Anthropic Salesforce 엔터프라이즈 AI 추진이 드러낸 도입 격차

Anthropic과 Salesforce의 경영진은 Dreamforce에서 직설적인 메시지를 내놓았다. 기업들은 AI가 현재 지닌 잠재력의 5%~10%만 활용하고 있다는 것이다. Anthropic Salesforce 엔터프라이즈 AI 추진의 초점은 이제 또 다른 모델의 도약을 기다리는 데 있지 않고, 이 격차를 해소하는 데 맞춰져 있다.

Anthropic CEO 다리오 아모데이와 Salesforce CEO 마크 베니오프는 9월 15일 샌프란시스코에서 열린 행사에서 도입 상황이 고르지 않다고 설명했다. 이들의 주장은 중요한 관점의 전환을 보여준다. AI 기업들은 계속해서 더 뛰어난 시스템을 내놓고 있지만, 대다수 기업은 이미 존재하는 역량을 신뢰할 수 있는 업무로 전환하는 데 여전히 어려움을 겪고 있다.

이 격차는 Salesforce를 이례적인 위치에 놓는다. 최첨단 모델 기업은 전통적인 소프트웨어 플랫폼을 위협할 수 있지만, 기업 데이터와 워크플로에 접근하려면 그 플랫폼도 필요하다. 한편 Salesforce는 고객 정보와 비즈니스 프로세스의 운영 계층이라는 역할을 지키면서 Claude 같은 모델을 필요로 한다.

Anthropic Salesforce 엔터프라이즈 AI, 모델에서 워크플로로 이동

핵심은 기업에 더 똑똑한 AI가 필요하다는 것이 아니었다. 이미 사용할 수 있는 지능을 활용하는 데 더 많은 도움이 필요하다는 점이었다.

아모데이는 AI의 현재 가치 가운데 경제 전반에 확산된 비중이 5%~10%에 불과하다고 말했다. 그의 경제 확산 추정치는 독립적으로 측정된 경제 통계라기보다 판단에 가까웠다. 그럼에도 이는 엔터프라이즈 AI 공급업체가 직면한 핵심 과제를 잘 보여줬다.

기업은 몇 분 안에 챗봇을 열어 유용한 텍스트를 생성할 수 있다. 하지만 규제를 받는 영업, 서비스, 재무 또는 지원 업무 전반에 AI를 배포하는 일은 전혀 다른 과제다.

운영 환경의 시스템에는 정확한 비즈니스 맥락, 통제된 접근 권한, 예측 가능한 행동, 그리고 사람의 검토가 필요하다. 또한 시스템이 가치 있는 결과를 냈는지 판단할 수 있는 책임자도 필요하다.

베니오프는 기업의 도입 과정에 상당한 “불균등성”이 존재한다고 설명했다. 일부 팀은 AI를 일상 운영에 내재화한 반면, 다른 팀은 여전히 파일럿 단계에 머물러 있다. 그는 Dreamforce 고객들에게 Salesforce가 이들의 전환을 가속하기 위해 더 많은 일을 해야 한다고 말했다.

두 회사는 이 메시지와 함께 구체적인 제품 출시도 발표했다. Anthropic은 Claude를 계정, 영업 기회, 파이프라인 정보와 연결하는 베타 플러그인인 Salesforce in Claude를 공개했다.

Salesforce in Claude 플러그인에는 일반적인 영업 업무를 위한 37개의 스킬이 포함돼 있다. 이 스킬은 계정 조사, 미팅 준비, 파이프라인 검토, CRM 업데이트를 다룬다.

플러그인은 두 개의 커넥터로 지원된다. 하나는 기존 권한 체계 아래 Salesforce 데이터를 Claude로 가져오며, 다른 하나는 Anthropic에 따르면 Agentforce Sales를 Claude와 연결한다.

Claude는 미팅, 마감이 임박한 거래, 위험에 처한 영업 기회, 답변되지 않은 메시지를 담은 아침 브리핑을 준비할 수 있다. CRM 변경 사항을 초안으로 작성할 수도 있지만, 해당 업데이트가 Salesforce에 반영되기 전 영업 담당자의 승인이 필요하다.

이 승인 단계는 중요하다. 두 회사가 AI를 제한 없는 의사결정자가 아니라 운영 보조자로 포지셔닝하고 있음을 보여주기 때문이다.

Anthropic은 GitLab, Siemens, Legora를 이 통합을 배포 중인 고객으로 언급했다. 베니오프는 또한 Salesforce 직원 7,000명이 이미 Claude와 통합된 도구를 사용하고 있다고 말했다.

이러한 배포 사례는 구체적인 예시를 제공하지만, 광범위한 고객 생산성 향상을 입증하지는 않는다. Anthropic은 이 플러그인이 매출, 영업 주기 또는 데이터 품질을 어떻게 변화시키는지 보여주는 비교 결과를 아직 공개하지 않았다.

그럼에도 이 출시는 엔터프라이즈 AI에 대한 대화를 바꾼다. 고립된 프롬프트에서 벗어나, 직원들이 이미 사용하는 시스템 안에서 완결되는 업무에 주목하게 만든다.

영업 담당자에게 필요한 것은 텍스트 생성에 대한 또 하나의 일반적인 시연이 아니다. 그에게 필요한 것은 올바른 계정, 최신 대화 내용, 회사의 승인 규칙에 안정적으로 접근하는 능력이다.

이 파트너십은 이 요소들을 결합하려 한다. Claude는 범용 추론과 언어 역량을 제공한다. Salesforce는 고객 기록, 워크플로 로직, 권한, 실행 기능을 제공한다.

이 조합이 Anthropic Salesforce 엔터프라이즈 AI 전략을 정의한다. 모델은 여전히 중요하지만, 직원을 실제 업무에서 신뢰할 수 있게 하는지는 그 주변의 운영 시스템이 결정한다.

엔터프라이즈 AI 도입이 여전히 역량을 따라가지 못하는 이유

설득력 있는 시연이 파편화된 데이터, 불명확한 책임, 즉흥성을 허용할 수 없는 워크플로와 맞닥뜨릴 때 엔터프라이즈 도입은 느려진다.

AI 모델은 대부분의 기업이 운영 방식을 재설계할 수 있는 속도보다 빠르게 발전해 왔다. 기업은 에이전트가 안전하게 행동하기 전에 여러 시스템을 연결하고, 민감한 정보를 분류하며, 허용 가능한 행동을 정의하고, 직원을 교육해야 한다.

기본적인 질문조차 여러 소스의 정보를 요구할 수 있다. 고객이 주문이 오늘 출하될 수 있는지 물을 수 있다. 정확하게 답하려면 CRM 기록, 재고, 계약, 정책, 이전 커뮤니케이션이 필요할 수 있다.

모델은 질문을 즉시 이해할 수 있다. 하지만 관련된 모든 소스에 대한 최신의 승인된 접근 권한이 없다면 신뢰할 수 있는 운영 답변을 제공할 수는 없다.

이 구분은 파일럿이 운영 배포보다 빠르게 진행되는 이유를 설명한다. 파일럿은 제한된 데이터세트를 사용하고 수동 수정을 감수할 수 있다. 운영 시스템은 예외, 권한, 감사, 변화하는 비즈니스 규칙을 처리해야 한다.

Salesforce 자체 CIO 연구는 이러한 모순을 보여준다. CIO 도입 설문조사에 따르면 완전한 AI 구현 비율은 2024년 11%에서 2026년 42%로 증가했다.

같은 조사에서는 CIO의 93%가 성공적인 에이전트 도입을 위해 워크플로 통합이 필수적이라고 봤다. 그러나 더 광범위한 배포에 필요한 부서 간 협업이 이뤄지고 있다고 답한 비율은 절반에 미치지 못했다.

데이터 관련 우려도 여전히 해결되지 않았다. 보안과 프라이버시는 응답자들이 꼽은 가장 큰 우려였으며, 신뢰할 수 있는 데이터의 부재가 그 뒤를 바짝 이었다.

조사 대상 CIO 가운데 AI 투자에 내장형 데이터 거버넌스가 포함돼 있다고 완전히 확신한 비율은 23%에 불과했다. Salesforce는 24개국의 CIO 200명을 대상으로 이 이중맹검 조사를 실시했다.

이 조사는 이런 문제를 해결하는 솔루션을 판매하는 기업에서 나왔으므로, 그 맥락을 고려할 필요가 있다. 다만 구현 장벽은 엔터프라이즈 기술에서 익숙한 패턴과 일치한다.

조직은 종종 그 주변의 프로세스를 정비하기 전에 기술 역량부터 구매한다. AI는 맥락이 불완전해도 그 결과물이 그럴듯하게 보일 수 있기 때문에 이 실수를 증폭시킨다.

부정확한 대시보드 계산은 명백한 조사를 촉발할 수 있다. 반면 유창한 AI 응답은 누락된 소스, 오래된 기록, 잘못 이해된 지시를 감출 수 있다.

따라서 기업에는 모델 접근 권한뿐 아니라 평가 시스템이 필요하다. 에이전트가 올바른 데이터를 선택하고, 정책을 준수하며, 불확실한 사례를 사람에게 넘기는지 검증해야 한다.

명확한 성공 지표도 필요하다. 시간 절감은 중요할 수 있지만, 그것이 자동으로 매출이나 서비스 개선으로 이어지지는 않는다.

이메일을 더 빠르게 작성하는 영업 에이전트는 직원이 그 작업을 검토하는 데 동일한 시간을 쓴다면 거의 가치를 만들지 못할 수 있다. 자동화된 서비스 상호작용은 처리 시간을 줄이면서 고객 만족도를 해칠 수도 있다.

가장 유용한 측정 방식은 AI 작업을 비즈니스 결과와 연결한다. 예를 들어 미종결 사례 감소, 영업 준비 시간 단축, CRM 완성도 향상, 에스컬레이션 비율 감소 등이 있다.

이 지점에서 엔터프라이즈 지식 아키텍처가 핵심이 된다. 팀에는 맥락을 보존하고 승인된 사용자에게 소스 자료를 제공하는 검색 가능한 지식 기반이 필요하다.

이 기반이 없다면, 역량 있는 모델도 직원에게 필요한 사실과 분리된 상태로 남는다. 따라서 도입 격차는 부분적으로 데이터와 조직의 문제다.

이는 변화 관리의 문제이기도 하다. 직원은 언제 에이전트를 신뢰해야 하는지, 언제 소스를 점검해야 하는지, 언제 추천을 재정의해야 하는지를 이해해야 한다.

관리자는 여러 부서에 걸친 실패의 책임을 누가 질지 결정해야 한다. 보안 팀에는 가시성이 필요하고, 운영 팀에는 워크플로를 개선할 충분한 자율성이 필요하다.

이러한 요구 사항에는 시간이 걸린다. 또한 또 하나의 모델 출시만으로는 유망한 파일럿을 엔터프라이즈 시스템으로 전환할 수 없는 이유이기도 하다.

파트너십, 잠재적 경쟁자를 인프라로 전환하다

Anthropic과 Salesforce는 사용자 경험의 주도권을 놓고 경쟁하지만, 각 회사는 상대방이 이미 보유한 자산을 필요로 한다.

AI 어시스턴트는 점점 비즈니스 소프트웨어의 인터페이스 역할을 하고 있다. 사용자는 여러 CRM 화면을 차례로 탐색하는 대신 Claude에게 파이프라인 검토를 요청할 수 있다.

이 변화는 애플리케이션 공급업체의 전통적인 지위를 위협한다. 직원들이 범용 AI 어시스턴트 안에서 업무를 시작하게 되면, 그 어시스턴트가 주된 인터페이스가 될 수 있다.

Salesforce는 그 인터페이스 아래의 중요한 자산을 여전히 통제한다. 고객 관계, 권한, 프로세스 정의, 비즈니스 활동 기록을 저장하고 있다.

Anthropic은 많은 사용자가 이미 추론, 글쓰기, 분석의 공간으로 여기는 모델과 어시스턴트를 통제한다. Salesforce를 Claude에 통합하면 이 인터페이스가 운영 데이터와 연결된다.

이 구조는 협상을 통해 정해진 역할 분담과 닮아 있다. Claude는 대화와 폭넓은 추론을 담당하고, Salesforce는 기록과 행동을 관리하는 시스템으로 남는다.

이 역할 분담이 안정적으로 유지된다는 보장은 없다. Anthropic은 커넥터와 애플리케이션 기능을 확장할 수 있다. Salesforce는 자체 모델을 강조하거나 경쟁 어시스턴트를 제공할 수 있다.

Salesforce는 같은 Dreamforce 기간에 첫 CRM 추론 모델인 Koa를 발표했다. 회사는 Koa가 합성 엔터프라이즈 시나리오로 학습됐으며 신뢰 경계 내에서 작동한다고 밝혔다.

Salesforce에 따르면 내부 벤치마크에서 Koa는 CRM 작업에서 선도 모델과 동등하거나 더 나은 성능을 보이면서 오류는 세 배 적었다. 이는 독립 평가가 아니라 회사 자체 벤치마크다.

Koa 모델 설계는 여전히 Salesforce의 전략을 드러낸다. 이 회사는 외부 모델 지원을 유지하면서 CRM 업무를 위한 특화 지능을 원한다.

Koa는 Nvidia Nemotron 오픈 모델을 기반으로 한다. Salesforce는 가중치를 통제하고 자사 인프라 안에서 사후 학습과 추론을 수행한다고 설명한다.

이 접근 방식은 고객에게 또 다른 경로를 제공한다. 고객은 범용 추론에는 Claude를, 특화된 CRM 업무에는 Salesforce 호스팅 모델을, 별도의 작업에는 다른 모델을 사용할 수 있다.

Salesforce는 이러한 모델 선택권을 개방형 아키텍처의 일부라고 부른다. 회사의 사업적 이해관계는 분명하다. 모델 리더십이 바뀌더라도 애플리케이션 및 거버넌스 계층이 계속 가치를 유지하기를 원한다.

Anthropic에도 상응하는 이해관계가 있다. Salesforce와의 직접 통합은 Anthropic이 완전한 CRM 플랫폼을 새로 구축하지 않고도 Claude를 가치 있는 기업 워크플로에 더 가깝게 배치한다.

이는 영구적인 합의가 아니라 실용적인 휴전이다. 기업들이 모델과 기존 애플리케이션을 잇는 다리를 필요로 하는 동안 양사는 모두 이익을 얻는다.

Bloomberg 보도에 따르면 Salesforce는 6월 초 기준 약 50억 달러 가치의 Anthropic 지분도 보유하고 있었다. 이러한 재무적 관계는 양사의 기술적 정렬에 또 하나의 층위를 더한다.

그러나 고객은 이 통합을 기업들의 이해관계가 자신들의 이해관계와 완벽히 일치한다는 증거가 아니라 제품 도입 결정으로 평가해야 한다.

기업은 통합된 워크플로의 편의성을 높이 평가할 수 있다. 동시에 공급업체 집중, 변화하는 제품 경계, 그리고 나중에 에이전트를 이전하는 비용을 우려할 수도 있다.

모델 이식성은 이러한 위험을 줄일 수 있다. 공통 평가 방식, 안정적인 인터페이스, 명확히 정의된 권한은 공급업체 변경을 더 쉽게 만들 수 있다.

데이터 이식성은 더욱 중요하다. 독점적 컨텍스트를 하나의 모델이나 플랫폼에서 분리할 수 없는 기업은 익숙한 소프트웨어 종속을 되풀이할 수 있다.

따라서 경쟁의 핵심은 Claude 대 Agentforce보다 더 크다. 엔터프라이즈 AI에서 지속적인 가치를 어느 계층이 확보하는지에 관한 문제다.

모델 제공업체는 더 뛰어난 추론 능력이 사용자와 워크로드를 끌어들일 것이라고 주장한다. 애플리케이션 공급업체는 거버넌스가 적용된 데이터와 내재화된 워크플로가 지속적인 차별화를 만든다고 주장한다.

Anthropic과 Salesforce의 엔터프라이즈 AI 파트너십은 이러한 주장을 결합한다. 그 성공은 고객이 결합된 시스템을 각 계층 단독보다 더 유용하다고 보는지에 달려 있다.

Salesforce는 빠진 계층이 통제라고 본다

Salesforce는 추론이 규칙, 신원, 데이터, 그리고 책임 있는 행동과 연결되어야 하므로 기업이 AI를 둘러싼 시스템에 비용을 지불할 것이라고 믿는다.

회사는 제안하는 기반을 Enterprise AI Harness라고 부른다. 하네스는 공유 컨텍스트, 보안, 거버넌스, 모델, 행동을 제공하는 아키텍처 계층이다.

Salesforce의 enterprise AI harness에는 명시된 여섯 가지 기능이 있다. 이는 컨텍스트, 에이전시, 행동, 거버넌스, 보안, 모델 선택을 다룬다.

회사는 AI Control Plane도 발표했다. Salesforce는 이를 통해 관리자가 에이전트를 등록하고, 신원 정책을 적용하며, 행동을 관찰하고, 성능을 평가하고, 비용을 관리할 수 있다고 말한다.

이 아키텍처는 실제 문제를 다룬다. 기업은 종종 서로 다른 커넥터, 권한, 평가 프로세스를 사용하는 별도의 AI 프로젝트로 시작한다.

파편화는 운영 위험을 만든다. 한 에이전트는 오래된 문서에 접근하는 반면, 다른 에이전트는 동일한 비즈니스 행동에 대해 다른 승인 규칙을 따를 수 있다.

공유 통제 계층은 정책을 재사용 가능하게 만들 수 있다. 또한 보안 및 데이터 팀에 에이전트가 수행하는 일을 더 명확히 보여줄 수 있다.

Salesforce는 이 계층이 자사 도구와 타사 시스템을 지원하기를 원한다. 기업이 API, Model Context Protocol, 스킬, 플러그인을 통해 기능에 접근할 수 있다고 말한다.

Model Context Protocol, 즉 MCP는 AI 애플리케이션이 외부 도구 및 데이터와 연결되도록 하는 표준 인터페이스다. 이를 통해 모든 조합마다 맞춤형 통합을 구축해야 할 필요를 줄일 수 있다.

이 아키텍처는 Claude, Slack, Microsoft Teams 및 기타 인터페이스도 지원한다. 이러한 폭은 직원들이 이미 일하는 곳에서 만나겠다는 Salesforce의 결정을 반영한다.

이 제안은 타당하게 들리지만, 아키텍처 다이어그램만으로 운영 신뢰성이 입증되지는 않는다. 기업에는 부서와 시스템 전반에 걸친 복잡한 배포의 증거가 필요하다.

관리자가 모든 에이전트 행동을 추적할 수 있는지 물어야 한다. 또한 접근 권한을 얼마나 신속히 철회하고, 정책을 갱신하며, 장애를 조사할 수 있는지도 살펴봐야 한다.

평가에도 동등한 주의가 필요하다. 통제 플레인은 모델 응답 품질 이상의 것을 측정해야 한다.

에이전트가 올바른 소스를 사용했는지, 의도한 워크플로를 따랐는지, 승인된 비즈니스 결과를 만들었는지를 보여줘야 한다. 반복 작업 전반의 실패 패턴도 드러내야 한다.

에이전트 워크플로에는 여러 모델 호출과 도구 행동이 수반될 수 있으므로 비용 통제는 중요하다. 소규모 파일럿에서는 저렴해 보이는 프로세스가 엔터프라이즈 규모에서는 다르게 작동할 수 있다.

Salesforce는 모델 라우팅을 하나의 통제로 인정한다. 자사의 시스템은 정확도, 성능, 비용, 비즈니스 요구사항에 따라 작업을 배분할 수 있다.

이는 또 다른 질문을 낳는다. 고객은 누가 그러한 라우팅 우선순위를 설정하는지, 그리고 결과를 얼마나 독립적으로 검증할 수 있는지 알아야 한다.

공급업체는 자사의 상업적 관계를 뒷받침하는 조합으로 최적화할 수 있다. 고객은 데이터 위치, 지연 시간 또는 특정 정확도 임계값을 우선시할 수 있다.

라우팅과 평가의 투명성은 개방형 아키텍처가 의미 있는 선택권을 제공하는지 결정할 것이다. 하나를 변경하려면 광범위한 워크플로 재구성이 필요한 상황에서는 모델 메뉴가 제한된 자유만 제공한다.

Salesforce 전략에 대한 더 강한 해석은 모델이 중요하지 않게 되었다는 것이 아니다. 모델이 점차 거버넌스가 적용된 시스템 안에서 교체 가능한 구성 요소가 되고 있다는 것이다.

더 약한 해석은 기존 소프트웨어 기업이 또 하나의 관리 계층을 추가해 자신의 위치를 지키고 있다는 것이다. 두 설명은 동시에 사실일 수 있다.

고객은 배포 결과를 통해 이 전략을 판단해야 한다. 하네스가 구현 기간을 단축하고, 감사 능력을 개선하며, 중복 통합을 줄인다면 측정 가능한 문제를 해결하는 것이다.

주로 기존 플랫폼 구성 요소를 재포장하는 데 그친다면, 구매자는 그 광범위한 약속을 비즈니스 성과와 연결하기 어려울 수 있다.

따라서 Anthropic과 Salesforce의 엔터프라이즈 AI 추진의 다음 단계는 불필요한 복잡성을 더하지 않으면서 통제력을 입증해야 한다.

도입 사례는 여전히 독립적 증거가 부족하다

두 회사는 통합과 내부 배포를 제시했지만, 경제적 가치에 관한 광범위한 주장은 여전히 독립적으로 검증된 결과를 앞두고 있다.

Amodei의 5%~10% 추정은 활용되지 않은 가치에 대한 설득력 있는 그림을 제시한다. 그러나 그 가치가 어떻게 계산됐는지, 산업별로 어떻게 달라지는지는 보여주지 않는다.

이 추정치는 회수 가능한 경제적 이익이 아니라 실현되지 않은 기술적 역량을 설명할 수 있다. 두 범주는 같지 않다.

모델은 통제된 환경에서 작업을 수행할 수 있지만, 그렇다고 그 작업이 신뢰할 수 있는 자동화에 적합하다는 뜻은 아니다. 실제 운영 환경에서는 예외 사례, 정책, 책임 문제가 발생한다.

동일한 주의는 공급업체의 도입 통계에도 적용된다. 도구를 사용하는 직원 수는 사용 깊이, 유지율, 결과물 품질 또는 재무적 수익을 보여주지 않는다.

Salesforce의 내부 사용자 7,000명은 의미 있는 테스트 환경을 제공한다. 그러나 고객은 이 사용자들이 어떤 워크플로를 완료하는지와 배포 후 무엇이 바뀌었는지 알아야 한다.

Anthropic은 플러그인이 수작업 준비와 후속 조치를 줄일 수 있다고 말한다. 그러나 이러한 주장에 대한 통제된 비교 결과는 공개하지 않았다.

고객 사례 역시 신중한 해석이 필요하다. 실명이 공개된 배포 사례는 조직들이 이 기술을 시도하고 있음을 확인한다. 하지만 하나의 구현 방식이 모든 기업에서 작동한다는 점을 입증하지는 않는다.

대기업은 데이터 품질, 접근 구조, 규제 노출, 기술 부채에서 차이가 난다. 이러한 차이는 Benioff가 설명한 불균등한 도입을 이해하는 데 도움이 된다.

도입 메시지와 Amodei의 최근 안전 경고 사이에는 긴장도 존재한다. 그는 프런티어 개발의 속도가 더 많은 주의를 요구한다고 주장해 왔다.

Salesforce President Patrick Stokes는 그러한 잠재적 둔화를 애플리케이션 구축자에게 유용한 것으로 제시했다. 그는 모델 측면에서 구축자들이 “따라잡아야 할 일이 많다”고 말했다.

그의 발언은 이 글의 핵심적 역전을 드러낸다. 프런티어 출시가 느려지면 기업은 이미 존재하는 기능을 흡수할 시간을 얻을 수 있다.

이는 기존 애플리케이션 공급업체에도 이익이 될 수 있다. 모델 주기가 느려지면 이들은 통합, 거버넌스, 특화 제품을 구축할 시간을 더 확보하게 된다.

프런티어 진전이 둔화하더라도 더 넓은 경제는 계속 투자할 수 있다. 기존 모델에도 여전히 데이터 준비, 조직 재설계, 인프라가 필요하다.

최근 분석은 전략과 데이터에 대한 기업 수준 투자를 AI 지출에서 과소평가된 부분으로 강조했다. 이러한 관점은 구현에 집중하는 Salesforce의 방향을 뒷받침한다.

그러나 둔화가 성공적인 도입을 자동으로 만들어내지는 않는다. 기업은 사용자 요구나 프로세스 설계를 해결하지 못한 채 통합에 막대한 비용을 지출할 수 있다.

노동 문제도 있다. AI 공급업체는 종종 행정 업무 자동화를 이점으로 제시하지만, 직원들은 이를 더 밀접한 감시나 일자리 대체로 경험할 수 있다.

CRM 기록을 업데이트하는 에이전트는 반복 업무를 없앨 수 있다. 동시에 관리 감독을 표준화하고 성과 측정 방식을 바꿀 수도 있다.

기업에는 기술적 접근 권한뿐 아니라 이러한 인적 영향에 대한 거버넌스도 필요하다. 직원은 에이전트가 무엇을 기록하고, 추천하며, 상위로 이관하는지 이해해야 한다.

기업은 지원과 자율 행동 사이의 경계도 정의해야 한다. 그 경계는 오류의 결과에 따라 달라져야 한다.

회의 메모 초안 작성은 고객 계약을 변경하는 것보다 위험이 낮다. 영업 기록 업데이트는 할인 승인이나 재고 확정과 다르다.

Claude 플러그인의 CRM 업데이트 흐름이 시사하듯 사람의 승인은 위험을 줄일 수 있다. 하지만 직원이 생성된 행동을 너무 많이 마주하면 승인은 형식적인 절차가 된다.

효과적인 시스템은 불확실하거나 중대한 사례에 주의를 집중시켜야 한다. 모든 일상적 단계를 수동 검토하도록 요구하면 약속된 생산성 향상이 사라질 수 있다.

따라서 독립적 증거는 전체 워크플로를 검토해야 한다. 유용한 연구는 정확도, 검토 시간, 비즈니스 결과, 장애 복구를 비교할 것이다.

그러한 증거가 나오기 전까지 가장 안전한 결론은 제한적이다. Anthropic과 Salesforce는 실제 구현 격차를 확인하고 이를 겨냥한 제품을 구축했다.

그러나 이들의 결합된 접근 방식이 대규모 조직 전반에서 그 격차를 일관되게 해소한다는 점은 아직 입증하지 못했다.

세 가지 신호가 엔터프라이즈 AI 논제를 시험할 것이다

다음 시험대는 연결된 에이전트가 거버넌스를 약화하거나 고객을 하나의 스택에 가두지 않으면서 측정 가능한 운영 개선을 만들어내는지 여부다.

첫 번째 신호는 베타 기간 이후 Claude 내 Salesforce의 지속적 사용이다. 초기 활성화 수치보다 반복적이고 작업 수준의 참여가 더 중요할 것이다.

Anthropic은 영업 담당자가 계정 조사, 회의 준비, 파이프라인 검토, 승인된 CRM 업데이트를 얼마나 자주 완료하는지 보고해야 한다. 수개월에 걸친 유지율은 도입 논제를 강화할 것이다.

고객 성과는 증거를 더 유용하게 만들 것이다. 준비 시간 단축, 더 완전한 기록, 줄어든 후속 조치 누락은 제품 활동을 비즈니스 가치와 연결할 수 있다.

초기 시험 이후 사용이 감소한다면 주장은 약화될 것이다. 이는 대화형 접근만으로는 워크플로 마찰을 해결하지 못한다는 점을 시사한다.

두 번째 신호는 Salesforce의 통제 아키텍처가 고객 배포에서 어떻게 작동하는지다. 기업은 정책 집행, 감사 가능성, 사고 대응에 관한 독립적 설명을 주시해야 한다.

강력한 결과는 기업이 공통 통제를 통해 여러 모델과 에이전트를 관리할 수 있음을 보여줄 것이다. 또한 팀이 운영을 재구축하지 않고도 공급업체를 변경할 수 있음을 보여줘야 한다.

더 약한 결과는 과도한 맞춤화, 중복된 평가 작업 또는 모델 라우팅에 대한 제한된 가시성을 드러낼 것이다. 이러한 문제는 통제 계층을 또 다른 복잡성의 원천으로 바꿀 것이다.

세 번째 신호는 AI 지출과 공개된 운영 결과의 관계다. Salesforce와 고객사는 에이전트, 대화 또는 활성화된 사용자 수를 넘어야 한다.

구매자에게는 영업, 서비스, 직원 업무와 연결된 지표가 필요하다. 예로는 해결 품질, 주기 시간, 기록 정확도, 유지율, 에스컬레이션 비율이 있다.

이러한 지표에는 사람의 검토와 시스템 유지 비용도 포함되어야 한다. 직원들이 다른 곳에서 오류를 수정해야 한다면 총 절감 시간은 오해를 불러일으킬 수 있다.

향후 여러 차례의 실적 발표 주기는 유용한 증거를 제공할 것이다. Salesforce는 AI 제품이 고객 지출을 확대하는지, 그리고 배포가 고립된 팀을 넘어서는지 보고할 수 있다.

Anthropic은 상세한 엔터프라이즈 평가 결과를 공개함으로써 이러한 주장을 더욱 뒷받침할 수 있다. 해당 평가는 모델 성능과 통합 및 워크플로 레이어를 분리해 제시해야 한다.

고객사 역시 이 파트너십을 Microsoft, Google, OpenAI 및 전문 엔터프라이즈 벤더의 대안과 비교해야 한다. 경쟁 압력은 실제로 중요한 아키텍처 선택이 무엇인지 분명히 드러낼 수 있다.

핵심 경쟁은 단순한 모델 리더보드가 아니다. 빠른 역량 성장과 조직이 그 역량을 책임감 있게 수용할 수 있는 능력 간의 경쟁이다.

개발자에게 기회는 통합, 평가, 관측 가능성, 그리고 권한 인식 도구에 있다. 모델이 이미 폭넓은 추론 작업을 처리하는 상황에서는 이러한 영역의 가치가 더욱 커진다.

엔터프라이즈 구매자에게 주는 교훈은 범위가 제한된 워크플로와 측정 가능한 결과에서 시작하라는 것이다. 광범위한 AI 지침은 활동을 만들어내지만, 책임성을 만들어내는 경우는 드물다.

지식 노동자에게 핵심 질문은 AI가 의미 있는 통제권을 제거하지 않으면서 적절한 맥락에 접근할 수 있는지 여부다. 중요한 업무에서는 편의성만으로 충분하지 않다.

Anthropic과 Salesforce의 엔터프라이즈 AI 전략은 다음 단계가 지능을 신뢰할 수 있는 행동과 연결하는 시스템의 시대가 될 것이라고 주장한다. 이제 그 명제에는 운영상의 증거가 필요하다.

직원들이 통합 워크플로를 계속 사용하는지, 관리자가 여러 모델 전반에서 이를 거버넌스할 수 있는지, 고객이 지속적인 비즈니스 성과를 보고하는지 지켜봐야 한다. 이러한 신호는 엔터프라이즈 AI가 마침내 확산되고 있는지, 아니면 단지 더 세련된 인터페이스를 갖추고 있는지를 보여줄 것이다.