Agentic·FM 컨설팅 와이어 · 2026년 10월 15일

동향 · 비서실장 Agentic·FM 와이어

Agentic·FM 컨설팅 와이어 · 2026년 10월 15일 — McKinsey AI 가치 곡선·AI OS · IBM 거버넌스

범위: McKinsey/QuantumBlack · Accenture · IBM · 10/14 와이어 이후 신규분.

이번 창의 신규 항목

Accenture는 10/13 Workday FDE 이후 신규 없음. IBV 신규 없음.

공개 자료만. McKinsey 수치는 McKinsey 분석·자사 경험, IBM은 회사 발표. “의미”는 분석 프레임.

슬라이드 1 · 신규 · McKinsey AI value curve

아래 수치는 McKinsey 분석(원문 확인). 저자 스스로 ‘방향성 지도이며 기업별 예측 아님’, 추정에 불확실성이 있다고 명시.

방법: 지역×산업×직업(831개 SOC) 단위로 완전부담 인건비 vs AI 총비용(토큰 + 사람 검토·재작업) 비교, MGI 2026 자동화 잠재율 중 생성형 AI 기여분만 반영
규모: 글로벌 연 2.52조 달러 기회 — 금융 5,300억, 교육 4,100억, TMT 3,600억, 헬스케어 3,100억 달러. 미국 기준선 9,600억 달러
비용 민감도: AI 비용 30% 상승 시 미국 약 3,200억 달러 감소, 글로벌 2.52조→1.67조 달러(−34%) — 예측이 아닌 예시 시나리오
배경: 2030년까지 AI 인프라에 약 7조 달러 투자 예상, 이를 정당화하려면 연 약 7,600억 달러 이익풀 필요
패턴: 가장 강한 경제성은 고숙련·고임금 업무의 증강(경영·법률·의료·SW 개발 등). 인건비 차이로 같은 유스케이스도 국가별로 손익이 갈림. 조립·검사·HVAC 등 물리 직무는 로보틱스 없이는 적용 범위 제한
권고: 상위 5개 원가센터 작업 단위 감사, ’곡선 아래 면적’으로 투자 순위, AI FinOps(모델 라우팅·컨텍스트 길이·토큰 거버넌스), ±30% 스트레스 테스트, 배치 전 인력 재배치 계획

슬라이드 2 · 신규 · McKinsey AI operating system

수치는 McKinsey 자사 경험·사례 기준(원문 확인). 40%/6%는 State of AI 2026(8월) 재인용.

AI OS 4층(기존 인프라·데이터·멀티 LLM 위): 시맨틱 레이어(온톨로지·지식그래프), 결정론적 분석·ML 모델, 에이전트 정의·오케스트레이션, 경험 레이어
맥락(재인용): 대기업 응답자 **40%**가 에이전트 스케일링, EBIT 5% 이상 효과는 6%
초기 사례(McKinsey 경험): 계획 주기 최대 10배 단축, 첫 도메인 가치 약 12주, 신규 도메인 확장 시 ROI 도달 시간 50% 단축, 생산성 40% 개선·50% 절감·작업 주기 최대 90% 감소
AI 경제성: 토큰 단가 95% 이상 하락에도 많은 기업의 AI 지출은 3배 이상 증가
원칙: “Own the context; rent or replace the technology.” AI OS는 1~3개로 제한, LLM이 사내 데이터로 학습하지 못하게, 목표 상태는 자체 클라우드·온프레미스
사례: 한 제조사 판매·운영 워크플로 재설계 기회 연 1억4,000만~1억8,000만 달러, 다른 미국 제조사는 데이터 소스 약 100개 연결·약 16주에 1단계 가동
경영 변화: 캘린더가 아닌 개입 중심, 상시 계획, 판단 중심, 계층 축소 — 관리 범위 10~~12명→약 20~~40명은 CEO 질문 형태로 제시

슬라이드 3 · 신규 · IBM

New in IBM watsonx.governance (ibm.com/new 10/14) — 회사 발표

에이전트 탐지 확대: 기존 AWS Bedrock·Azure AI Foundry·watsonx Orchestrate에 Google Cloud Gemini 에이전트 플랫폼 추가, 에이전트 지식베이스까지 탐지. Orchestrate·IBM Bob부터 규칙 기반 자동 온보딩
IBM Bob IDE 연동: 파일 저장·턴 완료 시 백그라운드 스캔 — 에이전트명·도구·MCP 서버 메타데이터, 위험 범주, 사내 기준 충족 여부
런타임 통제: governance 통제 ↔ Orchestrate 런타임 통제 동기화, 평가 지표 자동 수집, 임계값 초과 시 거버넌스 워크플로 트리거. Langfuse·Arize AX 지표 수집
OWASP Top 10(에이전틱 앱): 연결된 GitHub 저장소 정적 분석, 근거 코드 라인 인용
규제 증빙 AI 1차 평가 — 의사결정 지원용, 최종 판단은 사람
가격·GA 일정은 페이지에 없음

(단신) IBM, IDC MarketScape: Worldwide Agentic AI Platforms 2026 Leader — 벤더(IBM) 발표, IDC #US54140926(10/12)

watsonx Orchestrate를 ‘에이전틱 컨트롤 플레인’ 중심 플랫폼으로 평가. IBM이 인용한 강점: 배포·LLM 선택 유연성, A2A 포함 타 프레임워크 에이전트 거버넌스, 엔터프라이즈 통합·자동화 기반(Granite 모델 언급)

슬라이드 4 · 의미 (분석) · 재게재

아래는 Core On의 분석이며 회사·보고서 발표 내용이 아님.

AI 가치의 근거가 사용량 → 작업당 순절감액으로 이동. 토큰가 하락을 전제로 한 ROI는 위험 — ±30% 비용 변동을 기본 시나리오로
컨텍스트(온톨로지·시맨틱 레이어) 소유 + 모델 교체 가능이 락인과 비용 변동을 막는 설계 원칙. 온프레미스·오픈웨이트 모델은 비용 변동성 방어 수단
에이전트 통제는 문서가 아니라 런타임 지표로 증명하는 방향
제조·산업 현장: 물리 직무는 로보틱스 없이는 적용이 제한된다는 McKinsey 분석 — 현장 AI는 도메인 모델 + 사내 온톨로지 + 로봇·센서 연계가 관건

재게재·제외: Accenture×Workday FDE(10/14 와이어), IBM×Mashreq(10/13 와이어), IBM×Yotta GA, Accenture Sagacity 인수(관련 약함), Sterling OMS 웨비나

슬라이드 5 · 출처