이전트에도 AWU 기반 과금 체계를 적용하여, 고객이 다양한 AI 서비스를 사용량에 따라 유연하게 이용할 수 있도록 지원할 예정입니다.
기업이 AI 에이전트 도입을 검토할 때 출발점은 에이전트에 어떤 업무를 맡길지 정하는 것입니다. 대상 업무가 구체적이면 에이전트가 어떤 데이터와 시스템에 접근해야 하는지, 어디까지 작업을 수행하도록 허용할지, 결과를 어떻게 확인할지도 정할 수 있습니다. 이렇게 업무와 운영 범위를 정하면 도입에 필요한 기능도 구체화할 수 있습니다.
AgenticWorks를 활용하면 기업은 특정 업무에 필요한 기능부터 도입하고, 실제 운영 과정에서 에이전트가 업무를 얼마나 잘 수행하는지와 기능별 사용량을 확인할 수 있습니다. 이 경험을 바탕으로 처음 적용한 업무의 운영 방식을 다듬고, 다른 업무로 확대할 때 어떤 기능이 더 필요한지 판단할 수 있습니다.
다음 편에서는 금융 프리빌트 에이전트의 유형과 적용 방식을 살펴보고 CIM NBA, 법인심사, 보험금 청구 자동화 사례를 통해 미리 준비된 에이전트 자산을 각 금융 업무에 어떻게 활용하는지 알아보겠습니다.
2026년 11월에 진행한 월간 D-Talks 전체 내용은 아래의 다시보기 링크를 통해 확인할 수 있습니다.
▌요약
- 에이전틱 AI 플랫폼은 기업이 AI 에이전트를 쉽고 빠르게 도입하고 활용할 수 있도록 지원하는 통합 환경입니다. 업무에 맞는 에이전트를 개발하고 운영하도록 돕는 동시에, 기업의 보안 정책에 맞게 안전하게 동작하도록 관리하는 기능을 제공합니다.
- AgenticWorks의 5가지 모듈인 AgenticWorks Knowledge Lake, AgenticWorks Refiner, AgenticWorks Builder, AgenticWorks Hub, AgenticWorks Studio는 각각 독립적으로 동작합니다. 기업은 필요한 모듈을 선택·조합해 업무에 특화된 에이전트 개발, 여러 AI 모델과 서비스의 통합 운영, 사내 문서를 활용하는 AI 워크플로 구성에 활용할 수 있습니다.
- AgenticWorks는 기존 구독형·영구형 라이선스를 유지하면서 사용량 기반 과금 방식을 추가했습니다. 서로 다른 기능의 사용량을 AWU라는 공통 단위로 환산해 관리하며, 기업은 필요한 기능을 골라 쓰고 실제 사용량에 따라 비용을 지불할 수 있습니다.
- 기업은 예상 사용량과 도입 규모에 따라 온디맨드, 크레딧 팩, 커밋의 과금 옵션을 선택할 수 있습니다. 온디맨드는 초기·단기 활용, 크레딧 팩은 꾸준한 사용, 커밋은 장기 프로젝트나 전사 도입처럼 사용 규모가 큰 기업에 적합합니다.
- 2026년에는 AgenticWorks의 5개 모듈 모두를 AWS 마켓플레이스에서 전문 서비스 방식으로 제공하고, 고객 환경에 컨테이너 기반 Metering Manager를 설치해 AWU 기반 사용량 측정과 과금을 지원합니다. 2027년 하반기에는 SaaS 형태로 구매할 수 있도록 제공 범위를 확대할 계획입니다.
▌FAQ
Q1. 기업이 AI 에이전트를 도입하려면 모든 기능을 처음부터 개발해야 하나요?
A1. 기업은 AgenticWorks의 개발·실행·운영 기능과 사전에 구성된 프리빌트 에이전트(Prebuilt Agent)를 활용해 업무 적용을 시작할 수 있습니다. 기존 AI 환경과 업무 목적에 맞춰 필요한 모듈을 선택하고 조합할 수 있습니다.
Q2. 기업이 AI 에이전트 도입을 시작할 때 무엇부터 정해야 하나요?
A2. AI 에이전트에 맡길 업무와 운영 범위를 구체적으로 정하는 것부터 시작합니다. 필요한 데이터와 시스템, 허용할 작업 범위, 결과 확인 방식을 정하면 도입에 필요한 기능을 구체화할 수 있습니다. 이후 특정 업무에 필요한 기능부터 도입하고 실제 운영 경험을 바탕으로 활용 범위를 넓힐 수 있습니다.
Q3. AgenticWorks로 사내 규정이나 업무 매뉴얼에 답하는 AI 에이전트를 어떻게 구성하나요?
A3. AgenticWorks Knowledge Lake에서 사내 문서의 내용을 추출하고 검색하기 좋은 형태로 정리합니다. 이어 AgenticWorks Studio에서 필요한 문서를 검색하고, 검색한 내용을 바탕으로 답변을 생성하는 AI 워크플로를 구성해 실행할 수 있습니다.
Q4. 기업용 AI 에이전트를 안전하게 운영하려면 무엇을 관리해야 하나요?
A4. 기업은 AI 에이전트가 접근할 수 있는 데이터와 시스템의 범위를 정하고, 부여받은 권한에 맞게 작업을 수행했는지와 결과의 정확성을 확인해야 합니다. 작업을 모니터링하고 실행 과정을 추적하며, 내부 보안 정책에 따라 가드레일(Guardrail)을 적용할 수 있는 운영 환경이 필요합니다.
Q5. AI 에이전트를 처음 도입할 때, AgenticWorks의 어떤 과금 방식이 적합한가요?
A5. AI 에이전트 도입 초기나 PoC 단계처럼 사용량을 예측하기 어려운 경우에는 AgenticWorks의 온디맨드(On-Demand) 방식이 적합합니다. 실제 사용한 AWU(AgenticWorks Unit)만큼 후불로 지불하므로 필요한 기능부터 소규모로 시작할 수 있습니다. 이후 꾸준한 사용이 예상되면 선불 방식인 크레딧 팩(Credit Pack)을, 장기·대규모 활용에는 약정 방식인 커밋(Commit)을 고려할 수 있습니다.
▌관련 오퍼링 및 문의하기
본 콘텐츠는 저작권법에 의해 보호받는 저작물로 LG CNS에 저작권이 있습니다.
사전 동의 없이 2차 가공 및 영리적인 이용을 금합니다.