Barclays AI 채권 거래 전망, 변동성 경고 제기
Barclays는 AI 도입이 미국 투자등급 채권 거래량에서 전자 거래 비중을 65%까지 끌어올릴 것으로 예상하는 한편, 동기화된 의사결정이 시장 안정성을 위협할 수 있다고 경고했다. Barclays의 AI 채권 거래 전망은 상대적으로 채무불이행 가능성이 낮다고 평가받는 회사채인 투자등급 채권에 관한 것이다. 결정적으로, 이 전자 거래 비중은 자율 AI 에이전트가 통제할 거래 규모를 측정하는 지표가 아니다.
Bloomberg의 10월 26일 보도에 따르면, 이 전망치는 현재 45%에서 출발해 향후 수년에 걸쳐 확대될 것으로 예상된다. 전자 실행, 자동화된 실행, 자율적 의사결정은 기계가 관여하는 수준이 서로 다르기 때문에 이 구분은 중요하다. 트레이더는 주문을 승인하고, 이후 소프트웨어가 해당 주문을 전자적으로 실행할 수 있다.
핵심적인 긴장은 개별 트레이딩 데스크의 효율성 향상과 유사한 자동화 반응에 점점 더 노출되는 시장 사이에 존재한다. MarketAxess는 이미 자동화된 실행을 제공하고 있으며, Broadridge가 지원하는 LTX는 BondGPT에 에이전트 기능을 도입했다. 이러한 변화는 경고를 구체화하지만, AI가 이미 채권 시장 혼란을 일으켰다는 사실을 입증하지는 않는다.
Barclays AI 채권 거래 전망이 실제로 측정하는 것
핵심 수치는 자율 에이전트가 검증된 방식으로 시장을 장악한다는 뜻이 아니라, 전자 거래의 가능한 확대를 설명한다.
Bloomberg의 전자 채권 거래 보도는 이 전망을 Barclays에 귀속한다. 또한 채무불이행 위험이 더 큰 채권인 고수익 부채의 전자 거래 비중이 두 배 증가해 50%에 이를 것이라는 예측도 전한다. 이는 관측된 결과나 발표된 도입 목표가 아니라 전망치다.
보도는 도입이 점진적으로 이뤄질 것으로 제시한다. 초기 활용 사례에는 정보 수집, 문서 분석, 거래 전 의사결정 지원이 포함된다. 또한 HSBC 기업·기관금융 부문장 Michael Roberts가 숙련된 트레이더들이 계속 관여할 것이라고 예상한 점을 비롯해, 인간의 지속적인 참여도 설명한다.
이러한 틀은 독자가 이 기사를 해석하는 방식을 바꾼다. 전자 활동의 증가는 AI에 위임되는 재량권의 비슷한 증가 없이도 발생할 수 있다. 거래를 위한 통신 채널이 누가 거래를 결정했는지를 알려주지는 않는다.
가령 한 가상의 투자 관리자가 기업 실적을 검토한 뒤 채권 매도를 승인한다고 생각해 보자. 소프트웨어는 요청을 배포하고, 응답을 수집하며, 거래를 기록할 수 있다. 투자 판단은 사람이 내렸지만 거래는 전자화된다.
더 자동화된 방식에서는 소프트웨어가 사전에 승인된 한도 내에서 응답 중 하나를 선택하게 된다. 에이전트 기반 방식은 여러 단계를 거쳐 위임된 업무를 수행하는 소프트웨어를 추가한다. 각 방식은 권한, 감독, 책임에 관한 서로 다른 질문을 제기한다.
이들을 “봇”이라는 말로 묶으면 그러한 차이가 가려진다. 이미 정착한 자동화가 새롭게 자율적인 것처럼 보이게 할 수 있다. 소프트웨어가 분석에서 행동으로 옮길 권한을 얻을 때의 실질적으로 중요한 변화도 흐릴 수 있다.
따라서 Barclays의 AI 채권 거래 전망은 시장 구조와 시스템 역량에 대한 별도의 판단을 요구한다. 권한이 엄격하게 제한된 상태에서도 더 많은 활동이 전자 플랫폼으로 이동할 수 있다. 반대로 상대적으로 작은 도입이라도 권한 범위가 넓다면 상당한 위험을 초래할 수 있다.
관련 분모 역시 중요하다. 거래량의 비율은 에이전트를 사용하는 기업 수나 운영상 독립성이 아니라 활동을 측정한다. 이 지표만으로는 트레이더가 얼마나 자주 개입하는지, 권고를 거절하는지, 제안된 행동을 무효화하는지를 입증할 수 없다.
AI 도입을 추적하는 독자에게 이는 실질적인 결과를 낳는 측정 문제다. 시장 점유율에 관한 주장은 무엇을 집계했는지 명시해야 한다. 자율성에 관한 주장은 소프트웨어가 별도의 승인 없이 내릴 수 있는 결정을 명시해야 한다.
그렇기에 이 전망은 이미 완료된 전환으로 취급하지 않으면서도 주목할 가치가 있다. 이는 더 큰 전자 시장을 가리킨다. 그 시장이 에이전트의 판단에 더 의존하게 될지는 여전히 별개의 문제다.
트레이딩 데스크는 책임성을 잃지 않고 위임해야 한다는 압박에 직면한다
당장의 압박은 소프트웨어가 수행할 수 있는 업무와 그 행동에 대해 누가 계속 책임을 질지를 결정하는 기업에 가해진다.
트레이딩 데스크에서 위임은 까다로운 경계를 만든다. 문서 검색은 주문 제출과 다른 결과를 낳는다. 유용한 보조 도구도 실행 도구에 접근 권한을 얻으면 중요한 운영 시스템이 될 수 있다.
실행 도구는 거래 지시를 전송하거나 완료한다. AI 시스템을 이 도구에 연결하면 그 출력의 의미가 달라진다. 부정확한 제안은 거부할 수 있지만, 부정확한 지시는 이미 기업의 익스포저를 바꿨을 수 있다.
이 차이는 생산성과 책임성이 같은 논의에 포함돼야 하는 이유를 설명한다. 에이전트를 평가하는 데스크는 절약되는 시간과 이전되는 권한을 구분해야 한다. 더 빠른 분석의 이점만으로 자동 실행이 적절한지 판단할 수는 없다.
같은 회사가 발행한 여러 채권을 검토하는 가상의 트레이더를 생각해 보자. 보조 시스템은 트레이더의 지시와 일치해 보이는 후보를 찾아낸다. 행동에 나서기 전에 시스템은 식별한 증권이 의도한 상품인지 확인해야 한다.
유사한 이름만으로는 충분하지 않다. 서로 다른 채권은 만기, 계약 조건, 거래 여건이 다를 수 있다. 유창한 설명으로는 상품 불일치를 해결할 수 없으며, 회사를 정확히 식별했다고 해서 거래가 정확하다는 보장도 없다.
이러한 시스템을 구축하는 개발자들은 그에 상응하는 설계 과제에 직면한다. 대화 밖에서도 의미를 유지하는 권한으로 사용자의 의도를 표현해야 한다. 기회를 찾으라는 요청이 조용히 거래 권한으로 바뀌어서는 안 된다.
실질적인 질문은 시스템이 어디에서 멈추느냐이다. 후보 목록을 제시하는가, 지시를 준비하는가, 승인을 요청하는가, 아니면 주문을 제출하는가? 이러한 경계는 도입 확대 전에 구매자가 필요로 하는 증거를 결정한다.
관리자는 인간 검토자의 역할도 정의해야 한다. 권고안을 승인하는 검토자는 그 근거 정보를 확인할 수 있어야 한다. 그렇지 않으면 승인은 독립적인 판단이 아니라 의례가 될 위험이 있다.
이는 조달과 내부 평가에 압박을 만든다. 시연에서는 성공적인 실행뿐 아니라 행동을 적절히 거부하는 능력도 보여야 한다. 증거가 불완전할 때 멈추는 시스템이 언제나 답을 내놓는 시스템보다 더 적합할 수 있다.
인력 측면의 함의도 신중히 다뤄야 한다. 업무 자동화가 곧 일자리 소멸을 의미하지는 않는다. 감독, 예외 처리, 조사는 기존의 수작업 프로세스와 다른 기술을 요구할 수 있다.
금융권 밖의 기업용 AI 구매자에게도 연관성은 직접적이다. 보조 시스템이 기록을 변경하거나, 거래를 승인하거나, 외부 워크플로를 촉발할 수 있게 되면 평가가 더 어려워진다. 중요한 제품 사양은 허용된 행동이 된다.
같은 논리는 지식 노동에도 적용된다. 팀에는 지시, 증거, 의사결정에 대한 검색 가능한 기록이 필요하다. 검색 가능한 지식 기반은 그러한 문서화 업무를 지원하지만, 실행 통제를 대체하지는 않는다.
따라서 조직의 대응은 위임된 업무를 따라야 한다. 권한 승인, 예외 검토, 결과 조사를 담당할 책임을 배정해야 한다. 소프트웨어를 에이전트라고 부른다고 해서 이러한 질문이 해결되지는 않는다.
BondGPT와 MarketAxess는 위임이 향하는 방향을 보여준다
공개된 제품들은 연결된 워크플로로의 전환을 보여주지만, 자동화와 에이전트 권한 사이의 중요한 차이는 남아 있다.
2026년 6월 16일, Broadridge는 LTX의 BondGPT를 위한 새로운 에이전트 기능을 발표했다. 해당 에이전트 기반 거래 워크플로는 사용자가 시장 조건과 그에 연계된 행동을 정의할 수 있도록 한다. Broadridge는 이러한 행동에 거래 지시 준비와 거래 개시 또는 실행이 포함된다고 말한다.
회사는 승인 요건, 거래 규모와 범위에 대한 한도, 설명, 행동 기록도 설명한다. 이는 제품 기능과 통제에 관한 공급업체의 주장이다. 시장 스트레스 상황에서의 실행 품질이나 복원력을 독립적으로 입증하는 것은 아니다.
MarketAxess는 자동화된 채권 실행을 통해 관련되지만 구별되는 접근법을 설명한다. Auto-X 제품은 여러 거래 방식에 걸친 자동화된 요청, 응답, 라우팅을 지원한다. 회사는 Adaptive Auto-X가 데이터에서 학습한 패턴인 머신러닝 신호를 사용해 실행 경로를 선택한다고 설명한다.
이러한 제품들은 승자를 가리지 않으면서도 유용한 비교를 제공한다. BondGPT의 발표는 조건과 행동을 연결하는 사용자 정의 에이전트를 강조한다. MarketAxess는 트레이더 규칙으로 관리되고 데이터의 지원을 받는 실행 자동화를 강조한다.
이 비교는 구매자가 공급업체에 무엇을 시연해 달라고 요청해야 하는지도 명확히 한다. 대화형 인터페이스는 지시를 더 쉽게 표현하게 할 수 있다. 그러나 그것만으로 결과물인 지시가 완전하고 모호하지 않으며 실행에 적합하다는 사실이 입증되지는 않는다.
사용자가 에이전트에게 한 채권이 유사 증권 대비 매력적일 때 행동하라고 지시한다고 가정해 보자. “매력적”은 측정 가능한 해석이 필요하다. “유사한”은 정의된 비교 집합을 요구하며, 지시에는 만료 또는 검토 조건이 필요하다.
이 가상 사례는 매력적인 인터페이스 뒤에 있는 구현 부담을 드러낸다. 시스템은 개방형 요청을 제한된 행동으로 번역해야 한다. 해결되지 않은 모호성은 업무를 승인하는 사람에게 계속 보이도록 해야 한다.
견적 요청, 즉 RFQ는 잠재적 거래 상대방에게 거래 조건을 제시해 달라고 요청하는 것이다. 해당 요청을 개시하는 일은 응답을 수락하는 일과 다르다. 에이전트는 전자에 대해서는 권한을 받을 수 있지만, 후자에는 승인이 필요할 수 있다.
이러한 분리는 점진적인 위임을 가능하게 한다. 기업은 발굴, 준비, 실행을 별개의 역량으로 평가할 수 있다. 또한 전체 워크플로를 한꺼번에 승인하는 대신 각 경계에서 서로 다른 통제를 유지할 수 있다.
가장 강력한 제품 증거는 주장된 역량을 관찰 가능한 결과와 연결할 것이다. 구매자는 시스템이 무엇을 시도했고, 무엇을 완료했으며, 왜 중단했는지 물어야 한다. 완료된 거래만으로는 거부된 대안이나 감독에 필요한 노력에 대해 거의 알 수 없다.
이 비교는 설명과 검증을 혼동하지 않아야 한다. 시스템은 잘못된 정보에 의존하면서도 행동을 명확하게 설명할 수 있다. 검토자가 이를 식별 가능한 입력값 및 집행 가능한 권한과 연결할 수 있을 때 설명은 유용해진다.
제품 발표는 위임된 거래 워크플로가 단순한 추측적 개념 이상임을 보여준다. 그러나 그러한 워크플로가 개입 없이 얼마나 널리 운영되는지는 입증하지 않는다. 도입 관련 주장이 더욱 대담해질수록 이 구분은 계속 분명히 드러나야 한다.
Barclays의 AI 채권 거래 전망에서 이러한 제품은 전자 활동 확대를 향한 그럴듯한 경로를 제시한다. 이들의 존재는 변화의 방향을 뒷받침한다. 실제 운영 결과가 그 방향이 받을 만한 신뢰의 정도를 결정할 것이다.
더 빠른 개별 의사결정은 시장을 더 취약하게 만들 수 있다
핵심적인 상충 관계는 각 시스템에선 합리적인 판단이 다수의 시스템이 동시에 내릴 경우 불안정을 초래할 수 있다는 점이다.
Barclays의 경고는 공유된 정보에 유사하게 반응하는 에이전트에 관한 것이다. 더 넓은 차원의 메커니즘은 의사결정이나 시장 움직임이 함께 발생하는 경향인 상관성이다. 더 빠른 실행은 이러한 동조 반응을 더 짧은 시간에 집중시킬 수 있다.
Financial Stability Board는 2024년 11월 AI 금융 취약성을 확인했다. 해당 평가는 시장 상관성, 집중된 서비스 제공업체, 사이버 위험, 모델·데이터·거버넌스 관련 취약점을 강조했다. 또한 기존 감독 체계에 대한 모니터링과 평가를 강화할 것을 촉구했다.
Reserve Bank of Australia의 2024년 9월 평가도 마찬가지로 AI 시장 상관성을 검토했다. 이 평가는 공통 제공업체, 모델, 데이터가 시장 행동의 다양성을 줄일 수 있다고 경고했다. 이러한 평가는 특정 거래 사건을 입증하기보다 잠재적 취약성을 식별한다.
가상의 사례가 이 우려를 설명한다. 여러 회사가 동일한 부정적 기업 공시를 받는다. 각사의 시스템은 이를 익스포저를 줄이고 거의 동시에 매수자를 찾아야 할 이유로 해석한다.
각 판단은 해당 회사의 지침에 부합할 수 있다. 그러나 집단적 결과는 다른 참여자들이 반대 포지션을 원하는지에 여전히 달려 있다. 소프트웨어는 매수자를 찾는 과정을 가속할 수 있지만, 기꺼이 매수할 사람을 만들어내지는 못한다.
유동성이란 과도한 가격 변동을 유발하지 않고 거래할 수 있는 능력을 뜻한다. 따라서 이는 주문 제출 속도와는 다르다. 빠른 인터페이스는 수용 가능한 거래 상대방이 여전히 부족한 시장으로 지시를 전달할 수 있다.
시스템이 그에 따른 가격 움직임에도 반응한다면 피드백은 더 복잡해진다. 초기 조정이 추가 의사결정을 위한 새로운 입력값이 될 수 있다. 이는 가능한 증폭 메커니즘일 뿐, 이러한 순서가 여기서 실제로 발생했다는 증거는 아니다.
서로 다른 모델 브랜드가 반드시 이 우려를 없애지는 않는다. 시스템은 동일한 정보를 받고 유사한 투자 제약 아래에서 작동할 수 있다. 따라서 소프트웨어의 다양성과 행동의 다양성은 구분해야 한다.
반대의 결과도 가능하다. 일부 시스템은 다른 시스템이 물러날 때 기회를 찾도록 지시받을 수 있다. 기업이 서로 다른 목표를 사용하고 서로 다른 익스포저를 감수한다면, 더 빠른 분석은 더 차별화된 의사결정을 뒷받침할 수 있다.
이 때문에 AI를 본질적으로 불안정 요인으로 봐서는 안 된다. 관련 변수에는 권한, 인센티브, 입력값, 거래 상대방의 가용성이 포함된다. 시장 효과는 이러한 요소들이 어떻게 상호작용하는지에 달려 있다.
International Monetary Fund의 AI 시장 효율성 논의는 같은 광범위한 상충 관계를 제시한다. 이 글은 유동성과 위험 관리의 잠재적 개선과 함께, 스트레스 상황에서 더 빠르고 상관성이 높은 거래가 발생할 가능성을 설명한다. 해당 평가는 혼란이 불가피하다는 예측이 아니라 면밀한 검토의 필요성을 뒷받침한다.
분석적 함의는 기업 수준의 통제와 시장 수준의 회복력이 서로 다른 질문에 답한다는 것이다. 기업은 동종 기업들과 같은 방향으로 행동하면서도 자체 한도를 성공적으로 집행할 수 있다. 현지 지침을 준수한다고 해서 안정적인 집단적 결과가 보장되는 것은 아니다.
Barclays의 AI 채권 거래 경고는 이러한 구분을 통해 읽을 때 가장 유용하다. 이는 효율성 향상이 스트레스의 전파 방식도 바꾸는지 묻는다. 이에 답하려면 일상적 처리량뿐 아니라 어려운 상황에서의 행동에 관한 증거가 필요하다.
검증의 공백은 65% 수치를 넘어선다
전자 거래 시장 점유율이나 공급업체의 통제 설명만으로는 압박 상황에서 에이전트가 어떻게 행동할지 확인할 수 없다.
현재 이용 가능한 증거에는 해결되지 않은 경계가 여러 가지 남아 있다. 보도된 Barclays의 전망은 자율적 의사결정의 측정된 비중을 제시하지 않는다. 제품 설명은 의도된 기능을 설명하고, 규제 당국의 평가는 가능한 위험 경로를 기술한다.
이는 서로 다른 질문에 답하는 유용한 자료들이다. 이를 결합한다고 해서 에이전트가 이미 채권 거래를 지배한다는 증거가 되지는 않는다. 또한 향후 전자 거래 활동의 증가가 특정 변동성 결과를 초래한다는 점도 입증하지 못한다.
누락된 구분 중 하나는 시도된 업무와 완료된 업무의 차이다. 시스템이 많은 권고안을 준비하더라도 사람이 승인하는 것은 극히 일부일 수 있다. 권고안, 제출 주문, 체결 거래를 함께 집계하면 검토자에게 얼마나 많은 권한이 남아 있었는지가 가려진다.
또 다른 문제는 성과가 측정되는 상황이다. 질서 있는 환경에서 평가된 워크플로는 상충하는 정보나 이용 불가능한 서비스를 반드시 겪어본 것은 아니다. 구매자는 증거가 실제로 어떤 조건을 다루는지 물어야 한다.
불리한 조건에서의 행동을 평가하는 스트레스 테스트는 이러한 경계를 드러내는 데 도움이 될 수 있다. 의미 있는 평가는 시스템이 누락된 정보를 인식하고 한계를 준수하는지 살펴봐야 한다. 성공적인 완료가 언제나 적절한 결과는 아니다.
필수 데이터 소스에 대한 접근권을 잃은 가상의 에이전트를 생각해 보자. 중요한 행동은 승인되지 않은 소스를 대체하는 것이 아니라 중단하는 것일 수 있다. 중단 없는 워크플로는 효율적으로 보일 수 있지만, 권한 부여의 전제를 위반할 수 있다.
인간 감독 역시 구체적으로 평가해야 한다. 사람이 공식적으로 책임을 지더라도 행동에 이의를 제기할 정보가 너무 적을 수 있다. 관련된 검증 기준은 그 사람이 워크플로를 이해하고, 중단하고, 조사할 수 있는지다.
입력값과 행동에 대한 기록인 감사 추적은 사후 조사를 뒷받침한다. 그러나 그것만으로 행동이 사전에 적절했음을 입증하지는 않는다. 기업에는 실행 이전의 행동을 제약하는 규칙과 활용 가능한 이력 모두가 필요하다.
독립적인 증거는 제품 역량과 상업적 주장을 구분하는 데에도 도움이 된다. 유용한 공개 자료는 업무, 권한, 관찰된 결과, 평가의 한계를 설명해야 한다. 광범위한 도입 설명으로는 이러한 세부 사항을 대체할 수 없다.
향후 시장 혼란을 모두 AI 탓으로 돌리는 것도 마찬가지로 오해의 소지가 있다. 기업 뉴스, 자금 조달 여건, 투자자 선호도의 변화는 채권 가격을 움직일 수 있다. 에이전트의 기여를 입증하려면 그 행동과 관찰된 결과를 연결하는 증거가 필요하다.
따라서 회의적인 입장은 무조건적인 부정이 아니라 구체적이다. 에이전트 워크플로는 존재하며, 전자 거래 확대 전망에는 신뢰할 만한 기술적 경로가 있다. 이들의 독립적 기여 규모와 스트레스 상황에서의 행동은 여전히 열린 실증적 질문이다.
이 이야기를 평가하는 독자라면 이 검증 공백에 주목해야 한다. 의미를 해석하기 전에 무엇이 측정됐는지 물어야 한다. 이후 공개 자료가 같은 정의를 유지할 때 전망은 더 많은 정보를 제공한다.
다음 보고 주기에서 주목할 점
다음으로 유용한 증거는 도입, 위임된 권한, 그리고 일반적인 거래 여건이 악화될 때의 성과를 구분할 것이다.
첫째, 은행과 거래 플랫폼이 다음 공시에서 도입을 어떻게 설명하는지 지켜봐야 한다. 중요한 구분은 전자 거래량, 자동화된 실행, 에이전트 주도 행동 사이에 있다. 이를 별도로 보고하면 전망을 향한 진전을 더 쉽게 평가할 수 있다.
전자 거래량 증가는 시장 구조 전망을 뒷받침할 것이다. 다만 의사결정 권한에 관한 세부 사항이 수반되지 않는 한, 자율적 도입에 대한 증거로서는 약하다. 자율 비중이 크지 않더라도 더 명확한 세분화는 이 이야기를 강화할 것이다.
둘째, 제품 제공업체와 고객이 의미 있는 운영 경계를 공개하는지 지켜봐야 한다. 중요한 정보에는 승인 요건, 허용된 행동, 개입을 촉발하는 상황이 포함된다. 구매자에게는 여건이 변할 때 이러한 경계가 어떻게 작동하는지에 대한 증거도 필요하다.
적절한 중단을 보여주는 사례는 통제된 권한 위임에 대한 신뢰를 높일 것이다. 가용성이나 성공적인 시연에 한정된 주장은 핵심 신뢰성 문제를 해결하지 못한다. 더 명확한 증거 없이 권한을 확대하면 이 공백의 중요성은 커질 것이다.
셋째, 시장 참여자와 감독 당국이 비정상적인 거래 여건의 기간을 어떻게 조사하는지 지켜봐야 한다. 유용한 분석은 자동화된 행동을 실행 결과와 인간 개입에 연결할 것이다. 또한 에이전트의 실제 기여와 우연히 같은 시기에 발생한 시장 움직임을 구분해야 한다.
서로 다른 시스템이 차별화된 행동을 유지했다는 증거는 군집 행동 우려의 가장 강한 형태를 약화시킬 것이다. 공통된 반응이 압력을 증폭했다는 증거는 이를 강화할 것이다. 어느 쪽이든 모든 가격 움직임을 확인으로 취급하는 것보다 더 가치 있는 발견이다.
이러한 신호들은 함께 읽어야 한다. 신뢰할 수 있는 통제 없는 도입은 강력한 운영 증거를 갖춘 제한적 도입과는 다른 우려를 낳는다. 전자적 참여 확대는 상업적으로 성공할 수 있지만, 여전히 집단적 행동에 대한 신중한 검토가 필요하다.
Barclays의 AI 채권 거래 전망은 독자에게 다시 검토할 구체적인 주장을 제시한다. 그 가치는 전망의 측정 기준을 온전히 유지하는 데 달려 있다. 다음 공시들은 모든 형태의 자동화를 같은 통계로 바꾸기보다 시장을 더 쉽게 이해하도록 해야 한다.
다음 은행 및 거래 플랫폼 공시를 이러한 구분을 염두에 두고 살펴보자. 소프트웨어가 무엇을 결정하는지, 사람이 무엇을 승인하는지, 정보의 신뢰성이 떨어질 때 어떤 일이 벌어지는지에 대한 명확한 설명을 찾아야 한다. 주장되는 생산성을 일시 중지 결정을 포함한 통제된 행동의 증거와 비교하라. 새로운 증거가 다른 측정 기준을 확립하기 전까지는 65% 전망을 전자 거래량에 연결해 두어야 한다. 개발자와 기업 구매자도 다른 워크플로에서 에이전트를 평가할 때 같은 기준을 적용해야 한다. 보조 도구의 유용성은 정보 접근 권한에 달려 있으며, 권한 위임에는 허가와 결과에 관한 추가 증거가 필요하다. 이 시장이 발전함에 따라 행동이 더 까다로워질 때에도 에이전트가 신뢰할 수 있음을 보여줄 만큼 충분한 세부 정보를 제공하는 기업은 어디일까?
