기업용 소프트웨어 시장에서 이렇게 짧은 시간 안에 동시다발적인 신호가 나온 적이 없었다. LG CNS와 SAP가 공동으로 ‘Business AI for ERP Summit’을 열고 에이전틱 AI 기반 차세대 ERP 전략을 발표했다. 같은 시기에 앤트로픽은 Claude Cowork를 정식 출시하면서 역할 기반 접근 제어와 MCP 권한 관리를 전면에 내세웠다. 우연의 일치가 아니다. 지금 엔터프라이즈 소프트웨어 전체가 에이전틱 AI로의 전환을 선언하고 있다.
나는 멀티에이전트 시스템을 설계하면서 이런 뉴스를 볼 때 두 가지를 동시에 본다. 하나는 기술적으로 무엇이 바뀌는가, 다른 하나는 이 변화가 실제 엔터프라이즈 환경에서 작동하려면 무엇이 해결돼야 하는가. 오늘은 이 두 가지 관점으로 뜯어보려 한다.
기존 ERP가 왜 한계에 부딪혔나
ERP는 지난 30년간 기업 운영의 중추였다. 재무, 구매, 생산, 공급망, 인사까지 모든 핵심 업무를 하나의 시스템으로 연결한다는 아이디어는 혁신적이었고, 실제로 효과를 냈다. 근데 AI 시대에 들어서면서 기존 ERP 구조의 근본적인 한계가 드러났다.
문제는 구조에 있다. 전통적인 ERP는 규칙 기반 프로세스와 사용자 입력에 의존한다. “재고가 X 이하로 떨어지면 발주 요청을 생성한다”는 규칙을 사람이 미리 정해놓고, 시스템은 그 규칙대로 실행한다. 예외 상황이 생기면 사람이 개입해야 하고, 규칙이 현실과 맞지 않으면 사람이 수정해야 한다. 데이터 처리도 배치 방식이 기본이라, 어제까지의 데이터를 오늘 아침에 집계해서 보여주는 구조다. 실시간 의사결정이 필요한 현대 비즈니스 환경과 구조적으로 맞지 않는다.
또 하나의 문제는 비정형 데이터다. 기업에서 실제로 의사결정에 필요한 정보의 상당 부분은 ERP 데이터베이스 안에 없다. 이메일로 주고받은 협력사 상황, PDF 보고서로 존재하는 시장 분석, 영업 담당자가 구두로 전달한 고객 피드백. 기존 ERP는 이런 비정형 정보를 처리하지 못한다.
에이전틱 AI가 ERP에 들어오면 무엇이 달라지나
LG CNS가 SAP와 공동으로 제시한 ‘AX on ERP’ 전략의 핵심은 ERP의 각 업무 단위를 독립적인 AI 에이전트로 분리해 운영하는 구조다.
구매 에이전트는 재고 수준, 수요 예측, 공급사 리드타임, 가격 트렌드를 실시간으로 모니터링하다가 발주 시점과 물량을 스스로 결정한다. 사람이 발주 요청을 수동으로 생성하는 게 아니라, 에이전트가 판단해서 실행하고 결과를 사람에게 보고한다. 재무 에이전트는 거래 데이터를 실시간으로 분석해 이상 징후를 탐지하고, 필요하면 사람에게 에스컬레이션한다. 인사 에이전트는 수만 건의 지원서, 인적성 결과, 기존 인사 문서를 분석해 적합한 인재를 추천하고 면접 질문까지 자동 생성한다.
LG CNS가 실제로 LG디스플레이에 적용한 결과를 보면 하루 업무 생산성이 10% 향상되고 연간 100억 원의 비용 절감 효과가 나왔다고 한다. 채용 프로세스에서는 업무 생산성이 26% 개선됐다는 수치도 나온다.
이 구조를 기술적으로 보면, 각 에이전트는 독립적으로 작동하지만 전체 ERP 상태를 공유한다. 구매 에이전트가 발주를 결정하면, 재무 에이전트가 이 결정이 예산 범위 안에 있는지 검증하고, 공급망 에이전트가 납기 가능 여부를 확인하는 협력 구조다. 멀티에이전트 오케스트레이션이 엔터프라이즈 수준에서 작동하는 셈이다.
LangGraph로 멀티에이전트를 설계할 때 슈퍼바이저가 서브에이전트들을 조율하고, 공유 상태를 통해 에이전트 간 정보를 전달하는 구조와 본질적으로 같다. 다만 ERP 환경에서는 에이전트의 행동이 실제 비즈니스 트랜잭션과 연결되기 때문에, 에이전트의 판단 오류가 즉각적인 비즈니스 손실로 이어질 수 있다는 점에서 훨씬 높은 신뢰성 요구사항을 가진다.
앤트로픽 Claude Cowork – MCP 권한 관리가 왜 핵심인가
앤트로픽이 같은 시기에 Claude Cowork를 정식 출시하면서 역할 기반 접근 제어와 MCP 권한 관리를 핵심 기능으로 강조한 것은 우연이 아니다.
MCP(Model Context Protocol)는 AI 에이전트가 외부 시스템과 표준화된 방식으로 연결되는 프로토콜이다. 에이전트가 데이터베이스를 조회하거나, API를 호출하거나, 파일을 읽고 쓰는 모든 행위가 MCP를 통해 이루어진다. Claude Cowork가 이 MCP 권한 관리를 전면에 내세웠다는 건, 에이전트의 외부 시스템 접근을 얼마나 세밀하게 통제하느냐가 엔터프라이즈 도입의 핵심 조건이라는 인식 때문이다.
ERP 에이전트 맥락에서 이게 왜 중요한지 생각해보면 명확하다. 구매 에이전트가 발주를 자율적으로 실행한다면, 이 에이전트는 ERP 데이터베이스에 쓰기 권한을 가져야 한다. 근데 같은 에이전트가 재무 데이터나 인사 데이터에도 접근할 수 있다면 보안 리스크가 생긴다. 역할 기반 접근 제어는 각 에이전트가 자신의 역할에 필요한 시스템과 데이터에만 접근하도록 권한을 제한한다. 구매 에이전트는 구매 관련 테이블에만, 재무 에이전트는 재무 관련 테이블에만 접근할 수 있게 하는 것이다.
Claude Cowork의 또 다른 중요한 측면은 팀 단위 AI 운영 구조다. 기존 AI 도구들이 개인의 생산성 향상에 초점을 맞췄다면, Cowork는 조직 전체가 에이전트 팀을 공유하고 협력하는 방식으로 설계됐다. 역할에 따라 다른 에이전트 접근 권한을 부여하고, 에이전트의 작업 이력과 결과가 팀 전체에 공유되는 구조다. 이게 에이전트를 개인 도구가 아닌 조직 인프라로 만드는 방향이다.
피지컬 AI와 ERP의 결합 – 다음 단계
LG CNS와 SAP가 이번 서밋에서 언급한 또 하나의 방향이 피지컬 AI와 ERP의 결합이다. SAP의 ‘Embodied AI’와 LG CNS의 로봇 플랫폼을 연계해 물리적 작업과 디지털 의사결정이 통합된 사이버-물리 시스템을 구현한다는 내용이다.
이게 구체적으로 어떤 모습인지 상상해보면 이렇다. 공장 로봇이 부품을 집으러 이동한다. 이동 중에 로봇 센서가 해당 부품의 재고가 예상보다 적다는 걸 감지한다. 이 정보가 ERP의 공급망 에이전트에게 실시간으로 전달되고, 에이전트는 즉시 긴급 발주 여부를 판단하고, 필요하면 구매 에이전트에게 발주를 요청한다. 물리 세계의 센서 데이터가 디지털 시스템의 에이전트를 트리거하고, 에이전트의 결정이 다시 물리 세계의 작업을 바꾸는 루프다.
이 구조에서 ERP는 단순한 데이터 기록 시스템이 아니라, 물리-디지털 통합 운영의 두뇌가 된다. 앞서 살펴본 폴라리스오피스가 유비테크 로봇에 AI 두뇌를 공급하는 방식과 같은 방향이다. 소프트웨어가 하드웨어를 제어하고, 실시간 데이터가 에이전트의 판단을 갱신하고, 그 판단이 다시 하드웨어를 움직이는 구조. 피지컬 AI 시대의 엔터프라이즈가 작동하는 방식이다.
에이전틱 ERP 도입의 실제 과제들
이 모든 게 그럴듯하게 들리지만, 실제 도입을 설계하는 입장에서 보면 만만치 않은 과제들이 있다.
첫째는 신뢰성 문제다. 에이전트가 ERP에서 실제 트랜잭션을 자율 실행한다는 건, 에이전트의 판단 오류가 실제 비즈니스 손실로 직결된다는 의미다. 잘못된 발주, 오류 있는 재무 처리, 부적절한 인사 결정이 에이전트에 의해 자동으로 실행되면 피해가 크다. 이를 방지하기 위해 사람의 최종 승인이 필요한 작업과 자율 실행이 허용되는 작업을 명확히 구분하는 가이드라인이 필요하다.
둘째는 감사 추적이다. 에이전트가 내린 결정의 근거를 나중에 설명할 수 있어야 한다. 왜 이 시점에 이 발주를 결정했는지, 어떤 데이터를 참조했는지, 판단 과정이 어떻게 이루어졌는지가 기록되고 재현 가능해야 한다. 규제가 강한 금융이나 의료 분야에서는 이 요구사항이 특히 엄격하다.
셋째는 기존 시스템과의 통합이다. 30년에 걸쳐 구축된 ERP 시스템을 한 번에 에이전틱 AI 구조로 교체하는 건 현실적으로 불가능하다. 기존 시스템 위에 에이전트 레이어를 점진적으로 추가하고, 에이전트가 기존 ERP API를 통해 데이터를 읽고 쓰는 방식으로 시작하는 게 현실적인 접근이다. LG CNS가 컨설팅부터 구축, 운영, 고도화까지 전 주기 서비스를 제공하는 ‘ERP AX사업단’을 신설한 것도 이 복잡한 통합 과정을 전문적으로 지원하기 위해서다.
마무리: 엔터프라이즈 AI의 진짜 전환점
LG CNS와 SAP의 ERP AX 전략, 앤트로픽의 Claude Cowork, 이 두 움직임이 동시에 나온 건 엔터프라이즈 AI 시장이 진짜 전환점에 와 있다는 신호다.
개인 생산성 도구로 시작했던 AI가 이제 조직 전체의 운영 시스템으로 침투하고 있다. 에이전트가 ERP 안에서 자율적으로 판단하고 실행하는 구조는 단순한 자동화 수준을 넘어, 기업이 의사결정을 내리는 방식 자체를 바꾼다. 규칙을 따르는 시스템에서 목표를 향해 스스로 판단하는 시스템으로.
이 전환에서 핵심은 기술이 아니라 설계다. 어떤 작업을 에이전트에게 위임하고, 어떤 작업은 사람이 최종 결정하는지, 에이전트의 권한 범위를 어떻게 제한하는지, 에이전트의 판단을 어떻게 감사하는지. 이 설계가 잘못되면 아무리 좋은 에이전트 기술도 엔터프라이즈 환경에서 신뢰를 얻기 어렵다. 기술의 완성도만큼 거버넌스의 완성도가 중요한 시대가 됐다.