Gartner는 2026년까지 에이전틱 애플리케이션이 40% 급증할 것으로 예측하면서도, 동시에 이 프로젝트의 40%가 2027년 말까지 취소될 것이라고 경고했다. Capgemini의 조사에 따르면, 단 2%의 기업만이 에이전틱 워크플로우를 성공적으로 확장했다. 이 데이터가 말해주는 것은 명확하다: 에이전틱 시스템의 실패 원인은 기술적 배포의 어려움이 아니라 거버넌스의 부재다.
저자는 자신의 경험을 바탕으로 세 가지 거버넌스 차원을 제시한다. 첫째, 품질 거버넌스 — Indi Young의 DStL 같은 방법론을 에이전트의 분석 스킬로 인코딩하여, 기계가 생성한 합성이 방법론적으로 건전한 상태를 유지하도록 하는 것. 둘째, 비용 거버넌스 — 통제된 어휘집(controlled vocabulary)과 엄격한 프론트매터 구조를 통해 에이전트가 불필요한 토큰을 소모하지 않도록 정보 아키텍처를 설계하는 것. 셋째, 위험 거버넌스 — 에이전트의 출력이 무비판적으로 의사결정에 반영되지 않도록 체계적 책임 추적성을 확보하는 것.
흥미로운 점은 이 세 가지 거버넌스가 모두 ResearchOps 전문가의 영역에 속한다는 것이다. 즉, ResearchOps의 역할이 단순한 도구 조달에서 시스템 거버넌스 아키텍트로 근본적으로 변화하고 있다.
근거
“Based on my experience spanning both the tech and research sectors, scaling agentic AI is rarely a technical deployment challenge; it’s fundamentally a governance and contextual integration challenge.”
“Without a robust taxonomy intentionally built into file names and frontmatter… an agent crawling the repository has no explicit map; it is forced to open every single file and read its contents just to determine relevance. Every token the model is forced to read burns operational budget.”
저자의 아들이 개발한 에이전틱 설정을 로컬에서 실행했을 때, 단 한 달 만에 엄청난 LLM 토큰 비용이 발생했다. 이는 엔터프라이즈 규모에서 비용 통제 없이 에이전틱 시스템을 운영하는 것이 얼마나 위험한지를 보여준다. 토큰 소비를 최적화하는 것은 IT의 문제가 아니라, ResearchOps가 주도해야 할 핵심 과제다.
연결된 생각
- 20260608-controlled-vocabulary-as-first-governance-layer — 통제된 어휘집이 에이전틱 거버넌스의 기초임을 설명.
- 20260608-ai-as-mirror-not-oracle — 거버넌스 체계가 마련되어야 AI를 mirror로 사용할 수 있음.
- researchops-role-evolution — ResearchOps의 역할 변화를 다루는 기존 노트.