새벽 3시, 글로벌 서비스 중인 한 게임사의 운영팀은 모두 잠들어 있습니다.
그 사이, 에이전트가 7일 리텐션이 12% 하락한 것을 감지하고 원인 분석을 시작합니다. 어느 채널, 어느 버전, 어떤 유형의 사용자인지 식별하고, 내부 회의록과 실시간 사용자 피드백을 결합해 30분 만에 원인을 찾아냅니다. 지난주 업데이트에서 튜토리얼 플로우를 변경했고, 일부 플레이어가 핵심 단계에서 막히고 있었습니다. Agent는 비즈니스 이해도를 바탕으로 개선 방안을 자동으로 만들고 A/B 테스트를 실행합니다. 2시간 뒤, 에이전트가 테스트 결과에 따라 최적안을 선택해 전체 사용자에게 배포합니다.
아침에 출근한 팀원들은 Agent가 보낸 리포트 하나로 상황을 파악합니다. 문제는 이미 해결돼 있습니다.
이 사례는 먼 미래의 이야기가 아니라, 2026년 현재 AI 에이전트가 비즈니스를 이끄는 방법입니다. 미국 태평양 시간 4월 16일, ThinkingAI는 실리콘밸리에 위치한 컴퓨터 박물관에서 엔터프라이즈 AI Agent 플랫폼 Agentic Engine을 정식으로 발표했습니다.
01. 'Agent 도입'과 'Agent 활용'의 핵심 차이점
다양한 산업의 수십 개 기업과 이야기를 나누면서, 저희는 대부분의 기업이 아직도 AI를 LLM 기반 질의응답 수준으로 쓰고 있다는 것을 발견했습니다. 일부 팀이 사내 업무용 에이전트 개발을 시도하고 있더라도, “Agent를 도입하는 것”에서 “Agent 제대로 활용하는 것” 사이에는 여전히 넘기 어려운 장벽들이 있습니다,
- 에이전트 간의 단절: 부서마다 AI 에이전트를 도입했으나, 에이전트끼리 상호 연동·협업·문맥 공유가 이루어지지 않습니다. 결국 에이전트 시스템을 도입했음에도 조직 운영 효율성이 크게 개선되지 않습니다.
- 말티소스 데이터 통합의 어려움: 에이전트는 정형화된 행동 데이터뿐만 아니라 커뮤니티 댓글, 고객센터 문의, 메시지 대화, 이미지 및 영상 데이터까지 필요합니다. 이 데이터들은 각각의 시스템에 분산되어 있고, 에이전트가 볼 수 없는 데이터는 판단의 근거가 될 수 없습니다.
- 데이터와 인사이트 사이의 간극: 데이터를 한곳에 모으는 것만으로는 충분하지 않습니다. Agent가 실제로 이해하고 활용할 수 있는 지식 구조로 변환돼야 합니다. 그렇지 않으면 에이전트는 비즈니스에 맞는 깊이 있는 판단을 내리지 못합니다.
- 거버넌스 체계의 부재: Agent가 자율적으로 실행되기 시작하면, '누가 어떤 데이터를 볼 수 있는가', '누가 어떤 액션을 취할 수 있는가'는 반드시 답이 있어야 하는 질문이 됩니다. 권한 관리, 데이터 마스킹, 컴플라이언스, 감사 추적 — 이 모든 것이 필요합니다.
이 문제들이 해결되지 않으면, Agent는 '채팅 어시스턴트'에 머물 뿐 비즈니스를 실질적으로 개선하지 못합니다.
02. Agentic Engine — Agent가 감지하고, 이해하고, 실행한다
씽킹AI는 10년 간 데이터 인텔리전스 분야에서 축적한 노하우를 바탕으로, 에이전트의 업무 로직에 맞춰 프라이빗 배포가 가능한 엔터프라이즈급 AI 에이전트 플랫폼 Agentic Engine을 개발했습니다.
좋은 Agent란 무엇일까요? 저희는 감지하고, 이해하고, 실행한다. 로 정의합니다. 이것이 바로 Agentic Engine의 제품 철학입니다.
에이전트의 3대 핵심 역량
감지 — 비즈니스의 모든 채널을 24시간 모니터링
데이터 대시보드의 지표 이상은 물론, Discord나 Twitter에 올라온 피드백, App Store에서 급증한 부정적인 리뷰, 내부에서 결론 없이 끝난 회의 내용까지 포착합니다. Agent는 흩어진 시그널을 조합해 일회성 이슈인지, 구조적 문제인지를 판단하고 실시간으로 알림을 보냅니다. 요청을 기다리는 게 아니라, 먼저 문제를 찾아냅니다.
이해 — '무슨 일이 일어났는가'를 넘어 '왜 일어났는가'까지
이번 주 리텐션이 왜 떨어졌나요?'라고 물으면, Agent는 자사 기준의 리텐션 산출 방식, 분석해야 할 채널·버전·사용자 유형, 과거 유사 사례의 해결 방식까지 확인합니다. 해당 비즈니스를 깊이 이해하는 시니어 분석가처럼, 맥락에 맞는 판단을 내립니다.
실행 — 인사이트에서 행동까지 완결됩니다
Agent는 판단에 그치지 않고 직접 실행합니다. 특정 채널의 ROI가 지속적으로 하락하는 것을 발견하면, 예산 축소 및 재분배 전략을 수립하고 A/B 테스트로 검증한 뒤, 효과가 확인되면 전면 적용합니다. 일정 조율 없이. 보고서만 던져놓고 실행을 기다리는 게 아닌 의사결정부터 실행까지 하나의 사이클을 완성합니다.
Thinking AI의 Agentic Engine은 감지·이해·실행의 세 단계가 끊임없이 순환하며 멈추지 않는 그로스 루프를 만듭니다.
03. 각자의 전문가가 되는 Agent 팀
Agentic Engine은 개인에게 AI 비서 하나를 붙여주는 솔루션이 아닙니다. 엔터프라이즈 전용으로 협업이 가능한 전문 Agent 팀을 구축합니다.
- 데이터 분석 에이전트, 팀의 데이터 분석가: 대화만으로 데이터 분석을 처리합니다. 기존에는 비즈니스를 요청하고, 분석가가 SQL을 작성하고, 리포트를 만들고, 회의로 검토하는데 수 일이 소요됐습니다. 이제는 Agent에게 직접 묻기만 하면, 몇 분 안에 분석 결과와 실행 제안까지 받을 수 있습니다.
- A/B 실험 에이전트, 팀의 프로덕트 매니저: 실험 설계, 트래픽 분배, 성과 검증을 자율적으로 수행합니다. 기존에는 실험 일정 조율, 개발·배포, 분석까지, 한 사이클에 2~4주가 걸렸습니다. 이제 Agent는 기회 포인트를 발견한 순간부터 가설 수립, 테스트 실행, 실시간 모니터링, 성과 분석까지 사람의 개입 없이 완전 자동화로 진행합니다.
- 지능형 운영 에이전트, 팀의 CRM 마케터: 분석 인사이트를 기반으로 운영 전략을 수립하고 실행합니다. 이탈 위험 사용자 개입, 잠재 VIP 활성화 유도 등을 행동 시그널에 따라 실시간으로 처리합니다. 이제 운영 사이클이 '주 단위'에서 '실시간'으로 바뀝니다.
- 커스텀 에이전트 빌더: 코드 없이 클릭과 드래그만으로 맞춤형 Agent를 만들 수 있습니다. 커스텀 Agent도 기본 제공 Agent와 동일하게 다른 Agent와 협업합니다.
이 정교한 Agent 팀을 움직이는 것은 3단계의 협업 구조, Agent CoWork입니다.
- 전략 계층에서는 기회 발굴과 가설 검증을 담당합니다. 인사이트 Agent가 이상 징후를 능동적으로 탐지하고, 실험 Agent가 이에 대한 검증을 시작합니다.
- 오케스트레이션 계층은 시스템 전체의 두뇌 역할을 맡습니다. 통합 AI 오케스트레이터가 업무 스케줄링, 상태 관리, 컨텍스트 공유를 맡습니다. 이 단계가 없으면 전략과 실행은 서로 단절된 두 시스템에 불과해집니다
- 실행 계층은 여러 AI Agent를 병렬로 운영하며, 전략 계층의 방향에 따라 광고 집행 조정, 사용자 도달, 고객 대응 등의 실무를 처리합니다.
핵심은 실행 계층의 행동 결과가 전략 계층에게 다시 피드백되어, 이후의 판단을 더 빠르고 정확하게 만든다는 점입니다. 단순히 AI 비서를 여러 개 붙여놓은 것이 아닌, 협업·학습·자기 진화가 가능한 통합 에이전트 조직을 구축합니다.
04. 10년 도메인 지식, '범용 AI'가 아닌 '실무 전문가'
많은 Agent 플랫폼이 다중 Agent 구축을 지원하지만, 근본적인 차이는 기업 비즈니스에 대한 이해도에 있습니다. 범용 언어 모델은 분명 뛰어납니다. 하지만 자사 기준의 리텐션이 어떻게 계산되는지, 신규 사용자가 몇 가지 방식으로 정의되는지, 유료 사용자 분석을 어떤 차원에서 분해해야 하는지는 알지 못합니다. 이런 도메인 지식은 프롬프트 몇 줄로 채워지지 않습니다.
지난 10년간 씽킹AI는 게임·소셜 커뮤니티·이커머스·라이브 스트리밍 등 다양한 산업의 1,500여 개 기업, 8,000여 개 프로젝트에 서비스를 제공했습니다. 이를 바탕으로 Agentic Engine에 3단계 지식 베이스를 탑재했습니다.
- 1단계 - Agent의 메모리 시스템 기존 데이터 웨어하우스는 사람이 직접 SQL을 작성하고 테이블 구조를 파악해야 하는 구조입니다. Agent에게 필요한 건 비즈니스 언어를 정확하게 이해하는 지식 베이스입니다. 씽킹AI의 구조적인 시맨틱 레이어와 지식 그래프를 통해 DAU의 산출 기준, 주차 기준, 매출이 GMV인지 실수령액인지 같은 암묵적 맥락이 구조화되어, AI Agent가 즉시 참조할 수 있습니다.
- 2단계: 100여 개 산업 전문 스킬 탑재 사용자 분석, 리텐션 분석, 결제 분석, 광고 성과 분석, 운영 분석 등 8개 핵심 영역을 커버합니다. 단순한 데이터 쿼리가 아니라 특정 산업의 분석 방법론을 내장해, 리텐션을 어떤 축으로 분해할지, 결제를 어떤 차원에서 볼지, 광고 ROI를 어떻게 어트리뷰션할지 등에 대한 전문 역량 스킬을 Agent가 기본적으로 탑재합니다.
- 3단계: 지속적으로 쌓이는 지식 자산 실행의 결과가 새로운 지식으로 축적됩니다. 이전 A/B 테스트에서 어떤 안이 이기고 왜 이겼는지, 어떤 사용자 그룹이 어떤 방식에 반응하는지, 어떤 이상치가 실제 문제이고 어떤 것이 정상치인지. Agent는 매번 처음부터 시작하지 않습니다. 쌓인 지식 위에서 점점 정확해집니다.
사용자는 자사의 도메인 경험을 전용 스킬로 직접 인코딩할 수도 있습니다. Agentic Engine이 닫힌 시스템이 아니라, 기업 고유의 지식을 흡수하며 함께 진화하는 플랫폼인 이유입니다.
05. 신뢰할 수 있고, 통제할 수 있는 온프레미스 배포
AI 에이전트의 확산에 따라, 에이전트의 정확성과 신뢰성을 확보하는 것이 핵심 과제로 떠올랐습니다. 다수 기업이 에이전트 도입 후 운영 비용 투명성 부족, 분석 결과 정확도 불확실, 불필요한 반복 업무 실행 등의 문제가 발생하고 있습니다. 씽킹AI의 Agentic Engine은 전 구간 추적 체계를 제공해 모든 단계를 확인하고, 진단하고 개선할 수 있게 합니다.
샌드박스 격리: 신규 에이전트는 샌드박스에서 사전 테스트할 수 있고, 실제 프로덕션에 영향을 주지 않습니다. A/B 그레이스케일 검증: 신·구 Agent를 비교 검증한 후, 우수 모델에 대한 전면 적용을 진행합니다. 데이터 지표 일관성 유지: 같은 질문에 항상 일관된 분석 결과를 제공합니다. 할루시네이션 탐지: 전 과정의 환각 생성을 사전에 차단하고, 정확도를 관리합니다.
- 샌드박스 격리: 신규 에이전트를 샌드박스 환경에서 사전 테스트해 운영 환경 영향 차단
- A/B 그레이스케일 검증: 신구 에이전트 성능 비교 검증 후 우수 모델 전면 적용
- 데이터 지표 일관성 유지: 동일 질문에 항상 일관된 분석 결과 제공
- 할루시네이션 탐지: 전 과정 오류 정보 생성 차단 및 정확도 관리
씽킹 AI의 플랫폼은 기반 언어 모델을 포함한 완전한 프라이빗(온프레미스) 배포를 지원합니다. 기업의 데이터는 외부로 나가지 않으며 컴플라이언스 요건을 완전히 충족합니다. MiniMax는 ThinkingAI의 전략적 파트너로서, 온프레미스 배포가 필요한 기업에 언어 모델 인프라를 제공합니다. Agentic Engine은 MCP, A2A 프로토콜을 네이티브로 지원해 어떤 AI 플랫폼과도 자연스럽게 연동됩니다.
인터페이스 측면에서는 Slack, Lark, WeCom, DingTalk 등 주요 협업 툴을 지원합니다. 어디서든 Agent와 바로 상호작용할 수 있습니다.
06. 다음 10년, AI 에이전트 중심의 비즈니스 미래
지난 10년간 씽킹AI는 기업에 데이터 기반 인프라를 공급해 왔습니다. 다가오는 10년에는 모든 기업이 자체 AI 에이전트 팀을 보유할 수 있도록 지원하는 것이 저희의 비전입니다.
사람은 목표와 경계를 정하고, Agent는 그 안에서 자율적으로 업무를 실행합니다. 사람은 창의적인 전략 수립과 품질 관리를 맡고, AI Agent는 상황에 대한 감지·분석·실행을 맡습니다. 역할을 나누고, 각자의 강점을 살립니다. 이것이 저희가 생각하는 AI Agent 시대의 모습이고, Agentic Engine의 근본 철학입니다.
오늘부터 Agentic Engine은 전 세계 고객에게 정식으로 출시됩니다.
