_{해당 아티클은 2026년 2월 11일에 진행된 LG CNS 월간 D-Talks ‘전략적 전환에서 현업 적용까지: Enterprise를 위한 Agentic AI 로드맵’ 내용을 기반으로 작성되었습니다.} 

🔎 핵심 용어 한눈에 보기 

• AX(AI Transformation): 기업의 운영 체계, 일하는 방식, 비즈니스 모델 전반을 AI 중심으로 재설계하는 전환을 의미합니다. AI 기술을 단순히 도입하는 수준을 넘어, 기업 경쟁력 강화와 새로운 비즈니스 가치를 창출하기 위해 조직과 업무 전반을 AI 기반으로 변화시키는 전략적 접근입니다.
• AX Master Plan: 기업의 전략적 목표와 AI 적용 영역을 연결해 조직이 어떤 방향으로 AI 전환을 추진해야 하는지를 구조적으로 설계하는 전략 수립 과정입니다. 기업이 AI를 어디에, 어떤 방식으로 적용할 것인지에 대한 큰 그림을 설계하고, 실제 비즈니스 환경에서 다양한 AI 프로젝트로 이어질 수 있도록 전략적 로드맵을 마련하는 것을 의미합니다.
• AX PI(Process Innovation) 컨설팅: AX Master Plan이 전략 수립 단계라면, AX PI 컨설팅은 이를 실제 업무에 적용하는 실행 단계입니다. 기업의 업무 프로세스를 AI 중심으로 재설계하고 사람과 AI가 함께 일하는 Workflow를 구축하며, 필요한 에이전트 정의와 PoC(Proof of Concept) 단계까지 연결해 실행할 수 있는 업무 체계를 구현하도록 지원하는 컨설팅을 의미합니다. 

ChatGPT의 등장 이후 생성형 AI 활용이 증가하면서 다양한 산업에서 AI 기반 서비스 개발이 빠르게 이루어지고 있습니다. 초기 생성형 AI가 주로 질문에 답하거나 콘텐츠를 생성하는 역할에 머물렀다면, 최근에는 스스로 판단하고 행동까지 수행하는 에이전틱 AI(Agentic AI)로 발전하고 있습니다. 이러한 변화는 기술의 진보에 그치지 않고, 기업의 업무 수행 방식과 운영 구조에도 새로운 전환을 요구하고 있습니다. 이제 AI는 기업의 업무를 함께 수행하는 디지털 협업 파트너로 자리 잡기 시작했습니다. 

하지만 많은 기업이 AI 도입을 고민하면서도 실제 적용 단계에서는 여러 현실적인 장벽에 직면합니다. AI 기술 자체에 대한 이해 부족은 물론, AI 도입이 실제로 얼마나 성과를 가져올지 예측하기 어렵다는 점이 대표적입니다. 특히 ROI(Return on Investment)를 사전에 판단하기 어렵다는 점은 많은 기업이 AI 프로젝트를 추진하는 데 있어 큰 부담으로 작용합니다. 기술 이해도가 높은 기업 역시 상황은 크게 다르지 않습니다. AI 모델의 성능을 지속적으로 유지하고 데이터를 관리하기 위해서는 상당한 인력과 비용이 필요하기 때문입니다. 

이러한 배경 속에서 기업은 운영 체계, 일하는 방식, 비즈니스 모델 전체를 AI 중심으로 재설계하는 AX에 주목하고 있습니다. 특히 최근에는 에이전틱 AI를 기반으로 기업 경쟁력을 강화하고 새로운 비즈니스 가치를 창출하려는 움직임이 본격화되고 있습니다. 

AX 실행의 출발점, AX Master Plan 

AX를 실제 비즈니스 성과로 연결하기 위해서는 AI 기술을 도입하는 것만으로는 부족합니다. 기업 전략과 연계된 체계적인 접근이 필요합니다. 어떤 영역에 AI를 적용할 것인지, 어떤 방식으로, 단계적으로 확장할 것인지에 대한 전략적 로드맵이 마련되어야 합니다. 

이러한 전략적 접근을 구체화하는 방법이 바로 AX Master Plan입니다. AX Master Plan은 기업의 전략적 목표와 AI 적용 영역을 연결해, 조직이 어떤 방향으로 AI 전환을 추진해야 하는지를 구조적으로 설계하는 과정입니다. 이를 통해 기업은 장기적인 관점에서 AI 기반 비즈니스 혁신을 체계적으로 준비할 수 있습니다. 

AX Master Plan은 기업이 AI를 어디에, 어떤 방식으로 적용할 것인지에 대한 큰 그림을 설계하는 과정입니다. 이러한 계획은 실제 기업 환경에서 다양한 방식으로 구현되며, 기업의 비즈니스 목표와 업무 특성에 따라 여러 형태의 AI 프로젝트로 이어집니다. 

💰금융 산업 – AI 에이전트(Agent)를 통한 고객 서비스와 업무 자동화 

금융 산업에서는 AI를 고객 서비스와 업무 프로세스 전반에 적용하려는 움직임이 확대되고 있습니다. 과거에는 생성형 AI를 사내 지식 검색이나 문서 작성과 같은 보조 업무에 활용하는 사례가 많았다면, 최근에는 AI를 실제 업무 프로세스에 적용해 업무 자동화와 생산성 향상에 기여하는 방향으로 활용 전략이 확대되고 있습니다. 이에 따라 금융권에서는 AI를 기술 실험이나 보조 도구가 아닌, 실질적인 업무 효율화를 이끄는 생산 인프라로 활용하려는 움직임이 나타나고 있습니다. 

① 금융 A사 – 대고객 AI 에이전트 서비스 확장 

금융 A사는 이미 생성형 AI 플랫폼을 도입해 다양한 AI 서비스를 개발하고 사내 확산을 추진해 온 기업입니다. 특히 LG CNS의 DAP GenAI 플랫폼을 기반으로 여러 AI 서비스를 개발하면서 조직 내부에 AI 활용 역량을 점진적으로 축적해 왔습니다. 

플랫폼 도입 초기에는 AI 서비스를 개발하는 과정이 쉽지 않았지만, 공통 개발 템플릿과 운영 지원을 통해 점차 자체적으로 AI 서비스를 개발하고 활용할 수 있는 수준까지 역량을 내재화하게 되었습니다. 

최근 금융 A사는 이러한 경험을 바탕으로 지주 차원의 대고객 AI 에이전트 서비스 구축 프로젝트를 추진하고 있습니다. 계열사별로 개발된 AI 에이전트 서비스를 하나의 체계로 연계해 고객 서비스에 활용하는 것을 목표로 하고 있으며, 현재 LG CNS와 함께 해당 프로젝트를 진행 중입니다. 

AI 에이전트 서비스가 구축되면 기존 앱이나 웹 환경에서 제공되던 챗봇이나 키워드 검색으로 해결되지 않았던 고객 질문에도 더욱 정교한 대응이 가능해집니다. AI 에이전트가 고객의 질문을 이해하고 필요한 업무를 자동으로 수행함으로써 고객 경험을 개선하는 동시에 콜센터와 영업점의 업무 부담도 줄일 수 있을 것으로 기대되고 있습니다. 

② 금융 B사 – 대직원 업무 자동화를 위한 AX 컨설팅

금융 B사는 고객 서비스보다는 내부 업무 효율화에 초점을 맞춰 AX 프로젝트를 추진했습니다. 이 기업은 임직원 업무 생산성을 높이기 위해 전사 업무에 AI 에이전트를 적용 가능성을 검토하는 AX 컨설팅을 진행했습니다. 

먼저 에이전트가 수행할 수 있는 기능을 정의하고 기존 AS-IS 업무 프로세스를 분석했습니다. 이를 통해 AI 기술을 활용해 자동화할 수 있는 업무 영역을 도출하고, 실제 적용 가능성을 검토했습니다. 

이후 기술 전문가들이 해당 업무에 AI를 적용할 수 있는지, 필요한 데이터가 충분한지 등을 검토해 AI 에이전트 도입을 위한 실행 방안을 설계했습니다. 또한 에이전트가 안정적으로 동작할 수 있도록 입력 정보 관리 체계와 사용자 피드백 기반 학습 구조, 예외 상황 대응 프로세스 등을 함께 설계했습니다. 

이러한 과정을 통해 금융 B사는 AI 에이전트 기반 업무 자동화를 단계적으로 추진하고 있으며, 이를 통해 임직원의 업무 생산성을 크게 향상시키는 것을 목표로 하고 있습니다. 

🎓교육 분야 – 사용자 맞춤형 AI 에이전트 기반 디지털 플랫폼 

LG CNS는 대규모 교육 디지털 플랫폼 구축 사업을 통해 공공 분야에서도 AI 에이전트 서비스를 구현하고 있습니다. 

해당 플랫폼은 대규모 언어 모델(Large Language Model, LLM), 에이전트, 검색증강생성(Retrieval-Augmented Generation, RAG) 기반 구조를 활용해 학생, 학부모, 교직원 등 다양한 사용자에게 맞춤형 정보를 제공하도록 설계된 프로젝트입니다. 특히 초중고 학생이 사용하는 환경이라는 점을 고려해 유해 답변이 제공되지 않도록 모델 단계에서부터 차단할 수 있는 학생 전용 모델을 구축했습니다. 이를 통해 안정적인 AI 활용 환경을 제공하는 동시에 학생들의 AI 리터러시 향상을 지원하고 있습니다. 

또한 사용자 목적에 따라 에이전트와 RAG를 분리해 학교별·과정별 정보 검색에 최적화된 구조를 설계했습니다. 예를 들어 학부모는 학교 홈페이지 챗봇을 통해 재량 휴일 일정이나 급식 정보와 같은 학교 관련 정보를 손쉽게 확인할 수 있습니다. 

이처럼 AI 에이전트 기반 서비스는 산업과 업무 환경에 따라 다양한 형태로 구현되고 있습니다. 그러나 이러한 프로젝트가 실제 비즈니스 성과로 이어지기 위해서는 기업의 전략과 업무 프로세스를 함께 고려한 체계적인 접근이 필요합니다. 

구조적 설계와 성과 중심 접근: LG CNS AX Master Plan 

LG CNS는 기업의 AX를 지원하기 위해 AX Master Plan 기반의 컨설팅 서비스를 제공하고 있습니다. LG CNS AX Master Plan의 가장 큰 특징은 비즈니스 성과 중심 접근 방식입니다. 

이를 위해 LG CNS는 Value Driver Tree Mapping이라는 방법을 활용합니다. 이는 기업의 최종 목표인 비용 절감, 매출 증대, 신규 비즈니스 확장 등에 영향을 미치는 요소 간의 인과관계를 시각화하고, 그 중 AI를 적용할 수 있는 영역을 선별하는 방식입니다. 

또한 Dual-Lens 접근 방식을 통해 산업 내 Best Practice를 분석하는 Outside-In 관점과 내부 프로세스를 분석하는 Inside-Out 관점을 동시에 활용합니다. 이를 통해 기업의 실제 업무 환경에 맞는 AX 전략을 수립할 수 있습니다. 

여기에 더해 AX 투자 대비 성과를 정량적으로 분석하는 RoAXI(Return on AX Investment) 평가 방법을 활용해 AI 프로젝트가 실제 비즈니스 성과로 이어질 수 있도록 지원합니다. 

기술을 넘어, 비즈니스 성과로: AX PI(Process Innovation) 컨설팅 

AX Master Plan이 전략 수립 단계라면, AX PI 컨설팅은 실행 단계에 해당합니다. LG CNS의 AX PI 컨설팅은 기업의 업무 프로세스를 AI 중심으로 재설계하는 접근 방식입니다. 

이를 통해 기업은 AI를 실제 업무를 수행하는 협업 파트너로 활용할 수 있습니다. AX PI 컨설팅에서는 AX 추진 목표를 측정할 수 있는 지표로 정의하고, 기존 업무 환경을 기반으로 사람과 AI가 함께 일하는 Workflow를 설계합니다. 

또한 필요한 에이전트를 정의하고 PoC 단계까지 연결해 실제로 실행할 수 있는 업무 체계를 구축하도록 지원합니다. 

AI 에이전트 개발을 위한 All-in-One 플랫폼, AgenticWorks

AX 전략과 프로세스를 실제 서비스로 구현하기 위해서는 안정적인 기술 플랫폼이 필요합니다. LG CNS는 AI 에이전트 개발을 위한 All-in-One 플랫폼 AgenticWorks를 제공하고 있습니다. 

AgenticWorks는 온-프레미스(On-premise), 퍼블릭 클라우드(Public Cloud), 하이브리드 클라우드(Hybrid Cloud) 등 다양한 인프라 환경에서 운영할 수 있으며, 기업 환경에 맞게 모듈별로 도입할 수 있는 구조를 갖추고 있습니다. 

플랫폼은 Refiner, Router, Studio, Builder, Hub, Knowledge Lake 등 여섯 개 모듈로 구성되어 있습니다. Refiner는 LLM 모델 학습과 성능 개선을 지원하며, Router는 여러 AI 모델 중 최적의 모델을 자동으로 선택합니다. Studio는 현업 사용자가 Agent를 쉽게 구성할 수 있는 환경을 제공하고, Builder는 Agent 서비스 개발과 관리 기능을 담당합니다. Hub는 Agent 운영 환경과 모니터링 기능을 제공하며, Knowledge Lake는 RAG 기반 데이터 검색과 전처리를 지원합니다. 

에이전틱 AI의 등장으로 기업의 AI 활용 방식은 새로운 단계로 접어들고 있습니다. 이제 AI는 기업의 비즈니스 성과를 만들어내는 핵심 전략 요소로 자리 잡아가고 있습니다. 

기업은 AX Master Plan을 통해 AI 전략을 수립하고, AX PI를 통해 업무 프로세스를 재설계하며, Agent 기반 플랫폼을 통해 실제 실행 단계로 확장하게 됩니다. 이러한 AX 여정에서 중요한 것은 비즈니스 가치와 실행 체계를 함께 설계하는 것입니다. 

앞으로 기업은 AI를 업무 수행 방식과 의사결정 구조의 핵심 동력으로 통합해야 경쟁력을 확보할 수 있습니다. 특히 에이전틱 AI가 다양한 업무 영역으로 확산되면서, 기업은 AI 기반 업무 환경을 더욱 체계적으로 설계하고 확장하는 전략을 고민하게 될 것입니다. 

AX는 더 이상 미래의 과제가 아니라 이미 시작된 기업 혁신의 흐름입니다. 앞으로 기업은 기술 도입을 넘어 전략, 프로세스, 그리고 실행 플랫폼을 아우르는 통합적인 AX 접근을 통해 새로운 경쟁력을 만들어가게 될 것입니다. 

2026년 첫 번째 월간 D-Talks에서는 LG CNS AI센터 임은영 담당과 김민종 팀장이 ‘전략적 전환에서 현업 적용까지: Enterprise를 위한 Agentic AI 로드맵’을 주제로 AX Master Plan과 Agentic AI 기반 전략, 그리고 금융·교육 분야의 실제 적용 사례를 소개했습니다. 발표 전체 내용은 아래의 다시보기 링크를 통해 확인할 수 있습니다. 

• 월간 D-Talks 다시보기 
• 발표자료 다운로드

아래 목록을 클릭해 연관 콘텐츠를 확인하실 수 있습니다.

연관 콘텐츠 목록

• 1편 - Enterprise AI 도입 이후, 비즈니스 성과로 연결하는 실행 전략
• 2편 - Enterprise AI 전략을 현실로 만드는 선택, ChatGPT Enterprise
• 3편 - 비즈니스 성과로 이어지는 기업의 AX 전략, AX Master Plan
• Agentic AI, 기술을 넘어 운영으로 가시화되는 도입 기준