2026년 7월 7일, 구매자들은 읽을 수 있는 두 가지 다른 Gartner 아티팩트를 받았습니다: 매직 쿼드런트(Magic Quadrant)와 크리티컬 캐퍼빌리티즈(Critical Capabilities).

이 둘을 하나의 판결로 취급하는 곳에서 대화형 AI 플랫폼 평가는 벗어나기 시작합니다.

신호와 테스트 분리하기

매직 쿼드런트는 비전 완성도(Completeness of Vision)와 실행 능력(Ability to Execute)을 통해 시장 위치를 평가합니다. 크리티컬 캐퍼빌리티즈는 별도의 사용 사례 중심 평가입니다. 이 구별은 분석가들의 잡학 지식이 아닙니다. 이는 다음에 무엇을 해야 하는지를 바꿉니다.

리더(Leader) 배정은 팀이 누구를 최종 후보 목록에 포함할지 결정하는 데 도움을 줄 수 있습니다. 하지만 플랫폼이 고객 여정, 권한 모델, 규정 준수 의무, 음성 경로(voice path), 통합, 비용 모델 또는 운영 제어와 맞는지 알려주지는 못합니다.

Google Cloud는 2026년 7월 17일에 발표를 했습니다. 그 근간이 되는 Gartner 보고서는 2026년 7월 7일 자입니다. 이 게시물은 Google이 2년 연속 리더로 선정되었으며, 네 가지 사용 사례 중 세 가지에서 1위를 차지했다고 말합니다. 실무자에게 중요한 세부 사항은 다음과 같습니다: 그 1위 사용 사례 순위는 매직 쿼드런트가 아닌 크리티컬 캐퍼빌리티즈에 속한다는 것입니다.

그것이 순위를 쓸모없게 만드는 것은 아닙니다. 그것을 맥락적으로 만듭니다.

개발자가 신경 써야 하는 이유

개발자들은 종종 최종 후보 목록이 이미 정치적으로 뜨거워진 후에 평가를 물려받습니다. 벤더는 차트 배치를 가지고 있고, 임원은 데모를 봤으며, 엔지니어링 팀은 통합이 실현 가능한지 여부를 질문받습니다.

이는 에이전트를 안전하게 일시 중지할 수 없다는 것, 도구 접근 권한이 너무 광범위하다는 것, 감사 추적(audit trails)이 불완전하다는 것, 또는 인간의 에스컬레이션이 실제 지원 방식과 맞지 않다는 것을 발견하기에는 너무 늦은 시점입니다.

더 나은 평가는 분석가 커버리지를 입력으로 취급하고, 모든 후보를 동일한 관문을 통과하도록 강제합니다. 이 글은 프로덕션 승인에 중요한 것들을 명시합니다: 근거 기반 답변(grounded answers), 최소 권한 도구(least-privilege tools), 감사 추적, 모니터링, 인간 에스컬레이션, 일시 중지 제어(pause controls), 롤백(rollback), 그리고 유지된 소유권(retained ownership).

이것들은 조달 장식이 아니라 엔지니어링 문제입니다.

실질적인 평가 구조

개발자나 플랫폼 팀의 입장에서, 파일럿을 시작하기 전에 하나의 고정된 기준(rubric)을 중심으로 작업을 구성해야 합니다. 각 벤더가 자신만의 데모 경로에 맞춰 최적화하도록 두지 마십시오.

포함할 구체적인 점검 항목:

• 보고서 분리: 시장 위치를 파악하기 위해 Magic Quadrant를 읽고, 사용 사례 지향성을 확인하기 위해 Critical Capabilities를 읽으세요. 이 둘을 하나의 승자 서사로 섞지 마십시오.
• 벤더 정규화: Google, Salesforce, SoundHound AI, Kore.ai 또는 다른 모든 후보군을 동일한 보안, 규정 준수(compliance), 통합, 인계(handoff), 비용, 운영 가능성 게이트를 기준으로 테스트하세요.
• 제어 준비 상태: 프로덕션 승인 전에 최소 권한 도구(least-privilege tools), 감사 추적(audit trails), 모니터링, 에스컬레이션, 일시 중지 제어(pause controls), 롤백(rollback) 및 유지된 소유권(retained ownership)을 요구하세요.
• 워크플로우 적합성: 에이전트가 기업 지식을 검색하고, 의도를 해석하며, 시스템 전반에 걸쳐 행동하고, 신뢰도나 권한이 부족할 때 인계하는 방식을 검증하십시오.

언급된 벤더들이 중요한 이유는 시장 자체가 현실이기 때문입니다. CX Foundation은 네 명의 리더(Leaders)로 Google, Salesforce, SoundHound AI, Kore.ai를 식별합니다. 하지만 이 목록은 운영 모델이 아니라 단지 시작점일 뿐입니다.

상충 관계 (Tradeoff)

분석가 리서치를 활용하는 것에는 실질적인 장점이 있습니다. 이는 혼잡한 시장을 압축하고 팀들에게 공유된 어휘력을 제공합니다. Vision의 완성도와 실행 능력(Ability to Execute)은 카테고리 성숙도를 이해하려고 할 때 유용한 렌즈입니다.

하지만 상충 관계가 존재합니다. 바로 시장 위치가 실제 환경에 비해 더 객관적으로 느껴질 수 있다는 점입니다. 귀하의 지원 워크플로우, 데이터 경계, 규정 준수 의무, 에스컬레이션 경로는 사분면도에서 보이지 않기 때문입니다.

Critical Capabilities는 사용 사례 지향적이라는 점에서 도움이 됩니다. 하지만 그것조차 구매자가 직접 검증하는 것을 대체할 수는 없습니다. 사용 사례 순위가 귀하의 권한, 지식 소스, 실패 모드 또는 프로덕션 제어에 대해 에이전트가 올바르게 작동할 것이라는 것을 증명하지는 못합니다.

주요 구현 교훈

광범위한 시장은 스크립트 기반 채팅에서 의도를 해석하고, 기업 지식을 검색하며, 시스템 전반에 걸쳐 행동하는 에이전트로 이동하고 있습니다. 이러한 변화는 피상적인 평가의 비용을 높입니다.

스크립트형 봇은 잘못된 답변을 제공함으로써 실패할 수 있지만, 에이전트 기반 시스템은 잘못된 작업을 수행하거나, 잘못된 소스를 사용하거나, 에스컬레이션을 건너뛰거나, 비즈니스가 유지한다고 생각했던 소유권 모델을 벗어나 작동함으로써 실패할 수 있습니다.

이것이 바로 대화형 AI 플랫폼 평가가 소프트웨어 카테고리 쇼핑보다는 프로덕션 준비도 검토에 더 가까워야 하는 이유입니다. 분석가의 배치가 문을 열어줄 수는 있습니다. 하지만 게이트(Gate)가 그 플랫폼이 고객을 만날 수 있을지 결정합니다.

개발자가 소유한 대화형 AI 플랫폼 평가에서 가장 먼저 고려할 것은 도구 권한, 감사 가능성(auditability), 에스컬레이션 동작, 아니면 롤백 중 무엇일까요?

📖 전체 가이드 읽기 → Gartner를 넘어서는 대화형 AI 플랫폼 평가