엔터프라이즈 AI, 질문에 답하는 것을 넘어서다
생성형 AI의 첫 물결은 직원과 고객에게 정보를 탐색하는 대화형 방식을 제공했습니다. 검색 증강 생성, 즉 RAG는 관련 엔터프라이즈 콘텐츠를 검색하여 모델이 답변을 생성하기 전에 대규모 언어 모델에 제공함으로써 이러한 경험을 개선했습니다.
이는 중요한 발전이었습니다. 그러나 근본적으로 정보 검색 경험의 범주를 벗어나지 못했습니다. 사람이 질문하면 시스템이 검색하고, 모델이 응답하는 구조였습니다.
에이전틱 AI는 판도를 바꿉니다. AI 에이전트는 목표를 해석하고, 참조할 시스템이나 지식 소스를 결정하며, 추가 컨텍스트를 수집하고 작업을 실행할 수 있습니다. 지원 답변을 작성하거나, 보안 설문지를 완성하거나, 게시 워크플로를 트리거하거나, 교체 부품을 주문하거나, 서비스 기술자 일정을 잡는 것도 가능합니다.
AI가 '어떻게 해야 하는지'를 설명하는 단계에서 “직접 실행하는” 단계로 전환되면, 엔터프라이즈 지식은 더 이상 단순한 배경 참고 자료로 취급될 수 없습니다. 이는 운영의 핵심 인프라가 됩니다.
검색된 답변에서 자율적 실행으로의 전환
일반적인 RAG 구현은 질문에서 시작됩니다. 시스템은 정의된 지식 소스를 검색하고 관련 구절을 가져와 모델의 프롬프트에 추가한 후, 해당 자료를 기반으로 답변을 생성합니다.
이 방식은 조직이 범용 모델을 재학습시키지 않고도 비공개, 최신 또는 제한된 정보를 활용할 수 있도록 도와줍니다. 또한 사용자 자격 증명으로 검색을 수행하면 액세스 제어도 유지할 수 있습니다.
Fluid Topics 창립자 겸 CEO인 Fabrice Lacroix는 Adobe DITAWORLD 2026 세션에서 생성형 AI가 콘텐츠 전략에 미치는 영향을 주제로, 대규모 언어 모델에서 RAG, 에이전틱 AI, 모델 컨텍스트 프로토콜로 이어지는 발전 과정을 설명했습니다. 또한 RAG가 엔터프라이즈 지식을 검색하여 프롬프트에 추가하고, 범용 모델을 통해 응답을 생성하는 방식도 소개했습니다.
필요한 지식이 여러 리포지토리에 분산되어 있을 때 문제가 발생합니다. Lacroix는 관련 지식이 포함될 수 있는 “10개, 15개, 또는 20개의 애플리케이션”이 관여하는 엔터프라이즈 시나리오를 설명했습니다. 시스템은 해당 소스를 검색하고 결과를 병합한 후, 충분한 컨텍스트가 확보되었는지 판단하고, 복사된 정보가 원본 시스템과 동기화 상태를 유지하도록 해야 합니다.
모델 컨텍스트 프로토콜(MCP)는 또 다른 패턴을 지원합니다. MCP는 AI 시스템이 외부 도구, 애플리케이션, 정보 소스와 연결할 수 있게 해주는 프로토콜입니다. 검색된 콘텐츠를 고정된 패키지로 전달받는 대신, 에이전트는 사용 가능한 소스 중 어디를 조회할지, 무엇을 요청할지, 추가 정보가 필요한지를 스스로 판단할 수 있습니다.
Lacroix는 "에이전트 LLM이 직접 사고하고 추론하며 엔드포인트에 접근해 정보를 수집하고 컨텍스트를 구성합니다"라고 설명했습니다. 바로 이것이 에이전틱 AI를 본질적으로 다르게 만드는 이유입니다. AI 시스템은 단순히 언어를 생성하는 것에 그치지 않고, 하나의 프로세스에 직접 참여합니다.
정비 시나리오를 예로 들어보겠습니다. 기계에서 유압 압력 문제가 보고되면, 에이전트는 기술 문서를 검토해 문제를 진단하고, 제품 수명 주기 관리 시스템에서 영향을 받은 구성을 파악하고, 카탈로그에서 대체 부품을 찾고, 전사적 자원 관리 시스템에서 재고를 확인하고, 배송을 준비하고, 기술자 일정을 조율해야 할 수 있습니다.
Lacroix는 이 예시를 통해, 기존에는 2명에서 10명이 관여해야 했던 프로세스를 설명했습니다. 이 프로세스는 전 세계적으로 24시간 운영되어야 할 수도 있습니다. 그 기회는 상당하지만, 신뢰할 수 있는 지식에 대한 의존도 역시 그만큼 큽니다.
AI가 기업이 그동안 외면해온 콘텐츠 부채를 드러내다
기존 콘텐츠 전달 방식은 수많은 콘텐츠 문제를 감추어왔습니다. 자주 방문되는 페이지는 검토, 수정, 유지 관리될 가능성이 높았습니다. 반면, 리포지토리 깊숙이 묻혀 있는 오래된 항목은 트래픽이 거의 없어 눈에 띄는 피해도 제한적이었습니다. 중복된 절차들은 수년간 공존할 수 있었는데, 사용자들이 익숙한 탐색 경로를 따르다 보면 충돌하는 버전을 거의 마주치지 않았기 때문입니다. 하지만 대화형 및 에이전틱 시스템은 이러한 보호막을 제거합니다.
Adobe DITAWORLD 2026 환영사에서, Adobe의 제품 담당 수석 이사 Vivek Kumar는 AI가 모든 주제, 절차, 콘텐츠 조각을 잠재적으로 접근 가능하게 만든다고 설명했습니다. 리포지토리에서 가장 조회 수가 낮은 항목도 갑자기 답변의 출처가 될 수 있습니다. 그는 고객의 질문과 관련이 있어 보인다는 이유로 AI 어시스턴트가 4년간 업데이트되지 않은 절차를 검색한 사례를 들어 이 위험성을 설명했습니다.
"이 문서 문제를 만든 것은 AI가 아닙니다"라고 Kumar는 말했습니다. "AI가 그것을 드러낸 것입니다."
근본적인 문제는 콘텐츠의 부족이 아닙니다. 신뢰할 수 있는 지식의 부재가 진정한 문제입니다.
절차도 콘텐츠입니다. 제품 설명, 문제 해결 주제, 정책, 서비스 지침도 모두 마찬가지입니다. 이러한 구성 요소들이 적용 대상, 상호 관계, 권위 있는 버전, 승인 주체, 그리고 유효 기간을 설명하는 맥락을 포함할 때 비로소 지식이 됩니다.
AI에게 이러한 구분은 매우 중요합니다. 기술적으로 올바른 지침이라도 특정 제품 버전, 시장, 고객 권한, 운영 조건, 또는 규제 관할 범위에는 적합하지 않을 수 있습니다. 에이전트에게는 질문과 유사한 텍스트 이상이 필요합니다. 선택한 콘텐츠가 고려 중인 작업에 적합하다는 근거가 필요합니다.
더 광범위한 콘텐츠 문제의 규모는 Adobe가 의뢰한 2021년 Forrester Consulting 연구 “컴포넌트 콘텐츠 관리 시스템: 개인화되고 일관된 경험을 위한 장문형 콘텐츠 강화”에 잘 나타나 있습니다. 직원 500명 이상, 연간 매출 미화 5억 달러 이상의 기업 소속 450명의 의사결정권자를 대상으로 실시한 설문 조사를 바탕으로, 이 보고서는 응답자의 64%가 현대적인 콘텐츠 제작 수요를 충족하는 것을 주요 과제로 인식한다는 점을 밝혔습니다. 또한 68%는 콘텐츠 재사용 부족을 콘텐츠 관리 과제로 지적했으며, 58%는 게시 및 업데이트 속도 유지에 어려움을 겪는 것으로 나타났습니다. 에이전틱 AI는 이러한 취약점을 없애주지 않습니다. 오히려 그 취약점이 비즈니스 프로세스로 더 빠르게 파고드는 경로를 만들어줄 뿐입니다.
구조로 콘텐츠를 기계 활용 가능한 지식으로 변환하기
이 지점에서 구조화된 콘텐츠와 컴포넌트 콘텐츠 관리 시스템(CCMS)이 더욱 중요한 역할을 담당하게 됩니다.
CCMS는 정보를 완전한 문서 형태가 아닌 모듈식 구성 요소로 관리합니다. 각 구성 요소는 명시적인 메타데이터, 관계, 조건, 버전 기록, 검토 상태, 재사용 참조를 포함할 수 있습니다. 이 구성 요소들은 여러 출판물로 조합되어 웹사이트, 애플리케이션, 지식 베이스, 지원 시스템, AI 경험을 통해 제공될 수 있습니다.
AI에서 XML의 가치는 단순히 기계가 파싱하기 쉽다는 점에 그치지 않습니다. 더 큰 이점은 구조가 의미와 제어를 명확하게 드러낸다는 데 있습니다.
메타데이터는 제품, 모델, 대상자, 언어, 지역, 수명 주기 상태, 발효일, 보안 등급을 식별할 수 있습니다. 분류 체계는 통제된 용어를 제공합니다. 관계는 개념, 절차, 경고, 부품, 지원 근거를 연결합니다. 버전과 기준선은 특정 출시에 승인된 콘텐츠를 정확하게 식별합니다. 검토 워크플로는 콘텐츠가 권위 있는 자료가 되기 전에 사람의 판단이 적용되었음을 보여줍니다.
Kumar는 이 결과를 콘텐츠 저장소에서 지식 그래프로의 진화라고 설명했습니다. 그는 "지식은 연결된 콘텐츠에서 비롯됩니다"라고 말하며, "관계가 중요하고, 맥락이 중요하며, 의미가 중요합니다"라고 강조했습니다.
이러한 지식 기반을 통해 AI 시스템은 보다 작고 정밀한 단위의 지식을 검색하는 동시에 평가에 필요한 정보를 온전히 보존할 수 있습니다. 또한 조직은 AI가 생성한 응답이나 조치를 그 근거가 된 원본 자료까지 추적할 수 있습니다.
Forrester 연구는 이 접근 방식을 수치로 뒷받침합니다. 응답자의 69% 는 XML과 같은 유연한 형식으로 콘텐츠를 유지하면 재사용과 배포가 더 용이해진다고 답했습니다. 또한 보고서에 따르면 CCMS를 도입한 조직의 응답자 80% 이상 이 CCMS가 콘텐츠 제작 및 전달과 관련된 규정 준수, 평판, 재무, 인력 리스크를 제거하는 데 도움이 되었다고 밝혔습니다.
이러한 결과는 하나의 결론을 가리킵니다. 조직은 단순히 더 많은 문서를 생성하는 방식으로 증가하는 사람과 시스템의 요구를 충족할 수 없습니다. 필요한 것은 한 번의 거버넌스 적용으로 맥락을 파악하고 안정적으로 재사용할 수 있는 콘텐츠입니다.
AI 제어의 일부가 되는 거버넌스
많은 AI 프로그램이 모델, 인터페이스, 또는 에이전트 프레임워크를 우선시합니다. 이는 가시적인 투자이지만, 취약한 콘텐츠 거버넌스를 보완하기에는 충분하지 않습니다.
에이전틱 AI를 위한 엔터프라이즈 지식 기반은 다음과 같은 운영상의 핵심 질문에 답할 수 있어야 합니다:
- 현재 승인된 버전입니까?
- 해당 제품, 오디언스, 지역, 상황에 적용됩니까?
- 적절한 주제 전문가가 검토했습니까?
- 해당 사용자 또는 에이전트가 접근할 수 있습니까?
- 이것에 의존하는 다른 콘텐츠는 무엇입니까?
- 무엇이 변경되었으며, 누가 언제 변경했습니까?
- 시스템이 답변이나 조치에 사용된 출처를 인용할 수 있습니까?
이는 CCMS에서 익숙한 과제이지만, 에이전틱 AI가 등장하면서 비즈니스적 의미가 한층 넓어졌습니다.
- 버전 관리는 오래된 지침으로 인한 오류를 방지하는 안전장치가 됩니다.
- 메타데이터는 에이전트를 위한 라우팅 메커니즘이 됩니다.
- 승인 상태는 신뢰 판단의 기준이 됩니다.
- 감사 이력은 규정 준수 및 조사를 위한 증거가 됩니다.
- 액세스 제어는 에이전트가 제한된 정보를 노출하거나 이에 따라 행동하는 것을 방지합니다.
Forrester 보고서에 따르면, 부정확하거나 불명확한 문서는 지원 운영에 상당한 위험을 초래하며, 응답자의 절반 이상이 파편화된 콘텐츠 전략, 콘텐츠 사일로, 검토 및 협업, 개인화, 옴니채널 제공, 콘텐츠 제작 속도를 주요 과제로 지목했습니다.
이는 CCMS가 모든 위험을 제거하거나 모든 AI 작업을 기본적으로 신뢰할 수 있게 만든다는 의미가 아닙니다. 조직들이 이미 구조화된 콘텐츠 제어를 위험을 초래하는 조건을 줄이는 수단으로 연결 짓고 있음을 보여주는 것입니다.
사람의 감독 또한 여전히 필요합니다. 에이전틱 시스템은 일상적인 업무를 가속화할 수 있지만, 조직은 어떤 작업에 검토, 승인 또는 에스컬레이션이 필요한지에 대한 명확한 경계를 설정해야 합니다. 목표는 모든 프로세스에서 사람을 배제하는 것이 아닙니다. 사람의 판단이 가장 큰 가치를 발휘하는 의사결정에 집중하는 것입니다.
Adobe Experience Manager Guides 엔터프라이즈 지식 기반으로 활용하기
Adobe Experience Manager Guides는 이 모델을 지원하는 구조화된 콘텐츠 기반을 제공합니다.
조직은 거버넌스 환경 내에서 모듈식 DITA 콘텐츠, 메타데이터, 버전, 참조, 검토, 번역, 게시를 통합 관리할 수 있습니다. 애플리케이션 프로그래밍 인터페이스(API)를 활용하면 콘텐츠 운영을 다른 엔터프라이즈 시스템과 연동할 수 있으며, 구조화된 출력물은 웹사이트, 애플리케이션, 지식 베이스, 채팅 환경 등 다양한 다운스트림 활용을 지원합니다.
“The Business Value of Adobe Experience Manager Guides”, Adobe가 후원한 2022년 11월 IDC 비즈니스 가치 연구에서 IDC는 Experience Manager Guides를 활용하는 6개 조직을 대상으로 심층 인터뷰를 실시하고 그 결과를 보고했습니다. IDC는 참여 조직들에 대해 연평균 혜택으로 조직당 380만 달러, 3년 투자 수익률 287%, 그리고 13.9개월의 투자금 회수 기간을 산출했습니다.
이 연구에 따르면 Experience Manager Guides 도입 이후 기술 문서 작성팀의 효율성이 17% 향상된 것으로 나타났습니다. 또한 중복 관련 작업이 16% 감소한 것으로 보고되었으며, 연평균 생산성 가치는 조직당 437,570달러에 달했습니다.
이러한 결과가 모든 구현 사례에서 보장된 성과임을 의미하지는 않습니다. 이는 AI 준비에 필요한 콘텐츠 기반이 중복 감소, 보다 효과적인 콘텐츠 운영, 생산성 향상을 통해 측정 가능한 가치를 창출할 수 있음을 보여줍니다.
Adobe는 구조화된 콘텐츠의 가져오기, 생성, 수정, 태그 지정, 유효성 검사를 위한 AI 지원 기능도 선보였습니다. Adobe의 시니어 솔루션 컨설턴트 Mike Buoy는 Adobe DITAWORLD 2026 세션에서 Experience Manager Guides의 AI를 활용해 더 스마트하게 작업하고 대규모로 콘텐츠를 제작하는 방법을 소개하며, 작성자가 AI가 제안한 계획을 검토하고 변경 사항을 추적한 뒤 수락하는 워크플로를 시연했습니다. 사람이 직접 검토하고 승인하는 이 방식은 AI가 콘텐츠 작업을 가속화하면서도 조직이 신뢰할 수 있는 지식 베이스에 포함될 내용을 직접 통제할 수 있게 합니다. 대규모 구현 사례는 이 통제 기능의 중요성을 명확히 보여줍니다.
EY의 글로벌 어슈어런스 담당 클라이언트 기술 디렉터 Brian Scordinsky는 Adobe DITAWORLD 2026 세션에서 EY Atlas를 엔터프라이즈 규모로 운영되는 글로벌 어슈어런스 지식 플랫폼으로 소개했습니다.
EY Atlas는 100만 건 이상의 문서, 300만 개의 렌더링된 콘텐츠 페이지, 40개 이상의 언어, 66개의 지역 기반 채널을 지원합니다. 200,000명 이상의 사용자에게 서비스를 제공하며, 월 100만 건 이상의 방문을 처리합니다. AEM Guides 환경은 1,270만 건의 메타데이터와 4,200만 개의 링크 참조를 유지 관리합니다.
Scordinsky는 Atlas를 “글로벌 지식 공급망의 프론트엔드”로 정의했습니다. 이 경험 이면에는 저작, 퍼블리싱, 검색, 구독, 분석, 보안, 현지화, 그리고 점차 확대되는 생성형 AI 기반 에이전트 경험을 지원하는 구조화된 에코시스템이 자리하고 있습니다.
관련 Adobe DITAWORLD 2024 세션에서는 EY Atlas가 200,000명 이상의 사용자에게 서비스를 제공했으며, 이 중 26,000명 이상이 클라이언트였고, 600명 이상의 콘텐츠 제작자가 이를 지원했다고 보고했습니다. 해당 세션에서 Scordinsky는 “AEM이 콘텐츠 운영의 핵심 작업을 모두 처리합니다”라고 밝히며, AEM Guides에서 관리되는 메타데이터가 검색 기능을 강화하고, 나아가 대규모 언어 모델과 생성형 AI 채팅 경험도 지원하게 될 것이라고 덧붙였습니다.
이 규모에서 메타데이터, 버전, 링크, 퍼블리싱 제어는 단순한 관리 세부 사항이 아닙니다. 이것은 신뢰할 수 있는 지식을 위한 운영 모델입니다.
에이전트 계층 확장 전, 지식 계층 먼저 구축하기
기업은 에이전틱 AI 이니셔티브를 시작하기 전에 모든 콘텐츠를 재구성할 필요는 없습니다. 그러나 고가치 또는 고위험 작업에 영향을 미치는 지식이 무엇인지 파악하고, 해당 콘텐츠를 먼저 신뢰할 수 있도록 만드는 것은 반드시 필요합니다.
실용적인 접근 방식은 네 가지 우선순위에서 시작됩니다.
1. 에이전트가 지원할 의사결정 및 작업 식별하기
콘텐츠를 선택하기 전에 비즈니스 프로세스를 먼저 정의하세요. 에이전트가 추천, 시작 또는 완료할 수 있는 작업의 범위와 반드시 사람의 승인이 필요한 영역을 결정하세요. 이 과정을 통해 어떤 지식 소스가 핵심적인지, 그리고 어느 수준의 신뢰도가 요구되는지 명확해집니다.
2. 해당 작업의 기반이 되는 콘텐츠 평가하기
에이전트가 활용할 지식을 면밀히 검토하세요. 중복 여부, 상충하는 지침, 메타데이터 누락, 구버전 콘텐츠, 불명확한 소유권, 접근 불가한 소스 자료, 승인 이력의 공백을 빠짐없이 확인해야 합니다.
목표는 광범위한 콘텐츠 목록을 작성하는 것이 아닙니다. AI가 지원하는 의사결정을 이끌 정보에 대한 집중적인 리스크 평가가 핵심입니다.
3. 핵심 지식의 구조화 및 거버넌스 확립하기
필요에 따라 대용량 문서를 재사용 가능한 구성 요소로 분리하세요. 통제된 메타데이터를 적용하고, 절차, 제품, 부품, 정책, 지원 개념 간의 관계를 체계적으로 구축하세요.
검토, 승인, 버전 관리, 접근 권한, 보존, 생명 주기 규칙을 명확히 정의하여 사람과 AI 시스템 모두가 현재 유효한 지식과 미완성, 구버전, 또는 사용에 부적합한 콘텐츠를 구분할 수 있도록 해야 합니다.
4. 거버넌스가 적용된 인터페이스를 통한 콘텐츠 연결하기
API와 MCP 호환 서비스를 활용하면 권한 관리, 소스 제어, 감사 가능성을 그대로 유지하면서 에이전트가 엔터프라이즈 지식에 접근할 수 있습니다.
각 연결은 에이전트가 콘텐츠의 의미, 적용 시점, 신뢰 가능 여부를 파악할 수 있도록 충분한 맥락 정보를 보존해야 합니다.
이 순서는 매우 중요합니다. 에이전트를 더 많은 저장소에 연결한다고 해서 자동으로 더 나은 지식이 만들어지는 것은 아닙니다. 오히려 에이전트가 더 많은 불일치 정보에 더 빠르게 접근하게 될 뿐입니다.
전략적 인프라로 자리잡는 엔터프라이즈 지식
CCMS의 전략적 역할이 변화하고 있습니다. 콘텐츠를 제작, 관리, 번역, 게시하는 플랫폼으로서의 본래 역할을 유지하면서, 이제는 엔터프라이즈 전문 지식과 AI 기반 실행 사이를 잇는 거버넌스 기반 지식 계층으로 진화하고 있습니다.
Kumar는 이 변화를 간명하게 요약했습니다. “한때 문서화 인프라로 여겨졌던 것이 이제 빠르게 AI 인프라로 전환되고 있습니다.”
엔터프라이즈 AI의 다음 단계는 가장 많은 콘텐츠나 가장 많은 에이전트를 보유한 조직이 선도하지 않을 것입니다. 구조화되고, 최신 상태이며, 맥락이 풍부하고, 권한 인식이 가능하며, 추적 가능한 지식을 AI에 제공할 수 있는 조직이 앞서게 될 것입니다.
AI가 단순히 질문에 답하는 수준에 그쳤을 때는 품질이 낮은 콘텐츠가 부실한 경험으로 이어졌습니다. 이제 AI가 직접 행동할 수 있게 된 시대에, 엔터프라이즈 지식의 품질은 비즈니스를 좌우하는 핵심 통제 요소가 됩니다.
에이전틱 AI 도입을 준비하는 조직은 핵심 의사결정을 뒷받침하는 콘텐츠를 파악하고, 실행을 지원할 만큼 구조화 및 체계적으로 관리되고 있는지 평가하며, 확장하기 전에 위험도가 가장 높은 지식 공백부터 해소해야 합니다. Adobe Experience Manager Guides는 엔터프라이즈 정보를 AI 기반 경험과 워크플로를 위한 신뢰할 수 있는 재사용 가능 지식으로 전환하는 데 필요한 통제된 콘텐츠 기반을 제공합니다.
다음 단계
Adobe Experience Manager Guides가 구조화된 엔터프라이즈 콘텐츠를 AI 기반 경험과 에이전틱 워크플로를 위한 체계적으로 관리되는 지식 기반으로 전환하는 방법을 알아보세요.
