이번 영상은 팟캐스트 _Eye on AI_의 심층 인터뷰로, 진행자 Craig Smith가 50년 역사를 가진 기업 통신 거물 Mitel의 최고 기술 책임자(CTO) Luiz Domingos를 초대했습니다 oxed{

}.

Luiz는 전 세계 7,000만 명의 사용자를 서비스하는 Mitel의 실제 경험을 결합하여 oxed{

}, AI가 기업 통신 아키텍처(Architecture)를 어떻게 재편하고 있는지 매우 상세하게 공유했습니다. 다음은 대화 내용의 전체 정리입니다:

1. 과거와 현재의 비교: "PPT 단계"에서 "실제 구현"으로

• 기업 태도의 변화: 2~3년 전(2022년경) 기업들의 AI에 대한 논의는 대부분 "전략 기획"과 개념 증명(PoC, Proof of Concept) 단계에 머물러 있었습니다 oxed{
  }. 그러나 현재 기업들은 혁신 실험실을 벗어나 AI를 실제 비즈니스 프로세스와 운영(Operational AI)에 직접 통합하고 있습니다 oxed{
  }.
• 관심사의 이동: 과거의 초점은 "어떤 대규모 언어 모델(LLM)이 가장 똑똑한가"였습니다. 오늘날 경영진들은 "어떤 배포 방식이 기업의 거버넌스(Governance) 및 컴플라이언스(Compliance) 요구사항을 충족하면서도 실제적인 **투자 수익률(ROI)**을 가져다줄 수 있는가"에 더 관심을 가집니다 oxed{
  }.

2. 핵심 통신 비즈니스에서의 AI 적용 시나리오

컨택 센터 (Contact Centers)

AI가 가장 오래 구현되었고 ROI가 가장 명확한 분야입니다 oxed{

, }:

• AI 상담사 어시스턴트 (Co-pilot): 실시간으로 통화를 전사(Transcription)하고, 감정 분석(Sentiment Analytics)을 수행하며, 상담사에게 최적의 답변 제안을 제공합니다 oxed{
  }.
• 자동화된 리뷰: 통화가 종료되면 AI가 자동으로 통화 요약(Summarization)을 생성하고 기록 및 보관하여, 상담사가 매 통화 후 수동으로 타이핑해야 하는 시간을 절약해 줍니다 oxed{
  ,
  }.
• 지능형 라우팅 (Intelligent Routing): 고객의 요구사항을 정확히 분석하여 해당 업무를 가장 잘 아는 상담사에게 자동으로 연결합니다 oxed{
  }.

통합 커뮤니케이션 (Unified Communications, UC) 및 기업 지식 베이스

• 통합 커뮤니케이션(UC)이란 음성, 영상, 회의, 즉시 메시지 등 다중 모드(Multi-modal) 소통을 하나로 통합한 시스템을 의미합니다 oxed{
  }.
• 지식 검색: RAG (검색 증강 생성, Retrieval-Augmented Generation) 기술을 통해 AI를 기업 자체의 제도, 제품 매뉴얼 등 프라이빗 지식 베이스(Private Knowledge Base)와 연결합니다 oxed{
  ,
  }. 지원 엔지니어가 고객의 질문을 받았을 때, AI 어시스턴트는 과거처럼 관리자에게 물으러 갈 필요 없이 신속하고 정확한 공식 가이드를 제공할 수 있습니다 oxed{
  }.

3. 파격적인 예측: 미래의 앱 인터페이스는 화면이 아닌 음성이다

Luiz는 역발상적인 관점을 제시했습니다 oxed{

}:

• 그는 음성이 AI의 가장 자연스러운 상호작용 인터페이스(Interface)로 다시 자리 잡을 것이라고 생각합니다 oxed{
  }. 미래의 사용자들은 하루 종일 AI에게 메시지를 보내거나 타이핑을 하고, 다양한 GUI(그래픽 사용자 인터페이스)를 클릭하며 다니는 대신, 직접 음성으로 대화하게 될 것입니다 oxed{
  }.
• "미래 애플리케이션의 표준은 전통적인 화면 메뉴가 아닌 음성 인터페이스가 될 것입니다." oxed{
  } 그는 예를 들어, 매일 30분 동안 운전하며 출퇴근할 때 순수하게 음성만으로 AI 어시스턴트와 하루 일과를 정리할 수 있다면 엄청난 생산성을 해방할 수 있을 것이라고 말했습니다 oxed{
  }.

4. 현장 근로자 (Frontline Workers): AI의 가장 큰 미개척 시장

• Luiz는 병원의 간호사나 현장 조사 기술자와 같은 현장 근로자들이 과거의 디지털 전환 과정에서 **가장 소외되었던 그룹 (Underserved)**이었다고 지적했습니다 oxed{
  }. 이들은 지식 노동자처럼 하루 종일 컴퓨터 앞에 앉아 복잡한 앱을 연구할 여유가 없습니다 oxed{
  }.
• AI 음성이 완벽한 해결책이 될 수 있습니다: 간호사가 병상에서 환자를 돌볼 때, 음성을 통해 시스템과 상호작용하며 실시간으로 고위험 경고를 받고 문서를 자동으로 입력할 수 있어, 번거로운 수기 작업을 크게 줄일 수 있습니다 oxed{
  ,
  }.

5. 에이전틱 AI (Agentic AI)와 AI 에이전트 (AI Agents)의 차이

Luiz는 시장에서 이 두 용어가 혼용되는 점을 특별히 명확히 했습니다 oxed{

}:

• AI Agents / 어시스턴트: 비-에이전틱 (Non-Agentic)에 속합니다. 이들은 데이터를 처리하고 대화를 분석하여 인간에게 통찰력과 제안을 제공하는 역할을 합니다 oxed{
  }.
• Agentic AI: 더 높은 단계에 속합니다. 단순히 제안을 하는 것에 그치지 않고, 기업의 워크플로우 (Workflow) 내에서 인간을 대신하여 구체적인 동작을 실행할 수 있습니다 oxed{
  }.
• Mitel의 Workflow Studio: 이는 통신 워크플로우를 전문적으로 오케스트레이션(Orchestration)하는 플랫폼입니다 oxed{
  }. 예를 들어, IT 부서가 수리 요청 전화를 받으면, Agentic AI가 이를 이해한 후 ServiceNow 시스템에서 자동으로 티켓을 생성하고 제출하여 시스템 간 자동화를 구현합니다 oxed{
  ,
  }.

6. 기업이 가장 두려워하는 페인 포인트 (Pain Point): 컴플라이언스, 데이터 프라이버시 및 책임 (Governance)

Luiz는 최근 산업 전시회에 참석했을 때, 현재 CIO들의 핵심 논의 주제가 AI가 얼마나 멋진지가 아니라, 컴플라이언스 (Compliance)와 책임 소재라는 것을 발견했습니다 oxed{

}.

• 데이터를 함부로 전송해서는 안 됨: 기업 통신에는 방대한 양의 영업 비밀과 법적 민감 정보가 포함되어 있습니다. 기업은 이러한 통화 전사(Transcription) 텍스트가 퍼블릭 모델(Public Model)을 학습시키기 위해 퍼블릭 클라우드(Public Cloud)로 업로드되는 것을 절대 용납할 수 없습니다 oxed{
  ,
  }.
• Agentic AI는 반드시 "인간 참여(Human in the Loop)"가 필요함: 에이전트(Agent)가 독립적으로 작업을 수행하는 것에 대해 기업들은 "공포"를 느낍니다 oxed{
  }. AI가 독단적으로 잘못된 결정을 내릴 경우, 막대한 평판 리스크, 소송 및 법적 책임을 초래할 수 있기 때문입니다. 따라서 기업용 애플리케이션에서는 핵심 동작이 반드시 인간의 승인(Thumbs up)을 거쳐야만 실행될 수 있어야 합니다 oxed{
  }.
• 감사 가능성 (Auditability): 규제를 받는 금융 산업에서는 모든 거래 통화를 녹음해야 하며 언제든 검토할 수 있어야 합니다. AI는 반드시 설명 가능하고 감사 가능한(Auditable) 수준을 갖추어야 합니다 oxed{
  ,
  }.

7. 기술 아키텍처의 새로운 트렌드: 엣지 AI (Edge AI) 및 하이브리드 배포

컴플라이언스(Compliance) 준수와 극도로 낮은 지연 시간(Latency)에 대한 요구 때문에 "순수 클라우드 AI"는 한계에 부딪히고 있습니다.

• 밀리초 단위의 싸움 (Latency): 고객 서비스 통화에서 AI 어시스턴트가 답변 스크립트를 제안하는 데 2초가 걸린다면, 그 통화는 더 이상 의미가 없습니다 oxed{
  }.
• 엣지 AI (Edge AI)의 부상: 소형화된 전용 거대언어모델(LLM)을 기업 로컬의 엣지 게이트웨이나 로컬 데이터 센터(On-premises / Secure Cloud)에 배포하는 방식입니다 oxed{
  ,
  }. 이는 네트워크 대역폭과 지연 시간 문제를 해결할 뿐만 아니라, 데이터 주권에 대한 유럽(GDPR, AI 법안 등)의 엄격한 요구 사항을 충족합니다 oxed{
  ,
  ,
  }.

8. AI가 가져오는 조직 구조의 조정과 에너지에 대한 성찰

• 부서 간 장벽 허물기: AI는 통신, CRM, ERP 등 여러 시스템을 관통하며, 이는 전통적인 IT 운영과 타 부서 간의 경계를 허물고 있습니다 oxed{
  ,
  }. 기업은 데이터 과학 팀뿐만 아니라 전 직원의 AI 리터러시 (AI Literacy)를 높여야 합니다 oxed{
  }.
• 그린 AI (Sustainability): 급증하는 AI 에너지 소비 문제에 대해, Luiz는 무조건 가장 큰 모델만을 추구해서는 안 된다고 생각합니다 oxed{
  }

1. 목적 없는 파일럿 (Pilots) 중단: 고립된 테스트는 실제 배포 시의 복잡성을 드러내지 못하며, 많은 기업이 수십 개의 파일럿을 진행하고도 투자 대비 수익 (ROI)을 계산해내지 못합니다 oxed{
   ,
   }.
2. 마찰 지점(Friction points)부터 찾기: 올바른 방법은 기업의 기존 비즈니스 프로세스 10단계를 정리하여, 어디에서 지연이 발생하는지, 어디에서 인건비가 높은지, 어디에 컴플라이언스 (Compliance) 리스크가 있는지 찾아내어 이러한 "페인 포인트 (Pain points)"를 대상으로 AI를 도입하는 것입니다 oxed{
   }.
3. 기저 아키텍처 (Underlying architecture) 정리: 파편화되어 있고 API가 일관되지 않은 레거시 아키텍처 (Legacy Architecture)에 AI를 강제로 밀어 넣으려 하지 마세요. 그것은 복잡성만 증가시킬 뿐입니다. 기업은 먼저 API 우선 (API-first), 데이터 디커플링 (Data decoupling) 및 데이터 정제 (Data cleansing)를 실현해야 합니다 oxed{
   }.