세일즈포스(Salesforce) 보고서에 따르면, AI 에이전트 사용량은 불과 6개월 만에 233%나 증가했다. 같은 기간, 8,000개가 넘는 고객이 에이전트포스(Agentforce) 서비스에 등록했다. 2025년 미국 라스베이거스의 CES 2025에서도 AI 에이전트는 가장 큰 화두였다. 삼성SDS는 기업용 에이전트 ‘패브릭스(Fabrics)’로 하이퍼 오토메이션의 가능성을 보여줬고, SK텔레콤은 생활형 AI 에이전트 ‘에스터(ESTHER)’를 선보이며 언론의 큰 주목을 받았다.

위에서 언급한 233%라는 수치는 단순한 성장률이 아니다. 자동화의 본질이 바뀌고 있다는 신호다. 과거의 자동화는 ‘규칙 기반(Rule- based)’이었다. “A라는 조건이 되면 B를 실행하라”는 식의 단순한 if-then 구조였다. 하지만 최신 AI 에이전트는 다르다. 스스로 목표를 세우고, 환경과 상호작용하며, 데이터를 분석해 최적의 해답을 직접 도출한다. 예를 들어 과거 자동화는 “매일 오전 9시, 재고 현황 리포트를 이메일로 발송”정도에만 머물렀다. 이제는 AI 에이전트가 재고가 부족해지기 전에 과거 판매 패턴, 계절성, 외부 요인을 분석해 언제 어떤 상품을 얼마나 발주해야 하는지까지 계산하고, 관련 담당자에게 알맞은 제안까지 내놓는다. 반복이 아니라 판단과 의사결정이 핵심이 된 것이다.

2025년이 ‘AI 독립의 해’였다면, 2026년은 ‘에이전트 협업의 해’다. 개인이 AI를 활용하는 수준을 넘어서, 에이전트들이 서로 협력하며 복잡한 업무를 자동화하는 단계로 진화할 것이다. 이 시대에는 단순 프롬프트 능력보다 ‘에이전트 오케스트레이션’, 즉 여러 에이전트를 조율해 협업시키는 능력이 중요해진다.

1) 맥락 제공 능력(Context Crafting): 에이전트가 상황을 정확히 이해할 수 있도록 충분한 맥락과 배경 정보를 제공하는 능력이다. 단순히 “보고서 써줘.”가 아니라 “지난 분기 영업 실적이 30% 하락한 상황에서, 경쟁사 분석을 포함해 다음 분기 전략을 제안하는 10페이지 분량의 보고서를 써줘.”처럼 구체적인 맥락을 제공해야 한다.

2) 목표 설정 능력(Goal Definition): 에이전트가 달성해야 할 목표를 구체적이고 측정 가능하게 설정하는 능력이다. “고객 만족도 향상”이 아니라 “고객 응답 시간을 현재 평균 4시간에서 1시간으로 단축하고, 해결률을 70%에서 85%로 향상”처럼 정량적 목표를 설정해야 한다.

3) 피드백 순환 능력(Feedback Loop Management): 에이전트의 결과물을 평가하고 개선점을 제시하여 학습 효과를 높이는 능력이다. 결과를 그대로 받아들이는 것이 아니라, 지속적으로 개선 방향을 제시해 에이전트의 성능을 향상시키는 것이다.

4) 에이전트 조합 능력(Agent Composition): 여러 에이전트들의 장단점을 파악하고 업무에 따라 적절히 조합하는 능력이다. 정보 검색에는 퍼플렉시티(Perplexity), 문서 작성에는 GPT, 이미지 생성에는 미드저니(Midjourney)를 사용하는 식으로 상황에 맞는 최적의 조합을 찾는 것이다.

피벗(Pivot)은 원래 스타트업 세계에서 ‘방향 전환’을 뜻하는 단어다. 처음엔 실리콘밸리에서 실패를 고상하게 포장하는 용도로 쓰였지만, 지금은 ‘A에서 B로 완전히 넘어간다’는 과감한 전략적 도약의 상징이 됐다. 사업의 본질을 꿰뚫는 이 단어는, 아마존(Amazon)이 온라인 책방에서 피벗팅을 통해 전 세계를 아우르는 쇼핑, 클라우드 제국으로 성장한 과정을 떠올리게 한다. 대다수 위대한 기업들은 처음 구상했던 아이디어가 아니라, 수많은 방향 전환 끝에 진짜 성장을 경험했다.

글로벌 대표 IT 기업 아마존(Amazon)은 앤디 제시(Andy Jassy) CEO의 리더십 아래 ‘세계에서 가장 큰 스타트업(The World’s Largest Startup)’이라는 AI 비전을 내세우며 과감한 변화를 실천하고 있다. 최근 앤디 제시 CEO는 전 직원에게 보낸 이메일을 통해 아마존이 이미 1,000개가 넘는 생성형 AI(Generative AI) 서비스와 애플리케이션을 구축하거나 개발 중임을 공개했다. 하지만 그는 이러한 변화조차도 이제 막 시작 단계에 불과하다고 강조했다.

그의 메시지는 분명하다. 생성형 AI는 ‘평생에 한 번 나올까 말까 한 혁신적 기술’이며, 이 기술이 고객 경험은 물론 비즈니스 혁신의 경계를 근본적으로, 확장하고 있다는 것이다. 이에 아마존은 과감한 투자를 아끼지 않으며 모든 사업 부문에서 AI 에이전트, 자동화, 데이터 분석 등 첨단 기술 도입을 가속화하고 있다. 제시의 이메일에는 또 하나의 주문이 담겨 있다. 직원 모두가 더 빠르고 주도적으로 행동하며, 효율적인 혁신과 새로운 가치 창출에 몰입하라는 것이다. 이미 1,000개 이상의 AI 서비스를 보유하고 있지만, 아마존의 거대한 규모와 성장성을 생각하면 이는 그저 출발점일 뿐이다. 앞으로는 모든 사업 부문과 관리 영역에서 더 많은 AI 에이전트가 구축&도입되고, 다양한 파트너십이 확대될 전망이다.

(1) 나만의 피벗 시스템 만들기

세상의 변화가 너무나 빠르게 이루어지고 있어 방향을 잃기 쉽다. 특히 AI에 관심을 가진 사람이라면 ‘도대체 어디로 가야 살아남을 수 있을까?’라는 질문을 던지게 된다. 자연스럽게 점점 두 부류로 나뉜다. 흐름을 따라가길 포기하는 사람과 끝까지 발맞추려 애쓰는 사람. 그러나 아무리 애쓴다고 해도 기술 발전의 속도를 온전히 따라잡는 건 쉽지 않다. 이런 불확실성은 불안과 두려움으로 이어질 수밖에 없다.

그래서 필요한 것이 바로 준비된 ‘피벗(Pivot) 시스템’이다. 개인이든 기업이든 가장 중요한 것은 생존이고, 여기에 생활의 질과 풍요로움이 더해져야 한다. 급격한 변화 속에서 작은 실패에도 다시 일어설 수 있는 구조적인 ‘피벗 습관’을 갖추고 있다면, 우리는 훨씬 더 유연하게 대응할 수 있다. 그렇다면 지금 당장 가능한 피벗 영역은 무엇일까?

먼저, 현재 걷고 있는 길이 1년, 5년 뒤에도 경쟁력이 있을지 냉정하게 점검해야 한다. AI 시대에 맞춰 노트북LM(NotebookLM)이나 챗GPT(ChatGPT) 같은 최신 도구를 적극적으로 도입하는 것도 방법이다. 이미 글로벌 시장에서는 업무 자동화, AI 프로토타입 제작, 데이터 분석 등 새로운 서비스 영역들이 빠르게 확산하고 있다.

둘째, ‘복권 긁기’처럼 다양한 시도를 통해 기회의 문을 열 준비가 필요하다. 작은 프로젝트와 빠른 POC(Proof of Concept, 개념 검증)를 동시에 여러 개 실행하는 습관이 중요하다. 큰 실패 한 번은 치명적일 수 있지만, 크고 작은 피벗을 다발적으로 시도하면 설령 하나가 무너지더라도 곧바로 다음 기회를 잡을 수 있다.

2) 나만의 피벗 전략 3가지

첫째로, 핵심 역량과 시장 변화의 교차점 찾기다. 현재 내가 가진 역량이 내년, 5년 뒤에도 유효한지 꾸준히 짚어보고, AI 등 최신 트렌드에 맞는 새로운 기술이나 툴을 빠르게 써보고 도입한다. 예를 들어, 노트북 LM(NotebookLM), 챗GPT(ChatGPT), 커서AI(CursorAI)처럼 최신 AI 도구를 적극적으로 활용하는 것이다.

둘째로, 다양한 소규모 POC를 병행한다. 대대적인 올인보다 여러 개의 소규모 실험을 통해 리스크를 분산하고, 기회의 촉수를 넓게 펼친다. 이를 통해 실패 시에도 빠르게 다른 옵션을 선택할 수 있어 생존 가능성을 높일 수 있다.

셋째, 매몰 비용에 얽매이지 않고 유연하게 전환한다. 기존에 쏟은 자원이 아깝더라도, 변화의 신호가 보이면 과감하게 방향을 바꾼다. 단일 실패에 모든 것을 걸기보다, 다중 피벗 구조로 ‘회복 탄력성’을 높인다. 이러한 전략은 2025년 현재, 급변하는 AI 시대에 가장 현실적이고 실용적인 생존법이 된다.

AI는 아직 초기 시장 단계라 하나의 플랫폼만으로 모든 서비스를 충족시키기는 쉽지 않다. OTT 서비스를 여러 개 구독하듯, 이제 AI도 다양한 플랫폼을 함께 구독하는 시대가 열렸다. 실제로 헤비 유저들은 생각보다 훨씬 많은 비용을 AI 구독에 투자하는데, 그 이유를 물으면 결국 실용성이라고 답한다. 일이 더 효율적으로 바뀌고 그에 상응하는 성과를 얻는다면, 그만큼의 비용을 아끼지 않는 것이다.

물론 여러 기업들이 단일 플랫폼을 슈퍼앱(Super App)으로 키우고자 노력하고 있다. 마이크로소프트(Microsoft), 구글(Google), 오픈 AI(OpenAI) 등 주요 기업들이 멀티모달(Multimodal) AI, 플러그인 생태계, AI 브라우저 확장 기능을 통해 통합 서비스를 선보이고 있다. 그러나 여전히 모든 요구를 한 번에 해결해 주는 ‘완벽한’ 솔루션은 등장하지 않았다. 따라서 현재 단계에서는 여러 AI를 적절히 조합해 활용하는 믹스(Mix) 전략이 필요하다.

그렇다면 AI 구독과 활용을 믹스할 때 도움이 되는 다섯 가지 팁은 무엇일까?

(1) 기본 목적별로 AI를 구분한다

AI는 목적에 따라 다른 도구를 쓰는 것이 가장 효율적이다. 예를 들어 생산성과 문서 정리는 노션 AI(Notion AI)나 노트북LM(Note bookLM), 검색과 자료 조사는 퍼플렉시티(Perplexity), 이미지 생성은 미드저니(Midjourney)와 구글 이매전 3(Google Imagen 3), 영상 제작은 클링(Kling)과 비오3(Veo3), 코딩은 커서(Cursor), 음악&음성 합성은 수노(Suno)와 일래븐랩(ElevenLabs)이 대표적이다. 플레이그라운드 AI(Playground AI) 같은 사이트에서는 이들을 간편하게 비교&체험할 수 있어, 필요에 따라 가장 적합한 AI를 실시간으로 업데이트하며 활용하는 것이 중요하다.

(2) 무료/유료 플랜을 전략적으로 조합한다

생각보다 AI 구독 비용이 만만치 않다. 헤비 유저로 제대로 활용하려면 월 200~300달러가 기본이 된 상황이다. 그렇기 때문에 AI 구독 전략도 세밀하게 짤 필요가 있다. 한 플랫폼에서 모든 기능을 유료로 쓰기보다는, 각 서비스의 강점 분야에서는 유료 플랜을 쓰고, 보조적 활용은 무료 플랜으로 조합하는 것이 효율적이다. 예를 들어 간단한 검색이나 일상적 질문에는 퍼플렉시티(Perplexity) 무료 플랜을 쓰고, 복잡한 논문 요약이나 생산성 작업에는 챗GPT 프로(ChatGPT Pro) 같은 유료 서비스를 선택해 분산 구독을 하는 방식이 유리하다. 이런 전략은 실제로 다양한 AI 서비스별로 강점이 뚜렷하다는 점, 그리고 주요 서비스들이 2025년 들어 유/무료 기능 구분을 강화한 흐름과도 맞닿는다. 이처럼 본인의 필요와 우선순위에 따라 목적별로 유/무료 플랜을 혼합해 활용하는 것이 가장 합리적이라 할 수 있다.

(3) 워크플로를 자동화한다

API 활용, RPA(Robotic Process Automation) 또는 자피어(Zapier) 같은 자동화 툴과 연동하여 각 AI 서비스를 연결하면 반복 업무를 자동화할 수 있다. 구글 워크스페이스, 마이크로소프트 365 등 기존 오피스 툴과의 통합도 활성화되고 있다.

(4) 최신 업데이트와 트렌드를 주기적으로 점검한다

LLM 분야에서 최고 성능을 의미하는 SOTA(State of the Art)는 거의 매일 새롭게 등장하고, 순위가 빠르게 뒤바뀐다. 각종 AI 서비스 역시 기능 및 정책에 크고 작은 변동이 잦으므로, 공식 블로그나 커뮤니티, 레딧(Reddit) 등에서 관련 뉴스와 업데이트 정보를 주기적으로 확인하는 습관이 중요하다. 새로운 기능이 발표되는 즉시 내 업무 프로세스에 유연하게 반영하는 것, 그리고 신뢰할 만한 뉴스레터나 The Neuron, The Batch 등 요약 콘텐츠로 주요 변화를 챙기는 것이 최신 흐름을 놓치지 않는 핵심 전략이라 할 수 있다.

(5) AI 별로 원하는 결과의 기준을 명확히 정한다

AI는 각각 특화된 질문 유형과 답변 스타일이 다르기 때문에, 요약 정확도, 창의성, 출처 명확성 등 평가 기준을 먼저 설정하고 이에 맞는 도구를 선택해 쓰는 것이 중요하다. 여러 AI 서비스에 동일한 요청을 해보고 결과물을 비교한 뒤, 자신에게 가장 잘 맞는 AI를 찾는 과정이 꼭 필요하다.

네이버는 한때 네이버 지식인, 네이버 블로그 등 각 서비스의 강점이 뚜렷하여 국내 사용자들의 이목을 끌기 충분했다. 국내 시장을 사로잡은 네이버에 반해, 구글(Google)은 해외 정보나 리서치용으로만 주로 활용되었다. 정보를 찾을 때도 ‘이건 네이버, 저건 구글’처럼 전문가를 고르듯 플랫폼을 선택하곤 했다. 그러나 이제는 AI라는 하나의 플랫폼 안에서 인생 상담부터 쇼핑까지 거의 모든 문제를 올인원(All in one)으로 해결할 수 있는 시대가 열렸다. 이러한 변화는 AI 에이전트의 진화에서 더욱 분명하게 드러난다. 챗GPT가 처음 등장했을 때만 해도 “AI가 검색까지 할 수 있다고?”, “AI가 내 말을 음성으로 이해한다고?”처럼 단일 역할만 잘해도 모두가 놀라워했다. 당시의 AI 에이전트는 특정 기능에 특화되어 있었고, 검색이나 요약만 잘해도 충분히 혁신적으로 여겨졌다. 하지만 2025년, AI에 이미 익숙해진 만큼 사용자들은 AI 혁신에 더 높은 기대 가치를 부여하고 있다. 올해 AI 에이전트는 ‘슈퍼에이전트(Super Agent)’로 진화했다. 슈퍼에이전트는 쉽게 말하면 ‘종합 에이전시’나 ‘매니저’에 비유해 볼 수 있다. 각 분야별로 특화 된 AI 에이전트가 한 팀처럼 협업하여, 한 사람이 처리하기 어려운 복잡한 일도 동시에, 그리고 유기적으로 해결해준다. 예를 들어 여행을 준비한다고 하면 슈퍼에이전트는 항공권 예약, 호텔 검색, 맛집 추천, 일정표 작성 등 여러 작업을 연계해 한 번에 처리할 수 있다. 즉, 다양한 AI 전문가들을 조율해 훨씬 크고 복잡한 업무를 지휘하는 우두머리 역할을 하는 것이다. 슈퍼에이전트가 있다면 나만의 1:1 해결사가 생긴 것이나 다름없다. 하지만 모든 AI 서비스가 슈퍼에이전트로 진화하는 것은 아니다. 최근에는 여러 기능을 한 번에 처리하는 범용 AI, 즉 슈퍼에이전트형 서비스가 빠르게 성장하고 있는데, 그중에서도 가장 주목받는 사례가 바로 ‘젠스파크 AI(Genspark AI)’다.

젠스파크는 2023년 미국 캘리포니아 팔로알토(Palo Alto)에 설립된 스타트업 기업으로, AI 플랫폼이다. 젠스파크의 검색엔진은 웹사이트 목록만 나열하지 않는다. 그들은 사용자의 질문에 전문성을 지닌 정보를 실시간으로 통합&요약하여 한눈에 보기 쉽게 정리해주는 ‘스파크페이지(Sparkpage)’ 기능을 중심으로 성장해왔다.

스파크페이지는 젠스파크의 AI 에이전트들이 사용자의 요청에 따라 신뢰할 수 있는 다양한 웹사이트, 데이터, 그리고 전문가 의견을 종합하여 맞춤형 요약 정보를 실시간으로 제공하는 서비스다. 사용자가 질문을 입력하면 100개 이상의 신뢰할 수 있는 출처를 통합해 핵심 정보를 요약한 맞춤형 페이지가 즉시 생성된다. 이 페이지는 위키백과나 전문 잡지처럼 체계적으로 정리되어 있을 뿐만 아니라, 가독성이 뛰어나 다른 AI 기반 결과물에 비해 핵심 내용이 명확하게 드러난다. 사용자는 여러 사이트를 직접 방문하지 않아도 한눈에 중요한 정보를 파악할 수 있어 정보 탐색이 매우 효율적이다. 예를 들어 식당 예약을 위해 식당을 검색해 전화번호를 알아낸 뒤 직접 휴대폰으로 전화를 걸었던 방식이 젠스파크의 스파크페이지를 사용하면 식당 검색부터 전화 연결, 예약까지 한 번에 해결할 수 있다. 마치 집에 있는 스마트홈 앱 하나로 TV, 에어컨, 조명 등 여러 기기를 한꺼번에 조작할 수 있듯, 다양한 AI 업무를 한 곳에서 손쉽게 해결해주는 ‘AI 만능 리모컨’ 같은 존재다. 또한 스파크페이지에 내장된 AI 코파일럿은 사용자의 추가 질문이나 세부 정보 요청에 실시간으로 응답하며, 이전 검색 내역과 선호도를 반영해 개인화된 요약과 추천을 제공한다. 이를 통해 복잡한 정보 탐색 과정을 단순화하고 신뢰할 수 있는 핵심 정보를 신속하게 전달하는 AI 기반 요약 서비스로 AI 검색 시장의 수준을 한층 높였다.

이처럼 젠스파크를 이용하면 사용자는 복잡한 과정 없이 원하는 결과만 편하게 받아볼 수 있다. AI 서비스가 각각의 기능만 제공하던 시대에서 이제는 AI 에이전트를 한 플랫폼에서 경험할 수 있는 ‘슈퍼 에이전트 생태계’로 변화하고 있다. 그중 젠스파크는 가장 빠르게 성장 중인 플랫폼으로 그 가치를 평가받고 있다.

2024년 아마존이 세상을 깜짝 놀라게 한 ‘바이포미(Buy For Me)’ 기능이 시발점이었다. “버켄스탁 슬리퍼 사다 줘.”라고 말하면, AI가 아마존에서 팔지 않는 상품도 외부에서 찾아서 구매해 주는 서비스였다. 단순히 상품을 사주는 게 아니라, 사용자의 취향을 기억하고 학습하는 것이 핵심이었다. AI의 메모리 기능이 쇼핑에 미치는 영향은 혁명적이다.

버켄스탁을 찾는다는 건 여름휴가를 준비한다는 의미이고, 최근 구매한 반바지 색상과 어울리는 슬리퍼를 추론할 수 있다는 뜻이다. 이런 ‘기억 속에서의 구매’가 바로 AI 쇼핑의 본질이다. 그런데 구글이 2025년 5월, IO 개발자 대회에서 폭탄선언을 했다. 바이포미를 구글 Al 모드에 전면 도입하겠다는 것이다. 아마존만의 실험이 구글의 본격 서비스가 된 순간, 판은 완전히 달라졌다.

오픈AI도 가만있을 수 없었다. 파이낸셜타임스 보도에 따르면, 챗GPT(ChatGPT)를 쇼피파이와 연결해 D2C 브랜드들과 직접 거래하는 플랫폼을 구축 중이다. 사용자가 챗GPT를 통해 구매하면 수수료를 받는 구조다. 매출을 쇼핑에서 창출하겠다는 의지를 명확히 드러낸 것이다. 하지만 진짜 게임체인저는 따로 있다. 바로 AI 브라우저다.

“쇼핑이 기본적으로 다 바뀌겠구나.”, “내가 에이전트한테 다 부탁하겠구나.”

더 브라우저 컴퍼니(The Browser Company)에서 만든 AI 브라우저 ‘디아(Dia)’를 써본 사람들의 공통된 반응이다. 이 브라우저는 쇼핑에 최적화되어 있어, 여러 온라인 쇼핑몰을 동시에 열고 비교 분석하는 것이 일상이 되었다. 실제 사용 시나리오를 살펴보자.

사용자가 선크림을 사려고 쿠팡, 네이버 쇼핑에서 동일 제품을 검색한다. 그러면 AI 브라우저가 각 사이트의 가격을 비교해 배송비까지 고려한 최적 구매처를 표로 정리해준다. 쿠팡은 와우 회원 무료배송, 네이버는 적립금 5% 등의 모든 조건을 계산해서 “결론적으로 쿠팡에서 구매하시면 4,000원 절약됩니다.”라고 알려준다.

더 놀라운 건 리뷰 분석 기능이다. 네이버에서 특정 선크림에 수백 개의 리뷰가 있다면, AI가 모든 리뷰를 분석해 “끈적임은 사용자 68%가 만족, 지속력 평균 6시간”처럼 요약해준다. 몇 시간에 걸쳐 파악할 수 있는 리뷰를 단 몇 초 만에 알 수 있는 것이다.

기업들이 이를 막을 수도 없다. AI 봇이 아니라 사용자가 직접 로그인해서 본 것이기 때문에, 기업 입장에서는 정상적인 고객 접속으로 밖에 해석할 수 없다. AI는 단지 사용자의 ‘눈을 빌려준’ 것에 불과하기 때문이다. 이런 AI 브라우저가 모바일로 확장되면 어떻게 될까? 바로 챗GPT 같은 대화형 AI와 결합되는 것이다. 탭을 여는 것을 내가 일일이 해야 할까? AI에게 대화로 부탁하면 되는 것 아닌가? 등의 생각이 들 것이다. 실제로 오픈AI는 곧 AI 브라우저를 출시할 예정이다. 퍼플렉시티도 이미 베타 테스트 중이다. 이들의 목표는 명확하다. AI 브라우저를 ‘슈퍼 앱’으로 만드는 것이다.