Salesforce와 ServiceNow, OpEx 절감을 위한 자율 에이전트 허브 출시

핵심 요약 (Key Takeaways)

• Salesforce와 ServiceNow는 이번 주 Unified Agent Framework를 발표하였으며, 이를 통해 자율 AI 에이전트가 세션 상태(session state)를 공유하고 교차 플랫폼 워크플로(cross-platform workflows)를 실행할 수 있게 되었습니다.
• 초기 배포 데이터에 따르면, 생성형 "코파일럿 (copilots)"에서 자율 에이전트로의 전환은 IT 서비스 관리(IT service management)에서의 수동 티켓 개입을 줄이고 있습니다.
• AI 에이전트가 이전에는 인간 작업자가 처리하던 업무를 맡게 됨에 따라, 엔터프라이즈 SaaS의 가치는 좌석 기반 라이선스(seat-based licensing)에서 사용량 기반의 "결과 중심 가격 책정 (outcome pricing)"으로 이동하고 있습니다. Salesforce와 ServiceNow는 방금 코파일럿 시대가 마치 준비 운동처럼 보이게 만들었습니다. 이번 주 샌프란시스코에서 열린 Enterprise AI Summit에서 두 벤더는 프롬프트(prompt)를 기다리지 않는 에이전트를 공개했습니다. 이들은 인간의 개입(human in the loop) 없이 실시간 엔터프라이즈 시스템 전반을 모니터링하고, 결정하며, 행동합니다. 현재 에이전트 기반 워크플로(agentic workflows)를 구축하거나 구매하려는 누구에게나, 이번 주는 시장이 움직인 주간입니다.

수동적 코파일럿에서 자율적 행동으로의 전환

가장 핵심적인 발표는 Salesforce와 ServiceNow 간의 공동 이니셔티브인 Unified Agent Framework로, 이는 엔터프라이즈 AI 배포를 괴롭혀온 파편화 문제를 해결하기 위해 설계되었습니다. 지난 1년 동안 엔터프라이즈 AI는 주로 코파일럿(copilots)에 국한되어 있었습니다. 즉, 인간이 모든 동작을 프롬프트하고, 확인하고, 실행해야 하는 채팅 인터페이스 형태였습니다. 이번 새로운 출시 버전은 이를 변화시킵니다. 이제 에이전트는 수동 트리거 없이도 고객 분쟁을 해결하고, 하드웨어를 프로비저닝(provision)하며, 공급망 중단을 관리하기 위해 백그라운드에서 작동합니다.

핵심 제품은 Salesforce의 Agentforce 2.0으로, 제한적인 파일럿 단계를 넘어 일반 가용성(General Availability) 단계로 진입했습니다. 본질적으로 하이엔드 챗봇(Chatbot)에 불과했던 이전 모델과 달리, Agentforce 2.0은 추론 엔진(Reasoning Engine)을 사용하여 복잡한 비즈니스 목표를 실행 가능한 작업으로 분해합니다. 예를 들어, 고객이 설정된 임계값을 초과하는 환불을 요청할 경우, 에이전트는 단순히 정책 텍스트를 보여주는 데 그치지 않습니다. 상담원이 티켓을 확인하기도 전에 거래 내역을 식별하고, 고객의 충성도 등급을 확인하며, ERP에서 재고 데이터를 가져와 고객 유지 제안(Retention Offer)을 준비합니다.

ServiceNow 또한 IT 서비스 관리(ITSM)를 목표로 하는 “Washington” 릴리스를 통해 그 속도를 맞추고 있습니다. 이 플랫폼에는 이제 에이전트가 실시간으로 시스템 로그를 모니터링하여 서버 장애를 예측하는 예측 오케스트레이션(Predictive Orchestration) 기능이 포함되어 있습니다. 잠재적인 중단(Outage)이 감지되면, 에이전트는 자율적으로 중복 컨테이너(Redundant Containers)를 생성하고 관련 이해관계자에게 알림을 보냅니다. '묻고 답하기(Ask-and-receive)' 방식에서 '모니터링하고 실행하기(Monitor-and-act)' 방식으로의 전환은 2026년의 진정으로 유용한 도구와 여전히 뒤처져 있는 도구를 구분 짓는 핵심 요소입니다.

ServiceNow와 백오피스(Back Office)의 자동화

ServiceNow는 기업을 하나로 묶어주는 운영상의 접착제(Operational Glue)에 집중함으로써 강력한 입지를 구축해 왔습니다. 수많은 도구가 창의적인 결과물과 텍스트 생성(Text Generation)을 쫓는 동안, ServiceNow는 워크플로 오케스트레이션(Workflow Orchestration) 자체에 생성형 AI(Generative AI)를 내장했습니다. 이번 주에는 Now Assist 기능 세트가 인사(HR) 및 법무 부서를 위한 에이전틱 워크플로(Agentic Workflows)를 포함하도록 확장되었습니다. 이 에이전트들은 회사의 정책이 담긴 보안 벡터 인덱스 지식 베이스(Vector-indexed Knowledge Base)를 조회함으로써, 온보딩 서류 작업부터 복리후생 설명에 이르기까지 직원의 일상적인 문의 사항을 처리합니다.

초기 배포 데이터에 따르면, 이러한 자율 ITSM (IT Service Management) 도구를 사용하는 조직들은 평균 해결 시간 (MTTR, Mean Time to Resolution)의 유의미한 감소를 경험하고 있습니다. 그 메커니즘은 제로 터치 해결 (Zero-Touch Resolution)입니다. 에이전트가 유입된 인시던트 (incident)를 해석하고, 과거의 해결 사례를 검색하며, 수정 스크립트 (fix script)를 작성하고, 샌드박스 (sandbox)에서 이를 테스트한 뒤 배포합니다. 즉, 티켓이 접수된 시점과 엔지니어가 가용해지는 시점 사이의 대기 시간을 제거하는 것입니다.

하지만 통합 과정이 마찰 없이 매끄러운 것만은 아닙니다. 여러 조직은 ServiceNow의 AI 기반 워크플로 (workflows)를 사용하기 위해 상당한 수준의 사전 데이터 정제 (data cleansing)가 필요하다고 보고했습니다. 에이전트가 신뢰성 있게 작동하려면 기반이 되는 CMDB (Configuration Management Database, 구성 관리 데이터베이스)가 정확해야 합니다. 데이터 위생 (data hygiene) 관리가 소홀했던 기업들은 에이전트가 오래된 정보에 기반하여 동작함으로써 연쇄적인 오류를 일으키는 상황을 목격했습니다. 이는 에이전트 기반 배포에서 반복되는 주제입니다. 즉, 워크플로는 그것이 기반하고 있는 데이터 그래프 (data graph)만큼만 성능을 발휘한다는 점입니다. 만약 ServiceNow와 함께 오케스트레이션 (orchestration)을 위해 n8n 또는 LangChain 같은 도구를 검토하고 있다면, 데이터 품질 문제는 사라지는 것이 아니라 단지 더 빠르게 표면화될 뿐입니다. 또한, 부하 상황에서 n8n이 대량의 에이전트 워크플로를 처리하는 방식에 대한 당사의 분석 내용도 확인해 보시기 바랍니다.

Salesforce Agentforce와 좌석 기반 요금제의 종말

Agentforce 2.0은 CRM 소프트웨어가 가치를 창출하는 방식의 근본적인 전환을 예고합니다. Salesforce는 결과 기반 요금제 (outcome-based pricing)를 강력하게 추진하고 있습니다. 즉, 기업은 사용자당 고정된 월간 수수료를 지불하는 대신, AI가 성공적으로 해결한 건수나 처리한 대화당 비용을 지불합니다. 이는 에이전트가 이전에 여러 명의 신입 영업 및 지원 담당자가 수행하던 업무를 대체하기 시작함에 따른 직접적인 대응입니다.

기술적 기반은 Salesforce의 Data Cloud 백본입니다. 마케팅, 영업 및 서비스의 데이터를 단일 실시간 스트림으로 통합함으로써, 에이전트는 고객에 대한 전체적인 뷰(View)를 확보하게 됩니다. 이는 일반적인 LLM (Large Language Model) 통합에서 흔히 발생하는 환각 (Hallucination) 위험을 줄여줍니다. 에이전트가 교차 판매 (Cross-sell) 기회를 제시할 때, 이는 그럴듯하게 들리는 추측을 생성하는 것이 아니라 실시간 브라우징 행동, 구매 이력, 그리고 실시간 지원 통화로부터 얻은 감성 분석 (Sentiment analysis)을 바탕으로 작동합니다.

쟁점은 통제권입니다. 영업 리더들은 자율 에이전트가 단기적으로는 티켓을 종결시킬 수 있지만 장기적인 마진을 침식하는 할인 혜택을 제공하거나 약속을 할 수도 있다는 우려를 제기해 왔습니다. Salesforce는 이에 대응하여 가드레일 정책 (Guardrail Policies)을 도입했습니다. 회사 측에 따르면, 이는 에이전트의 협상 권한에 대해 관리자가 정의한 엄격한 제한 사항입니다. 에이전트의 자율성과 기업의 감독 사이의 균형은 에이전트 기반 영업 시스템을 대규모로 배포하려는 모든 이들에게 여전히 핵심적인 과제로 남아 있습니다.

HubSpot Breeze와 마케팅 AI의 민주화

차별점은 HubSpot의 원클릭 자동화 철학입니다. 사용자가 복잡한 if-then 로직을 구축하도록 요구하는 대신, Breeze는 기존 데이터 패턴을 기반으로 워크플로 (Workflow)를 제안합니다. 만약 특정 지역의 리드 (Lead)가 더 높은 전환율을 보인다는 것을 감지하면, 해당 세그먼트를 위한 타겟 육성 캠페인을 제안하고, 승인을 거쳐 이를 구축합니다. 이는 전담 데이터 과학자가 없는 소규모 마케팅 팀의 진입 장벽을 크게 낮춰줍니다.

트레이드오프 (Trade-off)는 깊이입니다. Breeze는 콘텐츠 및 기본적인 리드 관리에는 탄탄하지만, ServiceNow에서 얻을 수 있는 멀티 플랫폼 오케스트레이션 (Multi-platform orchestration) 기능은 갖추고 있지 않습니다. 이는 잘 최적화된 인앱 (In-app) AI 경험이지만, 워크플로가 레거시 ERP나 커스텀 내부 데이터베이스에 걸쳐 있을 때는 어려움을 겪기 시작합니다. 중견 기업(Mid-market firms)의 경우, 더 낮은 가격대와 빠른 배포 시간을 고려할 때 이는 종종 수용 가능한 트레이드오프가 됩니다.

심층 통합의 기술적 및 윤리적 장애물

SaaS 도구들이 자율적 행동 (autonomous action) 영역으로 깊숙이 진입함에 따라, 업계는 행동 권한 부여 (action authorisation)에 관한 까다로운 문제에 직면하고 있습니다. 회의 내용을 요약하는 것은 리스크가 낮습니다. 하지만 50,000달러 규모의 구매 주문을 승인하거나 사용자 계정을 삭제하는 것은 그렇지 않습니다. 더욱 발전된 플랫폼들은 현재 에이전트 정체성 관리 (agentic identity management)를 구현하고 있습니다. 에이전트가 취하는 모든 행동은 암호화 토큰 (cryptographic token)으로 서명되고 변경 불가능한 감사 추적 (immutable audit trail)에 기록되므로, 문제가 발생할 경우 관련된 정확한 모델, 프롬프트 (prompt) 및 데이터 소스를 추적할 수 있습니다.

모델 드리프트 (Model drift)는 실시간 운영 문제입니다. SaaS 벤더가 기반이 되는 LLM을 업데이트할 때 — 모델 버전 간 이동하거나 독점 시스템 (proprietary systems)으로 전환할 때 — 기존 워크플로 (workflows)의 동작이 즉각적으로 드러나지 않는 방식으로 변할 수 있습니다. 팀들은 일상적인 플랫폼 업데이트 이후 에이전트가 비효율적이 되거나 어조 (tone)가 일관되지 않게 되었다고 보고해 왔습니다. 이는 에이전트 테스트 스위트 (agent testing suites)에 대한 수요를 촉발했으며, 현재는 Salesforce 및 ServiceNow 플랫폼에 직접 통합되어 IT 팀이 에이전트를 실제 배포하기 전에 레드팀 (red-team) 테스트를 수행할 수 있도록 지원하고 있습니다.

대규모 환경에서의 인간 개입 (human handoff) 문제 또한 여전히 해결되지 않은 상태로 남아 있습니다. 가장 강력한 통합 모델은 에스컬레이션 (escalation)을 깔끔하게 처리합니다. 에이전트가 고객의 높은 좌절감을 감지하거나 스스로 해결할 수 없는 법적 뉘앙스를 발견하면, 모든 맥락 (context)을 첨부하여 인간 운영자에게 에스컬레이션합니다. Zendesk 및 Intercom과 같은 도구들은 이러한 지능 증강 (intelligence augmentation) 모델에 집중해 왔습니다. 즉, 인간을 완전히 제거하는 대신, 답변 초안을 미리 작성하고 관련 문서를 제시함으로써 인간 에이전트를 더 빠르게 만드는 방식입니다. 이러한 접근 방식은 직원 유지 및 품질 관리가 중요한 배포 환경에서 더 나은 결과를 만들어내고 있습니다. 2026년 하반기에 주목해야 할 패턴은 어떤 플랫폼이 가장 많은 자율 에이전트를 보유하고 있는가가 아니라, 어떤 플랫폼이 기업에게 해당 에이전트들이 실제로 할 수 있는 일에 대해 신뢰할 수 있는 통제권을 부여하는가입니다. AI 에이전트 및 자동화 도구에 대한 더 자세한 내용은 저희의 AI Agents section을 방문해 주세요.

본문은 https://autonainews.com/salesforce-and-servicenow-launch-autonomous-agent-hubs-to-cut-opex/에 처음 게시되었습니다.